ENGLISH VERSION BELOW

Analiza Rentowności Firm na Podstawie Danych Finansowych (Q1 2025)

Projekt ma na celu ocenę rentowności wybranych spółek notowanych na GPW (indeks WIG20) na podstawie ich wyników finansowych za I kwartał 2025 roku. Analiza została przeprowadzona w języku Python, z wykorzystaniem bibliotek do analizy i wizualizacji danych oraz zapytań SQL.

Zakres analizy:

1. Pozyskanie danych:

   • Surowe dane finansowe spółek WIG20 pobrano ze strony gpw.pl.
   • Dane zapisano w plikach .xlsx, a następnie przekonwertowano do .csv.

2. Czyszczenie i przekształcanie danych (ETL):

   • Dane zostały załadowane i oczyszczone w języku Python (moduły pandas, numpy).
   • Ujednolicono nazwy kolumn, usunięto błędy oraz uzupełniono brakujące dane.
   • Dane zostały połączone w jedną tabelę z użyciem funkcji pivot.

3. Import do relacyjnej bazy danych:

   • Dane zaimportowano do MySQL.
   • W folderze /sql znajduje się plik profitability_analysis_queries.sql zawierający zapytania SQL do analizy finansowej.

4. Analiza danych i wizualizacje:

   • Przeprowadzono analizę eksploracyjną w Jupyter Notebook.
   • Wykorzystano biblioteki:
     • pandas (analiza danych),
     • matplotlib, seaborn (wizualizacje),
     • scikit-learn (klasteryzacja, PCA).

Obliczone wskaźniki finansowe

Dla każdej spółki wyliczono:

Wskaźnik	Opis	Jednostka
ROE (Return on Equity)	Rentowność kapitału własnego	%
ROA (Return on Assets)	Rentowność aktywów	%
Net Profit Margin	Marża zysku netto	%
EBITDA Margin	Marża EBITDA	%
Debt to Equity	Wskaźnik zadłużenia do kapitału własnego	razy (x)

Dane kwartalne (Q1 2025):

• Zysk netto, EBITDA i przychody – dane z I kwartału 2025.
• Aktywa i kapitał własny – dane bilansowe na dzień 31.03.2025.

Struktura repozytorium:

• 📁 data/ -> dane źródłowe (CSV)
• 📁 report/ -> raport analizy w pdf
• 📁 notebooks/ -> analizy i wykresy w Jupyter Notebook
• 📁 sql/ -> zapytania SQL (MySQL)
• 📁 scripts/ -> skrypty do czyszczenia, pivotowania, importu
• README.md -> opis projektu

UWAGA Ten projekt służy wyłącznie celom edukacyjnym i nie stanowi porady inwestycyjnej. Wskaźniki finansowe są oparte na kwartalnych wynikach i mogą różnić się od oficjalnych, zannualizowanych danych publikowanych przez GPW lub instytucje finansowe.

---

Profitability Analysis of Companies Based on Financial Data (Q1 2025)

This project aims to assess the profitability of selected companies listed on the Warsaw Stock Exchange (WSE), specifically those included in the WIG20 index, based on their financial performance for the first quarter of 2025. The analysis was conducted in Python, using libraries for data processing and visualization, as well as SQL queries.

---

Scope of Analysis:

1. Data Acquisition:

   • Raw financial data for WIG20 companies was sourced from gpw.pl.
   • The data was initially saved as .xlsx files and then converted to .csv.

2. Data Cleaning and Transformation (ETL):

   • The data was loaded and cleaned using Python (pandas, numpy).
   • Column names were standardized, errors were removed, and missing values were filled in.
   • The datasets were merged into a single pivot table using pivot.

3. Importing into a Relational Database:

   • The cleaned data was imported into a MySQL database.
   • SQL queries used for financial analysis are provided in the /sql folder (profitability_analysis_queries.sql).

4. Data Analysis and Visualization:

   • Exploratory analysis was performed in Jupyter Notebook.
   • Libraries used:
     • pandas for data analysis,
     • matplotlib, seaborn for visualizations,
     • scikit-learn for clustering and PCA.

---

Calculated Financial Ratios:

The following key financial indicators were calculated for each company:

Metric	Description	Unit
ROE (Return on Equity)	Profitability of shareholders' equity	%
ROA (Return on Assets)	Profitability of total assets	%
Net Profit Margin	Net income margin	%
EBITDA Margin	Earnings before interest, taxes, depreciation and amortization	%
Debt to Equity	Leverage ratio (debt-to-equity)	times (x)

Quarterly data (Q1 2025):

• Net profit, EBITDA, and revenue are based on Q1 2025 financials.
• Assets and equity are based on the balance sheet as of March 31, 2025.

---

Repository Structure:

• 📁 data/ → source data (CSV files)
• 📁 report/ → final analysis report (PDF)
• 📁 notebooks/ → Jupyter Notebook files with analysis and visualizations
• 📁 sql/ → SQL queries (MySQL)
• 📁 scripts/ → Python scripts for cleaning, pivoting, and importing data
• README.md → project description

Notes:

• This project is for educational purposes only and does not constitute investment advice.
• The financial ratios are based on quarterly results and may differ from official, annualized figures published by WSE or financial services.