📌 Решил обновить таблицу долговой нагрузки наиболее популярных компаний. Все 200+ компаний не влезли бы в одну читаемую картинку, поэтому отобрал только 76 компаний с капитализацией более 15 млрд рублей (+ Whoosh и М. Видео). Данные брал из отчётов за 9 месяцев 2025 г., в некоторых случаях за 1 полугодие 2025 г.

❓ СМЫСЛ ПОКАЗАТЕЛЯ:

• Показатель «Чистый долг/EBITDA» позволяет оценить способность компании вовремя погасить свои долги. Чем он выше, тем более вероятен дефолт или допэмиссия акций.

• По механике расчёта, этот коэффициент показывает, сколько лет нужно компании, чтобы погасить свои долги, используя свой текущий размер EBITDA.

📊 ЦВЕТОВОЕ РАНЖИРОВАНИЕ:

🟢 Зелёным цветом отметил компании с отрицательным чистым долгом – они зарабатывают дополнительную прибыль (процентные доходы) благодаря высокой ключевой ставке. Такие компании могут погасить все свои долги, используя только уже имеющиеся денежные средства.

🟡 Жёлтым цветом отметил компании с умеренной долговой нагрузкой. У этих компаний чистый долг меньше, чем годовая EBITDA, поэтому в большинстве случаев у таких компаний нет проблем с обслуживанием долга.

( Читать дальше )

Обычный трейдер смотрит на свечной график, но свеча — это уже тень прошлого, постфактум. Между тем настоящая динамика рождается в глубине торгового стакана — Limit Order Book, где борьба заявок определяет будущий импульс.

Проблема в том, что историю стакана почти нигде не увидеть: розничные терминалы для частных клиентов дают лишь текущую таблицу DOM ( Depth of Market ) и это статичный срез без прошлого.

Чтобы увидеть то, на что обычный трейдер не обращает внимание я собрал инструмент, который превращает исторические данные L2 Order Book (стакан заданной глубиной) и Trades Stream (обезличенные сделки) в тепловые карты и позволяет изучать эволюцию заявок на Московской бирже через браузер с Deep Zoom — плавно, как в Google Maps.

Знаете Bookmap?

( Читать дальше )

( Читать дальше )

Где-то примерно полтора года назад мы с командой создали проект mscinsider и начали писать о взаимосвязи цен и открытых позиций. Тогда в нас чуть ли не помидорами кидались. Писали, что это давно изученная и избитая тема, а также, что толку от этой аналитики ноль. Мы за рациональный подход к любому вопросу, поэтому решили протестировать свой продукт на себе.

1. График доходности портфеля за 14 месяцев торговли с помощью анализа открытых позиций.



Ссылка на портфель — www.comon.ru/strategies/119608/

За 14 месяцев торговли мы достигли доходности в 60,95%. Что, по нашему мнению, является достойным результатом.

СТРАТЕГИЯ

Наша гипотеза заключается в том, что многие активы срочного рынка Мосбиржи двигаются в одном направлении с чистыми позициями (чистые позиции — это разница шорт и лонг позиций) юридических лиц. Если мы будем улавливать дивергенцию между чистыми позициями и ценой, то можно увидеть и уловить изменение тренда. Разумеется нужно фильтровать по новостям, другим индикаторам, а также делать сделки согласно риск менеджменту. Мы брали на себя умеренный риск (не более 2x плечей на позицию). Помимо этого, когда сделок не было, деньги лежали в фондах ликвидности, принося доходность на овернайтах.

( Читать дальше )

Когда появляется ощущение, что ты спидраннер рынка — ставишь таймер, жмёшь сделки, потом делаешь паузу — возникает мысль: а почему бы не дать часть работы машине? Таким образом стартует тема — не «сделаем миллионы на автопилоте» (это утопия), а «построим домашний автоматизированный брокер-робот, который возьмёт на себя рутинные операции, а ты будешь подглядывать и корректировать».

Писалось это не как идеальный план, а как рабочий дневник: были провалы, были глюки, были «вот что я бы сделал иначе». И всё с прагматичным взглядом: минимальные затраты, максимум гибкости, открытый API, чтобы не быть связаными с закритой системой.

---

1. Почему вообще стоит автоматизировать

Торговля вручную — эмоциональна, непоследовательна, разбросна. Машина может:

• выполнять сигналы без дрожания рук;
• фиксировать сделки сразу по алгоритму;
• не уставать, не отвлекаться.

