Python大數(shù)據(jù)財(cái)務(wù)分析 課件 5.財(cái)務(wù)趨勢(shì)分析

第五章財(cái)務(wù)趨勢(shì)分析《Python大數(shù)據(jù)財(cái)務(wù)分析》配套課件2024/9/12目錄015.1趨勢(shì)分析數(shù)據(jù)預(yù)處理020403第五章財(cái)務(wù)趨勢(shì)分析5.2財(cái)務(wù)趨勢(shì)--盈利能力分析5.3財(cái)務(wù)趨勢(shì)--其他能力分析5.4趨勢(shì)分析綜合評(píng)分055.5同業(yè)比較--盈利能力比較06075.6同業(yè)比較--其他能力比較5.7同業(yè)分析綜合評(píng)分在上一章，我們介紹了利用Python計(jì)算上市公司的財(cái)務(wù)比率（靜態(tài)分析），但我們只得到了數(shù)字，并沒(méi)有進(jìn)一步地進(jìn)行分析。要對(duì)比率進(jìn)行分析，就需要一個(gè)比較的標(biāo)準(zhǔn)，這樣的標(biāo)準(zhǔn)可以是該公司以往的數(shù)值，也可以是同行業(yè)的相關(guān)數(shù)值。根據(jù)這兩種標(biāo)準(zhǔn)進(jìn)行財(cái)務(wù)分析，就分別稱(chēng)為趨勢(shì)分析和同業(yè)分析，本章都將逐步介紹如何通過(guò)Python進(jìn)行趨勢(shì)分析和同業(yè)分析。本章首先將在得到的財(cái)務(wù)比率表的基礎(chǔ)上，介紹利用Python實(shí)現(xiàn)財(cái)務(wù)趨勢(shì)分析，以更客觀地對(duì)企業(yè)財(cái)務(wù)數(shù)據(jù)進(jìn)行評(píng)價(jià)。趨勢(shì)分析主要通過(guò)畫(huà)圖的方式，可視化地展現(xiàn)各財(cái)務(wù)比率的時(shí)間趨勢(shì)變化，判斷該企業(yè)各項(xiàng)能力的變化。引言5.1趨勢(shì)分析數(shù)據(jù)預(yù)處理首先我們讀取上一章所讀取到的貴州茅臺(tái)的“財(cái)務(wù)比率表”，并進(jìn)行數(shù)據(jù)處理：#讀取并處理財(cái)務(wù)比率表數(shù)據(jù)df_ratio=pd.read_excel('貴州茅臺(tái).xlsx',sheet_name='財(cái)務(wù)比率表')df_ratio=df_ratio.rename(columns={'Unnamed:0':'報(bào)告期'})#第一列索引列的列名是unnamed:0,這里換成報(bào)告期df_ratio=df_ratio.set_index('報(bào)告期')#設(shè)置報(bào)告期那一列為行索引

#轉(zhuǎn)置表格df_ratio=df_ratio.T#逆序排列data=df_ratio[::-1]#把inf（無(wú)限大）替換為0data[np.isinf(data)]=0data5.1趨勢(shì)分析數(shù)據(jù)預(yù)處理注意由于后面需要畫(huà)圖，因此最好讓數(shù)據(jù)按年份從小到大地排列，因此用到了逆序的操作。另外還需要把某些為inf（無(wú)限大）的值替換為0，避免無(wú)法畫(huà)圖。此時(shí)讀取表格如表所示：5.2財(cái)務(wù)趨勢(shì)--盈利能力分析首先來(lái)看盈利能力，這幾個(gè)指標(biāo)仍然沿用上一章，但不同的是，上一章我們僅僅計(jì)算了各年的指標(biāo)數(shù)字，而這個(gè)表現(xiàn)到底是出色還是平平，我們無(wú)從下手分析，綜合往年數(shù)據(jù)之后局勢(shì)將變得明朗起來(lái)。為了是趨勢(shì)分析更加直觀，我們?cè)诒菊聦?duì)每個(gè)指標(biāo)還都畫(huà)出一張圖來(lái)顯示趨勢(shì)的變動(dòng)。5.2.1毛利率與上一章不同的是，我們的結(jié)果不止一行，end_date這一列終于有了信息含量。接下來(lái)我們畫(huà)一張圖來(lái)可視化這一結(jié)果，主要用到matplotlib包：其中第一行導(dǎo)入模塊，第二行設(shè)置目標(biāo)年份，第三行畫(huà)圖，傳入的第一個(gè)參數(shù)作為x，第二個(gè)參數(shù)作為y，第三個(gè)參數(shù)label規(guī)定圖例，第四行規(guī)定圖例的位置為左上，第五行輸出圖片。毛利率在2017年下降了，因?yàn)槊史从车氖敲紶I(yíng)業(yè)收入的比重，這一年下降可能是營(yíng)業(yè)成本上升，也可能是營(yíng)業(yè)收入下降，或者二者兼有。5.2.1毛利率接下來(lái)是營(yíng)業(yè)利潤(rùn)率：結(jié)果如圖：5.2.2營(yíng)業(yè)利潤(rùn)率扣除了三費(fèi)和其他費(fèi)用之后，2017年的營(yíng)業(yè)利潤(rùn)率反而是增長(zhǎng)的，這可能是因?yàn)?016年三費(fèi)很高，而2017年三費(fèi)有所下降，這一信息是毛利率所無(wú)法體現(xiàn)的，這也是為什么企業(yè)的能力不能完全由一個(gè)指標(biāo)所概括。

