Question

我有一个不可预测的现金流和不可预测的期间长度的DataFrame，我需要生成一个向后看的IRR。

使用求解器在Excel中执行它非常简单，想知道是否有一种很好的方法可以在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）。

问题非常简单：

现金流净现值=（（cash_flow）/（1 + IRR）^ years_ago）

目标：找到SUM（NPV）= 0

的IRR

我的数据框看起来像这样：

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IRR计算器（例如numpy.irr）假定严格的时段截止（每3个月，1年等），这不会起作用。另一种选择似乎是迭代路线，我不断猜测，检查和迭代，但这感觉就像是解决这个问题的错误方法。理想情况下，我正在寻找可以做到这一点的事情：

irr = calc_irr((cash_flow1,years_ago1),(cash_flow2,years_ago2),etc)

编辑：这是我运行问题的代码。我有一个事务列表，我已经选择通过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（temp_df所基于的）如下所示：

    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完全相同，只是它只保存单个id的事务。

Answer 1

您可以使用scipy.optimize.fsolve：

返回由func（x）= 0定义的（非线性）方程的根给出一个初步估计。

首先将func参数的函数定义为fsolve。这是您的内部收益率，现金流量和年限的净现值。（使用NumPy进行矢量化。）

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)))

您的IRR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 NPV：

res = irr(cfs=cash_flow, yrs=years, x0=0.10)
print(np.allclose(npv(res, cash_flow, years), 0.))
True

所有代码在一起：

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))

要使其与您的pandas示例兼容，请使用

cash_flow = df.cash_flow.values
years = df.years_ago.values

更新：你问题中的值似乎有点荒谬（如果它甚至存在，你的IRR会是一些天文数字），但这就是你的运行方式：

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

第二次更新：你的代码中有一些小的拼写错误，你的$和时间的实际流量可用于无意义的IRR，但下面是你要做的事情。例如，请注意您有一个带有一个负面交易的ID，一个负无限的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

在Python中计算可变现金流IRR（pandas）

1 个答案: