【财报分析】资产质量分析（二）

Hello (╹▽╹) 简书的小伙伴们，小鱼有段时间没有更新文章啦。一方面，是因为去偷懒了 o(╯□╰)o ，不过也有一个好消息带给大家~

在企业财报分析的系列文章中呢，有大量的工具函数，每次分析新的内容时，这些函数都需要我们手动拷贝到一个 Jupyter NoteBook 中，十分不方便。而且，小鱼每次更新新的文章时，也总需要 Copy 来 Copy 去！占用大量的篇幅，导致精华内容太少。

为此，小鱼做了一个决定，创建开源项目 ！

一. 开源项目的介绍

获取方式：

git clone git@gitee.com:miali/financial-report-analysis.git

没有 GIT 客户端的小伙伴们也可以直接打开 https://gitee.com/miali/financial-report-analysis 下载项目的压缩包。

通过压缩包下载时，需要在下载前选择好相应的分支，分支的选择在页面的最左侧，不同的分支对应不同的公司。获取代码之后，可以得到看到如下文件：

其中，需要关注的内容小鱼已经用彩色的方框圈出来了~这里，由于小鱼的代码是 002677 分支的分支，所以多了一个数据源文件夹，其中放置的是我们的分析数据源。

其中 generate_data.ipynb 就是从我们上述的目录中数据，进行数据的预处理、筛选等操作，然后生成供其他 .ipynb 文件分析的标准 data.csv`文件。

analysis 文件夹是一个自定义的 Python 包，其中包含了小鱼封装好的各类工具，在外部的 ipynb 中可以进行很方便的调用。

dist 中包含了分析过程中输出的各类文档报告，小鱼在提交代码时也进行了上传。如果你需要分析的公司，和小鱼分析的刚好是同一家，那么可以直接看小鱼输出的报告即可。

最后是 README.md 文档，该文档介绍了项目的设计和实现，阅读该文档，可以帮助您构建自己需要分析的公司。如果您的电脑没有安装打开 MarkDown 文档的应用，也可以在线看，文档就位于代码的下方。

注：也可以继续关注小鱼接下来更新的连载，完成学习后，相信你也可以用来分析自己心仪的公司发布的年报数据啦~

二. 使用 analysis 完成资产质量的分析

小鱼接下来的讲解，还是依据代码仓库内置的数据集，因此需要回到 main 分支。

git checkout main

资产质量分析位于 asset_quality_analysis.ipynb 文件中，其包含了默认数据集的资产质量分析过程。

注：在运行 asset_quality_analysis.ipynb 前需要在 dist 目录下有 data.csv 文件。该文件通过运行 generate_data.ipynb 生成，这里限于篇幅原因，不再介绍数据的生成过程。后续小鱼会继续更新该部分内容~

首先，导入自定义工具包：

from analysis import ANALYSIS_CONFIGS
from analysis.analysis import FinancialAnalysis
from analysis.doc_utils import ReportDocument

其中 ANALYSIS_CONFIGS 定义了各类分析使用的配置文件：

>> ANALYSIS_CONFIGS
['all_analysis.json',
 'asset_quality_analysis.json',
 'asset_indepth_analysis.json',
 'asset_fraud_analysis.json',
 'profit_analysis.json',
 'cash_flow_analysis.json']

关于资产质量分析，对应的配置文件为 asset_quality_analysis.json ，配置文件定义了每步分析用到的图片、标题形成以及字段信息。详情可以在 analysis 下的 ini_files 文件中查看。

接下来，使用 asset_quality_analysis.json 配置文件初始化资产质量分析对象，并获取相关属性复制给变量。

>> ana = FinancialAnalysis(ANALYSIS_CONFIGS[1])
>> images, titles, fields = ana.images, ana.titles, ana.fields

下面，就可以使用 ana 开始你的分析工作啦~

2.1 货币资金

现金流是企业的生命。企业可以不赚钱，只要现金流不断，就不会死亡。比如靠财政补贴存活的公司、经营性负债非常高的公司（占用上下游的资金）、靠母公司强大的现金流存货的子公司等等。

