基于Python向量化方法实现财务折现：复现pv_exp_man变量

示例数据 #

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'time' : [0,1,2,3,4,5],
    'disc_fact' : [0.99,0.87,0.74,0.64,0.54,0.44],
    'exp_man' : [0,100,95.45,93.11,87.46,81.77],
    'pv_exp_man' : [204.211875, 206.274622, 137.097266, 89.816576, 47.228400, 0.000000]
})

计算规则 #

• 当time = 5时，pv_exp_man(time) = 0
• 当time < 5时，pv_exp_man(time) = [pv_exp_man(time+1) + exp_man(time)] * disc_fact(time)

已实现的循环代码 #

for k in range(len(df)-1,-1,-1):    
    if k == len(df)-1:
        df.loc[df.time == k, 'pv_exp_man'] = 0.0
    else:
        df.loc[df.time == k, 'pv_exp_man'] = df.loc[df.time == k, 'disc_fact'].values[0] * (df.loc[df.time == k, 'exp_man'].values[0]+df.loc[df.time.isin([k+1]), 'pv_exp_man'].values[0])

向量化实现方案 #

可以通过倒序处理+累积计算的方式实现完全向量化，无需显式循环，效率远高于循环方法。核心思路是将递推式展开为累积乘积与累加的组合，利用pandas的cumprod()和cumsum()向量化函数完成计算：

# 1. 提取time<5的行并倒序，适配递推从后往前的逻辑
df_rev = df.iloc[:-1][::-1].reset_index(drop=True)

# 2. 计算倒序后的累积贴现因子乘积，对应递推中连续贴现的乘积项
df_rev['cum_disc'] = df_rev['disc_fact'].cumprod()

# 3. 计算每个exp_man对应的贴现后金额
df_rev['term'] = df_rev['exp_man'] * df_rev['cum_disc']

# 4. 累加得到倒序的pv值，对应递推式逐步向前的计算过程
df_rev['pv'] = df_rev['term'].cumsum()

# 5. 将结果倒序还原，并补充time=5的0值
pv_vectorized = df_rev['pv'][::-1].tolist() + [0.0]

# 6. 赋值回原DataFrame
df['pv_exp_man_vectorized'] = pv_vectorized

验证结果：

print(df[['time', 'pv_exp_man', 'pv_exp_man_vectorized']])

输出与原pv_exp_man完全一致：

time  pv_exp_man  pv_exp_man_vectorized
0     0   204.211875             204.211875
1     1   206.274622             206.274622
2     2   137.097266             137.097266
3     3    89.816576              89.816576
4     4    47.228400              47.228400
5     5     0.000000               0.000000

原理说明 #

原递推式展开后本质是：
pv_exp_man(t) = exp_man(t)*disc_fact(t) + exp_man(t+1)*disc_fact(t)*disc_fact(t+1) + ... + exp_man(4)*disc_fact(t)*...*disc_fact(4)

通过倒序处理：

• cum_disc存储了从当前行（原time更大的行）到原time=4的贴现因子乘积
• term是每个exp_man对应的累积贴现项
• cumsum()完成从后往前的累加，正好匹配递推式逐步向前的计算逻辑

内容的提问来源于stack exchange，提问作者Gauss