Bilanzkennzahlen für Ford berechnen
Jetzt schauen wir uns ein reales Beispiel an: Ford Inc, ein Unternehmen, das Kraftfahrzeuge produziert. Wir haben einen Datensatz hochgeladen: balance_sheet mit den Daten aus der aktuellsten Bilanz von Ford Inc. Die Umsätze und Herstellungskosten für 2017 wurden im Datensatz Key_Figures_Memo bereitgestellt.
Wir interessieren uns nur für eine Zeile in der Bilanz: die Receivables (auch Debtors genannt). Dafür brauchen wir einen Filter. In dieser Übung verwenden wir Boolean Indexing, um unseren Datensatz nach Receivables in der Spalte metric zu filtern. Zuerst legen wir unsere interessierende Kennzahl fest ('Receivables') und prüfen dann, ob die Spalte metric in jeder Zeile diesen Wert enthält. Dadurch entsteht eine boolesche Serie mit True- und False-Werten. Mit dieser Serie können wir dann unseren bestehenden Datensatz filtern.
Nachdem wir den Datensatz gefiltert haben, können wir die Forderungswerte aus dem neuesten Zeitraum abrufen und die Kennzahl „Debtor Days“ (siehe unten) berechnen.
\(Debtor Days = \frac{Ending\,Balance\,Debtors}{Sales} \times Days\,in\,Financial\,Year\)
Die Werte für balance_sheet und sales sind gegeben.
Diese Übung ist Teil des Kurses
Finanzprognosen mit Python
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Create the filter metric for Receivables
receivables_metric = ____
# Create a boolean series with your metric
receivables_filter = balance_sheet.____.____(____)
# Use the series to filter the dataset
filtered_balance_sheet = ____[____]