【数据分析】上市公司半年报数据分析

2023-10-29 17:52

本文主要是介绍【数据分析】上市公司半年报数据分析,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

前言

前文介绍过使用网络技术获取上市公司半年报数据的方法,本文将对获取到的数据进行简要的数据分析。

获取数据的代码介绍在下面的两篇文章中

【java爬虫】使用selenium获取某交易所公司半年报数据-CSDN博客

【java爬虫】公司半年报数据展示-CSDN博客 

全量数据的获取传送门如下

【免费】某交易所上市公司半年报数据资源-CSDN文库 

下面进入数据分析环节。

 数据分析

我们的分析一共涉及六个维度的数据,分别是营业收入,净利润,经营现金流,净资产收益率,基本每股收益和资产负债率。营业收入,净利润和经营现金流都比较好理解,这边介绍一下后面三种数据的含义。

净资产收益率:净资产收益率是净利润与平均净资产的比值,该指标越高说明投资带来的回报越大;相反,该指标越低,说明公司的所有者权益的获利能力越弱。该指标体现了自有资本获得净收益的能力。

基本每股收益:基本每股收益是指企业应当按照属于普通股股东的当期净利润,除以发行在外普通股的加权平均数从而计算出的每股收益。如果企业有合并财务报表,企业应当以合并财务报表为基础计算和列报每股收益。简单来说就是每一个股民可以从这只股票获得的每一股的收益。

资产负债率:资产负债率又称举债经营比率,它是用以衡量企业利用债权人提供资金进行经营活动的能力,以及反映债权人发放贷款的安全程度的指标,通过将企业的负债总额与资产总额相比较得出,反映在企业全部资产中属于负债比率。这个值越大说明负债越多,这个值越小说明负债越少。

好了,介绍完数据的含义,我们正式开始数据的统计分析。首先是所有2222个上市公司的平均成绩。2023年上半年,统计口径内的公司的平均营业收入约为94亿元,平均净利润约为11亿元,平均经营现金流约为34.9亿元,平均净资产收益率约为3.43%,平均每股收益约为0.3元,平均资产负债率约为42.43%。

对于整体宏观的数据有了基本概念后,下面进行微观层面的统计分析。

首先是经营收入排名前十的公司,分别是中国石化,中国石油,中国人寿,中国移动,中国平安,工商银行,建设银行,中国建交,农业银行和上汽集团。其中排名第一的中国石化,实现营业收入15936.82亿元,排名第二的中国石油实现营业收入14798.71亿元,排名第十的上汽集团实现营业收入约为3265亿元,约占中国石化营业收入的20%左右,差距明显。在这十家公司中,资产收益率超过10%的有三家,分别是工商银行,建设银行和农业银行,分别达到了10.51%,11.95%和11.43%。资产负债率方面有四家超过了90%,分别是中国人寿,工商银行,建设银行和农业银行,资产负债率分别是91.87%,91.76%,92.27%和92.85%。

下面来看一下净利润排名前十的公司,分别是工商银行,建设银行,农业银行,中国银行,中国石油,中国移动,招商银行,中国平安,中国海油和邮储银行。排名第一的工商银行的净利润约为1737.44亿元,排名第十的邮储银行的净利润约为495.64亿元,约为工商银行的28.5%。

接着来看净资产收益率的情况,净资产收益率排名第一的公司是智翔金泰,收益率达到惊人的2198.18%,真是一家奇葩的公司,也不知道是怎么做到的。排名第二到第十的分别是石英股份,重庆啤酒,大连热电,高测股份,山西汾酒,固德威,德业股份和中视传媒。在这十家公司中,只有智翔金泰和中视传媒的经营现金流是负的,其他公司都是正的。

接着来看基本每股收益情况,每股收益排名前十的公司为贵州茅台,吉比特,石英股份,石头科技,山西汾酒,德业股份,固德威,禾迈股份,派能科技和中国平安。排名第一的是耳熟能详的贵州茅台,基本每股收益为28.64元,比排名第二的吉比特的9.4元整整多出了19.24元,并且贵州茅台的资产负债率是13.39%,财务状况非常健康。

最后来看一下资产负债率的情况,排名前十的公司分别为*ST明诚,*ST榕泰,*ST商城,*ST金山,神州细胞,*ST目药,*ST华仪,*ST全筑,海航控股和汉马科技。这一组中很多公司的净资产收益率是0%,这是因为有些公司没有公布这一项数据。资产负债比率达到100%或超过100%说明公司已经没有净资产或资不抵债,排名第一的ST明诚的资产负债率达到了惊人的445.06%,可以说完全是负资产了。可以看到这组数据中有很多公司的名称前面都有一个*ST,这代表退市风险警示,说明这家公司的经营状况出现问题。

最后做一个总结,从整体上来说,从各项指标来看,国企的现金流会比较健康,盈利能力也会比较好,可以看出我们国家的经济制度还是以公有制为主体、多种所有制经济共同发展。

PS:本文不提供任何投资建议

这篇关于【数据分析】上市公司半年报数据分析的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/302347

