Избранное трейдера М К


Маржинальная торговля (плечо) может несколько пугать начинающего инвестора и это нормально: новый незнакомый инструмент вызывает страх что-то сделать не так. Однако сознательно ограничивать себя и возможную прибыль от инвестиций исключительно знакомыми инструментами тоже не слишком эффективно. Гораздо правильнее будет освоить простой алгоритм грамотного использования плеча в своих инвестиционных стратегиях.
Ваша задача на старте не угадать рынок, а сделать один маленький шаг по понятным правилам безопасности, чтобы изучить маржинальное кредитование и далее эффективно использовать его в своих инвестициях.
Маржинальная торговля (плечо) — это когда брокер дает вам заемные средства под обеспечение (ваш «залог», то есть ваши деньги/активы на брокерском счете или ИИС), чтобы вы могли открыть позицию больше, чем ваш собственный капитал. Это увеличивает и потенциальную прибыль, и возможный убыток. Поэтому главное правило использования маржинального кредитования — контроль допустимого уровня риска, который устанавливаете вы сами.
Вы берете ипотеку. Банк зачисляет 5 миллионов на ваш счет. Стоп. Откуда они взялись? Из сейфов вкладчиков?
Нет.
Секунду назад этих денег не существовало. Их создала запись в банковской базе данных. И вы только что стали соучастником тайной операции под названием «эмиссия рублей».
Эта статья — не учебник экономики. Это детектив. Мы ищем того, кто на самом деле держит палец на красной кнопке.
15 минут чтения и вы навсегда измените взгляд на ипотеку и кредитки.
Глава 1. Миф о подвале и рептилоидахВы наверняка слышали эту историю.
Где-то глубоко, может быть даже под землей, стоит станок. Ночью приходит коварный чиновник (олигарх? рептилоид, нужное подчеркнуть), нажимает кнопку, и оттуда вылетают пачки хрустящих купюр. Именно их мы привыкли винить в росте цен на гречку, в дорогой ипотеке и в том, что купюра в 5000 рублей раньше кормила неделю, а теперь один день.
В этой картине мира есть жертва (народ) и злодей (тот, кто у станка). Это очень удобно. Такая позиция снимает ответственность и дает простого врага.
Однажды я прочитал книгу человека, который в двадцать лет сбежал из Америки, потому что там нечего было есть.
Осенью 1941-го, когда немцы стояли под Москвой, а магнитогорская сталь шла на танки, Скотт сел писать «За Уралом», книгу про американского рабочего в русском городе стали. Она вышла в Америке в 1942-м. На русском её издали только в конце восьмидесятых.
Январь 1933 года, Магнитогорск, тридцать пять ниже нуля. Джон Скотт лезет на домну номер три с маской и электродами. Наверху уже стоят люди: ночью клепальщик залез погреться в трубу у предохранительного клапана и там замёрз. До утра его не могли найти.
Скотт отработал смену и вернулся в барак номер семнадцать. Пятьдесят комнат, сто человек, ни водопровода, ни уборной, часто ни света, ни дров. Барак считался одним из лучших в городе.
А в паре километров стоял квартал с водопроводом, паровым отоплением, ваннами и патефонами в окнах. Скотта туда не селили =)
Скотт был сыном Скотта Ниринга, известного американского социалиста, которого за убеждения выгоняли из университетов. В 1931 году сын бросил Висконсинский университет: Америка в разгар депрессии показалась ему негодной конструкцией. Работы нет, будущего нет, зато есть страна, где, по газетам, строят новое общество. Жаль не дожил, так бы понял что ничерта не достроили.

Всех приветствую!
Четвёртая статья из цикла про ИИ. Пора, собственно, подключать ИИ агента к работе. И будет это Kimi k2.7. В конце статьи, если наш читатель сможет уделить этому несколько часов, у Вас будет установленный и оплаченный ИИ, и уже можно будет начинать делать роботов.
И ты спросишь — почему не ChatGPT? Или не русский ИванИИ? Почему именно китайский ИИ? Kimi?
И я отвечу. Не потому что я – Ван, и всё китайское я по умолчанию трепетно люблю. Потому что западные модели банят россиян, российские не могут писать код. А Кими и не банит, и может. Но по порядку...
