在金融行業(yè)工作的人每天都在處理現(xiàn)金流預(yù)測，但大多是用Excel。事實上，Excel確實易于使用且透明?？梢栽趲追昼妰?nèi)構(gòu)建一個現(xiàn)金流預(yù)測模型——編寫幾個公式，然后向下拖動復(fù)制。在本文中，我們將學(xué)習(xí)如何用Python構(gòu)建一個簡單的現(xiàn)金流預(yù)測模型，最終形成一個更復(fù)雜的模型。在這個模型中，我們用Python構(gòu)建了一個抵押計算器。

用于現(xiàn)金流預(yù)測的Python工具

我們可以使用列表或pandas庫來預(yù)測現(xiàn)金流?？赡苓€有其他工具或庫，有興趣的可以進(jìn)一步研究，但這里只使用列表和pandas。

示例

假設(shè)我們有一項資產(chǎn)可以產(chǎn)生30年的收入。第一年收入是100美元，在接下來的29年里每年增長6%（30年后就沒有收入了）。計算該項資產(chǎn)的現(xiàn)值，每年貼現(xiàn)2%。

Excel模型

Excel用戶可能已經(jīng)知道如何（在Excel中）對此問題建模。多個輸入值、公式和下拉列表，讓我們看看下面的例子。這里只顯示了10年，但實際的Excel文件顯示了30年。

圖1

使用列表建模

Python列表是一種有序的數(shù)據(jù)結(jié)構(gòu)，這正是我們建模時間序列數(shù)據(jù)（即隨時間變化的現(xiàn)金流）所需要的。需要說明的是，雖然我們可以使用列表來模擬現(xiàn)金流，但這樣做并不是一個好主意，因為我們必須自己做很多低級數(shù)據(jù)操作。這里，我們只是演示這個想法，實際上我們應(yīng)該使用pandas（或numpy）來模擬現(xiàn)金流預(yù)測。

income_first_yr = 100

growth_rt = 0.06

discount_rt = 0.02

其次，在列表中設(shè)置初始值，cashflow=[income_first_yr]。然后，再循環(huán)29次，計算隨后每年的收入，并將其添加到列表中。我們有一個30年的現(xiàn)金流預(yù)測。

cashflow = [income_first_yr]

for i in range(29):

   cashflow.append(cashflow[i] * (1 + growth_rt))

接下來，我們將在另一個列表中設(shè)置貼現(xiàn)現(xiàn)金率。

discount_vector = [1]

for i in range(29):

   discount_vector.append(discount_vector[i] / (1 + discount_rt))

如果想直觀地看到這兩個向量，我們可以把它們并排放置，可以使用zip()函數(shù)來實現(xiàn)。它基本上在每個第i項上組合兩個列表，并將它們作為元組返回，如下圖所示。注意，這個zip()函數(shù)實際上創(chuàng)建了30個元組。

圖2

我們知道，對于在zip()函數(shù)中創(chuàng)建的每個元組，第一個元素是收入，第二個元素是貼現(xiàn)率，因此我們可以將它們相乘以獲得貼現(xiàn)現(xiàn)金流。讓我們通過元組循環(huán)計算貼現(xiàn)現(xiàn)金流，并將其放入另一個列表中。這樣，當(dāng)前值就是結(jié)果列表的總和。

discounted_cashflow = []

for item in zip(cashflow,discount_vector):

   discounted_cashflow.append(item[0] * item[1])

圖3

使用pandas建模

使用pandas創(chuàng)建現(xiàn)金流預(yù)測比僅使用列表更容易，因為我們可以使用一些內(nèi)置的方法。讓我們從創(chuàng)建一個包含30行和2列的pandas數(shù)據(jù)框架開始——一列用于收入預(yù)測，另一列用于貼現(xiàn)率。

圖4

一旦我們有了這兩個向量，我們可以將它們相乘得到貼現(xiàn)現(xiàn)金流，然后求和sum()得到現(xiàn)值。

圖5

注：本文學(xué)習(xí)整理自pythoninoffice.com。