-
Финансовые рынки, экономика, корпоративная аналитика, финансово-экономическая инфографика и статистика. Связь: telegram@spydell.ru Резервный e-mail: spydell.telegram@gmail.com Чат: https://t.me/spydell_finance_chat
«Пробои» ликвидности в США где-то рядом.
Сейчас одним из главных индикаторов, показывающий дисбаланс в долларовой финсистеме – это спрэд между овернайт ставкой обеспеченного финансирования (SOFR) и ставкой обратного РЕПО с ФРС (RRR – используется при избытке ликвидности).
Ставка SOFR является основополагающей в финансовой системе США и используется, в том числе, для расчетов по маржинальным позициям на триллионы долларов по производным финансовым инструментам и своп сделкам, участвует в межбанковском кредитовании и в кредитных соглашениях. Является бенчмарком для определения стоимости корпоративного кредитования.
В отличие от манипулятивной ставки LIBOR, SOFR основывается на фактических сделках, где ежедневный объем операций колеблется в диапазоне 1.4-2 трлн.
Ставка RRR (то, что платит ФРС за размещение избыточной ликвидности банков и фондов на счетах ФРС) составляет 5.3% после того, как ФРС повысила верхний диапазон ключевой ставки до 5.5%.
Обычно спрэд между SOFR и RRR составляет 1-2 б.п, но в начале 2024 вырастал до 8 или даже 10 б.п. Слишком высокая премия SOFR к RRR означает дефицит или структурный дисбаланс ликвидности в долларовой финсистеме.
Для компенсации разрыва есть ставка постоянного РЕПО или SRF (используется при недостатке ликвидности), которая котируется ровно по 5.5%. Пиковый выброс по SOFR был до 5.4% - кажется немного (механизм SRF пока не задействован), но учитывая масштаб рынка, даже любое самое незначительное отклонение «прошибает» систему.
Так было в 2019, когда ФРС раньше времени открыла клапана ликвидности и начала смягчать ДКП и так будет в 2024.
На утро 17 января объем операций в RRR снизился до 583 млрд (минимум с 14 июня 2021) vs средних 2.2 трлн в апреле-июне 2023. Для сравнения, в начале октября 2023 было почти 1.4 трлн.
Избыточная ликвидность испаряется на фоне QT (даже с отставанием от плана) и при рекордных размещениях трежерис - к апрелю 2024 обнулятся.
Пока спрэд SOFR/RRR вернулся в норму, но ненадолго, к весне начнут «рвать», как обычно. Слежу за ситуацией.
Внешний долг России снизился до $322 млрд на 3кв23 – минимум за 16 лет, сократившись на $160 млрд с момента начала СВО.
За сопоставимый срок (7 кварталов) более быстрое сокращение было в 1кв16 ($213 млрд) в абсолютном выражении, но в процентном сравнении на этот раз рекорд за всю современную историю России (33%) по сравнению со снижением долга на 29% в 2016.
В оценке долга имеет значение та часть, которая концентрируется в иностранной валюте по двум причинам:
• именно внешний долг в иностранной валюте влияет на устойчивость валютного рынка в России;
• при девальвации рубля внешний долг в национальной валюте естественным образом снижается из-за валютной переоценки.
В структуре снижения долга на $160 млрд на валютный долг приходится $123 млрд и $37 млрд на внешний долг в рублях (в значительной степени из-за валютной переоценки).
Чем опасно сжатие валютного внешнего долга для рубля? Этот финансовый ресурс мог быть использован в накоплении кэша, инвестициях или в возврате валютной выручки на внутренний валютный рынок.
Однако, в условиях санкций и закрытого внешнего рынка фондирования необходимость в погашении внешних долгов, которые практически полностью номинированы в валюте недружественных стран, вынуждает российский бизнес резервировать валютную позицию под исполнение обязательств. Это, как один из доминирующих факторов давления на рубль, образуя дефицит валюты.
Хорошая новость в том, что внешнего валютного долга все меньше – всего $226 млрд по сравнению с $261 млрд в начале 2023 и $350 млрд в начале 2022. Примерно $200 млрд сосредоточено в частном секторе (банки и компании).
Оценочный объем принудительного погашения внешнего валютного долга около $45-50 млрд в год (оценка на 2024 $40-45 млрд) – это то, что не сможет быть рефинансировано и вероятно, не сможет быть перекрыто поступлениями из Китая, Индии и нейтральных стран Ближнего Востока.
Много зависит от способности России привлекать фондирование из нейтральных стран, пока с этим вообще никак.
Минфин России выполнил задачу, которая в начале года казалась невероятной – сведение бюджета к плану.
Календарный 2023 год исполнен с дефицитом 3.2 трлн vs 3.3 трлн в 2022 и в сравнении с 2.9 трлн дефицита на 2023, которые были записаны в проект федерального бюджета по №466-ФЗ от 05.12.2022.
В мае 2023 дефицит по 12-месячной сумме достиг 8 трлн и все шло к 10 трлн дефицита, но комплекс мер от Минфина и макроэкономические факторы способствовали улучшению бюджетной ситуации.
С июня 2023 Минфин начал экономить, по крайней мере, до сентября, когда суммарные расходы оказались на 5.5% ниже по номиналу, чем в 2022, но на 15.7% выше аналогичного периода в 2021 при накопленной инфляции более 20% за два года. В реальном выражении расходы ушли в минус и это с учетом военного бюджета.
С октября по ноябрь пошли в разгон по расходам, но в декабре вновь просели, завершив 4кв23 с суммарными расходами на 5.7% ниже 2022, но на 29% выше 2021 по номиналу.
В итоге с июня по декабрь 2023 расходы снизились на 5.6% г/г, но на 22.9% выше 2021, т.е. около нуля в реальном выражении за два года.
Со стороны доходов прогресс: с июня по декабрь 2023 доходы выросли на 22.3% г/г и на 21% за два года (о причинах роста отдельно после предоставления детализации ненефтегазовых доходов в конце января).
По укрупненным группам, нефтегазовые доходы практически достигли плана 8.8 трлн по факту vs 8.9 трлн по проекту бюджета, а ненефтегазовые сильно выше плана – 20.3 трлн vs 17.2 трлн в бюджете, где 1.2 трлн сверх плана принесли НДС.
В итоге доходы с июня сформировали плюс 3.5 трлн, а расходы снизились на 1.2 трлн, что в совокупности дало эффект на 4.7 трлн, позволив снизить дефицит с 8 до 3.2 трлн.
За весь год доходы составили 29.1 трлн vs 27.8 трлн в 2022 и 25.3 трлн в 2021, а расходы немного выросли до 32.4 трлн vs 31.1 трлн годом ранее и 24.8 трлн в 2021.
Дефицит бюджета менее, чем в 2% от ВВП, учитывая контекст ситуации – это сильные показатели, намного лучше, чем предполагалось в середине года.
О возможностях языковых моделей и ГИИ
Систематизация опыта использования и попыток интеграции ГИИ в рабочие проекты с моей стороны.
Огромное количество плагинов, расширений и предложений на базе ГИИ (в основном, конечно, ChatGPT), но на самом деле все это разнообразие фиктивное.
Попытаюсь консолидировать три генеральных направлений использования ГИИ:
▪️Резюмирование / суммирование / краткий пересказ текстового, видео или аудио контента. Вариаций множество, но суть одна. Это самое главное направление, т.е. базовая концепция ГИИ заключается как раз в компрессии контента, именно на этом построены алгоритмы работы ГИИ.
Как это будет реализовано? Здесь есть пространство для маневра. Например, подготовка дайджеста новостей по заданной теме, краткий анализ отчетности, статей и объемных материалов по заданным критериям.
Польза вполне очевидна: если коэффициент компрессии ввести 15-20, можно сэкономить значительное количество времени и концентрировать внимание на сущностных элементах и смысловых нагрузках, отсекая все лишнее.
Человек, прослушав лекцию или прочитав книгу, не сможет запомнить все, а в памяти оставляет только основные смысловые переходы и концепции и/или цифры/факты/статистику.
Если доверить краткий пересказ медийного, научного или аналитического контента в пользу ИИ, можно высвободить время для других задач или повысить кратно производительности в рамках анализа контента.
Работает ли это на практике? Не совсем, далеко не так, как хотелось бы, чтобы применять этот инструмент в работе. Именно поэтому я допиливал процедуры через API, чтобы иметь более тонкую настройку, но даже так не удалось получить желаемого эффекта.
Происходит слишком агрессивное отсечение важной информации по принципу схожести паттернов, что приводит к потере важных деталей и нюансов.
Сценарий использования: перебор мусорной информации, где можно кратко и быстро понять о чем идет повествование, а далее любопытные гранд нарративы уже исследовать самостоятельно.
▪️Экспертная система, высокоразвитый консультант. Традиционный поиск сейчас уже не нужен – это архаика. Если нужно быстро найти и понять описание предмета, объекта, значение какой либо функции и так далее – ГИИ вне конкуренции.
В обычном поиске можно часами рыться в мегабайтах текстовой информации из разных источников, чтобы понять, как работает интересующиеся объект или инструмент, а через ГИИ это решается за минуты.
Лично для меня, это наиболее важный прорыв, т.к. буквально кратно экономит время, если речь идет о быстром анализе и схватывании важных аспектов в документации.
Сценарий использования: быстрый и эффективный анализ технической документации, инструкции, регламентов, актов, законов и так далее, когда нет желания и времени вникать в ненужные детали.
▪️Решение одномерных и ограниченных задач. Если крупный проект разбить на сотни модулей, а модули в свою очередь разбить на блоки, сегменты, которые в свою очередь разделить на функции и процедуры – вот здесь ГИИ поможет, но есть нюансы.
Декомпозиция сложных задач и разделение на упрощенные сегменты – это непростой процесс, а для эффективного ответа необходим крайне формализованный промт инжиниринг. Чем более сжатые границы и чем четче описаны все переменные и логика решений – тем быстрее и лучше будет ответ, но даже так огромное количество ошибок будет.
Сценарий использования: быстрое написание части программного кода при условии, что этот код может быть написан самим разработчиком. Не всегда генерация упрощенного кода оправдана с точки зрения времени (проще сделать самому).
Для работы с ГИИ необходимо быть экспертом, т.е. знать вектор распределения решений и выходные параметры, чтобы контролировать результат.
У ГИИ нет критерия оценки выходных данных (нет критерия ошибки), нет критерия истинности, поэтому может выдавать абсурдные результаты, т.к. не знает, что такое хорошо, а что такое плохо, поэтому всегда нужен компетентный оператор системы.
