Balansratio’s berekenen voor Ford
Nu bekijken we een praktijkvoorbeeld: Ford Inc, een bedrijf dat motorvoertuigen produceert. We hebben een gegevensset geüpload: balance_sheet met de data van de meest recente balans van Ford Inc. De omzet- en kostprijsgegevens voor 2017 zijn aangeleverd in de Key_Figures_Memo-gegevensset.
We zijn slechts in één regel op de balans geïnteresseerd: de Receivables (ook wel Debiteuren). Daarvoor moeten we dus een filter maken. In deze oefening gebruiken we booleaanse indexering om onze gegevensset te filteren op Receivables in de kolom metric. We geven eerst onze relevante metric op ('Receivables') en controleren vervolgens of de kolom van interesse deze waarde in elke rij bevat. Dit levert een booleaanse reeks met True- en False-waarden op. Met deze reeks kunnen we daarna onze bestaande gegevensset filteren.
Zodra we onze gegevensset hebben gefilterd, kunnen we de debiteurenwaarden uit de meest recente periode ophalen en de debiteuren-dagenratio berekenen (zie hieronder).
\(Debtor Days = \frac{Ending\,Balance\,Debtors}{Sales} \times Days\,in\,Financial\,Year\)
De cijfers voor balance_sheet en sales zijn beschikbaar.
Deze oefening maakt deel uit van de cursus
Financiële forecasting in Python
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# 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 = ____[____]