Избранное трейдера klimvv
В этой статье расскажу о том, как воспроизвел и протестировал торговую систему для фьючерсов Московской биржи, основанную на идеях Александра Резвякова. Недавно, просматривая раздел алготрейдинга на Смартлабе, я наткнулся на видео с его выступления на конференции 2024 года под названием "5-6 идей для построения прибыльной торговой системы на фьючерсах". Меня привлекла четкость и понятность предложенных им правил торговли.
Поскольку я активно занимаюсь автоматизацией процессов и стремлюсь глубже изучить возможности Python библиотеки backtesting.py, мне показалось это хорошей идеей для практического применения.
Хотя я лично не знаком с Александром, полагаю, что публичное представление идеи предполагает возможность её независимого анализа и тестирования сообществом трейдеров и программистов.
Основная идея — открывать сделки в строго определенное время и использовать структуру рынка последних дней для принятия решений.
В 2025 году декларацию 3-НДФЛ за 2024 год нужно подать до 30.04.2025.
Времени остается не так много, поэтому, решил один пост посвятить налогам, а конкретно поговорим про сальдирование убытков. Начал готовить документы для подачи в налоговую...
☝️ Если у вас несколько брокеров (включая иностранных) и по некоторым за 2024 год получился положительный финансовый результат (прибыль), а по некоторым отрицательный, то их можно сальдировать между собой.
Приведу свой пример:
У меня по двум брокерам прибыль, а по двум убыток, который я специально зафиксировал, чтобы суммарный результат был близок к нулю. Основные причины для обнуления подробно описывал в клубе , но не суть. Главный вопрос,как об этом рассказать налоговой?
❗️ Налоговая сама не знает, какой убыток по каким брокерам вы получили. Потому что в справке 2-НДФЛ, которую брокеры направляют туда, эта информация не отображается. Там есть просто доходы с соответствующими кодам и размеры вычета, а итоговый результат = 0.
Пример:
Камский завод, он же главный поставщик отечественных грузовиков, снова выходит к инвесторам просить денег. Нужно челнинцам 5 млрд рублей на пару лет. Ориентир по премии к ключевой ставке приличный, вот бы такой и дали. Посмотрим, что под колёсами грузовичка.
Предыдущие обзоры: Европлан, Магнит, Селектел, Рольф, Томск, ФосАгро, Кокс, Симпл, Русгидро, ГТЛК. Дальше — больше, не пропустите.
Объём выпуска — 5 млрд. 2 года. Ориентир купона: КС + 4%. Без оферты, без амортизации. Купоны ежемесячные. Рейтинг AA от Эксперт РА (сентябрь 2024) и АКРА (апрель 2024).
Камаз — крупнейшая в стране автомобильная корпорация, которая входит в двадцатку ведущих мировых производителей тяжелых грузовиков и является лидером на российском рынке грузовых автомобилей. Компания выпускает грузовики, автобусы, электробусы, прицепы, полуприцепы и двигатели.
Всем доброго вечера!☃️
👨🏻🎓Иногда полезно пробежаться по основным мультипликаторам и вспомнить их назначение.
🔸EPS
🔸P/E
🔸P/S
🔸P/BV
🔸ROE
🔸ROA
🔸Net Profit Margin
🔸D/E
⭕️Мультипликаторы – это один из способов оценки компаний, которые работают в одной отрасли или на одном рынке. Это относится к стоимостному и сравнительному анализу. По сути это коэффициенты которые выводятся из разных показателей из отчётов компаний и сравниваются друг с другом.
👌🏻Есть ещё такие методы оценки компаний как:
1) Метод DCF
2) Метод Монте-Карло
🔬Мультипликаторы можно рассматривать как в статике, мы можем взять отчёты за квартал разных компаний одного сектора и сравнить их и можем сравнить в динамике, к примеру годовые отчёты компаний за последние лет 5 и увидеть положительная динамика или отрицательная, как она меняется со временем.
1️⃣ EPS – это отношение: чистая прибыль/среднее число обыкновенных акций
🟢Один из самых важных показателей, на который стоит обращать внимание. Его также прогнозируют аналитики при выходе будущей отчётности. Он показывает сколько чистой прибыли приходится за последний год на акцию этой компании.
Эксперимент DeepSeek-R1-Zero показал нечто замечательное: используя чистое обучение с подкреплением с тщательно продуманными функциями вознаграждения, им удалось заставить модели развивать сложные способности рассуждения полностью автономно. Речь шла не только о решении проблем — модель органически научилась генерировать длинные цепочки мыслей, самостоятельно проверять свою работу и выделять больше вычислительного времени для более сложных задач.
Техническим прорывом здесь стал их новый подход к моделированию вознаграждения. Вместо того чтобы использовать сложные нейронные модели вознаграждения, которые могут привести к «взлому вознаграждения» (когда модель находит фиктивные способы увеличить свои вознаграждения, которые на самом деле не приводят к лучшей производительности модели в реальном мире), они разработали умную систему на основе правил, которая сочетает вознаграждения за точность (проверку окончательных ответов) с вознаграждениями за формат (поощрение структурированного мышления). Этот более простой подход оказался более надежным и масштабируемым, чем модели вознаграждения на основе процесса, которые пробовали другие.