Хэштег #python | Тинькофф Инвестиции Пульс

Доброе время суток представляю проект: i_кспиремент.Наблюлаем подписываемся, будет интересно, но не часто. Строим бот в реале на реальных деньгах и сумашедшей комиссией 0.3% в одну сторону, наша задача тестирование идеи: Соберу реальные метрики проекта: 🤖 Автономный трейдинг-бот на Московской бирже: первый опыт Запустили систему автоматической торговли на реальном капитале через API Т-Инвестиций (T-Bank). Что получилось за несколько недель разработки. Что внутри: - 2222 строки кода на Python, 67 функций, 4 модуля - REST-поллинг 121 инструмента одновременно (акции TQBR + фьючерсы SPBFUT) - Автоматический подхват инструментов из API — бот сам находит ликвидные бумаги - Multi-timeframe анализ (5м + 15м),.order book imbalance, лента сделок - Фьючерс-поводыри: каждая акция привязана к своему фьючерсу или секторальному индексу - Paper-trading симулятор работает параллельно на всех инструментах в памяти Защита позиций: - Стоп-лимитные ордера на вход и выход (не рыночные) - ATR-адаптивный стоп-лосс с двухфазным трейлингом - Breakeven-режим: при покрытии комиссии стоп уходит в безубыток - Контроль маржи: не более 70% маржинальных средств на весь портфель, 1 позиция на инструмент - Автоматический сбор стоп-ордеров при рестарте бота Первые результаты: - 10 сделок по 7 инструментам - Система работает в реальном режиме, торгуемый капитал — от 1000₽ - Ранняя стадия: отладка логики, первые ордера исполнены Технологии: Python 3.14, T-Invest gRPC SDK, SQLite, Streamlit (дашборд), systemd, Tailscale (VPN) Следите за развитием проекта — впереди мульти-активная торговля и автоматический подбор лучших инструментов по результатам paper-tradingа.

Книга Киран Дейл «Визуализация данных с помощью Python и JavaScript. Анализ и преобразование данных» (2-е издание) — это практическое руководство по созданию интерактивной веб-визуализации, охватывающее полный цикл: от сбора и очистки данных до их доставки и отображения в браузере. Главная ценность книги — сочетание двух сильных сторон: Python для мощного анализа и обработки данных (с использованием pandas, NumPy, Matplotlib и Scrapy) и JavaScript (в частности библиотека D3.js) для создания впечатляющих и интерактивных веб-интерфейсов. В основе книги лежит сквозной практический проект по визуализации данных о Нобелевских лауреатах, что позволяет сразу применить изученные инструменты на реальной задаче. Книга построена по принципу «тулчейна»: вы последовательно проходите все этапы работы с данными. Вы научитесь парсить веб-страницы с помощью Scrapy, очищать и анализировать «грязные» данные с помощью pandas, строить статические и интерактивные графики с Matplotlib и Plotly, создавать простой API на Flask для доставки данных, а главное — освоите ключевые концепции D3.js для создания сложных, синхронизированных и анимированных визуализаций (диаграмма временной шкалы, карта мира, столбчатая диаграмма, список с биографиями). Книга отлично подходит для разработчиков, знакомых с Python или JavaScript, которые хотят освоить востребованную область веб-визуализации данных, и представляет собой уникальный материал, объединяющий бэкенд-обработку данных и фронтенд-разработку в одной связке. ---

📊Как я написал своё приложение для ребалансировки портфеля на Python Когда я начинал инвестировать, я понял одну вещь: эмоции — главный враг. Пока ты сам решаешь, что покупать, ты будешь гадать, бояться, сомневаться. А когда у тебя есть система — ты просто исполняешь. Поэтому я написал своё приложение. Как оно работает: 1. Я задаю целевые доли для каждой бумаги и класса активов. Например: Сбер — 15%, Лукойл — 12%, Яндекс — 10%, ОФЗ — 10% и так далее. Это моя стратегия на 25 лет. 2. Приложение подтягивает текущие цены акций и облигаций и считает, сколько сейчас весит каждая бумага в портфеле. 3. Сравнивает текущие доли с целевыми — и показывает, какие бумаги отклонились. 4. Даёт рекомендацию: что и на какую сумму нужно купить, чтобы вернуть портфель к целевой структуре. 5. Учитывает только пополнения — я ребалансирую новыми деньгами, без продаж. Это снижает налоги и комиссии. Что это даёт: · Никаких эмоций. Я не решаю, что покупать. Приложение говорит — я исполняю. · Покупаю то, что отстало. А не то, что выросло и все советуют. · Дисциплина. Каждый месяц я заливаю 30 000 ₽, запускаю приложение и покупаю ровно то, что оно сказало. Я вёл учёт в Excel, потом перешёл на Python. Написал скрипт, который подключается к API брокера, подтягивает данные и считает ребаланс. Теперь это мой главный инструмент. Это не готовое приложение из магазина. Это моя система, мой код, мой контроль. Если вам интересно наблюдать за тем, как работает эта система на дистанции 25 лет — подписывайтесь. Буду делиться результатами, ошибками и цифрами. Без прикрас. Дисклеймер: Данный материал не является индивидуальной инвестиционной рекомендацией. Все решения принимаются самостоятельно с учётом собственных финансовых целей и рисков. Приложение написано для личного использования и не предназначено для тиражирования. Хештеги:

