ПРЕДИСЛОВИЕ

В серии статей я бы протестировал анализ данных о торговле акциями из S&P 500 без временных рядов. Этот подход основан на том, что данные с финансовых рынков рассматриваются как оценка производительности, а не как сезонные колебания.

Мы будем искать конкретные моменты, когда справедливая оценка (рассчитанная по нашей модели) отличается от рыночной стоимости, чтобы мы могли купить дешево или продать дорого. Этот метод не будет работать на краткосрочных сделках, но может работать на сроках от нескольких дней до нескольких месяцев.

Весь процесс немного длительный, поэтому я разделил его на несколько частей. В этой части мы собираемся определить список необходимых финансовых KPI и создать сценарии для их сбора. Мы будем использовать их для нашей будущей модели машинного обучения.

Использование финансовых KPI выгодно по нескольким причинам. Во-первых, KPI показывают пропорцию или соотношение, обычно с ограниченным диапазоном. Это сокращает время, необходимое позже для оптимизации данных. Во-вторых, они объединяют несколько параметров, уменьшая количество переменных и делая модель более легкой и управляемой.

Фото Деон Блэк на Unsplash

ФИНАНСОВЫЕ КПЭ

Во-первых, давайте перечислим KPI, которые могут помочь нам понять, насколько хорошо работает компания и оправдано ли значение:

  1. ​Рентабельность капитала. Он показывает, насколько эффективно компания использует деньги инвесторов.

2. Долгосрочная задолженность по отношению к собственному капиталу. Оценивает финансовый рычаг компании

3. Отношение долга к собственному капиталу. Чем больше деятельность компании финансируется заемными средствами, тем выше риск банкротства.

4. Текущий коэффициент. Краткосрочная ликвидность компании

5. Валовая прибыль. Процент дохода, который компания сохраняет после вычета расходов, непосредственно связанных с продажей товаров или услуг.

6. Доход по сравнению с предыдущим кварталом. Насколько хорошо компания работает по сравнению с предыдущим кварталом.

7. Шкала Пиотроски. Оценка Пиотроски используется для определения акций с наилучшей стоимостью, где девять – лучшие, а ноль — худшие.

8. Рентабельность активов. Он показывает, насколько прибыльна компания по отношению к ее совокупным активам.

9. Прибыль на акцию. Доля прибыли компании, распределяемая на каждую выпущенную обыкновенную акцию

10.Соотношение цены и прибыли. Сколько лет прибыли компании требуется, чтобы выкупить ее стоимость с текущими доходами.

11. Отношение цены/прибыли к росту. Это помогает понять, можно ли скорректировать количество лет в расчете PE на рост компании по сравнению с прошлым годом.

12. Коэффициент выплаты дивидендов. Часть прибыли, которую компания выплачивает в виде дивидендов.

13. Дивидендная доходность. Процент от стоимости акций компании, который она ежегодно выплачивает в виде дивидендов.

14. Коэффициент оборачиваемости дебиторской задолженности. Коэффициент позволяет компаниям определить, обеспечивают ли их кредитная политика и процессы хороший денежный поток.

15. Промышленность. Различные отрасли экономики оцениваются по-разному и могут иметь значительные различия в допустимых уровнях КПЭ.

ПОЛУЧЕНИЕ ДАННЫХ

С идентифицированным списком параметров нам нужен источник данных, откуда мы можем загрузить все это. И, конечно же, он должен быть бесплатным и простым в использовании. :-)

Лучший вариант, который я нашел, — это https://www.tiingo.com/, который предоставляет широкий спектр данных с бесплатной учетной записью и возможностью будущего расширения.

Далее следует код Python, который может получить большинство необходимых параметров для наших данных анализа. Для его использования вам понадобится токен доступа к API.

Эти функции получат для нас:

  • ежедневные торговые данные по акциям;
  • фундаментальные показатели, такие как рыночная капитализация, стоимость предприятия, цена/прибыль и соотношение цена/прибыль, отношение цены/прибыли к коэффициенту роста;
  • Отрасль и Страна из метаданных акции;
  • все финансовые отчеты данные, которые мы будем использовать для нашего анализа, такие как общие активы, кредиторская задолженность, краткосрочные и долгосрочные долги.

ОБЪЕДИНЕНИЕ ДАННЫХ

Используя функции выше, мы получаем большинство необходимых переменных. Тем не менее, все же нам нужно объединить все это в одну таблицу и самостоятельно рассчитать несколько параметров: соотношение долга к собственному капиталу, доходность дивидендов, коэффициент выплат, коэффициент оборачиваемости дебиторской задолженности и прибыль на акцию.

Вот скрипт на питоне для этого:

ЧТО ДАЛЬШЕ?

После сбора всех финансовых KPI еще рано начинать процесс анализа. Другие параметры, которые мы не рассмотрели, оказывают значительное влияние на оценку акций, например:

  • внешние рыночные условия, такие как высокая волатильность во времена сильных рыночных потрясений и неопределенности,
  • стоимость займа,
  • будущие ожидания участников рынка относительно прибыли и доходности компании.

Охват их в одной статье сделал бы ее слишком большой и трудной для чтения. Я остановлюсь на них в своем следующем письме.

Пожалуйста, следуйте до!