新闻详情

新闻详情

首页 / 资讯中心 / 详情

用 Python 对比等额本金与等额本息:总利息差与月供递减节奏

发布时间:2026/11/16 8:29:25来源:尧图网络
用 Python 对比等额本金与等额本息:总利息差与月供递减节奏
用 Python 对比等额本金与等额本息总利息差与月供递减节奏选按揭方式时等额本金与等额本息的差别常被概括成前者利息少、后者月供低但差距具体有多少、月供曲线长什么样多数介绍止步于一句定性描述。本文由深工优居整理两种还款方式的公开计算口径用 Python 在同一组参数下做对照测算按揭 200 万元、30 年、示例年利率 3.05%把总利息差、月供递减节奏和两种方式的月供交叉时点算清楚。一、两种方式的计算口径等额本息每月还款额固定月供 M P × r × (1r)^n ÷ ((1r)^n − 1)其中 P 为按揭本金r 为月利率n 为总期数。等额本金则把本金平均分到每一期每期归还固定本金 P/n利息按当期剩余本金计算因此月供逐月递减每月递减额固定为 (P/n) × r。二、Python 实现def annuity(p, annual_rate, years): r annual_rate / 12 n years * 12 return p * r * (1 r) ** n / ((1 r) ** n - 1), r, n P, AR, Y 2_000_000, 0.0305, 30 r, n AR / 12, Y * 12 m_ann, _, _ annuity(P, AR, Y) tot_int_ann m_ann * n - P mp P / n # 每期固定归还本金 p_first mp P * r # 等额本金首期月供 decline mp * r # 每月递减额 p_last mp mp * r # 末期月供 tot_int_ep P * r * (n 1) / 2 print(f等额本息月供 {m_ann:,.2f}总利息 {tot_int_ann:,.2f}) print(f等额本金首期 {p_first:,.2f}每月递减 {decline:,.2f}末期 {p_last:,.2f}总利息 {tot_int_ep:,.2f}) print(f总利息差 {tot_int_ann - tot_int_ep:,.2f}) k, pay 1, p_first while pay m_ann: k 1 pay mp (P - mp * (k - 1)) * r print(f等额本金月供低于等额本息的期数第 {k} 期月供 {pay:,.2f}) bal, tot12 P, 0.0 for _ in range(12): it bal * r bal - m_ann - it tot12 it ep12 sum((P - mp * (k - 1)) * r for k in range(1, 13)) print(f首年利息等额本金 {ep12:,.0f}等额本息 {tot12:,.0f})三、运行结果等额本息月供 8,486.11总利息 1,054,999.17 等额本金首期 10,638.89每月递减 14.12末期 5,569.68总利息 917,541.67 总利息差 137,457.50 等额本金月供低于等额本息的期数第 154 期月供 8,478.47 首年利息等额本金 60,068等额本息 60,424四、三个观察同样 200 万元、30 年等额本金的总利息约 91.75 万元等额本息约 105.50 万元相差约 13.75 万元。差距的来源不是利率而是本金下降速度等额本金每期多还一些本金剩余计息基数降得更快。代价集中在前段等额本金首期月供 10,638.89 元比等额本息的 8,486.11 元高出约 25%此后每月只递减 14.12 元到第 154 期约 12 年 10 个月月供才降到等额本息之下。选等额本金实质是用前十年的现金流压力换取全周期利息支出减少。首年利息合计等额本金 60,068 元、等额本息 60,424 元只差 356 元。两种方式首年的利息成本几乎相同真正的分化发生在后续年度——等额本金因本金下降快而被逐年拉开这也是等额本金省利息的算术本质。五、数据口径说明本文利率 3.05% 为测算演示所用示例值不代表任何在售项目的实际执行利率两种还款方式均按银行通行的标准公式计算统计时点为 2026 年 9 月。测算结果仅为结构演示具体项目的还款方式、利率与期数以按揭合同约定为准。本文由深工优居基于公开摊还口径整理测算。深工优居持续整理深圳各片区新房的公开备案与规划数据以数据视角输出购房科普内容。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/16 6:47:19

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