Первый опыт с облигациями (вручную) После всех попыток "угадать рынок" я решил попробовать другой подход. - Без прогнозов. - Без сигналов. - Без попытки поймать движение. Просто облигации. Сначала всё выглядело очень просто: - открыл список бумаг - посмотрел доходности - выбрал несколько - купил Первый инструмент подбора бумаг, конечно был ! Большое спасибо за эту возможность. Набрал бумаг (в основном ОФЗ, стремно же что-то другое) по доходностям и стал ждать. Казалось, что это вообще не про сложность, все просто. Но через некоторое время началось интересное. Я увидел, что портфель ведёт себя странно: - купоны приходят неравномерно - в какие-то месяцы пусто - потом сразу несколько выплат - погашения скапливаются И самое неприятное: часть денег просто лежит без дела. Я тогда еще не знал про фонды ликвидности и как заниматься ребалансировкой. Я начал записывать всё вручную: - таблицы - даты - суммы - сроки Первые попытки что-то рассчитать выглядели, как минимум уныло. В окружении не было никого, чтобы попросить дельный совет. Пытался выстроить какую-то логику. Но чем больше облигаций становилось, тем сложнее было это держать в голове. И вот тогда впервые появилась мысль: проблема не в том, какие облигации я выбрал, а проблема в том, что у портфеля нет структуры. Никакой структуры: ни по долям, ни по датам погашения или выплате купонов, ни по рейтингам ("что это и зачем?"). Это был момент, когда я начал смотреть на облигации не как на отдельные бумаги, а как на систему. И с этого начались крутится мысли, как бы так сделать, чтобы: - желательно автоматизировать подбор - первая техническая задача оптимизировать "операционку" (технический трек: -> -> -> ....). - на полученные "заработки" съездить в Санкт-Петербург на конференцию (тогда это был 2024 год) - первая финансовая цель, "зачем я это делаю" - познакомиться с профессионалами, подчерпнуть опыт и постараться применить - составить график регулярных действий с портфелем - первое практическое применение дисциплины в "личных" / "шкурных" интересах Пример автоматизации подбора ОФЗ в

📢 РАССКАЖУ ПРО ПРИЛОЖЕНИЕ, КОТОРОЕ Я НАПИСАЛ ДЛЯ СЕБЯ Часто спрашивают: «Что за программа у тебя на скринах? Для чего? Почему не пользуешься обычным брокерским приложением?» Отвечаю по порядку. --- 🤔 С чего всё началось Когда я только начинал инвестировать, у меня была классическая проблема: · Куплю Сбер, потом Лукойл, потом ещё что-то. · Через месяц смотрю — а доля Сбера уже 30%, хотя планировал 20%. · Начинаю вручную считать: сколько продать, сколько докупить, чтобы вернуть баланс. · Трачу на это кучу времени, ошибаюсь, нервничаю. · А брокерское приложение только цену показывает и прибыль/убыток. Про целевые доли там ни слова. В общем, задолбало. --- 🔧 Что я сделал Взял и написал себе небольшое приложение на Python. Назвал T‑Balancing. Оно работает просто: 1. Я один раз задаю целевые доли (например, Сбер — 17.5%, Лукойл — 17.5%, Татнефть — 5%, и так далее). 2. Приложение само следит, что сколько весит в портфеле. 3. Когда я пополняю счёт или меняются цены, оно считает: · какие активы отстали от цели, · сколько именно лотов нужно докупить (или продать), · с учётом текущих цен, НКД по облигациям и даже курса валют для замещаек. По сути, это личный робот-помощник, который убирает головную боль. --- 📊 Что ещё умеет · График количества акций. Мне важно видеть не только деньги, но и сколько штук каждого актива накопилось. Это успокаивает, когда рынок падает. · Скользящие средние (20/50/100/200). Чтобы понимать, где портфель находится относительно тренда. · Учёт НКД и валютных облигаций. Подтягиваю курсы ЦБ, чтобы видеть реальную стоимость замещаек. · Автоматический расчёт ребалансировки. Нажал кнопку — получил список сделок. --- 🧠 Зачем это всё Я не трейдер, я инвестор. Моя задача — не угадать цену, а накопить количество. Через 25 лет мне будет всё равно, по 500 или по 600 я покупал Татнефть. Главное, чтобы этих акций было много и они приносили дивиденды. Приложение как раз помогает не дёргаться: · не продавать лишнего, · не покупать того, чего и так хватает, · просто следовать плану. --- 📌 Важный момент Я не продаю это приложение. Я не даю сигналы. Это мой личный инструмент, который я сделал под себя. Но если вам интересно, как оно устроено, какие фичи ещё можно добавить или просто хотите задать вопрос про автоматизацию портфеля — пишите в комментариях. Обсудим 👇 --- ❗️ Важно: информация не является индивидуальной инвестиционной рекомендацией. Приложение создано для личного использования и не предназначено для распространения.

📊 ПОРТФЕЛЬ В БОКОВИКЕ: 17 ДНЕЙ, +1.9% И НОВЫЕ БУМАГИ В ИЗБРАННОМ Друзья, рынок успокоился после иранских новостей, и наш портфель вошёл в боковик. Это нормально. Главное — система работает, доли соблюдаются, а я просто смотрю на график и пью чай. Что на графике: · Стоимость портфеля: 91 718 ₽ · Доходность: +1 718 ₽ (+1.9%) за 17 дней · Максимальная просадка: –0.93% (отыграна за 2 дня) · Скользящая средняя — портфель уверенно выше неё. Это значит, что даже боковик не ломает тренд. Что в портфеле (реальные позиции с количеством): · — 51 шт · — 3 шт · — 8 шт · ОФЗ 26238 — 44 шт · НОВАТЭК 001Р-02 — 2 шт · Денежный рынок — 73 шт · Кэш — 982 ₽ Доли близки к целевым, ребалансировка отрабатывает штатно. (Смотрим скриншоты) Новенькое в избранном (пока без покупок): · Золото (ETF) — добавил как страховку от геополитики и девальвации. · ФосАгро — для диверсификации по сектору (химия). · МТС, Транснефть, Мосбиржа, Яндекс — всё ещё в планах по 5%. Ждут пополнений. Почему боковик — это тоже хорошо: · Нет паники, нет эйфории. · Ребалансировка продолжает работать в фоновом режиме. · Дивиденды всё равно капают (Татнефть, Сбер, Лукойл скоро порадуют). Что дальше: Продолжаем регулярные пополнения. Как только накопятся средства — будем заходить в новые бумаги, строго по целевым долям. Приложение подскажет. Всем спокойных инвестиций и ровного тренда 👇 --- ❗️ Важно: информация не является индивидуальной инвестиционной рекомендацией.

