Beräkna balansräkningsnyckeltal för Ford
Nu ska vi titta på ett verkligt exempel: Ford Inc, ett företag som tillverkar motorfordon. Vi har laddat upp ett dataset: balance_sheet med data från Fords senaste balansräkning. Försäljnings- och kostnadssiffror för 2017 finns i datasetet Key_Figures_Memo.
Vi är bara intresserade av en rad i balansräkningen – kundfordringar (Receivables) – och behöver därför skapa ett filter för detta. I den här övningen använder vi boolesk indexering för att filtrera datasetet på värdet Receivables i kolumnen metric. Vi börjar med att ange det mätvärde vi är intresserade av ('Receivables'), och kontrollerar sedan om varje rad i kolumnen innehåller detta värde. Det ger oss en boolesk serie med värdena True och False. Med den serien kan vi sedan filtrera det befintliga datasetet.
När vi har filtrerat datasetet kan vi hämta kundfordringsvärdet från den senaste tidsperioden och beräkna nyckeltalet debitorsdagar (formel nedan).
\(Debtor Days = \frac{Ending\,Balance\,Debtors}{Sales} \times Days\,in\,Financial\,Year\)
Siffrorna för balance_sheet och sales finns tillgängliga.
Den här övningen är en del av kursen
Finansiell prognosmodellering i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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 = ____[____]