各位同学，欢迎来到《商业大数据分析与应用》的新章节。
今天，我们将一同探讨一个财务分析领域的经典工具——杜邦分析法 (DuPont Analysis)。
杜邦分析法由美国杜邦公司在20世纪初首创并成功应用。
它的强大之处在于，它没有发明任何新的财务指标，而是巧妙地将企业最核心的财务比率进行层层分解。
杜邦分析法的核心，是将净资产收益率 (Return on Equity, ROE) 分解为三个核心驱动引擎。
这三个引擎共同揭示了企业价值创造的源泉。
掌握杜邦分析法，不仅仅是学习一项财务技能。
更重要的是，培养一种系统性的商业思维方式，帮助我们超越单一财务数据的局限，理解商业模式的本质。
在深入杜邦分析的体系之前，我们必须首先牢固掌握其核心——净资产收益率 (Return on Equity, ROE)。
这是所有投资者最关心的问题。
’股神’沃伦·巴菲特最为推崇的财务指标之一，就是净资产收益率（ROE）。
它衡量的是公司利用自有资本赚钱的效率。
ROE的计算公式直观地表达了其核心思想：
\[ \large{ \text{ROE} = \frac{\text{净利润}}{\text{净资产}} } \qquad(1)\]
这个比率告诉我们，股东每投入一单位的资本，公司能为他们带来多少净利润。
假设你和朋友合伙开了一家咖啡店。
根据ROE的公式：
\[ \large{ \text{ROE} = \frac{\text{净利润}}{\text{净资产}} = \frac{15 \text{万}}{100 \text{万}} = 15\% } \]
这个15%的ROE意味着，你们投入的每一块钱本金，在这一年里为你们创造了0.15元的净利润。
一个持续保持高ROE的公司，通常意味着它具备以下一个或多个特征：
在分析真实的上市公司财报时，我们会遇到’归母’这个词。
理解这个概念对于精确计算ROE至关重要。
当一家母公司（集团总部）持有其子公司（业务分部）的股份不足100%时，就会产生‘少数股东’。
这些少数股东拥有子公司的一部分权益，因此，子公司的净利润和净资产也有一部分是属于他们的。
假设’华小智包子铺’发展壮大，投资并控股了’华小美奶茶店’ 80% 的股份。
今年，’华小美奶茶店’实现了 100万元 的净利润。
虽然在合并报表上会体现这100万的利润，但：
因此，在计算’华小智包子铺’的ROE时：
所以，我们在进行严谨的财务分析时，使用的ROE公式应为：
\[ \large{ \text{ROE} = \frac{\text{归母净利润}}{\text{归母净资产}} } \qquad(2)\]
其中，归母净资产即股东权益中扣除了少数股东权益的部分。
问题：净利润是期间（流量）指标，而净资产是时点（存量）指标。
用哪个时点的净资产做分母更合理？这催生了多种计算口径。
这是最简单直接的计算方式。
\[ \large{ \text{摊薄ROE} = \frac{\text{报告期归母净利润}}{\text{期末归母净资产}} } \qquad(3)\]
特点：简单快捷，适合快速估算，尤其是在计算季度ROE时。
为了更好地匹配，平均ROE使用了期初和期末净资产的平均值。
\[ \large{ \text{平均ROE} = \frac{\text{报告期归母净利润}}{(\text{期初} + \text{期末}) / 2} } \qquad(4)\]
特点：平滑了资产波动影响，更公允，在数据分析中非常常用。
这是最为公允和复杂的一种计算方式。
它考虑了报告期内因增发、回购、分红等行为导致的净资产变动，并根据时间给予不同权重。
\[ \large{ \text{加权ROE} = \frac{P}{E_0 + NP/2 + \sum E_i \frac{M_i}{M_0} - \sum E_j \frac{M_j}{M_0}} } \qquad(5)\]
特点：最公允，通常由会计师审计后在年报中披露。
我们还需要警惕’非经常性损益’对净利润的干扰。
非经常性损益：指企业偶然发生的、与主营业务关系不大的收益或损失。
例如：变卖固定资产、政府补贴、股票投资收益等。
这些收益不具备可持续性，可能会’美化’当年的利润数据，掩盖主营业务的真实情况。
一个真正优秀的公司，应该依靠其核心业务持续创造价值。
因此，一个更具洞察力的指标是扣非ROE，即从净利润中扣除非经常性损益后再计算ROE。
\[ \large{ \text{扣非归母净利润} = \text{归母净利润} - \text{非经常性损益} } \qquad(6)\]
\[ \large{ \text{扣非平均ROE} = \frac{\text{扣非归母净利润}}{(\text{期初} + \text{期末}) / 2} } \qquad(7)\]
我们来看一个真实案例：苏宁易购。
观察下表中，其加权平均ROE与扣非平均ROE的巨大差异。
| 年份 | 加权平均ROE | 扣非平均ROE | 差异说明 |
|---|---|---|---|
