🧮  РУСАЛ представил свои финансовые результаты по МСФО за 2020 год:



📉 Выручка сократилась на 11,8% (г/г) до $8,6 млрд, на фоне снижения спроса на алюминий вследствие пандемии COVID-19.

📉 Производство алюминия в отчётном периоде также сократилось на 0,1% (г/г) до 3,75 млн тонн. Правда, благодаря девальвации рубля себестоимость производства также снизилась — на 7,1% (г/г) до $1512 тыс за тонну.

📉 Как результат — скорректированный показатель EBITDA сократился почти на 10% (г/г) до $0,87 млрд, а рентабельность по скорректированному EBITDA составила 10%, что является достаточно низким уровнем для отечественной цветной металлургии.

📉  В итоге чистая прибыль Русала сократилась на 20,9% (г/г) до $0,76 млрд, что стало самым низким показателем за последние пять лет.

💼 Долговая нагрузка по мультипликатору Net Debt/EBITDA немного снизилась — с 6,69х до 6,38х, что хоть немного обнадёживает. Хотя показатель всё ещё высокий и отпугивает многих инвесторов.

( Читать дальше )

Cтал потихоньку видеть разницу между американским и российским рынком. Понятие интуитивное и наверно наивное и может даже не верное, так как опыт у меня исключительно внутрироссийский. Успешный трейдинг в Америке — это найти фишку которая выстрелит и сидеть на ней. Все эти неэффективности которые кто то пытается выловить техиндикаторами или линиями или еще чем то еще — давно уже там уничтожены  с точки зрения эффективного трейдинга. Эффективного в смысле дающего заработать на хлеб с маслом. На росбирже торгуется определенное число фишек, никто особо не выстреливает из ниоткуда и не падает в ноль, то есть искать какие то новые компании, которые взлетят, негде, да и незачем (пишу сие на фоне позавчерашнего взлета ТМК хехе), зато в наших 20+ более менее ликвидных фишках есть неэффективности, из которых можно извлекать прибыль. Поэтому мой российский подход для американского не годится (хотя допускаю что для определенной категории акций, не очень проторгованных, какие то хорошие неэффективности и можно найти). Хорошо, как найти это фишку которая выстрелит? А тут уж как вам душа скажет, хотите ковыряйте фундамент, хотите теханализ, хотите читайте отчеты и пытайтесь понять зайдет или нет новая услуга, хотите еще что, благо биржевая инфраструктура в США развита как нигде в мире и вы можете найти любую информацию о любой компании, в структурированной и удобной для анализа форме. И получив эту гору информации, перед вами свободное творчество — запускайте свои нейросетки и ищите, ищите, ищите, нечто что позволит вам выйти на истории, в привлекательную для вас кривую equty, а затем помолясь и перекрестившись пробуйте использовать сие в реальной торговле. И такой подход большой плюс для тех кто хочет побольше изучить всякие методы машинного обучения, то есть для меня. 
Пока я в NLP, это значит берем текст: отчеты, мнения, твиты, итд итп и получаем его количественные оценки, с точки зрения сантиментов например, или схожести одного текста к другому. Ну а дальше по схеме — фичи есть, прикручиваем какой то инструмент машингленинга. И самое  неожиданное, применив даже самый наивный подход оценки сантиментов, я получил положительный результат.  
В последний раз, получив положительный результат для 7 раздела отчета К-10, я решил увеличить выборку, и плюнув, начал прогонять К-10 полностью, увеличив выборку с 2000 отчетов до 4000. Ну и получил примерно такой же, соотносящийся с логикой результат: если в отчете негатива побольше, компании растут поменьше и наоборот. Заодно получил ответ на странную зависимость доходности от размера отчета — в значительной части это обьясняется тем что компании сектора Information Technology или Health Care имеют склонность писать небольшие отчеты, а например сектора Materials или Financials побольше, только вот так получилось что за последние 10 лет первые вырастали в среднем на +20% а последние на +15%. Если учесть секторальную принадлежность, то все равно окажется что компании меньше льющие воду в 7 разделе 10-К, имеют динамику акций лучше, но это будет уже разница не в 7%, а в 2%.
Все это я получил используя National Research Council Canada (NRC) affect lexicon. Напомню такой лексический подход до жути прост, берется текст и считается сколько в нем позитивных слов, негативных, «слов доверия», «слов страха» итп итд Но помимо него есть другие библиотеки слов, Lexicon Loughran and McDonald. Его минус, в том что там в нет словарей по 8 эмоциям, а только по 2 — позитив/негатив (ну почти), а я уже выяснил что ловить по этим признакам нечего. Так что Loughran and McDonald пролетели мимо.
Дальше решил попробовать Bert, очень популярная моделька, которая переписала рекорды в распознавание сантиментов в тексте. Но это уже другой подход, тут уже в чистом виде машинное обучение. Я попробовал и базовый Bert и finBert, получил оценки по шкале позитив/негатив, и на 10К и на 10Q. Не берусь судить насколько точно они оценили сантименты, но не обнаружил что из позитивных отчетов следует позитивная динамика акций, а из негативных -негативные. 
Ну и наконец попробовал третий вариант: представляем текст в векторном виде (превращаем его в цифры), ставим лейблы в зависимости от динамики в течении следующего дня: (Close/Open -1)*100 ну а дальше любой метод из машинного обучения. В чем отличие от finBert? Ведь и там и там мы текст превращаем в цифры мосле чего используем машинное обучение.
Ну вот например у нас есть твит: «Охренеть, завтра Гугл попрет как ракета!». Ожидания написавшего явно позитивные, но рынку в общем то плевать, и мы практикующие трейдеры это отлично знаем. Ну а Bert плевать что там на рынке в реальности, он тупо оценивает сантименты текста. Оценивает умно, с учетом контекста, преодолевая игру слов, сленг итп итд. И обучился Bert оценивать тональность текста на примерах где в качестве лейблов использовались оценки человека — позитивный текст или негативный. Для finBert брались финансовые тексты, где лейблы проставляли видные экономисты, я использовал вариант finBert, которая обучалась на 10К (ну как утверждал ее автор). Так вот, вся разница в лейблах. Я в качестве лейбла взял реакцию рынка, поэтому твит: «Охренеть, завтра Гугл попрет как ракета!», этот сверх позитивный твит, получит отметку негативного,  если на следующий день акции Гугла упадут. И получив на трейне лейбл «негативный», он на тесте будет все схожее с такого рода твитом оценивать как негативное для роста завтра. Вот и вся разница. Ну и плюс в том что Bert очень мощный инструмент, действительно оценивающий контекст, а я взял просто по пролетарски — TFID + sklearnкий MultinomialNB, то бишь наивный Байес. Дешево и сердито. Да тут можно было что то посолидней, типа LSTM, да что угодно, но думаю думаю смысла усложнять не было. По идее можно было даже создать свой «MaratBert», обучив монстра на рыночных лейблах... 
Помимо использования разных подходов я конечно химичил и с разными базами данных. Например решив увеличить выборку, взяв отчеты 10Q, это то же что и 10K но квартальный. Попробовал брать из отчетов только предложения где есть отсылка на ожидания, риски итп итд. Попробовал вместо отчетов SEC взять stocktweets. 
Много что перебирал, но в конечном счете самое интересно получил оценивая stocktweets наивным Байесом. Еще раз подчеркиваю, оценивал не сантименты. Нашел в сети базу stocktweets для 5 фишек. И получил такой вот результат на тесте:

