财务分析实战：用 20 行代码，自动算出关键指标并生成报告

很多人做财务分析，还在 Excel 里手工拉公式：毛利率、净利率、ROE、资产负债率……每换一家公司，就要重做一遍。数据一多，版本一乱，错误根本查不出来。

其实财务分析的核心就四件事：

读数据 → 算比率 → 看趋势 → 做对比。

用 Python 把这条链路自动化，20 行代码就能跑通。

一、财务分析的公式

财务分析 = 三张表 + 关键比率 + 时间趋势 + 行业对比。

三张表：利润表、资产负债表、现金流量表。 关键比率：盈利能力、偿债能力、运营能力、成长能力。 趋势：至少看 3～5 年。 对比：跟同行比，跟自己的历史比。

二、最小代码：20 行算清核心指标

假设你有一份 financials.csv，字段包括：年份、营业收入、营业成本、净利润、总资产、总负债、股东权益。

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv("financials.csv")

df["毛利率"] = (df["营业收入"] - df["营业成本"]) / df["营业收入"]
df["净利率"] = df["净利润"] / df["营业收入"]
df["ROE"] = df["净利润"] / df["股东权益"]
df["资产负债率"] = df["总负债"] / df["总资产"]

print(df[["年份", "毛利率", "净利率", "ROE", "资产负债率"]])

df.plot(x="年份", y=["毛利率", "净利率", "ROE"], marker="o")
plt.title("盈利能力趋势")
plt.tight_layout()
plt.savefig("profitability.png")

这段代码只做三件事：读数据、算比率、画趋势图。 换成真实数据，把 read_csv 换成 akshare 或数据库查询即可。

三、实战工作流

1. 取数：从财报、Wind、akshare、Tushare 或公司 ERP 导出。
2. 清洗：统一单位（万元/亿元）、对齐年份、处理缺失值。
3. 计算：毛利率、净利率、ROE、资产负债率、经营现金流/净利润。
4. 可视化：趋势图、同行对比柱状图、杜邦分析拆解。
5. 输出：自动生成 Markdown 或 Excel 报告，附上结论和风险提示。

一条命令导出报

python report.py --input financials.csv --output report.md

四、少量代码的关键：做编排，不做重复计算

• 把比率公式写成字典，批量计算。
• 把图表封装成函数，换数据不改逻辑。
• 把结论模板化，让模型或规则引擎填数。
• 用 pandas 做计算，用 matplotlib 做图，用 jinja2 出报告。

真正值钱的不是代码行数，而是你对业务的理解：哪个比率异动，意味着什么风险。

五、常见坑

• 口径不一致：母公司和合并报表混用，数据全错。
• 忽略非经常性损益：净利润好看，扣非后原形毕露。
• 只看比率不看业务：毛利率下滑，可能是原材料涨价，也可能是降价促销。
• 时间窗口太短：只看一年，看不出周期和趋势。
• 行业差异：拿制造业的资产负债率去比互联网，没有意义。
• 现金流被忽视：利润是观点，现金是事实。

六、总结

财务分析实战，不是堆 Excel 公式，而是建一条可复用的流水线：

取数 → 清洗 → 算比率 → 看趋势 → 做对比 → 出报告。

上面 20 行代码，已经能帮你自动算出核心指标并画出趋势图。接下来要做的，是接入真实数据源、补充现金流分析、加入同行对比，再把结论模板化。

先让机器算得准，再让人看得懂。