| 2016 | 2.06% | -3.23% | 主业亏损，非经常性收益为正 |
| 2017 | 10.19% | -0.20% | 主业亏损，非经常性收益巨大 |
| 2018 | 16.83% | -0.42% | 主业亏损，非经常性收益巨大 |
| 2019 | 10.97% | -6.28% | 主业亏损，非经常性收益巨大 |
在2016至2019年间，苏宁易购的主营业务实际上是持续亏损的。
其正的净利润主要来源于：
这些都是不可持续的非经常性损益。
当资产’卖无可卖’时，公司的真实经营状况便暴露无遗。
这个案例深刻地提醒我们，在分析ROE时，必须关注’扣非’指标，以探究企业盈利的真实质量。
掌握了ROE的计算之后，我们便可以进入杜邦分析的核心。
它的精髓在于，将ROE分解为三个关键财务比率的乘积。
我们从ROE的公式出发：
\[ \large{ \text{ROE} = \frac{\text{净利润}}{\text{股东权益}} } \]
现在，我们做一个简单的数学处理：同时乘以并除以’营业收入’。
\[ \large{ \text{ROE} = \frac{\text{净利润}}{\text{股东权益}} \times \left( \frac{\text{营业收入}}{\text{营业收入}} \right) } \]
重新组合一下分子分母：
\[ \large{ \text{ROE} = \left( \frac{\text{净利润}}{\text{营业收入}} \right) \times \left( \frac{\text{营业收入}}{\text{股东权益}} \right) } \]
我们已经将ROE分解成了两个比率的乘积。
我们再进行一次同样的操作，这次同时乘以并除以’总资产’。
\[ \large{ \text{ROE} = \left( \frac{\text{净利润}}{\text{营业收入}} \right) \times \left( \frac{\text{营业收入}}{\text{股东权益}} \right) \times \left( \frac{\text{总资产}}{\text{总资产}} \right) } \]
再次重新组合…
最终，我们得到了经典的杜邦三因素分解公式：
\[ \large{ \text{ROE} = \left( \frac{\text{净利润}}{\text{营业收入}} \right) \times \left( \frac{\text{营业收入}}{\text{总资产}} \right) \times \left( \frac{\text{总资产}}{\text{股东权益}} \right) } \qquad(8)\]
这个公式巧妙地将企业的财务状况与经营成果联系了起来。
\[ \large{ \text{ROE} = \text{营业净利率} \times \text{总资产周转率} \times \text{权益乘数} } \]
这三个因素分别代表了企业价值创造的三个维度。
营业净利率 (Net Profit Margin)
\[ \large{ \text{营业净利率} = \frac{\text{净利润}}{\text{营业收入}} } \]
总资产周转率 (Total Asset Turnover)
\[ \large{ \text{总资产周转率} = \frac{\text{营业收入}}{\text{总资产}} } \]
权益乘数 (Equity Multiplier)
\[ \large{ \text{权益乘数} = \frac{\text{总资产}}{\text{股东权益}} } \]
通过杜邦分解，我们可以清晰地看到，要提升股东的回报（ROE），一家公司可以通过三种途径努力：
不同的商业模式和行业，会侧重于不同的驱动因素。
理论学习的最终目的是为了应用。
接下来，我们将运用Python，基于ROE，从A股市场中筛选出具有持续盈利能力的优质上市公司。
为了排除那些依靠偶然因素的公司，我们设定了严格的连续性标准：
能同时满足这些标准的公司，通常都具备非常稳定的经营实力。
原始数据.xlsx 文件中加载A股财务数据。首先，我们导入必要的库，并从Tushare获取A股所有公司的列表。然后，加载我们预先准备好的财务数据。
# 导入库
import pandas as pd
import tushare as ts
pro = ts.pro_api('ba1646815a79a63470552889a69f957f5544bef01d3f082159bf8474')
# 获取上交所所有正常上市公司的股票代码
code_sheet = pro.stock_basic(exchange = 'SSE')
code_list = code_sheet['ts_code']
