Пример того, как ChatGPT может стать эффективнее чем чтение горы учебников по финансам и инвестициям:

На данном скриншоте я сформулировал вопрос как правильно считать FCА авиакомпаний.
И получил подробный ответ
* обоснованно
* по существу
* без воды

В каком-то смысле агент ИИ по сути замещает опытного преподавателя, который просто сидит с тобой и максимально грамотного отвечает на твои вопросы.

При этом уверен, что большинство преподавателей, которые работают в российских ВУЗах не имеют актуальной практики анализа акций, и вряд ли вообще глубоко знакомы с современными методами анализа и с такими тонкими нюансами. (Хотя надеюсь, что я ошибаюсь)

📌 В прошлый раз таблица долговой нагрузки для рынка акций набрала рекордное число сохранений в избранное, поэтому, как и обещал – сделал такую же таблицу для рынка облигаций.

📊 КАК ПОЛЬЗОВАТЬСЯ ТАБЛИЦЕЙ?

• Отобрал 103 компании на рынке облигаций, не имеющих листинга акций. Старался отбирать самые популярные среди инвесторов и с большими объёмами выпусков. Сейчас на рынке корпоративных облигаций около 660 эмитентов, поэтому с учётом таблицы акций разобрал примерно треть всего рынка.

• 🟢 Зелёным и 🟡 жёлтым цветом отметил компании с умеренной долговой нагрузкой (Чистый долг/EBITDA ниже 2x); 🟠 оранжевым цветом – компании с повышенной долговой нагрузкой (2-2,4x); 🔴 красным цветом – компании с высокой долговой нагрузкой (2,5x-∞).

• Для сектора лизинга более применим показатель Долг/Капитал (нормальное значение до 8x), поэтому 20 лизинговых компаний выделил отдельно в конце таблицы.

• У некоторых компаний есть отчёты только за 2024 год – их пометил звёздочкой (*). Также выделил красным шрифтом компании, которые уже допустили дефолт или техдефолт – их Чистый долг/EBITDA выше 5x.