В итоге ГИИ позволяет реализовывать структуризацию, систематизацию и упорядочивание данных при условии умения работать с данными и с ГИИ со стороны оператора.
ГИИ вполне сгодится для генерации свыше 95% текущего новостного или аналитического контента, но не для разработки новых проектов, инновационных решений или полноценной системы принятия решений.
Например, ГИИ не позволит написать «Войну и мир», где сотни персонажей, тысячи диалогов и связей. Здесь даже дело не в ограничениях выходных токенов.
Все решает длина контекста. В сложных проектах важны детали, которые были на нескольких итерациях ранее, но внутренние структурные особенности ГИИ лишь позволяют манипулировать контекст вектором, отсекая весь прошлый опыт.
Это значит, если писать масштабные художественные произведения или научно-исследовательские проекты, ГИИ не позволит эффективно наследовать характеристики и связи объектов на более ранних итерациях.
Можно ли решить эту проблему в будущем? Длина контекста должна вырасти на несколько параметров. Не 128к, как сейчас, а в тысячи раз больше! Через 10 лет? Теоретически возможно.
Можно ли решить эту проблему сейчас? Все пространство тонкой настройки сводится к манипуляции и интерпретации контекст вектора, но не в конверсии информации, которая зашита в весах нейро-сетей и в алгоритмах интерпретации.
К этому нужно добавить вшитые этические и контентные фильтры, которые сильно ограничивают пространство возможностей. Например, все ведущие новостные агентства США и Европы забанили ГИИ для индексации контента.
Это логично, с помощью ГИИ можно больше не заходить на сайты напрямую, а индексировать и интерпретировать новостной и аналитический контент во внешнем контуре, формализуя экстракт контента.
Общее впечатление? Самая прорывная технология 21 века, имеющая невероятные перспективы.
Даже на начальном этапе многие возможности сильно удивляют, значительное количество решений и задач могут быть в наивысшей степени автоматизированы с помощью ГИИ, но при этом нужно понимать ограничения:
• Нет самообучения.
• Не подходит для сложных интегральных и многомерных проектов, где нужно учитывать целостную картину и динамические связи
• Необходимо очень жестко формализовать ТЗ для получения желаемого эффекта и часто время на промт-инжиниринг превосходит выгоду от использования ГИИ (проще все сделать руками, как раньше). Необходимо задача разбивать на множество подзадач до предельного упрощения.
• Ограниченная длина контекста.
• Много ошибок, нет факт чекинга. ГИИ мастерски имитирует правду и генерирует выходной контент очень убедительно, но если копнуть глубже оказывается, что значительная часть инфы – фейк и галлюцинации.
ГИИ замечательный инструмент, но нужно уметь его правильно использовать и понимать специфику и ограничения, но есть уверенность в том, что через несколько лет ГИИ способен творить чудеса.
Любая технология на начальном этапе представляла низко-функциональный обрубок и лишь по мере эволюции и технологической оптимизации остов прирастал функционалом и возможностями, так же и будет с ГИИ, который уже в самом начале имеет уникальные возможности.
Поэкспериментировал на новогодних праздниках с генеративным ИИ – время провел продуктивно и вот, что можно сказать.
Инструмент крайне мощный в умелых руках, огромные возможности во многих областях, но есть и ограничения. Рассказываю с позиции решения конкретных научных и бизнес задач.
▪️Нет самообучения. Любой диалог и подстройка точности интерпретации контента со стороны ГИИ заканчивается в рамках одной сессии. Новая сессия и все с чистого листа.
Это значит, что любая тонкая настройка ГИИ имеет не так уж много смысла в рамках реализации сложных задач. Ключевая ценность нейросетей – это веса, которые естественно скрыты, т.к. веса определяют, как информация переходит и трансформируется внутри модели, влияя на то, как ГИИ реагирует на входные данные и какие выходные данные генерирует.
Проще говоря, веса определяют адекватность трансформации информации со стороны ГИИ. Нет доступа к весам – нет самообучения, соответственно нет полноценной интеграции.
ChatGPT внешняя весьма упрощенная оболочка, даже с доступом через API, тогда как веса – ядро системы и именно веса стоят миллиарды долларов и всегда буду закрыты.
▪️Не подходит для сложных интегральных проектов, где нужно учитывать целостную картину.
Можно поставить задачу ГИИ написать код для создания ОС, где ГИИ вежливо пошлет нахрен, но, можно разбить задачу на сотни и тысячи подзадач (модулей), где каждый модуль подробно описать с жестким техническим заданием.
Постановка задачи, основные и побочные цели, четкое описание входных переменных, подробное описание логики функционирования алгоритмов, описание инструментов и ресурсов, параметров и ограничений, формализация выходных данных и конечного результата.
Чем более узкие границы и чем более точное описание задачи, тем лучше результат. Для не самых сложных модулей описание ТЗ может занимать 2-3 страницы текста, плюс еще три страницы отладка в процессе генераций решений от ГИИ – весьма трудоемко.
Что эффективнее? Производить многовекторую декомпозицию задачи с подробной формализацией ТЗ (промт-инжиниринг) или сделать задачу, как обычно собственными силами?
Для тех проектов, где есть огромный накопленный опыт получается, что делать «как обычно» гораздо быстрее, чем писать ТЗ и донастраивать ГИИ в процессе решения задачи, причем каждый раз эти настройки сбрасываются.
Например, задачи интеграции, компиляции, синхронизации и визуализации массивов статистической информации у меня может занимать от 15 минут до 1.5 часов в зависимости от объема данных – это лишь одномодульная задача. Через ГИИ я пробовал это сделать за 3-4 часа и то выходило с ошибками, т.е. производительность снижается в разы, а не повышается.
С другой стороны, те области, которые мною не изучены – здесь огромный прогресс. В неизведанных областях поиск ответа мог занимать 2-5 часов, тогда как через ГИИ задача решалась за считанные минуты, т.е. производительность растет на порядок!
Получается, что ГИИ не сможет заменить профессионала и крайне неэффективен в сложных, многомерных и многовекторных проектах, где присутствуют динамические связи и необходима интеграция модулей. Здесь пользы мало.
ГИИ очень полезен, как высокоразвитая экспертная система, где нужен конкретный ответ на одномерный и четко поставленный вопрос. Например, помочь создать пространство решения для конкретной задачи в рамках одной формулы – здесь может быть полезен. Помочь оптимизировать функцию или процедуру в коде без иерархических связей – вполне решаемая задача.
Огромный прорыв в поиске информации без привязки к актуальности, особенно с точки зрения документации и методологии, я практически перестал пользоваться Гуглом или Яндексом для этих целей.
С текущей ревизией ГИИ – это действительно полезный инструмент, но именно инструмент, а не волшебная система.
В иерархии задача->модуль ->проект ГИИ на себя забирают задачи, т.е. пока самый низкий уровень, причем не всегда это рационально и гораздо быстрее и эффективнее делать, как раньше.
Продолжение следует…
Американские компании восстанавливают инвестиционную активность, но до фазы инвестиционного расширения 2012-2016 еще далеко.
За последние 12 месяцев крупнейшие публичные нефинансовые компании США на капитальные расходы потратили 5.8% от выручки, без учета сырьевых компаний – 4.7%, без учета технологических компаний – 5.5%, а без учета торговых компаний (оптовая и розничная торговля) согласно собственным расчетам на основе отчётности компаний.
Насколько велико отклонение от нормы? Если брать все нефинансовые компании, текущая инвестактивность (капексы к выручке) всего на 2.1% ниже средних показателей в 2017-2019, на 7.6% ниже 2012-2016, но на 8% выше 2014-2017. Период кризисов (2008-2009 и 2020) и посткризисного восстановления (2010-2011 и 2021) не брал в расчеты.
Внутри секторов очень велика дифференциация.
Например, экстремальное сжатие инвестиционной активности демонстрирует нефтегаз – минус 37% к уровням 2012-2016, производственно-технические услуги – сжатие на 45.4% и здравоохранение – сокращение на 31.2%, потребительские товары длительного пользования – минус 18% среди секторов, где сокращение инвестактивности было больше 15%.
В фазе агрессивного расширения инвестактивности розничная торговля – плюс 39% к уровня 2012-2016 за счет факторам Amazon, технологии (хардсегмент) – 40% за счет переноса производства из Китая, коммерческие услуги – 36% и коммунальные услуги - 23%.
На графиках можно оценить инвестиционные циклы, тенденции и лидеров/аутсайдеров инвестиционной активности. В выборке почти 95% нефинансовых компаний США по выручке и капитализации, с 1997 по 2002 много пропусков, т.к. за последние 20 лет добивалось свыше 1/3 новых компаний.
Относительно операционного денежного потока доля капексов составляет 40%, что на 8% ниже, чем в 2017-2019, на 15% ниже, чем в 2012-2016 и на 8% ниже, чем в 2004-2007. Без учета сырьевых компаний – 34%, что на 5.7% ниже, чем в 2012-2016.
Интересно, нефтегаз, имея рекордные прибыли за последние два года демонстрирует рекордную низкую инвестактивность.
Не так уж важно наступит ли в США и Европе долговой кризис, гораздо важнее вопрос адаптации и подстройки под новый формат реальности.
С точки зрения балансовых соотношений начало кризиса в 2024 весьма вероятно в рамках истощения запаса прочности, сформированного за 15 лет монетарных и фискальных экспериментов.
Ну, предположим начнется кризис в пределах снижения на 1-3% ВВП, но дальнейшая эскалация не гарантирована.
Сценарий действий властей предсказуем и понятен: фискальный рубильник на полную мощность -> обнуление ставок -> монетарные допинги в рамках выкупа избыточной эмиссии.
• Банковский кризис в марте 2023 показал, что ничего не меняется. После инициализации проблем у американских банков, спустя всего 3 дня начались экстренные процедуры реагирования от Центральных банков.
• Экономический кризис весны 2020, связанный с COVID блокировками, показал, что все правила вышвыриваются в мусорное ведро и стандартные рыночные принципы выводятся за контур с запуском директивных процедур, когда в обход всем регламентам применялись меры и решения, которые были бы немыслимы в обычных условиях.
Сценария сентября 2008 не будет, когда дали рухнуть «слишком крупному, чтобы упасть». Вся эта жесткость и демонстративная клоунада сойдет на нет моментально - сразу, как только проявятся малейшие проблемы.
Что этому может повышать?
• Избыточные госдолги, когда формально некуда масштабировать госдолг в отличие от 2009, стартующего с низкой базы. Однако, опыт Японии показывает, что при определенном подходе и контроле потенциал масштабирования долгового пузыря практически неограничен, если «перекидывать» долг между аффилированными структурами.