📈 14 ДНЕЙ, +1 457 ₽ И ОДНА СКОЛЬЗЯЩАЯ: ПОРТФЕЛЬ ЖИВЁТ СВОЕЙ ЖИЗНЬЮ 16 февраля запустил портфель. Сегодня — ровно две недели. И знаете что? Система работает ровно так, как я и хотел: без паники, без эйфории, просто шаг за шагом. Сегодня (2 марта): • Доходность: +1,62% (+1 457 ₽) • Просадка: всё те же –0,93% (уже отыграли за 2 дня) • Годовая (с реинв.): 47,8% — да, это просто пересчёт с короткого отрезка, на дистанции будет скромнее, но глаз радует Что внутри сейчас: · ОФЗ 26238, Лукойл, Сбер, НОВАТЭК, денежный рынок, Татнефть (преф) — всё как планировал. · МТС, Транснефть, Мосбиржа, Яндекс — пока в избранном, будем добирать следующими пополнениями. Что со скользящей? На графике пока одна линия. Как только добавлю 20, 50, 100 и 200 — сразу покажу. Хочу видеть не только каждый чих, но и глобальный тренд. Почему я это пишу? Не чтобы похвастаться копейками. А чтобы показать: система работает. Да, две недели — не срок. Но даже за это время видно, как портфель аккуратно отыгрывает просадки и держится в плюсе. Дальше — регулярные пополнения, добавление новых бумаг и ребалансировка. А график будет сам рассказывать нашу историю. Если есть вопросы — задавайте 👇 --- ❗️ Важно: информация не является индивидуальной инвестиционной рекомендацией. Решение о покупке или продаже активов вы принимаете самостоятельно. Помните, что инвестиции связаны с риском потери капитала.

📈 ЕЩЁ ОДИН ДЕНЬ, ЕЩЁ ОДИН ШАГ: +334 ₽ ЗА СУТКИ Вчера я показывал график за 11 дней. Сегодня добавляется ещё один торговый день — и динамика становится ещё нагляднее. Сравните сами: Вчера (27.02): · Доходность: +0,5% (+453 ₽) · Годовая (с реинв.): 16,5% · Просадка: –0,93% Сегодня (28.02): · Доходность: +0,88% (+787 ₽) · Годовая (с реинв.): 27,7% · Просадка: всё те же –0,93% (уже восстановились) Что произошло за сутки? Портфель прибавил ещё 334 ₽. В процентах это немного, но важно другое: стратегия остаётся устойчивой. Максимальная просадка не увеличилась (всё те же –0,93%), а доходность плавно ползёт вверх. Почему я это показываю? Не чтобы похвастаться копейками. А чтобы наглядно продемонстрировать: система работает ровно так, как задумано. Никаких резких движений, никаких эмоций, никаких «всё пропало» или «ура, мы взлетели». Просто спокойный, размеренный рост в рамках целевой структуры. Вчера один из подписчиков спросил: «Почему так много умных слов и такой слабый результат?» Отвечаю сегодня: потому что 11 дней — не срок. А 12 дней — тоже не срок. Но даже за этот микроскопический отрезок видно, как портфель аккуратно выбирается в плюс, отыгрывая просадки и сохраняя устойчивость. Для меня это не про «заработать здесь и сейчас». Это про уверенность, что через 25 лет всё будет работать так же чётко. Дальше — пополнения, добавление , , и , регулярная ребалансировка. А график будет сам рассказывать нашу историю. Следите за обновлениями. Если есть вопросы — задавайте 👇 --- ❗️ Важно: Данная информация не является индивидуальной инвестиционной рекомендацией. Финансовые инструменты и операции, упомянутые в посте, могут не соответствовать вашему инвестиционному профилю и целям. Решение о покупке или продаже активов вы принимаете самостоятельно. Помните, что инвестиции связаны с риском полной или частичной потери капитала.

📈 ПЕРВЫЕ 11 ДНЕЙ: ГРАФИК ГОВОРИТ САМ ЗА СЕБЯ Друзья, ровно 11 дней назад, 16 февраля, мы запустили «Пенсионный портфель» в реальном режиме. Сегодня — первый небольшой, но важный отчёт. Что мы видим на графике? Стоимость портфеля выросла с 90 000 ₽ до 90 454 ₽. Абсолютный прирост: +453,74 ₽ (+0,5%). Если пересчитать в годовую доходность (с учётом реинвестирования), получается +16,5%. При простом пересчёте — +15,3%. Максимальная просадка за это время составила всего –0,93% — рынок дёргался, но портфель держался уверенно. Что стояло за этими цифрами? За 11 дней мы: ✅ Провели первую сделку — заменили Сургутнефтегаз на Татнефть (префы), сделав нефтяную часть прозрачнее. ✅ Приложение T‑Balancing отработало чётко: рассчитало лоты, выставило заявки, округлило остаток. ✅ Портфель сохранил структуру и даже немного вырос, несмотря на волатильность. Почему это важно? График — не просто красивая линия. Это доказательство того, что система работает: · Эмоции отключены, · Решения принимает алгоритм, · Ребалансировка держит риски под контролем. Да, прошло всего 11 дней. Это слишком мало для выводов о доходности. Но достаточно, чтобы убедиться: план работает, приложение не сбоит, а я сплю спокойно. Дальше — регулярные пополнения, добавление новых бумаг ( , , , ) и плановая ребалансировка. О результатах буду сообщать по факту. Следите за обновлениями. Если есть вопросы — пишите в комментариях 👇 --- ❗️ Важно: Данная информация не является индивидуальной инвестиционной рекомендацией. Финансовые инструменты и операции, упомянутые в посте, могут не соответствовать вашему инвестиционному профилю и целям. Решение о покупке или продаже активов вы принимаете самостоятельно. Помните, что инвестиции связаны с риском полной или частичной потери капитала.

