用聚宽数据排一排商誉雷（附结果）

商誉，简单来说就是收购时溢价支付的那部分资金。

例如，一份资产价值2000W，由于某些原因，上市公司花5000W买下来，就会产生3000W商誉。

至于上市公司为什么会溢价买一份资产，情况就比较复杂了。例如看好这份资产给企业带来的效益，甚至是利益输送……

单纯从资产价值的角度说，商誉就是上市公司购买资产时充当冤大头的部分（用5000W买公允价值2000W的资产，3000W当了冤大头）。

简单粗暴地说，一家公司的商誉越高，这家公司当冤大头当的越大。

 

如果一家公司有商誉，迟早是要计提减值的，区别是有的公司慢慢减，有的公司一下子减掉。主动权完全在上市公司手里——所以商誉也是上市公司操控利润的利器。

这段时间，很多上市公司公告2018年利润大幅调整，很大一部分是因为计提了商誉，动辄几亿甚至几十亿减值。

例如高升控股，预计2018年亏损15-20亿，其中商誉减值13-20亿。

类似的公司还有很多，动不动就爆出几十家。暴雷之后一般会吃个跌停。最近这几天A股跌停家数上升到几十家，跟这个很有关系。

要避免被这种公司雷到，最好的办法是避开商誉过高的公司。

 

用聚宽数据可以很容易找出商誉过高的上市公司，投资时可以尽量规避。

怎么找？跟我来！

 

商誉这一项在财务数据的资产负债表中。

根据聚宽数据API文档，商誉字段名叫做good_will，为了对比，我们还要拿过来净资产这一项，这项的字段叫做 equities_parent_company_owners

 

按照教程安装聚宽数据环境之后，用python开发环境，新建一个python文件jq_test.py，引入必要的包——

import pandas as pd
import jqdatasdk as jq
from jqdatasdk import finance
from sqlalchemy.sql.expression import or_

用如下代码即可找出2018年三季报中，商誉大于10亿，或者商誉大于净资产的上市公司，并导出csv
class JqTest(object):
    def __init__(self):
        jq.auth('xxxxxxx', 'xxxxxx')

    def test_good_will(self):
        df = finance.run_query(
            jq.query(
                # 要返回的项，具体可以看聚宽数据API文档
                finance.STK_BALANCE_SHEET.code,finance.STK_BALANCE_SHEET.company_name,finance.STK_BALANCE_SHEET.report_date,
                finance.STK_BALANCE_SHEET.good_will,finance.STK_BALANCE_SHEET.equities_parent_company_owners
            ).filter(
                # 过滤2018年三季报数据
                finance.STK_BALANCE_SHEET.report_type == 0,
                finance.STK_BALANCE_SHEET.report_date == "2018-09-30"
            ).filter(
                # 选择商誉大于10亿，或者商誉大于净资产的公司
                or_(
                    finance.STK_BALANCE_SHEET.good_will > 1000000000,
                    finance.STK_BALANCE_SHEET.good_will > finance.STK_BALANCE_SHEET.equities_parent_company_owners
                )
            ).order_by(
                # 按照股票代码排序
                finance.STK_BALANCE_SHEET.code
            ))
        # 处理一下
        df["good_will"] = df["good_will"]/100000000
        df["equities_parent_company_owners"] = df["equities_parent_company_owners"]/100000000
        df.rename(columns={'good_will': '商誉(亿)','equities_parent_company_owners': '净资产(亿)'}, inplace=True)
        # 保存文件
        df.to_csv("good_will.csv",encoding="gbk",index=False)
        return df

# 主函数，运行出结果
if __name__ == "__main__":
    tt = JqTest()
    tt.test_good_will()

最终，选出375家商誉超过10亿，或者商誉超过净资产的上市公司，占总上市公司家数的10%以上——这是A股的一个大地雷阵，迟早要爆掉，躲着点它们比较好。

以上只是聚宽数据的一个应用，还有很多好玩的，以后再与大家分享！下面是我导出的370多只高商誉的股票——