Блог им. YuriyVorobev
Привет, Smartlab! Я новичок на платформе, но на на рынке.
Сразу обозначу рамки. Ниже не будет:
Речь о том, как я для себя решил проблему ручного фундаментального отбора и что из этого получилось.
С 2008 я на рынке перепробовал, наверное, всё от лудоманства скальпинга до коматозного инвестирования в стиле «купить и забыть» (с подробным разбором фундамента, разумеется).
Со временем стало понятно, что проблема не столько в знании рынка, психологии или чем-то еще, а в обычной рутине.
Фундаментальный анализ в ручном режиме плохо масштабируется:
Чек-лист вместо «ощущений»
В какой-то момент я зафиксировал для себя базовый набор критериев, который использую для первичного отбора (если очень кратко):
Этот чек-лист не ищет точки входа и не прогнозирует рынок. Он отсекает слабые компании и сокращает поле анализа.
Как я говорил выше, ручной скор упирается в человеческий фактор – внимание замыливается, растет риск упустить что-то важное (привет FOMO).
Но раз есть алгоритм, значит его можно как-то автоматизировать.
Я собрал скрипт (не без ИИ, конечно же), который прогоняет наиболее ликвидные компании по моему чек-листу:
ВАЖНО! Это не алгоритм отбора «лучших акций». Это автоматизация рутинной проверки.
Преимущества автоматизации в таком виде в скорости и консистентности анализа (одинаковое применение критериев ко всем компаниям), а также в отсутствии усталости и субъективных искажений. Ответственность за инвестиционное решение скрипт, конечно же, не снимает.
Логичный вопрос – а чем это отличается от других скринеров?
Короткий ответ – скоростью и простотой. Основное отличие не в “умности” модели, а в том, что инструмент решает узкую задачу – первичный фундаментальный отбор – и делает это быстро.
После прогона модели на данных в реальном времени в течение примерно 3 месяцев у меня получилось 65%–70% верных оценок (улучшать можно и нужно). Это не идеальный результат и не гарантия, но как фильтр работает не хуже ручного перебора и вот почему:
Ожидаю замечаний вроде «3 месяца – это ни о чем, давайте посмотрим результат через год». Давайте. Поэтому выкладываю сейчас, чтобы у любого желающего была возможность получить результат собственных тестов.
Сейчас система работает в связке внешние API для данных + ML-модель + Google-таблица + Telegram.
Отдал потестить знакомым, какое-то радикальное «фу» не получил, поэтому решил выложить на всеобщее обозрение, чтобы понять, стоит ли развивать это, как продукт/сервис или же это нужно только мне и кучке друзей...
Т.к. в планах переделать бота, чтобы он присылал отчеты по интересующим акциям по запросу (а не как сейчас раз в день).
А также (более далекая цель) – дать пользователю возможность легко настраивать собственные критерии оценки.

Так сейчас выглядит результат работы скрипта
Если интересно посмотреть, как выглядит такой фундаментальный фильтр на реальных данных – в Telegram-канале есть доступ к таблице. Можно посмотреть метод и сделать собственные выводы. Доступ пока бесплатный.
Если напишете конструктивный комментарий (тут или к любому посту в телеге), я его обязательно учту при дальнейшей разработке.
***
Еще раз про ограничения:
Инструмент используется только как ускоренный фильтр и навигатор внимания.
