Kom igångKom igång gratis

Bygg en känslighetsanalys för nettovinsten

Txs Tools har angett följande prognostiserade administrationskostnader i USD baserade på heltidsanställda:

Jul = 1500 Aug = 1500 Sep = 1500

Bygg prognosen för nettovinsten forecast_net_profit när emp_leave = [6, 6, 0] och kostnaden per tillfällig anställd är 80 USD.

Utöver emp_leave och admin_usd har bruttovinstprognosen redan angetts åt dig som forecast_gross_profit.

Den här övningen är en del av kursen

Finansiell prognosmodellering i Python

Visa kurs

Övningsinstruktioner

  • Skapa en index-variabel och initiera indexet till 0.
  • Skapa beroendet genom att loopa igenom listan admin_usd och använd index för att komma åt rätt månad i dina listor.
    • Ange antalet tillfälliga anställda (temp) genom att referera till listan emp_leave vid det aktuella index
    • Om det finns tillfälliga anställda ska administrationsberoendena (admin_dep) återspegla den extra kostnaden för dessa (plus de ordinarie administrationskostnaderna)
    • Annars ska admin_dep återspegla de ordinarie administrationskostnaderna.
  • Beräkna forecast_net_profit som forecast_gross_profit (vid index) minus det beräknade admin_dep.
  • Skriv ut forecast_net_profit.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

admin_usd = [1500, 1500, 1500]
emp_leave = [6, 6, 0]
forecast_gross_profit = [4850, 2800, 4600]
index = ____

for admin in admin_usd:
    temp = ____[index]
    if temp > 0:
        admin_dep = ____ * 80 + admin
    else: 
         admin_dep = ____ 
    forecast_net_profit = forecast_gross_profit[____] - ____
    print(forecast_net_profit)
    index += 1
print("The forecast net profit is:")
Redigera och kör kod