( Читать дальше )

Один из видов облигаций, которые я держу в портфеле являются так называемые инфляционные облигации.

Расскажу для каких целей я их приобретаю 👇

Облигации — это защитный актив. Много на них не заработаешь, но часть капитала можно защитить. А данный вид облигаций позволяет получать реальную доходность выше инфляции или, как официально говорят, индекса потребительских цен. 

Реальная доходность отличается от простой тем, что учитывает инфляцию. Если доход меньше уровня инфляции, то капитал теряет покупательную способность. В будущем на него можно будет купить меньше товаров и услуг, чем сейчас. Реальная доходность инфляционных облигаций всегда выше инфляции. 

Правда, есть вопрос насколько официально установленный индекс потребительских цен соответствует реальной инфляции. Это тема для отдельного поста. 

В России выпущены в обращение облигации федерального займа с номиналом, который индексируется на уровень инфляции (ОФЗ-ИН). «ИН» — означает индексируемый номинал.

( Читать дальше )

Спросили, где можно узнать о предстоящем сплите акций. Прежде чем я отвечу на данный вопрос, напомню, что такое сплит и каким он бывает. Сплит акций (от англ. Split) – это изменение числа обращающихся на рынке акций за счет дробления или объединения их первоначального количества. Сплит может прямым и обратным.

( Читать дальше )

Новая Статья Рэя Далио, 15 марта 2021г.
Перевел на русский.

Реальная ( = номинальная минус инфляция) доходность облигаций США с 1900г.

Динамика дефицита бюджета США и прогноз до 2021г.


( Читать дальше )

В один январский вечер этого года, как обычно погрузившись в телефон я остановился на мгновение и замер, размышляя о будущих перспективах фондового рынка🤔

В тот момент я выделил 3⃣ более менее прогнозируемых риска.

