利息浅谈(五)——我的投资收益率怎么算?

本文深入探讨了投资收益率的计算,包括简单收益率、现金加权收益、时间加权收益和内部收益率。现金加权收益考虑了资金进出对收益率的影响,而内部收益率则解决了时间因素,尤其适用于长期和高收益投资。文章建议在不同场景下选择合适的计算方法,并强调了内部收益率在房贷等长期投资中的应用。

在本系列前面的文章中,我们聊到了利息产生的原理,五要素核算模型以及到存银行时候面对各种计息方式和存取周期时的斗智斗勇,以及在人生最重大的一次借钱——贷款买房时候,银行的实操的计息流程。往期精彩回顾请戳:

利息浅谈(四)——房贷利率的惊天秘密

利息浅谈(三)——定期存款利息的秘密

利息浅谈(二)——利息到底是怎么算的?

利息浅谈(一)——为啥钱能生息?

前面讲今天我们想继续分析一个金融和投资里的实战话题,就是我的投资收益率到底该怎么算?

嘻嘻,这又基本是个纯数学问题。

这个问题再有了前面利率的基础知识以后,说难也难,说容易也容易。但这里啊,因为你参与的股票,债券,理财等等投资行为,每一分钱产生的收益率是不同的,进驻投资池子的时间也不相同,部分补仓的钱是来自于工资等直接收入,中间可能还产生了部分消费而有所支取。那在这么多操作过程中,银行活期倒是可以以给定利率一直计息下去,不管怎么算都是按季度复利计息而已,但是如何把各个部分的投资融合起来算出个综合收益,却有着很多不同的角度,今天我们就来研究一下。

投资总收益

 

首先,无论我们购买的投资品怎样计息,波动如何,一定存在一个投入的总资金(一般以货币本身计价)以及所持有投资品的现值。这个现值就是等价的马上变现的价值,我们称为净资产。如果是股票,活期存款等,那就是当期价格和数量,如果是像债券或定期存款那种流动性差的资产,得用一个估计的市场价值折现。为了方便说明,我们指定以下字母:

Vt:时间t时候的净资产,取自0~T,0为期初,T为期末;

Ct:时间t时的资产净流入,存入资金为正,支取去消费等为负;

因此,我们的投资总收益为:

 

RT = VT – v0 – sum(Ct)

 

其实简单来看,我们算到这个值就够了,它完全剔除了你因为消费支取,或赚取劳动收入等其他因素下,纯投资的绝对收益值。但光有这个值显然不够,比如老爸给我1块钱我去买了一本小人书借给人看收了2块钱租金,然后又卖了0.5元,这里收益的1.5元,显然比拿着老爸的一个亿赚了100万厉害多了;而你花了一天就做完了这笔生意,也比小明一个月才找到买家回本厉害多了。

 

因此,我们需要把本金和时间两个因素考虑进来。不同的考虑方式就造成了不同的收益率计算方式。

简单收益率

 

最简单的叫简单收益率(simple rate of return),忽略了后期资金存取的影响,直接得到相对收益:

 

SRT = RT / V0

 

显然,这个相对的标准V0如果占了绝大多数资金,这么简单算是可以的,但是当你投资后期有很多Ct的存取的时候,这么计算你的收益率肯能偏差就很大了,但好在不会算错赢还是亏,因为RT不会有错。

现金加权收益

那怎么考虑后期资金存取呢?直接把所有Ct加上V0显然不合适,比如在T-1时刻存入的钱,并没有参与很久的投资,不值得全部计算。因此,我们要算的其实是每个时刻净资产对投资时间的积分,这个和表达的是资本投入的总时间成本,可以用单位资本经过整个T时间为单位计算,取线性的比例关系,因此:

 

MWRT = SRT / (V0 + sum(Wt * Ct))

 

其中,Wt = (T – t) / T,可以看到,我们在算积分面积时,是朝着t = T的方向投影进行的。

 

分母的物理意义是等效的经历整个时间周期T的资金量,它很好地考虑了每一份钱进入投资时间不同对收益率的影响,这是现金加权收益MWRT(Money-weighted rate of return)的算法。