📢 СЛЕДУЮЩИЙ ЭТАП: ДОВОДИМ ДОЛЮ АКЦИЙ ДО 60% Друзья, после недавней замены Сургута на Татнефть портфель приобрёл более прозрачную структуру. Но это только начало. Следующим шагом (при ближайших пополнениях) я планирую добавить ещё четыре позиции и довести долю акций до целевых 60%. Что добавляем? Компания Тип акций Сектор Целевая доля МТС Обыкновенные Телеком 5% Транснефть Привилегированные Транспортная монополия 5% Московская биржа Обыкновенные Финансовая инфраструктура 5% Яндекс Обыкновенные Технологии 5% Почему именно они? 1. МТС — стабильный телеком с стабильными дивидендами, понятный денежный поток, низкий долг. 2. Транснефть (префы) — естественная монополия, не зависящая от цен на нефть. Дивиденды платят стабильно, долг отрицательный. Идеальный защитный актив внутри акционой части. 3. Московская биржа — монополия в своём сегменте. Зарабатывает на каждом движении рынка, платит стабильные дивиденды, растёт вместе с числом инвесторов. 4. Яндекс — технологический лидер, главный драйвер роста в портфеле. Начал платить дивиденды, огромный потенциал развития экосистемы. Как это изменит структуру портфеля? После добавления этих бумаг акционерная часть будет выглядеть так: Компания Доля Сбер 17.5% Лукойл 17.5% Татнефть (преф) 5% МТС 5% Транснефть (преф) 5% Московская биржа 5% Яндекс 5% Итого акции 60% Облигации и фонды займут оставшиеся 40%. Как это будет технически реализовано? При каждом пополнении я буду корректировать целевые доли в T‑Balancing. Приложение само рассчитает, сколько лотов каждой бумаги нужно докупить, чтобы портфель пришёл к заданной структуре. Это позволит: · добавлять новые активы без лишних эмоций, · сохранять баланс между секторами, · не гадать, что и когда покупать. Что дальше? Как только появятся свободные средства, я начну по очереди вводить эти бумаги. Первым, скорее всего, пойдёт МТС — как самая дивидендная и понятная история. О результатах буду сообщать в постах. Если у вас есть вопросы по выбору или долям — пишите в комментариях 👇 ❗️ Важно: Данная информация не является индивидуальной инвестиционной рекомендацией. Финансовые инструменты и операции, упомянутые в посте, могут не соответствовать вашему инвестиционному профилю и целям. Решение о покупке или продаже активов вы принимаете самостоятельно. Помните, что инвестиции связаны с риском полной или частичной потери капитала.

📢 ТОЧЕЧНАЯ ЗАМЕНА: СУРГУТ УХОДИТ, ТАТНЕФТЬ ПРИХОДИТ Друзья, сегодня без пополнения счёта — просто провёл небольшую, но важную ребалансировку внутри портфеля. Продал Сургутнефтегаз (привилегированные акции) и на эти же деньги купил привилегированные акции Татнефти. Зачем? — бумага неплохая: огромная валютная кубышка, уставные дивиденды, низкий долг. Но для меня он остаётся «чёрным ящиком». Слишком много непрозрачности, слишком сложно понять, от чего реально зависят дивиденды в долгосрочной перспективе. А держать в портфеле то, что не понимаешь — не по‑баффеттовски. Татнефть же — полная противоположность: ✅ Прозрачная отчётность по МСФО ✅ Понятная дивидендная политика (не менее 50% от чистой прибыли) ✅ Регулярные выплаты, дивидендный аристократ ✅ Хорошее корпоративное управление При этом я взял именно привилегированные акции ( ). Почему? Потому что дивиденды у Татнефти одинаковые на оба типа бумаг, а префы стабильно стоят дешевле обыкновенных. Значит, дивидендная доходность на вложенный рубль получается выше. Право голоса мне не нужно, а лишние проценты доходности — нужны. Что получилось на практике: До замены: · Сургутнефтегаз (прив) — 4 403 ₽ (4.9%) После замены: · Татнефть (прив) — 4 145 ₽ (4.6%) Как это технически сделано? Просто скорректировал целевые доли в T‑Balancing: убрал Сургут, добавил Татнефть. Приложение само рассчитало, сколько лотов продать и купить, выставило заявки через API Тинькофф и провело сделку. Всё автоматически, без эмоций, ровно за одну сессию. Что в итоге? Нефтяная часть портфеля стала понятнее и качественнее. Дивидендный поток — тоже. А Сургут остался в истории как напоминание, что даже неплохие активы иногда стоит заменять на более прозрачные. Теперь структура акций выглядит так (целевые доли): · Сбер (обычка) — 17.5% · Лукойл — 17.5% · Татнефть (преф) — 5% (пока 4.6%, доведём до цели следующим пополнением) · Транснефть (преф) — 5% (в плане) · МТС — 5% (в плане) · Мосбиржа — 5% (в плане) · Яндекс — 5% (в плане) Плюс облигации и фонды на остальное. Следующее пополнение — будем добавлять новые бумаги и подтягивать доли до целевых. Следите за обновлениями 👇 --- ❗️ Важно: Данная информация не является индивидуальной инвестиционной рекомендацией. Финансовые инструменты и операции, упомянутые в посте, могут не соответствовать вашему инвестиционному профилю и целям. Решение о покупке или продаже активов вы принимаете самостоятельно. Помните, что инвестиции связаны с риском полной или частичной потери капитала.

