📌 Потратил 2 недели на изучение 40 отчётов лизинговых компаний за 2025 год, делюсь результатами.

1️⃣ КРИТЕРИИ ТАБЛИЦЫ:

• Рассмотрел 40 лизинговых компаний по 7 критериям:

1) Место в топе по объёму нового бизнеса и размеру портфеля. Чем компания меньше и ближе к концу таблицы, тем выше вероятность резкого ухудшения фин. устойчивости (меньше лизингополучателей). Красным цветом выделил компании, которые спустились в топе за 2025 год. Четырёх компаний в конце таблицы нет в рэнкинге Эксперта РА, их места в топе указал приблизительно (≈), по данным из отчётов.

2) Кредитный рейтинг, к нему вернёмся позже.

3) Доля долга по облигациям. Когда банки перестают одобрять кредиты компании, она начинает увеличивать свой долг по облигациям. Особое внимание должно быть к компаниям с показателем выше 0,7.

4) Долг/Капитал. Для сектора лизинга этот коэффициент более применим, чем Чистый долг/EBITDA. В текущих условиях норма ниже 8.

5) ЧИЛ/Чистый долг. Если чистые инвестиции в лизинг (ЧИЛ) меньше величины чистого долга, то это указывает на слишком рисковую политику компании (большая доля кредитных средств при финансировании лизинговых сделок). В текущих условиях норма выше 1.

( Читать дальше )

Сейчас происходит интересная тенденция. Компании через раз переносят уплаченные проценты из операционного денежного потока в финансовый. А иногда и в инвестиционный — капитализируя проценты.
И операционный поток внезапно становится «красивее». Раньше такого не было так часто.

Это не ошибка и МСФО позволяет распределять проценты в разные потоки в зависимости от природы действия — если кредит на пополнение оборотных средств — операционный поток, если финансирование инвест затрат — финансовый поток (при капитализации — инвестиционный).

Но надо понимать, что формально источник уплаты процентов — один — это операционная деятельность компании. И хоть куда не относи эти проценты — если денег на них не заработано, то у компании могут быть серьезные проблемы с платежеспособностью.

Что делают компании — показывают положительный операционный поток на 6 млрд руб, а платежи по процентов на 7 млрд прячут. Инвестор в лоб смотрит — поток положительный компания прибыльна и потом удивляется, а почему котировки акций падают, и цена облигаций значительно ниже номинала.

( Читать дальше )

📌 Месяц подходит к концу, в значит пришло время традиционной рубрики о налоговых задолженностях эмитентов облигаций.

1️⃣ ДЕФОЛТЫ И ПРЕТЕНЗИИ ФНС:

• Каждый месяц 25 числа ФНС публикует сведения о налоговых задолженностях по состоянию на 1 число текущего месяца (25 мая стало известно о долгах на 1 мая).

• Систематическое наличие налоговых претензий говорит о дефиците денег у компании, что повышает риск техдефолта и полноценного дефолта по облигациям. В 2025 году из 18 дефолтов у 14 компаний накануне были налоговые претензии от ФНС, у 6 компаний блокировали счета.

• За апрель-май число дефолтов значительно выросло, проверяем взаимосвязь с таблицей налоговых задолженностей:

1) В 2026 году 7 компаний допустили полноценный дефолт, из них 6 компаний имели долг перед ФНС за пару недель/месяцев до дефолта: Вератек, Нэппи Клаб, ПЗ Пушкинское, СибАвтоТранс, АгроДом, Роял Капитал.

2) Ещё 5 компаний в 2026 году допустили техдефолт и впоследствии исполнили свои обязательства, из них 4 компании имели налоговые задолженности накануне: ЛКХ, Центр-резерв, ЕвроТранс, Главснаб.

( Читать дальше )

Случайный портфель иногда выглядит не хуже, чем тщательно вылизанная стратегия. Ты тратишь недели на подбор фильтров, индикаторов, оптимизацию — а потом сравниваешь с простым рандомом, и разница далеко не такая эпичная, как хотелось бы.

Подсмотрел иной подход в интернетах ваших. Примерно так: идея → backtest → walk‑forward → монте‑карло → инкубация → портфель. Разберем этот конвейер на конкретном примере простой и популярной идеи — дневной momentum‑стратегии в стиле Quantified S.

Зачем вообще нужны случайные портфели

Множество экспериментов показывают, что случайные портфели часто обыгрывают либо рынок, либо сложные факторные стратегии. В одном из исследований моделировали сотни «портфелей‑обезьян», и средний результат спокойно конкурировал с «умными индексами» и продвинутыми фондами, а перевёрнутые стратегии (upside‑down версии) иногда давали ещё больше доходности.

Вывод предварительный:

• Если твоя стратегия не обгоняет вменяемо построенный рандом, то она тебе не нужна.

( Читать дальше )

#книги



Книги Маркова — это тот случай, когда читаешь про обезьян, кости и гены, а в итоге лучше понимаешь людей, рынок и самого себя.

Первую книгу, «Обезьяны, кости и гены», прочитал ещё на новогодних каникулах. Вторую, «Обезьяны, нейроны и душа», сейчас на майских (брал себе отпуск между майскими, а книгу специально отложил до него). Третья, «Кости, гены и культура», пока ждёт своего часа. Хочу дождаться отпуска, потому что такие книги читать по 15 минут в перерывах между делами не хочется. В них надо нормально погружаться.

Марков очень хорошо выбивает из человека чувство собственной исключительности. Как там: «человек не произошёл от обезьяны — он ею как был, так и остался». И это многое объясняет. В том числе поведение людей на рынке. Почему одни способны ждать, считать риски и не бегать за каждой свечкой — назовём их инвесторами. А другие каждый день тревожась покупают на эйфории, продают на панике и потом кричат: «Казино!»

