Хочу высказать пару слов об Астре. С самого начало выхода на IPO, считал, что нет там ничего интересного. Как и в общем участие в любом первом размещении. Но сейчас о том, в чем я не согласен с Т-инвестициями и почему на мой взгляд такая чахорда с чистой прибылью и выручкой за первый квартал этого года. Оговорюсь сразу, отчётность компании смотрел одним прикрытым глазом, поскольку не интересует от "совсем". Итак: немного бухгалтерии, к примеру вы купили у поставщика в Китае "железо" для продажи по цене 10у.е. в январе. В вашем ценнике продажная цена стоит 15у.е. Предположим, что на момент покупки у.е.= 90 рублей, т.е. цена покупки 900 рублей, а продажи 1350 рублей. ∆ = 450 рублей. Китай как правило работает только по 100% предоплате. Товар приехал в марте. По бухгалтерии себестоимость у вас ляжет по предоплате(900 рублей), а на момент продажи в марте у. е.= 100 рублей. Таким образом, цена продажи будет 1500 рублей. ∆ = 600 рублей . И в этом случае, у вас выросла выручка, при той же себестоимости, и выросла валовая прибыль. Но у Астры выросла выручка, что как они говорят связано с увеличением объемов продаж. Но таким образом, если очень укрупнять и допускать, то неизбежно растет валовая прибыль. Так что с чистой прибылью? ЧП = ВП - ком расходы - управ расходы - налоги. По этой простой логике , надо резко нарастить расходы, чтобы так "опустить" ЧП. Это могут быть огромные денежные выплаты и бонусы работникам по году(баланс на 31 марта). Это могут быть большие покупки, например здания, оборудования, лицензии и ТД. И также инвестиции, которые по бухгалтерии "положили" на управленку. Как итог: считаю компания мутная, как и многие уже работающие компании на нашем рынке ИТ работающие с большими компаниями и госзаказами, выходили они на биржу не для привлечения дензнаков и развития. Но надеюсь ошибаюсь. Будем посмотреть. Рубль укрепляется, по логике увидим снижение выручки и валовой прибыли. Увидим, что будет с ЧП. #Астра

В последнее время мне попадались множество публикаций про движение акций и в частности дивГэп и его закрытие, а также в этом контексте выплата дивидендов. В этой связи часто пишут про это явление , как нечто само по себе, живое и ходящее как бы само, по своей воле. Особенно это любят писать адепты технического анализа. У них "рынок аккумулируется", "акция скачет по седлам и впадинам" и развороты с пируетами совершает. Так вот: математическая формула построения графика купли-продажи : Построение графика купли-продажи может быть реализовано с помощью математической модели, основанной на временных рядах и анализа данных. Вот пример базовой модели, которая может быть использована: Ось X (горизонтальная ось) — время (дни, недели, месяцы и т.д.). Ось Y (вертикальная ось) — цена или объем продаж. Для построения графика можно использовать следующие основные формулы и шаги: Точки данных: Собрать данные о ценах и объемах продаж за определённый период времени. Временные ряды: Представить данные в виде временного ряда. Пусть 𝑡t — время, 𝑃(𝑡)P(t) — цена, а 𝑉(𝑡)V(t) — объем продаж в момент времени 𝑡t. Скользящее среднее: Для сглаживания данных можно использовать скользящее среднее. 𝑀𝐴(𝑡)=1𝑛∑𝑖=0𝑛−1𝑃(𝑡−𝑖)MA(t)=n1​i=0∑n−1​P(t−i) где 𝑛n — окно скользящего среднего. Линейная регрессия: Для прогнозирования цены или объема продаж можно использовать линейную регрессию. 𝑃(𝑡)=𝛽0+𝛽1𝑡P(t)=β0​+β1​t где 𝛽0β0​ и 𝛽1β1​ — параметры регрессии, которые можно оценить с помощью метода наименьших квадратов. Экспоненциальное сглаживание: Еще один способ сглаживания данных — экспоненциальное сглаживание. 𝑆𝑡=𝛼𝑃𝑡+(1−𝛼)𝑆𝑡−1St​=αPt​+(1−α)St−1​ где 𝛼α — параметр сглаживания (0 < 𝛼α < 1). На практике график может быть построен с использованием программных средств, таких как Python с библиотеками Matplotlib и Pandas. Вот пример кода на Python: import matplotlib.pyplot as plt import pandas as pd # Пример данных data = {'Дата': ['2023-01-01', '2023-01-02', '2023-01-03', '2023-01-04'], 'Цена': [100, 101, 102, 105], 'Объем продаж': [10, 15, 10, 20]} df = pd.DataFrame(data) df['Дата'] = pd.to_datetime(df['Дата']) df.set_index('Дата', inplace=True) # Построение графиков fig, ax1 = plt.subplots() ax1.set_xlabel('Дата') ax1.set_ylabel('Цена', color='tab:blue') ax1.plot(df.index, df['Цена'], color='tab:blue', label='Цена') ax1.tick_params(axis='y', labelcolor='tab:blue') ax2 = ax1.twinx() ax2.set_ylabel('Объем продаж', color='tab:red') ax2.plot(df.index, df['Объем продаж'], color='tab:red', label='Объем продаж') ax2.tick_params(axis='y', labelcolor='tab:red') fig.tight_layout() plt.title('График купли-продажи') plt.show() Этот код создает график с двумя вертикальными осями: одной для цены и одной для объема продаж. • Для тех кто плохо учился в школе: график, который вы видите на своём смартфоне или компьютере, это результат сделок. И поэтому дивидендный ГЭП, это не явление само по себе и уж тем более не обязаловка. Это отображение того, что один спекулянт продал, а другой хомяк 🐹 купил. Это посчиталось по формуле и вывелось вам в виде графика. И как правило, чтобы увидеть устойчивое движение на графике, необходим объем этих сделок в короткий промежуток времени. Спасибо тем, кто дочитал.

Выражаю огромную благодарность Konstantin3232. Спасибо, что больше не буду видеть ваш спам. Этих собачек и кошечек из ясельных мемов и прочей низкосортной истории, которая никакого отношения к инвестированию не имеет. Для тех кто не понял: из-за таких постов которые засоряют ленту незамеченными проходят статьи действительно годного контента по инвестициям. И лучше подписываться на них и их продвигать. А если кому кошечки..., так это не в эту соцсеть. Тут деньги делают, а это серьёзно!