 

我认为这种算法是不考虑复利,投资时间长短情况下,最适合地描述总的投资收益率的方式了。

时间加权收益

市面上还有一种常用算法,叫做时间加权收益(time-weighted rate of return)。直接把每日的(算术收益率 +1)叠乘起来再 – 1,即:

TWRT= prod(1 +Rt) – 1

Rt = Vt / (Vt – 1 +Ct) – 1

显然,因为每个t内的收益率基数受到前一个周期的存量Vt-1和增量Ct的影响,有所不同,含金量相当于变了,初始资金也不再是单位1。这样一来会有不少误差,甚至直接导致连盈亏都算错了,这是不可接受的,因此我们直接放弃这种方式。

 

顺便提一下,这种当期收益率Rt,是算术收益率,还有一种是指数收益率:

ERt = log(Vt / (Vt – 1 + Ct))

读了我们前面文章的读者可以看到,这无非就是单利增长还是复利增长下的等效利率值的问题。但是无所谓了,总之你t时间后能多拿到多少比例的钱比较要紧,后面能涨能跌还不知道呢,只有约定的定额计息利率和方式才有用,这里也就是算个等效值作统一参考,并不代表钱真的是这么增长的。指数收益率有个好处,就是可以直接相加,log里面是相乘,可以约掉以后,得到:

ETWRT = log(Vt / V0)

这里就很明显地忽略了资金进出Ct对本金的影响,甚至连收益可能都是存钱进来的而并不是真的投资收益,看起来比SRT还要糟糕,因此肯定要弃用了。

 

内部收益率

 

最后来解决一下时间的问题,如果按照单利算,那么等效t周期的收益率为:

 

IRR = MWRT / T

 

IRR(Internal rateof return),内部收益率,简单来讲,就是每一分投入进来的钱,平均以怎样的利率增长的。以上是单利公式,在周期不长,收益率较低的时候能很好地估算,但是当收益率高,周期长的时候,又会因为复利因素造成很大的偏差,比如年化10%的利率,根据72法则,只需要7年左右就可以复利翻倍了,并不需要单利算的10年。但是这里计算就相对麻烦了,我们有:

 

V0 * (EIRR +1) ^ T + sum(Ct * (EIRR + 1) ^(T - t)) = VT

 

解方程即得EIRR的值。但这里是个高次幂的方程,不好求解析解,但是因为单调性和给定的区间范围为,所以还是很好用二分法,牛顿法等很快逼近一个数值解的。上一期房贷利率等额本息还款额计算的时候就是套用的这个公式,相当于问指定每个月周期给定投入,要在指定周期内等效一个贷款额那么多的预期价值,只是当时列公式的时候用的是等效现值来计算的。那里能用上等比数列求和公式化简给出解析解,那是因为人为给定的模型,太过于特殊了,在一般的投资时候,不可能那么巧的。

好了,以上就是投资收益率计算的相关内容,各个公式各有特点,在实际操作中,我的结论是不考虑时间权重就简单的算现金加权收益就好了,考虑时间因素就用内部收益率,时间较长、收益较高的情况下记得用其复利形式(比如房贷利率就是典型)。

希望这些内容对你有所帮助,下期我们就着贷款买房投资的收益问题,来实际应用一下这些公式,尽请期待。

我们是谁:

MatheMagician,中文“数学魔术师”,原指用数学设计魔术的魔术师和数学家。既取其用数学来变魔术的本义,也取像魔术一样玩数学的意思。文章内容涵盖互联网,计算机,统计,算法,NLP等前沿的数学及应用领域;也包括魔术思想,流程鉴等魔术内容;以及结合二者的数学魔术分享,还有一些思辨性的谈天说地的随笔。希望你能和我一起,既能感性思考又保持理性思维,享受人生乐趣。欢迎扫码关注和在文末或公众号留言与我交流!

扫描二维码

关注更多精彩

利息浅谈(四)——房贷利率的惊天秘密

约瑟夫问题与魔术(十)——魔术《完全控制》

每一个魔术,都应该是一场直播的微电影!

