Python金融数据分析与应用课件 第9章 基于K均值聚类的上市公司财务数据分析.pptxVIP

第9章基于K均值聚类的上市公司财务数据分析Python金融数据分析与应用（微课版）

目录CONTENTS上市公司财务概述9.1数据说明与预处理9.2财务数据的描述性分析与可视化9.3基于财务指标的K均值聚类与评价9.4案例报告--基于K均值聚类的上市公司盈利能力分析9.5

9.1上市公司财务概述

9.1上市公司财务概述上市公司是指在证券交易所上市交易的公司，其财务数据是投资者、金融数据分析师和决策者进行投资和经营决策的重要参考上市公司财务数据主要包括财务报表、财务指标和财务比率等内容，通过对这些数据进行分析，可以帮助我们更好地理解公司的经营状况和财务健康度财务报表通常包括资产负债表、利润表和现金流量表资产负债表反映了公司在特定日期的资产、负债和所有者权益情况利润表展示了公司在特定时期内的营业收入、成本和盈利情况现金流量表则记录了公司在特定时期内的现金流入和流出情况财务指标和财务比率是评估上市公司财务状况的重要指标比如，盈利能力指标包括净利润率、毛利率和营业利润率等偿债能力指标包括资产负债率、速动比率和利息保障倍数等投资价值评估的指标包括市盈率、市净率和股息率等

9.2数据说明与预处理

9.2.1数据说明9.2数据说明与预处理选取了在上海证券交易所上市的2272家公司的财务数据从资产负债表、利润表、现金流量表分别选取了部分指标，用于反映上市公司的基本财务状况指标指标数量说明资产负债表资产总计、负债合计、所有者权益合计3利润表营业收入、营业成本、营业利润、净利润4现金流量表经营活动产生的现金流量净额、投资活动产生的现金流量净额、筹资活动产生的现金流量净额3更名为现金流量净额_经营、现金流量净额_投资、现金流量净额_筹资

9.2.2数据预处理读取数据后，对数据进行缺失值统计，发现营业收入、营业成本、现金流量净额_筹资分别存在74个、76个、5个缺失值因为缺失规模较小，所以将其直接删除为了消除量纲的影响，事先对数据进行标准化处理删除原始数据中的证券代码和证券简称，仅保留10个财务数据最终用于进一步分析的数据包含2191条记录、10个变量#数据预处理#查看各列缺失值情况missing_values=data.isnull().sum()print(missing_values)data_cleaned=data.dropna()#删除缺失值df=data_cleaned.drop(columns=[证券代码,证券简称])#数据标准化scaler=StandardScaler()df_scaled=pd.DataFrame(scaler.fit_transform(df),columns=df.columns)print(df_scaled.shape)#查看处理后的数据维度9.2数据说明与预处理

9.3财务数据的描述性分析与可视化

9.3.1财务数据的基本统计特征9.3财务数据的描述性分析与可视化可以通过“df.describe()”来输出数值型数据的统计摘要不同公司的财务指标存在很大的差异。例如，营业收入最小值约为1.4万元，但最大值达到了3.2千亿元

9.3.2财务数据的核密度估计对于连续变量，通常可以用直方图或箱线图来展示其值的分布情况。因为异常值的存在，本案例的数据运用这两种方法展示的效果都不令人满意核密度估计（KernelDensityEstimation，KDE）是一种用于估计概率密度函数的非参数方法，它通过对数据进行平滑处理，生成一个连续的概率密度函数，来反映数据的分布情况在直方图无法准确反映数据分布的情况下，核密度估计可以提供更加连续和平滑的数据分布曲线，能更好地展示数据的特征。#列出要绘制的指标和对应的颜色、线型indicators={资产负债表指标:[(资产总计,red,-),(负债合计,blue,--),(所有者权益合计,green,-.)],利润表指标:[(营业收入,red,-),(营业成本,blue,--),(营业利润,green,-.),(净利润,purple,:)],现金流量表指标:[(现金流量净额_经营,red,-),(现金流量净额_投资,blue,--),(现金流量净额_筹资,green,-.)]}#创建3个子图fig,axs=plt.subplots(3,1,figsize=(20,12))#使用循环绘制每个子图fori,(title,data)inenumerate(indicator