• Высокая фоновая инфляция. Однако, триггером структурной инфляции является систематическое превышение платежеспособного спроса над потенциалом выпуска и предложения товаров и услуг. Кризис проявляется в резком проседании платежеспособного спроса по разным причинам, что, вероятно, приведет к равновесию кривой спроса и предложения, нормализуя цены.
Таким образом, банкротства системообразующих структур не допустят (пример марта 2023 и весны 2020), а процедуры реагирования неизменные – неограниченное бабло и монетарными стимулы из всех щелей.
Рецессия или даже кризис более, чем вероятны, но именно катастрофический кризис, когда рушится все и сразу? На текущем треке скорее нет, чем да.
Даже, если допустить снижение ВВП на 2-2.5% - это не изменит глобальные расклады, т.к. через 2-3 года провал будет компенсирован.
Важнее вопрос адаптации и подстройки под новый формат реальности? Как новые технологические решения (в том числе последние решения в сфере ИИ) и научно-техническая гонка между ведущими странами повлияет на структуру экономики и производительность труда?
Именно это обуславливает долгосрочную устойчивость и способность к росту.
Долг крупнейших публичных нефинансовых компаний США составляет $7.66 трлн, за 5 лет прирост на $2.18 трлн, за 10 лет долг вырос на $4.35 трлн согласно собственным расчетам на основе корпоративной отчетности.
Под долгом понимается краткосрочный и долгосрочный долг в кредитах и облигациях всех сроков и типов.
Среди $7.66 трлн совокупного долга почти треть долга концентрируют всего три сектора: коммунальные услуги – 12.1% ($924 млрд), потребительские услуги – 10.6% ($814 млрд), розничная торговля – 8.9% ($683 млрд).
Основной вклад в прирост долга за последние 10 лет внесли всего шесть секторов: потребительские услуги – вклад 13.1% в структуре общего прироста на 4.35 трлн, коммунальные услуги – 11.9%, розничная торговля – 11.2%, технологии – 10.1%, медицинские технологии – 9.1%. В совокупности 6 указанных секторов внесли 63.3% в общий прирост долга или 2.75 трлн за 10 лет.
Сырьевые компании практически не участвовали в приросте долга – 2.4% для нефтегаза и 0.1% для металлургов и химии (несырьевые полезные ископаемые).
Если оценивать долг к выручке, по всем компаниям данное соотношение составляет 43.9% (средний долг за последние 12 месяцев к суммарной выручке за 12 месяцев), что немного ниже среднего уровня в 2017-2019 (46%).
Казалось бы, все отлично, долговая нагрузка стабильна, но поверхностный анализ не даст ответа относительно структурных дисбалансов. Например, перед кризисом 2008 долг к выручке был 30.6%, что в 1.5 раза ниже, чем сейчас.
Рост долговой нагрузки в 2009-2010 и 2020-2021 преимущественно связан с падением выручки в период кризисов, здесь лучше оценивать нормализованные значения, которые составляют 30-33% 10-15 лет назад и 44-47% в настоящий момент.
Более подробный анализ будет дан позднее по мере консолидации данных, но явно восходящий тренд долговой нагрузки за последние 10 лет отмечен в: коммунальные услуги, коммерческие услуги, медицинские технологии, связь, розничная торговля, потребительские товары недлительного пользования.
Главным изменением за год можно считать повышение оптимизма, снижение тревожности и рост благосостояния среди читателей.
▪️В прошлом году было лишь 14% оптимистов относительно экономических перспектив и свыше 35% аудитории ожидали снижения ВВП России более, чем на 2.5%. В 2024 все с точностью, но наоборот – теперь пессимистов лишь 14%, а количество тех, кто ожидает рост ВВП выросло с 14 до 66%! Кризиса ждут не более 10%.
▪️Тревожность в прошлом году ощущали 72%, причем 21% считали проблемы с безопасностью достаточно серьезными, а в этом году ощущение тревожности лишь у 54% среди тех, кто присутствует в России, причем резко снизилось количество тех (13%), кто рассматривает проблемы с безопасностью, как серьезные.
▪️Высокое и полное доверие к властям было у 53% читателей, а теперь у 66% среди тех, кто голосовал из России, а полная утрата доверия снизилась с 14 до 11.5%.
▪️Эскалацию конфликта Россия-Украина в различной форме в 2023 ожидали 46%, а теперь лишь 32%, заморозку или низкую интенсивность – 29% годом ранее и 37% теперь, тогда как количество проголосовавших за победу России выросло с 22 до 30%, а победу Украины рассматривают наоборот меньше, снизившись с 3 до 1%.
▪️В прошлогодних опросах 78% рассматривают выбранный путь России, как верный, а полностью ошибочный – 11%. В этом году за верный путь проголосовали 76%, но зато меньше тех, кто крайне недоволен политикой властей – всего 9%.
▪️По рынку акций. В прошлом году опросов не было, в этом году средневзвешенная оценка предполагает рост рынка на 10-12% в декабре 2024 к декабрь 2023, причем пессимистов всего 11%, но 36% не ожидают существенного изменения рынка, воспринимая текущие уровни, как обоснованные. Явных оптимистов (рост рынка более 30%) немного – всего 9%.
▪️По инфляции. Инфляционные ожидания высокие. Средневзвешенная оценка инфляции составляет 13.4% в 2024, причем 73% читателей ожидают роста цен более, чем на 10% по среднегодовой инфляции в 2024 к 2023.
▪️По курсу рубля. Средневзвешенный консенсус прогноз курса рубля составляет 101 руб за долл в 2024. Лишь 13% ожидают ревальвации рубля, а большинство предполагают нахождение в диапазоне 90-100 руб за долл, а девальвацию выше уровня 100 ожидает почти половина читателей.
Таким образом, количество оптимистов в отношении экономики и рынка акций растет, что происходит в условиях роста благосостояния на 20% и доходов примерно на 10%. Тревожность снижается, доверие к властям повышается, оценка перспектив украинского конфликта улучшается, а стратегический курс России рассматривается, как верный.
Традиционные ежегодные опросы.
Опросов будет много, но стоит потерпеть, провожу их редко.
За последний год много изменилось в стране, в мире, да и в аудитории канала произошла ротация (около 50 тыс отток, 58 тыс приток). Важно сделать срез общественного мнения, который будет интересен, в том числе и читателям.
Проводить опросы на внешних площадках (например, Google опросы) нет смысла, т.к. исходящий трафик будет в 5-7 раз ниже, плюс там нет фидбека и комментов под каждым опросом.
Опросы носят, как личный характер, так и общественно-политический. Переживать не стоит, т.к. опросы анонимные.
Теперь самое главное – сообщество!
Мне сложно понять каналы, которые отгораживаются от сообщества, закрывая комментарии. Контакт с аудиторией является одним из важнейший преимуществ, т.к позволяет понять «о чем думает публика», что беспокоит людей, что не нравится аудитории или наоборот.
Контакт с аудиторией – залог адекватности.
Моя проблема, но одновременно преимущественно – дикий перфекционизм. Изначально слишком высокая цель и методичное, усердное движение к ней, но вместе с этим всегда упор в эффективность, производительность и диверсификацию, что часто приводит к зашоренности. С другой стороны, не было бы мега целей, не было бы крупных проектов.
Аудитория – это способность вернуться к реальности (обратная связь), понять, где ошибаешься, т.к. ошибки – это неизбежный процесс попытки объять необъятное в условиях широкого направления исследований.
Дискуссия и критика очень важны, всегда приветствуются. Очевидно, что не могу отвечать содержательно в комментариях, но стараюсь знакомиться с разными точками зрений.
Считал и продолжаю считать аудиторию в моем канале самую адекватную и интересную, т.к. качество дискуссий сильно выше среднего по сравнению с другими каналами.
Да, бывает хулиганство, как неизбежный процесс в условиях массовости, но модераторы делают огромную работу для нейтрализации злоумышленников и возмутителей спокойствия, чтобы сформировать конструктивную атмосферу.
▪️С момента основания канала было сформировано свыше 550 тыс комментариев от 12.2 тыс участников (без учета ботов и тех, кто был забанен).
Общая емкость всех комментариев составляет 72.2 млн знаков. Свыше 4 тыс знаков (примерно 1.5 страницы текста) с марта 2022 написали 1540 участников, свыше 10 тыс знаков – 780 участников, свыше 20 тыс знаков – 458 человек, свыше 30 тыс – 335 человек, свыше 50 тыс – 218 человек, свыше 100 тыс – 118 человек.
Особую активность свыше 300 тыс знаков проявили 38 человек, а более 1 млн знаков – 10 человек (самый активный – 2.6 млн знаков!).
Огромный вклад в содержательную и интересную дискуссию. Спасибо всем за активное участие ,ваши мысли и взгляды делают этот канал живым и увлекательным!
▪️За весь период функционирования канала с марта 2022 почти 2.5 тыс каналов совершили репосты и упоминания моего канала, где количество упоминаний – 17.2 тыс, а репостов – 14.3 тыс. За сопоставимый период времени (мар.22-дек.23) это самый высокий рейтинг цитирования среди всех каналов по экономике, финансам и инвестициям.
Подобный прогресс был бы невозможен без сообщества – спасибо дружественным каналам за поддержку и репосты, а отдельно спасибо Михаилу Леонидовичу Хазину (Фонд Хазина), Сергею Глазьеву и Юрию Подоляке, также BRIEF и Незыгарь.
▪️Благодарность рекламодателям. Почти за два года было свыше сотни контрагентов, более 10 из которых постоянных. Без партнеров невозможно было бы поддерживать функционирование канала подобной сложности и интенсивности!
▪️Канал во многом развивается и существует за счет аудитории – 105 тыс подписчиков, около 20-25 тыс постоянных читателей в любое время года и в любых условиях и свыше 70 тыс среднемесячной аудитории без учета внешнего трафика и репостов.
Деятельность подобного масштаба, мягко говоря, сверхнапряженная, иногда хочется дать по тормозам. Однако, понимая, что за спиной свыше 20-30 тыс постоянных читателей, свыше 500 постоянных активных комментаторов, сотни дружественных каналов и десятки контрагентов – нельзя остановиться.
Да, с высокой вероятностью, вскоре формат поменяется, как минимум существенно снизится интенсивность. Новые проекты в рамках ИИ и/или развитие информационных систем, и/или консалтинговые решения или жизненные обстоятельства.
Всякое может произойти, но я сохраню бесплатный канал и связь с аудиторией так или иначе, это я гарантирую.
