Избранное трейдера sam
Всем привет!
Нашел чудеснейшие данные — информацию по полной доходности компаний (т.е. изменение курсовой стоимости + полученные дивиденды). Причем посчитаны правильно, по полной внутренней доходности, а не как некоторые «эксперты» минусуют полученные дивы из цены покупки и показывают сотни процентов годовых.
Внимание — а таблицах указана средняя доходность в % годовых без учета налога на дивиденды (поэтому компании с высокими дивидендами оказываются несколько выше в списке, чем надо). Также естественно не учтены комиссии брокера и биржи, т.к. это дело сугубо индивидуальное. Все банки тоже не присутствуют в таблице, т.к. она составлялась для определения рентабельности, что к банкам не совсем применимо.
В индексе Мосбиржи сейчас 40 компаний, и их совокупная капитализация превысила 50 трлн ₽.
Я решил проанализировать, а в каких компаниях в акционерном капитале сидит государство — через многочисленные госструктуры и подконтрольные АО.
▪️ В 16 из 40 компаний наблюдается явное госучастие (наверняка, небольшие и/или неявные доли есть и в каких-то других);
▪️ Доля, приходящаяся на РФ оценивается в 15,6 трлн ₽ или чуть больше 30% от капитализации индекса Мосбиржи.
Я не берусь рассуждать, хорошо это или плохо и стоит ли принимать это за один из критериев при составлении портфеля. Здесь, как и везде, есть и положительные стороны, и отрицательные. Обращу лишь внимание на то, что данный показатель прямо влияет на Free-Float Factor, рассчитываемый биржей при составлении индекса для каждой отдельной компании. Так что косвенно, через Free-Float Factor, я учитываю это в развесовке своей российской части портфеля.
На днях Правительство утвердило 42 стратегические инициативы развития РФ. Это федеральные проекты, которые будут внедряться до 2030 года и охватят различные стороны жизни граждан: от экологии до беспилотников.
Планируется потратить на их реализацию около 4,6 трлн рублей из федерального бюджета и Фонда национального благосостояния, также планируется привлекать частные инвестиции.
Вник во все инициативы и заодно подготовил краткое описание всех проектов. Можно составить представление, куда будет двигаться страна.
Вот ссылка на распоряжение Правительства.
Вот ссылка на подробное описание всех инициатив.
Беспилотные логистические коридоры
Для анализа будем использовать данные ETF c базовой валютой USD: FXCN, FXRL, FXIT, FXUS и FXRU. Временной ряд рассмотрим за три года с 2018 по 2020 года. Само исследование проведем в Google Colaboratory.
Как обычно в начале импортируем все необходимые библиотеки для дальнейшей работы.
import pandas as pd import numpy as np import matplotlib.pyplot as plt from google.colab import files import warnings warnings.filterwarnings("ignore")Сначала необходимо получить данные. Есть несколько способов. Мы воспользовались — взяли их с Finam в формате csv. Дальше написал функцию для обработки полученных данных и при помощи concat свел их в один датафрейм.
def changeDF(df): df['date'] = pd.to_datetime(df['<DATE>'].astype(str), dayfirst=True) name =[x for x in globals() if globals()[x] is df][0] df = df.drop(['<DATE>','<TIME>', '<OPEN>', '<HIGH>', '<LOW>'], axis=1) df = df.set_index(['date']) df.columns = [name+'_cl', name + '_vol'] return df fxgd_change = changeDF(fxgd) fxrl_change = changeDF(fxrl) fxit_change = changeDF(fxit) fxus_change = changeDF(fxus) fxru_change = changeDF(fxru) fxcn_change = changeDF(fxcn) etf = pd.concat([fxgd_change, fxrl_change, fxit_change, fxus_change, fxru_change, fxcn_change], axis=1) etf.head()В результате получили:
Хлопок одной ладонью. Как неживая природа породила человеческий разум. Николай Кукушкин