04｜YOSOKU｜予測財務諸表グラフ化Pythonツール

# GoogleDrive上にフォルダ作成

# Pythonツールのアウトプットを保存するフォルダをGoogleDrive上に作成する
python_save_folder_path = '/content/drive/MyDrive/Colab Notebooks/02_Python_Tool_Output'
os.makedirs( python_save_folder_path ,exist_ok=True ) #フォルダが存在しなければフォルダを作成

# YOSOKU関連資料を保存するためのフォルダをGoogleDrive上に作成する
yosoku_save_path = '/content/drive/MyDrive/Colab Notebooks/02_Python_Tool_Output/04_YOSOKU/'
os.makedirs( yosoku_save_path ,exist_ok=True ) #フォルダが存在しなければフォルダを作成

# YOSOKUで使用する実績財務データをアップロードするフォルダをGoogleDrive上に作成する
yosoku_actual_dataset_path = '/content/drive/MyDrive/Colab Notebooks/02_Python_Tool_Output/04_YOSOKU/01_実績財務データ'
os.makedirs( yosoku_actual_dataset_path ,exist_ok=True ) #フォルダが存在しなければフォルダを作成

# YOSOKUで使用する実績財務データをアップロードするフォルダをGoogleDrive上に作成する
yosoku_predict_graph_path = '/content/drive/MyDrive/Colab Notebooks/02_Python_Tool_Output/04_YOSOKU/02_将来予測グラフ'
os.makedirs( yosoku_predict_graph_path ,exist_ok=True ) #フォルダが存在しなければフォルダを作成

# データ例① 日本人口推移データを手動入力
# 参考：統計局ホームページ/人口推計/人口推計｜https://www.stat.go.jp/data/jinsui/2.html#annual > 各年10月1日現在人口

# 以下のデータを手動で調整 ★★★
population_data = {'年次': ['2005-10-01', '2006-10-01', '2007-10-01', '2008-10-01', '2009-10-01',
                            '2010-10-01', '2011-10-01', '2012-10-01', '2013-10-01', '2014-10-01',
                            '2015-10-01', '2016-10-01', '2017-10-01', '2018-10-01', '2019-10-01',
                            '2020-10-01', '2021-10-01', '2022-10-01', '2023-10-01'],

                  '実績値': [127768000, 127901000, 128033000, 128084000, 128032000,
                            128057000, 127834000, 127593000, 127414000, 127237000,
                            127095000, 127042000, 126919000, 126749000, 126555000,
                            126146000, 125502000, 124947000, 124352000]}

df = pd.DataFrame(population_data)
display(df)

# @title 　#1-2｜予測設定 ★ { run: "auto"}

# ★★★ 手動調整可能箇所 ★★★
forecast_years = 5                     # 何年間先まで予測するか
graph_title = "日本の人口"             # グラフタイトル  "任天堂の連結売上高" "日本の人口"など
graph_unit_name = "人"                 # 単位 "人"や"円"など。

# ★★★ 手動調整可能箇所 ★★★
# 予測精度を評価する期間を設定
# デフォルトでは2005~2021の年データを学習→2022年と2023年の人口を予測→2022年・2023年の実績値(すでに確定している人口データ)と比較して誤差を求める。
train_start_year = 2005 # 最も古い実績データ
train_end_year   = 2021
test_start_year  = 2022
test_end_year    = 2023 # 最も新しい実績データ