Хэштег #алгоритмическийтрейдинг | Тинькофф Инвестиции Пульс

Исходя из логики книги Кристиана Борча «Trading Beyond Understanding», российский рынок представляет собой уникальный «срез» глобальных тенденций. С одной стороны, здесь наблюдается высочайшая степень проникновения алгоритмов и ML (машинного обучения), характерная для «второго поколения» автоматизированного трейдинга. С другой — жесткое регулирование и географическая изоляция создали специфическую среду, где «чёрные ящики» сталкиваются с контролем со стороны государства. Вот как выглядит структура торговли на российском рынке через призму идей Борча. 1. Доминирование «Автоматонов»: более 60% оборота Главный тезис Борча о переходе контроля от человека к машинам на российском рынке подтверждается цифрами. · Абсолютное лидерство HFT: На срочном рынке Московской биржи высокочастотные алгоритмы (HFT) обеспечивают более 60% оборота торгов . · Замещение иностранцев: Ранее этот сегмент был вотчиной глобальных фондов, но сейчас их место заняли российские алгоритмические трейдеры и хедж-фонды . · Доступность для глобальных игроков: Российский рынок традиционно считается «открытой песочницей» для алгоритмов. Еще несколько лет назад из топ-20 глобальных HFT-фирм 15 работали в России . Вывод по Борчу: Здесь происходит именно то, о чем пишет автор: рыночная экономика отдана на откуп полуавтономным системам («автоматонам»), которые действуют быстрее и рациональнее человека. 2. Регуляторный контроль (ЦБ против «Черных ящиков») В отличие от полностью дерегулированных рынков, описанных Борчем, Россия активно борется с непредсказуемостью ML-моделей. · Идентификация роботов: ЦБ РФ ввел требование идентифицировать иностранных трейдеров, использующих HFT-алгоритмы. Если робот вызовет «флэш-крэш», регулятор должен знать, кому он принадлежит . · Принцип «выключить рубильник»: Регулятору необходимо понимать, был ли сбой технической проблемой (глюк кода) или манипуляцией. Это прямое исполнение идеи Борча о необходимости контроля над системами, логику которых разработчики не всегда понимают . 3. Технологическая гонка и внедрение ИИ Книга говорит о том, что фирмы превращаются в IT-лаборатории. В России это особенно заметно: · Активное внедрение: 95% финансовых организаций в РФ используют предиктивную аналитику на базе ИИ . · Институционализация ИИ: Московская биржа запускает ИИ-индекс (аналог IMOEX), где состав акций будет отбирать нейросеть, а не аналитики . · Брокерские «лаборатории»: Крупные брокеры (например, «Финам») создают собственные Лаборатории ИИ для разработки торговых моделей . 4. Инструментарий для массового инвестора (Робоэдвайзинг) Борч пишет об элитных хедж-фондах. В России технологии ML стали массовыми. · AI-ассистенты: Частным инвесторам доступны сервисы вроде FinGPT от Мосбиржи, которые анализируют отчеты и новости, помогая принимать решения . · Роботы-советники: ВТБ, ПСБ и Т-Банк предлагают автоматизированное управление портфелем, где алгоритм подбирает активы под риск-профиль клиента и ребалансирует портфель . 5. Новый рубеж: Криптовалюты (NFT и Биткоин В 2026 году Россия вышла на новый виток автоматизации, легализуя алгоритмическую торговлю криптовалютами. · Криптофьючерсы: Планируется запуск фьючерсов на Solana, Ripple и Tron . · Входной билет: Крупные игроки (вроде БКС) уже запустили стратегии автокопирования крипто-сделок на базе ИИ . · Жесткий отбор: На биржевой торг допускаются только криптовалюты с капитализацией от 5 трлн рублей и историей обращения от 5 лет (как биткоин и эфир) . Резюме: Как устроен российский рынок сегодня? 1. Движущая сила — HFT-роботы: 60% оборота делают машины . 2. Регулятор — «санитар леса»: ЦБ знает, кто запускает того или иного робота . 3. Розница — на ИИ: Частные инвесторы полагаются на робоэдвайзеров . 4. Тренд — токенизация: Активно готовится почва для роботизированной торговли криптовалютами (BTC, ETH, SOL) . Это идеальная иллюстрация концепции Борча #ии

