💵Динамика денежной массы M2 - самый важный макроэкономический фактор, влияющий на цену акций. Многие из инвесторов про это уже не раз писали, но удалось это обнаружить самостоятельно в результате ошибки с обучением ML-модели, предсказывающей рост/падение акций (писал в прошлых постах). Неудачный выбор целевого признака создал модель, которая не очень хорошо определяет фаворитов среди акций, а скорее научилась ловить экономические циклы и предсказывать в общем изменение рынка акций на год вперед. В топ самых полезных факторов вошли практически одни макроэкономические показатели, вытеснившие информацию о самих компаниях и их отчётностях. Самым важным оказался фактор, отражающий динамику денежной массы M2. Если Денежная масса растёт, то на горизонте года шансы роста рынка акций резко увеличиваются. Ниже приведен график waterfall из python библиотеки shap. Если кратко, то эта библиотека используется для визуализации и интерпретации моделей машинного обучения. Конкретно этот график показывает какой вклад вносит каждый из факторов на прогноз модели в конкретном кейсе. Тут хорошо видно, что фактор на основе изменения денежной массы сильно повысил прогноз вероятности роста конкретной акции, с остальными похожая картина. А акция с картинки это Татнефть (TATN), ей модель присвоила самую высокую вероятность роста на горизонте года. PS. Остальные факторы закрасил, чтобы не светить всю модель) MOEX IMOEXF

Гравитация ставок сработала в обратную сторону. Умные инвестиционные аналитики говорят, что это все из-за жёсткой риторики ЦБ и что ставку могут перестать снижать или даже перейти к повышению. Видимо, эти люди никогда не видели исторические графики ключевой ставки. После развората ставки, она продолжает двигаться в новом направлении. Не бывает такого, что на следующем заседании регулятор сообщает, что в прошлый раз повернули не туда, теперь все по-другому (исключение турецкий ЦБ). Распродажу в пятницу объясняю тем, что спекулянты набрали овер много логновых позиций перед заседанием и начали закрываться на факте, что рынок не смог переварить. По мере сползания вниз самоподдерживающаяся реакция набрала обороты. Думаю, это был отличный момент, чтобы докупить позиции, которые выигравают от снижения ставок. У меня такой возможности нет, ибо на 100% уже в акциях. Для меня фавориты это отдельные представители банковского сектора ( T SBER) и ретейлеров ( MGNT X5 ). В сторону закредитованных компаний вроде Мечела и АФК Система не смотрю ( MTLR AFKS ). Им быстро не полегчает. Актуально для RocketCapital

Как уверенно вы инвестируете, опираясь на гипотезы, которые никогда не проверяли? Этот вопрос касается как технического, так и фундаментального анализа. В случае с техническим анализом всё очевидно: любые паттерны, правила или «законы» рынка требуют строгого тестирования на исторических данных и регулярной перепроверки — рыночные условия динамичны, и то, что работало вчера, может стать нерелевантным завтра. С фундаментальным анализом, казалось бы, иначе — его основа строится на экономических принципах и объективных показателях компаний. Но что делать, когда анализ выявляет противоречия? Например, как определить, какой фактор — рост выручки, снижение долговой нагрузки или изменение маржи — вносит ключевой вклад в будущую капитализацию? Проблема: отсутствие системности. Я пришел к выводу, что мне не хватает единой математической модели, способной: 1. Учесть взаимовлияние всех значимых показателей (от макроэкономических до операционных метрик компании); 2. Количественно оценить вклад каждого фактора в итоговый результат; 3. Генерировать прогнозы, адаптирующиеся под изменения рынка. Такая модель превосходит возможности даже команды аналитиков: она может масштабироваться на тысячи компаний, обрабатывать неочевидные связи и минимизировать когнитивные искажения. Вызовы и прогресс. Создание подобной системы — задача для узкого круга специалистов: требуется экспертиза в data science, математическом моделировании и понимание финансовых рынков. Уже больше месяца я разрабатываю такую модель, и ключевые этапы включают: - Автоматизацию сбора данных: интеграция источников (биржевые данные, отчетности, макростатистика); - Очистку данных: борьба с пропусками, outlier'ами, несопоставимостью метрик; - Построение гибкой архитектуры: модели машинного обучения с возможностью переобучения и калибровки; - Визуализацию и мониторинг: дашборды для отслеживания качества модели и интерпретации прогнозов. Первые результаты обнадеживают: модель корректно ранжирует компании по ряду критериев и выявляет переоцененные/недооцененные активы. Однако впереди — годы доработок, включая стресс-тесты в разных рыночных циклах. Почему это важно? Успех этого проекта станет основой для: - Перехода от интуитивных решений к полностью алгоритмизированной стратегии; - Создания конкурентного преимущества для RocketCapital за счет исключения эмоций и рутинных ошибок. Работа только начинается, но каждый шаг подтверждает: будущее инвестиций — за синтезом дисциплины данных и финансовой аналитики. #прояви_себя_в_пульсе #пульс IMOEXF T