В среднесрочной перспективе тренд на девальвацию рубля предопределен в соответствии с актуальной конфигурацией трансграничных потоков капитала и приростом рублевой денежной массы. 

В данном случае не так важно, будет ли девальвация ступенчатой (агрессивный период ослабления рубля с последующей консолидацией на 6-10 месяцев) или в плавном непрерывном режиме низкой интенсивности.

Что следует учитывать в контексте рубля? Темпы прироста рублевой денежной, специфику трансграничных расчетов, склонность к оттоку капитала, величину профицита счета текущих операций.

Сейчас двухлетние темпы прироста денежной массы в России составляют 46-50% (это около 32 трлн руб чистого прироста за два года) по сравнению с 13-26%, которые наблюдались с 2015 по 2021 (в среднем чуть больше 20%), т.е. с 2022 темпы выросли в 2.5 раза в относительном выражении. Основным источником прироста денежной массы являются кредитный и бюджетный каналы.

Насыщение экономики ликвидностью создает платежеспособный спрос на импорт товаров и услуг и увеличивает способность (но не всегда склонность) к оттоку капитала. Рублевая денежная масса, выраженная в долларах, имеет высокую долгосрочную корреляцию с интегральным оттоком валюты по всем направлениям.

Чем балансируется дисбаланс избыточности рублевой денежной массы в контексте валютного рынка?

•  Высоким притоком валюты (экспорт товаров и услуг, инвестсчета в рамках прямых или портфельных инвестиций, внешнее фондирование и так далее). Так было в 2004-2008, когда высокие темпы роста денежной массы балансировались рекордным за всю историю России притоком капитала относительно ВВП и рубль укреплялся, а резервы росли.

•  Рыночными механизмами через курс рубля. В среднесрочной перспективе среднеквартальный курс рубля балансируется в соответствии с профицитом СТО. Другими словами, если профицита СТО недостаточно, а денежная масса растет быстро, курс рубля ослабевает в темпах прироста денежной массы, чтобы сбить избыточный платежеспособный спрос на импорт и отток капитала – это было в середине 2023.

В 2015-2020 профицит СТО был относительно слабым, но тогда денежная масса росла экстремально низкими темпами, и это позволяло курсу рубля быть устойчивым. 

•  Стравливание золотовалютных резервов (ограниченно эффективная мера), чтобы устранить разрывы в платежном балансе, генерируемыми частным сектором экономики, и стабилизировать валютный рынок. Примерно этим занимается Банк России с 2023, «погасив» ЗВР на 10 млрд в 2023 и еще на 6.9 млрд в 1кв24. 

Сброс ЗВР не может  продолжаться вечно, учитывая, что ликвидных и доступных к продаже ЗВР осталось достаточно мало (около 200 млрд долл).

•  Административные меры контроля капитала (эффективны исключительно краткосрочно в режиме экстренного закрытия дыр в пределах 1-6 месяцев, но крайне неэффективны долгосрочно). Всегда, во все времена и во всех странах мира административные меры контроля капитала приводили к появлению черного рынка валюты, множественным курсам и неизбежной будущей девальвации опережающими темпами. Можно держать курс два-три года, а потом девальвировать в три раза, законы экономики обмануть и обуздать невозможно.

Хороший сценарий для России заключается в темпах девальвации плюс-минус на уровне прироста денежной массы, но может быть и плохой сценарий.

•  Специфика трансграничных расчетов с 2022 предполагает накопление дебиторки и торговых кредитов из-за особых партнеров (Белоруссия, Турция, страны СНГ) и часто возникающих трудностей в расчетах с Китаем и Индией (лаги в расчетах и ограниченно конвертируемая валюта). 

•  По комплексу причин может возникнуть концентрированный отток капитала, который был в 3кв23, что усиливало давление на рубль. 

•  Может произойти сжатие СТО из-за усиление контроля за санкциями, падения цен, спроса на сырье вследствие глобального кризиса.

Поэтому прорыв выше сотки – вопрос времени, в конце 2024 – скорее да, чем нет.

Что следует учитывать в новой санкционной реальности в России?

•  Обнулены потоки международного капитала (нерезидентов), обусловленного дифференциалом процентных ставок, уровнем рентабельности и скоростью роста финансово-экономических показателей в России. Ни уровень ставок в России, ни прибыльность бизнеса, ни конъюнктурные особенности теперь не влияют на приток или отток иностранного капитала.

•  Блокировки российских резидентов делают невозможным свободный отток капитала резидентов РФ так, как это было до 2022 (прямые и портфельные внешние инвестиции практически обнулены с 2022), а весь отток концентрируется в денежных активах, торговых кредитах и дебиторке.

•  Растет доля расчетов в нацвалюте и валюте нейтральных стран растет. До 2022 около 85% экспорта и 66% импорта было в валюте недружественных стран, а теперь 25% экспорта и 28% импорта.  

•  Свыше 40% в структуре оттока валюты из России с 2022 формировал внешний долг (необходимость погашения), а к 2024 практически весь внешний долг погашен, что в будущем снизит спрос на валюту.

Все же, одним из основным направлений аккумуляции спроса на валюту является внешняя торговля (импорт товаров и услуг). 

Способность к импорту обусловлена текущим движением валюты (отображается в платежном балансе), накоплением валютных остатков на внутренних и внешних денежных и инвестиционных счетах и наличием рублевых потоков (доходов) и остатков (денежная масса).

Рублевые потоки и активы оказывают непосредственное давление на валютный рынок через конверсионные операции.

 На графике отображена высокая корреляция между рублевой М2, выраженной в долларах, и объемом импорта товаров и услуг за год. 

Что это означает? При высоких темпах роста денежной массы курс рубля выступает, как естественный рыночный ограничитель избыточного спроса на импорт без возможности абсорбации через экспорт и инвестприток валюты. 

С середины 2022 резко выросла М2 в долларах из-за крепкого рубля, что было компенсировано опережающей девальвацией с июня по сентября 2023.

Продление требований по возврату валютной выручки до конца 2024.

Согласно данным Ведомостей власти решили продлить действие указана №771, введенного в октябре 2023, по репатриации 80% валютной выручки в 60-дневнй срок на внутренний валютный рынок и реализации не менее 90% поступившего объема. Указ действует до 30 апреля.

️• Компании выступали против, мотивируя это повышением издержек. В этом есть определенная логика, т.к. не вся выручка, формально полученная за экспорт, доступа для репатриации из-за специфики расчетов в новой санкционной реальности.

•  Растут поставки в долг (товар отправлен, платеж не получен). По данным платежного баланса речь и может идти о сумме свыше 100 млрд долл с начала 2022.

•  Время исполнения расчетов может возрасти, в том числе используя сложную цепочку контрагентов для обхода вторичных санкций.

•  При получении выручки на счет российской компании или аффилированных компаний требуется не менее сложная спецоперация по выводу денег в Россию, причем зачастую это самое проблемное звено цепочки, т.к. внешние контрагенты избегают любого прямого или косвенного ассоциирования с Россией.

•  Подобная схема делает невозможным взаиморасчеты и любые формы квазибартер или бартера. Например, российская компания поставляет в Китай нефть, договаривается с китайскими посредниками и получает китайское промышленное оборудование для НПЗ.

▪️Центробанк выступал преимущественно нейтрально или против возврата валютной выручки, мотивируя свою позицию бессмысленностью схемы на макро-уровне. Экспортеры, которые завели валюту на внутренний рынок, могли сразу использовать возможность покупки и последующего вывода, где конечное сальдо могло быть близко к нулю (условно, завели миллиард, вывели 800 млн).

▪️По факту возврат валютной выручки работал и достаточно эффективно. Абстрагируясь от курса рубля, приток валюты действительно вырос. С окт.23 по мар.24 среднемесячный объем продажи составил 12.8 млрд vs 7.7 млрд в среднем за полугодие до внедрения указа. Прирост на 5 млрд в месяц или 67%, тогда как средние цены нефти и газа изменились незначительно за указанный период.

4-5 млрд в месяц – этот тот объем валюты, которого не хватало, чтобы сгладить разрывы по платежному балансу, что в конечном итоге и привело к стабилизации курса рубля. Надолго ли? 

На рубль действуют, как стабилизирующие, так и дестабилизирующие факторы?

Стабилизирующие факторы:

•  Рост доли расчетов по внешней торговли в рублях

•  Снижение интенсивности погашения внешнего долга

•  Ограничительные меры для российских резидентов по инвестированию на внешнем рынке.

Дестабилизирующие факторы:

•  Обрушение до нуля притока иностранного капитала в санкционном режиме (свыше 95% прямых и портфельных инвестиций генерировали недружественные страны до 2022). 

•  Высокий темп роста денежной массы, повышающий способность к оттоку капитала

•  Значительные лаги в расчетах по экспортным контрактам и критические трудности в валютных транзакциях 

•  Риски падения спроса и/или цен на сырье из-за усиления санкционного контроля и/или глобального кризиса

•  Потенциальное бегство капитала, если что-то пойдет не так.

Интегрально, учитывая тенденцию прироста денежной массы и валютный баланс, спрос на валюту практически всегда будет выше, чем предложение, что в долгосрочной перспективе предопределит тренд на девальвацию рубля.

Валютный контроль или обязательства по продаже валютной выручки – временные решения в рамках операционных мер реагирования, но нужно быть готовым к тому, что девальвация, вероятно, будет неизбежно – вопрос в масштабе и в тайминге.

Самая масштабная атака Ирана на Израиль за все время конфликта.

Еще никогда не было прямых атак Ирана на Израиль. Раньше Иран использовал прокси-группы, такие как Хезболла в Ливане и различные вооружённые группировки в Сирии, Ираке, Йемене и Палестине для прямых или косвенных атак на Израиль. 

Вчера была многоуровневая атака с нескольких направлений, где в несколько волн были запущены сначала беспилотники и позже ракеты, а наибольшая концентрация атак по территории Израиля была между 2 и 3 ночи по МСК, тогда как общий период атаки длился около 4 часов.

Кроме иранских ракет и дронов, для атаки были задействовать проиранские силы в Ливане, Ираке и Сирии, где наибольшие атаки были из Ливана. 

В отражении атак были задействованы ВВС США, Великобритании и ПВО Иордании. 

Результат атаки близок к нулю – незначительно повреждена авиабаза Израиля в пустыне Негев и буквально несколько пострадавших среди гражданских. 

Мировое сообщество отреагировало традиционно – озабоченность и возмущение, а США просит Израиль поумерить прыть и минимизировать реакцию, хотя Израиль обещает ответные действия. 

Что-то в этом мире сломалось… Иран раньше не позволял себе прямых атак на Израиль, но вчера перешел границу «дистанцирования», показав, что не боится ответных действий ни от Израиля, ни от союзников.

Дальнейший ход конфликта предсказывать невозможно, т.к. входные параметры неизвестны, как и конфигурация намерений главных действующих лиц, но даже при «дешифрации» неизвестных параметров, возможные комбинации многомерны.

Сценарий большой войны крайне маловероятен, с другой стороны, неизвестно, как далеко Иран и Израиль зайдут в «отчетных мер на провокации» и в своих «решительных ударах возмездия».

С точки зрения финансовых рынков диспозиция просчитывается лучше. В условиях чрезвычайной концентрации оптимистов, выходящей за все разумные границы, рынок крипты показывает вектор развития событий.

Рынки закрыты, а крипта показывает настроения. За два дня единственный, кто устоял – Bitcoin (всего минус 15.8% от максимума до минимума за два дня). Чуть хуже ETH (-21.2%) и BNB (-19.9%). Во всех остальных настоящий ад – группа высоко капитализированных монет (SOL, XRP, ADA, AVAX, MATIC, DOT, TON) укатали на 33-36% за два дня, весь прочий крипто-скам грохнули на 35-50%.

До этого весь месяц крипта была на нисходящей траектории, что привело к обнулению феерического роста с 7 февраля по 15 марта по большинству треш-коинов, а многие уже ушли на уровень октября-декабря прошлого года. 

За два дня без учета BTC И ETH рынок крипты грохнули более, чем на 30% (min/max), что стало одним из сильнейших падений в истории. Сопоставимо или больше с 2020 года крипторынок падал лишь 4 раза (12.05.2022, 19.05.2021, 23.02.2021, 13.03.2020).

Учитывая открытый интерес и взвешенное на объемы торгов падение, более сильный обвал за всю историю крипты был только один раз – май 2021. 

Объем ликвидаций на крупнейших биржах, образующих более 60% рынка деривативов, превысил 2 млрд долл за два дня, что является рекордом за всю историю. Обычно за массированной ликвидацией следуют стабилизация, но тут лили два дня. 

Все это весьма показательно:

•  Крипта показывает направление спекулятивного капитала.

•  После невменяемого пампа в феврале-марте, рынок крипты ушел в сильнейшее уныние в истории на волне хайпа и повсеместной рекламы двумя неделя ранее, что символизирует высокую степень уязвимости рынков при реализации черных лебедей (привет S&P 500 с рекордной концентрацией быков за всю историю).

•  Крипта никогда не являлась и не будет защитным активом – в чистом виде спекулятивный суррогат в обостренной форме.

•  Все крайне неустойчиво. Любое внештатное событие и финрынки сразу дестабилизируются, а учитывая экстремальную вовлеченность в покупки в акциях, последствия могут быть крайне драматическими. 

•  Нет защитных активов, кроме как золото, товарные активы и высокомаржинальные компании с низким долгом и долгой историей при условии адекватных мультипликаторов.

Американский рынок – это вихрь запредельной концентрации идиотизма, иррациональности, алчности, беспрецедентный марафон абсурда, где здравый смысл и логика давно капитулировали, открыв врата наркотическому безумию, нашпигованному ИИ галлюцинациями. 

Вот ключевые факты по самым последним данным по закрытию 28 марта:

•  Капитализация рынка 54.5 трлн, за 5 месяцев было создано более 12.1 трлн капитализации или 28.3% по макс/мин.

Дотком пузырь накапливался почти 5.5 лет с общей производительности немногим более 11 трлн по номиналу и около 19.3 трлн с учетом инфляции в ценах 2024. В расчете на месяц темпы прироста капитализации на этот раз выше в 14 раз по номиналу и в 8 раз (!!) с учетом инфляции.

•  С учетом сезонности (с 27 октября предыдущего года до 28 марта отчетного года) рынок вырос на 28.3%, а за последние 75 лет подобного роста не было в относительном выражении. Единственный аналог – 28.2% в 1986 и 27.3% в 1987, что связано с бурным развитием инвестфондов, либерализацией инвестрегламента и восстановлением рынка после 20-летнего застоя на сверхнизких значениях. 

С учетом сезонности, в эпоху новой нормальности после 2009 наилучшая производительность была в 2021 в рамках постковидного восстановления – 17.4% за указанный период на волне 12.5 трлн коллективного QE и V образного восстановления бизнеса и экономики.

•  По скользящему сравнению за 5 месяцев производительность более 28% была только один раз (!!) в марте 1998 (28.5%). 

Формально еще 5 раз: августа 2020 – 55%, август 2009 – 51%, март 1999 – 40%, январь 1983 – 44%, май 1975 – 42%, но во всех случаях это было связано с масштабным предшествующим обвалом не менее, чем на 20% (в 2020 – 35%, в 2008-2009 более 57%, в 1998 -23%, 1982 – 28%, в 1972-1974 – 49%). В окт.23 накопленная коррекция была 11%, а старт на высокой базе.

•  Волатильность торгов за 5 месяцев наименьшая в истории – более низкие показатели были только один раз в январе 2018. Волатильность в среднем в 3-4.5 раза ниже, чем в период параболического восхождения в 1996-2000, в 2.4 раза ниже, чем в среднем с 2010 по 2023 и в 5 раз ниже, чем на пике волатильности в 2022.

•  Устойчивость тренда наивысшая в истории (мера отклонения от локальных максимум в момент трендовых движений). Ближайшие аналоги: окт.19-фев.20, авг.17-янв.18, ноя.12-май.13, авг.06-дек.06 и рост рынка в 1995, но в этот раз обновили все прошлые рекорды. 

Был обновлен рекорд устойчивости тренда ноя.16-мар.17 по количеству дней выше 50 по RSI (102 торговых дня), но формально действует рекорд 1995 (8 месяцев).

•  Идет 277 торговая сессия без однодневной коррекции на 2% и более, а ближайший рекорд был в январе 2018 – 351 день.

•  Впервые за всю историю торгов рынок растет 5 месяцев без накопленной коррекции на 2% и более по закрытию дня от формирования локального максимума в рамках восходящего тренда. Наиболее типичной коррекцией в условиях сильного тренда является 3.5% откат от локального максимума, но наибольшая коррекция была в начале января – 1.98%.

•  Сила тренда по закрытию дня от внутридневного макс/мин одна из наивысших за последние 50 лет, но не максимальная.

•  Отклонение текущих цен от 100-дневной скользящей средней составляет 9% (сейчас) -10.4% (в начале марта). Не считая посткризисных восстановлений с низкой базы, более сильный восходящий тренд был только один раз за 75 лет (ралли 1996-1997).

•  Присутствует сильнейший разгон мультипликаторов за всю историю (ближайший аналог 1997-1999).

Все представленные расчеты исключительно собственные на основе данных торгов. 

По совокупности факторов (скорость прироста, точка старта, сила и устойчивость тренда, волатильность) мы имеем сильнейшее ралли за всю историю торгов. 

С точки зрения факторов, все прочие подобные приросты были на траектории V-образного восстановления корпоративных финансов, экономики, сильного притока новых денег в рынок (в том числе QE) и на низкой базе (масштабная предшествующая коррекция). 

В этот раз в условиях сжатия ликвидности, при актуализации рецессии и стагнации корпоративных финансов (https://t.me/spydell_finance/5100) на фоне ИИ галлюцинаций.

Что касается глобального рынка, 118.5 трлн долларов составляет капитализация глобального рынка акций, 89.3 трлн из которых (75.3% от общей капитализации) концентрируют США и ключевые союзники по актуальному курсу доллара на 1 апреля.

Группа стран США плюс Европа, Япония, Канада, Австралия, Корея, Тайвань, Новая Зеландия и Израиль забрали практически 100% от совокупного прироста капитализации с начала года – 7.8 из 7.9 трлн долл по собственным расчетам на основе рыночной информации.

Очевидно, лидером являются США – $54.5 трлн капитализация рынка и $5.1 трлн (+10.3%) прирост с начала года, т.е. почти треть от общемирового прироста капитализации.

Рынок всех стран Европы с учетом Великобритании, но без России и СНГ оценивается в $19 трлн, с начала года прирост на 6.8% или $1.2 трлн  (сопоставимо с приростом капитализации рынка крипты с начала года в абсолютном выражении).

Рынок Японии стоит $6.6 трлн, с начала года плюс 920 млрд или 16.3%, Корея – $1.9 трлн (+75 млрд или 4.1%), Канада – $2.9 трлн (+160 млрд или 5.7%), Тайвань – $2.3 трлн (+250 млрд или 12.7%), Австралия – $1.7 трлн (+67 млрд или 4.2%).

В расчеты включены все публичные компании, имеющие соответствующее национальную принадлежность, поэтому производительность может отличаться от привычных индексов (Nikkei 225 вырос сильнее – более 20%, чем широкий японский рынок, как и топовые европейские компании – 12.5%). 

Сопоставление произошло по фиксированному курсу на 1 апреля, а общая структура рынка по секторам представлена в таблице.

По предварительным расчетам, с 27 октября в рисковых активах (рынок акций представленных стран + крипта) было создано свыше 20 трлн капитализации, где один только американский рынок свыше 12.1 трлн, а крипта почти 1.8 трлн (с начала октября и 1.6 трлн с 27 октября).

Все это является самым существенным приростом капитализации за всю историю торгов в абсолютном выражении и в относительном, учитывая сезонность. 

Полностью лживые и манипулятивные финансовые СМИ Wall St на протяжении полугода пытаются создать легенду о «необычайных перспективах ИИ в контексте экономики», продавая мечты, но все это фейк.

Безотлагательная и безусловная интеграция ИИ в экономику на протяжении следующих десятилетий – неоспорима, но экономический эффект -  крайне скользкая, неоднозначная и дискуссионная тема. 

Удалось частично интегрировать отчеты по всем публичным нефинансовым компаниям США, но примерно 2.5% выручки компаний были исключены из расчетов, т.к. по ним еще нет консолидированных отчетов за 4кв23. 

Однако, выборка более, чем репрезентативная, формирующая примерно 94% по выручке и капитализации всех публичных нефинансовых компаний США.

Какая реальность? Что же получилось? Выручка всех нефинансовых компаний выросла всего лишь на 1.4% г/г по номиналу, а без технологического сектора рост на символические 0.1% (!!!) и это последние доступные корпоративные отчеты по собственным расчетам. 

За два года рост на 8.3% (8.4% без техов), за 4 года прирост на 35.3% (33.4%). Как видно на графике, основной импульс роста был сформирован в 2020-2021 и все – заглохли.

Формально сейчас исторический максимум по выручке, но превышение предыдущего максимума в 4кв22 всего на 1.4% по номиналу! 

Во многом мощный рывок выручки в 2020-2021 обусловлен инфляционными процессами, хотя и реальная экономика росла на стимулах, но в 2023 легли в дрейф. 

8 секторов показывают негативную динамику год к году, образующих треть от совокупной выручки (подробно показаны в таблице), а это чертовски много.

Треть экономики сокращается, а там и сырьевой сектор в полном составе, потребительский сектор, коммунальные услуги, промышленность, даже медицинские технологии. 

Правда ли, что техи растут? Да, растут, но ничего выдающегося – плюс 8.4% г/г, а остальная экономика интегрально в нуле. 

На этот фоне продемонстрировали самое мощное приращение капитализации за всю историю человечества  (https://t.me/spydell_finance/5092)во всех измерениях. Если и есть историческое безумие – мы его феерично фиксируем )

Почти 20 трлн долларов составило приращение капитализации всех рисковых активов с 27 октября 2023 по 25 марта 2024 (крипта + все обращающиеся компании США, Европы, Японии, Кореи, Австралии, Канады, Швейцарии, Швеции, Норвегии и т.д.).

Никогда в истории не было ничего подобного ни абсолютном, ни в относительном измерении. Скорость набора капитализации с учетом инфляции буквально на порядок (почти в 10 раз) превосходит пузырь доткомов с 1995 по 2000. 

Так ли все хорошо на самом деле? Ничего подобного. Чистая прибыль крупнейших нефинансовых компаний США, образующих около 94% от всех публичных компаний США, выросла всего лишь на 14.9% г/г, но упала на 9.1% за два года (4кв23 к 4кв21) по собственным расчетам на основе публичной отчетности компаний.

Важны нюансы. Основную генерацию прибыли обеспечивают технологические компании, тогда как без учета техов, прибыль рухнула на 5.9% г/г и обвалилась на 19.2% за два года. 

Оценивая тенденцию с 2021, справедливо говорить о стагнации возле максимума, достигнутого в 2021, без явных признаков на расширение прибыльности. Однако, без учета технологических компаний с 3кв23 наметилась нисходящая траектория. 

Любопытно, максимум прибыли без учета техов был достигнут во 2кв22, когда рынок сыпался в ад (сильнейшее направленное падение с 2008 тогда было), а в 4кв23 прибыль на 26% ниже, но рынок показывает сильнейшее раллирование в истории торгов. 

По всем компаниям прибыль в 4кв23 отклонилась вниз на 10% от максимума в 3кв23. На графиках технологические компании объединяют сегмент «технологии», включающий преимущественно софтверные компании и «электронные технологии», объединяющий производителей ИТ оборудования. По техам прибыль выросла на 70% за год и на 12% за два года.

Никакого расширения прибыли не проявляется и нет ни малейшего резона считать, что экспоненциальное расширение может начаться в 2024-2025, учитывая контекст финансово-экономических условий в США и в мире.

Очередной истхай на американском рынке, но интересно взглянуть в историю и проследить  циклы расширения капитализации высокой интенсивности и силы.

Направленный рост на 20% и выше без коррекций в пределах 5% в период расширения капитализации – достаточно редкое событие,

Может показаться, что это восстановление рынка с марта 2009 и 2020? Оказывается нет. После кризиса и обвала 2009 и 2020 восстановление рынка происходило с регулярными обвалами в пределах 5-8% на траектории интенсивного расширения. 

Восстановление было зигзагообразным с экстремальной волатильностью. Например, рост на 12%, обвал на 5%, далее рост на 15-17% и обвал на 7%, причем внутридневные колебания доходили до 5-7% и более с резкой сменой направления. 

1.  31.08.2010 ->  18.02.2011 (171 календарный день) - > 29.1% рост от минимума до максимума до точки разворота.

2.  12.03.2003 ->  17.06.2003 (97) -> 28.7%

3.  27.10.2023 ->  07.03.2024 (132) -> 25.9%

4.  26.12.2018 ->  01.05.2019 (126) -> 25.9%

5.  16.11.2012 ->  22.05.2013 (187) -> 25.6%

6.  21.09.2001 ->  05.12.2001 (75) -> 24.2%

7.  10.07.2009 ->  23.09.2009 (75) -> 23.8%

8.  30.10.2020 ->  16.02.2021 (109) -> 22.2%

9.  04.03.2021 ->  02.09.2021 (182) -> 22.1%

10.  13.03.2023 ->  27.07.2023 (136)-> 21%

11.  04.04.2001 ->  22.05.2001 (48) -> 20.5%

Если объединить все эпизоды, в среднем цикл расширения длится 121 календарный день, что во многом связано с циклами аккумуляции/распределения ликвидности. 

При росте рынка капитализация обычно растет кратно быстрее, чем скорость прироста денежных потоков бизнеса или доходов домохозяйств (основные покупатели акций) и в среднем за 4 месяца деньги заканчиваются, что естественным образом приводит к снижению, но не всегда к обвалу. 

Плюс к этому на высокой базе возрастает интерес продавцов, что на фоне дефицита покупатель (основная волна сходит в первые два месяца) - это приводит к дисбалансу спроса и предложения и последующему снижению. 

Текущий рост (25.9% или 11 трлн долл) является самым сильным в денежном сравнении и третьим по силе с начала 21 века в относительном выражении без жесткой фиксации скользящего сравнения по периоду.

▪️В относительном сравнении пузырь 2024 повторил рост в первые 4 месяца 2019, но тогда это было связано с компенсацией обвала на 20.2% с 3 октября 2018 по 26 декабря 2018 и с рекордными дивидендными и байбэк планами (именно с 2019 дивиденды/байбэк компаний взлетели по экспоненте) на фоне сильного притока средств физлиц и умеренного расширения экономической активности.

▪️Рост с марта по июнь 2003 связан со сменой экономического цикла после коллапса дотком пузыря и техническим восстановлением после затяжного обвала вдвое с мар.00 по мар.03, именно с начала 2003 начался устойчивый экономический рост.

▪️Рост с сен.10 по фев.11 связан с посткризисным восстановлением экономики, QE2 от ФРС с ноября 2010, компенсацией низких корпоративных мультипликаторов и общей перепроданности, плюс первичный цикл расширения физлиц в рынке после трех лет депрессии. 

▪️Последний раз, не считая ИИ пампа на 21% в марте-июле 2023, рост на 20% и более был с ноя.20 по фев.21 и с марта по сентябрь 2021 (оба по 22%).

Тогда были абсолютно объективные причины: 

•  Фискальные и монетарные стимулы на 12.5 трлн долл от ЦБ развитых стран за два года;

•  Вакцинация и открытие экономики с дек.21;

•  Экономическое и корпоративное расширение с очень высокой интенсивностью по V-образной траектории;

•  Рекордный приток физлиц в рынок.

Анализируя все подобные эпизоды, рост на 20% и более происходил после серьезного обвала на фоне монетарных и фискальных стимулов и на нулевой точке будущего экономического расширения высокой интенсивности.

Что есть сейчас? Сжатие ликвидности, экономическая стагнация, риски рецессии из-за долгового разрыва и ИИ-галлюцинации с верой, что ИИ изменит мир на до и после, т.е. пустота.

Это первый раз в истории, когда рынок вырос с подобной силой без монетарного и экономического фона, исключительно на ИИ-галлюцинациях.

Можно считать крипту необеспеченным скамом, но нельзя игнорировать масштаб и ликвидность.

Новые невероятные рекорды в волатильности и торговых оборотах в соответствии с собственными расчетами. 

▪️В моменте за 24 часа на всех крипто биржах было проторговано 270 млрд долл на спот сегменте. 

Чтобы понимать, насколько это колоссальный объем, следует привести данные по ведущим биржам США и Европы. 

Торговля акциями национальных эмитентов на бирже Euronext в январе-феврале 2024 имеет среднедневной оборот около 10-11 млрд в долларовом выражении, лондонская LSE – $4.5-5.5 млрд, Deutsche Börse – $3.5-5 млрд, Nasdaq Nordics & Baltics – $3-3.5 млрд, швейцарская SIX – $3-3.4 млрд, испанская BME – $1 млрд, Мосбиржа – $1-1.3 млрд, Tel-Aviv Stock Exchange- 1-1.2 млрд.

Торговый оборот на всех европейских биржах балансирует около 30-35 млрд долларов в день акциями национальных эмитентов (облигации не учитывал в расчетах, как и паи фондов и депозитарные расписки иностранных эмитентов). 

В Японии оборот торгов в среднем $30-40 млрд (обороты выросли в последние месяцы).

В США сейчас проходит оборот около $350-450 млрд (ближе к 400 млрд в среднем плюс-минус) в день, т.е. более, чем на порядок больше, чем в Европе и Японии.

Крипта кратно обогнала всю Европу, Японию и приближается к объему торгов американскими акциями, что ранее было невероятно. 

Причем по Bitcoin оборот прошел выше 100 млрд за сутки, что делает Bitcoin делает самым торгуемым активом за всю историю существования глобальной финсистемы, обгоняя существующих рекордсменов (Nvidia, Apple, Tesla), где обороты 10-50 млрд в сутки.

Оборот на крипторынке существенно вырос. В 2021 среднедневной оборот был около $120 млрд, в 2022 – $74 млрд, с января по сентябрь 2023 – $40 млрд, с окт.23 по янв.24 – $54 млрд (период первой волны пампа и январская стабилизация). В феврале обороты выросли до $75 млрд и вот невероятные $270 млрд, что является повторением рекордов 2021.

▪️По деривативам на крипту прошел ошеломляющий оборот в 1.4 трлн долларов в моменте за 24 часа, что в 6 раз больше типичного оборота в последние три месяца. 

 Для сравнения, среднедневной оборот на срочном рынке Мосбиржи составляет $3.3-4 млрд для всех видов деривативов (валютные, процентные, фондовые, индексные, товарные) с учетом опционов, т.е. в 400 раз меньше пикового оборота в крипте.

▪️Капитализация крипты в моменте достигала $2.6 трлн (текущая около 2.3 трлн), учитывая все обращающиеся монеты, хотя некоторые агрегаторы показывали максимум капитализации 2.5-2.55 трлн, но не все учитывают трешкоины.

Капитализация всех национальных эмитентов Германии – $2.35 трлн, Франции – $3.26 трлн, Великобритании – $3.43 трлн, Испании – $0.66 трлн, Италии – $0.82 трлн в условиях, когда европейские акции находятся на историческом максимуме. 

▪️В период с 18 по 23 часа по МСК на крипто рынке было утилизировано 15% капитализации или почти 400 млрд долл. 

Это не является рекордом ни в процентном, ни в абсолютном выражении (крупные разгромы были в янв.24, ноя.22, в мае-июне 2022 и легендарный день 19 мая 2021, когда был обвал на 23%), однако рекордом является аккумуляции капитализации в первой половине дня высокими темпами и тотальная ликвидация к концу дня, т.е. резкая смена направления на рекордных оборотах и при рекордной волатильности.

▪️Внутридневная волатильность, взвешенная на торговой оборот, обновила исторический максимум практически для всех монет – многие трешкоины потеряли половину стоимости по внутридневному максимуму/минимуму.

Волатильность в период с 22:30 по 23:40 по МСК выросло примерно в 30 раз относительно средней волатильности за три месяца, а обороты в 20 раз. 

Тотальная утилизация капитализации после обновления локального максимума в 95% случаев с 2017 приводила к последующему снижению, как минимум, на горизонте 8 недель. 

С высокой вероятностью, памп трешкоинов в несколько раз с начала февраля закончился также, как и обычно – игра закончена.

Крипторынок стал слишком крупными, чтобы его игнорировать, аккумулируя глобальную ликвидность внутри себя.

Что происходит с долговым рынком США после начала активных размещений в июне 2023?

Совокупные размещения составили 2.5 трлн по собственным расчетам на основе данных  Казначейства США. 

За всю историю работы Минфина США не было более активного периода заимствований с учетом сезонности с июня предыдущего года по февраль отчетного года.

За сопоставимый период времени в 2023 было занято 1070 млрд, в 2022 – 1660 млрд, в 2021 – 1928 млрд, в 2020 – 1042 млрд, в кризис 2009-2010 около 1 трлн.

Таким образом, изъятие с рынка 2.5 трлн за 9 месяцев – серьезная нагрузка, но не рекордная. 

По сумме за 12 месяцев максимум размещений был к 10 февралю 2021 – 4.4 трлн, но подобный долларовый пылесос перекрывался монетарным бешенством ФРС в терминальной стадии, когда за 12 месяцев ФРС «выбросила» в рынок 3.4 трлн, т.е. заимствования Минфина США с коррекцией на операции ФРС дали минус 1 трлн (3.4 – 4.4).

Сейчас иначе, за 12 месяцев размещено 2.6 трлн, а ФРС изъяла с рынка около 0.8 трлн за год, т.е. баланс составляет минус 3.4 трлн, что гораздо тяжелее для финсистемы.

Какая структура размещений 2.5 трлн размещений с июня 2023?

•  Векселей разместили чистыми на 2 трлн с 1 июня 2023 по 29 февраля 2024, где было размещено 17.1 трлн векселей при погашении на 15.06 трлн.

•  Нот (трежерис от 2 до 10 лет включительно) разместили всего на 120 млрд, где валовые размещения - 2.43 трлн, а погашения – 2.31 трлн.

•  Бондов (трежерис от 10 лет) разместили на 323 млрд, где валовые размещения - 346 млрд, а погашения – 23 млрд. 

•  Инфляционных облигаций разместили на 32 млрд.

На 80% размещения происходят в векселях, покрытие которых практически полностью было обеспечено ресурсами в обратном РЕПО (сокращение с 2.4 до 0.4 трлн). 

Обычно в кризис Минфин делает резкое смещение в сторону векселей, как наименее проблемный тип бумаг, выжираемый фондами денежного рынка и инвестбанками при профиците ликвидности и далее последовательно перебрасывает долг в среднесрочные и долгосрочные облигации. 

Сейчас наступает наиболее сложный период для Минфина США за многие годы – непомерные аппетиты в заимствованиях при внутреннем дефиците ликвидности.

За последние 12 месяцев чистые размещения Минфина США составили почти 2.6 трлн, из которых 2.5 трлн захватили с июня 2023 по февраль 2024 (абсолютный рекорд), т.е. долларовый насос работает лишь 9 месяцев и на полную мощность.

Текущая кэш позиция 0.8 трлн, в следующие 10 месяцев до конца календарного 2024 оценочный дефицит может составить 1.7-1.9 трлн или 2-2.2 трлн за год, это оптимистический сценарий, скорее всего будет больше.

Учитывая, что Минфин не может обнулить кэш, с рынка придется занять до 1.5 трлн в следующие 10 месяцев по нижней границе. В обратном РЕПО осталось 0.4 трлн, т.е. резервов уже нет.

В 2021 при рекордных размещениях QE работало в режиме «срыва резьбы», т.е. QE перекрывало внутренний дефицит ликвидности, а сейчас QT, т.е. изъятие ликвидности в темпах около 70 млрд в месяц. 

С июня QT скорее всего отключат полностью, но это мало что изменит, т.к. необходимо QE, либо снижение аппетитов Минфина. 

Перед выборами демократы не будут снижать свою прожорливость, скорее даже увеличат, а денег уже нет (к ноябрю все внутренние резервы будут обнулены). 

Вариантов немного: обрушать крипту и величайший пузырь в истории человечества  в ноль для принудительного перераспределения ликвидности в трежерис, либо запускать QE уже к осени. 

Перед выборами утилизировать пузырь весьма опасный вариант, но скорее всего утилизируется сам, как в 2008 (там тоже были выборы), поэтому могут опять куякнуть, что безусловно подорвет авторитет ФРС и может спровоцировать очередную волну инфляции.

Тем временем, рыночный долг достиг 26.8 трлн, где векселя – 6 трлн, ноты 13.8 трлн, бонды – 4.4 трлн, TIPS – 2 трлн, FRN – 0.5 трлн.

Валовые процентные расходы достигли 850 млрд за год, где выплаты по векселям стали сопоставимы с выплатами по нотам впервые в истории – по 320 млрд в год! 

Средневзвешенная ставка обслуживания всего долга на максимуме с 2011 и продолжает расти.

Обвал на американском рынке может начаться в любой момент и прежде, чем это произойдет необходимо зафиксировать исторический момент, не имеющий аналогов.

Практически весь февраль я фиксировал интересные наблюдения по величайшему пузырю в истории человечества, а ниже консолидация ключевых статистических фактов по американскому рынку и еще немного актуальной информации.

С минимума 27 октября по максимум 1 марта американский рынок вырос на 25.3% и это кажется не так феерично, если бы не факты по собственным расчетам.

▪️Было создано почти 11 трлн капитализации в моменте, что в точности сопоставимо с дотком пузырем 1995-2000, но тогда это заняло 5.5 лет, а сейчас 4 месяца – интенсивность прироста невероятная. С учетом инфляции в дотком пузырь было создано около 19 трлн капитализации в ценах 2024.

▪️За 75 лет (период доступности статистики по внутридневным колебаниям) не было ни одного года, когда рынок рос с сопоставимой скоростью, как в 2024 (25.3% с 27 октября по 2 марта). Наиболее близкие аналоги: 1986 -21.7%, 1991 – 21.6%, 1963 и 1998 – 20%.

▪️Без учета сезонности по скользящему сравнению 25% рост за 85 торговых дней за 75 лет происходил всего 13 раз, а за последние 35 лет всего 7 раз: июл.20, апр.19, фев.12, июл-ноя.09, июл.03, янв.99, авг.97, мар.91.

Однако, подобному росту практически всегда предшествовал сильный обвал, как минимум на 15%, т.е. восстановление происходило с локальных минимумов на фоне сильного восстановительного импульса в экономике (2003, 2009, 2020) и смене монетарной политики (период смягчения ДКП и резкая фаза QE, как в 2009 и 2020) или же подъем после сильного падения в 2019 или 2012.

Рост рынка в начале 2019 (сопоставим с 2024) произошел после снижения на 20% в конце 2018 (аналогичный сценарий в 2011-2012), тогда как в октябре 2023 снижение было лишь на 11%.

За 75 лет было три раза, когда рынок рос на 25% за 85 дней без предшествующей коррекции – 1997, 1987 и 1980, однако в 1980-х было восстановление с исторических минимумов после 25 лет застоя на дне.

Соответственно, лишь один раз в истории (1997) рынок был в сопоставимом угаре.

▪️Волатильность рынка находится на историческом минимуме. За 75 лет сопоставимая или более низкая волатильность была лишь дважды – янв.18 и фев.20, спустя 30 дней происходил рекордный всплеск волатильности и обвал на 12 и 35% соответственно. 

Волатильность рынка вдвое ниже, чем в 1997 и втрое ниже, чем в 1998-2000. Соответственно, впервые в истории рост рынка на 25% за 85 дней происходит в отсутствии давления продавцов, даже в апреле 2019 волатильность была на треть больше. 

▪️Устойчивость тренда, взвешенная на волатильность, самая сильная в истории – собственный индикатор, объединяющий скорость прироста капитализации, волатильность и предрасположенность к коррекциям на 2.5-3% на траектории роста. 

Сильный рост обычно сопряжен с битвой покупателей и продавцов (объемы и волатильность), что было в 2009 и 2020, тогда как низковолатильный рост обычно имеет низкую интенсивность, как в 2013, 2017 и отчасти в конце 2019.

▪️Если среднее значение S&P500 в марте будет выше 5011 – это будет пятый месяц подряд роста. Подобное случалось в 1961, 1967, 1983, 1986-1987, 2012, 2017 и 2021, однако, учитывая интенсивность роста, сопоставимые аналоги только 1986-1987, но тогда мульпликаторы были крайне низки, а сейчас рекордные. 

▪️Рынок с начала года вырос на 7.8% - более сильный старт года при успешном завершении предыдущего года был только в 1987 и 1998.

▪️Важно отметить, что никогда в истории рынок не рос с подобной интенсивностью в условиях сокращения денежной массы и центральной ликвидности и при стагнации реального сектора экономики. 

Обычно сбалансированный рост рынка происходит на траектории роста экономики и при мягкой ДКП, как в 2003, 2009, 2012, 2020, либо как компенсация обвала (2019), но не в стагнации и не в сжатии ликвидности.

По совокупности факторов (устойчивость тренда, скорость накопления капитализации, волатильность, мультипликаторы) с учетом внешних условий, обосновано говорить о величайшем пузыре в истории человечества.

Колоссальная эскалация идиотизма, начатого с Nvidia, постепенно инфицирует все новые сегменты финансового рынка.

Крипто рынок установил несколько невероятных рекордов (по собственным расчетам). 

•  Был установлен рекорд торгов на всех крипто биржах на спотовом сегменте с участием всех крипто пар, где объем торгов вырос до невероятных 190 млрд долл за 24 часа без учета стейблкоинов, половину из которых забрал Bitcoin! Объем торгов не менее, чем 3.5 раза выше типичного. 

•  Объем на споте в крипте составил половину от объема торгов акциями на рынке США и значительно обогнал объем торгов всеми европейскими акциями. Это примерно в 200 раз больше торговли российскими акциями. 

•  Капитализация рынка криптовалют выросла в моменте до 2.3 трлн, что выше капитализации всех немецких компаний.

•  Был установлен абсолютный рекорд торговли деривативами более, чем в 500 млрд за 24 часа на всех крипто биржах, что примерно в 4.2 раза выше среднего оборота за последние три месяца.

•  Это самый сильный трехдневный рывок капитализации для Bitcoin в долларовом выражении (но не в процентном) за всю историю торгов и самый сильный прирост капитализации для всего крипто рынка за весь период торгов – 380 млрд долл или почти 20% прироста в моменте (за три дня), обновив рекорды 2021.

•  В период с 17:30 28 февраля по 03:00 29 февраля по МСК была установлена рекордная волатильность торгов, когда было создано 150 млрд капитализации к 20:15, далее резко потеряно 190 млрд менее, чем за 20 минут, вновь создано 80 млрд за полчаса и потеряно 90 млрд за следующие пол часа и так далее.

•  Волатильность торгов выросла примерно в 20 раз и объемы в 10 раз в указанный выше пиковый период относительно средних показателей за последние три месяца. 

•  Взвешенная на объем торгов волатильность обогнала прошлый рекорд от 3 января 2024 примерно втрое.

В итоге рекордная волатильность, запредельные обороты торгов и рекордный прирост капитализации – вот, что делают с рынком пришедшие деньги продавцов акций Nvidia в первой волне и каскадные маржин коллы. 

Халвинг и ETF не основная причина. Кто не понял, основной драйвер роста – горячие спекулятивные деньги вышедших в кэш продавцов акций Nvidia на волне роста и еще дюжины технологических компаний, они и разогнали крипту, европейский и японский фондовые рынки с 18 января.

Важность рынка крипты в том, что концентрация ликвидности сильно превосходит рынок Японии и Европы и примерно половина от американского рынка, т.е. нечто запредельное (с точки зрения оборота торгов).

А ведь все началось с ChatGPT. Логика простая и очевидная: 

• ChatGPT вывел ИИ из маргинальной среды техногигов и отраслевых специалистов в масс маркет с января 2023 с усилением волны внимания с марта по июль 2023 на траектории интеграции ChatGPT 4, что создало хайп и концентрацию внимания и ликвидности, как инвесторов, так и компаний вокруг ИИ.  Все это вспучило технологические компании, прямо или косвенно, являющиеся провайдерами ИИ. Новая волна ИИ хайпа началась с ноября 2023.

• Интерес к ГИИ поднял на новый уровень интерес к широкому применению ИИ, а вместе с ним и ко всем ИТ компаниям. 

• Рост технологических компаний в пропорции 1:4 привел к росту прочих компаний по принципу сообщающихся сосудов и финансовой связанности.  

• Рост рынка США перебросился на рост рынков ключевых союзников США (Япония и Европа), где существует финансовая кооперация и трансграничная связанность финансового капитала. Инвесторы, которые ранее покупали технологические компании (до ИИ хайпа) выходили в кэш и искали новые точки приложения капитала (крипта + рынки Европы и Японии).

• За распуханием финрынков начал расти различный спекулятивный крипто-скам в несколько волн, однако хайп вокруг ИИ и технокомпаний прочно коррелирует с приростом капитализации крипто-скама.

Косвенно, можно признать, что ChatGPT вывел капитализацию мировых рынков и крипты на исторические максимумы, сформировав в совокупности более 15 трлн прироста стоимости, где американские акции более 10 трлн. Провайдерами хайпа стали Nvidia и еще дюжина тяжеловесов в ИТ секторе.

Ровно 4 месяца прошло с образования самого мощного ралли на американском рынке, сформировавшего в моменте свыше 10.5 трлн долларов капитализации. 

Событие крайне редкое, историческое. Если вести учет с 1875 года, за 150 лет было зафиксировано только два пузыря по данным объективного контроля – пузырь 1929 и 2000, а сейчас формируется третий, который по совокупности факторов превосходит все то, что было раньше.

Вот ключевые факты о рынке согласно собственным расчетам:

▪️За 4 месяца к 27 февраля 2024 был сформирован аналогичный прирост капитализации (около 10.5 трлн), как в активной фазе пузыря доткомов более, чем за 5 лет с января 1995 по март 2000, однако, с учетом инфляции в 1.8 раза меньше по объему, но не по скорости – сейчас 4 месяца, тогда более 5 лет.

▪️Никогда в истории торгов рынок не рос более, чем на 23.8% (текущий случай) в период с 27 октября предыдущего года по 27 февраля отчетного года, а наилучший результат был 24.6% к 23 февраля. Максимальная производительность с учетом сезонности была в 1998–20%, 1991–20.9%, 1987–20.2%, 1986–21.1%, 1963–21.6%.

▪️За всю историю организованных торгов было только два раза, когда рынок вырос на 24% за 4 месяца (по скользящему сравнению) без предшествующей коррекции, т.е. находясь на высокой базе разгона – это август 1997 (29%) и март 1987 (23.8%, как и в 2024). 

Формально еще в августе 1980 (25.9%), однако тогда рынок был на экстремально низкой базе, более 10 лет пролежавший на дне. В этот раз рынок разогнали на предшествующей коррекции всего 11% от локальных максимумов июля 2023 (высокая база сравнения). Ранее рынок начинал быстрый рост после коррекции минимум на 15%.

Все прочие случаи роста более, чем на 24% за 4 месяца были в условиях восстановления после сокрушительного обвала, как, например в июле 2020 после мартовского коллапса, апрель 2019 после обвала в декабре 2018, в середине 2009 после уничтожения рынка в 2008, в июле 2003 после трехлетнего снижения с марта 2000 и так далее. 

Еще никогда в истории рынок не рос на 24% за 4 месяца на высокой базе старта без предшествующей коррекции в условиях сокращения ликвидности в системе и при стагнации промпроизводства.

▪️Еще никогда в истории рынок не рост на 24% за 4 месяца при экстремально низкой волатильности. 

За 82 торговых дня текущая волатильность рынка находится на историческом минимуме, а более низкая волатильность за 150 лет была только два раза в январе 2018 и феврале 2020, а далее последовал высоко-скоростной обвал на 11 и 35% соответственно. 

В условиях сопоставимой интенсивности роста в июле 1997 и марте 1987 волатильность была втрое выше и в 6 раз выше в следующие полгода.

▪️Соотношение опционов CALL/PUT в рекордном дисбалансе в сторону CALL, что означает полную утрату чувства страха. Рекордно низкая волатильность в совокупности с рекордно низкой страховкой от падения в 100% случаев приводили к обвалу более, чем на 10% в перспективе 30 торговых дней.

▪️Сейчас идет 255 торговый день без коррекции на 2% за торговый день. Это не рекорд, но в среднем подобная серия бывает раз в десятилетие. Последний раз в январе 2018 – 351 торговый день.

▪️Сила устойчивости тренда одна из самых сильных в истории – это собственный индикатор, показывающий глубину внутридневных колебаний и предрасположенность к коррекциям более, чем на 2.5% на траектории роста. 

Обычно интенсивный рост рынка сопровождается высокой волатильностью и локальными коррекциями на 2-3% в пределах 3-7 торговых дней, как было в период с апреля по декабрь 2009 и с марта по декабрь 2020. 

Направленный сильный рост с низкой волатильностью и без коррекций – редчайший паттерн. Такое было в январе-апреле 2019, августе-декабре 2017, июле 2006-феврале 2007, с января по апрель 1998, с апреля по август 1997 и с января по июль 1995. 

Однако, единственный раз в истории, когда интенсивный рост сопровождался исключительной устойчивостью тренда на высокой базе – это 1997 на пике пузыря, но в этот раз волатильность намного ниже, поэтому 2024 вне конкуренции.

И это еще не все…

Nvidia – акция, которая концентрирует практически весь свободный денежный поток мировой финансовой системы. 

Масштаб настолько ошеломляющий, что всего одна Nvidia (1.9 трлн) сопоставима с капитализацией национальных рынков ведущих стран. Так, например, капитализация всех публичных компаний Германии составляет $2.3 трлн, Франции – $3.2 трлн, Италии – $0.8 трлн, Испании – $0.65 трлн, Великобритании – $3.3 трлн, России – $0.65 трлн.

Nvidia, создав почти 1.5 трлн капитализации с начала 2023, показала самое быстрое и масштабное приращение стоимости за всю историю глобальной финсистемы. За 10 лет акции выросли в 200 раз!

Ни одна акция за всю историю торгов не имела накопленный объем торгов свыше 700 млрд долл за месяц по собственным расчетам. 

Ни одна компания не формировала тренд индустрии подобной силы, сопрягая в неистовое и оголтелое раллирование все смежные компании. Триггерит Nvidia и следом за ней идут все остальные.

Распродажа в Nvidia с 19 февраля привела к каскадному обвалу перегретых акций в техно-секторе, нашпигованным хайпом вокруг ИИ.

Ни одна компания не выжигала до 1/4 общенациональных сбережений США для поддержания безумного пузырения.

Американский рынок – это есть Nvidia и все прочие компании. 

Закрытие позиций в Nvidia со стороны первой волны спекулянтов с октября 2023, - организовало ралли в криптовалютах (реализация прибыльных позиций в Nvidia и переброска горячих денег в крипту), вторая ограниченная волна пошла с 7 февраля. 

Около 500 млн баксов ежедневного финпотока в ETF, связанных с Bitcoin – это деньги, преимущественно вынутые из Nvidia теми, кто продает пузырь новой волне ждунов в вечный рост.

Сейчас на американском рынке две иконы – Дженсен Хуанг (Nvidia) или более известен, как «черная кожаная куртка» и Сэм Альтман (OpenAI). Все прочие инфоповоды и события настолько ничтожны и малозначительны, что не способны оказать влияние на рынок. ФРС вместе с выступлениями Пауэлла деклассированы до детской самодеятельности в провинциальном театре, а скучная макростатистика никого уже не интересует.

Концентрация идиотизма настолько высока, что для поддержания пузырения Nvidia с конца января начали изымать кэш из других акций (большинство компаний вне технологического сектора легли в нисходящий дрейф). Сейчас весь рынок, вся финсистема работает в интересах Nvidia и еще дюжины хайпо-поглотителей ИИ.

Nvidia создала сильнейшее ралли в истории человечества объемом в 10 трлн с начала 2023 (основной рывок с ноября), 1.5 трлн из которых сидит в самой Nvidia, вот именно Nvidia этот идиотизм и похоронит.

Nvidia представила отчетность, которая ожидаемо сильная, но не оправдывает авансирования в контексте разгона капитализации. Очень подробный анализ отчетности американских компаний будет дан в марте.

Сейчас Nvidia генерирует 22 млрд выручки и 12 млрд чистой прибыли за квартал, т.е. вполне выходит на потенциал до 100 млрд выручки и 50 млрд прибыли за год (по факту за 12 месяцев 61 и 29.8 млрд соответственно).

Однако, даже при таких результатах (их еще необходимо реализовать), текущая оценка примерно в 3.5 раза выше, чем средний показатель по индустрии. 

Для того, чтобы при капитализации 1.8 трлн Nvidia вышла на средне исторический показатель для своего сегмента, необходимо показывать около 350-400 млрд выручки и 100-120 млрд прибыли, что очевидно невозможно – нет столько потребителей ИИ продуктов.

То, с каким остервенением рынок выжирает любое упоминание об ИИ свидетельствует, как о помешательстве, так и о глубокой невменяемости (подобное уже выдели в конце 90-х, но на порядок в меньшем масштабе).  Все это хорошо и замечательно, но не по таким ценам.

Безумие не имеет срока давности и каждый раз все развивается по одному и тому же сценарию.

Nvidia прибавила за день 277 млрд (22 февраля– самый значительный однодневный прирост капитализации для одной компании за всю историю мировых торгов (прошлый рекорд был у Meta на торгах 2 февраля 2022 – 197 млрд) с более, чем 66 млрд оборота торгов (рекорд).

Тот грандиозный, ошеломляющий, монументальный, немыслимый и фееричный идиотизм, который оформили в спекулятивном ИИ ралли не имеет даже исторических аналогов, но обо всем по порядку. 

Следует отметить, что каждый раз для экспансии пузыря находится фундаментальное обоснование.

В 1924-1929 фундаментальным обоснованием была технологическая революция в автомобильной промышленности, активная индустриализация (первое внедрение промышленных кластеров), развитие нефтегазового и металлургического комплекса, появление радио и развитие телеграфа, массовое появление строительных компаний, бум на рынке коммерческой и жилой недвижимости.

В 1995-2000 фундаментальным обоснованием была активная цифровизация, повсеместное внедрение компьютеров, интернета и мобильной связи в промышленности, бизнесе, в государственных структурах и среди частных лиц. По факту реализовывалась технологическая революция в сегменте ИТ - именно в 90-х ИТ сектор получил параболический взлет, где создавались новые отрасли экономики, прямо или косвенное связанные с ИТ.

В обоих случаях взлет фондового рынка происходил на фоне выдающихся экономических успехов.

Накопленный рост ВВП с 1924 по 1929 (6 лет) составил 32.6%, а с 1995 по 2000 почти 27%, т.е. в 20-х среднегодовой темп прироста ВВП был 4.8%, а в конце 90-х немногим около 4.1%.

Росли доходы населения, увеличивались финансовые показатели бизнеса, государственный бюджет был сбалансированным, экономика функционировала более, чем хорошо, т.к. реальный прирост экономики был выше скорости прироста долгов. 

За 5 лет на пике в сентябре 1929 рынок вырос в 3.6 раза, а за сопоставимый срок в 90-х годах (в эпоху пузыря доткомов) рынок вырос в 3.4 раза. Соответственно среднегодовой рост в 20-х годах бы 29.2%, а в 90-х около 27.8% по номиналу.

В денежном выражении капитализация в сентябре 1929 прибавила около 94 млрд (на пике было почти 130 млрд для всех публичных акций), а в марте 2000 капитализация рынка была около 16 трлн с приращением почти 11 трлн за 5 лет по номиналу.

С сентября 1929 по февраль 2024 цены выросли почти в 14 раз, т.е. в ценах февраля 2024 прирост капитализации 1925-1929 составил всего 1.3 трлн долларов, а с марта 2000 по февраль 2024 цены выросли почти на 72%, т.е. с учетом инфляции пузырь доткомов 1995-2000 прибавил 19 трлн.

С минимума 27 октября 2023 по максимум 22 февраля 2024 капитализация рынка увеличилась на $10 трлн (менее, чем за 4 месяца), тогда как в ценах февраля 2024 прирост капитализации в  ралли 1925-1929 составил 90 млрд в среднем за 4 месяца, а пузырь доткомов имел среднюю интенсивность 1.3 трлн за 4 месяца.

ИИ ралли более, чем в 7 раз интенсивнее ралли доткомов с учетом инфляции.

Всего за 1 день в ралли имени Nvidia от 22 февраля прирост капитализации всего рынка составил $1.1 трлн, где Nvidia внесла 277 млрд.

Последний раз более существенный прирост капитализации рынка был 1 декабря 2022 (1.2 трлн), однако это произошло после затяжного падения на протяжении всего 2022. 

Еще никогда за всю историю торгов рынок не прибавлял более $1 трлн капитализации за день, будучи на хаях (ранее подобное происходило в компенсацию обвала).

Сценарий пузырения однотипный: 

•  появление фактора, вызывающий возбуждение (технологическая революция, как правило), 

•  интенсификация хайпа и массовое вовлечение с обостренным чувством оптимизма и веры в светлое будущее (на этот раз точно все будет по-другому)

•  эйфория на фоне диспропорции между ожиданиями и реальность, когда скорость абсорбации доходов и сбережений в рынке кратно превышает их аккумуляцию

•  отрезвление и жесткий коллапс.

На этот раз разница в том, что рост рынка кратно сильнее, экономика даже близко не в фазе экспансии, фактор ИИ сильно переоценен, а источник сбережений и доходов уже обнулен.

Как американский рынок сошел с ума – те самые хроники безумия.

Чтобы лучше понимать степень помешательства на теме ИИ, лучше обратить внимание на два кейса – Nvidia и Super Micro, но сначала немного цифр.

• К 19 февраля 2024 свыше 10 трлн капитализации рынка с начала 2023 или почти 20% от капитализации всех публичных американских компаний создано на волне хайпа вокруг ИИ согласно собственным расчетам на основе данных торгов и структуры рынка.

• Без фактора ИИ рынок находился бы в диапазоне 3500-4400 пунктов со средневзвешенным значением около 4000-4100 пунктов.

• Рынок рос в несколько волн – первая волна с середины марта по август 2023 и вторая волна с ноября по настоящий момент.

• Почти 9 трлн капитализации было создано с 27 октября, что по совокупности факторов является сильнейшим ралли за всю историю существования рынка.

• В структуре прироста на 10 трлн свыше ¾ концентрируются на компании прямо или косвенно, связанные с ИИ, а остальное через механизм обратных связей было распространено на прочие компании на траектории улучшения конъюнктуры и восприятия долгосрочных экономических перспектив.

• В рамках дисконтирования денежных потоков и рыночных прогнозов по развитию ИИ предполагается, что к 2030 году будет создано еще 25 трлн дополнительной капитализации сверх уже созданных 10 трлн согласно собственным расчетам.

• Экономический эффект ИИ с точки зрения капитализации оценивается в 35 трлн долл. Фонды, которые инвестируют сотни миллиардов долларов «живых денег» в выкуп ИИ компаний по хаям предполагают, что их инвестиции вырастут в 2-3 раза в следующие 6-7 лет.

• Последние 100 лет состояли из непрерывного технологического прогресса, когда создавались целые индустрии – автопром, машиностроение, химия, аэрокосмические технологии, компьютеры и интернет. Но никто и никогда не рос так стремительно, как хайп вокруг ИИ.

• За всю историю человечества не было более быстрого создания стоимости вокруг одной, практически полностью изолированной технологии с неясными перспективами и крайне противоречивым реальным экономическим эффектом.

• Скорость прироста капитализации, как минимум, на порядок в относительно сравнении и на несколько порядков в денежном выражении превосходит скорость прироста капитализации за последние 100 лет в рамках технологического прогресса и внедрения принципиально новых технологических решений в различных отраслях экономики по собственным расчетам.

• Единственный пример за 100 лет, когда технологии оказывались видимый макроэкономический и рыночный эффект – распухание пузыря доткомов в конце 90-х, но тогда все было в разы скромнее.

• Взлет рынка обусловлен развитием ИИ в общем и языковых моделей, в частности, а основной триггер сформировал успешный старт ChatGPT.

• Методологически не совсем корректно, хотя, по сути, будет обоснованно утверждение, что ChatGPT сформировал 10 трлн капитализации, которая уже в цене и на табло, плюс еще 25 трлн ожидаемой капитализации в следующие 6-7 лет. Чатбот ценой в 35 трлн.

• Практически все движение рынка с капитализацией более 51 трлн обусловлено анонсами OpenAI и выступлениями Сэм Альтмана, которые по степени влияния стал самым могущественным человеком планеты в моменте, деклассировав всех политиков и финансистов.

• О там как рынок сошел с ума - Сэм Альтман выступает в роли бога, а его интервью тематическими изданиями разбираются с точностью до количества хлопков ресниц и тональности голоса в попытке разглядеть намеки на будущие продукты OpenAI.

• Почти 1.5 трлн прироста капитализации или 15% от общего эффекта было создано только в одной компанией – Nvidia.

• Технологические компании держат почти половину от оборота торгов и рыночной ликвидности, что вдвое выше нормы.

• Super Micro установила абсолютный мировой рекорд по приросту капитализации за месяц (252% max/min) для компаний, рыночная оценка которых в моменте превышала 50 млрд долл.

• Super Micro установила мировой рекорд по обороту акций – свыше 60% от фрифлоата за день для высоко капитализированных компаний по собственным расчетам в рамках первичного бэктестинга.

Фокус концентрации ликвидности.

Истории успеха рождают легенды и провоцируют хайп, но ни одна история успеха не бывает долгосрочной и всегда коллапсируют из-за дисбаланса реальности и перегретых ожиданий.

Вопрос лишь в масштабе коллапса и в последствиях.

Инвестидея, основанная на вере в светлое будущее, хороша до тех пор, пока реальность подтверждает эту проекцию, но проблема в том, что физический мир всегда ограничен в масштабировании, а вера в светлое будущее – безразмерна, что формирует гэп/разрыв между реальным приращением бизнеса и галлюцинированным бредом инвесторов/спекулянтов.

Две уникальные истории, которые концентрируют вокруг себя весь доступный капитал – Nvidia и Super Micro. Их бы можно было обойти вниманием, если бы не их невероятный масштаб.

К 20 февраля среднедневной объем торгов всех американских акций в свободном обращении на биржах NYSE и NASDAQ составляет около 370 млрд долл в среднем за 30 торговых сессий по собственным расчетам.

Свыше 1600 компаний имеют среднедневной объем торгов свыше 10 млн в среднем за последние 30 дней, более 100 млн объема торгов у 556 компаний, более 250 млн – 268 компаний, более 500 млн – всего 123 компании, более 1 млрд – 46 эмитентов и 47% от общего объема торгов.

Элита (более 3 млрд объема торгов) представлена всего дюжиной компаний: Broadcom, Alphabet и Netflix по $3.2 млрд оборота в день, Berkshire – $5.9 млрд (объем торгов вырос в 5 раз за два года), Super Micro – $6.5 млрд, Amazon – $8 млрд, Meta – $8.8 млрд, Microsoft – $9.8 млрд, Apple – $10.4 млрд, AMD – $14 млрд, Tesla – $22 млрд и Nvidia – $31 млрд млрд.

Выше представленная группа формирует 34% от объема торгов всех публичных компаний, а Nvidia и Super Micro более 10%!

Насколько это значительный объем торгов? Например, в России среднедневной объем торгов составляет менее 0.9 млрд долл по всем акциям, всего 22 компании имеют оборот более 10 млн долл и лишь одна компаний более 50 млн (Сбербанк).

За один день по Nvidia и Super Micro проходит столько, сколько по всем российским акциям за два месяца! Даже для американского рынка обороты экстраординарные.

Сейчас в США за один день оборачивается около 0.7% от капитализации всех публичных компаний и около 0.85% от фри-флоата, но есть особые истории: Nvidia – 2.1% от фри-флоата, Tesla – 3.9%, AMD – 5.3%, а у Super Micro рекордные 25.3% для компании с капитализацией более 30 млрд по собственным расчетам.

Причем, в моменте на последних торгов 16 февраля в Super Micro провернулись абсолютный рекорд – более 60% от акций в свободном обращении с рекордной внутридневной волатильностью.

Что все это означает? Максимальное вовлечение в пузырь не на локальном, а на макроэкономическом уровне.

Nvidia стоит 1.8 трлн, за месяц в торгах участвует почти 40% от капитализации или 0.7 трлн, чистый денежный поток оценивается в 20-30 млрд в месяц – примерно столько новых денег требуется, чтобы держать всего одну акцию!

Общенациональные сбережения американских домохозяйств составляют 65-80 млрд в месяц с учетом возросших процентных расходов. Жалкие 65-80 млрд в месяц, которые участвуют в выкупе облигаций и концентрации в денежных активах.

Стоит ли говорить, что пузырение активов далеко вышло за предельную способность в обслуживании этого пузыря? Грядет большой бум и весьма интересно наблюдать за процессом.

Ставка ФРС оставлена в прежнем диапазоне 5.25-5.5%, а объем QT сохранен, хотя планы уже давно не выполняются, особенно по MBS.

Каждая пресс-конференция строится по похоже сценарию – формируется центральный гранд нарратив, вокруг которого все крутится. Когда то в начале ноября это были запредельные ставки по среднесрочным и долгосрочным облигациям – практически сразу началось сильнейшее ралли в истории по совокупности факторов (акции и облигации одновременно).

На этот раз весь нарратив строится над простым вопросом – когда уже … снижать ставку?

Не буду затрагивать скучное вступление Пауэлла, а перейду сразу к сути.

Вопросы были плюс минус все однотипные с уточнение главного.

Ответы Пауэлла:

•  Почти все члены комитета выступают за снижение ставок в этом году, но сроки будут зависеть от уверенности в том, что инфляция находится на устойчивом пути снижения.

•  ФРС видит, что инфляция снижается, а за последние полгода был значительный прогресс. Однако, нам необходимо дополнительное подтверждение того, что инфляция снижается до 2%. Мы не объявляем о победе над инфляцией и нам еще многое предстоит сделать.

•  ФРС не в состоянии назвать точную цифру, когда данных о замедлении инфляции будет достаточно для того, чтобы принять решение о снижении процентной ставки.

•  Наша уверенность растет, но не до такой степени, чтобы мы чувствовали необходимость начать снижение ставки прямо сейчас. 

•  Если рынок труда ослабнет неожиданно, это будет весомым аргументом для более раннего снижения ставок.

•  Политика ФРС не определяется правилами Тейлора или какими-либо другими экономическими правилами и законами. Реальные процентные ставки растут по мере снижения инфляции – это нормально, но рост реальной ставки не является гарантией снижения ключевой ставки.

•  ФРС не рассматривает какой-либо отдельный показатель, а рассматривает финансовые условия в целом. Мы не можем определенно сказать, где находится нейтральная процентная ставка, но также мы не может допустить, чтобы экономика начала снижаться.

•  Сильный рынок труда, снижение инфляции, устойчивый экономический рост – это идеальный сценарий, который казался невероятным.

•  Мы находимся в условиях неопределенного баланса между тем, чтобы снижать ставку слишком рано, не достигнув прогресса в снижении инфляции, и начать снижать ставку слишком поздно, повредив экономику. 

•  Больший риск заключается в том, что инфляция стабилизируется на уровне значительно выше 2%, что приведет к изменению инфляционных ожиданий, поэтому нужно сохранять ограничительную политику. Необходимо увидеть более значительные и продолжительные доказательства снижения инфляции, прежде чем начать действовать.

•  ФРС будет осторожно подходить к вопросу снижения ставок и что решения будут зависеть от экономических данных.

•  ФРС отмечается неопределенное влияние ИИ на производительность и пока не включает этот фактор в свои модели, предполагая, что влияние будет на долгосрочном горизонте, тогда как текущие задачи состоят в том, чтобы нормализовать инфляцию.

•  ФРС обсуждала вопрос замедления снижения балансовых показателей на январском заседании. Мы планируем углубленное обсуждение баланса ФРС на следующем заседании в марте. Мы находимся в самом начале этого процесса.

•  Мы не рассматриваем синхронизацию процесса снижения баланса ФРС и ставки одновременно – это не связанные между собой процессы.

•  Где триггер, после которого ФРС начнет сокращать темпы QT? Снижение обратного РЕПО до нуля или до 200 млрд является ли триггером отмены QT? Нет никакого явного триггера, но именно о параметрах QT мы будем говорить на мартовском заседании.

В этот раз тональность выступления Пауэлла была жестче, чем обычно, сильно остужая горячие головы адептов скоростного снижения ставок. 

Экономическая и рыночная ситуация дает ФРС время, чтобы оценить обстановку и выбрать наиболее удобный тайминг для маневров.  Нет сомнений в том, что любой шок и реверс политики произойдет молниеносно.

Весьма вероятно, что:

Снижение ставки может начаться в мае-июне

Сокращение QT с апреля, а полное отключение в июле-августе.

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»

Сильнейшее ралли за всю историю существования американского рынка акций по совокупности факторов.

На 26 декабря 2023 индекс S&P 500 находится на максимуме с 4 января 2021 и лишь в полу проценте от исторического максимума по закрытию дня.

