อัตราส่วนทางการเงินจากงบกระแสเงินสด

การวิเคราะห์งบการเงินด้วย Python

Rohan Chatterjee

Risk Modeler

การอ่านข้อมูล JSON

ข้อมูลในโลกจริงไม่ได้มาในรูปแบบสเปรดชีตเสมอไป
บางครั้งข้อมูลจะอยู่ในรูปแบบ JSON ("JavaScript Object Notation")
บริษัทสามารถแชร์ข้อมูลงบการเงินในรูปแบบ JSON ได้
โหลดไฟล์ JSON เข้า Python ได้ด้วย pandas

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

ภาพแสดง 5 แถวแรกของข้อมูลงบกระแสเงินสดที่โหลดมา

อัตราส่วนกระแสเงินสดต่อกำไรสุทธิ

สัดส่วนของกระแสเงินสดจากกิจกรรมดำเนินงานต่อกำไรสุทธิ
กิจกรรมดำเนินงานคือกิจกรรมหลักของธุรกิจ
อัตราส่วนสูงบ่งชี้ว่าธุรกิจสร้างกระแสเงินสดจากกิจกรรมดำเนินงานในสัดส่วนที่มาก

สูตร:

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

อัตราส่วนกระแสเงินสดจากการดำเนินงาน

สัดส่วนของกระแสเงินสดจากกิจกรรมดำเนินงานต่อหนี้สินหมุนเวียน
วัดว่าบริษัทสามารถชำระภาระผูกพันระยะสั้นจากเงินสดที่สร้างจากธุรกิจหลักได้กี่ครั้ง
อัตราส่วนมากกว่า 1 หมายความว่าธุรกิจสร้างเงินสดเพียงพอต่อการชำระภาระผูกพันระยะสั้น

สูตร:

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

การประมาณค่าที่ขาดหาย

ข้อมูลในโลกจริงมักมีค่าที่ขาดหายไป
ข้อมูลของตัวเศษในอัตราส่วนอาจมี แต่ตัวส่วนอาจขาดหาย หรือในทางกลับกัน
วิธีแก้: ประมาณค่าที่ขาดหายโดยใช้ข้อมูลจากบริษัทอื่น

การประมาณค่าที่ขาดหาย

ใน DataFrame ชื่อ dataset บางรายการของ "Total Current Liabilities" มีค่าขาดหาย ซึ่งแสดงด้วย NaN

ภาพแสดงแถวบนสุดของงบกระแสเงินสดที่มีค่าขาดหายในคอลัมน์ total liabilities

ประมาณค่าหนี้สินหมุนเวียนที่ขาดหายของบริษัทได้โดยใช้ค่าที่มีอยู่ของบริษัทนั้น

การประมาณค่าที่ขาดหาย

เติมค่าที่ขาดหายด้วยค่าเฉลี่ยของค่าที่มีอยู่ของแต่ละบริษัท:

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

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

หลังประมาณค่าแล้ว dataset จะมีลักษณะดังนี้:

ภาพแสดงแถวบนสุดของงบกระแสเงินสดที่มีค่าขาดหายในคอลัมน์ total liabilities พร้อมคอลัมน์ imputed total current liabilities ที่เติมค่าที่ขาดหายแล้ว

ใช้เปอร์เซนไทล์เพื่อให้ได้ค่าที่อนุรักษ์นิยมมากขึ้น

การประมาณค่าที่ขาดหายด้วยเปอร์เซนไทล์

การประมาณค่าที่ขาดหายด้วยค่าเปอร์เซนไทล์ที่ 70 ของค่าที่มีอยู่จะให้การประมาณที่อนุรักษ์นิยมมากขึ้น
การคำนวณอัตราส่วนด้วยค่าประมาณที่อนุรักษ์นิยมกว่าอาจเหมาะสมกว่าเมื่อนำไปใช้ตัดสินใจ
ประมาณค่าที่ขาดหายด้วยเปอร์เซนไทล์ที่ 70 จัดกลุ่มตาม 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)

มาฝึกกันเถอะ!

การวิเคราะห์งบการเงินด้วย Python