已知EMI、本金、还款期数，如何通过EMI公式反算利率？

核心原理 #

分期还款额（EMI）的计算公式为：

EMI = P × i × (1+i)ⁿ / [(1+i)ⁿ - 1]
各参数定义：

• P：放款本金
• n：分期总期数
• i：每期利率（与分期周期对应，按月分期即为月利率）
• EMI：每期固定还款额

由于该公式是关于i的超越方程，不存在解析解，因此只能通过数值迭代方法求解，推荐使用收敛速度快、精度高的牛顿-拉夫逊迭代法。

批量实现方案（Python + Pandas） #

针对存储了P、EMI、n的DataFrame，可以通过自定义迭代函数+行级apply的方式批量计算每一行的利率，实现代码如下：

import pandas as pd

def calculate_rate(row, max_iter=100, tol=1e-8):
    P = row['本金（P）']
    emi = row['分期还款额']
    n = row['分期数（n）']
    
    # 异常值过滤，避免计算报错
    if P <= 0 or emi <=0 or n <=0 or emi * n <= P:
        return None
    # 迭代初始值，可根据业务场景调整，默认设为1%月利率
    i = 0.01
    for _ in range(max_iter):
        # 计算f(i)
        pow_1i = (1 + i) ** n
        f = P * i * pow_1i - emi * (pow_1i - 1)
        # 计算导数f'(i)
        f_prime = P * pow_1i * (1 + i * n) / (1 + i) - emi * n * pow_1i / (1 + i)
        # 迭代更新i
        i_new = i - f / f_prime
        # 误差小于阈值则返回结果
        if abs(i_new - i) < tol:
            return round(i_new, 6)
        i = i_new
    # 超出最大迭代次数未收敛，返回空标记异常
    return None

# 读取你的DataFrame，示例如下：
df = pd.DataFrame([{
    '本金（P）': 5300,
    '分期还款额': 187,
    '分期数（n）': 35
}])
# 批量计算利率
df['利率（i）'] = df.apply(calculate_rate, axis=1)

注：示例中的本金5.300默认单位为千元，即实际本金5300元，若单位为元可自行调整参数逻辑

注意事项 #

• 计算得到的i为单期利率，若需要年化利率可直接乘以对应周期数（按月分期则乘12）
• 迭代初始值可根据业务场景调整，比如面向高息产品的场景可将初始值设置为0.03（3%月利率）提升收敛速度
• 可根据业务需求调整精度阈值tol，默认1e-8可满足绝大多数金融场景的精度要求

内容的提问来源于stack exchange，提问作者Larx