От внутридневного минимума 27 октября до максимума 26 декабря S&P 500 вырос на невероятные 16.6%. За последние 100 лет подобное случалось только один раз – в 1962 году, когда индекс вырос чуть сильнее – 17.1% за сопоставимый период по собственным расчетам.

Ноябрь-декабрь обычно являются успешными для американского рынка: за последние 10 лет рынок был в плюсе 7 раз (средний рост 4% с учетом негативных эпизодов), за последние 20 лет – 15 раз (средний рост 3.1%), за 30 лет – 22 раза (3.4%), за 40 лет – 28 раз (3.3%), а за 50 лет – 37 раз 3.1%).

Весьма неплохая торговая стратегия – купить в конце октября и держать до декабря с доходностью почти 19% годовых (за последние 20 лет), даже с учетом негативных эпизодов. В те годы, когда был рост, - доходность составляет 5.6% за два месяца (до 34% годовых) с вероятностью 75% за последние 20 лет.

За последние 100 лет лучший накопленный результат по закрытию дня в ноябре-декабре был в 2020 (14.9%) и … в 2023 (13.9%), а еще в 1954 (13.6%), но 2023 еще не закончен.

Сложно сказать, что было в 1954, но в 2020 подобный рост был обусловлен внедрением вакцинации, открытием экономики, многотриллионной инъекцией со стороны ведущих Центробанков (с марта по декабрь 2020 влили почти 9 трлн долл!!) и V-образной высокоинтенсивной траекторией восстановления макроэкономических индикаторов и корпоративных показателей. 

Обычно столь сильный рост в ноябре-декабре связан со слабой динамикой индекса в сентябре-октябре (в 2023 накопленное снижение 7%, а в 2020 – 6.6%).  

Чем обусловлен рост в 2023? Ничем, кроме как нереалистичными инфантильными надеждами, что «все самое худшее прошли», а «ИИ обязательно спасет мир уже в 2024». 

Учитывая беспрецедентный характер раллирования, январь-февраль может преподнести интересные сюрпризы.

Если обратить внимание на сезонность, исторически, самые лучшие (доходные) периоды для американского рынка акций – это апрель-май и ноябрь-декабрь, также хорошим является июль согласно собственным расчетам.

Например, за последние 20 лет апрель был положительным 16 раз, май – 15 раз, ноябрь – 15 раз, а декабрь – 14 раз по закрытию месяца относительно закрытия предыдущего месяца (подробности в таблице по собственным расчетам).

Плохие месяца – это январь с 10 положительными закрытиями за 20 лет, февраль – 12 раз, август и сентябрь по 11 раз. 

Декабрь 2023 еще не закончился, но накопленный рост уже составляет 4.5% по закрытию дня к ноябрю (это второй результат за последние 20 лет после 2010 – 6.5%). Причем ноябрь был одним из рекордных, что выводит импульс ноября-декабря 2023 в ТОП самых успешных завершений года в истории. 

Любопытно, если оценивать не по закрытию месяца, а среднемесячное значение индекса к среднемесячному значению предыдущего месяца, получается, что в декабре 2023 рост 4.7%, что в 4 раза выше нормы за последние 20 лет и самый сильный рывок с 1986 года - 5%!

Ок, а сколько раз за последние 50 лет S&P 500 рос на 7% и более в ноябре-декабре? Не так и много – всего 9 раз.

•  В 1985 – 11.3%, а в следующие два месяца накопленный рост был 7.4% по закрытию месяца

•  В 1990 – 8.6%, а в январе-феврале следующего года рынок вырос еще на 11.2%

•  В 1998 – 11.9%, а в январе-феврале 1999 рост был на 0.7%

•  В 1999 – 7.8%, в следующие два месяца обвал на 7%

•  В 2001 – 8.3%, далее снижение на 3.6% за два месяца

•  В 2004 – 7.2%, через два месяца минус 0.7%

•  В 2009 – 7.6% и снижение на 1%

•  В 2020 – 14.9%, а в январе-феврале 2021 рост на 1.5%

•  В 2023 – 13.9% ….

Получается, в 8 ранее реализованных сценариях последующий рост за два месяца был в среднем 1.1%, а если считать за последние 30 лет – снижение 1.7% по собственным расчетам. 

Статистически, рынок после сильного роста имеет тенденцию к снижению.

Как выглядит сильнейшее ралли в истории американского рынка акций?

Капитализация рынка на 26 декабря 2023 составляет $48.4 трлн, за год прирост на 23.8% или $9.3 трлн по широкому рынку, т.е. по всем публичным компаниям, имеющих американскую юрисдикцию и торги по которым состоялись 26 декабря (почти 4100 компаний).

ТОП 10 компаний внесли $5.79 трлн в прирост капитализации с начала года, ТОП 20 компаний внесли $6.75 трлн, ТОП 50 компаний – $7.97 трлн, ТОП 100 компаний – $8.87 трлн, а весь прирост рынка сформировали лишь 140 самых успешных компаний согласно собственным расчетам.

Без учета ТОП 20 самых успешных компаний рост рынка составил 9.8% - тоже существенно, но не около рекордные 23.8% для всего рынка. 

С начала года не все сектора в плюсе, несмотря на то, что это один из самых лучших годов в истории американского рынка. Самое значительное снижение показывают коммунальные компании (-10.2%), что совсем не удивительно.

Двумя неделя ранее я очень подробно разбирал (https://t.me/spydell_finance/4662) этот сектор, где концентрация долгов запредельная, а свободный денежный поток отрицательный, т.к., по сути, банкроты. 

Потребительские товары недлительного пользования в минусе на 6.7%, здравоохранение (-1.1%) и нефтегаз (-2.9%). Сектора, которые в минусе формируют 11 трлн капитализации или 22.8% от всего рынка, а в начале 2023 формировали 29.2% от рынка. В совокупности слабые сектора потеряли 3.5% капитализации с начала года.

Основной рост, конечно же, генерируется в технологиях, но об этом более подробно в другой раз.

Относительно безумного ралли с 27 октября рынок вырос на 17.1% или на $7.1 трлн (за два месяца). Все сектора в плюсе (подробности в таблице), но рост, очевидно, неравномерный. 54% вклада в совокупный прирост с 27 октября или $3.83 трлн внесли технологический сектор и финансы. 

Основная разница ноября-декабря 2023 в сравнении с январем-октябрем 2023 является более широкая диверсификация прироста. Если в начале года рост концентрировался в технологических компаниях, сейчас растет весь рынок.

Оценивая потенциал внедрения ИИ, может сложиться впечатление, что люди больше не нужны, но при этом за последние два года было создано почти 8 млн рабочих мест в США, а дефицит занятых оценивается почти в 4 млн человек.

Что здесь не так? Внедрение ИИ идет не первый год. Первое масштабное внедрение ИИ технологий началось в начале 21 века, с 2010-2020 бум интеграций по всем секторам экономики, а с 2023 начался новый этап – экспансия генеративного ИИ.

Под угрозой находятся:

- водители транспорта (по мере внедрение автопилотов),

- почти поголовно операторы Call-центров и службы поддержки пользователей из-за высокоразвитых виртуальных консультантов и помощников, 

- офисные клерки из-за оптимизации и автоматизации значительного количества бизнес процедур,

- бухгалтеры,

- финансовые и юридические консультанты,

- риск менеджеры, трейдеры и инвестиционные консультанты, 

- финансовые и страховые аналитики начального и среднего уровня,

- копирайтеры, рекламные менеджеры, 

- ньюсмейкеры,

- дизайнеры, фото и видео редакторы начального и среднего уровня,

- программисты начального и среднего уровня,

- работники склада и доставки по мере интеграции роботизированных систем и курьеров-беспилотников,

- низко и среднеквалифицированные работники медицины и образования консультационного сегмента,

- работники торговли, сельского хозяйства и промышленности по мере автоматизации процессов.

Список профессий огромный, но ведь как-то раньше переваривали технологический прогресс?

Теоретически, внедрение генеративного ИИ позволит:

 - Существенно ускорить технологический прогресс, более быстро внедряя инновационные разработки и продукты.

- Создать новые рынки и новые отрасли, прямо или косвенно связанные с обслуживание ИИ индустрии.

- Автоматизировать многие процессы, повысить производительность труда, высвобождая рабочую силу.

- Оптимизировать бизнес процессы, повысить скорость и качество принятия решений, минимизируя ошибки.

- Оптимизировать цепочки поставок, склад и логистику, что снизит простои, избыток или дефицит, повышая общую эффективность.

- Снизить риски бизнеса в финансах, страховании и в юридических аспектах.

- Улучшить качество продукции и услуг.

Все это должно существенно повысить рост ВВП, снизить инфляцию, увеличить маржинальность и эффективность бизнеса, делая людей счастливыми. Так что здесь не так?

На самом деле хорошая иллюстрация – это внедрение автоматизации в промышленности в начале 20 века, где расширение применение конвейеров шло с 1915 по 1980, а с 1980-х началось применение АСУ, САПР и высокоинтегрированных промышленных комплексов, пик которых пришелся на 2004-2007 (за последние 15-20 лет практически нет существенных инноваций в автоматизации промышленности на уровне конвейеров).

С другой стороны, пошла новая волна использования роботов, началась интеграция ИИ и использование принципиально новой технологии 3D печати. 

За последние 50 лет промышленность в США выросла в 2.3 раза, а количество занятых сократилось почти на треть. Внедрение инноваций в промышленность за последние 15 лет не оказало влияния ни на уровень маржинальности промышленности, ни на объем выпуска продукций (интегрально по всей промышленности).

Учитывая, что период глубокой автоматизации промышленности длился как раз 50 лет, рост в 2.3 раза не выглядит существенным, не так ли? 

Внедрение ИИ по всей экономике активно идет последние 15 лет, но именно с 2009 консенсус мнение многих академических умов заключается в том, что рост сломался, а общая эффективность падает в сравнении с периодом 1992-2007. 

При этом высокоинтенсивное внедрение инноваций за последние 30 лет (компьютеры, интернет, мобильные телефоны, беспроводная связь, биотехнологии, нанотехнологии, 3d печать, облачные технологии, ИИ) не привело к всеобъемлющему росту безработицы (наоборот, дефицит кадров!).

Эти небольшие зарисовки показывают, что не все так очевидно…

Человек против ИИ – какая предельная глубина интеграции и какая способность замещения человека ИИ?

Вопрос крайне важный, т.к. от этого зависит способность ИИ интегрироваться в человеческие сферы деятельности, а следовательно, фундаментально влиять на структуру рынка труда со всеми вытекающими последствиями.

Какие фундаментальные преимущества ИИ над человеком?

▪️Неограниченный объем памяти и скорость накопления информации. Скорость обучения человека крайне низка, но даже обучившись, человек ежедневно теряет навыки и информацию, т.е. требуется постоянное концентрация на информационной единице (объекте исследований) и поддержка навыков. ИИ достаточно обучиться один раз, чтобы держать информацию в прямом доступе. 

▪️Скорость обработки информации. Параллельная обработка неограниченных массивов информации позволяет практически неограниченно масштабировать вычислительные мощности, где математические задачи могут решаться в миллиарды раз быстрее, чем средний человек. Для чтения и осмысления 5 млн знаков у среднего человека потребуется около 3500 минут, тогда как ИИ может в пределах доли секунды управиться. 

Если у человека не хватит жизни, чтобы познакомиться со всеми произведениями мировой литературы (даже основными), а для ИИ это мгновения. Даже прочитав литературу, человек уже забудет, что было в предыдущей книге (по крайней мере, основные детали), тогда как ИИ помнит все. За пренебрежительно малый временной интервал, ИИ может изучить всю научную литературу по физике, химии, астрономии, биологии, истории и т.д. Не просто изучить, но и в первичном виде помнить до мельчайших деталей. 

▪️Точность и объективность. ИИ не ошибается, по крайней мере, если не ошибается вшитый алгоритм функционирования. Человек ошибается постоянно из-за ограниченных способностей удержания, обработки и интерпретации информации. Человек склонен к предубеждениям, ИИ воспроизводит информации по принципу «как есть».

▪️Информационная трансмиссия. Выход на правильный вектор исследования одним из сегментов ИИ моментально транслируется на всю подсеть ИИ, что расширяет знания одного сегмента на всю подсеть сразу. Открытие одного человека или группы ученых невозможно моментально расширить на заинтересованный круг лиц. ИИ можно масштабировать, копировать и клонировать, но нельзя пересадить знания одного человека в другого. 

▪️Отсутствие усталости. Производительность и эффективность человека падает по мере выработки ресурса, как в пределах дня, так и возрастом. ИИ может работать 24 на 7 с паритетной эффективностью стабильно и без провалов (до тех пор, пока работают сервера). Человек стареет, становится хуже, когнитивные функции ослабевают, тогда как у ИИ только увеличиваются.

▪️Непрерывное обучение. Человеку необходимо менять род деятельности, чтобы поддерживать необходимый эмоциональный баланс, тогда как ИИ непрерывно расширяет свое могущество.

▪️Отсутствие эмоциональности. ИИ не подвержен перепадам настроения, ИИ не требует повышения зарплаты, уважения, не требует справедливости и не рефлексирует об уровне свободы, ИИ не чувствует ни жалости, ни боли, ни усталости, не плетет интриг, заговоров и не пытается соскочить с рабочего процесса, т.к. «внезапно появились неотложные дела».

Минусов немного, но они есть:

•  Сложность в понимании контекста информации (исправимо со временем);

•  Отсутствие эмпатии, что формирует этические проблемы, если в пользу ИИ дать слишком много прав;

•  Ограниченное пространство для творчества и инноваций из-за фундаментальных встроенных ограничений на понимание того «что такое хорошо, а что такое плохо». 

ИИ способен реплицировать успешные творческие опыты на основе анализа паттернов и предпочтений, но способен ли ИИ создавать принципиально новые продукты? Пока сомневаюсь.

Способен ли ИИ к неупорядоченной интеграции и принятию решений, где важным элементом может быть интуиция? Сейчас нет. 

Ограничений много, но пока баланс сильно в пользу ИИ. Посмотрим, что получится…

Любая прорывная технология создает риски в условиях быстрой интеграции.

Если руководствоваться потенциалом расширения присутствия во многих отраслях экономики, может сложиться впечатление перехода в иное измерение. Однако, примерно схожие ожидания были и от компьютеров, интернета, мобильной связи и так далее. 

При этом технологическая эволюция за последние 30 лет не создала ни безработных, ни каких то драматических структурных трансформаций. В целом, все шло ровно, последовательно, достаточно предсказуемо с положительным эффектом.

Может ли ИИ привести к кризису? Не создать возможности, а наоборот обострить структурные трансформации? Да, вполне и сейчас опишу логику.

▪️Если возможности ИИ будут сопоставимы с декларируемыми, а темпы интеграции высоки – это приведет к демпингу зарплат и высвобождению значительного количество рабочей силы. 

Падение доходов неизбежно приведет к падению спроса на макроэкономическом уровне, т.к. количество высвобождающейся рабочей силы будет несоизмеримо больше в сравнении с главными бенефициарами ИИ экспансии. 

Прямые бенефициары ИИ – около 5% (провайдеры ИИ, разработчики ИИ, производители аппаратной части для ИИ, топ менеджеры бизнеса, участвующего в ИИ интеграции и собственники этих компаний).

Вопрос, а что делать с остальными 95% экономики?

ИИ автоматизирует многие процессы, повышает качество, точность и скорость принятия решений, ускоряет технологический прогресс, способствует снижению финансового и юридического риска в бизнесе и улучшает качество товаров и услуг. 

Одновременно с этим напрямую покушается на рабочие места значительного количество людей по причине сверхпревосходства во многих ранее описанных аспектах (https://t.me/spydell_finance/4713).

Для бизнеса держать капризных и низкоэффективных работников невыгодно и очевидно, что скорость внедрения ИИ будет повышаться. Но кому продавать все эти товары и услуги, кто будет обеспечивать платёжеспособный спрос?

Следует понимать, что в отличие от компьютеров и интернета, ИИ не прибавочная технология, а во многом – замещающая технология.

Компьютеры и интернет создали  ИТ индустрию, где заняты десятки миллионов человек, совершенно новый сектор экономики. ИИ не создает новых секторов экономики, он эксплуатирует существующие сектора.

▪️Неизбежно будет рост неравенства в доходах. Вне всяких сомнений провайдеры ИИ получат невероятный памп финансовых показателей по экспоненте, но значительная часть оффлайн экономики скорее будет в минусе, чем в плюсе. 

Низко и среднеквалифицированная рутинная работа занимает свыше 70% в структуре рабочей силы. Очевидно, что лишь малая часть идет на потенциальную замену, но это неизбежный рост социальной напряженности и усиление структурных дисбалансов. 

Чем быстрее ИИ будет внедряться, тем больше негативного эффекте по интегральной оценке, т.к. скорость внедрения и быстрый результирующий эффект будут несопоставимы с предельной способностью по экономической трансформации.

Разница между ИИ и всеми предыдущими эпизодами технологической революции заключается в скорости интеграции. Раньше это занимало десятилетия, сейчас – годы или даже месяца. 

Поэтому ожидаю существенный рост неравенства, обострение структурных дисбалансов и скорее актуализацию кризисных процессов в экономике, а не новый рывок в стратосферу.

Феноменальные возможности ИИ предоставляет тем, кто эти возможности использует напрямую, но это ограниченное число людей.

Почему такое внимание к ИИ именно сейчас? Это революционная технология, которая предопределит глобальные тренды на следующие десятилетия. Вполне на уровне изобретения компьютера или мобильной связи по степени влияния, т.е. технология принципиальным образом меняющая механизм взаимодействия с окружающим пространством, другими технологиями, имея потенциал создания новых рынков и отраслей. 

