Как я за 4 часа решил задачу, которая казалась мне работой на несколько недель ❓
В последнее время я начал активнее пробовать ИИ в своих обычных задачах.
И решил наконец закрыть одну старую головную боль в инвестиционных отчётах.
Мне неоднократно писали в комментариях, что доходность в % годовых я считаю слишком грубо. Правильнее использовать XIRR — то есть учитывать не только итоговый результат, но и даты конкретных пополнений.
Я мельком посмотрел, что это за зверь XIRR и как он рассчитывается, и быстро понял, что задача займет у меня кучу времени (и нервов 😁)
Потому что статистика у меня ведётся уже три года. Пополнений много, даты разные, направлений несколько.
А мои знания Google Таблиц примерно такие: что-то несложное собрать могу, но добровольно лезть во всю эту историю с формулами точно не хотелось.
Если бы делал сам, думаю, сначала пришлось бы отдельно учиться, потом восстанавливать всю историю и только потом строить расчёты.
Поэтому решил попробовать сделать это через ИИ.
Не с первого раза. Не идеально.
Приходилось объяснять структуру таблицы, проверять формулы, находить ошибки и переделывать отдельные моменты.
Но в итоге за несколько часов получилось посчитать XIRR практически по всей трёхлетней статистике.
И тут мне стало интереснее уже другое: насколько сильно мой старый способ вообще искажал результаты?
Оказалось — не так сильно, как я ожидал.
1️⃣ По основному портфелю автоследования: 5,02% годовых по старому расчёту против 5,65% по XIRR.
Разница — всего 0,63 процентного пункта.
2️⃣ А вот у индекса
$TMOS@: −5,25% → −6,65%
То есть после более точного расчёта мой портфель выглядит относительно индекса даже немного лучше, чем я считал раньше.
Разрыв между ними получается уже около 12,3 п.п.
3️⃣ По облигационному портфелю с
$TBRU@ и
$TPAY: 8,15% → 10,29%
Здесь XIRR добавил ещё 2,14 п.п.
Но самые большие сюрпризы вообще оказались не в основных направлениях.
4️⃣ Криптопортфель: −23,53% → −38,19%
5️⃣ Алготрейдинг: +25,12% → +35,79%
Вот здесь уже хорошо видно, зачем учитывать даты пополнений.
Когда актив сильно скачет вверх-вниз, имеет значение не только сколько денег ты внёс, но и когда именно это произошло.
И при этом для меня получился ещё один любопытный вывод. Мой старый расчёт был грубым — это факт.
Но для основной задачи эксперимента он три года давал вполне понятную картину.
То есть старые отчёты теперь не хочется выбросить в мусор 😁
Просто со следующих отчётов расчёт будет точнее.
Вся эта история заодно хорошо показала, как я сейчас отношусь к ИИ.
Как помощник — вещь очень мощная. 💪
То, что самостоятельно я, скорее всего, ещё долго откладывал бы и потом ещё изучал неделями, получилось решить за несколько часов.
Но вот отключать голову при работе с ним точно нельзя.
Например, параллельно я начал генерировать через ИИ дашборды для своих отчётов.
У него есть шаблон. Есть правила. Есть конкретные данные.
Но иногда в какой-то момент нейросеть решает, что художнику виднее 😁
Один такой вариант приложу к посту. Выглядит, кстати, довольно наглядно (проблема только в том, что я вообще не просил делать его таким).
Поэтому мой главный вывод пока такой:
ИИ очень хорошо снимает с меня часть технической работы. 👍
Но проверять его, задавать направление и принимать конечные решения всё равно должен человек.
По крайней мере, пока я точно не готов доверять ему эту часть полностью.
#инвестиции #аналитика #отчет #учу_в_пульсе #новичкам #облигации