然后是凈利潤(rùn)率：結(jié)果如圖：5.2.3凈利潤(rùn)率貴州茅臺(tái)2017年凈利潤(rùn)率的增長(zhǎng)幅度似乎要大于營(yíng)業(yè)利潤(rùn)率，可見(jiàn)考慮了所得稅之后盈利能力又有所不同，這告訴我們一定要綜合多個(gè)指標(biāo)對(duì)企業(yè)的能力進(jìn)行評(píng)估。關(guān)于凈資產(chǎn)收益率的基本概念上一章已經(jīng)有所提及，這里不再贅述，上一章其實(shí)已經(jīng)按加權(quán)平均法計(jì)算好了，這里直接取用即可。得到的結(jié)果如圖:從這張圖可以看出貴州茅臺(tái)的凈資產(chǎn)收益率從2016到2017年經(jīng)歷了一個(gè)大幅上升，而在2019年略有下降。5.2.4凈資產(chǎn)收益率(ROE)目錄016.1盈利能力分析0204035.3

財(cái)務(wù)趨勢(shì)--其他能力分析（運(yùn)營(yíng)能力、償債能力、成長(zhǎng)能力）6.2運(yùn)營(yíng)能力分析6.3償債能力分析6.4成長(zhǎng)能力分析056.5趨勢(shì)分析綜合評(píng)分5.3

財(cái)務(wù)趨勢(shì)--其他能力分析（運(yùn)營(yíng)能力、償債能力、成長(zhǎng)能力）與上一節(jié)相同，由于運(yùn)營(yíng)能力相關(guān)的比率需要用到年度平均值，即分析2016年~2019年的趨勢(shì)也需要用到2015年的數(shù)據(jù)，故需要讀取2015年的三張報(bào)表的數(shù)據(jù)。例如存貨周轉(zhuǎn)率的分母是存貨的年度平均值，2016年的存貨平均值需要2016年期初余額（即2015年期余額）和2016年期末余額。#第一部分：運(yùn)營(yíng)能力分析#①存貨周轉(zhuǎn)率plt.plot(years,data['存貨周轉(zhuǎn)率'],label='存貨周轉(zhuǎn)率')plt.legend(loc='upperleft')#設(shè)置圖例位置為左上角plt.show()#②總資產(chǎn)周轉(zhuǎn)率plt.plot(years,data['總資產(chǎn)周轉(zhuǎn)率'],label='總資產(chǎn)周轉(zhuǎn)率')plt.legend(loc='upperleft')#設(shè)置圖例位置為左上角plt.show()#③應(yīng)收賬款周轉(zhuǎn)率plt.plot(years,data['應(yīng)收賬款周轉(zhuǎn)率'],label='應(yīng)收賬款周轉(zhuǎn)率')plt.legend(loc='upperleft')#設(shè)置圖例位置為左上角plt.show()1.運(yùn)營(yíng)能力分析5.3

財(cái)務(wù)趨勢(shì)--其他能力分析（運(yùn)營(yíng)能力、償債能力、成長(zhǎng)能力）繪制結(jié)果：5.3

財(cái)務(wù)趨勢(shì)--其他能力分析（運(yùn)營(yíng)能力、償債能力、成長(zhǎng)能力）#第二部分：償債能力分析#①流動(dòng)比率plt.plot(years,data['流動(dòng)比率'],label='流動(dòng)比率')plt.legend(loc='upperleft')#設(shè)置圖例位置為左上角plt.show()②速動(dòng)比率plt.plot(years,data['速動(dòng)比率'],label='速動(dòng)比率')plt.legend(loc='upperleft')#設(shè)置圖例位置為左上角plt.show()#③利息保障倍數(shù)plt.plot(years,data['利息保障倍數(shù)'],label='利息保障倍數(shù)')plt.legend(loc='upperleft')#設(shè)置圖例位置為左上角plt.show()2.償債能力分析5.3

