Разбор арбитражной возможности

Неопределенность с дивидендами ВТБ разогнала волатильность дальнего фьючерса. Можно ли на этом заработать?

➡️ Календарный спред: VTBR-09.26 — VTBR-06.26

Спред уже находится в бэквордации (дальний фьючерс дешевле ближнего) в ожидании дивидендов и имеет ряд преимуществ перед раздвижкой фьючерс-акция:

• сделки по обеим ногам можно исполнять лимитными заявками без биржевой комиссии (мейкерская — нулевая) и проскальзываний;

• при длинной позиции по дальнему фьючерсу нет необходимости закрывать РЕПО;

• возможность ограничить убыток через стоп‑ордера в стакане матчинга.

Возьмем прогнозы аналитиков по дивидендам ВТБ и оценим каждый по двум параметрам:

Вероятность — шанс, что событие произойдет.

Значимость — насколько сильно событие сдвинет раздвижку.

К этим параметрам мы еще вернемся.

🪙 Аналитики выделяют несколько сценариев по дивидендам ВТБ — от максимальной выплаты до полного отказа. Потенциалпоказывает влияние сценария на финансовый результат держателя long-позиции: «+» — позитивно, «−» — негативно.

( Читать дальше )

Подруга позвонила в час ночи и попросила «скинуть ссылку на того таро-бота». Она не верит в мистику, работает аналитиком данных и в принципе не из тех, кто ищет ответы у карт. Но перед важным разговором с руководством ей нужно было просто — выговориться. Структурировать мысли. А нейросеть таро онлайн, как выяснилось, с этим справляется неплохо: задаёшь вопрос, получаешь расклад, начинаешь думать не о том, «что скажут карты», а о том, что ты сам на самом деле уже знаешь.

Я занимаюсь темой таро искусственного интеллекта уже больше года — тестировал сервисы, сравнивал трактовки, смотрел, где глубина реальная, а где просто красивый интерфейс с пустыми фразами. В этой статье — честный рейтинг 10 площадок, где можно сделать расклад таро через нейросеть. Большинство предлагают таро ии онлайн бесплатно хотя бы для старта.

 

 

Краткий обзор сервисов таро искусственного интеллекта

 

Прежде чем разбирать подробно, вот быстрая навигация. Все они делают расклад таро онлайн ии, но каждый со своим характером:

( Читать дальше )

Не является индивидуальной инвестиционной рекомендацией. Это мой личный разбор подхода к облигациям и ВДО. Я показываю свою логику проверки, а не даю торговую команду.

На рынке облигаций легко попасть в одну ловушку: увидеть доходность и решить, что главное уже понятно.

Для меня это не так.

Доходность облигаций — это не ответ. Это вопрос к эмитенту, сроку, дюрации, ликвидности, рейтингу и месту бумаги в портфеле. Поэтому запрос «как выбрать облигации» я для себя давно перевёл в другой вопрос: что я должен проверить до сделки, чтобы не купить чужую проблему под красивым купоном?

Ниже мой рабочий алгоритм. Он подходит не как универсальная формула для всех, а как чек-лист частного инвестора, который хочет понимать риск до того, как деньги уже ушли в бумагу.

 

Коротко: что я проверяю

Шаг	Что смотрю	Зачем
1	Цель покупки	Чтобы бумага не оказалась случайной в портфеле
2	Срок до погашения или оферты	Чтобы не брать лишний риск по сроку
3	Дюра

( Читать дальше )

400 000 строк в файле Excel, а пропущенный день это дырка в истории и отчёты, которые тормозят даже на мощном ПК — именно с этим столкнулся Дмитрий Овчинников. Но он смог при помощи ИИ ассистента создать дашборд, который упрощает управлением его 100+ стратегиями в алготрейдинге. И это, по его словам, как пересесть с запорожца на вертолёт.

На Смартлабе регулярно обсуждают рынки, стратегии и идеи, но есть такая тема как управление и отображение результатов трейдинга — и про это мало говорят. Но эта тема, которая заслуживает внимания — особенно если у вас не одна стратегия и не один инструмент.

Готовый отчёт, составленный ИИ-помощником

Боль: жизнь в эпоху Excel

Хотя Дмитрий является алготрейдером, но он не считает себя программистом. Основной язык его работы MQL (MetaQuotes Language) — это язык для MetaTrader, но все современные инструменты вроде Python или R прошли мимо него: «Когда я запускаю Python — у меня начинается зубная боль». 

Вся аналитика Дмитрия последние годы строилась по схеме, когда из работающего терминала производится экспорт данных в Excel, а затем при помощи макросов делались текущие сводки.

( Читать дальше )

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 )