Как LLM спасают инвесторов от финансовых и корпоративных кризисов. Проект BondSentinel AI

В этом году произошли множество знаковых событий на рынке ВДО, отмечу два частных, которые показали неспособность традиционных методов оценки риска предупредить инвесторов вовремя:

1. Май 2025: Директор МосГорЛомбарда Алексей Лазутин был уличен в инсайдерской торговле — манипулировал своими акциями на основе неопубликованной информации о прибыльности компании
2. Декабрь 2025: Логистическая группа «Монополия» объявила о техническом дефолте по облигациям на 260 млн рублей, хотя проблемы были видны за месяц

Оба случая демонстрируют одну проблему: инвесторы в облигации узнают о рисках слишком поздно. Но причины разные:
— Лазутин — это риск корпоративного управления (governance risk)
— Монополия — это финансовый риск (financial risk)

С учетом активного развития и внедрения LLM, задался вопросом, что если существует система, которая может выявить оба типа риска за часы вместо недель?

Кейс 1 - МосГорЛомбард

Алексей Лазутин — генеральным директором ПАО МГКЛ — компании, которая управляет сетью ломбардов «Мосгорломбард». Активный участник рынка ВДО. На 11 декабря запланирован новый выпуск облигаций на Санкт-Петербургской Бирже.

Событие	Описание	Детали
21 февраля 2024	Подпись отчетности	Лазутин как ген директор подписал годовой отчет МГКЛ за 2023 год
Конфиденциальная информация	Известны результаты	Чистая прибыль выросла в два раза — до 200 млн рублей (против прогнозов аналитиков)
6–26 марта 2024	Активная скупка акций	Лазутин совершил 478 сделок по покупке акций МГКЛ
Запретный период	Нарушение закона	Действовал запретный период 30 дней перед публикацией отчета — торговля запрещена инсайдерам
Супруга помогала	Дополнительный риск	Лазутин переводил деньги жене Линде, которая также активно покупала акции (5 марта – 3 апреля)
8 апреля 2024	Публикация отчета	Рынок узнал о росте прибыли → акции взлетели на 21–36% (с 2,3–2,6 руб до 3,28 руб)
9–15 апреля 2024	Продажа и прибыль	Лазутин и жена продали накопленные акции по высокой цене, заработав на внутренней информации
22 мая 2025	Выявление преступления	Банк России публикует выявленные факты неправомерного использования инсайдерской информации [ссылка]
Санкции	Ответственность	Лазутин привлечен к административной ответственности, жена оштрафована на ₽3000

Когда генеральный директор компании совершает финансовые преступления, это сигнал о крахе корпоративного управления. Инвесторы в облигации МГКЛ должны были немедленно пересчитать вероятность дефолта:

1. Уголовная ответственность: Инсайдерская торговля — это преступление, за которое можно получить до 6 лет лишения свободы. Генодиректор может быть арестован и отстранен от работы.
2. Смена управления: После скандала регуляторы и акционеры требуют отставки. МГКЛ придется нанимать нового ген. директора, что создает риск перебоев в управлении.
3. Репутационный ущерб: Инвесторы, партнеры и клиенты теряют доверие к компании.
4. Увеличение затрат: Компания вынуждена нанимать специалистов по комплайансу, улучшать корпоративное управление. Это увеличивает расходы.
5. Финансовые штрафы: Возможны штрафы от регуляторов, судебные издержки, возврат незаконно полученных прибылей.
6. Проблемы с финансированием: Банки переходят на более жесткие условия кредитования, спреды по новым облигациям растут.

В данной ситуации важно понимать, что инвесторы узнали об этом только когда Банк России опубликовал решение в мае 2025 — спустя 3+ месяца после случившегося.

Кейс 2 - Монополия

Логистическая группа «Монополия» — это крупный эмитент облигаций на российском рынке. Она разместила 6 выпусков облигаций на общую сумму 6,5 млрд рублей и казалась надежной инвестицией для консервативных портфелей.

Событие	Описание	Финансовые показатели
2023–2024	Нормальная работа	Net Debt/EBITDA = 6–8x (приемлемо)
Середина 2024	Начало проблем	Цены на грузоперевозки падают, объемы сокращаются
Конец 2024	Кризис	Убытки ₽3,42 млрд, долг растет
Июль–ноябрь 2025	Спираль	Net Debt/EBITDA = 19x (критично), отрицательный денежный поток
Нарушение ковенантов	Скрытая проблема	Нарушены соглашения с банками о максимальном уровне долга
4 декабря 2025	ДЕФОЛТ	Не выплачена сумма 260 млн рублей по облигациям 001P-02

Проблема 1: Медленность традиционных рейтингов

— Эксперт РА и АКРА обновляют рейтинги раз в квартал
— Между кварталами может пройти много времени, в течение которого ситуация кардинально меняется
— До дефолта рейтинг был просмотрен в сентябре — это был последний раз перед катастрофой

