Prognostisera löneutveckling och levnadskostnader
På grund av både inflation och ökad produktivitet från arbetslivserfarenhet kan du förvänta dig att din lön växer i olika takt beroende på din tjänst. Eftersom du arbetar inom ett växande och efterfrågat område som datavetenskap kan du räkna med en stabil ökning av din årslön varje år baserat på prestation.
Anta en årlig löneökningstakt på 5 %. Det innebär att om du börjar på 85 000 dollar per år kan du förvänta dig att tjäna över 176 000 dollar per år efter 15 år. Efter skatt, förutsatt att din skattesats inte har förändrats, landar det på ungefär 125 000 dollar per år – vilket inte är orimligt för en datavetare. Du kanske till och med når den nivån på några år! Men för att vara på den säkra sidan bör du hålla dig till försiktiga prognoser.
I den här applikationen antar vi att all inflation och löneutveckling sker i mindre steg på månadsbasis, i stället för en enda stor ökning i slutet av varje år.
monthly_takehome_salary från föregående övning finns tillgänglig.
Den här övningen är en del av kursen
Introduktion till finansiella begrepp i Python
Övningsinstruktioner
- Beräkna den motsvarande månatliga löneökningstakten (se ledtråden för formeln!)
- Beräkna din faktiska löneprognosutveckling över tid med hjälp av
cumulative_salary_growth_forecastsom vi har definierat åt dig.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
import numpy as np
# Create monthly forecasts up to 15 years from now
forecast_months = 12*15
# Set your annual salary growth rate
annual_salary_growth = 0.05
# Calculate your equivalent monthly salary growth rate
monthly_salary_growth = ____
# Forecast the cumulative growth of your salary
cumulative_salary_growth_forecast = np.cumprod(np.repeat(1 + monthly_salary_growth, forecast_months))
# Calculate the actual salary forecast
salary_forecast = ____
# Plot the forecasted salary
plt.plot(salary_forecast, color='blue')
plt.show()