Здравствуйте Уважаемые трейдеры!
Очередные сезонные тенденции на Среду 13 Марта 2024 по основным мажорам финансовых рынков.
Весь перечень анализируемых активов указан ниже в общем количестве 60 инструментов. Здесь Вы найдете активы рынка Форекс, популярные активы Московской биржи, популярные активы Чикагской биржи СМЕ и мажор криптовалютного сегмента — Биткоин.
Первый блок информации с зонами лимитных покупок и продаж:
Второй блок информации с направленным вектором движения и вероятностями (внимательно обращаем внимание на цену открытия каждого актива. Обязательно смотрим теорию в видео, где цену открытия взять на сайте investing)
В последнее время в сети распространяется много информации по поводу большого количества заимствований Минфина и роста государственного долга. Основной посыл таких сообщений — государство ускоренно движется к долговой спирали (новые займы необходимы для обслуживания старых, т.к. собственных доходов недостаточно).
На самом деле проблема, если ее в действительности можно назвать проблемой, сильно преувеличена. Поэтому ниже рассмотрим несколько цифр.
1️⃣ Совокупный объем рынка государственных облигаций составляет чуть больше 20 трлн руб. С учётом внешних обязательств, который не представлен на графике, объем госдолга ~ 25 трлн руб.
2️⃣ Чистая эмиссия государственного долга (размещения за вычетом погашений) находится в рамках нормы последних лет — в среднем около 2 трлн руб. с 2021 по 2023 годы. В 2020 году на фоне пандемии прирост госдолга составил более 4 трлн руб. Таким образом, темпы заимствований, начиная с 2022 года, не являются аномальными.
3️⃣ ВВП России по итогам 2023 года составил 170 трлн руб., по итогам 2022 года — 155 трлн руб. Тут важное замечание: и госдолг, и ВВП измеряется в номинальных величинах — в рублях. В 2023 году ВВП вырос на 3.6% в реальном выражении, т.е. после корректировки на инфляцию, но в рублях ВВП вырос на 10%. Сопоставимыми темпами рос госдолг.
VK представляет новое решение для обучения искусственного интеллекта (ИИ) — вертикальное федеративное обучение (VML). Это позволяет тренировать модели на данных из разных баз, минимизируя риск утечки персональных данных. Руководитель группы Data Science VK, Артем Агафонов, объясняет, что данная технология позволяет обучать модели без фактического обмена данными между компаниями.
Сейчас для обучения аналитических моделей компании вынуждены делиться своими данными, что не всегда безопасно. VK предлагает альтернативу, где модели могут обучаться на разных данных, но без фактической передачи информации. Это позволяет предсказывать спрос и предложение, прогнозировать поломки оборудования и многое другое.
Технология уже тестируется с несколькими партнерами из ритейла и девелопмента, и VK планирует в дальнейшем продавать это решение. Однако эксперты указывают на необходимость решения двух ключевых проблем: поиск партнеров с нужными данными и качественная разметка данных для обучения моделей.