Продолжаем разбираться в дивидендах. Сегодня посмотрим, как компании, которые входят в ТОП-10 индекса Московской биржи платили дивиденды на протяжении последних 5 лет.

Формирую капитал из дивидендных акций, показываю все свои сделки, делюсь своим опытом инвестирования, более подробно обо всем в моем телеграм-канале, подписывайтесь.

Что нам здесь может быть интересно? За последние 5 лет наш фондовый рынок столкнулся с двумя мощными кризисами. Первый – это пандемия коронавируса в 2020 году и начало СВО в феврале 2022 года. Нас волнует, что произошло с котировками самых больших компаний в нашем индексе и как они справлялись с задачей по выплате дивидендов.

Переходим к компаниям, распределенные по весу в индексе от большего к меньшему на сегодняшний день.

🛢️ Лукойл (LKOH)

( Читать дальше )

По образованию я технарь, закончил институт аэрокосмических конструкций. Но дело всей моей жизни — это детские лагеря, там я уже 23 года. В 2022 я начал реконструкцию заброшенного пионерлагеря Мирный. Внутри: сколько обходился детский отдых государству раньше, сколько обходится сейчас родителю и предпринимателю. Ну и конечно до-после от руин 🗿 к юртам 🛖

ДИСКЛЕЙМЕР: Статья написана автором блога “Упал-поднялся” на основе интервью с предпринимателем Михаилом Шелковым.

Распорядок дня

( Читать дальше )

 

▫️ Капитализация: 575 млрд ₽ / 38,7₽ за акцию
▫️ Выручка ТТМ: 809 млрд
▫️ EBITDA ТТМ: 183 млрд
▫️ Чистая прибыль ТТМ: 101 млрд
▫️ скор. чист. приб. ТТМ:107 млрд
▫️ P/B: 0,5
▫️ P/E ТТМ:4,1
▫️ fwd дивиденд 2024: 9%

👉 Отдельно результаты за 3кв2024:

▫️Выручка: 185 млрд ₽ (-9,6% г/г)
▫️EBITDA:67,4 млрд ₽ (-31,4% г/г)
▫️скор. ЧП: 11,1 млрд ₽ (-62,2% г/г)

Финансовые результаты соответствуют негативной динамике на операционном уровне. Выплавка чугуна в 3кв2024 сократилась на 10,9% кв/кв, а производство стали упало на 26,6% кв/кв. Основная причина: ремонтная программа + проблемы со спросом тоже начинают давать о себе знать.

✅ ММК продолжает накапливать чистую денежную позицию, которая сейчас уже превышает 94,5 млрд рублей при ND/EBITDA = -0,52. Компания постепенно гасит долги, которых сейчас осталась всего42 млрд рублей.

✅ Частично падение прибыли связано с ростом налога на прибыль на6,9 млрд рублей. Такую ситуацию мы наблюдаем у многих компаний. В 4кв2024 этого эффекта быть не должно.

( Читать дальше )

 

Данный текст не является инвестиционной рекомендацией и не является предложением по покупке или продаже финансовых инструментов или услуг.

Россети Центр и Приволжье (ПАО «МРСК Центра и Приволжья») — крупнейшая межрегиональная распределительная сетевая компания, осуществляющая передачу и распределение электроэнергии на территории 11 регионов Центрального и Приволжского федеральных округов России. Компания занимает лидирующие позиции в отрасли по протяженности линий электропередачи, трансформаторной мощности и количеству подстанций.

Исходные данные:
1. Финансовые показатели берем из РСБУ за 2019-2023 год.
2. Период прогнозирования — период 5 лет (2024 — 2029).
3. Прогноз консервативного роста выручки берем из «Прогноза социально-экономического развития Российской Федерации на 2024 год и на плановый период 2025 и 2026 г.» — 2,00% в год.
4. Средний процент по кредитам берем из «Статистического бюллетеня Банка России» от 07.08.2024 — 7,80% в долларах и 14,56% в рублях.

( Читать дальше )

Вместе с растущими ставками по вкладам растут и доходности облигаций с постоянным купоном. Рассчитывать на сильное снижение ключевой ставки в этом году не приходится, хотя все может быть. Поэтому кроме облигаций-флоатеров смотрю в сторону облигаций с ежемесячным начислением купонов. Выбрал самые интересные варианты. Доходность указана до вычета налогов с учётом реинвестирования купонов. Если покупать на ИИС, то доходность будет выше.

1. Брусника 2Р02
Строительная компания, основана в 2004 г.
Рейтинг: А- (АКРА)
ISIN: RU000A107UU5
Стоимость облигации: 96,31%
Доходность к погашению: 21,5% (купоны 16,25%)
Амортизация: нет
Дата погашения: 28.03.2027 (оферта опцион колл 16.09.2025)

2. Балтийский лизинг БП8
Лизинговая компания, в портфеле которой преобладает грузовой и легковой автотранспорт, а также строительная и дорожно-строительная техника.
Рейтинг: ruAА- (эксперт РА)
ISIN: RU000A106ЕM8
Стоимость облигации: 91,36%
Доходность к погашению: 22,7% (купоны 10,7%)
Амортизация: нет
Дата погашения: 31.05.2033 (оферта 12.06.2025)

( Читать дальше )

Введение

Итак, это было обычное скучное утро, когда я решил: «А почему бы не попробовать этот Алгопак от Московской биржи?» Я давно слышал про него, а тут как раз была пара свободных часов и чашка горячего кофе. Что может пойти не так, верно?

