我有一个不可预测的现金流和不可预测的周期长度的数据框架，我需要生成一个向后看的内部收益率。
在Excel中使用求解器非常简单，想知道是否有一个好方法可以在Python中实现它。（我想我可以利用openpyxl让solver在python的excel中工作，但这感觉不必要的麻烦）。
问题很简单：
现金流净现值=（现金流）/（1+IRR）^年前
目标：求和（npv）=0的内部收益率
我的数据帧如下所示：
cash_flow |years_ago
-----------------------
-3.60837e+06 |4.09167
31462 |4.09167
1.05956e+06 |3.63333
-1.32718e+06 |3.28056
-4.46554e+06 |3.03889
似乎其他的IRR计算器（如numpy.irr）都假设严格的周期截止（每3个月、1年等），这是行不通的。另一个选项似乎是迭代路径，我不断地猜测、检查和迭代，但这感觉是解决这个问题的错误方法。理想情况下，我正在寻找能做到这一点的方法：
irr = calc_irr((cash_flow1,years_ago1),(cash_flow2,years_ago2),etc)
编辑：这是我处理问题的代码。我有一个事务列表，我选择按id创建临时表。
for id in df_tran.id.unique():
temp_df = df_tran[df_tran.id == id]
cash_flow = temp_df.cash_flows.values
years = temp_df.years.values
print(id, cash_flow)
print(years)
#irr_calc = irr(cfs=cash_flow, yrs=years,x0=0.100000)
#print(sid, irr_calc)
其中df_-tran（它是temp_-df的基础）看起来像：
cash_flow |years |id
0 -3.60837e+06 4.09167 978237
1 31462 4.09167 978237
4 1.05956e+06 3.63333 978237
6 -1.32718e+06 3.28056 978237
8 -4.46554e+06 3.03889 978237
10 -3.16163e+06 2.81944 978237
12 -5.07288e+06 2.58889 978237
14 268833 2.46667 978237
17 -4.74703e+06 1.79167 978237
20 -964987 1.40556 978237
22 -142920 1.12222 978237
24 163894 0.947222 978237
26 -2.2064e+06 0.655556 978237
27 1.23804e+06 0.566667 978237
29 180655 0.430556 978237
30 -85297 0.336111 978237
34 -2.3529e+07 0.758333 1329483
36 21935 0.636111 1329483
38 -3.55067e+06 0.366667 1329483
41 -4e+06 4.14167 1365051
temp_df看起来与df_tran相同，只是它只保存单个id的事务。
最佳答案
您可以使用scipy.optimize.fsolve：
返回由func（x）=0定义的（非线性）方程的根
给定起始估计数。
首先定义将是func参数到fsolve的函数。这是您的内部收益率、现金流和年份的结果。（用numpy矢量化。）
import numpy as np
def npv(irr, cfs, yrs):
return np.sum(cfs / (1. + irr) ** yrs)
一个例子：
cash_flow = np.array([-2., .5, .75, 1.35])
years = np.arange(4)
# A guess
print(npv(irr=0.10, cfs=cash_flow, yrs=years))
0.0886551465064
现在使用
fsolve：from scipy.optimize import fsolve
def irr(cfs, yrs, x0):
return np.asscalar(fsolve(npv, x0=x0, args=(cfs, yrs)))
你的内部收益率是：
print(irr(cfs=cash_flow, yrs=years, x0=0.10))
0.12129650313214262
你可以确认这会让你达到0净现值：
res = irr(cfs=cash_flow, yrs=years, x0=0.10)
print(np.allclose(npv(res, cash_flow, years), 0.))
True
所有代码：
import numpy as np
from scipy.optimize import fsolve
def npv(irr, cfs, yrs):
return np.sum(cfs / (1. + irr) ** yrs)
def irr(cfs, yrs, x0, **kwargs):
return np.asscalar(fsolve(npv, x0=x0, args=(cfs, yrs), **kwargs))
要使其与pandas示例兼容，只需使用
cash_flow = df.cash_flow.values
years = df.years_ago.values
更新：你的问题的价值似乎有点荒谬（如果它存在的话，你的IRR将是一些天文数字），但这里是你如何运行：
cash_flow = np.array([-3.60837e+06, 31462, 1.05956e+06, -1.32718e+06, -4.46554e+06])
years_ago = np.array([4.09167, 4.09167, 3.63333, 3.28056, 3.03889])
print(irr(cash_flow, years_ago, x0=0.10, maxfev=10000))
1.3977721900669127e+82
第二更新：你的代码中有两个小错误，你实际的$和时间流是不合理的，但是下面是你要做的，如下所示。例如，请注意，您有一个id和一个负事务，一个负无穷的irr。
for i, df in df_tran.groupby('id'):
cash_flow = df.cash_flow.values
years = df.years.values
print('id:', i, 'irr:', irr(cash_flow, years, x0=0.))
id: 978237 irr: 347.8254979851405
id: 1329483 irr: 3.2921314448062817e+114
id: 1365051 irr: 1.0444951674872467e+25