🚀 МЕНЯЕМ СТРАТЕГИЮ: УВЕЛИЧИВАЕМ ДОЛЮ АКЦИЙ ДО 60% Друзья, спасибо за активное обсуждение в комментариях! Особенно тем, кто заставил задуматься о долгосрочных целях. Я пересмотрел структуру «Пенсионного портфеля» с учётом того, что до выхода на пенсию у меня ещё 25 лет. Это достаточно большой горизонт, чтобы не бояться волатильности и сделать ставку на рост. Что меняем? При следующем пополнении счёта мы скорректируем целевые доли активов: Категория Было Станет Акции 40% 60% Облиг. 50% 35% Фонды 10% 5% Почему это разумно при горизонте 25 лет? 1. Историческая доходность акций выше — на длинных дистанциях акции обыгрывают облигации в 2–3 раза. Даже с учётом кризисов. 2. Инфляция съедает облигации — при текущей ключевой ставке и инфляции облигации лишь сохраняют, но не приумножают капитал. Для пенсии нужно именно приумножение. 3. Молодой портфель может позволить себе риск — у нас есть минимум 3–4 кризиса впереди, после каждого рынок восстанавливался и обновлял максимумы. Мы не собираемся продавать на просадках, а будем докупать через ребалансировку. Что добавляем? В рамках увеличения доли акций мы введём новую позицию — МТС ( )с целевой долей 3%. Почему МТС: · Стабильные дивиденды (одни из лучших на рынке). · Диверсификация по секторам (уже есть нефть, банки — теперь добавится телеком). · Компания с понятным денежным потоком и низкой долговой нагрузкой. Как это технически реализуется? При следующем пополнения я просто изменю целевые доли в настройках T‑Balancing. Приложение само пересчитает, сколько лотов каждого актива нужно докупить (или, возможно, чуть‑чуть продать облигаций, чтобы соблюсти новые пропорции). Все операции будут автоматическими, без моего ручного вмешательства. Что остаётся неизменным? · Регулярные ежемесячные пополнения. · Автоматическая ребалансировка после каждого пополнения. · Полная прозрачность всех операций. Следите за обновлениями — после пополнения покажу новый состав портфеля и отчёт по сделкам. Если у вас есть мысли по новым долям или другим бумагам — пишите в комментариях 👇 ❗️ Важно: Данная информация не является индивидуальной инвестиционной рекомендацией. Финансовые инструменты и операции, упомянутые в посте, могут не соответствовать вашему инвестиционному профилю и целям. Решение о покупке или продаже активов вы принимаете самостоятельно. Помните, что инвестиции связаны с риском полной или частичной потери капитала.

✅ ПЕРВЫЕ РЕЗУЛЬТАТЫ: «ПЕНСИОННЫЙ ПОРТФЕЛЬ» СОБРАН! Друзья, алгоритм T‑Balancing на Python успешно выполнил первую серию сделок. Средства со счёта распределены по всем запланированным активам. Теперь у нас есть реальный инвестиционный портфель, готовый к долгосрочному росту. 📊 Текущая структура портфеля (после покупки): Актив Количество Стоимость Доля ОФЗ 26238 44 шт ~26 997 ₽ 30.1% ЛУКОЙЛ 3 шт ~15 705 ₽ 17.5% Сбер Банк 50 шт ~15 578 ₽ 17.4% НОВАТЭК 001Р-02 2 шт ~15 012 ₽ 16.7% Денежный рынок (ETF) 59 шт ~8 989 ₽ 10.0% Сургутнефтегаз (прив) 100 шт ~4 286 ₽ 4.8% Ростелеком 002Р-13R 1 шт ~1 034 ₽ 1.2% Рубли на счёте — ~2 166 ₽ 2.4% Итого: ≈ 89 766 ₽ (цифры округлены, точные значения — на скриншотах) 🔄 Как это было: Приложение получило целевые доли (которые мы задали ранее), рассчитало необходимое количество лотов по каждому инструменту и выставило заявки в Тинькофф API. Все покупки совершены автоматически, без моего ручного вмешательства — строго по алгоритму. 📈 Что дальше? Стратегия «Пенсионный портфель» подразумевает регулярные инвестиции. План такой: · Ежемесячные пополнения — будем довносить фиксированную сумму. · Автоматическая ребалансировка — после каждого пополнения приложение пересчитает доли и докупит то, что отстало, или продаст то, что выросло, возвращая портфель к целевым пропорциям. Таким образом, мы будем постоянно «покупать дешевле, продавать дороже» на дистанции, сохраняя оптимальный уровень риска. 📱 Скриншоты из приложения — подтверждение сделок и текущее распределение. --- ❗️ Важно: Данная информация не является индивидуальной инвестиционной рекомендацией. Финансовые инструменты и операции, упомянутые в посте, могут не соответствовать вашему инвестиционному профилю и целям. Решение о покупке или продаже активов вы принимаете самостоятельно. Помните, что инвестиции связаны с риском полной или частичной потери капитала. Приложение T‑Balancing разработано для автоматизации личной стратегии автора; прошлые результаты не гарантируют доходности в будущем. ---