Всех с наступающим НГ! Пусть наступающий год откроет перед нами новые горизонты возможностей, а каждый день будет наполнен успешными проектами и творческими идеями.
По ответам на множество вопросов…
Сначала хотел бы выразить благодарность за огромную поддержку, которую читатели высказывают за мою работу.
Социальные обязательства – во многом это то, что заставляет поддерживать тот невероятный темп, который набран и каждый раз возвращаться к публичным научно-исследовательским работам в условиях, когда часто хочется остановиться и взять паузу.
Понимая поддержку и общественную пользу, есть мотивация продолжаться, так что еще раз спасибо! Не могу ответить всем лично, но всех прочел и всем благодарен!
▪️Частый вопрос: "Как удается поддерживать такую производительность?" Объем контента, глубина исследований и широта охватываемых тем, реализуемых собственными силами, эквивалента коллективу примерно в 15-20 человек.
Причина в высочайшей степени оптимизации всех ключевых процессов и автоматизации по возможности основных операций при одновременном вовлечении во множество исследований.
Например, есть ли области, где я супер профессионал? Нет! Почему? Принцип эффективности. На определенном уровне «добыча» знаний и навыков на каждой итерации требует несоизмеримо больше времени, усилий и ресурсов.
Мой принцип в другом. Охватить максимально большое количество тем и направлений (около 40-60 в разных аспектах), где держать умеренный или достаточный уровень компетенций для понимания механизмов и структурных особенностей наиболее актуальных направлениях исследований.
Задача состоит в интегральном схватывании. Нет смысла чрезмерно и избыточно погружаться в детали, т.к. углубление приводит к падению производительности - время на приобретение дополнительных знаний превышает потенциальную отдачу от этих знаний.
Можно до совершенства «задрочить» две-три области знаний, но это образует просадку по смежным или даже параллельным областям. Гораздо лучше и эффективнее захватить широкий спектр направлений и динамически балансировать объемом знаний в рамках актуальных задач.
Например, чтобы понимать, как работает экономика нельзя быть только макроэкономистом. Необходимо хорошо разбираться не только в макроэкономике, но и знать все ключевые нюансы в финполитике, бюджетной политике, разбираться в финансовых рынках с широким охватом (акции, облигации, валюта, деривативы, товарные рынки), знать и понимать отраслевую специфику, уверенно читать отчетность компаний и разбираться в микроэкономике. Все это плюс общественно-политические, геополитические, социальные, технологические и прочие тенденции.
Нельзя считать себя достаточно понимающим в экономике, не зная на высоком уровне основ функционирования финансовых рынков, финсистемы, бизнеса и так далее.
В рамках этой задачи в настоящий момент я объединяю достаточные компетенции в областях: экономического и корпоративного анализа, финансовой и рыночной аналитики, политического анализа и истории, статистики и математики, анализа больших данных (Data Scientists), разработки и внедрения информационных систем для компиляции, структуризации, анализа и визуализации данных плюс к этому программирование алгоритмов анализа данных и т.д.
Таким образом, формируется 9-10 генеральных направлений (базовые инструменты) в рамках задачи понимания того, куда все движется (основная задача).
Сверх этих направлений необходимо поддерживать по касательной эрудицию еще по 15-20 смежных направлениям (в основном связаны с технологиями по широкому спектру).
При этом ни в одном из направлений нет супер-компетенций. Например, я хорошо разбираясь в корпоративных отчетах и аналитике, но я не владею в совершенстве методологией составления отчетов МСФО, так и в других направлениях.
Супер-компетенции требуют сверх усилий соразмерным потенциальной выгоде и приводят к падению производительности в накоплении знаний, понижая отдачу на вложенное время и силы.
Как только происходит «зарывание» в буквоедстве, я сразу переключаюсь на область, которая просажана по уровню компетенций, удерживая ключевые направления на уровне 80-90% глубины знаний и смежные направления на уровне 40-70% знаний.
Можно ли автоматизировать Spydell_finance через ИИ?
На самом деле, я первый буду способствовать этому. Я не просто этого не боюсь, а попытаюсь максимально ускорить этот процесс. Проблема в том, что это невозможно … сейчас невозможно.
Об этом я сделаю отдельные подробные материалы, но некоторые ключевые моменты можно выделить:
Я могу привести десяток примеров, где текущий генеративный ИИ может добиться феноменальных успехов автоматизации генерации контента.
Например, прямо сейчас я провожу глубокую модернизацию алгоритмов поиска новостей, чтобы автоматизировать дайджест новостей в заданном формате и теме, чтобы лучше отслеживать актуальные нарративы. Прогресс есть, но до идеала еще очень далеко.
Я создаю плагины для сжатого анализа документов и статей, чтобы кратко изложить наиболее существенные позиции в тексте в том формате, который нужен мне. Я создаю плагины для аудио и видео анализа с той же целью, но ... в канал не удается.
ИИ хорошо функционирует в пределах сформированных паттернов, но не умеет в аналитике и не понимает контекст в рамках композиции факторов риска. Можно запрограммировать шаблон публикации отчетов и статей с допуском вариативности, но ИИ не позволит сделать адекватный материал, правильно расставив акценты в контексте времени и актуальных факторов риска.
Скажу так, последние полгода я пробовал автоматизировать контент в канале с помощью ИИ и полный, тотальный провал. Не вышло вообще ничего. Весь контент, как был ручным, так и остается.
▪️Во-первых, генеративный ИИ (ChatGPT 4, Bard) неимоверно галлюцинируют и не способны адекватно приводить статистические сведения. Самое «подлое» то, что они могут имитировать правду, но чуть сильнее копнуть и начинаются фейки.
Я хорошо ориентируюсь в цифрах и задавал вопросы, где точно знаю ответ, например, детализированная статистика по американскую долгу не та, которая на поверхности, а нюансы. Ничего не вышло.
Цифры, которые на поверхности – ИИ выдать может, но чуть копнуть и все … мимо кассы. У ИИ можно спросить про общий уровень долга, но даже элементарную структуру оценить не сможет, не говоря уже о динамике и факторах формирования госдолга.
Дело в том, что вся моя аналитика построена на глубоком анализе данных. Иногда спрашивают, а где прямые ссылки? Нет прямых ссылок, т.к. большинство данных проведены через многоуровневые расчеты и сложную систему консолидации данных. Нельзя пройти по ссылке и повторить.
ИИ не позволит привести, например детализированную структуру рынка труда или промпроизводства в США. Общие цифры – вполне, но нюансы – нет, но именно детали важны в анализе, тогда как общие цифры не значат ничего.
Про российскую статистику говорить даже нечего. ИИ по американской стате плохо ориентируется, а по российской – тем более.
▪️Во-вторых, ИИ способы подсвечивать факторы, которые ранее прошли оборот в медиа, т.е. известны в каждом углу. ИИ НЕ способен генерировать факторы в контексте времени и обстоятельств, т.е. не способен к адекватной картине реальности, НЕ способен к новым идеям и концепциям.
ИИ не способен выдавать прогнозы и не способен анализировать факторы, события и процессы. Например, политическая аналитика от ИИ изобилует штампами и детским лепетом.
ИИ способен создавать неплохие обучающие материалы на основе систематизации ранее сформированного контента, т.е. ИИ очень полезен в системе образования, но полностью бессмыслен с точки зрения генерации сложных концепций, по крайней мере, на текущем этапе и моем формате канала.
Получается, что на фактчекинг и правку галлюционированного бреда от ИИ уходит намного больше времени, чем на создание собственных постов, как обычно. Именно поэтому я так и не смог его интегрировать под создание контента.
С другой стороны, ИИ имеет феноменальные возможности в автоматизации научных исследований и самый эффективный помощник в создании кода. Об этом следующий материал.
Долгосрочное функционирование проекта Spydell_finance в текущем формате невозможно.
Причины очевидны: седьмой-восьмой уровень сложности (предельный из возможных) и высокая интенсивность (около 10000 страниц аналитики по различным темам за два года).
Прежде, чем продолжить немного о формате канала.
▪️Целевая аудитория. Акцент на думающую и эрудированную публику вне зависимости от специальности и профиля деятельности.
Многие мне говорили упрощать материалы, писать более понятнее, делая акцент на массовости.
• Сложно изменить стиль, наработанные десятилетиями,
• стилистика публикации максимально упрощена в рамках проблематики исследований и специфики затрагиваемых тем (избыточная казуальность навредит в раскрытии тем и нарративов)
• нельзя одновременно совмещать профессиональность и массовость - либо одно, либо другое.
▪️Широкая диверсификация. В канале представлены направления исследований и аналитики по широкому спектру: российской экономика, европейская и американская экономика с частичным затрагиванием Китая и Японии; денежно-кредитная политика и бюджетная политика России и ведущих стран мира, банковская статистика, финансовые рынки (акции, облигации, валюта, деривативы, товарный сегмент), нефтегаз, корпоративная отчетность России и крупнейших мировых компаний, важнейшие общественные, социальные и политические процессы (учитывая специфику цензуры), ИТ и технологии и множество других направлений, которые представляют важность.
▪️Аналитическая глубина. Важно не просто показать статистику, но произвести декомпозицию факторов, влияющих на изменения финансовых, экономических или корпоративных показателей. Голая статистика – полная требуха. Например, о чем говорит рост ВВП США на 4.9% вне контекста? Это просто цифра, которая не может быть понятна даже экономистам.
Необходимо понимать точку отсчета (низкая или высокая база расчета), исторические прецеденты (насколько отклоняется от исторического тренда), структуру прироста (какой компонент в структуре ВВП оказал наибольший вклад), основные триггеры и факторы изменения макропоказателей, что могло повлиять (например, кредитный, фискальный или монетарный стимул) и так далее.
Только после этого можно сделать относительно адекватный вывод. С подобной аналитической глубиной я стараюсь рассматривать любой материал, даже изменение рыночных показателей. Очевидно, что фактчекинг, декомпозиция факторов, сопоставления статистики требует значительных ресурсов.
▪️Время на генерацию контента: в диапазоне от 12 до 20 часов в день (в среднем скорее ближе к 14-15 часам с учетом выходных), но тут учитывается все: функционирование канала (чтение обзоров, новостей, аналитики, поддержка баз данных и информационных систем, бухгалтерия, взаимодействие с рекламодателями, ФНС, РКН) плюс параллельно различные финансовые проекты.
•Чтение обзоров, отчетов, новостей, аналитики, научных исследований примерно в пропорции 40:1 к собственному контенту (самый минимум от 120 млн знаков в год или около 330 тыс знаков в день) – около 4-4.5 часов в день.
•Поддержка баз данных и информационных систем – 2-2.5 часа.
