Obliczanie wskaźników według branży
W tym ćwiczeniu ocenisz, jak bardzo wskaźnik bieżącej płynności oraz wskaźnik zadłużenia do kapitału własnego różnią się średnio i w czasie między firmami z sektorów Tech i FMCG.
Średni wskaźnik dla danej branży daje ogólny obraz jej kondycji finansowej. Natomiast analiza wskaźnika w czasie pozwala zrozumieć trendy: czy wskaźnik jest względnie stabilny, czy wykazuje duże wahania? Czy się poprawia, czy pogarsza?
balance_sheet został wczytany jako ramka danych pandas. Wskaźnik bieżącej płynności znajduje się w kolumnie curr_ratio, a wskaźnik zadłużenia do kapitału własnego – w kolumnie debt_to_equity. Biblioteka pandas została załadowana pod aliasem pd.
To ćwiczenie jest częścią kursu
Analiza sprawozdań finansowych w Pythonie
Instrukcje do ćwiczenia
- Wybierz te firmy, których kolumna
comp_typema wartośćtechlubfmcg. - Użyj
.groupby(), aby obliczyć średni wskaźnik bieżącej płynności i wskaźnik zadłużenia do kapitału własnego, grupując dane według typu firmy (kolumna"comp_type"). - Użyj
.groupby(), aby obliczyć średni wskaźnik bieżącej płynności i wskaźnik zadłużenia do kapitału własnego, grupując jednocześnie według"comp_type"i"Year".
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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)