Пока в мире существует две высокоразвитые модели ИИ, имеющих потенциал коммерческого применения – ChatGPT от OpenAI и Bard от Google.

В каких существующих секторах/отраслях экономики возможен рывок?

▪️ Медицина

Персонализированная медицина. Генеративный ИИ может использоваться для разработки новых методов диагностики, которые могут быть более точными и эффективными, чем существующие методы, используя накопленные базы данных по болезням и лекарствам, объединяя, интегрируя и анализируя лучшие врачебные методики и практики кратно быстрее, чем коллектив самых опытных врачей.

Разработка новых методов профилактики заболеваний. ИИ может анализировать медицинские данные, включая историю болезни, генетические данные и образ жизни, чтобы оценить риск развития определенных заболеваний, предсказывая риски различных заболеваний, учитывая состояние здоровья, генетические отклонения, патологии, условия жизни, питание и т.д.

Разработка новых лекарств и методов лечения, которые могут быть более эффективными и безопасными, чем существующие методы. Например, ИИ может использоваться для разработки персонализированных лекарств, которые могут быть адаптированы к индивидуальным характеристикам каждого пациента, снижая риски побочных эффектов. ИИ может ускорить процесс открытия и разработки новых лекарств, используя свои алгоритмы для моделирования и прогнозирования взаимодействия молекул.

Предсказание эпидемий. Используя данные о текущих инфекциях, миграционных потоках и климатических изменениях, ИИ может прогнозировать распространение инфекционных заболеваний.

Медицинская визуализация и диагностика: Генеративные ИИ модели способны улучшить качество медицинских изображений и обеспечить более точную интерпретацию данных. Такие системы могут автоматически обнаруживать патологии на рентгеновских снимках, МРТ или КТ, что повышает точность диагностики.

▪️Образование

Персонализация обучения. Генеративный ИИ может использоваться для создания индивидуальных учебных планов для каждого ученика, в том числе языковое обучение, основанных на индивидуальных умственных, физических способностях, интересах и предрасположенностях. Это позволит раскрывать потенциал каждого человека наиболее эффективно – музыкант будет музыкантом, а физик – будет физиком. 

Интеграция интерактивных учебных материалов на основе анализа и структуризации сверх большого массива актуальной информации, используя лучшие мировые достижения в сфере науки и образования. ИИ может в режиме реального времени генерировать разнообразный контент, повышая вовлеченность учеников в учебных процесс, повышая их внимание, заинтересованность, усиливая конверсию от учебы. 

Интерактивная учеба будет в непрерывном игровом процессе, позволяя детям концентрироваться на материале. Учеба, как захватывающая игра по лююой специальности– что может быть лучше для детей? Это революция в сфере образования.

Виртуальные помощники – теперь больше не будет привязки к низкой квалификации учителей. На любой, даже самый неудобный вопрос можно получить исчерпывающий ответ 24 на 7 в любом формате, начиная от неформального/игрового, заканчивая строгим академическим стилем.  

Беспристрастный и непредвзятый механизм оценки учащихся на основе реальной чистой эффективности каждого ученика, что позволит оперативно подстраивать учебный процесс под лидеров и аутсайдеров. 

Развитие навыков критического мышления и решения проблем: ИИ может предложить сложные и реалистичные сценарии, требующие от учащихся анализа, критического мышления и решения проблем. 

Про дистанционное и гибридное обучение – тут понятно.

▪️Финансы и страхование

Прогнозирование и управление рисками. Риск менеджмент в своей основе наиболее формализованный сегмент финансовой индустрии, который в наилучшей степени поддается «запиранию» в рамки ИИ, который способен прогнозировать риски, связанные с кредитованием, инвестициями и страхованием, забирая на себя функции риск-менеджеров. 

Расширенный анализ данных. Финансы, как и экономика – это непрерывный поток данных, которые поддаются упорядочиванию через идентификаторы, веса и «маяки». ИИ способен анализировать огромные объемы финансовых данных в режиме реального времени, включая транзакции, экономические и рыночные тенденции, также  потребительское и корпоративное поведение.

Прогнозирование тенденций. Значительная часть данных и процессов в фининдустрии регулярно повторяется через различные комбинации, а следовательно, возможен анализ паттернов, где ИИ очень силен (статистика и вероятности), что позволяет быстрее, точнее и эффективнее предсказывать наиболее вероятные тенденции.

Автоматизирование инвестирование. Данный подход применяется уже более 20 лет в рамках алгоритмических систем и торговых роботов, но теперь может выйти на совершенно иной уровень за счет комбинации инструментов, где одновременно объединяется анализ вероятностей и паттернов, риск менеджмент и прогнозирование. 

Автоматизация задач. Свыше 80% бизнес операций в финансах и страховании – в чистом виде рутина по протоколам действий. Если есть протоколы – значит есть пространство для ИИ, который может автоматизировать многие рутинные и трудоемкие процессы, такие как обработка заявок на кредиты, управление клиентскими аккаунтами и анализ страховых претензий, что повышает эффективность и сокращает затраты.

Финансовый консультант на базе ИИ может обеспечивать высококачественное обслуживание клиентов, предоставляя быстрые и точные ответы на их вопросы, а также помогая в выполнении финансовых операций – намного быстрее и эффективнее человека, за исключением сложных вопросов.

Автоматические написание инвестиционных и рыночных обзоров/новостей. Обучение ИИ на базе миллионов инвестиционных обзоров за последние 50-60 лет позволит создать высокоразвитого инвестаналитика на базе ИИ, который будет быстро, релевантно и качественно писать обзоры. 

Обнаружение и предотвращение мошенничества. Анализ транзакционных данных для выявления подозрительных или необычных паттернов (мошенники в 97% случаях действуют по похожим схемам), что помогает в борьбе с финансовым и страховым мошенничеством.

Автоматический контроль за налоговыми требованиями и регуляторными нормами, что позволит избежать штрафов и преследования со стороны государства. 

▪️Юриспруденция, бухгалтерия и документооборот

Анализ юридических документов. Анализ больших объемов правовых документов ( судебные решения, законы, акты и коммерческие и госконтракты). Это может помочь юристам быстрее находить необходимую информацию и выявлять закономерности, которые могут быть использованы для принятия более обоснованных решений.

Автоматизация документооборота. Автоматизация процесса создания и обработки юридических документов, таких как контракты, иски, заявления, протоколы и цифровые подписи. ИИ может генерировать эти документы, основываясь на заданных параметрах и стандартах, что сокращает время и уменьшает вероятность человеческой ошибки.

Повышение качества документов в соответствии с актуальным национальным и международным законодательством. ИИ может в режиме реального времени отслеживать все новации в праве, вовремя адаптируя документацию под законодательство. 

Предсказание юридических рисков. Прогнозирование потенциальных юридических рисков для компаний и частных лиц, анализируя законодательные изменения, решения судов и другие юридические тренды.

Персонализация юридических услуг и виртуальный помощник. ИИ может выполнять функцию высокопрофессионального юриста совершенно бесплатно, быстро и безошибочно. ИИ помочь в создании персонализированных юридических рекомендаций и консультаций, учитывая специфические обстоятельства и потребности клиента.

▪️Промышленность (добыча + обработка + электроэнергетика и коммунальные услуги)

Глубокая автоматизация производственных процессов с динамическим контролем эффективности. ИИ может способствовать разработке и внедрению более высокоуровневых автоматизированных и роботизированных систем, чем в текущих АСУ.

Управление рисками и безопасностью, в том числе предиктивное обслуживание. Анализ данных о производственной безопасности и рисках, помогая идентифицировать потенциальные опасности и предлагать меры для уменьшения рисков, в том числе применяя превентивные меры по устранению внештатных ситуаций и замене и/или обслуживания оборудования.

Оптимизация производственных процессов, ресурсов в том числе цепочек поставок и логистики. Анализ данных производственных процессов для оптимизации эффективности и сокращения затрат. Это включает в себя управление запасами, планирование производства, обслуживание оборудования и энергопотребление. ИИ может оптимизировать логистику и управление цепочками поставок, анализируя данные о спросе, запасах и транспортных потоках, что повышает эффективность и снижает затраты.

Качество продукции и контроль процессов. ИИ может анализировать данные с производственных линий для контроля качества продукции, определяя дефекты и несоответствия, что способствует повышению общего качества продукции.

Энергетическое управление и оптимизация. Более эффективное распределение энергетические ресурсов, снижая потери и избыточную или недостаточную выработку, динамически подстраиваясь под спрос.

▪️Сельское хозяйство 

Большая часть из сказанного выше про промышленность, плюс к этому:

Автоматизация сельскохозяйственных работ. ИИ-системы могут управлять автономными тракторами, дронами и другими сельскохозяйственными машинами для выполнения таких задач, как посев, удобрение, сбор урожая и обработка почвы.

Мониторинг здоровья растений и животных. ИИ может использоваться для мониторинга здоровья и благополучия растений и животных, обнаруживая болезни и вредителей на ранних стадиях и помогая определять оптимальные условия для их роста и развития.

Прогнозирование и автоматизация планирования посева и животноводства. ИИ может использоваться для автоматизации задач, таких как планирование посевов, мониторинг посевов и управление поливом. Это может повысить урожайность и снизить затраты на производство. Это же справедливо и для животноводства. 

ИИ может анализировать данные о погодных условиях, почве и растениях для прогнозирования урожайности и помощи в принятии решений о посадке, удобрении и поливе, что повышает общую продуктивность и уменьшает потери урожая.

▪️Оптовая и розничная торговля, в том числе логистика и складская деятельность, маркетинг и реклама

Прогнозирование спроса, анализ паттернов поведения. ИИ может анализировать рыночные данные для выявления текущих и будущих трендов, помогая ритейлерам и оптовым продавцам адаптироваться к изменяющимся потребностям рынка, анализируя покупательские предпочтения и поведение, как на макро уровне, так и на индивидуальном уровне, предлагая товар только тот, который здесь и сейчас нужен потребителю.

Оптимизация запасов и логистики. Наилучшая оптимизация маршрутов доставки и распределение товаров, сокращая время доставки и затраты. ИИ может прогнозировать спрос и автоматизировать процесс пополнения запасов, минимизируя издержки и сокращая риски, связанные с избыточными или недостаточными запасами, тщательно отслеживания актуальный и будущий спрос, тенденции и сезонность. 

Оптимизация ценообразования. ИИ может помогать в динамическом ценообразовании, анализируя факторы спроса/предложения, макроэкономические, финансовые и поведенческие тенденции, определения оптимальных ценовых стратегий, эффективно балансируя запасами, максимизируя маржу торговли. 

Автоматическое обслуживания клиентов и анализ отзывов, что позволит в режиме реального времени адаптироваться под предпочтения клиентов, оперативно выявлять ошибки и подстраиваться под потребности рынка, одновременно через чат боты оказывая высококачественную и быструю поддержку клиентов.

Генеративные ИИ в наибольшей степени влияет на создателей контента, но также может оказывать фундаментальное влияние на науку, технологии, ускоряя технологический прогресс.

▪️Наука и технологии

Систематизация и структуризация сверхбольших массивов информации. Как ученому найти похожие научно-исследовательские материалы? Через поиск, но данные могут нерелевантными или устаревшими. Необходима индексация и анализ тысяч научных статей, чтобы комбинировать и интегрировать в целостную картину схожие исследований. 

Генерация гипотез. ИИ может использоваться для генерации гипотез, которые могут быть использованы для проведения научных исследований. Это может помочь ученым ускорить процесс открытия новых знаний.

Сверхбыстрый поиск и обработка комбинаций решений для поиска оптимального пути исследования. ИИ может помочь ученым в проектировании и оптимизации экспериментов, предсказывая наиболее перспективные направления исследований, что снижает затраты и повышает шансы на успех.

Моделирование и симуляция. ИИ способен создавать сложные модели и симуляции, которые могут предсказывать результаты экспериментов и исследований, а также помогать в понимании сложных систем и процессов.

Быстрый поиск и коррекция ошибок в математических, физических моделях или программном коде позволит упростить и ускорить процесс расчетов.

Анализ и интерпретация сложных данных в моделировании сложных систем, создавая более понятную и читаемую структуру данных.

ИИ уже применяется и существенно расширит применение в архитектуре и градостроительстве, материаловедении, в разработке дизайна продукции широкого профиля, в исследованиях и разработке промышленной продукции.

Но что на счет создателей контента?

▪️Медиа индустрия – ньюсмейкеры, журналисты, музыка, фото и видео обработка, создание компьютерной графики и спецэффектов.

Деятельность, связанная с генерацией текстового, звукового или видео контента в различном формате. Из всех отраслей экономики удар точно в цель именно по этому сегменту со стороны генеративного ИИ. С текстом все понятно, слишком много было про него сказано.

Фото. Самый мощный прогресс генеративного ИИ концентрируется в фото, где возможна не только глубокая модернизация существующего фото контента в любом измерении, но и синтез абсолютного нового фото контента по сценарному запросу пользователей.  

Видео. ИИ-алгоритмы могут автоматизировать редактирование видео, создавать реалистичные визуальные спецэффекты и даже генерировать новый видеоконтент, в том числе глубокую модификацию на основе дипфейков.

Музыка и аудио. Генеративный ИИ может создавать новые музыкальные композиции, имитируя различные стили и жанры на основе анализа аудио паттернов и истории предпочтений общества. Возможен высокоуровневый синтез человеческой речи и голоса, практически не отличимый от реального. 

Шоковая оптимизация и реструктуризация на первом этапе ожидает как раз создателей медиа контента. Вектор понятен, но масштаб и глубина деформации – не могут быть определенными. 

Предстоит много времени и множественный анализ, чтобы понять, куда все движется?

Не было затронуто влияние ИИ на транспорт и госуправление. 

Что касается транспорта, здесь присутствует три базового направления:

•  Автопилоты;

•  Динамическое высокоуровневое управление трафиком и дорожным движением;

•  Планирование транспортных сетей, что позволит повысить пропускную способность, снизив расходов. 

Анализ влияния ИИ на госуправление – отдельная тема. 

Так какое результирующее воздействие на экономику, какие риски? В следующем материале.

Как внедрение высокоразвитых моделей ИИ может трансформировать общество, экономику, как это повлияет на технологии и производительность труда?

•  Впервые формализация концепции ИИ была еще в середине 20 века, а более осмысленные и работоспособные модели ИИ существует уже более 30 лет (на уровне расширенных скриптов и экспертных систем, где пионером были компьютерные игры).

•  В 2000х годах распознавание текста и позже изображений, переводчики, голосовые ассистенты, торговые алгоритмы. 

•  В 2010х годах – глубокое обучение и нейронные сети, Big data, распознавание видео, самоуправляемый транспорт.

•  Высокоразвитые модели ИИ начали появляться в 2017-2018, бурная экспансия началась с 2019-2020 (бум улучшайзеров для фото, рекомендации музыки, анализ новостного контента, дипфейки), а с 2021 по экспоненте пошли генеративные модели ИИ.

Именно генеративные ИИ способны произвести революционные трансформации в экономике, обществе и на рынке труда.

Генеративные модели ИИ - тип алгоритмов машинного обучения, предназначенных для создания (генерации) новых данных, которые похожи на обучающие данные. Эти модели могут создавать тексты, изображения, звуки или другие типы данных, которые воспроизводят стили, паттерны и характеристики исходного набора данных.

Самыми популярными типами генеративных моделей являются Генеративно-состязательные сети (GAN), вариационные автокодировщики (VAE) и архитектура Трансформеров, применяемые в GPT и BERT.

Первые высокоразвитые генеративные модели ИИ начали появляться в 2017: ProGAN, CycleGAN, RealNVP, VQ-VAE, через год появились Glow, WaveGAN и WaveNet, StyleGAN и StyleGAN2 и BERT. Интеграция GPT началась в 2019, и именно она добилась успеха:

В чем революция? Изначально предполагалось, что ИИ заменит монотонный/повторяющиеся, а значит формализируемый вид труда и низко-квалифицированную рабочую силу и лишь в самом конце, на вершине своей эволюции ударит по творческим профессиям, но оказалось все иначе.

Генеративный ИИ сносит именно творческий сегмент профессий:

▪️Создание текста – осмысленные тексты, практически не отличимые от человеческого стиля письма, с возможностью создавать анекдоты, стихи, сценарии для фильмов, истории, новостные статьи.

▪️Создание программного кода, что позволит в десятки раз ускорить поиск решений и создание кода для профессиональных программистов, заменяя низко и средне квалифицированных программистов.

▪️Создание музыки. Генерация музыкальных композиций, имитирующих определенные стили, на основе анализа десятков тысяч произведений или создание совершенно новых музыкальных произведений (экспериментальная нейро-музыка).

▪️Создание реалистичных изображений. Опять же, на основе анализа паттернов сверх большого массива реальных фотографий упорядочиваются характеристики, структура и особенности объектов и далее через алгоритмы GAN генерируются синтетические изображения.

▪️Создание видео. Те самые дипфейки. ИИ анализирует видео, изучая характеристики движения, переходы между кадрами, визуальные и аудио паттерны и далее по аналогичному методу, как и с изображениями – генерируется ИИ видео. Может применяться для анимации, создания спецэффектов.

▪️Генерация речи, сохраняя тембр, интонации, ритм человеческой речи. Может применяться в ИИ-консультантах, синхронных переводчиках, навигационных системах, голосовых помощниках, в озвучивании книг, онлайн видео и фильмов. 