•Написание материалов – около 5-6 часов (в среднем по часу на пост с учетом фактчекинга, текста, графиков, оформления).
•Комменты, почта – пол часа.
•Бухгалтерские, маркетинговые, юридические и финансовые вопросы – около часа.
•Стратегическое позиционирование (осмысление проблем мирового порядка), генерация плана публикаций, насущные вопросы и общий вектор развития – около трех часов обычно в режиме спорта, который строго обязателен минимум три часа в день ежедневно.
▪️Об ошибках в тексте. Иногда в комментариях пишут, но обычно даже на исправление не хватает времени, учитывая объем текста и данных, которые анализируются ежедневно.
На самом деле, даже без канала (напрямую около 8-9 часов в день с учетом выходных и праздников) режим не сильно и меняется, но смещается структура. Смещение будет в информационные системы, программирование, стратегическое позиционирование и саморазвитие.
Возможно ли удержать проект Spydell_finance в долгосрочной перспективе?
Данные по платежному балансу России позволяют понять основной источник проблем в период наибольшего давления на рубль в 2023.
Период наибольшей «жесткости» для рубля был в 3 квартале 2023, и в это время основной отток капитала концентрировался в чистом принятии финансовых активов (прямые, портфельные и прочие инвестиции), где отток составил $27 млрд с коррекцией на ошибки и пропуски, но без учета операций по ЗВР.
Насколько это много? Более, чем вдвое выше нормы. Когда ситуация с рублем была относительно стабильна в первом полугодии 2023, - отток был в среднем $12 млрд за квартал, а в период новой санкционной реальности, но до СВО (2015-2021) отток в среднем составил $11 млрд.
В 2022 чистое приобретение финансовых активов было в среднем по $33 млрд за квартал, но рубль укреплялся из-за огромного профицита счета текущих операций (почти по $60 млрд за квартал), а в 2023 профицит сжался более, чем в 4 раза до $13.2 млрд за квартал.
Если раньше (особенно в 2011-2014) отток капитала в основном шел в прямые инвестиции (аффилированные с российскими компаниями структуры в офшорах для оптимизации налогов и финпотоков – сокрытия от регулирующих органов), сейчас все идет в прочие инвестиции (кэш, депозиты, дебиторская задолженность).
В 3кв23 почти половина от оттока «осела» в иностранных депозитах и сомнительных операциях, тогда как раньше (2015-2021) по этому направлению концентрировалось лишь 10% оттока. В 8 раз (7.4 млрд) больше обычного уходит в дебиторку – неоплаченные со стороны иностранных контрагентов поставки российских товаров и услуг.
Активизировались прямые инвестиции на $5 млрд в 3кв23 vs $7.4 млрд среднеквартальных в 2015-2021 (геонаправление пока непонятно), тогда как обороты и финпотоки по портфельным инвестициям вблизи нуля после отсечения от внешнего рынка капитала и валютного контроля.
Улучшается ситуация по балансу чистой задолженности через прочую задолженность (видимо торговые кредиты, кредиторка и лизинговые операции), тогда как нет притока нерезидентов в прямых и портфельных инвестициях.
Дефицит федерального бюджета США близок к рекорду, несмотря на отсутствие соглашения по бюджету.
Вся эта клоунада в Конгрессе США относительно соглашения по бюджету не помешала Минфину США тратить, как оглашенные.
Дефицит бюджета в декабре составил 129.3 млрд (второй самый худший результат после декабря 2020), за октябрь-декабрь 2023 – 510 млрд, что немного меньше рекорда на уровне 572 млрд в период агрессивного фискального бешенства в 2020.
За календарный 2023 дефицит составил 1.8 трлн или 2.1 трлн с учетом корректировки на бумажный вычет по студенческим авансам, вот именно на этот уровень и стоит рассчитывать.
Любопытно, в реальном выражении дефицит бюджета за последние 12 месяцев соответствует кризисному 2009! Бюджет США вполне соответствует кризису, если не брать аномалии 2020-2021.
Скорректированные расходы составили 6.6 трлн за календарный год vs 6 трлн годом ранее, т.е. рост на 10%, а доходы, напротив, сократились с 4.9 до 4.5 трлн или на 8%, что обусловило практически удвоение скорректированного дефицита с 1.1 до 2.1 трлн.
Драйверы роста расходов: процентные платежи, пенсии, оборона и поддержка банковской системы.
Так, например, в 2024 фискальному году (октябрь-декабрь 2023) расходы выросли на 12% г/г или на 170 млрд, где процентные расходы выросли на 71 млрд по сумме за три месяца относительно аналогичного периода в 2022, пенсии и поддержка ветеранов выросли почти на 50 млрд, расходы на поддержку банковской системы выросли более, чем на 60 млрд, а расходы на оборону прибавили 24 млрд.
В совокупности вышеуказанные категории внесли вклад в прирост расходов более 205 млрд, формируя 58% в структуре общих расходов, т.е. прочие категории в целом сокращаются по номиналу.
Что все это значит? Бюджет крайне неустойчив в стерильных условиях, а что, если кризис? Придется активно субсидировать население (основной источник прироста расходов в кризис) и это при фоновом дефиците в 2 трлн за год.
Ситуация весьма уязвимая для фискальной устойчивости на фоне исчерпания избыточной ликвидности в системе.
Инфляция в США выросла на 0.3% м/м (0.31% для базовой инфляции), что соответствует среднегодовой тенденции.
В период с 2015 по 2019 нормой считался рост цен на 0.15% в месяц для общего индекса потребительских цен и 0.17% для базовой инфляции. Аномалию 2020-2022 можно не брать в расчет, т.к. от дефляции резко перешли в рекордную за 40 лет инфляцию, а за последний год можно рассмотреть результаты.
ИПЦ в 2023 рос в темпах 0.27% в месяц, а базовая инфляция – 0.32%, а последние полгода получилось 0.27% и 0.26% соответственно, а за последние три месяца 0.15% (за счет фактора энергии) и 0.27% для базовой инфляции.
О чем это говорит? Нет существенного прогресса в замедлении инфляции. Резкое снижение годовой инфляции в полной мере обусловлено эффектом высокой базы 2022, но при оценке базовой инфляции замедление присутствует (0.38% среднемесячного прироста в первое полугодие 2023 и 0.26% во второе полугодие 2023), но в 1.5-1.6 раза выше нормы.
Основной фактор возмущения – стоимость проживания (интегрально, учитывая, как гостиницы, так и аренду), которая растет в темпах 0.44% в месяц во 2П23 vs 0.57% в 1П23 и нормой на уровне 0.27% в период с 2015 по 2019.
Стоимость жилья формирует почти 60% в структуре прироста цен за последние полгода. Если произвести декомпозицию негативных факторов, практически все отклонение от нормы 2015-2019 обусловлено более высокими темпами роста стоимости жилья.
Цены достаточно волатильны, как и фазы роста и стабилизации цен, поэтому если выделить жилье из расчетов по всем остальным компонентам плюс-минус вблизи нормы.
Базовая инфляция за последние три месяца и полгода формирует ценовой импульс в диапазоне 3.2-3.3% годовых, тогда как годовая инфляция 3.9% за счет более высоких темпов роста цен в первом полугодии 2023.
До нормализации цен еще далеко, т.к. рост цен на жилье имеет структурный и долгосрочный характер и высокая фоновая инфляция в этой компоненте долго будет выше нормы.
Могут ли современные версии ГИИ создать «квантовый скачок», существенно трансформировав структуру экономики?
В 2023 был надут самый значительный пузырь в истории американского рынка объемом около 10 триллионов долларов (разница между актуальной капитализацией и справедливой), драйвером которого стали высоко-капитализированные технологические корпорации, которые в свою очередь были разогреты после успешного релиза ChatGPT в начале 2023.
По сути, всего одно решение создало невиданный в индустрии хайп (спустя полгода подтянулся Google с Bard и Gemini), сформировав невероятные ожидания перехода в новое измерение «безграничного счастья».
Логика есть: новое технологическое решение создает пространство возможностей, в рамках которого резко повышается скорость технологического прогресса, увеличивается производительность и эффективность экономики, решаются проблемы с недостатком рабочей силы и инфляцией.
Насколько все это обосновано? Насколько ожидания коррелируют с реальностью?
Следует понимать, что публичная версия ГИИ – это статическая, локальная и закрытая система, изолированная от экзогенных переменных, т.е. внешние операторы системы (пользователи) не могут повлиять на процесс «переваривания» информации. ГИИ не обучаются в режиме реального времени на данных, предоставляемых пользователями
Даже, если ГИИ в рамках открытой сессии имитирует обучение – это не более, чем имитация и корректировка терминологии, т.е. невозможно залезть по ту сторону, модифицировав способность к обработке и трансформации информации. ГИИ лишь адаптируется к диалогу, но на выходные данные это никак не влияет.
Обучать систему могут только инженеры OpenAI и Google, внешняя информация никак не влияет на вектор интерпретации. Для ChatGPT было две крупные фиксации обучения – сентябрь 2021 и апрель 2023, где формализовались веса и алгоритмы интерпретации – это и есть обучение.
Контекстное окно у GPT-4 Turbo составляет 128 тыс токенов, которую внедрили в середине ноября 2023. Это значит, что процесс переваривания входящей информации большего объема требуется неизбежная компрессия.
Например, задача забросить в анализ 10 млн символов правовой информации, что составляет около 4 млн токенов. Как при окне контекста в 128 тыс токенов произойдет обработка информации, кратно превышающие предельную длину контекста?
Есть два наиболее часто используемых приема.
• Разделение текста на блоки, параграфы, близкие по смыслу и принудительная компрессия на X величину.
• Скользящее окно контекста, когда последовательно обрабатывается первый блок на 128 тыс токенов, сжимается в 20 раз, далее второй блок и так далее. В итоге на выходе получается экстракт в 20 раз с неизбежной потерей деталей и содержания. Можно ли в законодательных документах применять этот прием? Спорно.
Что из этого выходит? Любые сложные и многомерные проекты нельзя реализовать в текущих версиях ГИИ. Технологический прогресс двигается через развитие сложных систем и комплексов, для которых ГИИ в принципе не приспособлен к эффективной реализации из-за технических и структурных ограничений.
Нет самообучения, ограниченная длина контекста, нет наследования опыта (обнуление с каждой новой сессией) и внутренние встроенные фильтры.
Кажется, что пространство возможностей безграничное, но оно еще как ограничено.
ГИИ – это мощный инструмент автоматизации в умелых руках, но для того, чтобы система была эффективна необходимо понимать не менее 80% предмета исследования.
