Ровно год назад за акцию компании на рынке предлагали около 19000 руб., сейчас же она и по 12500 руб. никому не нужна. Давайте разберемся, что произошло и где компанию интересно было бы подбирать.

Книги по инвестициям нас учат покупать лучшую компанию в секторе. По многим параметрам Полюс является именно таким бизнесом, самая низкая себестоимость добычи, самые большие запасы в мире. Одна из самых низких оценок в секторе по мультипликаторам. Что еще нужно долгосрочному инвестору?

Менеджмент дал прогноз по операционным результатам на ближайшие 3 года. Объемы добычи золота останутся примерно на текущих уровнях (2700-2900 млн. унц), а вот капексы подрастут до $1-1,1 млрд. Часть из них пойдет в том числе в реализацию проекта «Сухой лог», который на данный момент оценивается в $3,3 млрд. Более подробно с бизнесом можно ознакомиться в нашем видео-разборе.

Результаты 1 полугодия:

📉 Производство золота снизилось на (2% г/г) до 1,26 млн. унц.

📈 Цена реализации выросла на 8% г/г до $1803/унц.

( Читать дальше )

Бразильская компания
▫️ Капитализация: $85 b
▫️ Выручка TTM: $56 b
▫️ Прибыль TTM: $17 b
▫️ P/E fwd 2021:4
▫️ P/B: 2
▫️ Дивиденды 1П2021: $6,1 b
▫️ BuyBack 1П2021: $2 b

👉 Ключевые сегменты 1Q2021:
Железная руда: 73% (83% от EBITDA)
Гранулы: 12%
Никель: 5%
Медь: 4%

✅ Компания направляет почти весь FCF на дивиденды и байбэк, что дает высокую доходность акционерам.

✅ Компания эффективна даже при низких ценах на железную руду. Прибыль в 2018 была $6,9 b, однако размер дивидендов был меньше из-за долга. Cебестоимость добычи железной руды соответствует рынку (по старым данным за 4кв2018). Судя по уроню рентабельности, всё актуально.

❌ Цена на железную руду упада почти до уровней 1П2020 из-за падения спроса в Китае (больше 50% продаж компании) В 3кв2021 средняя цена реализации будет высокая, что даст прибыли около $6 b за квартал.

( Читать дальше )

АО «Апатит». Фото ФосАгро
Предыдущие статьи:

1. Как компании зарабатывают деньги. Производство серной кислоты
2. Как компании зарабатывают деньги. Производство апатитового концентрата
3. Как компании зарабатывают деньги. Производство фосфорной кислоты
4. Как компании зарабатывают деньги. Производство аммиака
5. Как компании зарабатывают деньги. Производство хлорида калия
6. Как компании зарабатывают деньги. Производство азотной кислоты

Ранее мы рассмотрели производство двух компонентов, без которых невозможно производство комплексных удобрений ФосАгро: хлорида калия KCl и азотной кислоты HNO3. Эти два вещества вместе с аммиаком NH3, серной H2SO4 и фосфорной кислотами H3PO4, нужными для азотно-фосфорных удобрений, понадобятся для приготовления так называемых NPK и PKS удобрений. Данные продукты ФосАгро выпускает на заводах в Череповце и Волхове.

( Читать дальше )

С проникновением аналитики во многие сферы нашей жизни она не могла обойти стороной финансы. В этой статье рассмотрим ее применение для анализа ETF с целью их анализа, в том числе и с применением визуализиции.

1. О данных

Для анализа будем использовать данные ETF c базовой валютой USD: FXCN, FXRL, FXIT, FXUS и FXRU. Временной ряд рассмотрим за три года с 2018 по 2020 года. Само исследование проведем в Google Colaboratory.

Как обычно в начале импортируем все необходимые библиотеки для дальнейшей работы.

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from google.colab import files
import warnings
warnings.filterwarnings("ignore")

Сначала необходимо получить данные. Есть несколько способов. Мы воспользовались — взяли их с Finam в формате csv. Дальше написал функцию для обработки полученных данных и при помощи concat свел их в один датафрейм.

def changeDF(df):
  df['date'] = pd.to_datetime(df['<DATE>'].astype(str), dayfirst=True)
  name =[x for x in globals() if globals()[x] is df][0]
  df = df.drop(['<DATE>','<TIME>', '<OPEN>', '<HIGH>', '<LOW>'], axis=1)
  df = df.set_index(['date'])
  df.columns = [name+'_cl', name + '_vol']
  return df

fxgd_change = changeDF(fxgd)
fxrl_change = changeDF(fxrl)
fxit_change = changeDF(fxit)
fxus_change = changeDF(fxus)
fxru_change = changeDF(fxru)
fxcn_change = changeDF(fxcn)

etf = pd.concat([fxgd_change, fxrl_change, fxit_change, fxus_change, fxru_change, fxcn_change], axis=1)

etf.head()