財(cái)務(wù)趨勢(shì)--其他能力分析（運(yùn)營(yíng)能力、償債能力、成長(zhǎng)能力）繪制結(jié)果：貴州茅臺(tái)的償債能力一直都很強(qiáng)，這與它的行業(yè)地位和品牌形象有關(guān)，從這三個(gè)指標(biāo)的趨勢(shì)可以看出來(lái)近幾年的償債能力仍在不斷上升，這對(duì)投資者來(lái)說(shuō)是一個(gè)很有意義的信息，投資者可以利用這一基本面分析的結(jié)果對(duì)企業(yè)的未來(lái)展開(kāi)合理預(yù)測(cè)，從而進(jìn)行理性科學(xué)的投資。而這一信息從靜態(tài)分析中是無(wú)法得到的。5.3

財(cái)務(wù)趨勢(shì)--其他能力分析（運(yùn)營(yíng)能力、償債能力、成長(zhǎng)能力）#第三部分：成長(zhǎng)能力分析。#①營(yíng)收增長(zhǎng)率：結(jié)果如圖5-11。plt.plot(years,data['營(yíng)業(yè)收入增長(zhǎng)率'],label='營(yíng)業(yè)收入增長(zhǎng)率')plt.legend(loc='upperleft')#設(shè)置圖例位置為左上角plt.show()#②營(yíng)業(yè)利潤(rùn)增長(zhǎng)率：結(jié)果如圖5-12。plt.plot(years,data['營(yíng)業(yè)利潤(rùn)增長(zhǎng)率'],label='營(yíng)業(yè)利潤(rùn)增長(zhǎng)率')plt.legend(loc='upperleft')#設(shè)置圖例位置為左上角plt.show()#③凈利潤(rùn)增長(zhǎng)率：結(jié)果如圖5-13：plt.plot(years,data['凈利潤(rùn)增長(zhǎng)率'],label='凈利潤(rùn)增長(zhǎng)率')plt.legend(loc='upperleft')#設(shè)置圖例位置為左上角plt.show()3.成長(zhǎng)能力分析成長(zhǎng)能力指標(biāo)本身就是跨期間的增長(zhǎng)率指標(biāo)，那么多年間的比較即便是有下降，也并不意味著該指標(biāo)是負(fù)數(shù)，比如營(yíng)收是否在下降應(yīng)該關(guān)注該值是否為負(fù)，而趨勢(shì)分析中比較的是增長(zhǎng)幅度是否有所下降。在這里提醒讀者對(duì)財(cái)務(wù)指標(biāo)的意義和數(shù)學(xué)含義予以關(guān)注，避免掉入數(shù)據(jù)分析的陷阱。5.3

財(cái)務(wù)趨勢(shì)--其他能力分析（運(yùn)營(yíng)能力、償債能力、成長(zhǎng)能力）繪制結(jié)果：與償債能力相似，貴州茅臺(tái)的這三個(gè)指標(biāo)趨勢(shì)也非常類(lèi)似。5.4

趨勢(shì)分析綜合評(píng)分接下來(lái)我們可以嘗試把所有指標(biāo)進(jìn)行綜合分析，得到一個(gè)對(duì)公司財(cái)務(wù)指標(biāo)的趨勢(shì)綜合評(píng)分。實(shí)現(xiàn)該操作后，我們便可以推廣到對(duì)多家公司進(jìn)行批量評(píng)分，并按評(píng)分排序，篩選出在趨勢(shì)分析中表現(xiàn)最好的公司。然而，對(duì)指標(biāo)評(píng)分的標(biāo)準(zhǔn)是一個(gè)較為主觀的問(wèn)題，不同的分析師或投資者對(duì)此有不同的標(biāo)準(zhǔn)，因此以下僅提供一種實(shí)現(xiàn)評(píng)分篩選的思路，而非提供正確答案。5.4

