Kennzahlen nach Branche berechnen

In dieser Übung bewertest du, wie sich die Current Ratio und die Debt-to-Equity-Ratio von Tech- und FMCG-Unternehmen im Durchschnitt und über die Zeit unterscheiden.

Der Branchenwert einer Kennzahl im Durchschnitt gibt uns ein allgemeines Bild über die finanzielle Lage einer Branche. Der Branchenwert über die Zeit hilft uns dagegen, Trends zu erkennen: bleibt die Kennzahl relativ stabil oder schwankt sie? Verbessert sie sich oder verschlechtert sie sich?

balance_sheet wurde bereits als pandas-DataFrame für dich geladen. Die Current Ratio steht in der Spalte curr_ratio, und die Debt-to-Equity-Ratio in der Spalte debt_to_equity. pandas wurde mit dem Alias pd geladen.

Diese Übung ist Teil des Kurses

Finanzberichte mit Python analysieren

Anleitung zur Übung

Wähle die Unternehmen aus, bei denen die Spalte comp_type den Wert tech oder fmcg hat.
Verwende .groupby(), um die durchschnittliche Current Ratio und die Debt-to-Equity-Ratio gruppiert nach Unternehmenstyp (Spalte "comp_type") zu berechnen.
Verwende .groupby(), um die durchschnittliche Current Ratio und die Debt-to-Equity-Ratio nach sowohl "comp_type" als auch "Year" zu berechnen.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Choose the tech and fmcg companies
tech_fmcg = balance_sheet.loc[balance_sheet[____].isin(____)]

# Compute the average debt-to-equity ratio and current ratio by industry
groupby_industry = tech_fmcg.____(____)[["current_ratio", "debt_to_equity"]].____

# Compute the average debt-to-equity ratio and current ratio by industry and over time
groupby_industry_time = tech_fmcg.____(____)[["current_ratio", "debt_to_equity"]].____

print(groupby_industry)
print(groupby_industry_time)

Code bearbeiten und ausführen

Diese Übung ist Teil des Kurses

Finanzberichte mit Python analysieren

Mittlere SchwierigkeitSchwierigkeitsgrad

4.8+

Kurs kostenlos starten

In diesem Kapitel lernst du, wie du eine Bilanz liest und interpretierst und mithilfe der Informationen aus der Bilanz Finanzkennzahlen berechnest und nutzt, um die Leistung eines Unternehmens zu bewerten. Zusätzlich sammelst du praktische Erfahrungen mit dem leistungsstarken Datenmanipulationspaket pandas, um die Finanzkennzahlen eines Unternehmens zu analysieren und sie mit denen seiner Branchenkollegen zu vergleichen.

Exercise 1: Einführung in die Bilanz Exercise 2: Bilanzposten ihrer Kategorie zuordnen Exercise 3: Zusammenhang zwischen Vermögenswerten, Verbindlichkeiten und Eigenkapital der Anteilseigner Exercise 4: Übe die grundlegende Bilanzgleichung Exercise 5: Finanzkennzahlen aus der Bilanz Exercise 6: Ordne die Kennzahl der richtigen Familie zu Exercise 7: Berechne die Current Ratio Exercise 8: Leverage-Kennzahlen Exercise 9: Finanzkennzahlen mit pandas berechnen Exercise 10: Current Ratio und Verschuldungsgrad (Debt-to-Equity) berechnen Exercise 11: Relativen Unterschied nach Branche berechnen Exercise 12: Kennzahlen nach Branche berechnen

Aktuelle Übung

In diesem Kapitel lernst du, wie du eine Gewinn- und Verlustrechnung liest und interpretierst, wichtige Finanzkennzahlen berechnest und sogar eigene Funktionen in Python erstellst, um wiederkehrende Aufgaben zu automatisieren. Außerdem sammelst du Erfahrung mit seaborn, einer leistungsstarken Bibliothek für Datenvisualisierung, um Grafiken zu erzeugen, die dir helfen, die finanzielle Leistung eines Unternehmens zu verstehen.

Exercise 1: Einführung in die Gewinn- und Verlustrechnung Exercise 2: Nettoergebnis berechnen Exercise 3: Kennzahlen aus der Gewinn- und Verlustrechnung berechnen Exercise 4: Kennzahlen aus Gewinn- und Verlustrechnung und Bilanz Exercise 5: Die benutzerdefinierte Funktion aktualisieren Exercise 6: Benutzerdefinierte Funktion für Subtraktion aktualisieren Exercise 7: Kennzahlen mit benutzerdefinierter Funktion berechnen Exercise 8: Mehrere Kennzahlen mit der benutzerdefinierten Funktion berechnen Exercise 9: Kennzahlen visualisieren für unternehmensinterne Analysen Exercise 10: Kennzahlen visualisieren Exercise 11: Kennzahlen in einer Abbildung plotten

In diesem Kapitel analysierst du die Kapitalflussrechnung und nutzt deren Informationen, um Finanzkennzahlen zu berechnen und zu interpretieren. Mit Seaborn erstellst du aussagekräftige Plots, die Finanzkennzahlen verschiedener Unternehmen vergleichen, und knüpfst an dein vorhandenes Wissen zu Python und Datenvisualisierung an. Am Ende dieses Kapitels kannst du mit Python Erkenntnisse aus Kapitalflussrechnungen gewinnen und mit unordentlichen, realen Datensätzen mit fehlenden Werten umgehen.

Exercise 1: Kapitalflussrechnung Exercise 2: Ordne Cashflow-Posten dem richtigen Bereich zu Exercise 3: Netto-Cashflow berechnen Exercise 4: Finanzkennzahlen aus der Kapitalflussrechnung Exercise 5: Finanzberichte zusammenführen Exercise 6: Kennzahlen der Kapitalflussrechnung berechnen Exercise 7: Fehlende Werte mit Durchschnittswerten imputieren und auffüllen Exercise 8: Fehlende Werte mit Perzentilen imputieren Exercise 9: Finanzberichte zusammenführen und fehlende Werte auffüllen Exercise 10: Finanzkennzahlen zum Vergleich visualisieren Exercise 11: Cashflow-Kennzahlen plotten

In diesem Kapitel lernst du verschiedene Finanzkennzahlen kennen, die die Rentabilität eines Unternehmens messen, wie du sie berechnest und wie du sie zwischen Unternehmen vergleichst. Du baust auf deinem Wissen über die Seaborn-Bibliothek auf, um Visualisierungen zu erstellen, die dir helfen, Rentabilitätskennzahlen zu analysieren und Trends zu erkennen.

Exercise 1: Ein Blick auf die Finanzkennzahlen einiger Branchen Exercise 2: Verwendung von Margins in Pivot-Tabellen und Erstellen eines Balkendiagramms Exercise 3: Daten für ein Facet-Grid-Diagramm vorbereiten Exercise 4: Ein FacetGrid-Diagramm erstellen Exercise 5: Benutzerdefinierte Funktion zum Erstellen von Plots Exercise 6: Profitabilitätskennzahlen Exercise 7: Zusammenhang zwischen Operating Margin und Debt-to-Equity bei Immobilienunternehmen Exercise 8: Übe mit sns.regplot()Exercise 9: Aktualisierung der benutzerdefinierten Funktion zum Plotten Exercise 10: Mehr zur Analyse der Profitabilität Exercise 11: Übe das Erstellen von Heatmaps Exercise 12: Breite Analyse Exercise 13: Gut gemacht!