在之前的章節中我們針對了技術面以及市場情序進行了探討，在本課中，我們將學習基本面的範疇，包含如何分析企業的財務數據，包括營收、淨利潤和成長率等關鍵指標。我們將使用 Python 進行數據處理，並繪製河流圖（Sankey Diagram）、成長圖等，來直觀地展示企業的財務狀況和成長趨勢。今日 Colab

一、引言

1. 為什麼要分析財務數據？

• 評估企業健康狀況：瞭解企業的營收和利潤情況，有助於評估其經營狀況。
• 投資決策參考：財務指標是投資者做出決策的重要依據。
• 發現趨勢：通過歷史數據分析，可以預測未來的發展方向。
  

2. 本課目標

• 獲取並整理企業的財務數據。
• 計算關鍵財務指標，如營收增長率、淨利潤率等。
• 使用可視化工具繪製河流圖、成長圖等，展示數據分析結果。

二、環境設置

1. 安裝必要的庫

我們需要以下 Python 庫：

• Pandas：數據處理和分析。
• NumPy：科學計算。
• Matplotlib：數據可視化。
• Seaborn：高階數據可視化。
• YFinance：獲取金融數據。
• Requests：HTTP 請求，用於獲取網絡數據。
• Plotly：互動式數據可視化。一個我很推薦用來產生更生動的圖的 library, 官網 有非常多範例

!pip install pandas numpy matplotlib seaborn
!pip install yfinance
!pip install requests
!pip install plotly

2. 導入庫

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import yfinance as yf
import requests
import plotly.graph_objects as go

三、數據獲取

1. 從 FinancialModelingPrep 獲取財務數據

我們將使用 FinancialModelingPrep（FMP）API 來獲取企業的財務報表數據。您需要在 FMP 官網 註冊並獲取 API 金鑰。另外也推薦看看這個連結學怎麼看財報！

# 替換為您的 FMP API 金鑰
api_key = 'YOUR_FMP_API_KEY'

# 定義要分析的公司，例如 Apple（AAPL）
symbol = 'AAPL'

2. 獲取財務報表

(1) 損益表（Income Statement）

income_statement_url = f'https://financialmodelingprep.com/api/v3/income-statement/{symbol}?limit=10&apikey={api_key}'
income_statement = requests.get(income_statement_url).json()

import json
income_statement_str = json.dumps(income_statement, indent=2)
print(income_statement_str)

可以得到:

(2) 資產負債表（Balance Sheet）

balance_sheet_url = f'https://financialmodelingprep.com/api/v3/balance-sheet-statement/{symbol}?limit=10&apikey={api_key}'
balance_sheet = requests.get(balance_sheet_url).json()

import json
balance_sheet_str = json.dumps(balance_sheet, indent=2)
print(balance_sheet_str)

可以得到:

(3) 現金流量表（Cash Flow Statement）

cash_flow_url = f'https://financialmodelingprep.com/api/v3/cash-flow-statement/{symbol}?limit=10&apikey={api_key}'
cash_flow = requests.get(cash_flow_url).json()

import json
cash_flow_str = json.dumps(cash_flow, indent=2)
print(cash_flow_str)

可以得到:

四、數據處理

1. 將數據轉換為 DataFrame

income_df = pd.DataFrame(income_statement)
balance_df = pd.DataFrame(balance_sheet)
cash_flow_df = pd.DataFrame(cash_flow)

2. 選擇需要的欄位

我們將關注以下指標：

• 營收（Revenue）：企業在一定期間內通過銷售產品或提供服務所獲得的總收入。營收是評估企業市場份額和經營能力的基本指標。

• 淨利潤（Net Income）：在扣除所有成本、費用、利息和稅金後的最終利潤。淨利潤反映了企業的盈利能力，是投資者關注的核心數據。

• 總資產（Total Assets）：企業擁有的所有資產總額，包括現金、應收賬款、固定資產等。總資產可以衡量企業的規模和資源豐富程度。

• 股東權益（Total Stockholders Equity）：企業的淨資產，即總資產減去總負債。股東權益代表了股東在企業中的權益，是評估財務健康和風險的重要指標。

