Распадская — возможен выкуп примерно по 140 руб., на фоне жалобы миноритариев в ЦБ.

Дивидендные акции — рост ограничен, финал близок. Если не будет дальнейшего снижения ставок.

Мечел – обычка лучше.  Если Игорь Зюзин докупит обычку и у него будет 51% уставного капитала, ему не надо будет платить дивиденды на префы.  Префы растут по инерции за обычкой.

Газпром — через 5 лет может стоить 400-500 руб., если акции будут давать 30-35 руб. дивидендов.

Ленэнерго преф. — дивиденды за 2019 год скромные, за 2020 год примерно 19руб. на акцию.

Но никто не знает, что будет после 2020 года, неизвестно как повлияет реорганизация.

СЗ №1: Не продавайте на максимуме!

Введение

Эта статья является первой в цикле СЗ (статистические закономерности). Статьи этого цикла будут посвящены тестированию различных статистических закономерностей. И сегодня мы рассмотрим СЗ №1, которую можно сформулировать так: “не продавайте бумагу, которая находится вблизи своего максимального значения”.

Основная идея этой СЗ заключается в том, что бумага, которая находится вблизи своего максимума, скорее всего, продолжит свой рост и дальше. В данном случае рекомендуется подождать немного и когда бумага остановится в своем росте, только тогда ее продавать.

Я беру на себя смелость утверждать, что СЗ №1 работает на различных таймфреймах, но в данной статье будет приведено тестирование только на дневном таймфрейме. Более того, мы сейчас протестируем следующее утверждение: “не продавайте бумагу в конце дня, если она близка к своему максимальному дневному значению”. В данном случае я утверждаю, что “

Штатная  численность некоторых ведомств ( в соответствии с законодательством естественно):

                 СК — 23158 человек
             МВД – 894869 человек
           ФСИН — 226023 человека
             МЧС — 288565 человек
            ФССП – 74559 человек
  Прокуратура – 51263 человека         
  Росгвардия     340000 человека
       ИТОГО:  1898437  человека


Это те смерды, что ничо не производят! 


Ваш все тот же самый, 
           S.Hamster

Устойчивые долгосрочные модели


В предыдущих частях (часть 1, часть 2) мы рассмотрели построение композитных систем оценок ценных бумаг, построенных при помощи распространённых средств машинного обучения (Bag/Boost методы). Однако, такой подход, несмотря на все свои преимущества (скорость, точность) имеет ряд больших недостатков – отсутствие универсальности моделей в результате проблем «переобучения»  (точной настройки на определённые типы рынков и временные интервалы) и сложность интерпретации полученных композиций.

В результате решения этих проблем мы разработали базовую модель на основе наших представлений о стохастических дифференциальных уравнениях с квантовыми скачками, образующих улыбку волатильности. Эта макромодель получила в наших исследованиях наиболее полную микроскопическую интерпретацию.

Печатная машина США работает ровно так, что бы S&P включая дивиденды не перегнал эмиссию.

Что бы твоя доля среди держателей  банкнот США оставалась хотя бы неизменной, в золоте нужно зарабатывать 4% в год. Планка  существенно ниже чем 10% в баксах.


То есть 9.9% в год это на самом деле  0 (НОЛЬ)