▪️Симулирование и моделирование сложных систем. Все, что можно формализовать – идеальная среда для ИИ. Научные вычисления входят в этот сегмент. Может применяться в расширении предиктивных/предсказательных моделей в финансах, экономике и бизнесе, в виртуальном прототипировании (для инженеров, архитекторов, конструкторов). 

Пространство использование генеративного ИИ – невероятно. Разница между 2021 и 2023 в том, что сейчас эти модели достигли той стадии зрелости, когда способны оказывать непосредственное влияние на контент, технологии, способы и методы организации бизнес-процессов и взаимодействия с окружающей цифровой средой.

Как отличить ИИ от обычного программного комплекса?

Многие программные комплексы могут быть крайне сложными, многоуровневыми, многофункциональными и многокомпонентными с возможностью интеграции автоматизированных систем управления (АСУ) с глубокой степенью автоматизации, но являются ли они ИИ?

В моем канале будет множество тем и исследований, посвященных ИИ, т.к. за этим будущее, поэтому я попытаюсь прояснить ключевые моменты. 

На самом деле глубокая степени автоматизации АСУ при всей крайне сложности данных систем не делает их ИИ в широком понимании, хотя приближает их к ИИ.

Важно понимать критерии и признаки идентификации ИИ:

▪️Способность к обучению и адаптации - возможность самостоятельно учиться и адаптироваться на основе новых данных, опыта и обратной связи, оптимизировать свои алгоритмы в процессе работы, что позволяет ему с течением времени становиться более эффективным и точным. ИИ не ограничивается начальным обучением и может постоянно развиваться.

▪️Автономность принятий решений – способность выхода за границы установленных алгоритмов в рамках фокуса задачи и адаптация к новым сценариям без предварительного вмешательства человека. Проще говоря, ИИ способен самостоятельно искать наилучшее решения для решения конкретной задачи, тогда как обычные программы «заперты» в границы интегрированных алгоритмов. 

▪️Понимание контекста сложных задач – ИИ обладает способностью понимать сложные, многоуровневые задачи и контекст, в котором они возникают, тогда как в традиционных программам глубина понимания ограничена исключительно заранее написанными и внедренными скриптами и алгоритмами.

▪️Когнитивные функции – восприятие информации, рассуждение, обучение и многовекторное решение задач отличает ИИ от любых других систем, даже самых сложных. Логическое рассуждение предполагает способность к логическому анализу информации и формированию выводов с выстраиванием причинно-следственных цепочек. 

▪️Обработка естественного языка  – замещение машинного языка на инструкции и в дальнейшем на человеческий язык делает программный комплекс близким к ИИ в той мере, насколько ИИ способен понимать человеческую речь.

▪️Предиктивный анализ - ИИ может анализировать большие объемы исторических данных, обнаруживать закономерности и тенденции и использовать эти знания для прогнозирования будущих событий или результатов, опираясь на паттерны и вероятностные оценки. 

▪️Мультимодальность –относится к способности ИИ анализировать и интегрировать информацию из различных источников или типов данных (модальностей). Например, мультимодальная система ИИ может одновременно обрабатывать текст, изображения, аудио и видео.

▪️Мультидисциплинарность - в контексте ИИ подразумевает применение знаний и методов из разных научных дисциплин для разработки, понимания и улучшения систем ИИ. Этот подход акцентирует внимание на объединении разнообразных научных и технических областей знаний для создания более эффективных и интеллектуальных систем.

Интеграция всех 8 базовых признаков ИИ не является обязательной, т.к., по существу, достаточно даже одного из выше перечисленных. Но в чем же разница, почему именно сейчас такое внимание и столь «ядерный» ажиотаж вокруг ИИ? Были внедрены одновременно восемь признаков.

ИИ – это технологии будущего, которые существуют уже более 70 лет

Какие этапы развития ИИ?

1. Ранние этапы (1950-е – 1960-е годы). Появление первых идей и теоретических работ, связанных с ИИ, включая знаменитую статью Алана Тьюринга «Вычислительные машины и интеллект» (1950). Дартмутская конференция (1956) - официальное рождение ИИ, как академической дисциплины.

•  Предиктивный анализ: Простые формы предиктивного анализа использовались в ранних программах ИИ, особенно в логических играх и простых задачах решения проблем. Например, программы для игры в шахматы.

•  Обработка естественного языка: Начальные исследования в области обработки естественного языка начались, но они были довольно ограниченны. Создание простых ИИ-программ, таких как ELIZA (программа, имитирующая диалог).

2. Медленное развитие (1970-е – 1980-е годы).  Данный период принято считать периодом застоя технологий, связанных с ИИ, что во многом обусловлено проблемой масштабирования и критическим дефицитом вычислительной мощности с принципиальной неспособностью заполнения данных для обучения (не было ни Интернета, ни памяти, ни достаточной пропускной способности). Это привело к разочарованию в ИИ, как технологии, не соответствующей времени.

Однако, первые прототипы экспертных систем начали появляться в это время, как и специализированные языки программирования, таких, как LISP.

3. Расширение и интеграция (1990-е годы – начало 2000-х).

•Рост коммерческого интереса: Появление первых успешных коммерческих применений ИИ, особенно в области экспертных систем.

•Развитие машинного обучения: Алгоритмы обучения на основе данных начинают заменять жестко запрограммированные инструкции.

•Развитие нейронных сетей: Прототипирование и теоретическое обоснование нейронных сетей. Возобновление интереса к нейронным сетям и их потенциалу.

Практически все разработки в этот период носили теоретический характер, существенного прикладного расширения не присутствовало. Однако, именно в 90-х началась экспансия робототехники с применением Robotics AI, в интегрировалось в промышленности в рамках автоматизированных систем управления (АСУ). 

Одним из существенных драйверов развития ИИ в 90-х были компьютерные игры (ИИ для игровых ботов), которые в свою очередь предопределили развитие индустрии, как на аппаратном уровне, так и на программном. 

Практически все современные ИТ специалисты имеют очень весомый бэкграунд в виде игрового опыта (1990-2010х годов), что в детстве и юности поддерживало интерес к компьютерам, информатике, программированию, гейм-дизайну и так далее.  

Геймерство – своеобразная религия для большинства ИТ специалистов. Геймерами в свое время были и Илон Маск, и Сэм Альтман.

4. Эра Интернета и больших данных (2000-2010).

•  «Взрыв Данных»: Рост интернета приводит к огромному увеличению доступных данных и информации. С развитием интернета и цифровых технологий объем доступных данных рос экспоненциально. Это создавало новые возможности для применения и обучения ИИ, особенно в областях, связанных с анализом больших данных.

• Эволюция Алгоритмов: Продолжалось усовершенствование алгоритмов машинного обучения, особенно методов обучения с учителем и без учителя, улучшались NLP методы и алгоритмы нейронных сетей. Применение этих методов в различных областях, например, в анализе данных и распознавании образов, становилось более распространенным. Однако, мощностей и данных катастрофические не хватало для осмысленных систем.

• ИИ в бизнесе и промышленности: Первые коммерческие ИИ проекты начали внедряться только в 21 веке. Увеличивалось использование ИИ для решения конкретных задач в бизнесе, финансах, здравоохранении и других областях, включая оптимизацию процессов, анализ рынков и диагностику в медицине. 

С 2005-2007 начался бум алгоритмических систем на основе предиктивного анализа в торговых роботах на бирже.

Улучшение аппаратного обеспечение открыло новые возможности для прогнозирования погоды на основе ИИ и в робототехнике.  

Но все самое интересное было впереди …

Самое интересно для ИИ начинается с 2010 года.

До 2010 развивался, по сути, лишь один из восьми базовых признаков ИИ (https://t.me/spydell_finance/4701) – это предиктивный анализ, что активно использовался в торговых алгоритмах на бирже (анализ  паттернов), в научных и экономических исследованиях, в прогнозировании погоды, в оценке страховых и финансовых рисков и так далее.

Все остальные семь признаков ИИ находили теоретическое обоснование и прототипирование с 1950 по 2010 с разной интенсивностью и с разной успешностью. Причем, концепты были во всех измерениях, даже в когнитивных функциях, где в 90-х и начале нулевых лучшие решения были от IBM.

То, что есть сейчас – не новинка, но препятствием к развитию были вычислительные мощности и отсутствие данных. Big data зародился в середине 2000-2010, а в лучшую форму вышел в 2010-2020, плюс к этому вычислительные мощности серверов выросли на порядок. 

Десятилетие с 2010 по 2019 годы было периодом стремительного прогресса в ИИ, отмеченным значительными технологическими инновациями, расширением применения и увеличением общественного интереса. Это был период, когда ИИ стал не просто академическим исследованием, а мощным инструментом, влияющим на множество аспектов повседневной жизни и работы. Без данных и вычислительных мощностей все это так бы осталось теорией. 

Началась бурная экспансия ИИ во все отрасли экономики и сферы жизни. Практически не было не затронутых ключевых отраслей: здравоохранение, образование, транспорт, розничная и оптовая торговля, логистика и склад, консалтинг, финансы и страхование, промышленность и сельское хозяйство, умная система управление городом, распознавание лиц, кибербезопасность и так далее.

Революция в глубоком обучении: прорывы в глубоких нейронных сетях, особенно с развитием сверточных (CNN) и рекуррентных (RNN) нейронных сетей, значительно улучшили способности ИИ в распознавании образов, обработке естественного языка и предсказательном анализе.

Появление и развитие трансформеров: архитектура трансформеров, представленная в 2017 году, привнесла революционные изменения в область обработки естественного языка и генерации текста, что и стало прообразом ChatGPT.

В период с 2010 по 2019 активно развивалась мультимодальность, автономность принятия решений, обработка естественного языка и к совершенству выходил предиктивный анализ с существенным прогрессом в когнитивных функциях и самообучению.

С 2020 началась эра генеративных сетей, что позволило реализовать глубокую мультидисциплинарность, способность к обучению и адаптации и самое главное – это понимание контекста сложных задач и высокоразвитые когнитивные функции, которые были немыслимы ранее. 

Лейбл ИИ перестал быть чистым маркетингом, как десятилетием ранее, а стал символом новой эпохи. 

Важнейшим этапом стал выдающиеся прогресс в Natural Language Processing (NLP) и понимании семантики и конструкции языка, позволяя выстраивать адекватные смысловые структуры. 

Семантика языка играет критическую роль в понимании и интерпретации человеческого языка. Алгоритмы и модели стремятся понять не только буквальные значения слов, но и их семантический контекст и намерения, говорящего или пишущего.

Мера развития ИИ напрямую связана с пониманием контекста и смысла «между строк». На данный момент – это слабое место ChatGPT, но, с другой стороны, невероятный прогресс за последние годы.

Сложно сказать, куда все это приведет, но прогресс впечатляющий, мягко говоря…

Что позволило ИИ стать настолько эффективным? Любая технология имеет определённый порог зрелости, внедрение которой ограничено наличием смежных технологий.

Развитие ИИ обусловлено наличием ключевых технологий и научных достижений, которые в совокупности создали условия для появления и эволюции ИИ до той степени, которая актуальна сейчас. 

Например, появление микропроцессора невозможно было без изобретения транзистора в 1947, интегральных схем в 1950-х, определенной степени зрелости химической промышленности, что позволило развить фотолитографию и кремниевые технологии, наличия электронной промышленности или научных открытий в бинарной логике и так далее. 

ИИ - результат синергии множества технологических, научных и промышленных достижений последних 100 лет. 

Можно выделить множество факторов, повлиявших на экспансию ИИ, но ключевых несколько – вычислительные мощности, big data (в том числе алгоритмы их анализа) и инновационные алгоритмы машинного обучения, особенно методов нейронных сетей. 

В одном из интервью CEO OpenAI Сэм Альтман сказал, что одним из главных драйверов быстрого развития ИИ стали компьютерные игры и геймеры, которые двигали прогресс видеокарт, что позволило экспоненциально нарастить вычислительные мощности, которые потом стали использоваться для ИИ проектов, а сейчас прогресс видеокарт двигают уже ИИ.

Чем больше данных – тем точнее результаты, поэтому ИИ не мог появиться раньше, чем появление достаточных вычислительных мощностей, Big data и высокого уровня развития Интернета, но все это нужно правильным образом интерпретировать и обработать, т.е. нужны алгоритмы. 

Вдаваться в детали алгоритмов не буду по очевидным причинам, но назову основные:

▪️Глубокое обучение (Deep Learning AI) – применяются метод обратного распространения ошибки (backpropagation), генеративно-состязательные сети (GAN), сверточные нейронные сети (CNN), рекуррентные нейронные сети (RNN), сети прямого распространения (FNN), глубокие нейронные сети (Deep Neural Networks) и автоэнкодеры.

▪️Машинное Обучение (Machine Learning AI) - метод опорных векторов, линейная Регрессия, логистическая регрессия, деревья решений, случайный лес, метод K-ближайших соседей (KNN).

▪️Обучение с Подкреплением (Reinforcement Learning активно применяется в Robotics AI и Decision AI) - Q-обучение (Q-learning), алгоритмы на основе политик.

▪️Прочие алгоритмы – оптимизация стохастического градиента (SGD), градиентный спуск и вариация, также ансамблевые алгоритмы путем комбинирования нескольких моделей. 

▪️Обработка естественного языка (NLP, Natural Language Processing) – модели на основе трансформеров – самая мощная и инновационная модели на сегодняшний день. 

Инновация за Google, которая в 2017 внедрила революционную на тот момент BERT, однако все лавры забрала на себя OpenAI, которая сумела технологические решения Google довести до ума, внедрив доступную и крайне эффективную модель. 

Фундаментальные преимущества: 

- Механизм внимания для взвешивания в неструктурированных массивах релевантные сегменты;

- Параллельная обработка – одновременная обработка всех токенов (основная базовая единица входной информации);

- Отсутствие рекуррентности, что позволяет избежать проблем, связанных с долговременными зависимостями в данных, а следовательно устраняет накопление ошибок в системе;

- Масштабируемость – позволяет быстро и эффективно обучаться на большом массиве данных.

ChatGPT базируется на применении трансформеров в NLP, методах обработки Big Data, глубоком обучении с активным применением обратного распространения ошибки и GAN методов и самое главное - контекстуальное понимание, т.е. способность учитывать широкий контекст входных данных на основе истории запросов. 

Таким образом, успех ChatGPT – это объединение 8 признаков ИИ (https://t.me/spydell_finance/4701) и 8 направлений ИИ одновременно (Generative AI + NLP AI + Cognitive AI + Machine Learning AI + Deep Learning AI + Predictive AI + Decision AI + Robotics AI (при необходимости)).

Потенциал возможностей невероятный… Продолжение следует.

Высокие ставки в США уже больше года, а что там с долгами?

В настоящий момент в США почти 1300 достаточно значимых компаний нефинансового сектора и без учета фондов недвижимости, по которым были торги 8 декабря с отсечкой капитализации более $1 млрд долл и выручкой не менее $500 млн за последние 12 месяцев согласно собственным расчетам по открытым данным торгов.

Совокупная капитализация всех нефинансовых компаний с заданными условиями – $39 трлн, 

•  выручка – $17.7 трлн, 

•  операционная прибыль – $2 трлн,

•  чистая прибыль – $1.43 трлн, 

•  EBITDA – $3 трлн, 

•  операционный денежный поток – $2.6 трлн, 

•  капитальные расходы – $1.1 трлн, 

•  свободный денежный поток – $1.5 трлн,

•  кэш позиций (наличка + краткосрочные финансовые инвестиции) – $2.6 трлн,

•  совокупный рыночный долг в кредитах и облигациях (краткосрочный и долгосрочный) – $8.13 трлн,

•  чистый долг – $5.55 трлн,

•  объем дивидендов и обратный выкуп еще предстоит подсчитать.

Ну и самое интересное – долги.

▪️Компаний с отрицательным чистым долгом (кэш больше долгов)– 272 компании (значительная часть в инфотехе), формируя совокупную выручку $2.85 трлн (16% от всей выручки), имея совокупный отрицательный долг в $555 млрд. Net debt / revenue = минус 19.5%.

▪️Незначительная долговая нагрузка (от 0 до 20% чистого долга к выручке) – 260 компаний, имея $7.11 трлн выручки (доля 40% от всей выручки) и $647 млрд чистого долга. Net debt / revenue = минус 120%. Net debt / revenue = 9.1%.

▪️Низкая долговая нагрузка (от 20 до 40%) – 247 компаний, формируя $3.1 трлн выручки, имея $916 млрд чистого долга. Net debt / revenue = 29.4%.

▪️Средняя долговая нагрузка (от 40 до 60%) – 159 компаний при выручке $1.7 трлн и чистом долге $827 млрд. Net debt / revenue = 49.1%.

▪️Высокая долговая нагрузка (от 60 до 80%) – 115 компаний, заработав $1.1 трлн выручки, накопив $792 млрд чистого долга. Net debt / revenue = 70.1%.

▪️Очень высокая долговая нагрузка (от 80 до 100%) – 57 компаний с выручкой $412 млрд и долгами на $367 млрд. Net debt / revenue = 89.2%.

▪️Критическая долговая нагрузка (свыше 100%) – 187 компаний, формируя свыше $1.5 трлн доходов и невероятный долг в $2.55 трлн. Net debt / revenue = 165%.

Таким образом, высокий чистый долг (свыше 60% от выручки) имеют 359 компаний с доходами $3.1 трлн (лишь 17.4% от всей выручки американских нефинансовых компаний) при долге $3.7 трлн (ровно 2/3 от общенационального чистого долга). Net debt / revenue = 120%.

