В августе 2025-го года писал, как открыл счет в крупнейшем в СНГ легальном крипто обменнике. Также открыл две виртуальные кобрендинговые карты (Альфа банк и Статус банк) и привязал их к счету.

Напомню, что в Беларуси действуют легальные крипто обменники. Это юридические лица, которые зарегистрированы в Парке Высоких Технологий (аналог Сколково).

Когда вы покупаете или продаете USDT, BTC и другие криптовалюты, то совершаете сделку с юридическим лицом. А значит, нет рисков p2p. Вывести купленную крипту можно на любой адрес. Вывести фиат можно на привязанные карты, например белорусские. Или на российские, если вам так удобнее.

Итак, сейчас апрель 2026 года.
Что изменилось?

— Пополнить счет можно также через СБП (до 400 тыс рублей РФ за операцию).
— Пополнить счет можно через SberPay
— Белорусский Альфа банк попал под санкции и виртуальная привязанная карта потеряла смысл.
— Появились функции крипто биржи, можно участвовать в ICO (выбор очень мал).

Что не изменилось?
— Открыть счет могут граждане РБ, РФ и других стран.

( Читать дальше )

Введение

Эта статья – продолжение двух предыдущих статей об оценке совокупного риска портфеля облигаций. В первой части я рассмотрел использование биномиального распределения для оценки вероятности нескольких дефолтов по облигациям в портфеле, а во второй части при помощи этого распределения определил разумные пределы диверсификации. Перед тем как переходить к статье, выдвинем гипотезу  и примем некоторые допущения.

Исходная гипотеза: диверсификация портфеля по десяти высокорисковым облигациям (от ВВВ- до В-) позволит получить доходность значительно выше среднерыночной  (>5% к безрисковой) при удержании их на протяжении трех лет.

Допущение №1: предполагается, что вероятности дефолтов различных эмитентов – не связанные между собой величины (я считаю, что если связь и есть, то она проявила себя статистически и уже заложена в риске).

Допущение №2: в случае дефолта по облигации держатель теряет все вложенные в нее средства. То есть облигация не продается за бесценок, но и долги по ней не выплачиваются, как например в случае с RU000A106SK2

( Читать дальше )

Это продолжение прошлой записи, в которой я пытаюсь определить разумные пределы диверсификации портфеля. Перед началом нужно принять определенные допущения, упрощающие реальность. В дальнейших статьях я ослаблю все эти допущения и покажу как можно протестировать устойчивость портфеля при помощи моделирования методом Монте-Карло и, если меня устроит результат – сформирую реальный портфель ВДО.

В этой статье допущения следующие:

Допущение №1: рассматриваем портфели, состоящие из облигаций какого-то одного рейтинга кредитоспособности.

Допущение №2: портфель распределен между облигациями разных эмитентов в равных долях.

Допущение №3: в портфель входят только бескупонные облигации с одинаковым сроком погашения.

Допущение №4: дефолты разных эмитентов – несвязанные события. То есть дефолт у одного эмитента не меняет вероятность дефолта другого эмитента.

Способ моделирования: использование биномиального распределения.

В прошлой статье я рассказал, как при помощи формулы Бернулли определить вероятность дефолтов в портфеле с определенным количеством облигаций разных эмитентов.

( Читать дальше )

Некоторые инвесторы считают, что лучший способ снижения риска портфеля – диверсификация, и стараются распределить средства среди максимально-возможного количества облигаций приемлемого риска. Другие же говорят, что с увеличением количества облигаций в портфеле увеличится и количество вероятных дефолтов, что нивелирует все усилия по диверсификации. Кто же из них прав? Давайте посчитаем вероятности дефолтов при помощи теории вероятности.

Исходные данные: у нас есть исторические данные об уровнях дефолта по рейтинговым категориям, по которым мы можем оценить вероятность дефолта. Возьмем таблицу №7 и рассмотрим частоту дефолтов на горизонте трех лет.

Эти данные говорят нам о том, какова статистическая вероятность банкротства отдельно-взятого эмитента, но не говорят о том, сколько эмитентов обанкротится из, например 20, но мы можем это рассчитать при помощи статистических методов.

 Биномиальное распределение.

Представим, что все облигации одного кредитного рейтинга — это большой мешок, а отдельные эмитенты – шары в этом мешке.

( Читать дальше )

Всем привет.

Я QA-инженер, в инвестициях уже 6 лет. Мой путь стандартный: сначала слушал «гуру», потом поумнел и собрал гигантскую таблицу в Excel. Я из тех, кто не покупает акцию, не посмотрев тренды выручки, маржинальности и ROIC за 5–10 лет.

 

 

В чем была моя личная боль:

На глубокий анализ одной компании по моему чек-листу (14 метрик в динамике) уходило около 2 часов. Забивать руками данные из Macrotrends в таблицу — то еще удовольствие. Самое обидное, когда в конце второго часа понимаешь, что компания — переоцененный шлак с падающей маржой, и время потрачено зря.

Еще одна боль — это «магия цифр» (это касается и книг и обучающих видео).
Книги и видео говорят: «Ищите рост выручки > 7% или ROA > 6.5%». Но почти никто не объясняет — почему? Откуда взялись эти цифры? Почему 7 и 6.5, а не 10 и 8 или не 5 и 3...

 

 

Что я накодил:

Написал сервис на FastAPI, который через API тянет отчетность и делает «Sanity Check» компании за 2 секунды. А вместо слепого следования догмам из книг и видео, я привязал все метрики к усредненным показателям компаний из S&P 500.

( Читать дальше )

📌 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 )