Rasio keuangan dari laporan arus kas

Menganalisis Laporan Keuangan dengan Python

Rohan Chatterjee

Risk Modeler

Membaca data JSON

Data dari lapangan tidak selalu berbentuk spreadsheet
Kadang berupa format JSON (JavaScript Object Notation)
Perusahaan dapat membagikan laporan keuangannya dalam JSON
Kita dapat membaca file JSON ke Python dengan pandas

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

Gambar ini menampilkan 5 baris teratas data laporan arus kas yang dimuat.

Rasio arus kas terhadap laba bersih

Proporsi arus kas dari aktivitas operasi terhadap laba bersih
Aktivitas operasi adalah aktivitas inti bisnis
Rasio tinggi menunjukkan porsi besar kas berasal dari aktivitas operasi

Rumus:

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

Operating cash flow ratio

Proporsi arus kas dari aktivitas operasi terhadap kewajiban lancar
Mengukur berapa kali perusahaan dapat melunasi kewajiban jangka pendek dari kas yang dihasilkan bisnis inti
Rasio > 1 berarti kas yang dihasilkan cukup untuk memenuhi kewajiban jangka pendek

Rumus:

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

Imputasi nilai hilang

Data "di lapangan" sering mengandung nilai hilang
Data pada pembilang rasio bisa tersedia, tetapi penyebutnya hilang, atau sebaliknya
Solusi: imputasi nilai hilang dengan data dari perusahaan lain

Imputasi nilai hilang

Pada DataFrame bernama dataset, beberapa entri "Total Current Liabilities" hilang, ditandai dengan NaN

Gambar ini menampilkan baris atas laporan arus kas dengan beberapa nilai hilang pada kolom total liabilities.

Kewajiban lancar yang hilang per perusahaan dapat diimputasi menggunakan nilai yang tidak hilang untuk perusahaan tersebut

Imputasi nilai hilang

Kita isi nilai hilang dengan rata-rata nilai tidak hilang per perusahaan:

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

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

Setelah imputasi, dataset menjadi:

Gambar ini menampilkan baris atas laporan arus kas dengan beberapa nilai hilang pada kolom total liabilities. Ada kolom baru bernama imputed total current liabilities tempat nilai hilang telah diimputasi.

Ambil persentil untuk pendekatan konservatif

Imputasi nilai hilang dengan persentil

Mengimputasi nilai hilang dengan nilai persentil ke-70 terburuk dari nilai tidak hilang memberi imputasi yang lebih konservatif.
Menghitung rasio dengan imputasi yang lebih konservatif bisa lebih bijak jika rasio dipakai untuk pengambilan keputusan.
Imputasi nilai hilang memakai persentil ke-70, dikelompokkan per company:

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)

Ayo berlatih!

Menganalisis Laporan Keuangan dengan Python