навеяно большим размещением в ОФЗ

Это было давно в 1956 году.
Моего пра-дедушку заставили приобрести облигации.
одна из них дожила до наших дней в назидание потомкам.
облигация на сумму 100 рублей 1946 года.



Это не очень большие деньги от зарплаты квалифицированного рабочего она была 12 000 рублей.
Обычного рабочего 5000 р  Это в деньгах послевоенных, но дореформенных 47 г.

На облигации написано карандашом:
«негодна, подлежала обмену на 2% реконверсионный заем 1947 года, погашение которого состоялось в 1975-76 годах.»
но никаких процентов не выплачивалось — их просто потом погасили в 1975 году уже с учетом двух деноминаций 10:1 в 1947 и 10:1 в 1961 году.
Т.е в 1975 том за нее дали 1 рубль.
Для справки сахар стоил уже 90 копеек. Фактически дали 1 кг сахара.
****
Есть другая облигация 1956 года, ее тоже оставили в назидание потомках чтоб никогда не связывались с облигациями и со Сбербанком.

В суд обратился гонконгский магнат Саматура Ли Кин-кана (Samathur Li Kin-kan) – он подал иск против Раффаэле Коста (Raffaele Costa), продавцу, который убедил Ли Кин-кана доверить часть своего состояния суперкомпьютеру. Разработанный австрийской компанией AI-42 Market Intelligence суперкомпьютер под названием K1 должен был изучать такие интернет-источники, как новости и социальные сети, для прогнозирования акционных сделок в США. Затем он отправлял брокеру инструкции для совершения сделок, постепенно обучаясь и корректируя стратегию.

Обычно человек ходит по колее, но иногда система сбоит и случаются «эмм, а чё я раньше не задумывался, что можно…» и «хм, а ведь можно попробовать сделать…». В такие моменты можно выскакивать за пределы колеи и переходить в новую более интересную, выходить из зоны болотного комфорта в зону воодушевляющего дискомфорта.


Всегда ходил по колее (вернее, замкнутому циклу): математика не моё, у меня много своих преимуществ, математик не в их числе, не всем дано. И к нему прицеплялось: машинное обучение, нейронные сети, статистика и тер.вер. требуют математики – ну, значит, тоже не мое, ну значит без этого. А тут че-то осенило: а какого хрена!? Кстати, тот случай когда реклама сподвигла (назойливая реклама курсов обучения по Data Science). Сначала отмахивался, а в какой-то момент подумал: а почему бы и нет? – Да, страшно, да лень, да не уверен, что получится, да долго, да нет уверенности, что поможет и т.д. Хорошо подумал, уверенным движением руки смахнул все эти иррациональные возражения и страхи со стола и записался на курс.

Так что скоро, надеюсь, например, не буду просто пролистывать посты уважаемого А.Г., а, возможно, буду извлекать смысл.

Кстати, уже только при прочтении программы курса словил пару инсайтов применительно к фин. рынкам.

Глаза загорелись. Будет интересно.

Всем привет, Друзья.  После прочтения этой статьи, Вы будете знать все об инвестировании в долларовый ETF.

Для удобства Вы можете читать эти обзоры в моем Telegram 

Все наверняка слышали о таком инструменте на финансовом рынке, как ETF. Не так давно, вышел новый фонд -FinEX Cash Equivalents UCITS ETF, номинированный в долларах и обращение которого осуществляется под контролем ЦБ РФ. Сокращенно FXTB -это европейский ETF, который инвестирует в казначейские облигации США.

Казначейские облигации США - это американские  государственные  долговые ценные бумаги. Покупая такие активы, ты «занимаешь» одному из самых развитых государств в мире. Теперь FXTB доступен  на  Московской  бирже  неквалифицированным инвесторам. Давайте подробно разберем его состав,  доходность и выясним все плюсы и минусы. А также посмотрим, как работать сFXTB.