🚀 ЗАПУСКАЕМ «ПЕНСИОННЫЙ ПОРТФЕЛЬ» – ПЕРВЫЕ СИГНАЛЫ УЖЕ В ПРИЛОЖЕНИИ! Друзья, мы перешли к активной фазе. Портфель, над которым мы работали, теперь имеет чёткую структуру. Наше Python‑приложение T‑Balancing, подключённое к API Тинькофф, готово управлять инвестициями. 🎯 Что такое «Пенсионный портфель»? Это долгосрочная стратегия для тех, кто хочет формировать капитал без эмоций и спекуляций. Мы выбрали диверсифицированный набор активов, чтобы балансировать между доходностью и надёжностью. 📊 Состав портфеля (целевые доли заданы) Вот активы, которые вошли в наш пенсионный портфель: · Облигации: НОВАТЭК 001Р-02, ОФЗ 26238, Ростелеком 002Р-13R – для стабильного купонного дохода. · ETF: Денежный рынок – ликвидность и сохранность средств. · Акции: Сургутнефтегаз (привилегированные), ЛУКОЙЛ, Сбер Банк – участие в росте российских компаний и дивиденды. · Кэш: небольшая подушка ликвидности. Для каждого актива мы установили целевую долю в процентах от общего объёма портфеля (см. скриншот с настройками). 🤖 Что делает приложение? Прямо сейчас на счету 90 000 ₽. Приложение сравнило текущие доли (пока всё в кэше) с целевыми и рассчитало, сколько лотов каждого актива необходимо купить, чтобы портфель приобрёл заданную структуру. 👉 На втором скриншоте видны сигналы BUY по всем активам и количество лотов, которое алгоритм рекомендует для первой закупки. Кэш, напротив, получил сигнал SELL – значит, деньги будут направлены на покупки. 🔄 Дальнейший план Мы не останавливаемся на разовой покупке. Стратегия предусматривает: 1. Ежемесячные пополнения – будем регулярно довносить средства, используя принцип усреднения. 2. Автоматическая ребалансировка – после каждого пополнения или при сильных отклонениях приложение заново пересчитает доли и выставит заявки, чтобы вернуть портфель к целевым пропорциям. Это позволяет покупать подешевевшие активы и фиксировать прибыль в выросших. ✅ Что это даёт? · Эмоции отключены – решения принимает код. · Риски контролируются – ни один актив не перевешивает. · Прозрачность – все операции видны в приложении. Скоро покажу результаты первых сделок и отчёты по портфелю. Подписывайтесь, чтобы не пропустить! 👇 ❗️ Важно: Данная информация не является индивидуальной инвестиционной рекомендацией. Финансовые инструменты и операции, упомянутые в посте, могут не соответствовать вашему инвестиционному профилю и целям. Решение о покупке или продаже активов вы принимаете самостоятельно. Помните, что инвестиции связаны с риском полной или частичной потери капитала. Приложение T‑Balancing разработано для автоматизации личной стратегии автора; прошлые результаты не гарантируют доходности в будущем.

🤔 Мои параметры для отбора облигаций: • кредитоспособность эмитента Беру себе в портфель ОФЗ, а так же корпоративные облигации с кредитным рейтингом не ниже А. • текущая рыночная цена В приоритете облигации с текущей ценой ниже номинала: тогда при погашении я заработаю еще и на разнице в цене. Либо, если высокий купонный доход, то рассматриваю цену до 104 % от номинала. • % купона Может быть фиксированным или плавающим.Фиксированный купон - размер выплат определен на весь срок. Такие облигации чувствительнее в цене к рынку. Если ставка ЦБ повысится, то цена таких облигаций упадет. Если держать до погашения - разницы нет, но если продать заранее - ощутимо.Плавающие облигации - процент купона привязан к какому-то показателю, например, к ставке ЦБ. Плюсы: при повышении ключевой ставки выплаты по купону тоже увеличиваются. Волатильность цены такой облигации ниже, чем фиксированной. • количество выплат в год ОФЗ с выплатами купонов 2 раза в год. Однако, все больше облигаций с выплатами купона ежемесячно, и это интереснее, так как можно постоянно реинвестировать и получать сложный процент. Снова вопрос: а если я не дождусь выплату и продам раньше облигацию, я не получу купон? Существует НКД - накопленный купонный доход. Например, выплаты по купону в октябре и апреле. А если я продаю свою облигацию в феврале, то покупатель заплатит мне НКД с октября по дату продажи. Поэтому я не в минусе. • дата погашения Срок выплаты всех долгов по номиналу. Наиболее уязвимое место для высокорисковой компании. • Оферта Возможность эмитента заранее погасить облигацию. Позволяет заемщику регулировать долговую нагрузку. • амортизация Тоже инструмент для регулирования долговой нагрузки заемщика. Это постепенное погашение облигации в течение срока обращения, а не в самом конце. Это снижает риск дефолта в дату погашения, но при этом уменьшает купонные выплаты из-за снижения остатка номинала. • Ликвидность Обращаю внимание так же на объем ежедневных торгов. Поняла, что сам отбор облигаций - очень рутинная работа, таблицы с агрегаторов не всегда информативны в полной мере. Поэтому поставила себе задачу: автоматизировать процесс. Хочу написать Python-скрипты, которые будут: * отбирать выпуски по моим фильтрам * сортировать и сразу показывать, что стоит моего внимания. Тогда останется главное - анализировать эмитента и принимать инвестиционные решения, а не тратить время на механический отбор.

Логистическая регрессия После экспериментов с МНК решил попробовать логистическую регрессию, классика машинного обучения для задач классификации. В отличие от предсказания конкретной цены, этот метод предсказывает направление движения (вырастет акция или упадет). То есть мы решаем задачу классификации, что для рынка выглядит логичнее. Для того что бы алгоритм мог на чём то обучаться, ему нужны какие то признаки бумаги. Я взял несколько разных метрик: скользящую среднюю (тут писал про неё пару постов раньше, не знаю как тут ссылку вставить), моментум, EMA и ещё парочку. Бэктест Обучение: январь 2022 — февраль 2025. Тест: февраль 2025 — февраль 2026. Вот какие результаты получились, стратегия «купи и держи» vs. "логистическая регрессия": -30.0 vs +23% 🟢 +61% vs +12% 🔴 +40% vs +63% 🟢 -1% vs-46% 🔴 +4% vs +16% 🟢 -3% vs +14% 🟢 -33.% vs +58% 🟢 +8% vs 195% 🟢 0% vs -18% 🔴 -32% vs +34% 🟢 +4% vs +9% 🟢 -33% vs +19% 🟢 -19% vs +13% 🟢 Какие выводы я сделал: 1 Есть различные метрики которые у меня не учтены, например санкций (LKOH на них сильно просел) или инсайты (SFIN). Таким образом успех на некоторых акциях, может быть следствием удачной подгонки под конкретный период. 2 В стратегии учитывается комиссия, однако нет стопов-лоссов. На примере того же SBER видно что стратегия просто ушла в минус. 3 VSMO - показал рекордные 195% доходности. Это слишком круто что бы быть правдой😅 Здесь я пока что не знаю как объяснить почему модель так себя повела. На скрие кстати именно она представлены 4 Модель не стабильная, волатильность доходности выше, чем у базового актива. Не является индивидуальной инвестиционной рекомендацией.