Начало приключения

Регистрация и первый вход

Регистрироваться было просто. Почта, пароль, подтверждение — стандартный набор. И вот я уже на главной странице Алгопака, который выглядит достаточно дружелюбно. Однако, первый звоночек прозвенел, когда я начал искать справочную информацию. Документация оказалась несколько запутанной, а некоторые разделы вовсе не обновлялись годами.

Создание первой стратегии

Для начала я решил не мудрить и создать что-то простое. Пусть это будет стратегия на основе скользящих средних (SMA). Вот мой пример кода на Python, который я решил использовать:

import pandas as pd
import numpy as np

# Загружаем данные
data = pd.read_csv('historical_data.csv')

# Параметры стратегии
short_window = 40
long_window = 100

# Создаем сигналы
signals = pd.

( Читать дальше )

Прогнозирование — это просто. Доступно любому желающему. Прогнозирование котировок на 5 минут вперед. Для интрадея самое оно. Для чего-то большего и длительного — эт не знаю.
В данном примере берем язык Python, строим простейшую нейросеть (перцептрон, 4 слоя) — 15 входов и 1 выход, на котором имеем прогнозируемое значение котировок. На входы подаем обучающую последовательность — Close минутных данных и Close через 5 минут после окончания нашей входной 15 минутной последовательности. Формируем также тестовую последовательность (у меня это 1000 экземпляров). Нормируем наши обучающую и тестовые последовательности, обучаем, и получаем на тестовой последовательности картинку.

по х — прогнозируемые значения на 5 минут вперед, по у — реальные значения через 5 минут.
Значения predict около нуля (> -0.05 и <0.05) для сделок нас не интересуют, мы же не хотим получать нулевую прибыль, а вот значения <-0.05 и >0.05 для совершения сделок уже вполне подходят, и на графике мы видим, что в этом диапазоне неудачных сделок не так уж и много — в прибыли больше.

( Читать дальше )

Мы выпустили книгу «Нейросети в алготрейдинге на MQL5». Это учебное пособие по использованию искусственного интеллекта при создании торговых роботов в платформе MetaTrader 5. Автор книги — Дмитрий Гизлык, профессионал в области нейросетей, написавший около сотни обучающих статей на эту тематику. Теперь при поддержке MetaQuotes все его ценные знания удобно собраны в одну книгу. Вы последовательно познакомитесь с основами нейросетей и возможностями их применения в алготрейдинге. По мере продвижения вы создадите и обучите собственный искусственный интеллект, постепенно дополняя его новыми функциями.

 

Книга доступна онлайн всем желающим в разделе «Учебник по нейросетям» на сайте MQL5 Algo Trading community. Она состоит из семи частей:

• Глава 1 вводит вас в мир искусственного интеллекта, обучая основам построения нейронных сетей и их ключевым компонентам, таким как функции активации и методы инициализации весов.
• Глава 2 раскрывает возможности MetaTrader 5, детально описывая, как использовать инструменты платформы для создания мощных алготрейдинговых стратегий.

( Читать дальше )

Бывает нужно мне посмотреть где и как распределился объем по свечам внутри определенного диапазона.
Обычно смотрю за последние 2-3 часа на 5-минутках (можно и точные срезы делать) или за день на 15/60-минутках.

Минусы текущей реализации:
— картинку 5 минуток за большой промежуток времени смотреть не получится, но за 2-3-4 часа вполне себе. Зависит от таймфрейма, диапазона, за который надо посмотреть данные, и ваших требований по красоте картинки. Мне хватает пока.
— данные обрабатываются относительно долго (библиотека matplotlib каждый раз рисует график заново + недостаток знаний программирования/ума).

Плюсы:
— свое, родное, надежное и хоть как-то контролируемое. И бесплатное.

Данные: КВИК (Финам или Мосбиржа с задержкой).
Подключаюсь к КВИКу — вывод по ODBC — использую MS SQL 2012.
Обработка данных: Python (pandas + matplotlib) + просмотр графиков через браузер.

Знания Python поверхностные, но добрые люди здесь помогли построить график.

Вкратце суть такая.
1. Сначала делаю с помощью pandas мультииндексный таймфрейм следующего вида:

( Читать дальше )

Результаты неоднозначные, хотя есть вполне конкретная закономерность почти по всем бумажкам. Увидите ли? :)

Методика такая:

• берём историю с 2010 или откуда она есть по бумажке
• ищем лучшую сделку внутри дня по максимальной прибыли
• фиксируем время входа и выхода, прибыль
• делаем это как для long, так и для short
• сделки, открытые с 10:00 до 10:30, выкидываем
• оставшееся приводим к часам суток и дням недели, прибыль агрегируем
• чартим

Про рисунки ниже:

• в заголовке диаграммы — тикер и направление сделки
• по Y — день недели, где 1 — понедельник, 5 — пятница
• по X — час суток, в котором открыта или закрыта сделка
• на левой диаграмме — входы, на правой — выходы и, что важно — они связаны! тут вам не просто агрегация всех входов или выходов
• размер точки — суммарная прибыль от сделок в этот день и час — открытых слева, закрытых справа

Ищите рыбу. Найдёте — напишите :)
Приятных выходных :)

ps замучился вставлять картинки. Хорошо бы поиметь механизм для массового прикрепления картинок!

( Читать дальше )