[英]Python IRR Function giving different result than Excel XIRR
我正在使用以下函數通過 Python 執行 IRR 計算:
from scipy.optimize import newton
def xnpv(rate, values, dates):
if rate <= -1.0:
return float('inf')
min_date = min(dates)
return sum([
value / (1 + rate)**((date - min_date).days / 365)
for value, date
in zip(values, dates)
])
def xirr(values, dates):
return newton(lambda r: xnpv(r, values, dates), 0)
函數來源: https : //2018.pycon.co/talks/personal-pynance/personal-pynance.pdf
幾個月來,這個函數與各種不同的現金流和日期完美配合,我得到了與 Excel 的 XIRR 函數相同的結果。 但是,突然使用下面的現金流量和日期列表停止工作,我得到的結果與 Excel 的 IRR 公式(這是正確的和預期的公式)不同:
import pandas as pd
import datetime
import numpy as np
from decimal import *
# Input Data
dates = [datetime.date(2020, 8, 31), datetime.date(2020, 5, 5), datetime.date(2020, 2, 28), datetime.date(2020, 8, 31),datetime.date(2018, 6, 30)]
values = [50289.0, -75000.0, 0.0, 0.0, 0.0]
# Create Dataframe from Input Data
test = pd.DataFrame({"dates" : dates, "values" : values})
# Filter all rows with 0 cashflows
test = test[test['values'] != 0]
# Sort dataframe by date
test = test.sort_values('dates', ascending=True)
test['values'] = test['values'].astype('float')
# Create separate lists for values and dates
test_values = list(test['values'])
test_dates = list(test['dates'])
# Calculate IRR
xirr(test_values, test_dates)
我在 Python 中得到的結果是0.0001,而在 Excel 中我得到-0.71 ,我不知道我在這里遺漏了什么。 也許有人有想法?!??!
Scipy 優化函數容易陷入局部最小值。 將優化方法更改為不同的方法,例如anderson
,並獲得您期望的結果。
證明
from scipy.optimize import anderson
def xnpv(rate, values, dates):
if rate <= -1.0:
return float('inf')
min_date = min(dates)
return sum([
value / (1 + rate)**((date - min_date).days / 365)
for value, date
in zip(values, dates)
])
def xirr(values, dates):
return anderson(lambda r: xnpv(r, values, dates), 0)
import datetime
from decimal import *
# Input Data
dates = [datetime.date(2020, 8, 31), datetime.date(2020, 5, 5), datetime.date(2020, 2, 28), datetime.date(2020, 8, 31),datetime.date(2018, 6, 30)]
values = [50289.0, -75000.0, 0.0, 0.0, 0.0]
# Create Dataframe from Input Data
test = pd.DataFrame({"dates" : dates, "values" : values})
# Filter all rows with 0 cashflows
test = test[test['values'] != 0]
# Sort dataframe by date
test = test.sort_values('dates', ascending=True)
test['values'] = test['values'].astype('float')
# Create separate lists for values and dates
test_values = list(test['values'])
test_dates = list(test['dates'])
# Calculate IRR
xirr(test_values, test_dates)
array(-0.70956212)
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.