Расчёт коэффициента Beta Начал погружаться в методы прогнозирования стоимости. Один из базовых инструментов для таких задач - метод наименьших квадратов (МН) из регрессионного анализа (область машинного обучения). На удивление я сразу нашёл практическое применение этого метода. Это расчёт Beta, эта цифра находится в раздел "Все показатели" у акций Т-брокера. Я решил попробовать рассчитаться его самостоятельно и заодно разобраться как работает метод. Что я делал: 1 Сбор данных. В описание указано "Волатильность акции к индексу IMOEX". Значит, нам нужны исторические данные акции и индекса. Я выгрузил их через API биржи за период в 1 год. 2 Подготовка данных. Рассчитал логарифмическую доходность (постепенно привыкаю к этому формату) для акции и индекса. 3 Расчёт Beta. Это самое интересное. В библиотеке numpy уже есть готовый и оптимизированный метод — np.linalg.lstsq (от англ. least squares). Всё, что нужно — это передать туда доходности. На выходе получаем коэффициенты Beta и Alpha (есть и другие технические значения, но сейчас они не в приоритете). 5 Визуализация. Построил график: красная линия на скрине — это и есть линия регрессии. Она показывает наиболее вероятную зависимость доходности акции от движения индекса. Любая прямая определяется простой функцией: y = b*x +a (да да, опять математика нам помогает🥸) , где b и есть та самая Beta. - если Beta > 1, акция более волатильна, чем рынок. При движении индекса вверх она может дать большую доходность, но при падении — принесет более существенный убыток. - если Beta < 1, то акция считается «защитной». Движение индекса влияет на неё слабее: она меньше падает в кризис, но и растет спокойнее рынка. У меня получилась Beta = 0.693, в то время как у брокера она указана как 0.7. В целом попал. На днях сделаю расчёт для других бумаг для сравнения. Не является индивидуальной инвестиционной рекомендацией.

Стратегия моментума Попробовал на всё том же стратегию моментума. Алгоритм технически похож на работу со скользящими средними (SMA), однако есть важные отличия. Здесь используется логарифмическая доходность для нахождения прироста или падения цены с шагом в сутки. Использование логарифмов — одна из самых интересных деталей. В первую очередь они нужны для того, чтобы мы могли просто складывать доходности разных дней и сразу получать итоговый результат. С обычными процентами так не прокатит🙃 np.log(raw_data["price"] / df["price"].shift(1)) Вообще, для меня это была не самая очевидная штука поначалу. Но в алготрейдинге это считается нормой. Да и в целом использовать логарифм даже для отслеживания доходности вашего портфеля по дням очень удобно. Далее идёт расчёт, схожий с SMA, с фиксированным окном. Затем доходность актива умножается на полученный сигнал со сдвигом на один день (чтобы бэктест был честным и не «заглядывал в будущее»). Собственно, самое интересное здесь найти оптимальное значение окна (период моментума). Тут я пошёл «в лоб» и просто перебрал диапазон до 100 дней. Выяснилось что на отрезке данных в три года лучшую доходность показало окно в 33 дня. Итоговый результат: 165% общей доходности, или около 38,4% ежегодно. В целом неплохо. На скрине как раз продемонстрировано все 100 дней только где синим цветом выделен победитель, а жёлтым убыточные значения моментума. Не является индивидуальной инвестиционной рекомендацией.

Бэктест стратегии на скользящих средних (SMA) В предыдущем посте я коротко разобрал, как строится индикатор SMA. Теперь стало интересно: а что будет, если применить его к историческим данным, то есть провести бэктест? В качестве подопытного актива я взял акции за последние 4 года. Я установил два окна — на 50 и 100 дней — и анализировал цену закрытия. Логика стратегии: Сигналы на покупку или продажу формируются путём сравнения двух скользящих средних. BUY (покупаем) — когда «короткая» SMA (50 дней) пересекает «длинную» (100 дней) снизу вверх. SELL (продаём) — когда «короткая» SMA пересекает «длинную» сверху вниз. HOLD (держим позицию) — в остальных случаях. Затем в цикле мы проходим по всем торговым дням и проверяем эти условия. Самое интересное: при нулевой комиссии брокера стратегия показала бы доходность +27% за 4 года. По графику видно, что основной прирост пришёлся на рост 2023 года. Однако цифры сильно падают если жить в реальности и учитывать комиссию 🙈. При комиссии 0,04 рубля за сделку (покупку и продажу) чистая доходность падает до +12,52%. Выводы: В целом, такие расчёты очень полезны для проверки торговых гипотез. С другой стороны, даже с учётом комиссий стратегия осталась в плюсе. Думаю кстати на pandas сделать полностью расчёт, но не осилил, в результате скатился в простой цикл😔 не является индивидуальной инвестиционной рекомендацией

