基于蒙特卡洛模拟的 Python 个人收支与债务风险评估
前言
在个人财务管理中，评估消费习惯对长期资金链稳定性的影响至关重要。本文通过构建收入支出模型，利用 Python 进行蒙特卡洛模拟，分析在不同消费场景和信贷策略下，个人面临资金短缺（俗称'吃土'）的风险周期。
1. 收入模型构建
每月净收入是计算的基础，公式如下：
$$ \text{净收入} = \text{月薪} - \text{五险一金} + \text{奖金} - \text{个人所得税} $$
1.1 五险一金与个税
以上海市为例，五险一金基数通常为月薪。个税基数为扣除五险一金后的月薪与奖金之和。具体系数可参考当地社保政策。
1.2 奖金分布
假设奖金服从正态分布，均值为 1500 元，标准差为 200 元：
import numpy as np
# 定义奖金分布
bonus_mean = 1500
bonus_std = 200
bonus_dist = np.random.normal(bonus_mean, bonus_std)
1.3 净收入计算函数
def calculate_net_income(salary, bonus):
# 简化版五险一金比例 (示例)
social_security_rate = 0.175
social_security = salary * social_security_rate
taxable_income = (salary - social_security) + bonus
tax = 0
if taxable_income > 5000:
tax = max(0, (taxable_income - 5000) * 0.03) # 简化税率
return salary - social_security + bonus - tax
2. 支出模型构建
根据典型高消费人群特征，设定以下支出类别：
- 基本生活支出：均匀分布 [3000, 3500] 元。
- 购物支出：正态分布，均值 5000 元，标准差 500 元。
- 娱乐支出：均匀分布 [400, 1200] 元。
- 学习支出：均匀分布 [100, 500] 元。
- 其他意外支出：正态分布，均值 500 元，标准差 40 元。
总支出为上述各项之和：
def calculate_monthly_expense():
basic = np.random.uniform(3000, )
shopping = np.random.normal(, )
entertainment = np.random.uniform(, )
learning = np.random.uniform(, )
other = np.random.normal(, )
basic + shopping + entertainment + learning + other
