Рубрики
Без рубрики

Анализ маржинальности прибыльности с Python

Коэффициенты рентабельности являются финансовые метрики, предлагающие представление о том, насколько хороша компания может потребоваться … Помечено с Python, программированием, Datascity.

Коэффициенты рентабельности являются финансовые метрики, предлагающие представление о том, насколько хороша компания способна выработка доходов от доходов, активов и справедливости. В этом посте мы выполним анализ маржинальности доходности с Python, сравнивая соотношения прибыльности через одноранговые компании. Ниже приведены 5 различных связанных соотношений рентабельности, которые мы рассчитаем и анализируем:

  • Рентабельность по чистой прибыли
  • Валовая прибыль
  • Операционный доход
  • Возвращение на активы
  • Вернуться на справедливость

Фото Анна Некрашевич на Pexels.com.

Как рассчитать коэффициенты рентабельности

Перед началом работы Python Code для идентификации Peer Companies и проанализируют маржи прибыльности, мы введем каждое из соотношений в этом разделе.

Коэффициенты прибыльности и маржина

Коэффициенты маржи Очень полезны для понимания, насколько эффективна компания может превратить доходы в эксплуатацию и чистый доход. Мы охватим три основных метрика в этом посте, валовой прибыль, операционные маржи с чистой прибыли:

  • Валовая прибыль полезна для знания, сколько стоимости проданных товаров необходимы для получения одного доллара продаж. Чем выше валовая прибыль, тем больше компания течет на операционный доход и чистый доход от каждого доллара доходов.

Валовая прибыль прибыль/выручка

Операционная прибыль Прибыль/доход

Чистая прибыль дохода/доходы

При выполнении финансового анализа мы должны знать, что мы можем извлечь очень проницательные выводы при сравнении сверстников. Например, путем сравнения чистой прибыли в размере компаний мы можем определить, какие компании работают более эффективно в преобразовании продаж в прибыль.

Как только мы найдем лучшие исполнители с точки зрения чистой поля в группе сверстников, мы могли бы еще больше проанализировать валовую прибыль и операционную маржу, чтобы лучше понять, почему лучшие исполнительские компании имеют преимущество.   Более высокая операционная маржа указывает на то, что компания имеет очень конкурентоспособные марки валовой прибыли, либо очень привлекательные операционные марки. Я в состоянии генерировать единицу продаж, проведении меньше на Стоимость проданных товаров (Более высокая валовая прибыль) или более низкие маркетинговые и продажи, исследования и разработки и G & A (общие и административные) расходы, необходимые для получения доллара продаж.

В качестве альтернативы, чтобы сравнить одноранговые компании, мы могли бы выполнить анализ временной серии, чтобы проанализировать единую производительность компании во времени. Этот вид анализа соотношения особенно полезен для проведения тенденций компании. Я охватываю анализ временной серии финансовых соотношений в моем предыдущем посте на Анализируя баланс листовых финансовых соотношений с Python Отказ

Возврат на капитал и вернуться на активы

ROE или ROA являются соотношениями прибыли, которые измеряют, насколько эффективна компания способна создать прибыль на основе найдя на капитал (ROE) или объемом используемого актива (ROA).

Мы уже видели в моем предыдущем посте Как проанализировать возврат компании по капиталу с Python Отказ Поэтому нам не нужно учитывать гораздо детали о том, как интерпретировать возвращение соотношения на капитал (ROE). Этот финансовый соотношение просто позволяет нам знать, сколько чистых доходов компания генерирует на основе акционеров акционеров Компании.

Аналогично, возвращение на активы (ROA) указывает на то, сколько активов компании использует чистый доход.

ROE Доход/Среднее общего капитала

ROA Доход/Средние общие активы

Отлично, мы накрыли достаточно теории. Давайте посмотрим в следующем разделе, как мы можем сначала найти Peer Companies, а затем извлеките коэффициенты рентабельности с помощью Python.

Восстановление коэффициентов рентабельности в Python

Это моя любимая часть поста. Мы будем использовать finanicalmodelingpre. P Чтобы получить и обрабатывать необходимые финансовые данные. Код, представленный в этом посте, очень прост. Ниже приведены шаги высокого уровня, которые выполняет сценарий:

  1. Найти все сверстники компании. Чтобы сделать этот шаг, мы полагаемся на FinanicalModelingPrep. API предлагает и конечная точка для извлечения сверстников для выбранной компании. Поэтому нам просто нужно пройти в URL Ticker компании. Затем API вернет список Python, содержащий все сверты, основанные на секторе и рыночной кепке.
  2. Структура через каждый из акций для получения коэффициентов рентабельности от финансовых коэффициентов API.
  3. Извлечь и добавьте каждое из финансовых соотношений в словарь Python. Это будет полезно для того, чтобы иметь возможность представить финансовые отношения компанией.
  4. Преобразовать словарь Python в PandaS DataFrame

Обратите внимание, что нам нужен ключ API от FinanicalModeLingPrep, чтобы код для работы. Вы можете получить бесплатный ключ API с 250 запросами в день.

После запуска кода ниже PandaS DataFrame покажет результат анализа прибыльности с Python. Мы получаем финансовую таблицу, содержащую сверстники от Apple, потому что это компания, которую мы прошли в нашем коде. Не стесняйтесь менять тикер, чтобы выполнить аналогичный анализ прибыльности для других компаний. Мы также могли бы добавить Apple в список, чтобы также включить его в анализ.

Упаковка

Это не здорово? Используя менее 20 строк кода Python, мы можем сравнить показатели прибыльности в разных компаниях.

Мы видим, что Adobe (Adbe) имеет очень хорошую комнату чистой прибыли по сравнению с другими компаниями. Мы могли бы наблюдать, что Adobe более высокая чистая прибыль приводит к тому, что приводится в главным образом высокой маржи валовой прибыли по сравнению со сверстниками около 87%. Это, вероятно, связано с тем, что Adobe имеет цифровые продукты, не имеющие физического вещества и относительно дешевы для производства. Тем не менее, операционная прибыль маржи соответствует остальной части сверстников. Вероятно, благодаря сумме проводят Adobe в исследованиях и разработках новых продуктов. Мы могли бы построить Общий размер дохода дохода Чтобы посмотреть в эксплуатационные расходы компании.

В следующих шагах мы могли бы улучшить сценарий Python, чтобы добавить новые функции. Например, мы могли бы выделить среднее значение для каждой из метрик, чтобы сравнить каждый из компаний в среднем группе.

Надеюсь, что вы нашли сообщение о том, как выполнить анализ прибыльности с помощью Python Real.

Обратите внимание, что любая информация, включенная в этот пост, должна использоваться в качестве финансового консультации. Представленная здесь информация может быть неточна и поэтому не должна использоваться для принятия инвестиционных решений.

Оригинал: “https://dev.to/codingandfun/profitability-margin-analysis-with-python-20pd”