私の質問は、IRR (内部収益率) の計算方法に関するものではなく、以下のようなデータ セットが与えられた場合に、サンプル サイズが劇的に増加したときに結果を数か月待たずにIRRを最適に計算する方法に関するものです。
機能を使用していますnp.irr
データ例
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')
以下のデータセットを生成します
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
データの説明
Date現金が流入または流出した日です。ID基本的に、行われた各投資の一意の ID です。FlowIDその（投資）のキャッシュフローです。入力として毎日の頻度を使用する必要があります
np.irr
私が簡単なことをしたら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
したがって、ID1 の場合、np.irr返される頻度は一貫しているため、意味があります。
ただし、残りの日付については、日付が 1 日ごとに均等に配置されていないことがわかります。
np.irrID 3の「手動」計算の例
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
各キャッシュフローが最初、10 日、18 日、最後に 38 日目に発生することが上でわかります。
cfs = np.zeros(39)
cfs[[0,10,18,38]] = df.loc[df.ID ==3]['Flow'].values
np.irr(cfs)
これにより、3の実際 np.irrの結果が得られます。ID
Out[155]: 0.011386397119650837
だから私の質問は：
キャッシュフローの頻度が最適な方法で一貫していない場所で計算する
np.irr方法は?pandas.DataFrame