趨勢(shì)分析綜合評(píng)分對(duì)于一些越大越好的指標(biāo)（毛利率、存貨周轉(zhuǎn)率等），我們希望它每年都比上一年更高，這說(shuō)明公司在不斷變好，因此在對(duì)這些指標(biāo)進(jìn)行打分的時(shí)候，我們可以用這樣的規(guī)則：某年的指標(biāo)相較上一年增長(zhǎng)則加1分，否則0分。那么現(xiàn)在我們擁有5年的數(shù)據(jù)，一個(gè)指標(biāo)的最高分就是4分，以茅臺(tái)的毛利率為例，只有2018年和2019年是較上期增長(zhǎng)的，因此毛利率的指標(biāo)上獲得2分。但是像流動(dòng)比率、速動(dòng)比率等，指標(biāo)越大并不一定越好，雖然越大說(shuō)明企業(yè)短期償債能力越好，但過(guò)高的比率可能代表了企業(yè)有大量的現(xiàn)金閑置，導(dǎo)致企業(yè)短期資金利用效率較差，會(huì)降低企業(yè)的獲利能力。因此一般來(lái)說(shuō)流動(dòng)比率維持在2左右，速動(dòng)比率維持在1左右是比較合適的。但在本節(jié)綜合評(píng)分中我們?yōu)榱撕?jiǎn)便暫不考慮該指標(biāo)的合適范圍，假設(shè)該指標(biāo)越大越好。最后對(duì)每個(gè)指標(biāo)打好分之后，可以對(duì)分?jǐn)?shù)進(jìn)行標(biāo)準(zhǔn)化為100分，例如剛剛毛利率指標(biāo)得分為2分，標(biāo)準(zhǔn)化為100分的話(huà)就是50分。5.4

趨勢(shì)分析綜合評(píng)分接下來(lái)對(duì)每個(gè)指標(biāo)進(jìn)行評(píng)分，首先創(chuàng)建一個(gè)空列表用于存放每個(gè)指標(biāo)對(duì)應(yīng)的分?jǐn)?shù)：scores=[]接下來(lái)依次對(duì)每個(gè)指標(biāo)進(jìn)行評(píng)分，需要用到for循環(huán)以及if判斷：foriinrange(len(data.T)):n=0forjinrange(len(data)-1):#遍歷除最后一行的所有行

ifnp.isinf(data.iloc[j,i])==True:n=n+1elifdata.iloc[j,i]>data.iloc[j+1,i]:n=n+1#分?jǐn)?shù)標(biāo)準(zhǔn)化為100分

n=n/4*100scores.append(n)由于茅臺(tái)17-19年沒(méi)有應(yīng)收賬款，應(yīng)收賬款出現(xiàn)inf（無(wú)窮大）的情況，無(wú)法直接比較大小，通過(guò)isinf()函數(shù)先判斷了該指標(biāo)是否為inf，若為inf說(shuō)明可能是不存在應(yīng)收賬款，我們認(rèn)為這是一個(gè)好的表現(xiàn)，因此加分。然后再通過(guò)elif進(jìn)行2次判斷，看看當(dāng)年的數(shù)值是否高于上一年的數(shù)值，最終將分?jǐn)?shù)轉(zhuǎn)為百分制，并添加到socres列表中。5.4

趨勢(shì)分析綜合評(píng)分得到如下的scores分?jǐn)?shù)列表：[50.0,

50.0,

75.0,

50.0,

100.0,

50.0,

100.0,

75.0,

75.0,

75.0,

50.0,

50.0,

50.0]把該列表添加到財(cái)務(wù)比率表中，并保存該評(píng)分表：score_sheet=data.Tscore_sheet['評(píng)分']=scoresscore_sheet.to_excel('貴州茅臺(tái)_趨勢(shì)評(píng)分表.xlsx')print(score_sheet)5.4

趨勢(shì)分析綜合評(píng)分最后計(jì)算總得分（假設(shè)每個(gè)指標(biāo)權(quán)重一樣），即各指標(biāo)得分的平均值：打印trend_score得到總分為：注意：這里得出的總分是求各方面得分的平均值，相當(dāng)于默認(rèn)每個(gè)指標(biāo)在重要性上是相等的（權(quán)重相等），但這其實(shí)是不嚴(yán)謹(jǐn)?shù)?，針?duì)不同行業(yè)或者不同發(fā)展階段的公司，某些指標(biāo)總比其他指標(biāo)來(lái)得更重要，這就需要評(píng)分者對(duì)各個(gè)指標(biāo)的權(quán)重有深刻的理解，如果能利用專(zhuān)業(yè)知識(shí)和經(jīng)驗(yàn)設(shè)置一個(gè)更為合理科學(xué)的權(quán)重，那么結(jié)果也就自然會(huì)更加準(zhǔn)確。5.5同業(yè)比較--盈利能力比較下面將介紹如何通過(guò)Python實(shí)現(xiàn)簡(jiǎn)單的同業(yè)比較和可視化呈現(xiàn)。這里拿貴州茅臺(tái)2020年的財(cái)務(wù)數(shù)據(jù)為例，主要分析其在白酒行業(yè)中的表現(xiàn)，首先讀取白酒行業(yè)相關(guān)數(shù)據(jù)，代碼如下：打印data：英文表頭中文含義Ts_code公司代碼及所屬交易所n_income_attr_p報(bào)告期歸母凈利潤(rùn)total_hldr_eqy_exp_min_int報(bào)告期期末歸母凈資產(chǎn)n_income凈利潤(rùn)revenue營(yíng)業(yè)收入盈利能力中選取凈資產(chǎn)收益率和銷(xiāo)售凈利率兩個(gè)指標(biāo)，可視化方法主要選取同業(yè)直觀比較和同業(yè)統(tǒng)計(jì)量分析兩種思路。5.5.1凈資產(chǎn)收益率與趨勢(shì)分析相似，我們?cè)谶@里的重點(diǎn)不在于指標(biāo)本身，所以我們不計(jì)算加權(quán)平均ROE，而是選用計(jì)算更簡(jiǎn)便的全面攤薄ROE（報(bào)告期歸母凈利潤(rùn)

