Я люблю почитать в интернете истории людей, которые сейчас на пути к финансовой независимости или уже достигли её. Мне интересны истории не тех, кто внезапно стал богатым (благодаря случаю или удаче), а тех, кто планомерно шел к этой цели на протяжении многих лет. К великому сожалению, в рунете не так много людей, которые уже достигли своей «ранней пенсии» и спешат этим открыто поделиться.

Но что касается иностранного сообщества FIRE — там с этим все в порядке. В интернете сотни блогов, посвященных теме FIRE, которые ведут обычные инженеры, программисты, врачи, учителя из других стран (в основном США). Можно сказать, что это большая семья, где каждый радуется за успехи своих собратьев, может поддержать советом или наоборот — обратиться за помощью. Достаточно посмотреть на сообщество FIRE на Reddit’е, которое насчитывает 750.000 активистов.

Время от времени я почитываю эти блоги, но в большинстве своем они слишком скучны для меня. Дело в том, что многое о чем пишут «ранние пенсионеры» из США просто не актуально для нас — жителей России. Там свои налоги, свои пенсионные фонды, свои инвестиционные программы (к примеру REIT’ы, которые у нас в стране пока не развиты) и т.д. Но вот узнать какие эмоции испытывает человек, который достиг финансовой независимости, и как меняется его образ жизни — очень интересно, даже если он живет на другом конце планеты, в другом государстве с другими законами.

В инвестициях есть темы, по которым можно встретить диаметрально противоположные ответы на один и тот же вопрос от разных людей. Это натолкнуло меня на идею детально разобрать наиболее частые заблуждения, которые распространены среди инвесторов.

Сегодня я расскажу про налог на дивиденды компаний, которые торгуются на Московской бирже.

Если вы спросите у инвесторов, какой налог на дивиденды по таким акциям, то большинство ответит, что 13%. И отчасти они будут правы! Но тут не обойтись без исключения из правил.

Заблуждение 1. Если я торгую акциями исключительно на Мосбирже, у меня в портфеле нет иностранных компаний

Есть ряд компаний, которые многие считают российскими. По факту они ведут свою деятельность в РФ, торгуются на ММВБ, однако зарегистрированы в других странах (обычно в офшорных зонах).

По данным Московской биржи на 01.07.2020, подобных ценных бумаг насчитывается 15 (пять акций и десять ГДР).

Вернее так: что я увидел, обучая модели. Всякие подобные темы любят поднимать трейдеры, они отлично располагают для пространных рассуждений о рынке и жизни, а я это, можно сказать, увидел наглядно. В общем, наблюдения не что-то гениальное, мной открытое, не грааль, но я это наблюдаю.

Что я делаю:

Играюсь с моделями ML, играюсь гипер-параметрами – параметрами самих моделей непосредственно и моими какими-то входящими параметрами. Смотрю как меняются результаты в зависимости от этих параметров.

Что я увидел:

1. Где-то закономерностей объективно больше, где-то объективно меньше. Если прочесываешь график моделями (с разными параметрами) по мат. ожиданию OOS результатов совокупности моделей и по их распределению видно, что из каких-то графиков закономерности извлекаются на ура, а из каких-то со скрипом. В данном случае график это пересечение по тикер-TF-временной отрезок. Да даже если брать только тикер, некоторые, что называется, палку воткни, она зацветёт, а в некоторых надо очень постараться, чтобы нащупать нормальные закономерности.
2. Похоже, действительно легче прогнозировать на короткие интервалы. Но эта закономерность выглядит не так, как её обычно преподносят. Обычно в ходу какая-то такая версия: чем ближе, тем легче, типа на минуты легче, чем на часы и т.д. Я бы сказал, что подтверждение находит скорее следующее: чем больше отношение горизонта прогноза к длине промежутка времени, данные из которого непосредственно участвуют в прогнозе. Ну т.е. если ты принимаешь решение по 50 свечам, то на 2*50 можно прогнозировать с большей точностью (winrate), чем на 10*50 и т.д. При этом в другом контексте, например, если ты ушел на TF выше, ты эти 10*50 сможешь спрогнозировать уже с хорошей точностью.
3. Объективно раньше было зарабатывать легче. По ошибке из большого промежутка времени сначала какое-то время брал для обучения данные не самые свежие, а самые древние и удивлялся очень приличным результатам моделей, на свежих данных моделям можно сказать драматически сложнее извлекать закономерности.