Избранное трейдера Yelling Bob
Добрый день, друзья!
Как исследователь, полагаю, что самое интересное в фондовом рынке – его нелинейность. Здесь многие взаимосвязи носят столь сложный характер, что возникновение какого-либо фактора нередко приводит к совершенно неожиданным последствиям.
На прошлой неделе Минфин «обрадовал» россиян повышением налогов. Многие аналитики быстро подсчитали, что рост налога на прибыль приведёт к снижению чистой прибыли эмитентов (а значит – и дивидендов) на 6,25%.
Кто-то из финансовых блоггеров даже заявил, что капитализация компаний должна упасть на эту величину.
Однако, не будем торопиться с выводами.
___________
Как известно, справедливая стоимость компании (и её акций) определяется не номинальными денежными потоками, а дисконтированными (DCF).
При этом в расчёте ставки дисконтирования участвует так называемый эффект «налогового щита» – коэффициент, снижающий стоимость капитала на величину налогообложения (формулы приводить не стану, чтобы не пугать читателей сложной математикой – все они общеизвестны).
Всем привет. Напишем небольшую программу на Python для отслеживания курса валюты.
Программа будет работать следующим образом: данные будут скопированы из поисковой выдачи Google, после чего будет произведено сравнение изменения курса с момента запуска программы. В случае значительного изменения курса, программа будет автоматически отправлять уведомление в Telegram.
Первое, что нужно сделать — это решить, откуда брать курсы валют. Парсить данные будем с поисковой выдачи Google, чтобы не платить за API. Чтобы начать создавать программу, необходимо установить Python с официального сайта и загрузить IDE. Можно использовать PyCharm или любой другой редактор кода. Второе, нужно будет написать код для парсинга данных из поисковой выдачи Google, а затем сравнивать текущий курс с предыдущим.
Затем нам потребуются несколько библиотек. Первой из них является requests, которая позволит нам получать данные с сайтов. Второй библиотекой является BeautifulSoup, которая поможет нам парсить HTML-разметку и вытаскивать из нее нужные данные.
В феврале Центральный банк России отчитался о том, что количество денег в экономике выросло за год на 25%.
Количество денег в экономике можно измерить по-разному, и в зависимости от вопроса, на который экономист пытается ответить, имеет смысл брать в расчет разные показатели. Однако в феврале 2023-го основные индикаторы, «денежные агрегаты» М1 и М2, оба выросли на те же 25%. Приведет ли это к ускорению инфляции в 2023 году?
Это сложный вопрос. Впрочем, чаще приходится слышать другой вопрос: «Начал ли ЦБ печатать деньги?»
«Печатание денег» — устаревшая метафораКогда-денег становится больше, а товаров остается столько же, цены должны вырасти.
Сейчас правительство влияет на количество денег через множество разных каналов — и никакой из них в отдельности нельзя назвать «печатанием денег». Больше всего на «печатание денег» походил бы следующий процесс. Министерство финансов выпускает новые долговые обязательства, а ЦБ покупает их.
Кто не первый день торгует на бирже, тот знает, что для описания вероятностных процессов происходящих на биржевых торгах не подходит формула нормального распределения вероятностей (распределение Гаусса). Рассмотрим нормальное распределение вероятностей (НР) и биржевое распределение вероятностей (БР).
Нормальное биржевое распределение
Первое отличие БР от НР заключается в том, что БР имеет более «толстые хвосты». То есть, немного большая часть вероятностных событий находится дальше от точки математического ожидания. Этот факт можно объяснить тем, что в НР {\displaystyle \sigma } б — среднеквадратическое отклонение (волатильность) является константой, а в БР волатильность величина переменная и тоже случайная. Наличие своей дисперсии у волатильности дает нам дополнительное «размазывание» плотности вероятностей.
В этой статье я хочу рассказать вам очень важную информацию, которую вы должны знать о людях, чьи советы вы слушаете и учитываете при принятии решений (как платные, так и бесплатные). А именно о том, что на самом деле формирует мнение конкретного человека при принятии инвестиционных решений.
Мозг. Научно доказано, что лаг между тем как ваше подсознание примет решение, и тем моментом, когда вы себе его объясните, составляет около 7 секунд. Что это значит? Что де-факто, все ваши решения, в том числе и инвестиционные, принимает ваше подсознание, а не сознание, как вам кажется. Зачем это нужно знать? Да дело в том, что наше подсознание в значительной степени опирается на собственный опыт, а не на знания или информацию. Поэтому очень важно понимать — а какой опыт имеет конкретный человек в конкретном вопросе.
Бэкграунд. Опыт бывает как позитивный, так и негативный. Причем сила одинакова и одинаково может вести к деструктивному поведению. Например, человек однажды выиграл в казино, а затем стал игроманом/лудоманом. Либо же однажды открыв бизнес прогорел, так навсегда и оставшись наемным сотрудником. Теперь же, давайте приведу несколько примеров того, как опыт, полученный ранее, может оказывать значительное влияние на принимаемые решения независимо от остальной информации в инвестициях (уверен, вы сразу же подметите некоторые примеры, кроме тех, что я укажу ниже).
«Травма свидетеля. Почему мне плохо от того, что я вижу, и как с этим справиться».
Недавно вышла книга клинического психолога Галины Петраковой «Травма свидетеля».
Автор объясняет, как тяжелые новости и рассказы очевидцев воздействуют на мозг человека, даже если он не является непосредственным участником событий, — и учит с этим справляться.
Купить книгу со скидкой https://clck.ru/32noMJ
Самокритичные мысли могут быть очень жесткими, а еще мы произносим их холодным, суровым тоном, как будто отчитываем себя.
А теперь представьте, что вам звонит близкая, любимая подруга или друг и рассказывает: в мире происходят ужасные вещи. Она устала. На работе проблемы. Подруге плохо, она в стрессе, вы слышите в ее голосе тревогу и растерянность.
Плох тот спекулянт, который не мечтает заработать на снижении американского рынка :)
Однако делать это нужно правильно. В данном посте представлю свои размышления по данному вопросу в облегченной версии, без уравнений и эконометрики, только самую суть. Hard версию выложил pdf файлом в своем телеграме.
Алгоритм следующий:
1. Считаем трехмесячный импульс спреда между US High Yield Index Effective Yield и Aaa Corporate Bond Yield.
2. Вычисляем значение спреда, при котором доходность S&P500 равна 0. Для вычисления такого уровня спреда используются CAPE, а таже отношение доходности 10-ти летних государственных облигаций США к средней за предыдущие 10 лет.
3. Если в конце месяца 1>2, то принимаем решение держать короткую позицию по S&P500 на следующий месяц. Если 1<2, то на следующий месяц держим длинную позицию.