/報(bào)告期期末歸母凈資產(chǎn)）：table=pd.DataFrame(index=range(1))forcominrange(data.shape[0]):table.loc[0,data.loc[com,'name']]=round(data.loc[com,'n_income_attr_p']/data.loc[com,'total_hldr_eqy_exp_min_int'],4)print(table)table=table.T.sort_values(0,ascending=False).T#若對(duì)這行代碼不太理解，可以把它逐個(gè)拆解打印看看plt.figure(figsize=(10,6))#設(shè)置下圖片大小，不然有點(diǎn)擠plt.bar(table.columns,table.loc[0],label='凈資產(chǎn)收益率（roe）')plt.legend(loc='upperright')#設(shè)置圖例位置為左上角plt.xticks(range(len(table.columns)),table.columns,rotation=45)plt.show()Line1:建立一個(gè)只有一行的DataFrame，注意DataFrame傳入的index必須是一個(gè)列表，所以這里的range(1)也可以寫(xiě)成[0]。Line2:開(kāi)始對(duì)數(shù)據(jù)源的行數(shù)遍歷Line3:等式左邊是要寫(xiě)入的位置，即table表第一行，data.loc[com,‘name’]的意思是數(shù)據(jù)源中該行‘name’列的取值，即該股票名稱(chēng)；等式右邊是我們熟悉的計(jì)算公式，采用了表格定位的方法，規(guī)定了表格的某一行，最外層嵌套了一個(gè)取小數(shù)位數(shù)的函數(shù)。5.5.1凈資產(chǎn)收益率與趨勢(shì)分析相似，我們?cè)谶@里的重點(diǎn)不在于指標(biāo)本身，所以我們不計(jì)算加權(quán)平均ROE，而是選用計(jì)算更簡(jiǎn)便的全面攤薄ROE（報(bào)告期歸母凈利潤(rùn)

