告诉你怎么用Python进行企业营运分析
内容导入：
大家好，这里是每天财务转一转。Python的应用领域现在非常的广泛，随着会计与财务智能化的步伐加快，Python数据分析在财务分析与投资决策中会占有一席之地。
形如SPSS与SAS这样的可视化数据分析，是没有进行财务专业方向的模块的，excel中虽然有财务函数，但是使用不太灵活，也不能用于系统开发。如果你是R语言的使用者，可以忽略此类型内容，这方面，R语言与Python语言功能大致相同。
小神马目前准备了一系列财务运算的内容，给大家做分享。今天准备给大家介绍企业营运能力分析的方法。
概念介绍：
企业营运能力（Analysis of Enterprises' Operating Capacity），主要指企业营运资产的效率与效益。企业营运资产的效率主要指资产的周转率或周转速度。企业营运资产的效益通常是指企业的产出量与资产占用量之间的比率。
企业营运能力分析就是要通过对反映企业资产营运效率与效益的指标进行计算与分析，评价企业的营运能力，为企业提高经济效益指明方向。
第一，营运能力分析可评价企业资产营运的效率。
第二，营运能力分析可发现企业在资产营运中存在的问题。
第三，营运能力分析是盈利能力分析和偿债能力分析的基础与补充。本文主要运用趋势分析与比率分析等方法来评估企业的资产状况。
今天主要给大家介绍流动资产营运能力分析，主要指标如下：
1、流动资产周转加速效果分析；
2、存货周转率分析；
3、应收账款周转率分析。
流动资产周转率介绍：
1、概念：流动资产周转率指企业一定时期内主营业务收入净额同平均流动资产总额的比率，流动资产周转率是评价企业资产利用率的一个重要指标。
2、通过对该指标的对比分析，可以促进企业加强内部管理，充分利用流动资产，如调动暂时闲置的货币资金用于短期的投资创造收益等。
3、计算方式
流动资产周转率（次）=主营业务收入净额/平均流动资产总额
流动资产周转天数=流动资产平均余额*计算期天数/流动资产周转额(产品销售收入)
平均流动资产总额=（流动资产年初数+流动资产年末数）/2，即平均流动资产总额是指企业流动资产总额的年初数与年末数的平均值，此数值可以在资产负债表找到。与非流动资产无关。
存货周转率介绍：
1、概念：存货周转率又名库存周转率，是企业一定时期营业成本（销货成本）与平均存货余额的比率。
2、作用：用于反映存货的周转速度，即存货的流动性及存货资金占用量是否合理，促使企业在保证生产经营连续性的同时，提高资金的使用效率，增强企业的短期偿债能力。存货周转率是对流动资产周转率的补充说明，是衡量企业投入生产、存货管理水平、销售收回能力的综合性指标。
3、计算方式
成本基础的存货周转次数=营业成本/存货平均余额
存货平均余额=（期初存货+期末存货）/2
存货周转天数=计算期天数（365）/存货周转率
应收账款周转率介绍：
1、概念：应收账款周转率是指定的分析期间内应收账款转为现金的平均次数。
2、作用：公司的应收账款在流动资产中具有举足轻重的地位。公司的应收账款如能及时收回，公司的资金使用效率便能大幅提高。应收账款周转率就是反映公司应收账款周转速度的比率。它说明一定期间内公司应收账款转为现金的平均次数。用时间表示的应收账款周转速度为应收账款周转天数，也称平均应收账款回收期或平均收现期。它表示公司从获得应收账款的权利到收回款项、变成现金所需要的时间。
3、计算方式
应收账款周转率=赊销收入净额/应收账款平均余额
赊销收入净额=销售收入-销售退回-现销收入
应收账款平均余额=（期初应收账款余额 + 期末应收账款余额）/2
应收账款周天数=360/应收账款周转率
实现过程：
1、代码说明
# -*- coding:utf-8 -*-
# 代码基于python2版本，请用python2执行# 输入scode时，请加引号，如‘600600’
# 输入year时，请直接输入，如 2017
2、模块引入 import tushare as ts import matplotlib.pyplot as plt import numpy as np
分别引入了财务模块、可视化模块与计算科学模块。
3、参数定义 scode ='300114' timelist=[2010,2011,2012,2013,2014] year1=2010 year2=2011 year3=2012 year4=2013 year5=2014
定义企业代码‘300114’，时间年限为连续的5年，2010到2014年。这些参数是可以修改的。
4、时间处理
def get_operation_data(year1, year2, year3, year4, year5,scode):
timelist = []
timelist.append(year1)
timelist.append(year2)
timelist.append(year3)
timelist.append(year4)
timelist.append(year5)
将传入的时间参数转化为列表。
5、初始化数组
arturnover = []
arturndays = []
inventory_turnover = []
inventory_days = []
