公司敏感性分析
接下来，您将考察在不同 mean_inflation 与 mean_volume 取值下，上一练习中那家公司的利润会发生什么变化。这将帮助公司为不同程度的通货膨胀和销售量做规划，因为没有任何公司能确定未来的通胀或销量。
您要探索的平均通胀百分比为 0, 1, 2, 5, 10, 15, 20, 50，而用于作为平均销量的销售值为 100, 200, 500, 800, 1000。作为提醒，下面是已经为您加载的 profit_next_year_mc() 函数定义。
def profit_next_year_mc(mean_inflation, mean_volume, n):
profits = []
for i in range(n):
# Generate inputs by sampling from the multivariate normal distribution
rate_sales_volume = st.multivariate_normal.rvs(mean=[mean_inflation,mean_volume], cov=cov_matrix,size=1000)
# Deterministic calculation of company profit
price = 100 * (100 + rate_sales_volume[:,0])/100
volume = rate_sales_volume[:,1]
loan_and_cost = 50 * volume + 45 * (100 + 3 * rate_sales_volume[:,0]) * (volume/100)
profit = (np.mean(price * volume - loan_and_cost))
profits.append(profit)
return profits
以下包已导入：将 pandas 导入为 pd，numpy 导入为 np，scipy.stats 导入为 st，matplotlib.pyplot 导入为 plt，以及 seaborn 导入为 sns。
本练习是课程的一部分
Python 中的蒙特卡洛模拟
练习说明
- 运行
profit_next_year_mc()完成蒙特卡罗模拟：计算利润 100 次，每次遍历infl值列表与vol值列表。 - 使用
displot可视化结果数据框中Profit列保存的模拟结果。
交互式实操练习
通过完成这段示例代码来试试这个练习。
x1 = []
x2 = []
y = []
for infl in [0, 1, 2, 5, 10, 15, 20, 50]:
for vol in [100, 200, 500, 800, 1000]:
# Run profit_next_year_mc so that it samples 100 times for each infl and vol combination
avg_prof = np.mean(____)
x1.append(infl)
x2.append(vol)
y.append(avg_prof)
df_sa = pd.concat([pd.Series(x1), pd.Series(x2), pd.Series(y)], axis=1)
df_sa.columns = ["Inflation", "Volume", "Profit"]
# Create a displot of the simulation results for "Profit"
____
plt.show()