一次刨根问底的收获——从一道微积分题说开去

序列周期性与魔术(六)——魔术欣赏与解析续集

点击阅读原文,往期精彩不错过!

内容概要:本文系统研究了基于豪猪优化法(CPO)的多无人机协同集群在三维空间中的避障路径规划问题,聚焦于实现以最低成本为目标的航迹优化,综合考虑路径长度、飞行高度、威胁规避及转弯角度等多个关键因素。通过构建精细化的三维环境模型与多无人机协同机制,采用Matlab平台实现CPO法的仿真与验证,充分展示了该法在复杂动态障碍环境下的高效搜索能力与全局优化性能。研究不仅涵盖了路径规划的数学建模与目标函数设计,还深入探讨了法的收敛特性与鲁棒性,为智能群体系统在实际场景中的应用提供了理论依据与技术支撑。; 适合人群:具备一定编程基础和优化法背景,从事无人机系统控制、智能路径规划、群体协同、人工智能与自动化等相关领域的科研人员、高校研究生及工程技术人员。; 使用场景及目标:①应用于多无人机协同执行侦察、灾害监测、应急救援、区域巡检等复杂任务中的自主路径规划;②为智能优化法在三维动态环境下的路径决策问题提供可复现的技术范例;③支持研究人员对CPO法与其他主流群智能法(如PSO、GWO、WOA等)进行性能对比与改进研究,推动路径规划技术的发展。; 阅读建议:建议结合提供的Matlab代码进行实践操作,重点理解目标函数的多维度建模方式与CPO法的迭代优化流程,可通过调整环境参数与约束条件进行仿真实验,对比不同法在相同场景下的路径质量与收敛速度,从而深入掌握其优势与适用边界。
内容概要:本文围绕电动汽车参与电力系统运行备用的能力评估展开深入研究,利用Matlab代码实现对电动汽车集群提供运行备用服务的建模与仿真分析。研究重点在于量化电动汽车作为分布式灵活资源参与电网辅助服务的潜力,通过构建精细化的数学模型,分析其可调功率容量、响应速度、时空分布特性及聚合能力,并采用多面体聚合、内近似模型与闵可夫斯基和等先进方法精确刻画其可调度能力边界。研究进一步结合大规模电动汽车接入场景,探讨其在多时间尺度调度框架下参与调峰、调频等辅助服务的优化策略,评估其对提升高比例可再生能源电网灵活性与稳定性的贡献,最终通过仿真验证所提模型与方法的有效性与实用性。; 适合人群:具备电力系统分析、智能电网、新能源汽车或优化调度等相关专业背景,熟悉Matlab/Simulink仿真工具,从事科研、工程应用的高校研究生、科研人员及电力行业工程师。; 使用场景及目标:①精确评估大规模电动汽车集群在不同约束条件下可提供的运行备用容量;②研究电动汽车在日前、日内及实时调度中的动态响应能力与优化调度策略;③为高渗透率新能源电力系统提供基于移动储能的灵活性资源解决方案,支撑电网安全经济运行。; 阅读建议:建议结合Matlab代码与技术文档同步学习,重点关注多面体聚合建模、能力边界计及优化调度法的设计与实现,可进一步拓展至V2G(车辆到电网)、需求响应等互动场景进行二次开发与应用验证。
打开链接下载源码: https://pan.quark.cn/s/a4b39357ea24 OpenCV(开源计机视觉库)中的DNN(Deep Neural Network)模块是一种功能强大的工具,其目的是用于深度学习模型的操作。该模块使得开发人员能够在OpenCV环境中直接运用已经训练好的深度学习网络,以执行图像识别、目标检测、图像分割等多种功能。DNN模块能够兼容多种深度学习框架的模型,包括TensorFlow、Caffe、ONNX等。 一、DNN模块概述 OpenCV的DNN模块是为了简化深度学习模型的集成过程而专门设计的,它允许开发人员加载预先训练好的神经网络模型,并在图像数据上执行前向传播操作。借助这个模块,用户可以选用GPU或者CPU来提升计效率,从而构建出高效的应用程序。 二、目标检测案例 在OpenCV的DNN模块中,目标检测是一个常见的应用情形。