В результате получили:

( Читать дальше )

Итак, код обучения и прогнозирования нейросетью рыночных котировок на 5 минут.

import sqlite3 as sql
from scipy.stats import logistic
import math
import numpy as np
import numpy.random as rnd
import matplotlib.pyplot as plt
from sklearn.neural_network import MLPRegressor

sdata =[]
sql1= "select ticker, date, open, high, low, close, vol \
    from Hist_1m where ticker_id=1 order by Date;"
con=sql.connect('C:/Users/ubase/Documents/StockDB/StockDB21.sqlite')
cur=con.cursor()
cur.execute(sql1)
sdata=cur.fetchall()
con.commit()
con.close()

Ldata = len(sdata)
N = 8000 # Количество сделок
ld = 5 #Продолжительность сделки
NNinterval = 20 # Количество входов NN

# Генерация случайных чисел
rng = rnd.default_rng()
rm=rng.integers(0, Ldata, N )

class Candle:
    tr = 0
    dt = 1
    o = 2
    h = 3
    l = 4
    c = 5
    v = 6
    
cl = Candle
DataC =[sdata[i][cl.c] for i in range(0,Ldata)]

# sigmoid линейность до 0.5
def sigmoidnorm(x, alfa = 0.9, xmin = -1.3, xmax = 1.3):
    return (xmax - xmin)*((1 / (1 + math.exp(-x*2.0*alfa))) - 1.0) + xmax

x = [0.002 * i - 3 for i in range(0,3000)]
y = [sigmoidnorm(x[i]) for i in range(len(x))]


plt.plot(x,y)
plt.grid()
plt.show()

# формируем сделки.
def DealsGenL(rm,ld):
   #Lm = len(rm)
   ix = []
   x = []
   pr = []
   
   for i in range(0,N):
        if rm[i] + ld < Ldata and rm[i] - NNinterval - 1 > 0:
            delta = (sdata[rm[i]+ld][cl.c] - sdata[rm[i]][cl.c])/sdata[rm[i]+ld][cl.c]*100
            x0 = [sigmoidnorm((sdata[rm[i] - j][cl.c] - sdata[rm[i]][cl.c])/sdata[rm[i]][cl.c]*100) \
                 for j in range(0, NNinterval)]
            ix.append(rm[i])
            x.append(x0)
            pr.append(delta)
   return ix, x, pr


Ix, X, Pr = DealsGenL(rm,ld)



Ib = 0
Ie = 100

plt.plot(X)
plt.legend()
plt.grid()
plt.show()


plt.plot(Pr, label = 'Prof')
plt.legend()
plt.grid()
plt.show()


regr = MLPRegressor(hidden_layer_sizes = [30,20,15,10,5], \
                    max_iter=500, activation = 'tanh')

regr.fit(X, Pr)
Out = regr.predict(X)

plt.plot(Pr, Out, '.')
plt.grid()
plt.show()

И вот результат прогнозирования:

( Читать дальше )

Кризис в цепочках поставок связан не только с растущим спросом на микрочипы, но и с увеличением издержек на логистику. Так, стоимость контейнерных перевозок из Китая растет огромными темпами с конца 2020 года.

Список производителей-лидеров отрасли

 

Intel — один из старейших и самых крупных производителей полупроводников в мире. Однако 40% выручки Intel приносят 3 потребителя: Dell (15%), Lenovo (15%) и HP (10%). Все эти компании в основном ориентированы на PC и схожие продукты личного использования.

Samsung в основном производит полупроводники для собственных устройств, но также имеет долгосрочные контракты с Apple, Deutsche Telekom и Verizon — основными бенефициарами распространения 5G технологии.

TSMC — один из лидеров рынка и самый крупный контрактный производитель в мире с долей рынка в 56%. Контрактный производитель продаёт то же самое оборудование, что используют конкуренты, но позволяет выпускать его под их маркой. Поэтому в числе крупных клиентов встречаются: AMD, NVIDIA, Qualcomm и Intel. Также услугами компании пользуются MediaTek, Apple. Таким образом, TSMC выигрывает от роста всего рынка полупроводников и перспективных секторов одновременно.

( Читать дальше )

Эта книга — конспекты собраний акционеров компании Уоррена Баффета — Berkshire Hathaway с 1986 по 2015 год. Она больше документальная, от этого немного страдает целостность и последовательность повествования. Тем не менее книга довольно крута. Начинается очень концентрированно: много полезных идей на каждой странице, за что она мне сразу понравилась. Видимо, оттого, что книга очень концентрированная, читать ее получилось медленнее, чем большинство других книг. Читаешь идею, обдумываешь, читаешь дальще.