/報(bào)告期期末歸母凈資產(chǎn)）：table=pd.DataFrame(index=range(1))forcominrange(data.shape[0]):table.loc[0,data.loc[com,'name']]=round(data.loc[com,'n_income_attr_p']/data.loc[com,'total_hldr_eqy_exp_min_int'],4)print(table)table=table.T.sort_values(0,ascending=False).T#若對(duì)這行代碼不太理解，可以把它逐個(gè)拆解打印看看plt.figure(figsize=(10,6))#設(shè)置下圖片大小，不然有點(diǎn)擠plt.bar(table.columns,table.loc[0],label='凈資產(chǎn)收益率（roe）')plt.legend(loc='upperright')#設(shè)置圖例位置為左上角plt.xticks(range(len(table.columns)),table.columns,rotation=45)plt.show()Line4:打印一下數(shù)據(jù)，此時(shí)數(shù)據(jù)比較亂，需先排序。Line5:首先把表格轉(zhuǎn)置，才能用sort_values函數(shù)排序，規(guī)定降序，最后再把它轉(zhuǎn)置回來(lái)，得到這樣的表格Line6:開(kāi)始繪圖，設(shè)置圖片大小，以免x軸公司名稱(chēng)過(guò)于擁擠。Line7:用到matplotlib包，只不過(guò)進(jìn)行同業(yè)比較一般采用柱狀圖，對(duì)應(yīng)著bar方法，x是table表的列名，即公司名稱(chēng)，y是table表的第一行，即取值。Line8:設(shè)置圖例位置。Line9:坐標(biāo)軸指定x軸取值顯示傾斜45度角.5.5.1凈資產(chǎn)收益率這樣我們就能稍微直觀地看到貴州茅臺(tái)在同行業(yè)中間的表現(xiàn)了，可以看到水井坊位列第一，貴州茅臺(tái)還是處于行業(yè)領(lǐng)先地位的（第三），而天佑德酒（原名：青青稞酒）是2020年唯一ROE為負(fù)數(shù)的。5.5.1凈資產(chǎn)收益率為了更專(zhuān)業(yè)地體現(xiàn)統(tǒng)計(jì)意義上的水平，我們table表進(jìn)行統(tǒng)計(jì)并可視化：des_table=table.T.describe().Tdes_table['貴州茅臺(tái)']=table['貴州茅臺(tái)']plt.bar(des_table.columns[1:],des_table.loc[0][1:],label='凈資產(chǎn)收益率（roe）')plt.legend(loc='upperleft')#設(shè)置圖例位置為左上角plt.show()建立一張des_table表來(lái)儲(chǔ)存結(jié)果，第一行有兩個(gè)轉(zhuǎn)置，有的讀者可能會(huì)撓頭質(zhì)疑其必要性，其實(shí)是因?yàn)閜ython中的describe函數(shù)默認(rèn)都是對(duì)列進(jìn)行處理的，所以我們需要先做轉(zhuǎn)換再換回來(lái)。第二行把貴州茅臺(tái)的值加入結(jié)果表中。5.5.1凈資產(chǎn)收益率輸出如圖:可以看到雖然與最大值有差距，但是也高于上四分位數(shù)，屬于龍頭企業(yè)了。5.5.2凈利潤(rùn)率同理，可以嘗試?yán)斫馊缦麓a：table=pd.DataFrame(index=range(1))forcominrange(data.shape[0]):table.loc[0,data.loc[com,'name']]=round(data.loc[com,'n_income']/data.loc[com,'revenue'],4)table=table.T.sort_values(0,ascending=False).Tplt.figure(figsize=(10,6))#設(shè)置下圖片大小，不然有點(diǎn)擠plt.bar(table.columns,table.loc[0],label='銷(xiāo)售凈利率')plt.legend(loc='upperleft')#設(shè)置圖例位置為左上角plt.xticks(range(len(table.columns)),table.columns,rotation=45)plt.show()5.5.2凈利潤(rùn)率輸出如圖：5.5.2凈利潤(rùn)率與凈資產(chǎn)收益率相比，貴州茅臺(tái)的凈利潤(rùn)率在同業(yè)中的表現(xiàn)更加突出，我們?cè)倏纯唇y(tǒng)計(jì)結(jié)果，如圖:5.6同業(yè)比較--其他能力比較（運(yùn)營(yíng)能力、償債能力、成長(zhǎng)能力）這一小節(jié)對(duì)運(yùn)營(yíng)能力、償債能力、成長(zhǎng)能力進(jìn)行同業(yè)比較：本節(jié)用到的英文表頭含義如下：英文表頭中文含義Ts_code公司代碼及所屬交易所n_income_attr_p報(bào)告期歸母凈利潤(rùn)n_income凈利潤(rùn)revenue營(yíng)業(yè)收入oper_cost營(yíng)業(yè)成本（銷(xiāo)貨成本inventories平均存貨余額total_assets總資產(chǎn)total_cur_assets流動(dòng)資產(chǎn)合計(jì)total_cur_liab流動(dòng)負(fù)債合計(jì)5.6同業(yè)比較--其他能力比較（運(yùn)營(yíng)能力、償債能力、成長(zhǎng)能力）匯總代碼如下：#第一部分：運(yùn)營(yíng)能力比較。運(yùn)營(yíng)能力我們選取存貨周轉(zhuǎn)率和總資產(chǎn)周轉(zhuǎn)率兩個(gè)指標(biāo)。 #讀取同行業(yè)股票代碼com_data=pd.read_excel('com_data.xlsx')bj_com=com_data[com_data['industry']=='白酒']bj_list=bj_com['ts_code'].tolist()#①