相关文章

Python:豆瓣电影商业数据分析-爬取全数据【附带爬虫豆瓣,数据处理过程,数据分析,可视化,以及完整PPT报告】

**爬取豆瓣电影信息,分析近年电影行业的发展情况** 本文是完整的数据分析展现,代码有完整版,包含豆瓣电影爬取的具体方式【附带爬虫豆瓣,数据处理过程,数据分析,可视化,以及完整PPT报告】   最近MBA在学习《商业数据分析》,大实训作业给了数据要进行数据分析,所以先拿豆瓣电影练练手,网络上爬取豆瓣电影TOP250较多,但对于豆瓣电影全数据的爬取教程很少,所以我自己做一版。 目

win7下安装Canopy(EPD) 及 Pandas进行python数据分析

先安装好canopy,具体安装版本看自己需要那种,我本来是打算安装win764位的,却发现下载总是出现错误,无奈只能下载了32位的! https://store.enthought.com/downloads/#default 安装好之后,参考如下连接,进行检验: 之后再根据下面提供的连接进行操作,一般是没问题的! http://jingyan.baidu.com/article/5d6

「大数据分析」图形可视化,如何选择大数据可视化图形?

​图形可视化技术,在大数据分析中,是一个非常重要的关键部分。我们前期通过数据获取,数据处理,数据分析,得出结果,这些过程都是比较抽象的。如果是非数据分析专业人员,很难清楚我们这些工作,到底做了些什么事情。即使是专业人员,在不清楚项目,不了解业务规则,不熟悉技术细节的情况下。要搞清楚我们的大数据分析,这一系列过程,也是比较困难的。 我们在数据处理和分析完成后,一般来说,都需要形成结论报告。怎样让大

结合Python与GUI实现比赛预测与游戏数据分析

在现代软件开发中,用户界面设计和数据处理紧密结合,以提升用户体验和功能性。本篇博客将基于Python代码和相关数据分析进行讨论,尤其是如何通过PyQt5等图形界面库实现交互式功能。同时,我们将探讨如何通过嵌入式预测模型为用户提供赛果预测服务。 本文的主要内容包括: 基于PyQt5的图形用户界面设计。结合数据进行比赛预测。文件处理和数据分析流程。 1. PyQt5 图形用户界面设计

使用AI大模型进行企业数据分析与决策支持

使用AI大模型进行企业数据分析与决策支持已成为现代企业管理的重要趋势。AI大模型凭借其强大的数据处理能力和智能分析功能,能够为企业提供精准、高效的数据分析服务,进而支持企业的决策过程。以下是使用AI大模型进行企业数据分析与决策支持的具体方式和优势: 一、AI大模型在数据分析中的应用 超级数据处理能力 海量数据处理:AI大模型能够同时处理海量数据,包括结构化数据、非结构化数据等,满足企业大规模

AIGC与数据分析融合,引领商业智能新变革(TOP企业实践)

AIGC与数据分析融合,引领商业智能新变革(TOP企业实践) 前言AIGC与数据分析融合 前言 在当今数字化时代,数据已成为企业发展的核心资产,而如何从海量数据中挖掘出有价值的信息,成为了企业面临的重要挑战。随着人工智能技术的飞速发展,AIGC(人工智能生成内容)与数据分析的融合为企业提供了新的解决方案。 阿里巴巴作为全球领先的科技公司,一直致力于探索和应用前沿技术,以提升企业

只有对比,才知道伊利股份半年报的高成色

投资圈有句名言:“当潮水退去的时候,才知道谁在裸泳”。大环境顺风顺水,大家看着都挺好,只有环境变化,才更容易分辨出来,谁才是真有实力。当下,在消费环境弱复苏的大背景下,高成色的半年报业绩让伊利股份的实力一览无余。 8月29日,伊利股份发布中期业绩。上半年,面对严峻复杂的市场环境,伊利直面挑战、主动调整,实现营业总收入599.15亿元,归母净利润75.31亿元,均稳居行业第一。

技术培训 | 大数据分析处理与用户画像实践|预告

主题: 大数据分析处理与用户画像实践 时间: 5 月 11 日 20:00 —— 21:30 地点: QingCloud 技术分享群,文末有二维码。 讲师: 孔淼 诸葛io 创始人 & CEO 90 后连续创业者,曾任 37degree CTO ,在任 37degree CTO 期间,孔淼曾带领团队服务 CCTV 、海尔、聚美优品、宝马等知名企业,对大数据分析的技术与行业有深厚的理解

用ACF和PACF计算出一堆数据的周期个数以及周期时长,数据分析python

具体步骤 1使用ACF和PACF:可以通过查看ACF图中的周期性峰值,找到数据中的周期性。如果ACF图在某个滞后期处出现显著的正相关峰值,并且这种模式在多个滞后周期中重复出现,这就是周期性信号的特征。而PACF则可以帮助确定延迟的直接影响。 2找周期数和周期长度:周期的时长可以通过ACF中第一个显著的峰值(排除滞后期为0时的峰值)来确定,而周期的个数则可以通过分析整个序列中的周期性重复次数来估计

python 数据分析 高效的学习路径

一、数据分析师应该具备哪些技能 数据分析人才热度也是高居不下,一方面企业的数据量在大规模的增长,对于数据分析的需求与日俱增;另一方面,相比起其他的技术职位,数据分析师的候选者要少得多。 要明确学习的路径,最有效的方式就是看具体的职业、工作岗位对于技能的具体需求。 我们从拉勾上找了一些最具有代表性的数据分析师职位信息,来看看薪资不菲的数据分析师,到底需要哪些技能。 其实企业对数据