Начало 2026 года подкинуло инвесторам уникальную ситуацию. С одной стороны, ключевая ставка в РФ все еще держится на высоких уровнях (~15-16%), с другой — рынок уже вовсю живет ожиданиями цикла смягчения ДКП. В этой статье я разберу стратегию «синтетического арбитража», которая позволяет кратно увеличить доходность безрисковых (в теории) инструментов.

Концепция: Зачем усложнять?

Просто купить ОФЗ под 15% — это скучно и едва покрывает реальную инфляцию. Чтобы получить доходность уровня венчурных инвестиций (35%+) в облигациях, нам нужно задействовать три рычага:

1. Капитальный доход от роста цены длинных облигаций.

2. Дешевое плечо в валюте с низкой ставкой (юань).

3. Динамический хедж валютного риска.

Шаг 1: Выбор «ракеты» (ОФЗ-ПД)

Мы не берем флоатеры. Наша цель — ОФЗ-ПД 26238 или аналоги с дюрацией от 10 лет.

• Текущая доходность к погашению: ~15% годовых.

• Скрытый потенциал: При снижении ключевой ставки на каждые 1%, «тело» такой облигации растет на 7–9% за счет высокой дюрации. Если ставка за год упадет с 16% до 12%, только на росте цены мы заберем +25–30%.

Время после нового года решил провести с пользой и окунуться в машинное обучение. Заняться Machine Learning — и посмотреть получится что‑то или нет с российским рынком акций на Московской бирже.

Моей целью было построить такую систему, которая будет учиться на истории и в перспективе торговать лучше чем случайное блуждание 50/50. Но из‑за комиссий и спреда подобные блуждания изначально отрицательны — чтобы выйти в плюс надо как минимум покрывать комиссии.

Если говорить о результатах очень кратко, то технически всё работает, но вот финансовый результат на грани безубыточности.

Если Вы только интересуетесь этой темой Вы можете посмотреть какие‑то шаги в моей статье, а если Вы уже опытный разработчик подобных систем, то можете подсказать что‑нибудь в комментариях.

Причём вся эта работа выглядит совершенно не так как показывается в фильмах про уолл‑стрит: фактически это написание скриптов и монотонный запуск и всё происходит полностью локально на компьютере.

Полезные видосы с конфы смартлаба.
Сохрани в Избранное, чтобы посмотреть в дороге или когда будет нечего делать❤️

Иван Крейнин: почему вам не платят дивиденды: vkvideo.ru/video-53159866_456240360

Фининди про премиальные программы банков: vkvideo.ru/video-53159866_456240375

Екатерина Малеева: не путать доходность и доход! vkvideo.ru/video-53159866_456240367

Константин Новик: как обгонять инфляцию на бондах: vkvideo.ru/video-53159866_456240374

Олег Дубинский: облигационный трейдинг vkvideo.ru/video-53159866_456240363

Андрей Ванин: что сейчас покупать и почему: vkvideo.ru/video-53159866_456240352

Стратегия Хохрина: как иксануть в 10 раз на бондах: vkvideo.ru/video-53159866_456240252

Приятного просмотра!❤️👍

Home Assistant позиционирует себя как локальную систему. Но я столкнулся с ситуацией, когда локальная функция (Samba) не работает из-за облачного сбоя. При этом я вообще не использую облако. В статье описываю как обошёл эту проблему за 5 минут, когда за день разобрался в причине.


Мне очень нравится Home Assistant как система управления умным домом, потому что она позволяет не зависеть от облаков и от падений интернета. Это не просто слова — с 2017 года я использую умный дом в обычной двухкомнатной хрущевке, и в основном всё работает. Но это скорее тестовый полигон для меня — я сам там не живу и поэтому очень ценю то что Home Assistant можно настроить один раз и если не обновлять, то несколько лет всё может спокойно проработать. А на этих новогодних каникулах у меня было время и я решил полностью обновить все дополнения и прошивки. Как оказалось зря — паранойя безопасности ломает определение Home Assistant как автономного сервиса, который можно использовать локально.

В первых числах января 2026 решил удаленно обновить все зависимости — за несколько раз всё обновилось, но мне ещё понадобилось включить дополнение Samba share, чтобы из под Windows проверить пару конфигов, которые не хотели работать.

📌 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.

Книга, которая собирает голову заново

Иногда попадается книга, после которой хочется не улучшить вход, а выключить монитор, налить водки и честно спросить себя: «А я вообще понимаю, во что играю?» Именно такое ощущение оставляет «Трейдинг: Структура игры» Александра Кургузкина.

Это не учебник по паттернам и не ещё одна методичка про дисциплину. Здесь трейдинг разворачивают против шерсти: не как набор свечных форм, а как игру людей с людьми, где график — всего лишь интерфейс, через который эта игра разговаривает с участниками.

В книге прямо проговаривается мысль, которую большинство не любит: рынок самоорганизуется так, чтобы извлекать деньги из типовых поведенческих стратегий и типовых реакций. И делает он это банальными провокациями, на которые большинство реагирует о-ди-на-ко-во.

Самое ценное — автор не пытается сделать из вас правильного угадывателя направления. Он объясняет механику: почему серии событий (пара профитов подряд или серия стопов) провоцируют нас менять ставки, входить «с чувством», пропускать «до прояснения ситуации».

В классическом алготрейдинге рынок часто моделируется как временной ряд: индикаторы, скользящие средние, осцилляторы. Аукционная теория рассматривает рынок иначе — как процесс распределения объёма по ценовым уровням, где цена ищет баланс между спросом и предложением.

Ключевым элементом такого подхода является Volume Profile, а именно Point of Control (POC) — уровень цены, на котором за выбранный период был проторгован максимальный объём. В терминах аукционной теории POC соответствует зоне максимального согласия участников рынка.

В статье рассматривается создание алгоритмического торгового бота, основанного на реакции цены относительно:

• POC

• Value Area High (VAH)

• Value Area Low (VAL)

В качестве основы используется Python‑скрипт back.py, предназначенный для параметрического бэктеста стратегии.

Все скрипты из статьи я выложил на github для вашего удобства.

Архитектура backtest‑скрипта