Nakit akım tablosundan finansal oranlar

Python ile Finansal Tabloları Analiz Etme

Rohan Chatterjee

Risk Modeler

JSON verisini okuma

Gerçek dünyadaki veriler her zaman e-tablolarda gelmez
Bazen JSON (JavaScript Object Notation) formatında gelir
Şirketler finansal tablo bilgilerini JSON ile paylaşabilir
pandas kullanarak JSON dosyalarını Python'a okuyabiliriz

cash_flow = pd.read_json("cash_flow_statement.json")
print(cash_flow.head())

Bu görsel, yüklenen nakit akım verisinin ilk 5 satırını gösteriyor.

Nakit akımı/net kar oranı

İşletme faaliyetlerinden nakit akımının net kara oranı
İşletme faaliyetleri işletmenin temel faaliyetleridir
Yüksek oran, nakdin önemli kısmının işletme faaliyetlerinden geldiğini gösterir

Formül:

$$\dfrac{\text{Cash flow from operating activities}}{\text{Net income}}$$

İşletme nakit akımı oranı

İşletme faaliyetlerinden nakit akımının kısa vadeli yükümlülüklere oranı
Şirketin temel faaliyetlerinden ürettiği nakitle kısa vadeli borçlarını kaç kez ödeyebildiğini ölçer
1'in üzeri, kısa vadeli yükümlülükleri karşılamaya yeterli nakit üretildiğini gösterir

Formül:

$$\dfrac{\text{Cash flow from operating activities}}{\text{Current liabilities}}$$

Eksik değerleri imputasyon

Gerçek dünyadaki verilerde sıkça eksikler olur
Oranın payındaki veri varken paydası eksik olabilir ya da tersi
Çözüm: eksikleri diğer şirketlerin verileriyle imputasyon

Eksik değerleri imputasyon

Gösterilen dataset adlı DataFrame'de "Toplam Kısa Vadeli Yükümlülükler"in bazı girdileri NaN ile eksik

Bu görsel, toplam yükümlülükler sütunundaki bazı girdilerin eksik olduğu bir nakit akım tablosunun üst satırlarını gösteriyor.

Bir şirket için eksik kısa vadeli yükümlülükler, o şirketin mevcut verileriyle imputasyon yapılabilir

Eksik değerleri imputasyon

Eksikleri, şirketlerin eksik olmayan değerlerinin ortalamasıyla doldururuz:

imputation = dataset.groupby("company")["Total Current Liabilities"].transform("mean")

dataset["Imputed Total Current Liabilities"] = dataset["Total Current Liabilities"].fillna(imputation)

İmputasyondan sonra dataset şöyle görünür:

Bu görsel, toplam yükümlülükler sütununda eksikler olan bir nakit akım tablosunun üst satırlarını ve eksiklerin doldurulduğu imput edilmiş kısa vadeli yükümlülükler sütununu gösteriyor.

Tedbirli olmak için yüzdelikleri kullanın

Yüzdeliklerle imputasyon

Eksik bir değeri, eksik olmayanların 70. yüzdelik dilimiyle doldurmak daha tedbirli bir imputasyon sağlar.
Karar vermede kullanılacaksa, daha tedbirli imputasyonla oranları hesaplamak daha uygun olabilir.
company bazında gruplandırarak 70. yüzdelik ile imputasyon:

imputation = dataset.groupby("company")["Total Current Liabilities"]\
    .transform(lambda x: np.nanquantile(x, 0.7))

dataset["Imputed Total Current Liabilities"] = dataset["Total Current Liabilities"]\
    .fillna(imputation)

Haydi pratik yapalım!

Python ile Finansal Tabloları Analiz Etme