如何使用Python pandas实现滚动IRR计算

计算逻辑前提 #

滚动IRR默认采用**扩展滚动窗口（成立至今口径）**的逻辑，每个时间节点的IRR计算规则为：

• 取从第一期到当前期的所有历史CFs（现金流）作为序列前半部分
• 将当前期的期末NAV作为最后一笔现金流入，补充到现金流序列末尾
• 对拼接后的完整现金流序列计算IRR即可得到当期滚动IRR
  如果需要固定长度的滑动窗口IRR，只需要调整取数的窗口范围即可。

代码实现 #

首先安装依赖库：
pip install pandas numpy numpy-financial
核心实现代码：

import pandas as pd
import numpy as np
import numpy_financial as npf

# 构造示例DataFrame，实际使用时替换为你自己的df即可
df = pd.DataFrame({
    'CFs': [-100, 1, 2, 3, 2, 110],
    'NAV': [100, 101, 103, 106, 108, 0]
})

def calc_period_irr(cf_list, current_nav):
    full_cf = cf_list + [current_nav]
    try:
        # 计算当期IRR，无法计算时返回空值
        return npf.irr(full_cf)
    except:
        return np.nan

# 计算扩展滚动IRR（成立至今）
df['rolling_irr_since_inception'] = [
    calc_period_irr(df['CFs'].iloc[:i+1].tolist(), df['NAV'].iloc[i])
    for i in range(len(df))
]

# 如需计算固定滑动窗口IRR，比如窗口长度为3期，使用以下代码即可
window_size = 3
df[f'sliding_irr_{window_size}period'] = [
    calc_period_irr(df['CFs'].iloc[i:i+window_size].tolist(), df['NAV'].iloc[i+window_size-1])
    if i + window_size <= len(df)
    else np.nan
    for i in range(len(df))
]

结果优化说明 #

• 如果你的数据是月度/季度等非年度频次，可通过以下公式换算为年化IRR：年化IRR = (1 + 单期IRR) ** 每年期数 - 1，比如月度数据每年期数取12，季度取4
• 你可以根据业务需求调整try-except块的异常处理规则，比如对无法计算的情况返回特定标识而不是空值

内容的提问来源于stack exchange，提问作者Song Zhibo