由IRR看超越方程求解

生活中,我们可能遇到这样的情况,朋友小明向你借10000元,保证5个月连本带息还给你。假设你手上有如下两套方案:

| 方案1 | 方案2
----|----|---
第一月还款|3350 | 2100
第二月还款|3050 | 2100
第三月还款|2000 | 2100
第四月还款|1000 | 2100
第五月还款|1000 | 2100
总还款|10400 | 10500

如果单看收益/利息的话,毫无疑问应该选择方案2。那是否真的就是方案2更好?或者说如果某个方案更好,它相当于另一个方案好多少,能否量化?回答这个问题就需要用到IRR的知识。

IRRinternal rate of return)内部收益率,是一种投资的评估方法,也就是找出资产潜在的回报率,其原理是利用内部回报率折现,投资的净现值恰好等于零。其求解公式如下:

IRR求解公式
IRR求解公式

其中n代表回合(案例中N=5),Cn代表收益,C0为初始投资金额(为负数,如方案1,C0=-10000,C1=3350...),r就是需要求解的IRR。公式可以看出是一个一元多次方程,我们知道五次及五次以上的代数方程一般不能用根式求解。如果要求解这个方程的根就需要用到超越方程求解方法


Newton's method

牛顿法Newton's method)又称为牛顿-拉弗森方法Newton-Raphson method),它是一种在实数域和复数域上近似求解方程的方法。

公式如下:


Newton's method
Newton's method

使用牛顿法,我们需要初始一个x0,尽可能贴近要求解的根。这个时候这个方程会收敛(Newton's method只具有局部收敛性),当达到我们精度要求,就可以得到解。对于我们要解的IRR,应该是位于(-1,1]之间的值,我们的x0也就可以选择这其中的数字进行迭代。

演示
演示

我的实现代码如下:

long double f(long double x)
{
    long double out = 0;
    for (int i = 0; i <= M; i++) {
        if (i == 0) {
            out -= c[i] * powl(x, M);
        }
        else
        {
            out += c[i] * powl(x, M-i);
        }
    }
    return out;
}

long double derf(long double x)
{
    long double out = 0;
    for (int i = 0; i < M; i++) {
        if (i == 0) {
            out -= c[i] * powl(x, M-1) * M;
        }
        else
        {
            out += c[i] * powl(x, M-i-1) * (M - 1);
        }
    }
    return out;
}

long double NewtonRaphson(long double factor)
{
    long double up = f(factor), down = derf(factor);
    return factor - up / down;
}

调用的代码:

        long double pre = 1.618;
        long double now = NewtonRaphson(pre);
        while (fabsl(now-pre) > precision * fabsl(now)) {
            if (fabsl(now) < precision) {
                break;
            }
            pre = now;
            now = NewtonRaphson(pre);
        }

其中precision就是精度,设置的是1e-9,最后如果能找到结果,那么now-1就是IRR。Newton's method可以解决一部分超越方程求根问题,但是某些方程在Newton's method下会呈现不收敛情况,就不能用这种方法。

Bisection method

二分法(英语:Bisection method),是一种方程式的近似值求法,也可以用来求已知范围的超越方程的解。IRR正好就是求解区间(-1,1]的值,所以可以使用Bisection method。

求解流程如下:
若要求已知函数 f(x) = 0 的根 (x 的解),则:

  1. 先找出一个区间 [a, b],使得f(a)与f(b)异号。根据介值定理,这个区间内一定包含着方程式的根。
  2. 求该区间的中点m=(a+b)/2,并找出 f(m) 的值。
  3. f(m) 与 f(a) 正负号相同则取 [m, b] 为新的区间, 否则取 [a, m]。
  4. 重复第2和第3步至理想精确度为止。
Bisection method