ГИИ очень правдоподобно лжет, склонен к конформизму и вербальным манипуляциям, поэтому необходимо быть осторожным к выходной информации.
В чем выдающиеся сила ГИИ в контексте реализации сложных систем?
• Быстрый поиск нужной информации, кратно эффективнее поисковых систем. Например, техническую документацию очень удобно и эффективно уточнять именно у ГИИ, производительность растет кратно!
• Хорошие возможности для реализации одномерных задач при тщательном промт-инжиниринге, что правда не всегда оправдано с точки зрения времени.
Поэтому рано еще радоваться, текущая версия ГИИ не способна перевернуть мир, но что будет в будущем?
Насколько полезен ГИИ для решения конкретных научных и бизнес задач?
Самая значительная проблема - длина контекста и встроенные алгоритмы функционирования.
Первые редакции GPT 3.5 имели 4096 токенов, самая последняя версия имеет 16к токенов, GPT 4 до ноября имела 32k, а после ноября GPT 4 Turbo уже 128к.
Токен представляет собой базовую единицу информации, используемую моделью для обработки и генерации текста. Токен может быть словом, частью слова, символом или даже группой слов, в зависимости от того, как модель была обучена разделять и интерпретировать текст.
Не вдаваясь в алгоритмы токенизации, в среднем английский текст содержит 4-5 символов в одном токене, а русский текст 2.2-2.4 символа, т.к. например статья на русском языке в 6000 символов с учетом пробелов будет содержать около 2600 токенов. Генерировать тексты на английском дешевле.
Соответственно, предельная длина контекста для GPT 3.5 Turbo 16k составляет около 37 тыс символов текста на русском языке, а для GPT 4 Turbo 128к – почти 300 тыс символов.
Что все это значит? В рамках одного сеанса ГИИ забывает, о чем была речь в начале обсуждения, что делает невозможным накопление опыта и развернутые обсуждения. Это, как если бы человек каждый раз забывал, что было два дня назад, отсекая весь прошлый накопленный жизненный опыт.
Если кратко, принцип работы ГИИ заключается в формализации контекстного вектора (сжатое представление входных данных) для генерации продолжения диалога (выходная информация), т.е. происходит компрессия (сжатие) контента (входной единицы информации). С чем это можно сравнить?
Представьте, как если бы высококачественное изображение PNG в 3840*2160 пикселей сжималось бы до картинки 384*216 пикселей JPG, т.е. в 100 раз по пикселям с агрессивным механизмом сжатия с потерями качества. Вроде бы можно корректно интерпретировать информацию на сжатой картинке (понять, что изображено), но происходит необратимая потеря деталей.
Так и с ГИИ. Вся информация поступающая на вход ГИИ так или иначе с различными алгоритмами и механизмами сжатия претерпевает компрессию. ГИИ очень полезен для составления сжатых сводок текстовой, видео и аудио информации.
Вы можете увидеть огромное количество сервисов и плагинов, представляющих услуги краткого пересказа текста или видео – все работают на одних и тех же алгоритмах, вариативность минимальная.
В идеале ГИИ извлекает важные характеристики из данных и представляет их в более сжатом виде, сохраняя при этом ключевые аспекты, необходимые для выполнения задачи, но есть нюансы.
А что такое важная информация? В практическом применении оказывается, что основное предназначение ГИИ работает не так хорошо, как хотелось бы, т.к. алгоритмы, основанные на анализе паттернов хорошо отсекают смысловые переходы, но плохо ловят тональность, эмоциональность, сарказм, скрытый подтекст и важные детали, имеющие значение.
Например, ГИИ будет полезен для автоматизации таймкодов в видео или аудио дорожке, в автоматизации параграфов и оглавления для длинных текстов, но способен ли ГИИ передать смысл так, как задумано?
Скорее нет, чем да. Я анализировал на вполне конкретных задачах – анализ пресс конференции ФРС, где компетенции у меня более, чем достаточные. Шаблонные, дефолтные настройки вообще не давали нужного результата – вся важная информация была пропущена, поэтому я начал допиливать с помощью тонкой настройки, но и здесь не добился нужного прогресса.
Какой вывод? Для сжатого представления сверхбольших массивов информации вполне сгодится, когда нужно понять, о чем вообще говорится, какие темы были подняты. Для анализа информации, представляющей значение – нет.
Таким образом, сценарий использование – перемалывание массивов информации и «подсветка» интересных тем и нарративов и далее уже ручная работа с первым приближением для поиска важных деталей.
Продолжение следует.
Насколько американские компании свирепствуют с дивидендами и байбеком?
Хороший вопрос, ответ на который искал достаточно долго, т.к. необходимо было консолидировать и синхронизировать огромные массивы корпоративной статистики.
Результаты интересные. Объем расходов по акционерной политике (дивы плюс чистый байбек) снизился с $333 млрд в 1кв22 (исторический максимум) до $273 млрд в 3кв23, однако это намного выше 210 млрд среднеквартальных расходов в 2019.
За последние 12 месяцев по всем нефинансовым компаниям США на акционерную политику было направлено 1132 млрд согласно собственным расчетам на основе корпоративной статистики.
Вне привязки к корпоративным показателям эти данные мало, о чем говорят. Есть две базовые метрики сравнения – выручка и операционный денежный поток (именно он, а не прибыль или EBITDA).
Сейчас по всем компаниям США на акционерную политику уходит 6.5% от выручки, без учета сырьевых компаний – 6.3%, без учета технологических компаний – 5.3%, без учета торговых компаний – 8.1%.
Сравнивая с докризисной нормой в 2017-2019, на дивы и байбек по всем компаниям уходит на 4.2% меньше по данным за последние 12 месяцев, но на 7.1% выше, чем в 2012-2016 и на 8.6% выше, чем в 2004-2007.
Самый значительный прирост расходов на акционерную политику относительно выручки у нефтегаза – плюс 93% в сравнении с 2017-2019 и у металлургов/химии – плюс 157%!
Сокращают расходы: промышленное производство – 45%, транспорт и потребительские услуги – 30%, медицинские технологии – 27%, розничная торговля – 22%.
Относительно операционного денежного потока акционерная политика составляет 45.3%, что на 10% ниже 2017-2019, на 1% ниже 2012-2016 и на 7.2% ниже, чем в 2004-2007.
В лидерах роста сырьевые компании: нефтегаз, металлурги и химия, коммунальные услуги.
Происходит «оздоровление» корпоративной стратегии – рост капексов на фоне сокращения дивов и байбека.
Расходы на дивы и байбек относительно капексов снизились с рекордных 143% в 1кв22 до 113% в 3кв23, что сопоставимо с нормой в 2017-2019.
ProStore Недвижимость — самый честный канал о рынке недвижимости Сочи. Отслеживайте старты продаж проверенных объектов, акции застройщиков и скидки до 30% ниже рынка
headlines — это новости в коротком и сжатом формате, которые оказывают существенное влияние на финансовые рынки.
Профит Будет. Бесплатное обучение — Первый обучающий канал, ставший легендой Телеграм.
С нуля обучают инвестированию и трейдингу. Настоятельно рекомендую подписаться, таких каналов больше нет!
Канал HOTLINE — Самые важные новости российского фондового рынка, экономики и курса валют, оперативные комментарии лично от инвестбанкира Евгения Когана. Подписывайтесь, чтобы видеть тренды и зарабатывать!
R4S — экспертный канал одного из лидеров столичного стрит-ритейла. 22 года на рынке коммерческой недвижимости Москвы. Собственная аналитика, качественная экспертиза и готовые инвестиционные стратегии
Помогли организовать публикацию MD_agency
Рынок труда в США продолжает демонстрировать поразительную устойчивость, несмотря на экстремально жесткие условия денежно-кредитной политики на протяжении 15 месяцев.
За год было создано 2.7 млн рабочих мест по сравнению с 4.8 млн рабочих мест в 2022 и 7.3 млн в 2021. Снижение темпов связано с компенсаций почти 20 млн увольнений в первые два месяца жестких COVID локдаунов – в первой волне постковидного восстановления вполне оправданы высокие темпы восстановления рабочих мест.
От минимума 2020 прирост занятости в США составил 26.8 млн человек, тогда как от доковидного уровня в февраля 2020 прирост менее значительный – 4.9 млн занятых.
Для США нормальным темпом прироста считается 2.2-2.3 млн занятых в год в соответствии с трендом 2010-2019, а с поправкой на прирост населения около 2.4 млн рабочих мест, т.е. по 200 тыс в месяц.
В декабре прирост на 216 тыс, в последние три месяца – 165 тыс, за полгода – 193 тыс. Да, тенденция идет с затуханием, рынок труда в США «разгружается», но по состоянию на декабрь 2023 ничего критического не происходит.
Так, для напоминания. Жесткая фаза кризиса 2008-2009 началась с октября 2008, где пик кризиса пришелся на середину 2009, однако первые негативные симптомы на рынке труда начали проявляться еще в июле-августе 2007 (первые увольнения на символические 30 тыс человек ежемесячно).
С июля 2007 по март 2008 накопленное изменение занятости в США было около нуля, а активные увольнения начались с апреля 2008 в темпах по 200 тыс человек в месяц. С поправкой на количество населения и емкость рынка труда, это как сейчас 220-230 тыс рабочих мест.
К чему это? Рынок труда достаточно точный индикатор экономических условий. Сейчас лишь замедление до «нормальных» темпов прироста, даже не стагнация.
Это значит, что кризис откладывается на несколько месяцев. Обычно перед кризисом рынок труда на полгода «ложится в стагнацию» с нулевым темпом прироста.
Может произойти резкий шок, но пока в сторону ограниченной рецессии.
Феноменально – вот так можно описать последние апдейты генеративных моделей ИИ (ГИИ).
На скриншотах продемонстрированы фантастические миры и футуристичные дизайны помещений, полностью сгенерированные ИИ, на основе тонкой настройки через API по собственным запросам.
Дефолтные настройки и даже плагины, встроенные в формат ChatGPT 4, не предоставляют необходимой свободы действий для формирования нужного результата, поэтому адекватный результат может быть получен только через программирование и прямой доступ к «ядру» моделей OpenAI или Bard – это абсолютно необходимый навык в 21 веке.
Сейчас я веду эксперименты и научно-исследовательские работы с текстом, видео, аудио и изображениями в рамкам ГИИ, некоторыми интересными наблюдениями поделюсь.
Хорошо структурированное и высокоразвитое логическое мышление я стараюсь компенсировать научно-фантастической литературой, фильмами и компьютерными играми. По последним, конечно, приоритет из-за хорошо проработанных и детализированных миров, но в последние годы совсем нет времени на них.
