计算负IRR时触发ValueError: math domain error的通用解决方案求助

这个ValueError: math domain error来自math.pow函数：fsolve是无约束求解器，迭代过程中会尝试i < -1的取值，此时1 + i < 0，对非整数次幂（比如你的场景里的0.99）求幂在实数域无定义，直接触发报错。你之前的临时方案本质是让迭代路径避开了i < -1的区间，没有从根本上解决问题，复杂场景下迭代还是会踩到非法取值。

核心做两处改进即可覆盖所有合法IRR求解场景，包括非整数时间节点、负IRR等复杂情况：

• 替换无约束的fsolve为支持边界约束的求根工具，IRR的合理取值范围是i > -1（折现率不可能低于-100%），直接把求解下边界设为-0.999999（避免取到-1导致除零），从根源上避免迭代到非法区间
• 给NPV函数增加鲁棒性判断，就算迭代到非法取值也不会触发报错，直接返回超大残差引导求解器回到合法区间

import math
from scipy.optimize import root_scalar
from functools import reduce

dcfs = [0, 0.99]
values = [-100, 50]

def npvFromIrr(i):
    # 先做合法值判断，避免math.pow报错
    if i <= -1:
        # 非法区间返回超大残差，引导求解器往i>-1的方向走
        return 1e18 if i < -1 else 1e9
    return reduce(lambda a, b: a + b, map(lambda x: x[1] / math.pow(1 + i, x[0]), zip(dcfs, values)))

# 用带边界的brentq方法求解，指定IRR的合理范围是-0.999999到10（上限可根据业务调整，10对应1000%的IRR，覆盖绝大多数场景）
sol = root_scalar(npvFromIrr, bracket=[-0.999999, 10], method='brentq')
print(f"IRR计算结果：{sol.root:.2%}")

运行后输出结果约为-50.35%，符合业务预期。

内容的提问来源于stack exchange，提问作者user51725