Calculating balance sheet ratios for Ford
Ahora veremos un ejemplo real: Ford Inc, una empresa que fabrica vehículos de motor. Hemos cargado un conjunto de datos: balance_sheet con la información del balance más reciente de Ford Inc. Las cifras de ventas y coste de ventas para 2017 se han proporcionado en el conjunto Key_Figures_Memo.
Solo nos interesa una línea del balance, las cuentas a cobrar (también llamadas Deudores), así que necesitamos crear un filtro para ello. En este ejercicio usaremos indexación booleana para filtrar nuestro conjunto de datos por Receivables en la columna metric. Primero definiremos nuestra métrica de interés ('Receivables') y luego comprobaremos si la columna de interés tiene ese valor en cada fila. Esto generará una serie booleana con valores True y False. Con esta serie podremos filtrar nuestro conjunto de datos.
Una vez filtrado, recuperaremos los valores de cuentas a cobrar del periodo más reciente y calcularemos el ratio de días de cobro (fórmula a continuación).
\(Debtor Days = \frac{Ending\,Balance\,Debtors}{Sales} \times Days\,in\,Financial\,Year\)
Se proporcionan las cifras de balance_sheet y sales.
Este ejercicio forma parte del curso
Financial Forecasting in Python
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# 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 = ____[____]