✅ Риск падения акций США на фоне роста доходности 10 летних гос облигаций выше дивидендной доходности индекса SP500. Многие в тот момент утверждали, мол в США нет инфляции и не будет, даже крутили у виска смотря на тех, кто думал иначе😂 На тот момент уже было известно о повышении цен на дома в США за год в среднем на 15%, это как минимум должно было насторожить. Данный риск реализовался и рост доходности по гос облигациям не планирует останавливаться😁

✅ За последний год предприятия во всем мире увеличили кредитную нагрузку, прибыли при этом упали. Есть риск начала массовых банкротств во всем мире, что может привести к глобальному снижению акций. Ставки уже выросли❗️Даже если ключевые ставки мировые ЦБ пока не поднимали, существует много долгов с плавающей ставкой привязанный к доходности гос облигации с соответствующим сроком, доходность по которым сейчас штурмует свои максимумы, соответственно предприятия вынуждены платить больше. Судя по динамике high yield инвест сообщество пока не видит в этом существенного риска.

( Читать дальше )

Базовым сценарием представляются умеренные шаги Вашингтона — жесткие меры против российского долга или олигархов не приведут к смене курса Москвы, зато лишат США возможности использовать «драконовские» санкции в качестве угрозы, считает программный директор Российского совета по международным делам Иван Тимофеев в начале марта ЕС и США ввели новые ограничительные меры по делу об отравлении Навального. Рынки выдохнули с облегчением. Евросоюз обошелся точечными финансовыми и визовыми санкциями против четырех чиновников силового блока. Требования Европарламента касательно выхода из «Северного потока-2» и санкций против олигархов исполнены не были. Американцы ввели более широкий набор мер. Но и здесь большого ущерба не просматривалось. Финансовые санкции против семерых чиновников высокого ранга, ограничения против шести научно-исследовательских институтов в области химических исследований, а также торговые санкции против 14 относительно небольших производителей химического оборудования и реактивов чувствительны для очень узких секторов, но незаметны для экономики в целом. Большой бизнес 

( Читать дальше )

Писал этот текст, как ответ на вопрос о странном несоответствии статуса России в мире, как нефтяной державы, и такого нищего населения. После прочтения книги о петрократиях решил поделится мнением с вами. 

Проблемы распределения ренты в нефтегазовом секторе
С точки зрения управления собранными средствами, можно выделить два варианта – направление доходов от ренты в специализированный фонд и зачисление их в доходы бюджетов. С точки зрения направлений расходования – можно тем или иным способом распределять средства среди граждан, а можно использовать их на реализацию государственных программ развития экономики.

Перераспределение в пользу населения

Простейший способ перераспределения — распределение собранной ренты между всем населением. Средства собираются в специальный фонд, из которого каждому гражданину выплачивается или перечисляется на личный счет определенная сумма. Обеспечит ли такой вариант распределения средств рост эффективности? Рост экономической эффективности — крайне сомнительно. Даже в самом идеальном варианте, когда из нефтяных компаний изымаются только средства, передававшиеся на выплату дивидендов или «неоправданно высокую» заработную плату топ-менеджмента и уходившие в конечном счете на потребление, результатом станет направление средств опять-таки на потребление, теперь уже всего населения.

( Читать дальше )

Меня всегда интересовала причина того, что либеральная общественность в России никогда не находит поддержки среди глубинного народа.
А причина оказывается на поверхности!
По этой же причине Царя-«Освободителя» стали пытаться убить народовольцы.
Дело всё в том, что в историю 1861 год вошел как год освобождения крестьян и ликвидации крепостного права. Однако реальное положение крестьян после реформы стало только хуже. Они были уверены, что их обманули: царь дал им своим манифестом «настоящую волю», а помещики и чиновники его либо подменили, либо истолковывают в своих интересах. И они были правы.

Изначально разработкой реформы занимался секретный комитет по крестьянскому делу, в который входили крупные землевладельцы, дворяне и царские чиновники. И себя они не обидели.
Это если поручить отмену ипотечных кредитов банкирам.

Крепостное право в России могло быть отменено достаточно просто и без серьезных социальных последствий. Все предпосылки к этому были. К концу 1850-х годов более 2/3 дворянских имений и 2/3 крепостных душ были заложены в обеспечение взятых у государства займов. Государству достаточно было выкупить заложенные имения, уплатив помещикам разницу между их стоимостью и накопленной недоимкой по просроченным ссудам. В результате большинство имений вместе с землей перешло бы государству, а крепостные крестьяне автоматически стали государственными, то есть фактически свободными.


( Читать дальше )