Value Investing (Heute: "Vigilant Leadership")

Published April 4, 2020, 1:57 p.m. by finsteininvest

Photo by Jp Valery on Unsplash

Im ersten Teil von Value Investing habe ich angefangen ein Modul aufzubauen, um Grundlagen zur Kaufentscheidung einer Aktie zu ermitteln.

Heute werde ich fmp.py weiter ausbauen, um "low debt/equity ratio", "high current ratio" und "return on equity" zu ermitteln. Das ist der gelbe Bereich in dem Schaubild.

Value Investing Principles

Bevor es los geht, muss der Code aus Git kopiert werden:

Aus Github brauchen wir die Datei "fmp.py"

Vorher aber bitte noch Wie Du mein Code zum laufen bekommst-> anschauen.

Jetzt ab auf die Kommandozeile

Ich habe fmp.py so weit ausgebaut, dass diese Kennzahlen denkbar einfach abgerufen werden können. 3 Funktionen stehen zur Verfügung:

 get_current_ratio(symbol)
Retrieves dataframe with assets and liabilities
and the current ratio

get_debt_equity(symbol)
Retrieves dataframe with debt and equity
and the debt/equity ratio

get_historic_roe(symbol, debug=False)
Retrieves a dataframe for ROE
for a given symbol.

Beispiel (für Microsoft):

import fmp

df = fmp.get_current_ratio('MSFT')

df

Total current assets Total current liabilities current_ratio
date
2009-06-30 2.860800e+10 2.703400e+10 1.058223
2010-06-30 5.567600e+10 2.614700e+10 2.129346
2011-06-30 7.491800e+10 2.877400e+10 2.603670
2012-06-30 8.508400e+10 3.268800e+10 2.602912
2013-06-30 1.014660e+11 3.741700e+10 2.711762
2014-06-30 1.142460e+11 4.562500e+10 2.504022
2015-06-30 1.247120e+11 4.985800e+10 2.501344
2016-06-30 1.396600e+11 5.935700e+10 2.352882
2017-06-30 1.598510e+11 6.452700e+10 2.477273
2018-06-30 1.696620e+11 5.848800e+10 2.900800
2019-06-30 1.755520e+11 6.942000e+10 2.528839

df = fmp.get_historic_roe('MSFT')

df

ROE
date
2009-06-30 36.829466
2010-06-30 40.628045
2011-06-30 40.554981
2012-06-30 25.583533
2013-06-30 27.694315
2014-06-30 24.585672
2015-06-30 15.225454
2016-06-30 23.331528
2017-06-30 29.289720
2018-06-30 20.033125
2019-06-30 38.346526

df = fmp.get_debt_equity('MSFT')

df

Total debt Total shareholders equity de_ratio
date
2009-06-30 5.746000e+09 3.955800e+10 0.145255
2010-06-30 5.939000e+09 4.617500e+10 0.128619
2011-06-30 1.192100e+10 5.708300e+10 0.208836
2012-06-30 1.194400e+10 6.636300e+10 0.179980
2013-06-30 1.560000e+10 7.894400e+10 0.197608
2014-06-30 2.064500e+10 8.978400e+10 0.229941
2015-06-30 3.030700e+10 8.008300e+10 0.378445
2016-06-30 4.078300e+10 7.199700e+10 0.566454
2017-06-30 7.712200e+10 7.239400e+10 1.065309
2018-06-30 7.624000e+10 8.271800e+10 0.921686
2019-06-30 7.217800e+10 1.023300e+11 0.705345

Wem aber diese ganze "Spielerei" mit Python zu anstrengend ist. Da habe ich gute Nachrichten. Ich arbeite gerade an einem Dashboard:

FMP Dashboard