( Читать дальше )

Прибыль казино и прибыль успешного трейдера (вас, то есть) построены на одном и том же принципе – на математическом ожидании, а не на разовых удачных сделках. Казино зарабатывает не потому, что ему «везёт», а потому что вероятность каждой игры слегка смещена в его пользу. На коротком промежутке казино может как выигрывать, так и проигрывать, но на длинной дистанции преимущество по вероятностям неизбежно реализуется в деньги.

В торговле на рынке логика та же. Ваша задача – сделать так, чтобы каждая отдельная сделка статистически была на вашей стороне, а затем достаточное кол-во раз повторить эту ситуацию, не убив счёт рисками и пересиживаниями.

Что такое математическое ожидание сделки

Формально математическое ожидание сделки можно записать так:

E=(Pwin​×Rwin​)−(Ploss​×Rloss​)

где Pwin​ – доля прибыльных сделок, Rwin​ – средняя доходность прибыльной сделки (в процентах к капиталу на сделку), Ploss​ – доля убыточных сделок, Rloss​ – средняя величина убытка. Доли сделок суммируются до единицы: Pwin+Ploss=1

( Читать дальше )

Это моя вторая часть заметок с Perm Winter School '26, некоммерческой научно‑практической конференции.

В первой части я рассказал, что если просто взять котировки, скормить их нейросети попросив предсказать куда пойдёт рынок завтра, то скорее всего получится красивая иллюзия, которая может выглядеть убедительно, но в реальной жизни всё закончится убытками. Первая часть была довольно популярна и собрала 103 комментария, хотя многие написали что‑то вроде «Вы просто не ту модель пробовали», «Нужно больше данных», «Надо давать нейросети не график OHLCV, а что‑то другое».

И в целом я согласен с таким ходом рассуждений, потому что из конференции я вынес не то, что нельзя заработать на бирже, а то, что большинство частных трейдеров решают вообще не ту задачу.

Ошибка новичка: искать ответ на вопрос «куда пойдет рынок»

Когда мы смотрим на график конечно же сразу возникает вопрос — вверх или вниз? И вся индустрия трейдинга построена на этой бинарной ловушке — что на рынке всего две кнопки:

( Читать дальше )

Всем доброе! Меня зовут Дмитрий Семенов, я основатель аналитической платформы ETPINVEST и мы провели масштабное исследование по скользящим средним: 8 типов MA, 23 периода, кроссоверы, буферные зоны, фильтры, золотой крест, тройная MA, динамический стоп-лосс.

Всего 1 871 тестовая комбинация на 1 209 акциях США (с 1970-х) и 251 акции России (с 2003-го). Данные по Америке с Yahoo Finance, по России с МосБиржи. Все цифры в таблицах — медианы по датасету. Ниже — ключевые выводы. В конце поста — ссылка на полное исследование с таблицами и файлами для скачивания.

Тип MA почти не важен

Первый результат, который удивил: разница между типами скользящих минимальна. SMA с периодом 300 дала 4,9% годовых на рынке США. TEMA с тем же периодом — 2,07%. Разница 2,8 п.п. Вроде ощутимо, пока не сравнишь с другим числом: SMA(300) vs SMA(5) — разница 9,5 п.п. Выбор периода оказался в три раза важнее выбора формулы. Все экзотические типы (Hull, DEMA, TEMA, ZLEMA) проигрывают обычной SMA. Больше сигналов = больше ложных входов = хуже результат.

( Читать дальше )

Сейчас в Нидерландах обсуждают довольно показательное и, честно говоря, странное изменение в налоговом кодексе.

С 2028 года там планируют ввести налог на нереализованный прирост капитала — то есть платить нужно будет не только после продажи актива, но и просто при росте его стоимости.

Если выросли акции, облигации или криптовалюта — возникает налог, даже если инвестор ничего не продавал и не выводил деньги.

Ставка — 36% на прирост стоимости активов сверх установленного порога.

Для многих инвесторов это вызывает вполне закономерные вопросы.

Если актив вырос в одном году, налог уплачен, а потом рынок скорректировался и цена вернулась назад — деньги уже заплачены.

Если портфель большой, но свободной ликвидности мало, для уплаты налога может потребоваться продажа части активов.

Особенно чувствительно это для долгосрочных инвесторов, стартапов, сотрудников с опционами и владельцев волатильных активов, например криптовалют.

На этом фоне основатель Just Eat Takeaway Джитсе Грун заявил, что в таком виде Нидерланды рискуют стать «непригодными для инвестиций».

( Читать дальше )

Всё началось не с учебника. Не с курса по деривативам. Не с терминала Bloomberg.

Всё началось с потери.

Удар, которого я не увидел

В 2017 году я потерял $18,000 за сорок семь минут. Не из-за новости. Не из-за плеча. Не из-за ошибки в расчётах. Из-за того, чего не было на графике.

Золото стояло на $1,265. Четкий диапазон, сопротивление, все сигналы на отскок вниз. Я вошел в шорт с уверенностью 80%. А потом цена просто… перестала существовать. Не было пробоя, импульса или аномального объема. Цена телепортировалась с $1,265 на $1,289 за 12 секунд. Без единой крупной сделки в ленте.

Осталось два вопроса: Что это было? и Почему об этом не пишут в учебниках?

Первые следы

Я потратил 4 месяца на сырые данные COMEX (тики, опционные цепочки, открытый интерес). И нашел паттерн:

За неделю до скачка на дальних OTM-коллах (тех, что визуально «недосягаемы») начинал расти открытый интерес (OI). Медленно, незаметно. А после подхода к уровню — цена не разворачивалась, она ускорялась. Без объема, без борьбы, без откатов. Будто ликвидность в стакане испарилась.

( Читать дальше )