接着上回说的 28 岁三种选择，我们来实现一个人生路线模拟器吧

完整条件

初始条件
- 一线城市房价：550 万
- 二线城市房价：150 万
路径 A (继续在一线城市工作)：
- 初始薪资：25,000 元/月
- 无房，存款老家房子，折现 40 万
路径 B (到二线城市工作)：
- 初始薪资：14,000 元/月
- 存款老家房子，折现 40 万
路径 C (回老家)：
- 初始薪资：5,000 元/月
- 有房贷 60 万
事件概率和影响
- 路径 A：
  - 好事：薪资每年上涨 10%，概率为 30%
  - 坏事：被裁员，失去固定薪资 3 个月，概率为 10%
  - 期望事件进度：5 年后买车，买房（首付 35%），结婚
- 路径 B：
  - 好事：薪资为一线城市的 90%，概率为 60%；薪资增长概率为 30%
  - 坏事：水土不服，长期待业或只有原薪资 50%，概率为 10%
  - 期望事件进度：买房，5 年后买车，结婚
- 路径 C：
  - 好事：薪资为一线城市的 50%，概率为 30%；正常为 20%-30%
  - 坏事：老家房子贬值 30%-40%，概率为 40%
  - 期望事件进度：还清房贷，结婚
模拟的关键变量
- 每月薪资的 65%可用于支出房子和车子
- 存款的累积和更新
- 每月薪资的变化
- 特定事件（如买车、买房、结婚）对总进度的影响
- 随机事件的发生概率

import random

# 定义基本参数
initial_salary_a = 25000  # 路径 A 初始薪资
initial_salary_b = 14000  # 路径 B 初始薪资
initial_salary_c = 5000   # 路径 C 初始薪资
savings_a = 400000        # 路径 A 初始存款
savings_b = 400000        # 路径 B 初始存款
savings_c = 0             # 路径 C 初始存款
mortgage_c = 600000       # 路径 C 房贷
first_tier_price = 5500000  # 一线城市房价
second_tier_price = 1500000 # 二线城市房价
salary_increase_prob_a = 0.3  # 一线城市薪资增长概率
salary_increase_prob_b = 0.3  # 二线城市薪资增长概率
layoff_prob = 0.1            # 被裁员概率
house_depreciation_prob_c = 0.4 # 老家房子贬值概率
salary_usable_ratio = 0.65    # 薪资中可用于支出的比例
duration = 15 * 12           # 模拟时间（月）

# 模拟函数
def simulate_path_with_negatives(path):
import random

# 基本参数
initial_salary_a = 25000
initial_salary_b = 14000
initial_salary_c = 5000
savings_a = 400000
savings_b = 400000
savings_c = 0
mortgage_c = 600000
first_tier_price = 5500000
second_tier_price = 1500000
duration = 15 * 12
salary_usable_ratio = 0.65

# 事件概率
salary_increase_prob_a = 0.3
salary_increase_prob_b = 0.3
layoff_prob = 0.1
house_depreciation_prob_c = 0.4

# 模拟函数
def simulate_path(path):
    salary = initial_salary_a if path == 'A' else initial_salary_b if path == 'B' else initial_salary_c
    savings = savings_a if path == 'A' else savings_b if path == 'B' else savings_c
    mortgage_remaining = mortgage_c if path == 'C' else 0
    progress = 0
    married = False
    house_bought = False
    car_bought = False

    for month in range(duration):
        if path == 'A' and random.random() < salary_increase_prob_a:
            salary *= 1.1
        elif path == 'B' and random.random() < salary_increase_prob_b:
            salary *= 1.1
        if path == 'A' and random.random() < layoff_prob:
            salary = 0
        elif path == 'B' and random.random() < layoff_prob:
            salary *= 0.5

        usable_salary = salary * salary_usable_ratio
        savings += usable_salary

        if not car_bought and month >= 60:
            car_bought = True
            progress += 10
        if not house_bought and (savings >= first_tier_price * 0.35 if path == 'A' else savings >= second_tier_price * 0.35):
            house_bought = True
            savings -= first_tier_price * 0.35 if path == 'A' else second_tier_price * 0.35
            progress += 30

        if not married and (house_bought or path == 'C'):
            married = True
            progress += 20

        if path == 'C' and random.random() < house_depreciation_prob_c:
            mortgage_remaining *= (1 - 0.35)

        if path == 'C' and mortgage_remaining > 0:
            repayment = min(mortgage_remaining, usable_salary)
            mortgage_remaining -= repayment
            savings -= repayment
            if mortgage_remaining == 0:
                progress += 20

        if salary == 0 and month % 3 == 0:
            salary = initial_salary_a if path == 'A' else initial_salary_b if path == 'B' else initial_salary_c

    return progress

progress_a = simulate_path('A')
progress_b = simulate_path('B')
progress_c = simulate_path('C')
# a=60% b=60% c=50%

接着上回说的 28 岁三种选择，我们来实现一个人生路线模拟器吧

完整条件

初始条件

路径 A (继续在一线城市工作)：

路径 B (到二线城市工作)：

路径 C (回老家)：

事件概率和影响

模拟的关键变量