売上・利益の成長率を時系列で可視化 | 生成AIxPythonで始める株式分析|Python×J-Quants

売上や利益の成長率は、企業の 稼ぐ力の伸び を見るための基本指標です。本記事では YoY(前年比)・QoQ(前期比)・CAGR(年平均成長率)の計算式と、pandas での集計・可視化手順を整理します。

成長率の代表的な指標

成長率には複数の表現があり、用途によって使い分けます。

指標	比較対象	主な使いどころ
YoY	1 年前の同期	季節性のある業界(小売・観光など)
QoQ	直前の四半期	直近のトレンド変化を見る
CAGR	期初と期末を結ぶ年率	長期の平均成長スピード

YoY は四半期データを 前年同四半期 と比較するのが標準で、季節要因を取り除けます。

YoY の計算式

YoY(Year-over-Year)は次の式で計算します。

\text{YoY} = \frac{\text{当期} - \text{前年同期}}{\text{前年同期}} \times 100\,(\%)

たとえば 2024Q4 の売上が 1,200 億円、2023Q4 が 1,000 億円なら、YoY = (1200 - 1000) / 1000 × 100 = 20%。

QoQ の計算式

QoQ(Quarter-over-Quarter)は次の式です。

\text{QoQ} = \frac{\text{当四半期} - \text{前四半期}}{\text{前四半期}} \times 100\,(\%)

季節要因のある事業では、QoQ は単純比較しにくくなります。たとえば小売業の年末四半期と直後の Q1 を単純に QoQ で比較すると、季節要因の影響が大きく出ます。

CAGR の計算式

CAGR(Compound Annual Growth Rate)は、複利を考慮した 平均年率成長 です。

\text{CAGR} = \left( \frac{\text{期末値}}{\text{期初値}} \right)^{1/n} - 1

$n$ は年数です。たとえば 5 年で売上が 100 億円から 200 億円になった場合、

\text{CAGR} = (200 / 100)^{1/5} - 1 \approx 0.149 = 14.9\%

長期の成長スピードを 1 つの数字で表すのに便利ですが、間の年のばらつき は見えません。CAGR と一緒に時系列の折れ線を見るのが安全です。

サンプル DataFrame を用意する

説明用の四半期データを用意します。

1
import numpy as np
2
import pandas as pd
3

4
dates = pd.date_range("2021-03-31", periods=16, freq="QE")  # 4 年分の四半期末
5
np.random.seed(0)
6
trend_a = 1000 + np.linspace(0, 600, 16)
7
trend_b = 800  + np.linspace(0, 200, 16)
8
seasonal = np.tile([0, -50, -30, 80], 4)   # 季節要因
9
noise_a = np.random.normal(0, 30, 16)
10
noise_b = np.random.normal(0, 20, 16)
11

12
df = pd.DataFrame({
13
    "Code": ["1301"] * 16 + ["1302"] * 16,
14
    "fiscal_q": list(dates) * 2,
15
    "Sales": list((trend_a + seasonal + noise_a).round(1)) +
16
                list((trend_b + seasonal + noise_b).round(1)),
17
})
18
print(df.head())

fiscal_q を四半期末日とし、銘柄 1301 / 1302 の売上を持たせています。実データでは J-Quants の財務データから取得します(#6-6「財務情報を取得する (/fins/summary)」)。

YoY を計算する

YoY は 同じ銘柄・前年同期 を取り出して計算します。

1
df = df.sort_values(["Code", "fiscal_q"]).reset_index(drop=True)
2

3
df["sales_yoy"] = (
4
    df.groupby("Code")["Sales"]
5
      .pct_change(periods=4) * 100
6
)
7
print(df.tail(8).round(2))

pct_change(periods=4) で「4 期前(= 1 年前の同四半期)」との変化率を出します。groupby("Code") を入れないと、銘柄をまたいで計算してしまうため必ず指定します。

QoQ を計算する

QoQ は直前期と比較するので periods=1 です。

1
df["sales_qoq"] = (
2
    df.groupby("Code")["Sales"]
3
      .pct_change(periods=1) * 100
4
).round(2)