我們選擇這些指標是因為它們能夠提供關於企業收入來源、盈利能力、資產狀況和財務穩健性的全面視圖，有助於我們深入分析企業的財務表現。

financial_data = income_df[['date', 'revenue', 'netIncome', 'costOfRevenue', 'grossProfit', 'operatingExpenses']].copy()
financial_data['totalAssets'] = balance_df['totalAssets']
financial_data['totalEquity'] = balance_df['totalStockholdersEquity']
financial_data['freeCashFlow'] = cash_flow_df['freeCashFlow']

3. 轉換日期格式

financial_data['date'] = pd.to_datetime(financial_data['date'])
financial_data.sort_values('date', inplace=True)
financial_data.reset_index(drop=True, inplace=True)

4. 計算成長率和比率

我們將計算以下財務指標：

(1) 營收增長率（Revenue Growth Rate）

公式：

Python 實現：

financial_data['revenueGrowth'] = financial_data['revenue'].pct_change()

解釋：

• 營收增長率衡量了企業營收的成長速度，反映了企業的市場拓展和產品銷售情況。

(2) 淨利潤率（Net Profit Margin）

公式：

Python 實現：

financial_data['netProfitMargin'] = financial_data['netIncome'] / financial_data['revenue']

解釋：

• 淨利潤率表示每一美元營收中有多少轉化為淨利潤，反映了企業的盈利效率和成本控制能力。

(3) 資產回報率（Return on Assets，ROA）

公式：

Python 實現：

financial_data['ROA'] = financial_data['netIncome'] / financial_data['totalAssets']

解釋：

• ROA衡量企業使用其資產產生利潤的能力，資產利用效率的指標。

(4) 股東權益回報率（Return on Equity，ROE）

公式：

Python 實現：

financial_data['ROE'] = financial_data['netIncome'] / financial_data['totalEquity']

解釋：

• ROE衡量股東投資獲得的回報率，評估股東權益的收益能力。

五、數據可視化

1. 營收和淨利潤趨勢圖

我們將繪製營收和淨利潤隨時間變化的趨勢圖，以觀察它們的走勢和關係。

plt.figure(figsize=(12, 6))
sns.lineplot(data=financial_data, x='date', y='revenue', label='營收')
sns.lineplot(data=financial_data, x='date', y='netIncome', label='淨利潤')
plt.title('營收和淨利潤趨勢')
plt.xlabel('日期')
plt.ylabel('金額（美元）')
plt.legend()
plt.show()

2. 營收增長率

繪製營收增長率的柱狀圖，直觀展示營收增長的速度和波動。

plt.figure(figsize=(12, 6))
sns.barplot(data=financial_data, x='date', y='revenueGrowth')
plt.title('營收增長率')
plt.xlabel('日期')
plt.ylabel('增長率')
plt.show()

3. 淨利潤率、ROA、ROE

將淨利潤率、ROA、ROE 繪製在同一圖表中，方便比較各指標的變化。

plt.figure(figsize=(12, 6))
sns.lineplot(data=financial_data, x='date', y='netProfitMargin', label='淨利潤率')
sns.lineplot(data=financial_data, x='date', y='ROA', label='ROA')
sns.lineplot(data=financial_data, x='date', y='ROE', label='ROE')
plt.title('盈利能力指標')
plt.xlabel('日期')
plt.ylabel('比率')
plt.legend()
plt.show()

4. 河流圖（Sankey Diagram）

河流圖可以直觀地展示資金或能量的流動。在財務分析中，我們可以使用河流圖來展示營收如何被分配到成本、費用，最終得到淨利潤。

解釋：

• 節點（Nodes）：代表財務報表中的不同項目，如營收、成本、毛利等。
• 連結（Links）：表示資金從一個節點流向另一個節點的數量。

程式碼：
這張圖是用 Plotly 做的互動的圖，歡迎上 Colab體驗

# 準備數據
labels = ['營收', '營業成本', '毛利', '營業費用', '淨利潤']
sources = [0, 0, 2, 2]  # 資金流的起始節點
targets = [2, 1, 3, 4]  # 資金流的目標節點
values = [
    financial_data['revenue'].iloc[-1],  # 營收
    -financial_data['costOfRevenue'].iloc[-1],  # 負的營業成本
    financial_data['grossProfit'].iloc[-1],  # 毛利
    -financial_data['operatingExpenses'].iloc[-1],  # 負的營業費用
]