Простая скользящая средняя или SMA Это базовый индикатор в алготрейдинге, позволяющий выявлять тренд. Я сделал (код на гитхабе) несколько таких индикаторов на акции , чтобы проверить, насколько он показателен. В целом, использование этого индикатора без каких-либо дополнительных инструментов бессмысленно. Если посмотреть на график, видно, что цена падает или растёт значительно раньше, чем это отражается в скользящей средней. Но это и очевидно: если бы пара строчек кода могли предугадать тенденцию рынка, мы бы все пользовались этим 🥸. Правда, есть пара торговых сигналов, основанных на скользящих средних с разными окнами, — это так называемый «золотой крест» и «крест смерти». В первом случае короткое окно пересекает длинное снизу вверх, что говорит о восходящем тренде, и наоборот: если короткое окно пересекает длинное сверху вниз, значит, мы идём ко дну.🙃 Однако на графике можно видеть, что пару раз эти тренды попадали в точку, но при этом цена акций уже успевала начать рост или падение. То есть этот индикатор всегда запаздывает. Таким образом, купить или продать вовремя на его основе не получится, но как дополнительный инструмент технического анализа понимать, как он устроен, нужно. Кстати, в pandas он считается одной строчкой кода: df["Price"].rolling(WINDOW_SIZE).mean() не является индивидуальной инвестиционной рекомендацией

🔥 В разработке: генератор идеальных промтов для нейросетей! 🔥 Привет, друзья! Хочу поделиться крутым проектом, который сейчас активно разрабатываю. Это генератор идеальных промтов для взаимодействия с нейросетями — инструмент, который поможет вам получать максимально точные и качественные результаты от ИИ. 💡 Почему это важно? Промт — это единственный канал коммуникации между человеком и нейросетью. От того, насколько чётко и грамотно вы сформулируете запрос, напрямую зависит качество ответа. Хороший промт: - сокращает количество итераций, - повышает точность результата, - экономит время и ресурсы. 🛠 Что использую в разработке: - Python — основной язык программирования, - Ollama — для локального запуска и тестирования моделей, - Qwen 2.5 (0.5B) — компактная, но мощная языковая модель, идеально подходящая для экспериментов с промтами. 🚀 Что уже сделано: - проработан базовый алгоритм анализа промтов, - реализована система оценки качества запроса, - начато тестирование на реальных задачах. 🎯 Что дальше? Планирую добавить: - шаблоны для разных типов задач (текст, код, креатив), - автоматическую оптимизацию промтов, - интеграцию с популярными ИИ‑платформами. Буду рад вашим идеям и фидбэку! Какие функции вы бы хотели видеть в таком генераторе? Пишите в комментариях — возможно, именно ваша мысль станет частью проекта. 👇 #ИИ

💰 Депозиты Фондовый рынок в последнее время не радует… А как обстоят дела с депозитами? Увидел интересное предложение от Т-банка — 16% годовых на 13 месяцев! (не реклама 😅) Звучит неплохо, но стало интересно — насколько это реально выгодно? Давайте разберёмся на примере двух сценариев: 🌤 Идеальный — инфляция снижается, а доллар растёт очень медленно или вообще стоит на месте. ⛈ Неблагоприятный — инфляция держится на двухзначном уровне и продолжает расти, доллар тоже растёт. Судя по последнему обращению главы ЦБ Эльвиры Набиуллиной, ставка может продолжать снижаться в следующем году. Насколько быстро и сильно — пока непонятно. Инфляцию я прогнозировать не берусь, а вот курс доллара можно прикинуть через метод Монте-Карло (вспоминаем дни универа😃). Да, предсказание курсов валют — дело неблагодарное, но интересно понять, при каком курсе такое предложение остаётся выгодным. Итоги: • Прирост капитала за срок: 17,33% • Точка безубыточности: 94,68 ₽/$ • Средний курс по моделям через 13 месяцев: 88,11 ₽/$ • Средняя доходность в $: 12,25% • Вероятность быть в плюсе (доходность > 0): 67,3% Playbook можно найти в моём канале(в профиле), если хочется самому поиграть с моделями — ключевые параметры: дрейф курса и волатильность. В моём примере они были 8 и 20. В целом цифры получились интересные. В 2023 году когда так же была высокая ставка ЦБ многие смогли хорошо заработать. Стоит ли рискнуть снова?🥸 Не является индивидуальной инвестиционной рекомендацией. $USD000UTSTOM

LLM-помощник Появилась идея реализовать небольшого помощника на основе современных LLM (Large Language Models) — таких как ChatGPT, DeepSeek, Qwen, Grok, Llama. У нас есть инвестиционный портфель с определенной балансировкой. Например, классическое распределение активов может выглядеть так: 50% — акции 30% — облигации (государственные и корпоративные) 10% — золото и сырьевые товары 10% — кэш Раз в месяц мы хотим проводить ребалансировку портфеля, основываясь на внешних данных и наших инвестиционных стратегиях. Для подбора оптимальной стратегии необходимо анализировать различные данные. Одним из ключевых источников являются новости. В чем проблема анализа новостных данных? Базово — это задача NLP (Natural Language Processing — обработка естественного языка). Это сложная область, и как правило для решения задач в ней нужны хорошо подготовленные данные и правильная модель. Имел опыт работы с таким фреймворком как spacy задача заключалась к анализу на стоп слова в тексте🧐. В общем чем больше контекст тем тяжелее решить задачу. Потому для моей задачи будет проще и быстрее использовать LLM (к тому же у нас не прод решение😅). Итого: нужно проанализировать экономические новости и на их основе принять решение — стоит ли что то менять в нашем портфеле. Техническая реализация: В качестве источников данных будем использовать экономические новостные ресурсы (например, телеграм-каналы) После минимальной предобработки текста будем передавать его в LLM с подготовленным промптом, например такого: text Проанализируй следующие новости и дай рекомендации по ребалансировке портфеля: НОВОСТИ: [текст новостей] ПОРТФЕЛЬ: [структура портфеля] КРИТЕРИИ: - Оцени риски для каждой позиции - Предложи изменения в распределении активов - Обоснуй рекомендации ссылками на новости На выходе получаем готовую рекомендацию по управлению портфелем🙂.