季節性が強い場合、QoQ の数字をそのまま「成長」と読まないようにします。

CAGR を計算する

CAGR は期初と期末を取り出して計算します。

1
def cagr(start: float, end: float, years: float) -> float | None:
2
    if start is None or start <= 0 or years <= 0:
3
        return None
4
    return (end / start) ** (1.0 / years) - 1.0
5

6
# 銘柄ごとの期初・期末売上から 4 年 CAGR を出す
7
agg = df.groupby("Code")["Sales"].agg(["first", "last"])
8
agg["cagr_pct"] = agg.apply(
9
    lambda r: cagr(r["first"], r["last"], years=3.75) * 100, axis=1
10
).round(2)
11
print(agg)

years は四半期間隔から換算します。16 四半期 = 4 年分のデータですが、期初を最初、期末を最後に取ると間隔は 15 四半期 = 3.75 年です(両端を含む数え方の違いに注意)。

折れ線で時系列を可視化する

成長率は時系列で見ると、トレンドの変化が分かりやすくなります。

1
import matplotlib.pyplot as plt
2

3
fig, ax = plt.subplots(figsize=(8, 4))
4
for tk, sub in df.groupby("Code"):
5
    ax.plot(sub["fiscal_q"], sub["sales_yoy"], marker="o", label=tk)
6
ax.axhline(0, color="gray", linewidth=0.8)
7
ax.set_title("売上 YoY(%)")
8
ax.set_xlabel("四半期")
9
ax.set_ylabel("YoY (%)")
10
ax.legend(title="ticker")
11
fig.autofmt_xdate()
12
plt.tight_layout()
13
# fig.savefig("yoy.png", dpi=150)

YoY の折れ線は 0% を境に正負を読む ことが多いため、ゼロ線を補助線として引いておくと見やすくなります。

売上と利益で成長率を見比べる

売上だけでなく、利益(営業利益・純利益)についても成長率を出すと、「売上は伸びているが利益が伸びない」「両方伸びている」「利益のほうが伸びている」といったパターンが見えます。

1
# サンプル: 売上に 8% の利益率が乗っているとする
2
df["op_income"] = (df["Sales"] * 0.08).round(1)
3
df["op_yoy"]   = (
4
    df.groupby("Code")["op_income"].pct_change(periods=4) * 100
5
).round(2)
6

7
print(df.groupby("Code")[["sales_yoy", "op_yoy"]].tail(4))

利益の YoY が売上 YoY より大きい場合、利益率が改善 していることを示唆します。

成長率を読むときの注意

成長率はそのまま受け取らず、次の点に気をつけます。

基準値が小さい時 の成長率は値が大きく出やすい(分母が小さいだけ)
一過性の 特別損益・買収効果 で利益 YoY が大きくぶれる
会計基準変更 や決算期変更で連続性が崩れる年がある
5 年 CAGR と直近 1 年 YoY が乖離している場合、トレンドが変化している可能性

長期の CAGR と直近の YoY / QoQ をセットで見ると、成長の「平均値」と「直近の温度感」を両方押さえられます。

生成AI へのプロンプト例

四半期売上と営業利益の YoY を 1 つのチャートで見せたい場合の例です。

入力 DataFrame に次の列があります(売上は J-Quants API に準拠)。
- Code (str): 1 銘柄想定
- fiscal_q (datetime64[ns]): 四半期末
- Sales (float)
- op_income (float)

依頼:
- Sales と op_income の YoY(前年同期比、%)を計算
- 同じ図に 2 本の折れ線として描画(色を分け、凡例を付ける)
- 0% の水平線を補助として描く
- タイトル・軸ラベル・凡例は日本語

要件: pandas 2.2 系 + matplotlib。関数化し、docstring は日本語。

まとめ

成長率は YoY / QoQ / CAGR を使い分ける
pandas では groupby(銘柄).pct_change(periods=N) で計算する
季節性のある業種では QoQ を単純比較しない
売上と利益の成長率を見比べると利益率の変化が見える

目次