0

我的问题不在于如何计算IRR（内部收益率），而是给定类似于下面的数据集，当样本量急剧增加时，如何最好地计算IRR而无需等待数月的结果。

我正在使用该np.irr 功能

数据示例

import pandas as pd
import numpy as np

date_list =['2018-01-01', '2018-01-02', '2018-01-03', '2018-01-04','2018-01-05', '2018-01-06', '2018-01-07', '2018-01-14','2018-01-21', '2018-01-31','2018-02-08', '2018-02-28']
ids_list = [1,1,1,1,2,2,2,2,3,3,3,3]
flows_list = [ -10, 2, 2, 10, -50, 25, 20, 20, -100, 0,  3, 150]
df = pd.DataFrame(list(zip(date_list,ids_list,flows_list)), columns=['Date','ID','Flow'])
df['Date'] = pd.to_datetime(df['Date'],format='%Y-%m-%d')

产生以下数据集

In [144]: df
Out[144]:
         Date  ID  Flow
0  2018-01-01   1   -10
1  2018-01-02   1     2
2  2018-01-03   1     2
3  2018-01-04   1    10
4  2018-01-05   2   -50
5  2018-01-06   2    25
6  2018-01-07   2    20
7  2018-01-14   2    20
8  2018-01-21   3  -100
9  2018-01-31   3     0
10 2018-02-08   3     3
11 2018-02-28   3   150

资料说明

  1. Date是现金流入或流出的日期。

  2. ID本质上是每项投资的唯一 ID。

  3. Flow是该ID（投资）的现金流。

  4. 我需要使用每日频率作为我的输入np.irr

如果我做一个简单的pandas.groupby 

In [145]: df.groupby(['ID'])['Flow'].agg(np.irr)
Out[145]:
ID
1    0.141962
2    0.150155
3    0.153450
Name: Flow, dtype: float64

所以对于ID1，np.irr返回是有意义的，因为我的频率是一致的。

但是，对于其余部分，您会看到日期不是按天等间距排列的。

np.irrID 3的“手动”计算示例

df.loc[df.ID ==3]['Date'].apply(lambda x: (x - min(df.loc[df.ID ==3]['Date'])).days)

8      0
9     10
10    18
11    38
Name: Date, dtype: int64

可以在上面看到每个现金流都发生在开始、第 10 天、第 18 天和最后第 38 天。

cfs = np.zeros(39)
cfs[[0,10,18,38]] = df.loc[df.ID ==3]['Flow'].values

np.irr(cfs)

这产生了3 的实际 np.irr值ID：

Out[155]: 0.011386397119650837

所以我的问题是：

如何以最佳方式计算现金流频率不一致的np.irr地方？pandas.DataFrame

4

1 回答 1

0

这似乎是我能找到的最优化和最准确的方法。避免循环！！

加载示例数据

import pandas as pd
import numpy as np

date_list =['2018-01-01', '2018-01-02', '2018-01-03', '2018-01-04','2018-01-05', '2018-01-06', '2018-01-07', '2018-01-14','2018-01-21', '2018-01-31','2018-02-08', '2018-02-28']
ids_list = [1,1,1,1,2,2,2,2,3,3,3,3]
flows_list = [ -10, 2, 2, 10, -50, 25, 20, 20, -100, 0,  3, 150]
df = pd.DataFrame(list(zip(date_list,ids_list,flows_list)), columns=['Date','ID','Flow'])
df['Date'] = pd.to_datetime(df['Date'],format='%Y-%m-%d')

重新索引数据框以包含 0 的现金流量

def reindex_by_date_and_fill(df,groupby_column='ID',value_column='Flow'):
    dates = pd.date_range(df.index.min(), df.index.max())
    return pd.concat([df.reindex(dates)[groupby_column].ffill(),df.reindex(dates,fill_value=0)[value_column]],axis=1)

df_test = df.set_index(['Date']).groupby(['ID'],as_index=False).apply(reindex_by_date_and_fill).reset_index(0,drop=True)

我从以下两个帖子中得到了这个想法：

将缺失的日期添加到 pandas 数据框

Pandas 在 Groupby 中重新索引日期

基本上，它会填补缺失的日期，并将现金流填充为零。这使您能够获得每项投资的每日频率，同时仍保持现金流被偿还的时期。

In [54]: df_test.head(10)
Out[54]:
             ID  Flow
2018-01-01  1.0   -10
2018-01-02  1.0     2
2018-01-03  1.0     2
2018-01-04  1.0    10
2018-01-05  2.0   -50
2018-01-06  2.0    25
2018-01-07  2.0    20
2018-01-08  2.0     0
2018-01-09  2.0     0
2018-01-10  2.0     0

这允许您然后使用groupby

In [60]: df_test.groupby(['ID'])['Flow'].agg(np.irr)
Out[60]:
ID
1.0    0.141962
2.0    0.082212
3.0    0.011386
Name: Flow, dtype: float64
于 2018-11-06T10:38:33.900 回答