Но автоматизация — не волшебный ключ. Нужно потратить время на: инфраструктуру, код, тестирование, мониторинг. Нет смысла запускать робота и забыть: всё должно быть под наблюдением.

( Читать дальше )

( Читать дальше )

Для алготрейдеров, работающаих с QUIK, связка «QUIK + Lua» всегда была одновременно и благословением, и проклятием. Мощно — но на малопопулярном в трейдинге языке.

Решения вроде QUIKSharp (.NET) стали шагом к более распространённым экосистемам, но что насчёт многомиллионного сообщества Python?

Новый проект QUIK-python портирует нативный QUIK Lua API прямо в Python — с сохранением всей гибкости оригинала и удобством современного async-кода.

Ключевые особенности и преимущества

-  Полностью асинхронный клиент — коллбеки данных из стаканов, сделок и свечей не блокируют основную логику.

-  Прямой доступ к API QUIK — вызывайте функции Lua напрямую из Python-кода.

-  Событийная модель — подписывайтесь на стаканы, свечи и сделки, получая события прямо в Python.

— 🐍 Нативный Python-код — всё, от коллбеков до торговой логики, пишется на чистом Python с доступом к его экосистеме (NumPy, Pandas, asyncio и др.).

( Читать дальше )

Представьте опытного трейдера: наверняка он не говорит котировками и не рассказывает про индикаторы — он просто говорит «сильный тренд», «пробой уровня» или «ложный отскок». Для него график это язык: свечи, объёмы и уровни складываются в понятные фразы о том, что сейчас происходит на рынке. Именно от этой человеческой интуиции я и отталкивался в своём эксперименте.

Идея была такая: а что, если научить искусственный интеллект понимать этот язык? Не подавать модели сырые числа, а переводить бары и объёмы в текстовые описания наблюдаемых паттернов и кормить ими языковую модель. Гипотеза была что в тексте уже будет содержатся достаточно данных, чтобы модель научилась связывать недавнюю торговую историю с тем, пойдёт ли цена вверх на следующий день.

Мои результаты, о них ниже

Инструмент эксперимента — модель distilbert‑base‑uncased с Hugging Face и это облегчённая, быстрая версия BERT для понимания языка.

( Читать дальше )

 

Понимание «токсичных» схем

Есть типы операций, которые банки почти всегда помечают как риск:

• Регулярные P2P переводына карту от разных лиц (особенно больше 5 в день).
• Выводы с офшорных брокеровбез налоговой отчётности.
• Одинаковые суммы(по 100 000 руб. три раза подряд).
• Дробление крупной суммы(по 50–100 тыс. вместо одного перевода на 500 тыс.).
• Цепочка «крипта → банк → фондовый рынок»— яркий красный флаг для финмониторинга.

Схемы вывода и их риски

✅ Относительно безопасные:

• Перевод с зарубежного брокера через SWIFT в дружественный банк с предоставлением подтверждающих документов (платёжки, стейтменты).
• P2P с ограничением количества сделок: 1–2 в день, суммы «небьющиеся» по шаблону (например, 97 350 вместо 100 000).
• Вывод на карты близких родственников с пояснением «семейные переводы» (но только если суммы адекватные).

⚠️ Зона риска:

• Регулярные P2P-операции на одном и том же банке.

( Читать дальше )

Многие жители нашей страны, насмотревшись обзоров про курортную недвижимость от бесчисленного количества ютуб-блогеров, начинают грезить о покупке квартиры на побережье Черного моря с целью инвестиций.

Типичная уловка агентов звучит так: «Денег нет? Не беда! Оформим ипотеку – арендная плата будет покрывать платежи, и еще останется на безбедную жизнь....
Или продадим квартиру через 2 года — заработаете не менее чем 50% годовых!!! Торопитесь, в Сочи думать дорого!»


Возникает вопрос 🧐: это правда золотая жила для каждого желающего разбогатеть или же всё это хорошо продуманный развод?

Как я всегда делаю на своем канале, я не буду строить догадки, а изучу этот вопрос с помощью конкретных цифр и расчетов, чтобы дать объективный ответ.

РАССМОТРИМ, НАСКОЛЬКО ИНТЕРЕСНА ПОКУПКА КВАРТИРЫ С ЦЕЛЬЮ ПЕРЕПРОДАЖИ...



( Читать дальше )