# 要求1：使用Pandas读取名为 '原始数据.xlsx' 的文件
# 并将'end_date'列作为字符串读取，防止Pandas自动转换格式
data = pd.read_excel('原始数据.xlsx', dtype={'end_date':str})加载数据后，需要进行清洗，只保留我们需要的年报数据，并给列重命名以方便后续调用。
# 清除重复数据
data.drop_duplicates(inplace = True)
# 只保留特定年份的年报数据
data = data[data['end_date'].isin(['20171231','20181231','20191231','20201231','20211231','20221231'])]
# 对列索引重命名，方便后续调用
data = data.rename(columns = {'ts_code':'股票代码','end_date':'报告日',
'revenue':'营业收入','n_income':'净利润',
'total_assets':'总资产',
'total_hldr_eqy_inc_min_int':'股东权益'})利用Pandas的列运算功能，我们可以非常方便地计算出杜邦分析的各个指标。
接下来是核心的筛选逻辑。我们先处理第一个标准：连续3年ROE > 20%。
我们将遍历每一个股票代码，检查其2020-2022年的数据是否都满足条件。
首先，准备一个空列表用于存放结果，并从总数据中筛选出2020-2022年的数据。
我们使用一个for循环来遍历所有股票。在循环内部，我们检查每家公司的数据。
在确认有3年数据后，我们用一个’标志’变量b和内层循环来检查每年的ROE。
第二个标准的筛选逻辑与第一个完全相同，只是参数不同：
roe <= 0.15我们可以用同样的方法来完成筛选。
下面是包含两个筛选标准并打印结果的完整代码。
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import tushare as ts
pro = ts.pro_api('ba1646815a79a63470552889a69f957f5544bef01d3f082159bf8474')
# 首先获取上交所所有正常上市公司的股票代码
code_sheet = pro.stock_basic(exchange = 'SSE') # 获取上交所股票信息，存为表格
code_list = code_sheet['ts_code'] # 提取股票代码这一列存为列表code_list备用
data = pd.read_excel('原始数据.xlsx', dtype={'end_date':str})
# 清除重复数据
data.drop_duplicates(inplace = True)
# 只保留年报数据，且只保留2010年12月31日及以后的
data = data[data['end_date'].isin(['20171231','20181231','20191231','20201231','20211231','20221231'])]
# 对列索引重命名
data = data.rename(columns = {'ts_code':'股票代码','end_date':'报告日','revenue':'营业收入','n_income':'净利润','total_assets':'总资产','total_hldr_eqy_inc_min_int':'股东权益'})
# 计算杜邦分析各比率
# 净资产报酬率
data['roe'] = data['净利润']/data['股东权益']
# 营业净利率
data['营业净利率'] = data['净利润']/data['营业收入']
# 总资产周转率
data['总资产周转率'] = data['营业收入']/data['总资产']
# 权益乘数
data['权益乘数'] = data['总资产']/data['股东权益']
# 选择2020~2022年连续3年净资产收益率大于20%的公司
code_3year = [] # 新建一个list,存放连续3年roe>20%的公司
# 首先只保留2020~2022年的数据
data_3 = data[data['报告日'].isin(['20201231','20211231','20221231'])]
# 对每个上市公司分别判断三年的roe是否都大于20%，且数据不少于3年
for i in range(len(code_list)):
a = data_3[data_3['股票代码']==code_list[i]]
if len(a) == 3: # 判断数据是否不少于3年
b = 1
for j in range(3): # 依次判断每条数据的roe是否小于0.2，一旦有小于0.2的数据则b由1变为0，同时跳出循环
if a.iloc[j]['roe'] <= 0.2:
b = b - 1
break
if b == 1:
