借钱消费/投资一时爽,会算借钱成本吗?

一个好问题:
本人在国企工作,最近工商银行到单位发小广告,10万贷款3年,月还本金2777元,月息308元,我每月工资实发工资4100左右,除去每月还贷,有1000元左右结余,由于本人未成家家里没有负担、消费习惯好,加上还有些存款,就算贷了款日子也不会太紧,而且工行支持提前还贷,所以牛哥您觉得贷款投资p2p套利差靠谱吗?


回答:


做任何一个投资比较,核心就是利率

尽管大部分理财人习惯叫收益率,但在本例中,由于涉及借款成本和投资收益两端,叫利率才不容易混淆。


也就是说,利率既可以用来在两个金融产品投资方式间比较(如国债收益率、信托收益率),也可以用来在借款成本和投资收益间比较。国外由于利率市场化,各金融机构提供的利率不等,因此存在专门给用户提供利率信息的公司。


因此,熟悉各投资产品的预期利率,以及学会计算借款利率是投资的基础中的基础。


已知每月还款金额、借款期限、总借款本金,如何计算借款利率?


Excle有个RATE函数,Rate(nper,pmt,pv)


本例中,nper=36(期),pmt=-3085.78,pv=100000,套入数值后即可计算出借款月利率=0.58%,年利率=6.96%。


已知借款利率、借款期限、总借款本金,如何计算每月还款金额?


Excle有个PMT函数,PMT(rate,nper,pv)


本例中,rate=6.96%/12(换算成月利率,与后边的36期对应),nper=36,pv=-100000,可得出pmt=3085.88,与这位读者咨询的数据是吻合的(废话,就这4个数字互推,能不对么)


看到这里你一定很开心,觉得6.96%的借款利率完全可以承担,套出来去10%收益以上的P2P撸啊撸一定很爽对不对?(此处请用马薇薇的语气)




不好意思,这是个错误的计算例子:)

(因为我询问这位读者他是否能计算借款利率,他告诉我月利率5.8%,我估计是采用上边的方式计算出来0.58%的月利率,所以我模拟了这个错误的计算过程)


上边的Rate和PMT是对等额本息还款方式进行的计算方式。而例子中的还款方式是月固定还本金2778元,月息308元,这种方式其实是信用卡的固定分期手续费还款的方式(或者叫等本等息),其每期的利率是浮动的,不能套等额本息的Rate函数(每期的利率是固定的)计算利率。


已知固定分期手续各项费用和本金、期限,如何计算利率?


表1

(2778=100000/36,308是已知月费用,第一期的当月占用本金为100000,之后依次减少2778)


如上图所示,分期偿还固定手续费的利率计算,必须首先算出每期的年化利率。由于第二期开始剩余本金就逐渐减少,因此每期的年化利率在逐渐增加。


所有36期的年化利率加总/36得出平均利率=15.43%,这个才是比较接近分期产品真实的借款利率。


但是平均利率其实还不是年化利率(年化永远比平均小),只有年化利率才是可比较的



表2

如上图,增加了个瞬时年化利率,即当期还款时的真正年化利率。可见本产品到期后,借款人的借款年化利率是13.75%。


以13.75%的借款成本,再考虑到投资P2P所需承担的风险,是比较不建议跟银行借钱投资的(当然如果有能力投13.75%以上的平台,且3年平台不出问题,收益可及时复投,还是存在套利空间的)


如上图可见,等本等息的还款方式,利率是浮动的,前期利率其实很低。正是因为如此,这类分期(如信用卡中心的分期还款)的提前还款是没意义的。从盈利角度出发,机构大都要求借款人提前还款也必须把所有分期费用都缴纳,否则如果可以以较低的成本提前还款,那实际的利率就非常低非常划算了。


外一则 内部收益率

在撰写文章查找资料的过程中,发现这类分期还款,网络上计算利率全都是以内部收益率来计算,并用内部收益率的计算结果来告知用户不应该分期,这无疑是大错特错的。


下图为以内部收益率模拟的计算过程。



表3

可见内部收益率计算出来的结果与等额本息Rate函数计算出来的结果是一致的,如果是那么低的借款成本,很明显我们应该拼命借钱出来。


问题在于:内部收益率并不是利率


内部收益率的官方定义是净现值 (NPV) 为零时的折现率,这个定义引出了两个新定义,比较晦涩难懂。我的理解是内部收益率是评估一项投资在投资结束后各时间段产生的现金流折现到最初项目立项时的收益率,是个评估项目的财务数据。


也就是说,内部收益率是机构为了评估这笔10万借款还3年,每月还3085.88计算出来的内部收益率,该内部收益率=6.96%。如果银行的资金成本小于6.96%,则该笔投资可行。


对于借款人来说,算内部收益率毫无意义。


借款人的借款成本(即利率),始终是利息/本金*时间。对借款人来说,只有知道利息、本金、还款方式(这个用来确定时间),才能计算出真实利率。


等额本息的还款方式每期利率是恒定的,好算,用rate函数即可。

固定分期的还款方式每期利率是逐渐上涨的,其真实利率远比借款人想象的高得多。


表格下载:

链接: http://pan.baidu.com/s/1hqlgjPy
密码: u3ju

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
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