Finanční ukazatele z výkazu peněžních toků

Analýza finančních výkazů v Pythonu

Rohan Chatterjee

Risk Modeler

Načítání dat ve formátu JSON

Data z reálného světa nepřichází vždy v tabulkách
Někdy přichází ve formátu JSON („JavaScript Object Notation")
Firmy mohou sdílet údaje z finančních výkazů ve formátu JSON
Soubory JSON můžeme do Pythonu načíst pomocí knihovny pandas

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

Obrázek zobrazuje prvních 5 řádků načtených dat výkazu peněžních toků.

Poměr peněžního toku k čistému zisku

Poměr peněžního toku z provozní činnosti k čistému zisku
Provozní činnosti jsou klíčové aktivity podniku
Vysoká hodnota ukazatele znamená, že firma generuje značnou část hotovosti z provozní činnosti

Vzorec:

$$\dfrac{\text{Peněžní tok z provozní činnosti}}{\text{Čistý zisk}}$$

Ukazatel provozního peněžního toku

Poměr peněžního toku z provozní činnosti ke krátkodobým závazkům
Ukazuje, kolikrát dokáže firma splatit krátkodobé závazky z hotovosti vytvořené hlavní činností
Hodnota vyšší než jedna znamená, že firma generuje více než dostatek hotovosti na pokrytí krátkodobých závazků

Vzorec:

$$\dfrac{\text{Peněžní tok z provozní činnosti}}{\text{Krátkodobé závazky}}$$

Doplnění chybějících hodnot

Data „z reálného světa" často obsahují chybějící hodnoty
Data pro čitatele ukazatele mohou být dostupná, zatímco jmenovatel chybí, nebo naopak
Řešení: chybějící data doplnit pomocí dat od jiných firem

Doplnění chybějících hodnot

V zobrazeném DataFrame dataset chybí některé hodnoty sloupce "Total Current Liabilities", označené jako NaN

Obrázek zobrazuje první řádky výkazu peněžních toků, kde některé hodnoty ve sloupci celkových závazků chybí.

Chybějící krátkodobé závazky firmy lze doplnit pomocí dostupných hodnot téže firmy

Doplnění chybějících hodnot

Chybějící hodnoty doplníme průměrem dostupných hodnot dané firmy:

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

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

Po doplnění vypadá dataset takto:

Obrázek zobrazuje první řádky výkazu peněžních toků, kde některé hodnoty ve sloupci celkových závazků chybí. Obsahuje další sloupec s doplněnými hodnotami krátkodobých závazků.

Pro konzervativnější odhad použij percentily

Doplnění chybějících hodnot pomocí percentilů

Doplnění chybějící hodnoty 70. percentilem dostupných hodnot dává konzervativnější odhad.
Pokud se ukazatel použije při rozhodování, je obezřetnější počítat jej s konzervativnějším doplněním.
Doplnění chybějících hodnot pomocí 70. percentilu, seskupené podle 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)

Pojďme cvičit!

Analýza finančních výkazů v Pythonu