File:Vermögenskonzentration Simulation 2.svg
Original file (SVG file, nominally 1,080 × 540 pixels, file size: 116 KB)
Captions
Summary edit
DescriptionVermögenskonzentration Simulation 2.svg |
Deutsch: Diese Grafik zeigt die durch den Zinseszinseffekt verursachte Vermögenskonzentration im Zeitverlauf. Die Populationsgröße beträgt n=100000. Die einzelnen Kapitalvermögen werden jedes Jahr durch einen Münzwurf entweder um 20 % verringert oder um 30 % vergrößert. Die Vermögensanteile der reichsten zehn Prozent der Population werden in der zeitlichen Entwicklung mit und ohne Zinseszinsen dargestellt. |
Date | |
Source | Own work |
Author | Majow |
Other versions | |
SVG development InfoField | This plot was created with Matplotlib. |
Source code InfoField | Python code# Entrepreneurs, Chance, and the Deterministic Concentration of Wealth
# Joseph E. Fargione, Clarence Lehman, Stephen Polasky
# https://doi.org/10.1371/journal.pone.0020728
import numpy as np
import scipy.stats as sts
import matplotlib.pyplot as plt
import matplotlib.ticker as mtick
n, t = 100000, 200 # Größe der Population und Zeitraum in Jahren
p = -0.2, 0.3 # Auflistung der möglichen jährlichen Wachstumsraten (Auswahl per Münzwurf)
P = np.random.choice(p, (n, t)) # Matrix mit den zufälligen individuellen Wachstumsraten p_i_k
R = np.log(1 + P) # Matrix mit den entsprechenden zufälligen individuellen Raten r_i_k = ln(1 + p_i_k)
S = np.ones((n, 1)) # Vektor für das einheitliche Startkapital S_i = K_0 = 1 (z.B. 1 Mio. Euro)
T = np.linspace(0, t, num=t+1) # Liste für die Jahre 0, 1, 2, ..., t zur Berechnung der Prognosen
fig, ax = plt.subplots(figsize=(12.0, 6.0))
fig.suptitle('Entwicklung der Vermögensanteile der reichsten zehn Prozent der Population mit und ohne Zinseszinsen')
ax.set(xlabel='Zeit (in Jahren)', ylabel='Anteil am Gesamtvermögen (in Prozent)')
X = R.cumsum(axis=1) # Matrix mit den Summen x_i(t) = r_i_1 + r_i_2 + ... + r_i_t
Y = np.exp(X) # Matrix mit den Potenzen y_i(t) = e^(x_i(t)) = e^(r_i_1 + r_i_2 + ... + r_i_t)
K = np.concatenate((S, S * Y), axis=1) # Matrix mit den Kapitalvermögen K_i(t) = S_i * y_i(t) = K_0 * e^(x_i(t))
K.sort(axis=0) # Sortierung der Kapitalvermögen innerhalb der einzelnen Jahre 0, 1, 2, ..., t
W_Total = K[0:n].sum(axis=0) # Liste mit den Gesamtvermögen für die Jahre 0, 1, 2, ..., t
W_Top = K[(n - n // 10):n].sum(axis=0) # Liste mit den Teilvermögen der reichsten zehn Prozent für diese Jahre
Q_Top = W_Top / W_Total # Liste mit den Vermögensanteilen der reichsten zehn Prozent für diese Jahre
sigma = np.std(np.log(1 + np.array(p))) # Standardabweichung der Raten r = ln(1 + p)
P_Top = sts.norm.cdf(sigma * np.sqrt(T) - sts.norm.ppf(1 - 0.1)) # Liste mit den prognostizierten Vermögensanteilen
ax.plot(Q_Top, 'bo', markersize=4.0, label='Vermögen im Besitz der reichsten zehn Prozent der Population (Simulation mit Zinseszinsen)')
ax.plot(T, P_Top, 'c', linewidth=2.0, label='Vermögen im Besitz der reichsten zehn Prozent der Population (Prognose mit Zinseszinsen)')
X = P.cumsum(axis=1) # Matrix mit den Summen x_i(t) = p_i_1 + p_i_2 + ... + p_i_t
Y = 1 + X # Matrix mit den Summen y_i(t) = 1 + x_i(t) = 1 + p_i_1 + p_i_2 + ... + p_i_t
K = np.concatenate((S, S * Y), axis=1) # Matrix mit den Kapitalvermögen K_i(t) = S_i * y_i(t) = K_0 * (1 + x_i(t))
K.sort(axis=0) # Sortierung der Kapitalvermögen innerhalb der einzelnen Jahre 0, 1, 2, ..., t
W_Total = K[0:n].sum(axis=0) # Liste mit den Gesamtvermögen für die Jahre 0, 1, 2, ..., t
W_Top = K[(n - n // 10):n].sum(axis=0) # Liste mit den Teilvermögen der reichsten zehn Prozent für diese Jahre
Q_Top = W_Top / W_Total # Liste mit den Vermögensanteilen der reichsten zehn Prozent für diese Jahre
mu, sigma = np.mean(p), np.std(p) # Mittelwert und Standardabweichung der Wachstumsraten p
P_Top = 0.1 + sigma * np.exp(- sts.norm.ppf(1 - 0.1) ** 2 / 2) * np.sqrt(T / np.pi / 2) / (mu * T + 1) # Liste mit den Prognosen
ax.plot(Q_Top, 'bo', markersize=2.0, label='Vermögen im Besitz der reichsten zehn Prozent der Population (Simulation ohne Zinseszinsen)')
ax.plot(T, P_Top, 'c', linewidth=1.0, label='Vermögen im Besitz der reichsten zehn Prozent der Population (Prognose ohne Zinseszinsen)')
ax.legend(loc='lower right', fontsize='small')
ax.set_xticks(np.linspace(0, t, num=21))
ax.set_yticks(np.linspace(0, 1, num=11))
ax.set_ylim([-0.05, 1.05])
ax.grid()
plt.gca().yaxis.set_major_formatter(mtick.PercentFormatter(xmax=1.0))
plt.savefig("Vermoegenskonzentration_Simulation_2.svg")
|
Licensing edit
This file is made available under the Creative Commons CC0 1.0 Universal Public Domain Dedication. | |
The person who associated a work with this deed has dedicated the work to the public domain by waiving all of their rights to the work worldwide under copyright law, including all related and neighboring rights, to the extent allowed by law. You can copy, modify, distribute and perform the work, even for commercial purposes, all without asking permission.
http://creativecommons.org/publicdomain/zero/1.0/deed.enCC0Creative Commons Zero, Public Domain Dedicationfalsefalse |
File history
Click on a date/time to view the file as it appeared at that time.
Date/Time | Thumbnail | Dimensions | User | Comment | |
---|---|---|---|---|---|
current | 20:54, 18 September 2023 | 1,080 × 540 (116 KB) | Majow (talk | contribs) | Uploaded own work with UploadWizard |
You cannot overwrite this file.
File usage on Commons
The following page uses this file:
File usage on other wikis
The following other wikis use this file:
- Usage on de.wikipedia.org
Metadata
This file contains additional information such as Exif metadata which may have been added by the digital camera, scanner, or software program used to create or digitize it. If the file has been modified from its original state, some details such as the timestamp may not fully reflect those of the original file. The timestamp is only as accurate as the clock in the camera, and it may be completely wrong.
Width | 864pt |
---|---|
Height | 432pt |