Python財務分析案例

本文將以一個具體的案例為例，介紹如何使用Python進行財務分析。本文將從多個方面進行闡述。

一、數據收集和清洗

數據收集和清洗是財務分析的第一步。我們需要從不同數據源中收集數據，如Yahoo Finance、Sina Finance等。然後對數據進行清洗，剔除空值和異常值。

import pandas as pd
import numpy as np
import yfinance as yf

tickers = ['AAPL', 'MSFT', 'AMZN'] # 我們以蘋果、微軟和亞馬遜為例
start_date = '2010-01-01' # 起始日期
end_date = '2021-12-31' # 結束日期

prices_df = pd.DataFrame()

for ticker in tickers:
    ticker_df = yf.download(ticker, start=start_date, end=end_date)
    ticker_df = ticker_df[['Adj Close']]
    ticker_df.rename(columns={'Adj Close': ticker}, inplace=True)
    prices_df = pd.concat([prices_df, ticker_df], axis=1)

prices_df.dropna(inplace=True) # 剔除空值

二、股票收益率分析

股票收益率是股票價格變動的衡量指標，可以用來衡量投資的回報。我們可以使用Python計算股票的日收益率、累計收益率和平均收益率等指標。

returns_df = prices_df.pct_change() # 計算日收益率

cum_returns_df = (1 + returns_df).cumprod() # 計算累計收益率

avg_returns_df = returns_df.mean() # 計算平均收益率

# 繪製累計收益率曲線
import matplotlib.pyplot as plt

cum_returns_df.plot(figsize=(10, 6))
plt.title('Cumulative Returns')
plt.xlabel('Date')
plt.ylabel('Returns')
plt.show()

三、基本財務指標分析

基本財務指標可以幫助我們了解公司的財務狀況和盈利能力。我們可以使用Python計算凈利潤、毛利率、負債比率等指標，並進行可視化呈現。

fin_df = yf.Ticker('AAPL').financials.transpose() # 獲取蘋果的財務數據，轉置以方便處理

net_income_df = fin_df['Net Income'] # 計算凈利潤

gross_profit_df = fin_df['Gross Profit'] # 計算毛利率

liabilities_df = fin_df['Total Liab'] / fin_df['Total Assets'] # 計算負債比率

# 繪製凈利潤和毛利率曲線
net_income_df.plot(figsize=(10, 6))
gross_profit_df.plot(figsize=(10, 6))
plt.title('Net Income and Gross Profit')
plt.xlabel('Date')
plt.ylabel('Amount')
plt.legend(['Net Income', 'Gross Profit'])
plt.show()

# 繪製負債比率曲線
liabilities_df.plot(figsize=(10, 6))
plt.title('Liabilities to Assets Ratio')
plt.xlabel('Date')
plt.ylabel('Ratio')
plt.show()

四、財務比較分析

財務比較分析是將一家公司的財務指標與其同行業公司的財務指標進行比較，以了解其在行業中的競爭優勢和財務表現。我們可以使用Python計算不同公司的比較數據，並繪製可視化。

peers = ['AAPL', 'MSFT', 'AMZN'] # 同行公司

peers_fin_df = pd.DataFrame()

for peer in peers:
    peer_fin_df = yf.Ticker(peer).financials.transpose()
    peer_fin_df['Peer'] = peer
    peer_fin_df.set_index('Peer', append=True, inplace=True)
    peers_fin_df = pd.concat([peers_fin_df, peer_fin_df])

# 計算毛利率和凈利率
gross_profit_peers_df = peers_fin_df['Gross Profit'] / peers_fin_df['Total Revenue']
net_income_peers_df = peers_fin_df['Net Income'] / peers_fin_df['Total Revenue']

# 繪製毛利率和凈利率比較圖
gross_profit_peers_df.unstack().plot(kind='bar', figsize=(10, 6))
net_income_peers_df.unstack().plot(kind='bar', figsize=(10, 6))
plt.title('Gross Profit and Net Income Comparisons')
plt.ylabel('Ratio')
plt.legend(peers, loc='center left', bbox_to_anchor=(1, 0.5))
plt.show()

五、風險分析

風險分析是了解投資風險和收益之間的關係，以作出合理的投資決策。我們可以使用Python計算股票的波動率和夏普比率等指標，以進行風險分析。

ticker_info = yf.Ticker('AAPL').info

rf_rate = 0.01 # 投資無風險利率為1%

stock_return = cum_returns_df['AAPL'].iloc[-1] # 股票年化收益率

stock_volatility = returns_df['AAPL'].std() * np.sqrt(252) # 股票年化波動率

sharpe_ratio = (stock_return - rf_rate) / stock_volatility # 夏普比率

print('Stock Return:', round(stock_return, 4))
print('Stock Volatility:', round(stock_volatility, 4))
print('Sharpe Ratio:', round(sharpe_ratio, 4))

以上就是使用Python進行財務分析的幾個方面，當然還有很多財務指標可以使用Python進行計算和分析。在實際應用中，我們可以根據實際需求進行靈活運用。