Beräkna nyckeltal per bransch

I den här övningen ska du undersöka hur likviditetsgraden och skuldsättningsgraden skiljer sig åt i genomsnitt och över tid mellan teknik- och FMCG-företag.

Ett nyckeltal beräknat i genomsnitt ger en övergripande bild av branschens finansiella ställning. Ett nyckeltal beräknat över tid hjälper oss däremot att förstå trender: är nyckeltalet relativt stabilt eller varierar det? Förbättras eller försämras det?

balance_sheet har laddats in som en pandas DataFrame. Likviditetsgraden finns i kolumnen curr_ratio och skuldsättningsgraden finns i kolumnen debt_to_equity. pandas har laddats med aliaset pd.

Den här övningen är en del av kursen

Analysera finansiella rapporter i Python

Övningsinstruktioner

Välj de företag vars kolumn comp_type är tech eller fmcg.
Använd .groupby() för att beräkna den genomsnittliga likviditetsgraden och skuldsättningsgraden grupperat efter företagstyp (angiven i kolumnen "comp_type").
Använd .groupby() för att beräkna den genomsnittliga likviditetsgraden och skuldsättningsgraden grupperat efter både "comp_type" och "Year".

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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)

Redigera och kör kod

Den här övningen är en del av kursen

Analysera finansiella rapporter i Python

SkillTag.level.intermediateSkillTag.label

4.7+

Starta kursen gratis

I det här kapitlet lär du dig läsa och tolka en balansräkning samt beräkna och använda finansiella nyckeltal för att utvärdera ett företags prestationer utifrån informationen i balansräkningen. Du får också praktisk erfarenhet av att använda det kraftfulla datahanteringspaketet pandas för att analysera ett företags finansiella nyckeltal och jämföra dem med branschkollegor.

Exercise 1: Introduktion till balansräkningen Exercise 2: Matcha balansposter med rätt kategori Exercise 3: Sambandet mellan tillgångar, skulder och eget kapital Exercise 4: Öva på bokföringens grundekvation Exercise 5: Finansiella nyckeltal från balansräkningen Exercise 6: Matcha nyckeltalet med dess kategori Exercise 7: Beräkna likviditetsgraden Exercise 8: Skuldkvoter Exercise 9: Beräkna finansiella nyckeltal med pandas Exercise 10: Beräkna current ratio och skuldsättningsgrad Exercise 11: Beräkna relativ skillnad per bransch Exercise 12: Beräkna nyckeltal per bransch

Aktuell övning

I det här kapitlet lär du dig läsa och tolka en resultaträkning, beräkna viktiga finansiella nyckeltal och skriva egna funktioner i Python för att automatisera återkommande uppgifter. Du får också erfarenhet av att använda seaborn – ett kraftfullt bibliotek för datavisualisering – för att skapa diagram som hjälper dig förstå ett företags finansiella resultat.

Exercise 1: Introduktion till resultaträkningen Exercise 2: Beräkna nettoresultatet Exercise 3: Beräkna nyckeltal från resultaträkningen Exercise 4: Nyckeltal från resultaträkningen och balansräkningen Exercise 5: Uppdatera den användardefinierade funktionen Exercise 6: Uppdatera den egendefinerade funktionen för subtraktion Exercise 7: Beräkna nyckeltal med en egendefinerad funktion Exercise 8: Beräkna flera nyckeltal med den egendefinerade funktionen Exercise 9: Visualisera nyckeltal för analys inom ett företag Exercise 10: Plotta nyckeltal Exercise 11: Plotta nyckeltal i ett diagram

I det här kapitlet analyserar du kassaflödesanalysen och använder informationen i den för att beräkna och tolka finansiella nyckeltal. Med Seaborn skapar du informativa diagram som jämför nyckeltal mellan olika företag, och du bygger vidare på dina kunskaper i Python och datavisualisering. När du är klar med kapitlet har du de färdigheter som krävs för att hämta insikter från kassaflödesanalyser i Python och hantera rörig verklig data med saknade värden.

Exercise 1: Kassaflödesanalys Exercise 2: Tilldela kassaflödesposter till rätt del Exercise 3: Beräkna nettokassaflödet Exercise 4: Finansiella nyckeltal från kassaflödesanalysen Exercise 5: Sammanfoga finansiella rapporter Exercise 6: Beräkna kassaflödesnyckeltal Exercise 7: Imputera och fyll i saknade värden med medelvärden Exercise 8: Imputera saknade värden med percentiler Exercise 9: Sammanfoga finansiella rapporter och fyll i saknade värden Exercise 10: Visualisera finansiella nyckeltal för jämförelse Exercise 11: Visualisera kassaflödesnyckeltal

I det här kapitlet lär du dig om de finansiella nyckeltal som mäter ett företags lönsamhet, hur du beräknar dem och hur du jämför dem mellan olika företag. Du bygger vidare på dina kunskaper om Seaborn-biblioteket för att skapa visualiseringar som hjälper dig analysera lönsamhetsnyckeltal och identifiera trender.

Exercise 1: En inblick i finansiella nyckeltal för några branscher Exercise 2: Använda marginaler i pivottabeller och skapa ett stapeldiagram Exercise 3: Förbereda data för ett fasettrutnätsdiagram Exercise 4: Skapa ett facet grid-diagram Exercise 5: Användardefinierad funktion för att skapa diagram Exercise 6: Lönsamhetsmått Exercise 7: Samband mellan rörelsemarginal och skuldsättningsgrad för fastighetsbolag Exercise 8: Öva med sns.regplot()Exercise 9: Uppdatering av den användardefinierade funktionen för diagram Exercise 10: Mer om lönsamhetsanalys Exercise 11: Öva på att skapa värmekartor Exercise 12: Bred analys Exercise 13: Bra jobbat!