ＸＢＲＬの読み込みかたですが、売上高を狙って読み込む方法と、一気に読み込んでから売上高を抽出する方法の２つがあります。両方試したのですが、『一気に』読み込んでしまうほうが良かったです。そのあたりの記録です。
最大のメリットは内容を一望できたことですね、これが良かった。
いやですね、初めてＸＢＲＬの読み込みにチャレンジしたころは、とりあえず NetSales でヒットしたものをPythonリストに取り込んでいく感じだったのですが、勘定科目ってたくさん種類があるじゃないですか？特に、売上高なんて割と種類が多いほうです。
それで、拾えていなかった企業を一つ一つ見て行って、それっぽいタグを探してタグリストに追加していく、そんな作業をコツコツしていました。
以下がそのタグリストです。
そんな時にですね、ＸＢＲＬを『一気に』読み込んでＣＳＶなりに保存しておくスタイルだと、タグを探すのがとても楽だったんですよ。
なんていうんですかね、そのー、ＸＢＲＬをエディタで開いて見ていくのって、結構大変なんですよ。１行１行がめっちゃ長くて、左見てから右に行かないと、タグ名も金額も見えないという、そんな感じなんですよ。
ＰＤＦで金額を見て、ＸＢＲＬを検索して、『ああ、これがメインの売上高ね』と。文字だらけの中から、地道にタグを拾っていました。それが、タグやら金額やらを列挙したＣＳＶになってからはですね、本当に見易く効率的になりました。
ＣＳＶは、企業ごとにすべての決算を連結していったものなんですが、これ１つ開くだけで、その企業８年分のタグが一覧できたんですよ。すばらしかったです。探していたタグのほかにも、いろいろな気づきがあって、理解が深まりました。
コンテキストとか、シナリオとか、ＥＤＩＮＥＴの仕様書でイメージできなかったところが『一気に』把握できた感じです。実際の使われかたが一望できると、やはり分かりやすいですね。傾向とか、いろいろ見えてきました。
そして、エクセルのオートフィルタでそれっぽい勘定科目を絞り込んでは、ほしいタグリストにどんどん追加していったんですね。取り損ねたタグを探すついでに、資産の科目、負債の科目、純資産の科目、あと、損益計算書の科目に、キャッシュフロー計算書の科目ですね。そのあたりのタグをどんどん拾っていきました。
ＸＢＲＬをそのまま開くのでも同じことはできるんですが、効率が別次元に良かったです。
そのようなことがありまして、ＸＢＲＬで時系列分析するなら
『一気に読み込んでから絞り込む』
というやり方が良さそうだ、というのが私の中での結論になりました。
あとですね、実際に『タグの読み込み』と『勘定科目の抽出』を分けたらですね、プログラムの分割も結構うまくいったんですよ。特に、勘定科目の抽出ですね。これって、どちらかというと『データベースのお仕事』だなって、そんな気がしませんか？
勘定科目の抽出とかは、データベースに任せるべきかなって思い始めたんですよ。といいますのも、決算データって、結構立体的なんですよね。
ある年度の金額が、前年比の金額として再登場したり、決算書の訂正があったり、そんなこんなで、同じ日付の開示日違いとか金額違いがたくさん出てきます。そこで、データベース的なライブラリとかソフトの出番です。
例えばですね、日付は最初の開示を優先するのか？とか、修正は反映するのか？とかですね。重複処理です。これは、ＸＢＲＬの読み込みと同時に処理するには、やや複雑なところです。
そいうわけで、PythonはXBRLの読み込みに専念して、時系列分析のための表作りは pandas データフレームの機能に任せる方向に変わってきました。分かる方なら、専用のデータベースに取り込んで、時系列をリクエストするのがきっと良いのでしょう。
実は、最初に作った決算分析システムが狙って読み込むタイプで、最近作っているのが一気に読み込むタイプなのです。
ＸＢＲＬは『一気に』読み込んで、後から抽出する。このアプローチのほうが、手作業の効率もコードの見通しも良かったですという、そういう経験談でした。
