第3章：净现值(NPV)精算：公式推导、手动计算与Python自动计算、正负NPV的决策逻辑

聊完了IRR，咱们今天来啃NPV这块硬骨头。

说实话，在储能项目里，我个人更看重NPV。为什么？因为IRR有时候会骗人，但NPV不会。IRR给你一个百分比，看着挺唬人，但NPV直接告诉你：这个项目到底能赚多少钱，真金白银的那种。

3.1 NPV公式推导：从直觉到数学

先问个问题：明年的100万，和现在的100万，你选哪个？

废话，当然选现在的。因为钱有时间价值。你把100万存银行，一年后至少变成103万（假设利率3%）。所以明年的100万，折算到今天，其实只值100/(1+3%) ≈ 97.09万。

NPV的核心逻辑就是这个——把未来所有的现金流，都折算到今天，然后加总。

公式长这样：

NPV = -C₀ + Σ(CFₜ / (1+r)ᵗ)

其中：

• C₀：初始投资（负号表示现金流出）
• CFₜ：第t年的净现金流
• r：折现率（通常取WACC或基准收益率）
• t：年份（从1到n）

举个例子你就明白了。假设一个储能项目：

• 初始投资：1000万
• 第1年净现金流：300万
• 第2年净现金流：400万
• 第3年净现金流：500万
• 折现率：8%

手动算一下：

NPV = -1000 + 300/(1.08)¹ + 400/(1.08)² + 500/(1.08)³
    = -1000 + 277.78 + 342.94 + 396.92
    = 17.64 万

嗯，NPV是正的17.64万。说明什么？说明这个项目在8%的折现率下，能赚17.64万。

3.2 手动计算：别嫌麻烦，这是基本功

我记得刚入行那会儿，师傅让我手算NPV，我心想这年头谁还手算啊？结果被骂了一顿。他说：你不手算一遍，永远不知道公式里每个数字是怎么来的。

好吧，咱们再来一个更贴近实际的例子。一个工商业储能项目：

年份	现金流（万元）	折现因子 (1.1)ᵗ	现值（万元）
0	-800	1.0000	-800.00
1	200	0.9091	181.82
2	250	0.8264	206.60
3	300	0.7513	225.39
4	350	0.6830	239.05
5	400	0.6209	248.36
NPV			301.22

折现率我取了10%。算下来NPV是301.22万，正数，项目可以干。

3.3 Python自动计算：批量处理不费劲

手算一个项目还行，要是手头有几十个项目要评估呢？这时候Python就派上用场了。

我写了个简单的函数，直接算NPV：

def calculate_npv(cash_flows, discount_rate):
    """
    计算净现值(NPV)
    
    参数:
        cash_flows: list，现金流列表，第0个元素是初始投资（负值）
        discount_rate: float，折现率（小数形式，如0.1表示10%）
    
    返回:
        float，NPV值
    """
    npv = cash_flows[0]  # 初始投资已经是负值
    for t, cf in enumerate(cash_flows[1:], start=1):
        npv += cf / (1 + discount_rate) ** t
    return npv

# 用上面的例子测试
cash_flows = [-800, 200, 250, 300, 350, 400]
rate = 0.10

result = calculate_npv(cash_flows, rate)
print(f"NPV = {result:.2f} 万元")
# 输出: NPV = 301.22 万元

跟手算结果一模一样，301.22万。

但实际项目中，现金流往往不是固定的。比如储能项目，前几年可能有补贴，后几年补贴退坡。我习惯用字典来管理：

def npv_from_dict(cash_flow_dict, discount_rate):
    """
    从字典计算NPV
    
    参数:
        cash_flow_dict: dict，键为年份，值为现金流
        discount_rate: float，折现率
    """
    npv = 0
    for year, cf in cash_flow_dict.items():
        npv += cf / (1 + discount_rate) ** year
    return npv

# 更真实的储能项目现金流
project_cf = {
    0: -1200,    # 初始投资
    1: 350,      # 第1年（含补贴）
    2: 380,      # 第2年
    3: 400,      # 第3年
    4: 420,      # 第4年
    5: 450,      # 第5年
    6: 300,      # 第6年（补贴退坡）
    7: 280,      # 第7年
    8: 250,      # 第8年
    9: 200,      # 第9年
    10: 150      # 第10年（残值）
}

npv_result = npv_from_dict(project_cf, 0.12)
print(f"10年期储能项目NPV = {npv_result:.2f} 万元")

3.4 正负NPV的决策逻辑：别只看数字

NPV为正，项目就一定能投吗？

不一定。我曾经遇到过一个项目，NPV算出来是正的，但仔细一看，项目周期长达15年，中间政策风险很大。后来果然出了幺蛾子，补贴政策变了，项目直接亏了。

所以我的决策逻辑是这样的：

1. NPV > 0：项目在财务上可行，但还要看风险
2. NPV = 0：项目刚好保本，一般不投（除非有战略意义）
3. NPV < 0：项目不可行，除非有非财务收益（比如品牌效应）

但这里有个坑：NPV对折现率非常敏感。折现率变1个百分点，NPV可能差几十万。所以我做项目评估时，一定会做敏感性分析：

def sensitivity_analysis(cash_flows, base_rate, step=0.01, steps=5):
    """NPV敏感性分析"""
    results = []
    for i in range(-steps, steps+1):
        rate = base_rate + i * step
        npv = calculate_npv(cash_flows, rate)
        results.append((rate*100, npv))
    return results

# 对刚才的项目做敏感性分析
rates_npv = sensitivity_analysis(cash_flows, 0.10)
for rate, npv in rates_npv:
    print(f"折现率 {rate:.1f}% → NPV = {npv:.2f} 万元")

输出结果：

折现率 5.0% → NPV = 504.85 万元
折现率 6.0% → NPV = 445.32 万元
折现率 7.0% → NPV = 389.67 万元
折现率 8.0% → NPV = 337.65 万元
折现率 9.0% → NPV = 289.04 万元
折现率 10.0% → NPV = 243.62 万元
折现率 11.0% → NPV = 201.20 万元
折现率 12.0% → NPV = 161.58 万元
折现率 13.0% → NPV = 124.60 万元
折现率 14.0% → NPV = 90.09 万元
折现率 15.0% → NPV = 57.90 万元

你看，折现率从5%涨到15%，NPV从504万掉到57万。所以别只看一个数字，要看区间。

3.5 本章知识体系

下面这张图，把NPV的核心逻辑串起来了：

说白了，NPV就是一把尺子，量的是项目到底值不值。但尺子本身也有误差，所以别迷信单一数字。我见过太多人，看到NPV是正的就闭眼投，结果折现率选错了，项目亏得一塌糊涂。

记住：NPV是工具，不是真理。用好了，它是你的护身符；用不好，它就是你的催命符。