存貨周轉(zhuǎn)率：如圖5-21#在計(jì)算上其方法和之前計(jì)算凈利潤(rùn)率也有所不同（因?yàn)榇尕浿苻D(zhuǎn)率的分母用到了期初和期末的存貨），所以需要調(diào)取期初和期末的數(shù)據(jù)，代碼如下：table=pd.DataFrame(index=range(1))forcominbj_list:table.loc[0,data[data['ts_code']==com]['name']]=round(data[data['ts_code']==com]['oper_cost']*2/(data[data['ts_code']==com]['inventories']+data_2019[data_2019['ts_code']==com]['inventories']),4).iloc[0]table=table.T.sort_values(0,ascending=False).Tplt.figure(figsize=(10,6))#設(shè)置下圖片大小，不然有點(diǎn)擠plt.bar(table.columns,table.loc[0],label='存貨周轉(zhuǎn)率')plt.legend(loc='upperleft')#設(shè)置圖例位置為左上角plt.xticks(range(len(table.columns)),table.columns,rotation=45)plt.show()5.6同業(yè)比較--其他能力比較（運(yùn)營(yíng)能力、償債能力、成長(zhǎng)能力）匯總代碼如下：#②總資產(chǎn)周轉(zhuǎn)率：如圖5-22table=pd.DataFrame(index=range(1))forcominbj_list:table.loc[0,data[data['ts_code']==com]['name']]=round(data[data['ts_code']==com]['revenue']*2/(data[data['ts_code']==com]['total_assets']+data_2019[data_2019['ts_code']==com]['total_assets']),4).iloc[0]table=table.T.sort_values(0,ascending=False).Tplt.figure(figsize=(10,6))#設(shè)置下圖片大小，不然有點(diǎn)擠plt.bar(table.columns,table.loc[0],label='總資產(chǎn)周轉(zhuǎn)率')plt.legend(loc='upperleft')#設(shè)置圖例位置為左上角plt.xticks(range(len(table.columns)),table.columns,rotation=45)plt.show()5.6同業(yè)比較--其他能力比較（運(yùn)營(yíng)能力、償債能力、成長(zhǎng)能力）輸出結(jié)果：總資產(chǎn)周轉(zhuǎn)率的表現(xiàn)也不太好，位于行業(yè)中位數(shù)附近，看來(lái)2020年運(yùn)營(yíng)能力相較于行業(yè)一般。5.6同業(yè)比較--其他能力比較（運(yùn)營(yíng)能力、償債能力、成長(zhǎng)能力）匯總代碼如下：#第二部分：償債能力比較。償債能力我們選取流動(dòng)比率和速動(dòng)比率，由于用到的數(shù)據(jù)只是2019年的，所以計(jì)算邏輯與盈利能力相似，讀者同樣可以自行訓(xùn)練，并對(duì)照下述代碼：#①流動(dòng)比率：結(jié)果如圖5-23