Сеттинг и любые игры: Half Life, Mass Effect, Deus Ex, Cyberpunk 2077, Division и из последнего неплох Atomic Heart.
Прототипирование концептов фантастических миров и смелых дизайнерских решений – давняя мечта, но я не художник и не 3d-дизайнер, но вот только сейчас через инструкции, скрипты и процедуры удалось создать то, что давно хотелось.
Результат удивил не только достаточно приближенной материализацией внутренних образов, но и феноменальной реалистичностью!
Это черт побери не рендер! ГИИ не использует традиционный рендер для обработки теней и световых эффектов. Вместо этого он генерирует эти детали непосредственно в процессе создания изображения, основываясь на изученных паттернах и характеристиках из его обучающего набора данных. В чистом виде симуляция.
Выходной результат максимально усложнен через добавление отражающих поверхностей и сложные световых композиций. Текущий результат – уже реалистичный, что же будет через 3-5 лет?
Больше киберпанка в отдельной папке.
Как изменилась аудитория в канале за год?
Стало больше мужчин – 87% сейчас vs 83% годом ранее.
Немного меньше читателей проживает в России – 86% vs 87% годом ранее, а пропорция по другим странам и регионам почти сохранена, но чуть больше стало проживающих в Европе – 4% vs 3% в прошлогоднем опросе.
Средний возраст аудитории составляет 44 года по сравнению со средним возрастом 43 в предыдущем опросе. В канале практически нет молодых – около 3% младше 26 лет и нет пожилых старше 70 лет – всего 1% от аудитории (пропорция с прошлым годом сохранена).
Аудитория на 88% vs 89% годом ранее имеет высшее образование или более расширенные виды подготовки. Стало на 1 п.п больше аудитории с научными степенями – 8% vs 7% в прошлом году. Более низкий процент людей с высшим образованием в 2024 связан с ростом доли (примерно 1 п.п.) вероятных студентов с незаконченным высшим образованием.
В канале 39% аудитории являются руководителями (13%), топ менеджерами (7%) или владельцами бизнеса (19%), что немного меньше, чем в 2023 – 41%. В 2024 стало больше владельцев бизнеса, чем годом ранее (16%).
В целом, аудитория на 67% представлена руководящим звеном, учеными или высококвалифицированными специалистами по сравнению с 69% в 2023. Разница может быть связана с увеличением количества группы «без работы/пенсионерами», которых в 2024 стало 7% vs 4% в 2023.
В секторах экономика изменения минимальны в пределах 1 п.п по секторам, где основная концентрация аудитории представлена в ИТ, науке и телекомах – 24%, в промышленности (добыча, обработка, электроэнергетика и коммуналка) – 19% и по 11% в финансах и торговле.
Меньше стало людей без брокерского счета – 45% в 2024 vs 47% в 2023. Активных участников всего 11% vs 10% годом ранее, но существенно выросла доля пассивных инвесторов – 31 vs 27%.
По доходам: если отбросить группу с наименьшими и наибольшими доходами получается, что за год средневзвешенный доход из всех источников вырос более, чем на 10% с 203 до 224 тыс руб в месяц.
В прошлом году доходы свыше 500 тыс были у 11% аудитории, а сейчас у 14%, а основной прирост на 2 п.п произошел в группе от 300 до 500 тыс (13% аудитории в 2024 vs 11% в 2023) и миллионеров стало больше на 2 п.п (7% vs 5%).
Структура распределения доходов не сильно изменилась, но происходит видимое смещение в более высокие доходные кластеры.
Более 25% аудитории фиксируют прирост доходов за два года на 30% и более (в 2023 такого опроса не было). На уровне официальной инфляции доходы выросли у 15% читателей, т.е. 40% аудитории сообщают, что их реальные доходы выросли.
Около 12% аудитории сообщают о снижении номинальных доходов за два года и 22% не видят изменений.
Общее благосостояние читателей выросло. В 2024 ликвидные активы (наличность + депозиты + акции + облигации + фонды + драгметаллы + крипта) свыше 10 млн руб у 15% аудитории, а годом ранее таких было 13%, где количество обеспеченных (свыше 25 млн руб) стало 8% vs 7%, а богатых (свыше 100 млн) без изменения на уровне 3%.
Существенно снизилось количество читателей с активами ниже 500 тыс руб до 36% vs 42% годом ранее. Отмечается прирост на 2 п.п в группе от 2.5 до 5 млн (12% в 2024) и на 1 п.п в группе от 5 до 10 млн (9% по последним опросам).
Без учета аудитории с активами свыше 25 млн, средневзвешенный объем активов составляет немногим более 3 млн руб vs 2.45 млн руб годом ранее. Реальный объем активов заметно выше, т.к. не были учтены 7%, имея активы свыше 25 млн руб.
Ровно половина аудитории в карьерном, профессиональном или бизнес плане считает прошлый год хорошим или отличным, а ужасным или плохом год сложился для 12% аудитории.
Итак, профиль читателя канала Spydell_finance – это мужчина возрастом 44 года с высшим образованием и хорошей должностью (руководящая или высококвалифицированный специалист) в сфере ИТ или науки (преимущественно), имея доход около 224 тыс руб в месяц, с активами около 3 млн руб, предпочитая консервативную – пассивную торговую стратегию на бирже.
С наступившим 2024!🎄
Пусть этот год станет началом новых историй успеха, творческих открытий и личностного роста для каждого из нас.
Верьте в себя, будьте открыты к новым идеям и не бойтесь перемен. Ведь именно изменения заставляют нас расти и развиваться.
Впереди нас ждут новые вызовы, но именно они делают путь к успеху таким увлекательным. Совершенствуйтесь, ставьте амбициозные цели и двигайтесь вперед!
В новом году желаю вам не только достигать целей, но и находить радость в самом процессе их достижения.
Мы стоим на пороге новых возможностей, где каждая трудность – это шанс стать сильнее, стоит прожить еще один год так, чтобы было осознание наилучшего приложения усилий вне зависимости от достигнутых результатов. Главное – пытаться!
Желаю вам здоровья, благополучия и процветания в новом году!
Любите и заботьтесь о ближних, цените и храните семью и дружественные отношения.
Всем спасибо!
Spydell_finance... «Идеи в реальность»
О важности критического мышления и о том, как выстраивается контент в Spydell_finance
Моя задача никогда не была в навязывании ложных концепции и парадигм. С самого начала публичной деятельности в 2009 году и по настоящий момент основная задача состоит в понимании и осмыслении происходящих процессов для выработки наиболее адекватной картины миры и системы принятия решений.
Нет истины в последней инстанции. Ничто не является конечной правдой, потому что правда зависит от фокуса восприятия, целей, мотивации, уровня знаний, когнитивных особенностей. Правда зависит от контекста и всегда динамически изменяется в зависимости от экзогенных и эндогенных факторов и условий.
Фокус восприятия определяет, что мы видим и слышим. Мы можем сосредоточиться на одних деталях и пропустить другие.
Цели и мотивация также влияют на наше восприятие. Мы склонны видеть то, что хотим увидеть, и игнорировать то, что нам не нравится.
Культура, мировоззрение, религиозные и политические предпочтения - все влияет на наше восприятие.
Контекст также играет важную роль. Одно и то же событие может восприниматься по-разному в зависимости от контекста, в котором оно происходит.
Книга, прочитанная при одном уровне накопления знаний в детстве, найдет другое отражение, чем в юности и, тем более в зрелости. Соответственно, опыт и знания меняют способность к восприятию информации.
Можно слишком далеко забрести в философские дебри, рассуждая, что такое правда и истина, где грань между объективной, субъективной, концептуальной, экзистенциальной или методологической истиной.
Попробую вырулить в правильную сторону. Нет истины в последней инстанции, потому что правда зависит от того, как мы воспринимаем мир, а следовательно интерпретация социальных процессов (экономика – часть социальных процессов, генерируемых людьми) не может быть стационарна и монолитна.
Степень развития когнитивных способностей (и вообще уровень развития мозга) напрямую зависит от способности схватывать разные точки зрения.
Вот именно поэтому критика, как и любые альтернативные мнения крайне важны. Несмотря на то, что я в высокой степени эрудирован по широкому направлению областей знаний, я ни в коем случае не претендую на истинной интерпретации происходящих событий.
Критическое мышление – это бесконечный процесс соревнования контраргументации, даже внутри собственного мыслительного процесса, а любую аргументацию необходимо считать изначально ошибочной до момента «расщепления» контраргументации.
Даже в этом случае необходимо понимать, что промежуточный фаза консолидации «правды» в будущем может привести к иной системе аргументации и взаимосвязям, что приведет к трансформации прежней картины мира.
Зачем все это нужно? Точность, скорость и качество принимаемых решений и повышение адекватности восприятия мира.
Поэтому я всегда приветствуют любую форму конструктивной критики и дискуссии, понимая, что я всегда могу ошибаться на методологическом и концептуальном уровне.
Дискуссия и критическое мышление повышают обратную связь, а вместе с ним адекватность восприятия реальности.
Чем шире человек открыт к новому и неизвестному, чем выше устойчивость к критическому мышлению – тем острее и «четче» сознание, тем выше степень развития когнитивных функций, что позволяет мыслить более эффективно, принимать обоснованные решения и решать сложные задачи.
Поэтому важно выслушивать и анализировать любую аргументацию, какой бы абсурдной она не была, т.к. даже в абсурде можно найти «лавирующий конструктивный элемент», который может быть встроен в картину миру.
О хайповости. Моя цель никогда не была в создании популярного контента. Мне, если честно, не так важно, насколько контент будет массовым – гораздо важнее создавать информационную добавленную стоимость, чтобы каждая единица контента несла определенную пользу для понимания происходящего.
Контент в канале выстраивается в первую очередь для конфигурации наиболее адекватной картины мира при всей сложности и неоднозначности этого процесса, понимая, что ошибки и ложные интерпретации неизбежное следствие подобного подхода.
В экономику я пришел из ИТ примерно 18 лет назад. Главным препятствие продолжения занятия в ИТ было неразвитость вычислительных мощностей и программной среды под мои требования.
ИИ стал мейнстримом сейчас, а в начале нулевых об этом еще никто не знал, но траектория развития событий полностью укладывается в мои концепты и взгляды.
Одна из множества идей – создание сигнатуры для числовых рядов. Это могут быть финансовые, рыночные, экономические или физические показатели – не важно.