Не сказать, что наш офис перепробовал все ИИ на планете, но какой-то опыт имеется. Краткий опыт таков.
Западные модели нас так или иначе заблокировали. Либо по IP-адресу, либо за оплату с казахстанских карт, с требованием выслать документы о прописке.
Российские сервисы-передасты оказались в 10–100 раз дороже, чем мировые аналоги. Т.е. всё в итоге сводится к тому, что надо платить по 3–5 тысяч в день за активную работу. Что смехотворно, т.к. мировые аналоги дешевле в десятки раз, ну и собственно тут идёт прокси доступ именно к ним, с переплатой провайдеру. Т.е. просто плата огромного количества денег каким-то жадным школьникам, за красивый сайт.
Белый список акций РФ.
Посты про ВТБ и Черный список акций РФ получили огромное количество просмотров и откликов. Некоторые писали в комментариях, что закинули бы весь Российский рынок в черный список и все совсем плохо, надежды нет. Однако хороших, честных компаний, с прозрачными коммуникациями и безупречной корпоративной культурой у нас достаточно. Я насчитал порядка 28 эмитентов, которые относятся к миноритарию как к партнёру, а не как к бесплатному источнику фондирования.
Сразу оговорюсь. Идеальных компаний не бывает, у каждой найдётся свой скелет в шкафу. Но речь о репутации в целом, о системном уважении к акционеру и о предсказуемости. Факторов попадания в список довольно много, это и следование див. политике, отсутствие огромного кол-ва доп.эмиссий и размывания капитала инвесторов, отсутствие мутных сделок мажоритариев, вывода средств из компании, покупок активов по завышенной стоимости и многое другое. Что же, давайте начнем:
1. Сбер Эталонный эмитент во всех смыслах, несмотря на долю государства 50%+ 1 голосующая акция. Политика 50% от чистой прибыли по МСФО соблюдается железно. Отчётность по МСФО выходит как часы, менеджмент Грефа выстроил культуру общения с рынком, огромная махина управляется великолепно с прекрасной маржинальностью, roe 24%.
Я тут на днях начал экспериментировать с ИИ агентами, поставил opencode.ai — мультимодельная софтина, которая позволяет использовать разные ИИ модели в одном окне. Результаты получились довольно интересные, но не блестящие, много нюансов. Еще расскажу об опыте коллег, которые так или иначе пробовали привинчивать ИИ к исследованиям.
Давайте сразу отделим мух от котлет, и проведем черту между использованием “ИИ” в торговых операциях (принятие решений моделью) и использованием ИИ помощников для текущих исследований. В настоящем мире смещались в кучу кони, люди, а ИИ называют любой алгоритм, потому что .ai в доменном имени добавляет так же много капитализации как и .com в начале 2000х.
О попытках использования нейросетей в трейдинге я узнал еще в 2004 году, уже тогда было несколько продуктов, которые использовали эти технологии. Потом пришел machine learning на рубеже 2016-18 годов, и наконец наступила эра ИИ. Однако все это разбивалось о стохастическую природу рыночных данных, где соотношение сигнала-шума сводило любую модель с ума.
Энергетическая доступность остается одним из главных препятствий на пути развития центров обработки данных для ИИ. Проблема заключается не в дефиците электроэнергии в целом, а в нехватке электроэнергии, которую можно доставить в нужные места. Устаревшая энергосеть не была рассчитана на такой рост нагрузки, и крупным кампусам для ИИ теперь требуется несколько гигаватт (ГВт) электроэнергии. Хотя модернизация энергосети и ведется, сроки ее проведения, как правило, дольше, чем сроки строительства центров обработки данных. Это несоответствие уже привело к значительным задержкам проектов, и теперь ожидается, что ввод в эксплуатацию 30-50% мощностей центров обработки данных, запланированных на 2026 год, будет отложен.
Однако, как это часто бывает, капитализм находит выход. Разработчики центров обработки данных все чаще обращаются к электроснабжению «за счет потребителя», когда электроэнергия вырабатывается на объекте или рядом с ним и используется непосредственно самим объектом.