您可以从下面的苹果过去18年的季度收入图表中获得哪些见解?我看到两件事。首先,从2012年左右开始,苹果的收入变得更加季节性。这是iPhone首次超过其业务一半的时候。其次,在所示的两次衰退中,他们的收入似乎根本没有受到影响。如标题所示,苹果的收入似乎可以抵御衰退。苹果的季度收入
您可以从下面的苹果过去18年的季度收入图表中获得哪些见解?我看到两件事。首先,从2012年左右开始,苹果的收入变得更加季节性。这是iPhone首次超过其业务一半的时候。其次,在所示的两次衰退中,他们的收入似乎根本没有受到影响。如标题所示,苹果的收入似乎可以抵御衰退。苹果的季度收入
(您可以 在此处下载此Apple Chart工作簿。)但是,从Apple的收入数据中可以学到很多东西。衰退的两种措施首先,考虑一下图表中显示的那两个衰退期。每当我们谈论美国经济衰退时,或者当我们看到上述图表中显示的经济衰退时,我们通常都在谈论国家经济研究局(NBER)定义的经济衰退。从这张图表中的灰色区域可以看出,我们几乎没有像美国那样的衰退。实际上,在过去的70年中,NBER告诉我们,美国只有大约16%的时间处于经济衰退中。但是NBER对衰退的定义并不是唯一被广泛使用的定义。经济合作与发展组织(OECD)也对衰退进行了定义,其定义与NBER的定义相去甚远。根据其定义,如上面的深蓝色柱所示,美国陷入衰退的频率更高—在过去70年中,大约有46%的时间是美国。经合组织的定义至少有两个原因是有用的。首先,如果您想将美国的衰退与其他国家的衰退进行比较,经合组织的版本是我所知的唯一版本,它使用相同的方法来识别许多不同国家的衰退。其次,我倾向于将NBER的衰退视为“真正的”衰退,而将OECD的衰退视为经济衰退。这个定义可能并不完全正确,但它是接近且有用的-正如您所看到的,当我们从完全不同的角度来看苹果的收入时。苹果收入变化率(您可以 在此处下载Apple Chart工作簿。)该图表(我向您展示了如何在Excel图表中显示经济衰退中如何创建) 也显示了在美国经济衰退的情况下,苹果公司18年的收入。然而,这条线并不能直接描绘出苹果的收入。相反,它显示了Apple收入的年度变化率(ROC)–周期性增长率。也就是说,每个点代表当前季度的绩效除以一年前的同一季度减去负1。或者,按月计算,您可以将最近三个月的绩效之和除以同期的总和一年之前,然后减去1。还要注意,ROC行中没有季节性提示。这是因为当您将任何三个月期间的总和除以一年前相同月份的总和时,您会自动对数据进行季节性分解处理。阴影表示NBER和OECD衰退。灰色阴影仍表示NBER衰退,蓝色阴影表示OECD衰退。请注意,经合组织(OECD)的经济衰退阴影如何将苹果的ROC绩效置于背景之中……在第一个蓝色区域,这是一个长期的低迷期,其中包括短暂的NBER型衰退,苹果的增长率出现了两次下滑。第二次下跌是在NBER型衰退结束之时开始的。…在第二个蓝色区域(与我们的NBER定义的大萧条大致相同),苹果的增长率从大约40%下降到大约10%。……在第三次经合组织衰退中(NBER并未将其定义为经济衰退),苹果公司收入的增长率从大约40%降至零。…在OECD的第四次衰退中,苹果的增长率从大约正30%下降到负15%,然后才开始恢复。简而言之,无论您将其视为经济衰退还是衰退,苹果公司在OECD型衰退期间都遭受了重大的经济损失。但是,在经合组织(OECD)型衰退期间,苹果并不是唯一一家遭受痛苦的公司,高科技也不是唯一一家商业部门。消费者服务领域的ROC分析**该塔吉特(Target)的收入图表似乎表明,两次NBER类型的衰退根本没有分阶段塔吉特的收入。然而…目标公司的季度收入…下面的ROC图表显示,Target增长率最大的两次下降是在两次衰退之间,并且可能是Target独有的事件造成的。下图还显示了每次经济衰退期间增长率的下降幅度较小。还要注意,Target在过去十年中的最大年增长率仅为5%左右,这表现不佳,这反映在上图所示的固定销售中。但是,自2015年年中以来,Target的每个季度的增长率都有所提高。我们将在这里看到情况。目标公司的收入变化率最后,让我们看一下卡特彼勒代表的另一个领域。资本货物领域的ROC分析**在这里,您可以看到Cat的收入在大萧条期间急剧下降,急剧上升,并且自2012年左右开始一直缓慢下降,直到最近。卡特彼勒的季度收入ROC图表显示更多。首先,它突出显示了Cat在2004年的增长突飞猛进,上面的图表根本没有显示。其次,这表明卡特彼勒早在2012年就受到了造成OECD型衰退的任何因素的影响。此外,在2015年,卡特彼勒的增长下降了四分之一或二分之一,直到衰退爆发。最后,这张图表明,自2016年初以来,卡特彼勒的收入变化率一直在稳步提高。卡特彼勒收入变化率最重要的是,您确实应该从ROC角度绘制自己公司的指标图,而衰退数据可以帮助您将业绩表现纳入更广阔的背景。通过采用这种方法,您可以仅通过绘制原始数据来识别甚至不会看到的预警信号。