例如,可以选用SSD(Single Shot Multibox Detector)、YOLO(You Only Look Once)或者 Faster R-CNN 等模型进行实时的目标检测。这些模型能够识别并定位图像中的多个对象,并返回每个对象的类别和边界框坐标。 三、模型转换:PB到PBTXT 在OpenCV中运用TensorFlow模型时,通常需要处理的是`.pb`格式的模型文件,这是TensorFlow的二进制模型文件格式。然而,为了能够读取模型的结构信息,我们需要`.pbtxt`格式的文本文件。转换过程涉及解析`.pb`文件并将其结构信息导出为`.pbtxt`格式,这样做可以让人清晰地了解网络层和参数的配置。在OpenCV中,可以使用`tf.train.write_graph()`函数将.pb...
内容概要:本文围绕虚拟同步发电机(VSG)接入弱电网的序阻抗建模与稳定性分析开展研究,基于Matlab/Simulink平台搭建详细的仿真模型,系统复现并验证相关理论方法。研究重点包括VSG在弱电网条件下的正负序阻抗特性建模、基于小信号分析的扫频法建模流程、系统阻抗交互特性及潜在的失稳机理分析。通过具体仿真案例,深入探讨了VSG控制参数对系统稳定性的影响,旨在为新能源并网系统的稳定运行提供理论依据与技术支撑。该内容属于电力电子与电力系统稳定性交叉领域的前沿课题,具有重要的学术价值与工程应用前景。; 适合人群:具备电力系统分析、电力电子变换器控制等基础知识,熟悉Matlab/Simulink仿真环境,从事新能源并网、微电网控制、电力系统稳定性研究的研究生、科研人员及工程师;有志于复现高水平期刊论文中阻抗建模与稳定性分析方法的技术开发者。; 使用场景及目标:① 掌握虚拟同步发电机在弱电网中的序阻抗建模理论与实现方法;② 理解并实践基于扫频法的小信号稳定性分析全过程;③ 应用于构网型变流器、虚拟同步机等先进并网技术的稳定性研究与仿真验证。; 阅读建议:建议结合所提供的Simulink仿真模型与技术资料,按照文档结构循序渐进地学习,重点关注建模原理、仿真参数设置与结果分析过程,同时参考链接中的完整资源进行代码调试与深入探究。
内容概要:本文系统阐述了基于主从博弈理论的配电网-多微网双层优化模型,构建了以配电网为领导者、多微网为追随者的非合作博弈框架,旨在实现多方利益均衡下的协同优化调度。模型充分考虑了分布式能源接入背景下电力市场环境中配电网与多个微网间的能量交互关系与利益冲突,通过建立上层配电网成本最小化与下层各微网收益最大化的目标函数,并结合系统运行约束条件,形成完整的双层优化问题。研究采用多种智能优化法(如遗传法、粒子群法等)对模型进行求解与对比分析,验证了所提模型在提升系统经济性、促进新能源消纳方面的有效性,同时评估了不同法在收敛速度、求解精度和稳定性方面的性能差异。所有模型构建与仿真分析均通过Matlab编程实现,为现代主动配电网与多微网系统的协同运行提供了科学的决策支持与技术路径。; 适合人群:具备电力系统分析、优化理论、博弈论基础及相关数学建模能力,熟悉Matlab编程工具,从事能源互联网、微电网调度、电力市场、分布式能源管理等领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于含高比例分布式电源的配电网与多微网协同优化调度实际场景;②为研究主从博弈在能源系统多主体决策中的建模方法提供理论参考与实例支撑;③对比分析不同智能优化法在复杂非凸双层优化问题中的适用性与性能表现;④服务于学术论文复现、科研课题攻关、工程项目方案设计及教学案例开发。; 阅读建议:建议学习者在理解博弈论基本概念的基础上,结合所提供的Matlab代码逐模块研读,重点关注上下层模型的迭代求解机制、约束处理方式及法实现细节,鼓励动手修改参数、更换求解法或拓展模型结构以深化理解并开展二次创新研究。
评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值