我的实现代码如下:


long double f(long double x)
{
    long double out = 0;
    for (int i = 0; i <= M; i++) {
        if (i == 0) {
            out -= c[i] * powl(x, M);
        }
        else
        {
            out += c[i] * powl(x, M-i);
        }
    }
    return out;
}

long double biSearch()
{
    long double left = precision, right = 2;
    while (fabsl(right - left) > precision) {
        long double mid = (right + left) / 2.0;
        long double fmid = f(mid),fleft = f(left);
        if (fmid * fleft > 0) {
            left = mid;
        }
        else
        {
            right = mid;
        }
        
    }
    return right;
}

这里left初始并没有取0,是为了防止取到IRR=-1而抛弃了其他更有意义的值。

Secant method

在数值分析中,割线法Secant method)是一个求根算法,该方法用一系列割线的根来近似代替函数f的根。他和牛顿的算法思想相似,但实现方式不同,这种方法同样也有不收敛的情况。

公式如下:


Secant method
Secant method

从上式中可以看出,割线法需要两个初始值x0和x1,它们离函数的根越近越好。

演示

我的实现代码如下:

long double f(long double x)
{
    long double out = 0;
    for (int i = 0; i <= M; i++) {
        if (i == 0) {
            out -= c[i] * powl(x, M);
        }
        else
        {
            out += c[i] * powl(x, M-i);
        }
    }
    return out;
}

long double secant()
{
    long double first = precision, second = 2;
    while (fabsl(second - first) > precision) {
        long double f1 = f(first),f2 = f(second);
        long double next = second - f2 * (second - first) / (f2 - f1);
        first = second;
        second = next;
    }
    return second;
}

Microsoft Excel中求解IRR的公式就是用的这个算法,Excel中的精度是0.00001%。

Regula Falsi method

这种算法是针对前面Secant Method和Newton Method算法可能出现不收敛情况而提出的,它一定会收敛,并且相对于Bisection Method效率更高。

他的思想是在交换逼近方向的时候用一个系数(这里选2)去调整取值。公式如下(如果系数由1/2变为1,公式就和Secant Method一样)



我的实现代码如下:

long double f(long double x)
{
    long double out = 0;
    for (int i = 0; i <= M; i++) {
        if (i == 0) {
            out -= c[i] * powl(x, M);
        }
        else
        {
            out += c[i] * powl(x, M-i);
        }
    }
    return out;
}

long double Falsi()
{
    long double left = precision, right = 2;
    int side = 0;
    long double fleft = f(left), fright = f(right);
    long double ratio = (fleft*right - fright *left) / (fleft - fright);
    while (fabsl(right - left) > precision) {
        ratio = (fleft*right - fright *left) / (fleft - fright);
        long double fratio = f(ratio);
        if (fright * fratio > 0) {
            right = ratio;
            fright = fratio;
            if (side == -1) {
                fleft /= 2;
            }
            side = -1;
        }
        else if (fleft * fratio > 0)
        {
            left = ratio;
            fleft = fratio;
            if (side == 1) {
                fright /= 2;
            }
            side = 1;
        }
        else
        {
            break;
        }
    }
    return ratio;
}

现在有了超越方程的解法与IRR的概念,那么对于小明的借款,到底哪种方案对于自己更好呢?
下面看一下两种方案Excel计算结果:

可以看到方案1的IRR=1.69%,方案2的IRR=1.65%。方案1的虽然总利息少了,但是内部收益率更高。所以对于作为东家的自己来说选择方案1更优。

不仅限于上面的案例,类似的对于房贷还款,银行提供了等额本金与等额本息两种方式。客户往往倾向于等额本金方式,因为还款总利息更少。那么对于银行来说到底哪种方式对于他们来说更优?有了IRR和超越方程知识,我们也可以自己算一下😊。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,319评论 5 459
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,801评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,567评论 0 319
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,156评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,019评论 4 355
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,090评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,500评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,192评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,474评论 1 290
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,566评论 2 309
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,338评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,212评论 3 312
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,572评论 3 298
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,890评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,169评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,478评论 2 341
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,661评论 2 335

推荐阅读更多精彩内容