Rapoarte financiare din situația fluxurilor de numerar

Analiza situațiilor financiare în Python

Rohan Chatterjee

Risk Modeler

Citirea datelor JSON

Datele din mediul real nu vin întotdeauna în foi de calcul
Uneori sunt în format JSON ("JavaScript Object Notation")
Companiile pot partaja informații financiare în JSON
Putem citi fișiere JSON în Python folosind pandas

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

Imaginea arată primele 5 rânduri ale datelor din situația fluxurilor de numerar încărcate.

Raportul flux de numerar / venit net

Raportul dintre fluxul de numerar din activități operaționale și venitul net
Activitățile operaționale sunt activitățile de bază ale afacerii
Un raport ridicat indică faptul că afacerea generează o proporție semnificativă de numerar din activități operaționale

Formulă:

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

Raportul fluxului de numerar operațional

Raportul dintre fluxul de numerar din activități operaționale și datoriile curente
Măsoară de câte ori compania poate achita obligațiile pe termen scurt din numerarul generat de activitatea de bază
Un raport mai mare decât unu indică faptul că afacerea generează suficient numerar pentru obligațiile pe termen scurt

Formulă:

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

Imputarea valorilor lipsă

Datele din mediul real conțin adesea valori lipsă
Numărătorul unui raport poate fi disponibil, dar numitorul poate lipsi, sau invers
Soluție: imputarea valorilor lipsă cu date de la alte companii

Imputarea valorilor lipsă

În DataFrame-ul numit dataset, unele valori din "Total Current Liabilities" lipsesc, indicate prin NaN

Imaginea arată primele rânduri ale unei situații a fluxurilor de numerar, unde unele intrări din coloana total datorii curente au valori lipsă.

Valorile lipsă ale datoriilor curente pot fi imputate folosind valorile disponibile ale aceleiași companii

Imputarea valorilor lipsă

Valorile lipsă sunt completate cu media valorilor disponibile ale companiilor:

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

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

După imputare, dataset arată astfel:

Imaginea arată primele rânduri ale situației fluxurilor de numerar cu valori lipsă în coloana total datorii curente, plus o coloană suplimentară cu valorile imputate.

Utilizați percentile pentru o abordare conservatoare

Imputarea valorilor lipsă cu percentile

Imputarea cu percentila 70 oferă o estimare mai conservatoare.
Calcularea rapoartelor cu o imputare conservatoare este mai prudentă în luarea deciziilor.
Imputarea valorilor lipsă folosind percentila 70, grupat după 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)

Să exersăm!

Analiza situațiilor financiare în Python