import requests
import pandas as pd 
import numpy as np
import matplotlib.pyplot as plt

# URL для API MOEX, данные по ZCYC (zero coupon yield curve)
url = "https://iss.moex.com/iss/engines/stock/zcyc/securities.json"

# Запрос на получение данных
response = requests.get(url)
data = response.json()

# Извлекаем данные из секции 'params'
columns = data['params']['columns']
values = data['params']['data']

# Преобразуем в DataFrame
df = pd.DataFrame(values, columns=columns)

# Выбираем нужные столбцы: B1, B2, B3, T1, G1, ..., G9
df_selected = df[['tradedate', 'tradetime', 'B1', 'B2', 'B3', 'T1', 'G1', 'G2', 'G3', 'G4', 'G5', 'G6', 'G7', 'G8', 'G9']]

# Извлекаем параметры для функции GT из df_selected
beta0 = df_selected['B1'].values[0]  
beta1 = df_selected['B2'].values[0]  
beta2 = df_selected['B3'].values[0]  
tau = df_selected['T1'].values[0]   
g_values = df_selected[['G1', 'G2', 'G3', 'G4', 'G5', 'G6', 'G7', 'G8', 'G9']].values[0].tolist() 

Лента опубликовала операционные результаты за 2023 год работы. Благодаря M&A по покупке сети «Монетка», Ленте удалось вырасти в 4-ом квартале по выручке на 50%, а за весь 2023 год нарастить выручку до 616 млрд рублей (+14,5%).

Каждая книга о фондовом рынке пропитана духом того времени, когда она была написана — поэтому изыскания Бенджамина Грэма так отличаются от изысканий Асвата Дамодарана, а взгляды Эдвина Лефевра — от взглядов Майкла Льюиса.

Однако это не значит, что кто-то из них ошибается — рынок постоянно движется вперед, что сказывается и на его особенностях. В этой статье я хочу поделиться с вами книгами, которые описывают каждый рыночный цикл за последние восемь десятилетий.



1940-е годы: Фред Швед — «Где же яхты клиентов?» Эту книгу можно смело назвать самым забавным произведением о фондовом рынке — времена тогда были непростые, и чтобы не впасть в отчаяние подобный юмор был просто необходим.

Швед проделал отличную работу и показал, как брокеры с Уолл-стрит вместе со своими клиентами зашли слишком далеко в преддверие Великой депрессии:

«Спекшийся клиент, безусловно, предпочитает верить, что его ограбили, а не что он оказался в дураках по совету дураков».

Читаю книгу Маги рынка Швагера и пришла идея собрать мнение от наших Магов рынка, суммировать их предпочтения и посмотреть, как будет вести сообразный индекс – Индекс Магов. Название пока рабочее, если не приживется новое придумаем.

Отправил своим коллегам по инвесторскому цеху одинаковый запрос: «Назови топ, 3-5 российских бумаг, чтобы ты купил прямо сейчас. Но раз в квартал можно пересмотреть».

Думаю, в следующий раз надо дать возможность выбирать от 1 до 5 бумаг, и присваивать им свои доли, либо также равные, как и сейчас. Я сейчас распределил в равных долях по представленным акциям от каждого инвестора. 7 человек – дали 3 бумаги, 7 – дали 5 бумаг, и по одному – 1 и 4 бумаг. Чем меньше бумаг, тем больше голос за одну бумагу.

В итоге получилось 16 человек, кто дал ответ и согласился участвовать в данном мероприятии. Надеюсь, будет интересно наблюдать за этим экспериментом.

Список инвесторов довольно широкий, возможно, в будущем будет еще увеличен. По мне, так каждый человек в нем – весьма хороший инвестор, если такая характеристика может быть дана инвестору. Простите, что добавил и себя. Мой список – это мои топ-5 бумаг в моем портфеле.

Краткий обзор

Основа стратегии:

Фундаментальный анализ

В портфель отбираются дешёвые по мультипликаторам бумаги, которые через определённый промежуток времени заплатят дивиденды выше требуемой мной ставки доходности R.

R = Ключевая ставка ЦБ + премия за риск. Сейчас это 7,5% + 2% = 9,5%.

Если компания, согласно моим расчётам, заплатит дивиденды выше этого уровня, то эта компания интересна для покупки в портфель.

Очень важно, чтобы следующий дивиденд был выше, чем текущий.

Как правило, по интересным мне компаниям я заполняю таблички в экселе, где я делаю свои расчёты.

Пример.

Она заключается в ежемесячной покупке российских акций минимум на 10 тыс. руб. в последний рабочий день каждого месяца. Однако при падении рынка сумма покупки увеличивается пропорционально падению. Объясню на примере картинки ниже.



На нем представлен свечной график индекса МосБиржи с 2016 по 2019 год, где каждая свеча – 1 месяц. Данный индекс – основной индикатор, по которому я сужу о динамике рынка.

Допустим, я начал инвестировать в конце 2017 г. на пике роста индекса МосБиржи (пессимистичный сценарий) и купил акций на 10 тыс. руб. (указано стрелкой). В следующем месяце я бы купил также на 10 тыс. руб. На 3 месяц я бы купил акций уже на 20 тыс. руб., т.к. индекс упал бы более чем на 5% от первоначального уровня. На 4 месяц сумма покупки составила бы уже 30 тыс. руб., т.к. индекс снижался бы уже более чем на 10% от первоначального уровня (даты начала инвестиций). Только на 9 месяц инвестиции снова составили бы 20 тыс. руб. (диапазон падения индекса 5-10%). А на 14 месяц – 10 тыс. руб. (диапазон 0-5%) и далее также по 10 тыс. руб. до новой коррекции рынка.