为此，分析资产质量，我们首先需要看看企业总资产中的准货币资金占比。准货币资金包含了货币资金（现金）和理财产品。

初始化资产质量分析的第一个表格 t1 ，并计算总货币资金和准货币资金占总资产的比率。

t1 = ana.init_table('t1')
t1['准货币资金'] = t1.T[:4].sum()
t1['准货币资金占总资产的比率'] = t1['准货币资金'] / t1['资产合计(元)']

ana.format_show_table('t1')

表格内容如下：

该公司连续 5 年的准货币资金占总资产的比例维持在 50% 左右，账上现金充裕，非常优秀。

ana.show_plot('t1')

通常情况下，准货币资金占总资产的比例小于 25% 时，则公司不够优秀。

2.2 应收账款

应收账款就是商品或者服务已经给对方了，但对方还没付款，也就是白条，是别人占你的便宜，因此我们希望总资产中应收账款占比越小越好。

合同资产为有条件的应收账款，随着条件的满足，在未收到对方账款的时候，合同资产会转换为应收账款。

分析最近 5 年的应收账款与合同资产占总资产的比例：

t2 = ana.init_table('t2')
t2['应收账款加合同资产'] = t2.T[:2].sum()
t2['应收账款与合同资产占总资产的比率'] = t2['应收账款加合同资产'] / t2['资产合计(元)']

ana.format_show_table('t2')

最近 5 年该公司的应收账款占比在不断上升，其中 2021 年达到了 11.49%。我们推测行业竞争可能在不断加剧，必须靠让渡账期来把货卖出去。

ana.show_plot('t2')

一般情况下，该比例小于 1% ，属于非常优秀的公司；优秀的公司一般小于 3%，大于 15% 则风险比较大。

2.3 预付款项

应收账款是货提前给了对方，钱没收回来；预付款项是提前把钱给了对方，货没拿回来。说白了钱都不在自己手上，均属于资产项。

分析某公司最近 5 年的预付款项占总资产的比例：

t3 = ana.init_table('t3')
t3['预付款项占总资产的比率'] = t3['预付款项(元)'] / t3['资产合计(元)']

ana.format_show_table('t3')

预付款项占总资产的比例不足 1% ，可见公司在行业内的实力强，信用好，不需要提前把钱付给上游供应商。

ana.show_plot('t3')

一般情况下，该比例小于 1% 属于优秀的公司，大于 3% 则风险比较大，可能实力不够，或者信用不好，必须要提前支付现金才能保证货源。

2.4 固定资产

资产质量分析的最后一项为固定资产，固定资产如厂房、设备等。固定资产在企业经营过程中会损耗、折旧，出现资产减值损失，并且固定资产的定期保养，也会带来额外的费用支出。

为此，我们通常选择固定资产占比小于 40% 的轻资产型公司，这样的公司，维持竞争力的成本更小。

t4 = ana.init_table('t4')
t4['固定资产+在建工程'] = t4.T[:2].sum()
t4['固定型资产占总资产的比率'] = t4['固定资产+在建工程'] / t4['资产合计(元)']

ana.format_show_table('t4')

该公司固定资产占总资产的比例最近 5 年基本维持在 10% ，属于非常轻的轻资产型公司。

ana.show_plot('t4')

以上就是资产质量分析的全部科目啦！在 Jupyter NoteBook 中完成所有分析后，执行如下语句，即可在 dist 目录下生成名为 xxxxxx ASSET_QUALITY_ANALYSIS 2017~2021.docx 的分析报告。

ReportDocument(ana).save()

总结一下，准货币资金占比越大越好，因为现金为王；应收账款、预付款项占比越小越好，因为都是别人占自己便宜，当然越小越好；固定资产会带来折旧摊销和额外费用，我们希望越小越好。