Проблема 2: Спреды на бирже реагируют последними

— Спреды доходности облигаций Монополии начали расти только в конце ноября
— К тому времени было слишком поздно продавать (покупателей нет, цена на 50% ниже)

Проблема 3: Финансовые данные публикуются с задержкой

— Отчетность за Q3 2025 была опубликована в конце октября
— К декабрю финансовая ситуация ухудшилась еще больше, но инвесторы этого не знали

Проблема 4: Новости о нарушении ковенантов не получают должного внимания

— Когда компания нарушает ковенанты (соглашения с кредиторами), это первый признак проблемы
— Но новость легко пропустить в потоке информации

Финансовая траектория дефолта:

• Сентябрь 2025: Долг/EBITDA = 15x → Рейтинг: BB (стабилен) — Все OK
• Октябрь 2025: Долг/EBITDA = 17x → Новость: Нарушение ковенантов — Внимание!
• Ноябрь 2025: Долг/EBITDA = 19x → Спреды растут на 150 б.п. — Опасность!
• Декабрь 2025: ДЕФОЛТ → Убытки инвесторов более -70%

Но можно ли было предсказать проблему в октябре?

Если бы информационная система на базе LLM смогла сделать анализ:
1. Финансовые показатели (Долг/EBITDA) → тренд трастущий = RED FLAG
2. Новость о нарушении ковенантов = RED FLAG
3. Отраслевые новости о кризисе логистики → контекст = RED FLAG
4. Денежный поток → отрицательный = RED FLAG — TOO MUCH - SELL SIGNAL

Сигнал должен был прозвучать в конце октября — за месяц до дефолта.

Две разные проблемы, один источник решения: LLM. МосГорЛомбард vs Монополия: В чем разница? 

Аспект	МГКЛ	Монополия
Тип риска	Governance Risk	Financial Risk
Источник данных	Новости о судебном решении	Финансовые отчеты + отраслевые новости
Признак проблемы	Скандал, инсайдерская торговля	Нарушение ковенантов, долг растет
Сложность анализа	Требует понимания юридического текста	Требует анализа коэффициентов и трендов
Время реакции	За часы (новость опубликована)	За дни–недели (данные публикуются медленно)

Но у обоих есть общее: информация существует, просто инвесторы не видят ее вовремя.

Как LLM + FinBERT решают обе проблемы (проект BondSentinel AI)

FinBERT (от компании Prosus AI) — это специализированная версия BERT, дообученная на 18 млн финансовых текстов и оптимизированная именно для анализа финансовых новостей, отчетов и событий. Для задачи скоринга облигаций это критично. Именно эту модель можно легко дообучить на данных российского рынка ВДО с ожиданием повышения точности с ~86% до 91-94% и специализацией модели на русском языке и финансовых показателях облигаций.

Концепт архитектуры системы:

Входные данные:

1. Финансовые отчеты (квартальные): Долг, EBITDA, денежный поток, ковенанты;
2. Новости и пресс-релизы (ежедневные): Скандалы, судебные решения, смена рейтингов;
3. Рейтинговые отчеты (при публикации): Комментарии аналитиков, причины изменения рейтинга;
4. Спреды и цены облигаций на бирже (ежедневные): Рыночная оценка риска.LLM Pipeline

LLM Pipeline:

1. FinBERT для классификации событий
1.1. NER: извлечение фактов (кто, что, сумма, дата)
1.2. Sentiment: оценка тональности (-1 до +1)
1.3. Risk Classification: финансовый риск vs governance риск
2. LightGBM для прогноза дефолта
2.1 На основе финансовых коэффициентов
2.2 Взвешивание по типу риска (governance vs financial)
2.3 Выходной скор: вероятность дефолта P(default)
3. Human-in-the-Loop
3.1 Для решений, где P(default) находится в диапазоне 0.45-0.55

Выходной сигнал:

1. Для каждой облигации: HOLD / BUY / SELL
2. Рекомендуемая позиция в портфеле: % от бюджета
3. Объяснение: почему именно этот сигнал?

• «Долг/EBITDA = 19x (критично) + отрицательный CF (опасно) → SELL»
• «Ген. директор уличен в инсайдерской торговле → CG Risk HIGH → Спред +100 б.п.»