основной смысл книги Кристиана Борча «Trading Beyond Understanding: Machine Learning, Risk, and Markets» (Stanford University Press, март 2026) в 20 предложениях. Основной смысл книги (20 предложений) 1. Машинное обучение фундаментально трансформирует финансовые рынки: теперь не люди создают стратегии, а модели генерируют их сами . 2. Борч вводит понятие «торговые автоматоны» — полунезависимые системы, которые учатся на рынке и действуют самостоятельно . 3. Книга основана на более чем десятилетии полевых исследований в финансовых хабах Лондона, Нью-Йорка и Чикаго . 4. Автор различает два поколения автоматизированного трейдинга, принципиально разных по устройству . 5. Первое поколение — системы, полностью спроектированные человеком и работающие по заложенным им правилам . 6. Второе поколение использует ML-модели, которые сами принимают торговые решения . 7. Во втором поколении человек не создаёт стратегии, а «курирует» процесс обучения машин . 8. Ключевая проблема второго поколения: разработчики часто не понимают, почему их система приняла то или иное решение . 9. Один из опрошенных трейдеров (Саймон) прямо признался: «Мы понятия не имеем», говоря о логике своего ML-алгоритма . 10. Это создаёт качественно новый риск по сравнению с первым поколением: система может вести себя неожиданно и непредсказуемо . 11. ML-системы могут совершать незаконные действия на рынке, не осознавая этого, — и никто не сможет объяснить почему . 12. В некоторых сегментах рынка автоматизированный трейдинг генерирует до 99,6% всех торговых сообщений . 13. HFT (высокочастотный трейдинг) составляет до 55% объёма акций США, 80% валютных фьючерсов и 66% казначейских рынков . 14. Фирмы, занимающиеся автоматизированным трейдингом, больше похожи на высокотехнологичные IT-компании, чем на традиционные финансовые институты . 15. В этих фирмах преобладают кандидаты наук в области computer science и физики, а атмосфера напоминает научную лабораторию . 16. Борч задаёт главный социологический вопрос: что происходит, когда машины становятся главными агентами на рынке . 17. Второй вопрос: как нам понимать экономическое действие, когда человеческое суждение больше не находится в центре . 18. Предыдущие технологии лишь расширяли возможности человека, ML же заменяет человека как первичного агента принятия решений . 19. Книга — не только о финансах, но и о социологии: традиционная социология всегда строилась вокруг человека как центрального субъекта, а теперь этот постулат рушится . 20. Борч призывает переосмыслить границы между технологическими системами и социальной жизнью в эпоху, когда машины действуют сами . Хештеги #ии

Дивидендные акции: как стать стратегом на пассивном доходе в эпоху цифровых технологий (часть 1) В мире инвестиций дивидендные акции традиционно считаются одним из самых устойчивых инструментов для получения пассивного дохода. Однако в последние годы наблюдается значительная эволюция этой инвестиционной стратегии. Рынки становятся всё более волатильными, цифровизация финансового сектора продолжает набирать темпы, а старые модели дохода требуют адаптации к новому миру. Сегодня дивидендные акции — это не просто инструмент стабильности, но и мощный элемент более сложных стратегий, способных обеспечить существенное превышение доходности на фоне растущих технологических рисков и неопределенности. Новая эра дивидендных акций: от защиты к стратегическому инструменту Исторически дивидендные акции рассматривались как способ получения регулярного дохода от зрелых компаний, обладающих устоявшимися финансовыми потоками и низкой волатильностью. Инвесторы, ориентирующиеся на долгосрочную перспективу, использовали их для защиты от инфляции и создания устойчивого денежного потока, в то время как корпоративные выплаты служили индикатором финансовой стабильности и устойчивости компании. Однако с развитием финансовых технологий и ростом рыночной неопределенности, дивидендные акции становятся не просто источником пассивного дохода, но и важным элементом стратегического подхода к управлению капиталом. Суть заключается в том, что они предоставляют не только доход, но и способ регулирования рисков. Инвесторы, использующие дивидендные акции в сочетании с современными инструментами анализа и оптимизации портфелей, могут достичь более высоких показателей доходности, чем при простом накоплении дивидендов. Дивидендная доходность: о чем не говорят цифры Для многих инвесторов дивидендная доходность (дивиденд на акцию, делённый на цену акции) является главным ориентиром при выборе бумаг. Однако в профессиональной среде важно понимать, что сама по себе высокая доходность не всегда является показателем привлекательности актива. В некоторых случаях компании могут искусственно увеличивать дивиденды, что может привести к снижению их финансовой устойчивости. Высокая доходность при этом не всегда сопровождается ростом прибыли, и это может говорить о потенциальных рисках для инвесторов. Кроме того, важно учитывать тип дивидендной стратегии, которую применяет компания. Например, компании с долгосрочной историей стабильных выплат и последовательных увеличений дивидендов — это не только компании с финансовым «здоровьем», но и с высокоэффективным менеджментом. Такие бумаги часто становятся частью портфелей, направленных на сохранение капитала и стабильность, а не на спекуляции. Не стоит забывать и о стратегии дивидендного роста — инвестирование в компании, которые регулярно повышают дивиденды, а не просто поддерживают их на одном уровне. Эти компании часто демонстрируют устойчивые темпы роста и могут более эффективно справляться с экономическими кризисами, что снижает общий риск портфеля. Цифровизация и автоматизация анализа дивидендных акций В последние годы технологии значительно изменили подход к выбору дивидендных акций. Использование алгоритмических торговых систем, искусственного интеллекта (AI) и анализа больших данных позволяет выявлять скрытые закономерности и паттерны, которые раньше были недоступны инвесторам с традиционными методами анализа. Сегодняшние платформы позволяют не только отслеживать и выбирать акции с хорошей дивидендной доходностью, но и анализировать более глубокие метрики, такие как рентабельность капитала, тенденции в росте прибыли и долговую нагрузку компаний.