# 建立河流圖
fig = go.Figure(data=[go.Sankey(
    node=dict(
        pad=15,
        thickness=20,
        line=dict(color="black", width=0.5),
        label=labels,
    ),
    link=dict(
        source=sources,
        target=targets,
        value=values
    ))])

fig.update_layout(title_text="財務河流圖", font_size=10)
fig.show()

說明：

• 節點（Nodes）：

  • 營收：企業的總收入。
  • 營業成本：生產產品或提供服務的直接成本。
  • 毛利：營收減去營業成本，即企業在扣除直接成本後剩餘的收入。
  • 營業費用：企業運營所需的間接費用，如管理費、銷售費用。
  • 淨利潤：最終利潤，毛利減去營業費用。

• 連結（Links）：

  • 營收到毛利：營收減去營業成本，得到毛利。
  • 營收到營業成本：表示營收的一部分用於支付營業成本。
  • 毛利到營業費用：毛利減去營業費用。
  • 毛利到淨利潤：最終得到淨利潤。

• 視覺化效果：

  • 流的寬度：代表資金流的大小，寬度越寬，數額越大。
  • 顏色：不同的流和節點可以設置不同的顏色，以便區分。

六、結果分析

1. 營收與淨利潤趨勢

• 觀察點：營收和淨利潤是否呈現同步增長，還是存在背離。
• 解釋：如果營收增長但淨利潤下降，可能是成本增加或利潤率降低，需要進一步分析原因。

2. 盈利能力指標

• 淨利潤率：高淨利潤率表示企業有較強的成本控制和定價能力。
• ROA：高 ROA 表示資產利用效率高，資產產生利潤的能力強。
• ROE：高 ROE 表示股東投資獲得較高的回報，但需要警惕過高的負債比例。

3. 成長率分析

• 營收增長率：持續的高增長率表明企業具有良好的市場競爭力和發展前景。
• 變化趨勢：增長率的波動可能預示市場環境的變化或企業自身的挑戰。

4. 河流圖解讀

• 資金流動：從營收開始，經過營業成本和營業費用的扣除，最終得到淨利潤。
• 成本結構：河流圖直觀地展示了成本和費用在總收入中的佔比，有助於識別成本控制的重點領域。
• 利潤貢獻：可以看到哪部分成本或費用對淨利潤影響最大，為決策提供依據。

七、完整程式碼

# 安裝必要的庫
!pip install pandas numpy matplotlib seaborn
!pip install yfinance
!pip install requests
!pip install plotly

# 導入庫
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import yfinance as yf
import requests
import plotly.graph_objects as go

# 替換為您的 FMP API 金鑰
api_key = 'YOUR_FMP_API_KEY'

# 定義要分析的公司
symbol = 'AAPL'

# 獲取財務報表
income_statement_url = f'https://financialmodelingprep.com/api/v3/income-statement/{symbol}?limit=10&apikey={api_key}'
income_statement = requests.get(income_statement_url).json()

balance_sheet_url = f'https://financialmodelingprep.com/api/v3/balance-sheet-statement/{symbol}?limit=10&apikey={api_key}'
balance_sheet = requests.get(balance_sheet_url).json()

cash_flow_url = f'https://financialmodelingprep.com/api/v3/cash-flow-statement/{symbol}?limit=10&apikey={api_key}'
cash_flow = requests.get(cash_flow_url).json()

# 轉換為 DataFrame
income_df = pd.DataFrame(income_statement)
balance_df = pd.DataFrame(balance_sheet)
cash_flow_df = pd.DataFrame(cash_flow)