Но стоит иметь ввиду: поскольку это все таки конспект годовых собраний акционеров, Баффету и Мангеру из года в год задавали одни и те же вопросы, поэтому вторую половину читать уже не так интересно, потому что много информации повторяется.

( Читать дальше )

Это перевод оригинальной статьи Рэя Далио «Chapter 5: The Big Cycles of the United States and the Dollar, Part 2».

Часть 2-1: https://smart-lab.ru/blog/723190.php

Период капиталистического бума 2008-20 годов, финансируемого деньгами

В 2008 году долговой кризис привел к снижению процентных ставок до 0%, что заставило центральные банки трех стран с основной резервной валютой (во главе с ФРС) перейти от монетарной политики, ориентированной на процентные ставки (MP1), к монетарной политике, ориентированной на печатание денег и покупку финансовых активов (MP2). Центральные банки печатали деньги и покупали финансовые активы, что давало деньги в руки инвесторов, которые покупали другие финансовые активы, что вызывало рост цен на финансовые активы, что было полезно для экономики и особенно выгодно для тех, кто был достаточно богат, чтобы владеть финансовыми активами, поэтому это увеличивало разрыв в благосостоянии. Вливание большого количества денег в финансовую систему и снижение доходности облигаций обеспечило компаниям большое количество дешевого финансирования, которое они использовали для выкупа собственных акций и акций связанных компаний, которые они хотели приобрести, что еще больше повысило цены на акции. По сути, заемные деньги были бесплатными, поэтому инвестиционные и корпоративные заемщики воспользовались этим, чтобы получить их и использовать для покупок, которые привели к росту цен на акции и корпоративных прибылей. Эти деньги не просачивались пропорционально вниз, поэтому разрыв в благосостоянии и доходах продолжал расти. Как показано на диаграммах ниже, разрыв в благосостоянии и доходах сейчас самый большой с момента 1930-45 годов.

( Читать дальше )

Маржа на американском рынке. Часть 2.

В 1-й части я рассказал про маржу и риски маржинальной торговли на фондовом рынке США:

— что если вы покупаете или шортите акции на сумму больше, чем у вас есть на счете, то вы обязаны платить проценты за пользование деньгами брокера;

— что именно брокер предоставляет клиентам возможность маржинальной торговли на фондовом рынке;

— и именно брокер может повысить маржинальное обеспечение или вообще запретить маржинальную торговлю по акциям. Такое, например, было когда брокер Robinhood запретил не только маржинальную торговлю на акциях GameStop, но и вообще открывать новые позиции.

На рынке фьючерсов и опционов (деривативов) маржинальное обеспечение имеет 4 отличия:

✅ По деривативам маржинальное обеспечение определяет биржа. То есть именно биржа предоставляет клиентам возможность маржинальной торговли на деривативах. И никакой оплаты за эту возможность биржа не взимает. Оплата может взиматься рыночными механизмами за счет контанго, но не биржей, а участниками рынка.

( Читать дальше )

В общем, в этом году налоговая прислала мне письмо счастья с просьбой уплатить налоги за 2018-2020 годы по счету, который нашли у меня на Кипре. 

Я сходил в налоговую, где инспектор мне объяснил, что надо каждую сделку из отчета брокера внести в журнал, пересчитать на рубли и посчитать налог.

Сказать что я был шокирован — ничего не сказать, потому что в моем брокерском отчете только за 2020 год было пару десятков тысяч сделок😁

Добрый инспектор сказала: ну ничего, посидите денька 3 и заполните. Нам и по 500 листов сдавали отчеты.

К счастью, проблема решилась гораздо гораздо проще. Из недр смартлаба вышел святой человек — Виктор Бавин, который сказал, что их бухгалтеры сотнями такие налоговые отчеты заполняют и предложил помощь. 

Что было дальше?

Я отправил Виктору брокерские отчеты за 3 года. Его бухгалтеры за 1 день посчитали мне налоги. Суммарно кстати получилось за 2020 год около 750 страниц😁
Далее я дал им логин/пароль от своего кабинета налогоплательщика и они автоматом занесли все данные туда.

Мне осталось лишь уплатить налог. Налоговая выставила счета, и я оплатил их со счета ИП, поскольку лично мне так было удобнее.

Кстати на прошлой неделе я получил очередное письмо счастья. Теперь просят явиться в налоговую и объяснить, почему я не уплатил налог вовремя.
Что им отвечать кстати? Кто знает?

В общем, кто хочет быстро и без гемора заполнить отчет для налоговой и подать его удаленно через кабинет, велкам ту Виктор Бавин.