Finanční ukazatele z výkazu peněžních toků

Analýza finančních výkazů v Pythonu

Rohan Chatterjee

Risk Modeler

Načítání dat ve formátu JSON

Data v praxi ne vždy přicházejí v tabulkách
Někdy jsou ve formátu JSON ("JavaScript Object Notation")
Společnosti mohou sdílet finanční výkazy ve formátu JSON
Soubory JSON lze načíst do Pythonu pomocí pandas

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

Obrázek zobrazuje prvních 5 řádků načtených dat výkazu peněžních toků.

Ukazatel peněžního toku k čistému zisku

Podíl provozního peněžního toku k čistému zisku
Provozní aktivity jsou hlavní činností podniku
Vysoký ukazatel naznačuje, že podnik generuje značnou část hotovosti z provozní činnosti

Vzorec:

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

Ukazatel provozního peněžního toku

Podíl provozního peněžního toku ke krátkodobým závazkům
Měří, kolikrát může společnost splatit krátkodobé závazky z provozního peněžního toku
Ukazatel vyšší než 1 znamená, že podnik generuje dostatek hotovosti ke krytí krátkodobých závazků

Vzorec:

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

Imputace chybějících hodnot

Reálná data často obsahují chybějící hodnoty
Čitatel ukazatele může být dostupný, ale jmenovatel chybí, nebo naopak
Řešení: doplnit chybějící hodnoty pomocí dat jiných společností

Imputace chybějících hodnot

V DataFrame dataset některé záznamy "Total Current Liabilities" chybí – označeny jako NaN

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

Chybějící krátkodobé závazky lze doplnit pomocí dostupných hodnot dané společnosti

Imputace chybějících hodnot

Chybějící hodnoty doplníme průměrem dostupných hodnot dané společnosti:

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

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

Po imputaci vypadá dataset takto:

Obrázek zobrazuje první řádky výkazu peněžních toků s chybějícími hodnotami ve sloupci celkových závazků a přidaným sloupcem s imputovanými krátkodobými závazky.

Pro konzervativnější přístup použijte percentily

Imputace chybějících hodnot pomocí percentilů

Imputace pomocí 70. percentilu (nejhorší dostupná hodnota) poskytuje konzervativnější výsledek.
Výpočet ukazatelů s konzervativnější imputací může být vhodnější pro rozhodovací účely.
Imputace chybějících hodnot pomocí 70. percentilu, seskupeno 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