# 選擇需要的欄位
financial_data = income_df[['date', 'revenue', 'netIncome', 'costOfRevenue', 'grossProfit', 'operatingExpenses']].copy()
financial_data['totalAssets'] = balance_df['totalAssets']
financial_data['totalEquity'] = balance_df['totalStockholdersEquity']
financial_data['freeCashFlow'] = cash_flow_df['freeCashFlow']

# 轉換日期格式
financial_data['date'] = pd.to_datetime(financial_data['date'])
financial_data.sort_values('date', inplace=True)
financial_data.reset_index(drop=True, inplace=True)

# 計算成長率和比率
financial_data['revenueGrowth'] = financial_data['revenue'].pct_change()
financial_data['netProfitMargin'] = financial_data['netIncome'] / financial_data['revenue']
financial_data['ROA'] = financial_data['netIncome'] / financial_data['totalAssets']
financial_data['ROE'] = financial_data['netIncome'] / financial_data['totalEquity']

# 可視化

## 營收和淨利潤趨勢圖
plt.figure(figsize=(12, 6))
sns.lineplot(data=financial_data, x='date', y='revenue', label='營收')
sns.lineplot(data=financial_data, x='date', y='netIncome', label='淨利潤')
plt.title('營收和淨利潤趨勢')
plt.xlabel('日期')
plt.ylabel('金額（美元）')
plt.legend()
plt.show()

## 營收增長率
plt.figure(figsize=(12, 6))
sns.barplot(data=financial_data, x='date', y='revenueGrowth')
plt.title('營收增長率')
plt.xlabel('日期')
plt.ylabel('增長率')
plt.show()

## 淨利潤率、ROA、ROE
plt.figure(figsize=(12, 6))
sns.lineplot(data=financial_data, x='date', y='netProfitMargin', label='淨利潤率')
sns.lineplot(data=financial_data, x='date', y='ROA', label='ROA')
sns.lineplot(data=financial_data, x='date', y='ROE', label='ROE')
plt.title('盈利能力指標')
plt.xlabel('日期')
plt.ylabel('比率')
plt.legend()
plt.show()

## 河流圖
labels = ['營收', '營業成本', '毛利', '營業費用', '淨利潤']
sources = [0, 0, 2, 2]  # 資金流的起始節點
targets = [2, 1, 3, 4]  # 資金流的目標節點
values = [
    financial_data['revenue'].iloc[-1],  # 營收
    -financial_data['costOfRevenue'].iloc[-1],  # 負的營業成本
    financial_data['grossProfit'].iloc[-1],  # 毛利
    -financial_data['operatingExpenses'].iloc[-1],  # 負的營業費用
]

fig = go.Figure(data=[go.Sankey(
    node=dict(
        pad=15,
        thickness=20,
        line=dict(color="black", width=0.5),
        label=labels,
    ),
    link=dict(
        source=sources,
        target=targets,
        value=values
    ))])

fig.update_layout(title_text="財務河流圖", font_size=10)
fig.show()

八、作業

1. 分析其他公司：選擇另一家您感興趣的公司，重複以上分析步驟。
2. 添加更多指標：如現金流量、負債比率等，進行更全面的財務分析。
3. 比較多家公司：將多家公司的財務指標進行比較，找出優劣勢。
4. 優化可視化效果：嘗試使用其他可視化工具或圖表，提升圖表的美觀和信息傳達效率。

提示

• 數據質量：確保獲取的數據完整且準確，特別是處理缺失值時要小心。
• API 限制：注意 API 的使用限制，如每分鐘請求次數等。
• 可視化技巧：選擇合適的圖表類型，調整配色和標籤，使圖表易於理解。

注意事項

• API 金鑰安全性：請勿將您的 API 金鑰公開分享，確保金鑰的安全。
• 合規要求：遵守各數據來源的使用條款和法律法規。
• 風險提示：財務分析僅供參考，投資需謹慎。

希望通過本課的學習，能夠掌握財務數據的分析方法，並能夠運用可視化工具直觀地展示分析結果。