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

08-28 08:00