Давно уже запутался во всех этих газовых хитросплетениях, во всех этих Потоках, кто, сколько, куда и зачем. Хотелось взглянуть на общую картину происходящего, но нигде не попадалось, чтобы было коротко и доходчиво. А тут на одном форуме камрад выдал толковую раскладку, ситуация на текущий момент, так сказать. Решил сохранить себе в блог (может, кому тоже пригодится).
...

"...Но в самых общих чертах нарисовать картину попробую.

Первое. Газотранспортная система «Газпрома».


Серо-зелёным маркером подсвечен маршрут, начинающийся на Ямале, продолжающийся в виде СП-1 и СП-2 по дну Балтийского моря и вливающийся в газотранспортную систему ЕС. Я его обозначил по территории Германии по маршруту двух «наземных продолжений» СП-1 и -2 газопроводов OPAL и EUGAL, через Чехию куда-то в Австрию, где расположен знаменитый Баумгартен. Но можно было протянуть еще одну ветку в сторону Голландии (там есть газопровод NEL) и дальше в Великобританию.

( Читать дальше )

Хе-хе-хе! Надеюсь вы цените, что мы на смартлабике имеем возможность делать кучу бесплатной пользы для инвесторов! Это все благодаря вам опять-таки, потому что вы пишите и общаетесь на смартлабе, у нас есть возможность отдавать пользу не взимая за нее плату.

Мало кто из вас знает, что на смартлабе можно построить список всех значений по любому показателю за 10 лет.... 

https://smart-lab.ru/q/shares_fundamental4/

Но еще круче то, что мы сделали буквально вчера… Если ткнуть в фильтре галку «Показывать изменения параметра», то можно построить погодовые темпы изменения любого параметра. Например по ссылке вы сможете найти как менялась выручка всех российских компаний за 10 лет

https://smart-lab.ru/q/shares_fundamental4/?field=revenue&change=on

Это вообще очень интересная таблица, достойная самого пристального изучения!!!


В общем, наслаждайтесь!
Я знаю, по достоинству эту функцию оценят не только лишь все, мало кто оценит.
Но тот кто оценит, тому будет крайне полезно!

Обнял😘

Вот уже пару месяцев на разных наших площадках мы предлагаем подписчикам поделиться своим инвестиционным опытом. В smartlab его должно быть много. Эти истории лягут в основу первого в своем роде проекта про инвестиции.

Что нужно сделать?
Мы выбрали 29 тем, связанных с инвестициями — их вы найдете ниже. Темы разные, и для каждого найдется своя. Можно выбрать одну или несколько. Помните, что для каждой темы нужен свой, отдельный текст. Мы ждем от вас реальной истории — того, что происходили с вами или вашими близкими.

Для чего?
В проект попадут самые интересные тексты, а выбирать будем исключительно опираясь на качество — так что дерзайте! Также мы упомянем вас. Поэтому если у вас есть свой телеграм-канал и вы хотели бы его прорекламировать, то это клевый шанс. Ну и авторы отобранных историй получат от нас акции в подарок.

Как поучаствовать?
Присылайте истории на нашу почту editors_wealth@tinkoff.ru до следующей среды, 22 сентября.

( Читать дальше )

Всем известно, что перед тем как купить те или иные акции, нужно сделать анализ в виде «домашней работы»(это касается среднесрочных и долгосрочных инвесторов). Лично мне в этом нелегком деле помогают скринеры. Как правило finviz.com, stockrow.com и на финишной стадии — платный сервис finbox.com.

Сайты finviz.com и stockrow.com предусматривают платные и бесплатные сервисы. В бесплатном использовании эти сайты хоть и дают некий набор фильтров, но глядя на эти цифры в табличках, складывается такое чувство, что «Смотреть можно, а трогать нельзя». А поскольку это касается моих денег и денег людей, которые мне доверяют, принимать торговое решение, не пощупав эти цифры самому, считаю большой ошибкой в анализе.

Раньше я был верен только Excel, но с недавних пор стал понимать, что хорошей альтернативой являются Google таблицы. Вообще все сервисы Google отлично работают с веб-данными.

В этом посте я расскажу, как можно импортировать данные с сайта finviz.com в Google таблицы.

( Читать дальше )

Люблю разбираться с цифрами. Сегодня посчитал экономику владения своим автомобилем в течении 10 лет в Москве и сопоставил ее с затратами на такси. Получилось вот что:

В качестве своего авто берем скромную Тойоту Камри за 2 млн.руб. Делаем пробег 10 тыс. км в год. Расход 10л на 100 км. Цена бензина 50 рублей. Авто не моем, колеса не покупаем и особо не ремонтируем. Продаем авто через 10 лет за полцены. Инфляцию игнорируем. Расходы выглядят примерно так:



Хмм… свое авто генерирует затраты -640 руб. в день.

Принимаем решение не брать авто. Будем кататься на такси за 1000 рублей в день, а 2 млн.руб. разложим в банки под 6% с капитализацией. Инфляцию и царские поборы игнорируем. Картина получится такая:



( Читать дальше )

Мы продолжаем делиться с вами полезными источниками информации для принятия инвестиционных решений.

