[英]Converting for() loops to apply() functions in R for a custom XIRR function
我目前一直在寻找计算 R 中大型现金流/余额数据库的 XIRR 的函数,我遇到了这个function,我一直在尝试修改它以适合我的代码:
library(tidyverse)
xirr2 <- function(exflow, date) {
if(as.numeric(max(date) - min(date)) <= 2) {
return(0)
} else if(abs(sum(exflow, na.rm = TRUE)) < 1e-12) {
return(0)
} else {
npv <- function(range, exflow, date){
for(test.rate in range) {
temp <- as.data.frame(cbind(exflow, date)) %>%
mutate(npv = exflow * ((1 + test.rate/100)^(as.numeric(max(date) - date)/365))) %>%
select(npv) %>%
.[1]
if(sum(exflow, na.rm = TRUE) > 0) {
if(sum(temp, na.rm = TRUE) > 0) {
min.rate <- test.rate
next
} else {
max.rate <- test.rate
break
}
} else {
if(sum(temp, na.rm = TRUE) < 0) {
min.rate <- test.rate
next
} else {
max.rate <- test.rate
break
}
}
}
return(list(min.rate = min.rate, max.rate = max.rate))
}
max.rate <- c()
min.rate <- c()
if(sum(exflow, na.rm = TRUE) >= 1e-12) {
range <- seq(from = 0, to = 1e8, by = 1e3)
hundreds <- npv(range, exflow, date)
range <- seq(from = hundreds$min.rate, to = hundreds$max.rate, by = 10)
tens <- npv(range, exflow, date)
range <- seq(from = tens$min.rate, to = tens$max.rate, by = 1)
ones <- npv(range, exflow, date)
range <- seq(from = ones$min.rate, to = ones$max.rate, by = 0.01)
decimals <- npv(range, exflow, date)
return(mean(unlist(decimals))/100)
} else {
range <- seq(from = 0, to = -1e8, by = -1e3)
hundreds <- npv(range, exflow, date)
range <- seq(from = hundreds$min.rate, to = hundreds$max.rate, by = -10)
tens <- npv(range, exflow, date)
range <- seq(from = tens$min.rate, to = tens$max.rate, by = -1)
ones <- npv(range, exflow, date)
range <- seq(from = ones$min.rate, to = ones$max.rate, by = -0.01)
decimals <- npv(range, exflow, date)
return(mean(unlist(decimals))/100)
}
}
}
基本上,给定现金流量向量和相应日期向量,这个 function 返回投资的年化 XIRR。
虽然它工作得很好并且在与 MS Excel 和 LibreOffice Calc 交叉引用时生成始终如一的正确答案,但它有点慢,我觉得可以通过将for()
循环替换为apply()
function 来改进它或者来自data.table
package 的东西。速度问题在小例子中几乎不明显,但在像我这样有大量边缘情况的大型数据集上,速度下降可能相当大。
对于它的价值,我已经尝试了来自各种包的大量其他 XIRR 函数,包括tvm
、 FinancialMath
和FinCal
。 无论出于何种原因,这些功能往往会随着时间的推移而崩溃:解决方案最终会停止收敛并变得不准确,尤其是在现金流量大且正/负回报之间快速变化的情况下。 这可能是由于普遍依赖 R 中的uniroot()
或polyroot()
函数来计算 XIRR,但我不确定。
无论如何,上面的 function 实际上得到了我想要的数字——我只需要一些帮助来优化它以适应更大的数据集。 先感谢您!
编辑
感谢您到目前为止的帮助。 以下是一些最低限度的示例:
一些存款,一些提款,然后完全提款以获得正回报。 MS Excel 显示 XIRR = 15.32%:
> flow1 <- c(-1000,-100,100,1200)
> date1 <- as.Date(c("2018-01-01","2018-10-31","2019-03-31","2019-03-31"), format = "%Y-%m-%d")
> tvm::xirr(flow1,date1)
Error in uniroot(xnpv, interval = interval, cf = cf, d = d, tau = tau, :
f.lower = f(lower) is NA
> xirr2(flow1,date1)
[1] 0.15315
一个接受定期捐款但回报不佳的账户。 MS Excel 显示 XIRR = -27.54%:
> flow2 <- c(-200,-200,-200,-200,-200,800)
> date2 <- as.Date(c("2018-01-01","2018-03-01","2018-06-01","2018-09-01","2019-01-01","2019-03-01"), format = "%Y-%m-%d")
> tvm::xirr(flow2,date2)
Error in uniroot(xnpv, interval = interval, cf = cf, d = d, tau = tau, :
f.lower = f(lower) is NA
> xirr2(flow2,date2)
[1] -0.27535
也许我只是在使用tvm::xirr()
错了? 我不确定如何纠正uniroot()
错误。
好的,由于这个答案,我明白了。 事实证明tvm::xirr()
确实运行良好(并且比上述函数快得多),但我一直在错误地调用它。 这是一个工作示例:
> flow2 <- c(-200,-200,-200,-200,-200,800)
> date2 <- as.Date(c("2018-01-01","2018-03-01","2018-06-01","2018-09-01","2019-01-01","2019-03-01"), format = "%Y-%m-%d")
> tvm::xirr(flow2, date2, comp_freq = 1, maxiter = 100, tol = 1e-8, lower = -0.999, upper = 100)
[1] -0.2753857
我之前用lower = -1
试过这个,它给出了与上面相同的错误。 所以我偏离了 0.001... 非常接近。 再次感谢大家的帮助!
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.