我有一个列日期,现金,利率,名字的数据。当我尝试按名称分组时,我能够找到XIRR的值,但是当我尝试按速率分组时,错误出现如下
文件"C:\ProgramData\Anaconda3\lib\site-packages\scipy\optimize\zeros.py",第519行,以brentq r= _zeros._brentq(f,a,b,xtol,rtol,maxiter,args,full_output,disp)为单位 ValueError: f(a)和f(b)必须有不同的符号“
def xnpv(rate, values, dates):
if rate <= -1.0:
return float('inf')
d0 = dates.min() # or min(dates)
return sum([ vi / (1.0 + rate)**((di - d0).days / 365.0) for vi, di in zip(values, dates)])
def xirr(values, dates):
try:
return scipy.optimize.newton(lambda r: xnpv(r, values, dates), 0.0)
except RuntimeError: # Failed to converge?
return scipy.optimize.brentq(lambda r: xnpv(r, values, dates), -1.0, 1e10)
def f(x):
x["XNPV"] = xnpv(0.1, x["Cash"], x['Date'])
x["XIRR"] = xirr( x["Cash"], x['Date'])
return x
f2 = f1.groupby('RATE').apply(f)
发布于 2018-12-05 12:14:14
错误信息相当清楚。来自文档
返回浮点数,a和b之间的f值为零,f必须是一个连续函数,a,b必须是一个符号变化区间。
这种情况之所以发生,是因为brentq致力于修改“二分法”的寻根技术,而牛顿法则不然。如果保证区间之间存在根(这意味着符号必须在区间之间改变),brentq将始终收敛。
这与牛顿方法形成了鲜明对比,牛顿法不受同样的要求,但由于最初的根猜测而无法收敛。
在这里,的底线是 scipy.optimize.brentq(lambda r: xnpv(r, values, dates), -1.0, 1e10)
,该间隔被处理为-1.0,1e10,并且对于这两个值,函数必须计算为相同的符号。您需要为f(a)
和f(b)
提供一个具有不同值的间隔,以确保根位于两者之间。
发布于 2022-04-06 19:57:36
我想出了一个解决同样错误的解决方案。我相信错误是由于你有一些极小的数字,如1.1e-33,这会带来麻烦。
X_train = round(X_train,8)
解决了我的问题。
https://stackoverflow.com/questions/53631988
复制相似问题