Суть в том, что каждый числовой ряд имеет свой уникальный цифровой отпечаток. Например, EUR/USD ведет себя совсем иначе, чем S&P 500. Нельзя применить универсальные правила теханализа автоматом, ничего не будет работать. Везде есть некий «характер». Идея была в автоматическом поиске и упорядочивания сигнатуры с динамическим перебором миллионов различных комбинаций и последующим самообучении для синтезирования динамических паттернов.
То, что было с программированием 20 лет назад не имеет ничего общего с тем, что есть сейчас.
Тогда не было ни адекватного статичного анализа кода (только внедрялся), ни развитого динамического анализа кода (высокоуровневый механизм отладки кода всего несколько лет назад начал внедряться), не было социальной среды типа Github, Stack Overflow, Habr (тогда зарождались и развивались), где можно было проконсультироваться по коду и вариантам решения проблем.
Идей много, производительность была очень низкая. На решение затыков требовалась уйма времени, пока найдешь инструкции по работе функций, процедур, библиотек, поймешь, как все связано – инициатива угаснет.
То, как развилась программная среда, особенно отладка кода в динамическом анализе – это фантастика. Но еще большая фантастика – это способность генеративных ИИ искать ошибки и предлагать варианты решений. Самый значительный шок от преимуществ ИИ был как раз в этом.
Раньше на решение проблем с кодом могло потребоваться едва ли несколько дней (в зависимости от сложности), сейчас практически в режиме реального времени. Это создает огромные возможности в глубоком анализе больших данных, в создании и модификации алгоритмов и оптимизации кода.
Поняв, как правильно общаться с машиной (задавать корректные вопросы и сужать пространство решений), можно добиться огромного прогресса, нарастив производительности кратно!
Собственно, в экономику и финансы я перешел, т.к. здесь непаханое поле для Data Science и бесконечное пространство идей и концепций (то, что я как раз люблю). Пошел по пути наименьшего сопротивления, т.к. программировать в начале нулевых было не особо комфортно.
Но сейчас … сейчас все иначе. Уникальные и очень острые, эффективные инструменты автоматизации и поиска наилучших решений в алгоритмах. Чертовски интересно, что позволит реализовать множество идей, которые раньше не смог воплотить.
Это может пригодиться, как в анализе экономических и финансовых показателей, так и в создании торговых алгоритмов на финансовых рынках.
Как я себя вижу? Руками писать по 3 млн символов в год уникального контента, не считая почты, комментов, личных чатов - это сложно и утомительно. Сам то текст набить не проблема, но каждая цифра требует тщательных, сложных расчетов и проверки – в этом сложность.
В 2022 была структурная перестройка – нужно было быть в режиме онлайн, отслеживать процессы. В 2023 по инерции на волне успеха 2022 и социальных обязательств перед аудиторией.
2024 – новая «игрушка» в виде ИИ с возможностью доработки алгоритмов и оптимизации кода, а тут нужно заново учить программирование (современную среду, библиотеки).
Учитывая мою производительность (замещение 10-20 человек) с ИИ и глубокой автоматизацией можно нарастить эффективность в идеале до 100-150 человек через 3-5 лет, т.е по сути средняя компания, создавая интересные алгоритмы и информационные системы.
Что касается бесплатного канала? Я буду его поддерживать так долго, насколько это возможно и хватит сил (мне канал очень дорог). В идеале хочу еще год плюс-минус в таком же режиме, но ИИ открывает уникальные возможности, где я очень силен, так что не знаю, как все пойдет.
Возможно ли удержать проект Spydell_finance в долгосрочной перспективе?
Свыше 3 тыс публикаций, почти 3.5 тыс графиков и таблиц и 6 млн знаков с марта 2022 уникального контента высокого уровня сложности.
В среднем на прямое функционирование канала требуется 8-9 часов ежедневно без учета смежной работы (анализ внешних источников, поддержка информационных систем и осмысление контента), что в совокупности около 14-16 часов в день.
Проблема в том, что специфика деятельности не предполагает паузы, а сложность контента настолько высока, что любое упрощение неизбежно повлияет на качество контента и формат канала.
Какие вариант? Аутсорсинг (коммерциализация) или ИИ.
Сколько стоит содержание проекта Spydell_finance или сопоставимого проекта? Учитывая формат, контент и диверсификацию получается примерно так:
• Минимум шесть аналитиков данных (Data Science) для сбора, анализа, систематизации и визуализации данных по ключевым направлениям: российская макростатистика, международная макростатистика, российское корпоративные отчеты, международные корпоративные отчеты, финансовая статистика и рыночная статистика.
Сейчас я удерживаю свыше 60 структурированных баз данных, 15 из которых мегабазы по различным направлениям.
• Еще два-три специалиста по информационным системам, глубокой автоматизации и программированию для связывания всех информационно-аналитических систем в единое ядро.
• Около 5-7 экономистов и финансовых аналитиков с опытом работы минимум 15 лет (те, кто проскочил кризис 2008 сразу вне игры), учитывая широкую диверсификацию исследований в канале Spydell_finance. Не все макроэкономисты являются одновременно высококвалифицированными специалистами по Data Science и Big Data, поэтому, как правило, это раздельные должности.
• Как минимум двое специалистов по рынку с опытом работы от 15 лет для адекватного анализа акций, облигаций, валюты и товарного сегмента.
• Руководитель проекта – вектор направлений исследований, общая интеграция, поддержка работоспособности всех систем и процессов.
• Таким образом, контент – это примерно 15-16 человек. Сюда необходимо добавить рекламного менеджера, юриста, бухгалтера, финансового менеджера, редактора и копирайтера.
Все это без учета аудитории. Сейчас средний подписчик в финтематике (привлечение) стоит около 200-250 руб, нужно учитывать отток (например, сейчас из канала в год уходит около 70-80 тыс человек), т.е. при 100 тысячной аудитории требуется примерно 30 млн на раскрутку и поддержку.
Учитывая масштаб и сложность, по самым скромным оценкам около 150 млн руб себестоимость по нижней границе с учетом маркетинга. Да, в этом сценарии контента будет больше (не 3, а около 5-6 млн знаков в год), более структурированный, оформленный и без орфографических и стилистических ошибок.
Именно поэтому в формате Телеграма это в принципе не окупаемо ни при каких условиях, где реклама и 2-3% не вытянет от минимальных затрат.
Нельзя перекинуть функционирование канала на аутсорсинг и нельзя создать коммерчески успешный проект в текущем формате и уровне сложности. Либо понижение качества, либо снижение интенсивности.
Так может быть поможет ИИ?
О стратегии развития проекта Spydell_finance
Год подходит к концу, самое время подвести краткие итоги и сконфигурировать вектор дальнейшего развития.
▪️С 2 марта 2022 было написано свыше 3008 материалов (не учитываются рекламные посты, взаимный пиар, фото посты, когда в одном материале несколько графиков и таблиц, тогда как tgstat считает 4366 постов из-за учета фото-постов, как отдельный материал, но это неверно).
▪️Выдерживаю план по ежедневной публикации без выходных и праздников.
▪️За все время было написано 5.921 млн символов с учетом пробела (полностью уникальный контент), где в 2022 – 3.022 млн символов, а в 2023 до сегодняшнего поста еще 2.9 млн символов.
▪️Было опубликовано 3416 графиков и таблиц (99.8% полностью уникальны), где 1785 в 2022 и 1631 в 2023.
С чем можно сравнить объем текста в количестве знаков?
• Инвестбанковские ежемесячные обзоры/прогнозы: 20-30 тыс
• Ежемесячные аналитические отчеты от Банка России: 15-50 тыс
• Инвестбанковские годовые обзоры/прогнозы: 40-60 тыс
• Научная статья: 30-40 тыс,
• Научно-исследовательская работа: 70-80 тыс
• Диссертация: 160-240 тыс
• Докторская работа: 350-500 тыс
• Книга объемом 300 страниц без графиков и таблиц: 500-600 тыс
• Книга объемом 1000 страниц с графиками и таблицами: 1-1.3 млн
• Война и мир (Лев Толстой) – 3 млн, Братья Карамазовы (Федор Достоевский) - 1.8 млн, Анна Каренина (Лев Толстой) - 1.8 млн, Идиот (Федор Достоевский) - 1.3 млн, Евгений Онегин (Александр Пушкин) - 161 тыс, Мертвые души (Николай Гоголь) - 490 тыс, Отцы и дети (Иван Тургенев) - 370 тыс, Преступление и наказание (Федор Достоевский) - 1076 тыс, Мастер и Маргарита (Михаил Булгаков) - 750 тыс.
Исключительно в целях оценки емкости.
Очевидно, что сравнение разных жанров невозможно, а следовательно невозможность сопоставить сложность. Глупо сравнивать научные работы и канал для широкой аудитории, т.к. в массовом сегменте необходимо смещение в сторону аналитической публицистики, тогда как профессиональный и тем более научный слог будет абсолютно неудобоварим.
Тем не менее, если попробовать упаковать в PDF все материалы канала с 2 марта 2022 с учетом графиков и таблиц выйдет около 10000 страниц (при учете сжатия медиа контента), что эквивалентно увесистым примерно 20 книгам.
Примерно 170 научных работ и около 35 диссертаций с точки зрения объема, но не сложности (жанры сильно разные), тем более большинство контента концептуально дублируются, например, ежемесячные обзоры макростатистики.
Более справедливо сравнение по стилистике и формату с инвестбанковскими обзорами, т.е. примерно 250 обзоров (ежемесячный формат).
Очевидно, что рано или поздно наступит момент, когда все это закончится. Альтруизм не безразмерный и все имеет свои естественные пределы.
Я не о существовании бесплатного канала – до тех пор, пока существует Telegram и доступ к каналу, будет существовать этот проект.
Я о формате сверхинтенсивных научно-исследовательских решений. Канал останется навсегда, но формат и интенсивность — это вопрос.
Проблема в сложности контента, объеме (подробности выше) и стратегии (подробности в следующих материалах).
Что касается сложности. Финансово-экономические публикации в Телеграмм можно условно разделить на несколько типов:
• Репосты (нулевая сложность, нулевая ценность) - >
• новости по заголовкам (полностью автоматизируется ботами, околонулевая ценность) ->
• расширенная интерпретация релевантных новостей ->
• персональные комментарии по новостям и событиям - >
• комментарии по аналитическим обзорам ->
• уникальная журналистика (собственный новостной контент и несложные обзоры) ->
• уникальная аналитика из доступных источников ->
• уникальные научно-исследовательские работы, в том числе из закрытых источников.
Я захватываю седьмой и восьмой уровень сложности (выше ничего нет), большая часть материалов представляют мировой эксклюзив (например, уникальная корпоративная аналитика).
Продолжение следует…