Finanzberichte zusammenführen und fehlende Werte auffüllen

Du hast gerade etwas über Cashflow zu Nettogewinn und die Operating-Cashflow-Quote gelernt. Denk daran: Der Nettogewinn wird nicht vollständig in bar erwirtschaftet, und das Verhältnis Cashflow zu Nettogewinn zeigt dir, welcher Anteil des Nettogewinns tatsächlich in Cash erzielt wurde. Die Operating-Cashflow-Quote zeigt, ob das Unternehmen genug liquide Mittel hat, um kurzfristige Verpflichtungen zu erfüllen.

In dieser Übung berechnest du beide Kennzahlen für Apple und Microsoft und visualisierst sie anschließend. Ein Vergleichsdiagramm nebeneinander für Unternehmen derselben Branche hilft, Unterschiede sichtbar zu machen.

In der Praxis findest du die benötigten Informationen selten vollständig in einem einzelnen DataFrame. Häufig stammen sie aus verschiedenen Quellen und müssen zusammengeführt werden. Außerdem enthalten „Real-World“-Daten oft fehlende Werte. In dieser Übung füllst du NaNs auf und führst DataFrames zusammen.

Ein pandas-DataFrame dataset wurde für dich geladen. Er enthält Informationen aus den Gewinn- und Verlustrechnungen sowie Bilanzen von Microsoft und Apple. Ein weiterer pandas-DataFrame cash_flow_statement wurde ebenfalls geladen. Er enthält einige Cashflow-Informationen von Apple und Microsoft.

Diese Übung ist Teil des Kurses

Finanzberichte mit Python analysieren

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Check the columns of dataset and cash_flow_statement
print(dataset.____)
print(cash_flow_statement.____)

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

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

Aktuelle Übung

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!