Cегодня будет представлен список более продвинутых источников, которые, на наш взгляд, содержат в себе более объективную и полезную информацию для самостоятельного анализа. Они зачастую являются первоисточниками для всех тех новостей и аналитических сводок, с которыми вы знакомитесь на различных форумах, сайтах и телеграм-каналах, в том числе и на нашем :)

Что ж, давайте пройдемся по ним:

fred.stlouisfed.org/ — онлайн-база данных, состоящая из сотен тысяч графиков экономических данных из множества национальных, международных, государственных и частных источников. Призван помочь пользователям ознакомиться со свежими данными макроэкономической ситуации (преимущественно в США) + графики содержат довольно длинный исторический горизонт (от нескольких лет до нескольких десятков лет).

www.federalreserve.gov/ — сайт Федрезерва США. В разделе News & Events — Press releases наиболее интересными могут быть публикации с заседаний Федерального комитета по операциям на открытом рынке ФРС США (FOMC). Да-да, это те самые заседания, на которых принимаются решения о будущем «печатного станка» и ставки ФРС.

( Читать дальше )

Построение нестандартных графиков в Python при помощи библиотеки finplot.
Можно строить почти любые нестандартные графики: Range, Renco, Delta.
В качестве примера скрипт для построения Дельта графика.
График строиться с момента запуска по поступающим данным из таблицы обезличенных сделок.
Для получения данных из КВИКа используется PythonServer Евгения Шибаева (огромное спасибо автору!!!)

Тапками не кидайтесь, программировать только учусь.

# В КВИКе запускаем луа-скрипт QuikLuaPython.lua
import socket
import threading
from datetime import datetime, timezone
import pandas as pd
import finplot as fplt

fplt.display_timezone = timezone.utc


class DeltaBar():
    def __init__(self):
        self.df = pd.DataFrame(columns='date_time open high low close delta delta_time_sec'.split(' '))
        self.df.loc[len(self.df)] = [0, 0, 0, 0, 0, 0, 0]

    def parser(self, parse):
        if parse[0] == '1' and parse[1] == 'RIH1':
            if abs(self.df.iloc[len(self.df) - 1]['delta']) >= 500:
                self.df.loc[len(self.df)] = [0, 0, 0, 0, 0, 0, 0]  # Добавляем строку в DF

            self.df.iloc[len(self.df) - 1]['close'] = float(parse[4])  # Записываем последнюю цену как цену close бара

            if self.df.iloc[len(self.df) - 1]['date_time'] == 0:
                self.df.iloc[len(self.df) - 1]['date_time'] = \
                    datetime.strptime(f'{parse[7]} {parse[8][0:-1]}', "%d.%m.%Y %H:%M:%S.%f").replace(microsecond=0)

            if self.df.iloc[len(self.df) - 1]['open'] == 0:
                self.df.iloc[len(self.df) - 1]['open'] = float(parse[4])

            if float(parse[4]) > self.df.iloc[len(self.df) - 1]['high']:
                self.df.iloc[len(self.df) - 1]['high'] = float(parse[4])

            if (float(parse[4]) < self.df.iloc[len(self.df) - 1]['low']) or \
                    (self.df.iloc[len(self.df) - 1]['low'] == 0):
                self.df.iloc[len(self.df) - 1]['low'] = float(parse[4])

            if parse[5] == '1026':
                self.df.iloc[len(self.df) - 1]['delta'] += float(parse[6])

            if parse[5] == '1025':
                self.df.iloc[len(self.df) - 1]['delta'] -= float(parse[6])

            self.df.iloc[len(self.df) - 1]['delta_time_sec'] = \
                datetime.strptime(f'{parse[7]} {parse[8][0:-1]}', "%d.%m.%Y %H:%M:%S.%f") - \
                self.df.iloc[len(self.df) - 1]['date_time']
            self.df.iloc[len(self.df) - 1]['delta_time_sec'] = self.df.iloc[len(self.df) - 1]['delta_time_sec'].seconds


def service():
    sock = socket.socket(socket.AF_INET, socket.SOCK_DGRAM)
    sock.bind(('127.0.0.1', 3587))  # Хост-этот компьютер, порт - 3587
    while True:
        res = sock.recv(2048).decode('utf-8')
        if res == '<qstp>\n':  # строка приходит от клиента при остановке луа-скрипта в КВИКе
            break
        else:
            delta_bar.parser(res.split(' '))  # Здесь вызываете свой парсер. Для примера функция: parser (parse)
    sock.close()


def update():

    df = delta_bar.df
    # Меняем индекс и делаем его типом datetime
    df = df.set_index(pd.to_datetime(df['date_time'], format='%Y-%m-%d %H:%M:%S'))
    # print(delta_bar.df)

    # pick columns for our three data sources: candlesticks and TD
    candlesticks = df['open close high low'.split()]
    volumes = df['open close delta_time_sec'.split()]
    if not plots:
        # first time we create the plots
        global ax
        plots.append(fplt.candlestick_ochl(candlesticks))
        plots.append(fplt.volume_ocv(volumes, ax=ax.overlay()))
    else:
        # every time after we just update the data sources on each plot
        plots[0].update_data(candlesticks)
        plots[1].update_data(volumes)


if __name__ == '__main__':
    delta_bar = DeltaBar()
    # Запускаем сервер в своем потоке
    t = threading.Thread(name='service', target=service)
    t.start()

    plots = []
    ax = fplt.create_plot('RIH1', init_zoom_periods=100, maximize=False)
    update()
    fplt.timer_callback(update, 2.0)  # update (using synchronous rest call) every N seconds

    fplt.show()