currentasset_turnover = []
currentasset_days = []
初始化周转率与周转天数的数组，用于保存数据。
6、获取财务数据
for i in timelist:
operation_data = ts.get_operation_data(i, 4)
operation_data.index = operation_data.code
data = operation_data[operation_data.index == scode]
arturnover.append(float(data.arturnover))
arturndays.append(float(data.arturndays))
inventory_turnover.append(float(data.inventory_turnover))
inventory_days.append(float(data.inventory_days))
currentasset_turnover.append(float(data.currentasset_turnover))
currentasset_days.append(float(data.currentasset_days))
爬取所需对的财务数据。
7、应收账款周转率折线图
plt.figure(figsize=(12, 6))
ind = np.arange(5)# 应收账款周转率折线图plt.subplot(231)
plt.title('AR Turnover(ci)')
plt.plot(arturnover, 'r', label='AR Turnover')
plt.xticks(ind, (year1, year2, year3, year4, year5))
输出结果：
应收账款周转率从2011年逐年下降，资金周转能力减弱。
8、存货周转率折线图
# 存货周转率折线图plt.subplot(232)
plt.title('Inventory Turnover(ci)')
plt.plot(inventory_turnover, 'b', label='Inventory Turnover')
plt.xticks(ind, (year1, year2, year3, year4, year5))
输出结果：
企业存货周转率从2010年到2014年逐年下降，产品的周转能力下降。
9、流动资产周转率折线图
# 流动资产周转率折线图plt.subplot(233)
plt.title('CA Turnover(ci)')
plt.plot(currentasset_turnover, 'g', label='CA Turnover')
plt.xticks(ind, (year1, year2, year3, year4, year5))
输出结果：
企业流动资产周转率从2010年到2014年波动上升，流动资产的运营能力上升。
10、应收账款周转天数折线图
# 应收账款周转天数柱状图plt.subplot(234)
plt.bar(ind, arturndays, color='yellowgreen')
plt.title('AR Turnover Days')
plt.xticks(ind, (year1, year2, year3, year4, year5))for a, b in zip(ind, arturndays):
plt.text(a, b + 0.05, '%.2f' % b, ha='center',va='bottom', fontsize=7)
输出结果：
11、存货周转天数折线图
# 存货周转天数柱状图plt.subplot(235)
plt.bar(ind, inventory_days, color='gold')
plt.title('Inventory Turnover Days')
plt.xticks(ind, (year1, year2, year3, year4, year5))for a, b in zip(ind, inventory_days):
plt.text(a, b + 0.05, '%.2f' % b, ha='center',va='bottom', fontsize=7)
输出结果：
12、流动资产周转天数折线图
# 流动资产周转天数折线图
plt.subplot(236)
plt.bar(ind, currentasset_days, color='#FFA500')
plt.title('CA Turnover Days')
plt.xticks(ind, (year1, year2, year3, year4, year5))
for a, b in zip(ind, currentasset_days):
plt.text(a, b + 0.05, '%.2f' % b, ha='center', va='bottom', fontsize=7)
plt.show()
输出结果：
13、最终结果
各位小伙伴，今天就分享到这里，本次介绍了企业资产情况的数据爬取、分析与展示。
嘿嘿 视频教程案例源码加群：850591259