code_3year.append(code_list[i])
# 连续3年roe高于20%的公司信息
roe_3 = code_sheet[code_sheet['ts_code'].isin(code_3year)]
print("连续3年roe高于20%的公司信息：\n",roe_3)
# 选择2018~2022年连续5年净资产收益率大于15%的公司
code_5year = [] # 新建一个list,存放连续5年roe>15%的公司
# 首先只保留2018~2022年的数据
data_5 = data[data['报告日'].isin(['20181231','20191231','20201231','20211231','20221231'])]
# 对每个上市公司分别判断三年的roe是否都大于15%，且数据不少于5年
for i in range(len(code_list)):
a = data_5[data_5['股票代码']==code_list[i]]
if len(a) == 5:
b = 1
for j in range(5):
if a.iloc[j]['roe'] <= 0.15:
b = b - 1
break
if b == 1:
code_5year.append(code_list[i])
# 连续5年roe高于15%的公司信息
roe_5 = code_sheet[code_sheet['ts_code'].isin(code_5year)]
print("连续5年roe高于15%的公司信息：\n",roe_5)找到了这些’绩优股’之后，一个更深层次的问题是：它们为什么优秀？
它们的成功是由高利润率、高运营效率还是高财务杠杆驱动的？这就是杜邦分析大显身手的地方。
我们将对上一节筛选出的’连续5年ROE高于15%’的公司进行深入分析。
我们从筛选出的5年数据 data_5year 开始，使用 groupby() 和 mean() 方法来计算每家公司各项指标的5年平均值。
计算出平均值后，数据里只有股票代码。我们需要把公司名称、行业等信息合并进来，方便我们解读。
让我们先按平均ROE从高到低排序，看看综合实力最强的公司有哪些。
现在，我们按’营业净利率’降序排序，寻找那些依靠强大盈利能力取胜的公司。
接着，我们按’总资产周转率’降序排序，寻找那些’薄利多销’的运营效率大师。
最后，我们按’权益乘数’降序排序，寻找那些善于利用财务杠杆的公司。
通过这几步简单的排序和观察，我们直观地验证了杜邦分析法在揭示企业商业模式上的强大能力。
它帮助我们从’是什么’（高ROE）深入到了’为什么’（三种驱动模式）。
杜邦分析的核心ROE是一个非常出色的指标，但它主要从股东的角度出发。
一家公司的资本来源不仅仅是股东，还有债权人（银行、债券持有人等）。
为了衡量企业使用所有投入资本（包括股东权益和有息债务）创造回报的能力，我们引入一个更全面的指标：
投入资本回报率 (Return on Invested Capital, ROIC)
ROIC能够更真实地反映企业核心业务的’造血’能力，因为它剔除了财务杠杆的影响。
\[ \large{ \text{ROIC} = \frac{\text{息前税后利润 (EBIAT)}}{\text{投入资本 (IC)}} } \qquad(9)\]
\[ \large{ = \frac{\text{息税前利润 (EBIT)} \times (1 - \text{税率})}{\text{有息债务} + \text{股东权益}} } \qquad(10)\]
这个公式看起来复杂，我们来逐一分解。
EBIAT: 公司在不考虑融资结构（不扣除利息）下的核心经营利润。
核心思想：衡量的是业务本身能产生多少利润，与公司是借钱还是用自有资金经营无关。
IC: 所有投资者（股东和债权人）真正投入企业期望获得回报的资金。
投入资本 (IC) = 股东权益 + 所有有息债务
核心思想：只计算那些需要支付利息的债务。像’应付账款’这种无息占用供应商的钱，不属于投入资本。
一家公司的ROIC如果远高于其资本成本 (WACC)，才是在真正地为所有投资者创造价值。
它剔除了财务杠杆的’美颜’效果，直指企业核心竞争力。
接下来，我们将以’贵州茅台’和’苏宁易购’为例，计算并比较它们的ROIC，看看这个指标能为我们带来哪些新的洞见。
计算EBIT和最终的ROIC是核心步骤。
运行完整代码后，我们将得到两家公司近5年的ROIC数据。
ROIC的结果进一步印证了：
真正优秀的企业，其核心业务本身就具有强大的、不依赖于高杠杆的盈利能力。
ROIC是检验这种能力的’试金石’。
本章我们系统学习了杜邦分析法，这是一个将财务分析与商业战略相结合的强大框架。
杜邦分析法不仅是一套公式，更是一种思维框架。
它教会我们透过复杂的财务数据，去探寻驱动企业价值创造的本质原因：是盈利能力、运营效率，还是财务杠杆？
希望大家能将这个框架应用于未来的商业分析和投资决策中。
Q & A
[商业大数据分析与应用]