table=pd.DataFrame(index=range(1))forcominrange(data.shape[0]):table.loc[0,data.loc[com,'name']]=round(data.loc[com,'total_cur_assets']/data.loc[com,'total_cur_liab'],4)table=table.T.sort_values(0,ascending=False).Tplt.figure(figsize=(10,6))#設(shè)置下圖片大小，不然有點(diǎn)擠plt.bar(table.columns,table.loc[0],label='流動(dòng)比率')plt.legend(loc='upperleft')#設(shè)置圖例位置為左上角plt.xticks(range(len(table.columns)),table.columns,rotation=45)plt.show()5.6同業(yè)比較--其他能力比較（運(yùn)營(yíng)能力、償債能力、成長(zhǎng)能力）匯總代碼如下：#②速動(dòng)比率：結(jié)果如圖5-24table=pd.DataFrame(index=range(1))forcominrange(data.shape[0]):table.loc[0,data.loc[com,'name']]=round((data.loc[com,'total_cur_assets']-data.loc[com,'inventories'])/data.loc[com,'total_cur_liab'],4)table=table.T.sort_values(0,ascending=False).Tplt.figure(figsize=(10,6))#設(shè)置下圖片大小，不然有點(diǎn)擠plt.bar(table.columns,table.loc[0],label='速動(dòng)比率')plt.legend(loc='upperleft')#設(shè)置圖例位置為左上角plt.xticks(range(len(table.columns)),table.columns,rotation=45)plt.show()5.6同業(yè)比較--其他能力比較（運(yùn)營(yíng)能力、償債能力、成長(zhǎng)能力）輸出結(jié)果：貴州茅臺(tái)的流動(dòng)比率很高，排在行業(yè)第一。相比于流動(dòng)比率，貴州茅臺(tái)的速動(dòng)比率在同行業(yè)的優(yōu)勢(shì)略差一點(diǎn)，處于行業(yè)第二，可以體現(xiàn)出貴州茅臺(tái)極低的風(fēng)險(xiǎn)水平，實(shí)際上，貴州茅臺(tái)的償債能力在整個(gè)股市也是數(shù)一數(shù)二的。5.6同業(yè)比較--其他能力比較（運(yùn)營(yíng)能力、償債能力、成長(zhǎng)能力）匯總代碼如下：#第三部分：成長(zhǎng)能力比較。成長(zhǎng)能力選取營(yíng)收增長(zhǎng)率和凈資本增長(zhǎng)率，計(jì)算邏輯與運(yùn)營(yíng)能力相似。#①營(yíng)收增長(zhǎng)率：結(jié)果如圖5-25table=pd.DataFrame(index=range(1))forcominbj_list:table.loc[0,data[data['ts_code']==com]['name']]=round((data[data['ts_code']==com]['revenue']-data_2019[data_2019['ts_code']==com]['revenue'])/data_2019[data_2019['ts_code']==com]['revenue'],4).iloc[0]table=table.T.sort_values(0,ascending=False).Tplt.figure(figsize=(10,6))#設(shè)置下圖片大小，不然有點(diǎn)擠plt.bar(table.columns,table.loc[0],label='營(yíng)收增長(zhǎng)率')plt.legend(loc='upperleft')#設(shè)置圖例位置為左上角plt.xticks(range(len(table.columns)),table.columns,rotation=45)plt.show()5.6同業(yè)比較--其他能力比較（運(yùn)營(yíng)能力、償債能力、成長(zhǎng)能力）匯總代碼如下：#②凈利潤(rùn)增長(zhǎng)率：結(jié)果如圖5-26table=pd.DataFrame(index=range(1))forcominbj_list:table.loc[0,data[data['ts_code']==com]['name']]=round((data[data['ts_code']==com]['n_income_attr_p']-data_2019[data_2019['ts_code']==com]['n_income_attr_p'])/data_2019[data_2019['ts_code']==com]['n_income_attr_p'],4).iloc[0]table=table.T.sort_values(0,ascending=False).Tplt.figure(figsize=(10,6))#設(shè)置下圖片大小，不然有點(diǎn)擠plt.bar(table.columns,table.loc[0],label='凈利潤(rùn)增長(zhǎng)率')plt.legend(loc='upperright')#設(shè)置圖例位置為左上角plt.xticks(range(len(table.columns)),table.columns,rotation=45)plt.show()5.6同業(yè)比較--其他能力比較（運(yùn)營(yíng)能力、償債能力、成長(zhǎng)能力）輸出結(jié)果：營(yíng)收增長(zhǎng)率貴州茅臺(tái)處在行業(yè)上四分位數(shù)水平，可以看出全行業(yè)的營(yíng)收增長(zhǎng)率差別還是很大的。凈利潤(rùn)增長(zhǎng)率上全行業(yè)差別也很大，主要是青青稞酒又一次影響了行業(yè)水平，可以看到貴州茅臺(tái)還是處于行業(yè)上四分位數(shù)附近的，說(shuō)明增長(zhǎng)速度處于領(lǐng)先地位。5.6同業(yè)比較--其他能力比較（運(yùn)營(yíng)能力、償債能力、成長(zhǎng)能力）本節(jié)從數(shù)據(jù)讀取、數(shù)據(jù)處理、可視化等方面簡(jiǎn)單介紹了如何利用Python實(shí)現(xiàn)簡(jiǎn)單的財(cái)務(wù)同業(yè)比較。在同業(yè)分析中應(yīng)重點(diǎn)注意可視化方式的選?。ㄒ话氵x用柱狀圖）、特殊企業(yè)的影響（可以考慮剔除）以及統(tǒng)計(jì)量的選?。ū热绫菊鲁砷L(zhǎng)能力部分平均值不再奏效，中位數(shù)更有意義）。5.7同業(yè)分析綜合評(píng)分以白酒行業(yè)為例，該行業(yè)共有20家上市公司。我們可以用這樣的標(biāo)準(zhǔn)：該指標(biāo)處于同業(yè)前25%，打100分；該指標(biāo)處于同業(yè)50%~75%之間，打75分；該指標(biāo)處于同業(yè)25%~50%之間，打50分；該指標(biāo)在同業(yè)后25%，得0分。首先，讀取本書(shū)提供的相關(guān)數(shù)據(jù)，計(jì)算這些公司的“財(cái)務(wù)比率表”中各項(xiàng)指標(biāo)的5年均值，并把所有同行業(yè)公司的數(shù)據(jù)保存在一張表格中，代碼如下：#導(dǎo)入相關(guān)庫(kù)importpandasaspdimportnumpyasnpimportmatplotlib.pyplotasplt

#讀取同行業(yè)股票代碼com_data=pd.read_excel('com_data2.xlsx')bj_com=com_data[com_data['industry']=='白酒']bj_code=bj_com['ts_code'].tolist()bj_name=bj_com['name'].tolist()5.7同業(yè)分析綜合評(píng)分#制作匯總表ratio_ind=pd.DataFrame()fornameinbj_name:#讀取財(cái)務(wù)比率表數(shù)據(jù)，這部分內(nèi)容不熟悉的可以復(fù)習(xí)下上一章

df_ra