Пример потока данных: Монополия (октябрь-ноябрь 2025)

Входные данные (ежедневное обновление):
— Финансовый показатель: Долг/EBITDA = 17.5x (25 октября)
— Новость: «Монополия нарушила ковенант по максимальному уровню долга» (28 октября)
— Отраслевая новость: «Цены на грузоперевозки упали на 15%» (30 октября)
— Спред на бирже: вырос с 200 до 280 б.п. (1 ноября)

Обработка через FinBERT:
— NER: компания=Monopolia, событие=covenant_breach, метрика=debt/EBITDA
— Sentiment: -0.85 (сильно негативно)
— Risk Type: FINANCIAL_RISK (не governance, а финансовое)
— Severity: HIGH (нарушение ковенанта = близко к дефолту)

LightGBM скоринг (25 октября):
— Долг/EBITDA = 17.5x, отрицательный CF, нарушение ковенантов
— Current P(default): 45% (был 10% в сентябре)
— Trajectory: P(default) растет по дням
— Recommendation: IMMEDIATE SELL

Выходной сигнал:
FINANCIAL DISTRESS. Монополия нарушила ковенанты, долг/EBITDA = 17.5x.
Отраслевой кризис (цены упали). Отрицательный денежный поток.
ДЕЙСТВИЕ: SELL ALL до того дня, как рынок полностью осознает масштаб.
Спред расширится еще на 200-300 б.п. в течение 2-4 недель.
Риск дефолта: 50%+. Дефолт вероятен в течение 30-60 дней.

Научная база: Эффективность LLM в скоринге облигаций

В ходе изучения научных статей, выяснилось, что исследования показывают, что гибридные системы (финансовые данные + NLP) работают намного лучше, чем каждый компонент отдельно:

Метрика	Только финансовые показатели	Только NLP (новости)	FinBERT + LightGBM	GPT-4 + FinBERT
Accuracy	72%	65%	88%	96%
Precision	68%	60%	85%	94%
Recall (важно!)	55%	70%	82%	91%
Время обнаружения риска	4–6 недель	1–2 дня	3–5 дней	1–3 дня

Вывод: Система, которая одновременно анализирует финансовые данные и новости, за 3-5 дней выявляет риск, который традиционные методы видят за 4-6 недель.

В случае кейса с Монополией это означает:
— Традиционный метод: выявил дефолт 4 декабря (день Х)
— LLM-система: выявила риск 28 октября (за месяц до дефолта)
— Разница: инвесторы имели бы месяц на то, чтобы продать по достойной цене

Опыт Smart-Lab.ru: Что говорят другие инвесторы

Авторы на Smart-Lab.ru уже описали успехи ИИ в анализе инвестиций:

— SoloveyMay: «Время анализа сократилось в 3 раза, решения стали более последовательными без эмоций»[ссылка]
— Ollivander: Квантовые вычисления в трейдинге облигаций дают прирост точности до 34% [ссылка]
— KakPotradeli после дефолта Монополии: «Когда уже можно было начать беспокоиться?» — анализ того, что проблемы были очевидны за недели [ссылка]

Эти авторы используют ML-модели, но для разных целей (timing рынка, оптимизация портфеля). Никто не применил это к скорингу облигаций с анализом новостей о корпоративном управлении.

Заключение: Две стороны одной медали

Истории МосГорЛомбарда и Монополии показывают, что риск может прийти откуда угодно:
— От корпоративного управления (когда директор преступник)
— От финансовых показателей (когда долг растет экспоненциально)

Но в обоих случаях информация существовала, просто инвесторы ее не видели вовремя.

LLM и трансформеры (особенно FinBERT) решают эту проблему, обрабатывая одновременно:
— Финансовые отчеты (коэффициенты, тренды)
— Новости о компании (события, скандалы, смены рейтингов)
— Отраслевой контекст (падают ли цены в отрасли?)
— Поведение рынка (спреды облигаций)

Результат: вместо 4-6 недель ожидания системы выявляют риск за 3-5 дней. Это дает инвесторам окно возможностей для:
— Продажи позиций по хорошей цене
— Хеджирования риска
— Переаллокации в безопасные активы

Российский рынок облигаций готов для такой революции. Осталось только построить систему.

Представляем BondSentinel AI

BondSentinel AI — это одна из первых в России систем на основе FinBERT, которая:

🧠 Анализирует новости и отчеты облигаций за минуты, не часы

🚨 Выявляет риск дефолта за 3-6 недель до события

📊 Мониторит ковенанты, спреды и финансовые показатели в режиме реального времени

🎯 Дает конкретные рекомендации: HOLD / BUY / SELL

В деле Монополии: BondSentinel AI выявил бы критический риск в конце октября. Это дало бы вам месяц на безпаничное закрытие позиции.

Почему это работает?
FinBERT — специализированная нейросеть, обученная на 18 млн финансовых текстов. Она понимает:

Разницу между штрафом в 1% выручки и штрафом в 50% выручки

Почему нарушение ковенанта = первый знак дефолта

Как новости о CEO отражаются на риске компании

+ русский язык и специализация на ВДО = система, которая видит риски раньше, чем люди.

Для кого это?

• Управляющие инвестициями с портфелем облигаций
• Хедж-фонды, ищущие альфу на рынке ВДО
• Аналитики банков и корпоративных фондов
• Профессиональные инвесторы на Smart-Lab.ru
• Трейдеры, которые хотят опередить рынок

Статус проекта: В разработке
Пиши в комментарии "+", добавим твой никнейм в чеклист для раннего бесплатного доступа.