Группа риска – это всего 17% от выручки нефинансового сектора, поэтому явного воя в СМИ нет, однако, 27% компаний ощущают на себе всю боль от повышения ставок. 

Что происходит с компаниями в зоне риска – отдельный вопрос, но на первом этапе важно зафиксировать структуру долга и ключевые соотношения. Все данные - эксклюзив по собственным расчетам.

Какой самый проблемный и уязвимый сектор американской экономики в условиях высоких ставок?

▪️Utilities (электроэнергия и коммунальные услуги), которые имеют 522 млрд выручки, 948 млрд чистого долга и соотношение чистого долга к выручке почти 182% - рекордное среди всех секторов и в 6 раз выше общенационального (31.1%) на основе собственных расчетов.

Крупнейшие компании (не менее 10 млрд выручки) в этом секторе с высоким уровнем чистого долга к выручке: Duke Energy – 275% (!) , NextEra Energy – 262% , PG&E Corporation – 242% , Dominion Energy – 234% , The Southern Company – 231%, American Electric Power Company – 219%.

Вообще, для электроэнергетики и коммунальных компаний иметь долг свыше 100% к выручки вполне нормально из-за высокой капиталоемкости и низкой маржинальности.

️Communication Services (телекомы, СМИ, ТВ, издательские компании, развлечения) имеют $912 млрд выручки и $887 млрд чистого долга, а соотношение превышает 97%.

Наиболее крупные представители: - Verizon Communications – 125%, AT&T – 122% и Comcast – 80%, а запредельная долговая нагрузка среди компаний с выручкой более 5 млрд:  Altice – 270% (!), Charter Communications – 178%, Frontier Communications – 158%.

В этом секторе я выделил отрасли «Internet Content & Information», куда включены Google и Meta и «Electronic Gaming & Multimedia», куда включены EA и Take-Two Interactive в сектор Technology, чтобы было привычно, хотя по новой классификации с 2018 эти компании учитываются в Communication Services.

▪️Industrials (промышленные компании коммерческого и государственного назначения) формирует $2.3 трлн выручки при $880 млрд чистого долга, а соотношение – 38.2%.

Наиболее значимые компании (выручка свыше $10 млрд): Avis Budget Group – 208%, Union Pacific – 138%, Norfolk Southern – 122%, CSX Corporation – 120%, United Rentals – 91%, Deere & Company – 90%.

Стоит обратить внимание, что технологический сектор практически не имеет долга – всего 4.8% чистого долга к выручке. Все данные на основе собственных расчетов.

Влияет ли наличие избыточной долговой нагрузки на маржинальность и рыночные мультипликаторы? Действительно ли бизнес с высокой долговой нагрузкой не генерирует денежный потоков, является токсичным и не стоит ничего?

Оказывается, все намного сложнее. 

Операционная маржа всех нефинансовых компаний США с выручкой более 500 млн и капитализацией более 1 млрд – составляет 11.1%, но оказывается, что наибольшую маржинальность (25.2%) генерируют компании в группе очень высокой долговой нагрузки (от 80 до 100% чистого долга к выручке), а компании со сверхвысокой долговой нагрузкой (свыше 100%) имеют маржинальность (15%) выше общенациональной (11.1%).

Бизнес с незначительной долговой нагрузкой (0-20% чистого долга к выручке) имеет самую низкую маржинальность – 7.5%, это же касается компаний с низкой долговой нагрузкой (20-40%), формируя маржу всего 8.3%, а у компаний со средней долговой нагрузкой (40-60%) маржа составляет 9.9%.

Получается, что чем выше долг – тем выше маржинальность, за исключением крайних значений (отрицательная долговая нагрузка и критическая). Мягко говоря, весьма абсурдный вывод, но таковы реалии. 

При этом компании со сверх высокой долговой нагрузкой имеют соотношение чистый долг к свободному денежному потоку (FCF) на уровне 3721% (требуется 38 лет, чтобы погасить долги, не тратя ни одного доллара на дивиденды и байбэк).

У компаний с незначительной долговой нагрузкой (0-20%) требуется всего 1.7 года на полное погашение долгов, а для всех нефинансовых компаний – 3.8 лет в среднем на полное погашение долгов.

Самый парадокс начинается с оценкой бизнеса. Для всех нефинансовых компаний с заданными условиями P/S – 2.2, P/E – 27.3, цена к операционному потоку (P/OCF)– 15.2, а цена к свободному денежному потоку (P/FCF) – 26.4.

Есть связь цены и маржинальности, но нет однозначной связи цены и долговой нагрузки. Бизнес с критическим долгом стоит 2.3 по P/S, бизнес с очень высокой долговой нагрузкой – 2.6, тогда как у бизнеса с минимальным долгом, оценка всего 1.1.

Бизнес с долговой нагрузкой свыше 60% (чистый долг к выручке) имеет: операционную маржинальность 16.8% (общенациональный уровень – 11.1% и далее в скобках), чистая маржа – 9.5% (8.1%), FCF к выручке – 9% (8.3%), P/S – 2.32 (2.2), P/E - 24.3 (27.3) , P/OCF – 9.8 (15.2), P/FCF -25.6 (26.4) согласно собственным расчетам по отчетности компаний.

Соответственно, бизнес с высокой долговой нагрузкой выигрывает по маржинальности и интегрально имеет сопоставимые мультипликаторы рыночной оценки в сравнении с общенациональным уровнем. 

Выборка более, чем репрезентативная – почти 1300 нефинансовых компаний США.

Бизнес с долговой нагрузкой свыше 60% формирует: 17.4% в выручке от всех нефинансовых компаний США, 67% в чистом долге, 26.4% в операционной прибыли, почти 19% в FCF, 28% в операционном ден.потоке, 41% в капексах и 18.3% в рыночной капитализации. 

В таблице представлены различные метрики в секторальном разрезе, но ключевое значение имеет чистый долг к свободному денежному потоку в %.

Зомби компании – это сектор Utilities, который имеет отрицательный FCF – $55 млрд из-за перегрузки по капитальным расходам (самый капиталоемкий на уровне нефтегаза) при космических долгах – $948 млрд.

Для сравнения, технологический сектор США имеет чистый долг в $127 млрд при положительном FCF почти пол триллиона, т.е. всего за ОДИН (!) квартал техи могут погасить весь долг, если бы НЕ зверствовали с дивами и байбэком. 

Utilities – это черная дыра, которая не генерирует FCF и только накапливает долги. 

Еще один претендент на зомби компании – это Communication Services, главном образом за счет телекомов. По всему сектору требуется 11 лет, чтобы погасить чистый долг из FCF vs 1 квартала у инфотеха. 

Нефтегаз хорош – всего 2.5 года на погашение чистого дога из FCF, как и неплохи металлурги с химией – 3.8 лет на решение долговой проблемы.

До окончательных выводов еще очень далеко. Исследование будет дополняться по мере обработки и консолидации данных.

Оценивая динамику макростатистики, капитализацию фондовых активов и опережающие индикаторы экономической активности, может сложиться ошибочная интерпретация показателей, что приводит к формированию неверных выводов об устойчивости системы.

С одной стороны, наблюдается рекордная капитализация акций в США, Европе и Японии, с другой стороны достаточно устойчивые показатели макроэкономической статистики (мягкая рецессия в Европе, близкая к нулю динамика в Японии и подозрительная сила американской экономики).

Одновременно с этим, опросы бизнеса и опережающие индикаторы экономической активности демонстрируют устойчивый пессимизм на протяжении почти 1.5 лет, тогда как ранее ожидания бизнес-сообщества всегда находили подтверждение в экономике, но не в этот раз.

Тотальная рассинхронизация. Если с рынками еще понятно – последние 15 лет они никогда не отличались проницательностью, а скорее отражали баланс ликвидности и непомерный оптимизм основных держателей активов с верой в волшебный рычаг ФРС, который всегда в трудную минуту придет на помощь.

Но экономика, действительно, многих удивила – Центральные банки, инвестбанки, ведущие экономические институты прогнозировали шок от резкого ужесточения еще в 2022, которого не произошло.

Соответственно, ошибочность в первом направляющем ударе привела к реверсивной позиции с полным отрицанием возможных проблем в будущем. Базовый нарратив, который продвигает Wall St и ручные к нему СМИ заключается в том, что «Успешно пережив цикл резкого и сверхмощного ужесточения ДКП, вероятностью удержаться в фазе консолидации и смягчения ДКП с середины 2024 достаточно высока, плюс фактор ИИ и трансформация экономики».

Ранее показывал, что кризис начинается не в цикле ужесточения, а в цикле смягчения не потому, что началось смягчение, а по причине, что разворот ДКП - есть следствие актуализации кризисных процессов в экономике, триггеры и факторы которых всегда разные.

Что на этот раз может вздернуть экономику? Избыточные накопленные сбережения и финансовые ресурсы экономических субъектов позволили сгладить шок первичного ужесточения ДКП не только в США, но и в Европе, закупорив и заморозив реализацию множества структурных дисбалансов.

Да, есть супер успешный сегмент «новой экономики», особенно в сервисном (софтверном) сегменте ИТ индустрии + биотех и финтех, которые значимы с точки зрения генерации прибыли и медийного проникновения, но не столь значительны в масштабе всей экономики.

При этом существует емкая часть традиционной экономики, которая теряет эффективность и производительность по множеству причин (найдется десяток ограничивающих факторов, которые ранее разбирал).

Интегральная потеря эффективности приводит к тому, что на каждый процент добавленной стоимости реализуется с большими затратами, издержками, а отдача снижается на каждый доллар вложенных инвестиций, в том числе с учетом заемных средств. Это как 20% усилий на 80% результа и 80% усилий на 20% результата после достижения порогового значения. 

Кстати, повышение издержек на приращение добавленной стоимости происходит в том числе из-за конкуренции, глобализации (конкурирование с прогрессивной Азией) и усложнения экономики, межотраслевых связей и производственных цепочек. 

Следует понимать, что за 13 лет (2009-2021) сверхмягкой ДКП (безлимитные ресурсы в неограниченном масштабе) ничего выдающегося не добились (за исключением избранных историй успеха), а теперь на структурные дисбалансы вешают недоступные долговые ресурсы, которые стали еще сверхдорогие при раздутых обязательствах.

Отсутствие шока - есть лаг трансмиссии ДКП, т.к. проникающее воздействие высоких ставок проявляется по мере рефинансирования обязательств и новых заимствований, которые размазывались по все системе в последние 1.5 года.

Чем дальше – тем ниже устойчивость. Структурные дисбалансы не новы, а большинство из них следуют еще с 2007, которые были залиты фискальными и монетарными стимулами.

Рост капитализации рынков – хорошее усыпляющее средство для потери бдительности монетарных властей.

Когда рынки растут – создается иллюзия устойчивости, ложное убеждение в резистентности системы, парализуя политическую волю для быстрых и своевременных шагов.

Первые шаги ФРС в ответ на инфляционное давление начались спустя ровно год (в марте 2022) от момента вылета инфляции за пределы целевой границы (весна 2021) и с задержкой в 1.5 года от момента (3кв20), когда меры стабилизации ДКП были необходимы.

Неограниченные монетарные эксперименты с марта 2020 имели под собой рациональную основу до тех пор, пока существовали опасения тотального коллапса экономики и финансовой системы из-за вынужденной блокировки экономики, разрывающей межотраслевые связи с провоцированием каскадного обрушения.

Уже в июле 2020 опасений неконтролируемого, каскадного банкротства были сняты с повестки, соответственно с августа-сентября 2020 необходимо было применять превентивные меры для охлаждения финансового контура (об этом писал еще в ЖЖ).

Однако, финансовая элита выбрала другой путь – возникло представление о быстрой прибыли, когда удастся не только вытащить экономику на доковидные уровни в сжатый срок, но и сформировать особые триггеры, способствующие «переходу в иное измерение».

Разогрев потребительского спроса и экспоненциальный разгон капитализации рынка активов создали ощущение «пойманной удачи за хвост» минимальной ценой. 

Когда все распухает без видимых негативных симптомов – очень сложно остановиться, т.к. каждый положительный день капитализирует не только рынки, но и политические очки американского истеблишмента.

Сложно однозначно сказать – это Пауэлл сошел с ума или его подтолкнули к этому маневру? Однако, факт заключается в том, что лупить баблом из всех щелей продолжали до момента окончательного срыва, когда инфляция начала штурмовать двузначные уровни.

При грамотной и взвешенной политике тормозить надо было с августа 2020, а полностью остановиться в начале 2021, но тупили 1.5 года – не были ни одного логического обоснования монетарному бешенству в 2021. 

Например, ЦБ РФ в ответ на инфляционный импульс и коллапс рубля принял решение буквально в пределах 2-3 недель, что является превентивными мерами реагирования. 

Я очень хорошо помню базовый нарратив Wall St и их ручных СМИ в 2021. На опасения безрассудной фискальной и монетарной политики они отвечали, что «емкость финансовой системы и ее уровень развития достаточны, чтобы переварить любой объем избыточной ликвидности, которая будет абсорбирована через прирост капитализации и в рамках диверсификации по финансовым инструментам, изолируя реальный сектор экономики».

Эврика – изобрели вечный двигатель! Капитализация в стратосферу, богатство растет, только и успевай бешеный принтер наяривать. Замечательное изобретение, ведь так можно и госдолг вечно монетизировать, а вот и не получилось - система сорвалась.

Когда вечный двигатель не получился, Пауэлл сменил ролевую модель с «отмороженного голубя» на «контуженного ястреба», но суть не изменилась.

В 2020-2021 играли в «быстрые деньги», «вечный двигатель» и «бесконечное богатство», а с 2022 решили спасать пошатнувшиеся доверие к ФРС и стабилизировать инфляционный импульс.

Проблема в том, что в 2022-2023 ровно также, как и в 2020-2021, но с инверсной стратегией, ФРС тормозит в своих действиях. Тогда нужно было глушить печатный станок в 3кв20, а в этот раз не имело никакого смысла поднимать ставку выше 4.75% и держать ее так долго. В рамках превентивных мер реагирования – уже с июля 2023 можно было сбрасывать напряжение по мере снижения инфляции (но тут сразу попасть в ловушку доверия).

Дисбалансы велики, а скорость накопления ошибки слишком высока. То, что нет видимых симптомов проявления – не означает, что деструктивные процессы подавлены. Веерный коллапс банков в марте 2023 начался внезапно, так же и сейчас проблемы начнутся быстро, а получится все, как обычно – резкий и вероятно жесткий кризис с паникой от ФРС.

Да, конечно, можно все сжать к одной товарной позиции (индекс Bigmac или к цене литра бензина, КВт электроэнергии и т.д), сделать далекоидущие выводы из ничего и на этом успокоиться, однако этот путь – контрпродуктивный.

Чрезмерное упрощение и обобщение уводит от оценки межстрановых ценовых пропорций, что искажает результаты, приводя к неверным выводам. 

На самом деле, лишь четыре международных института (МВФ, Всемирный банк, ООН и ОЭСР) проводят исследования и консолидированные межстрановые расчеты по паритету покупательной способности на регулярной основе, где ООН на основе методологических рекомендаций.

Справедливый расчет ППС настолько сложен, что его не тянут даже национальные институты и международные инвестбанки (не считать же индекс Бигмака серьезным подходом?), т.е. только наднациональные мегаструктуры способны что то осмысленное изобразить, но с множеством допущений и упрощений.

Публично используется только обобщенный ППС без региональной и межсекторальной дифференциации, используя консолидированные данные по расходам ВВП, что выводит средний показатель, но не позволяет оценить дисбалансы и диспропорции. Методология сильно устаревшая, используя ограниченный набор корзины товаров и услуг, качество сбора данных оставляет желать лучшего, что делает практически невозможным сопоставление.

Агрегированные показатели мало пригодны для содержательного анализа. По сути, единственное для чего используется ППС от МВФ – распределение квот государств-членов МВФ и международное сопоставление по доли ВВП. ППС от МВФ и Всемирного банка практически не сопоставляется с качеством товаров и услуг, отсюда его практическая ценность стремится к нулю.

Тогда как пользу способны принести дезагрегированные показатели ППС для балансировки более актуальной корзины валют. Например, ППС для населения, бизнеса и государства. Внутри ППС для населения: товары краткосрочного пользования, товары долгосрочного пользования, услуги. Далее, внутри услуг сделать распределение на коммунальные, транспортные, телекоммуникационные, информационные, медицинские, образовательные и т.д.

Далее сопоставление с качеством товаров и услуг и сегментарную изоляцию на отечественную продукцию, отверточную (с высокой долей импортных технологий и комплектующих) и импортную продукцию.

В этом разрезе хотя бы на национальном уровне без распределения по городам – уже можно строить какие-то выводы. В идеале, конечно, срез по городам, что позволит сравнить ППС, например, Москвы, Пекина, Токио, Лондона, Парижа, Берлина и Нью-Йорка.

Но опять же, как сравнить? Нужно навесить доходные группы, а следовательно, привести в соответствии с корзиной товаров и услуг для разных категорий потребителей по уровню доходов. Вот после всего этого уже можно строить какие-то содержательные выводы.

Вопрос интересный. Много кто пытался. Например, индекс Cost of living от Numbeo, но он сильно хромает. Очень ограниченный набор товаров и услуг – всего 54 наименования, тогда как для качественного анализа нужно минимум 500+, чтобы сделать репрезентативную выборку во всем многообразии товаров и услуг.

Во-вторых, самая главная проблема – он основан на опросах пользователей, которые не могут быть точными по определению и часто могут вводиться намеренные искажения, поэтому процент ошибок очень велик. Если опросных данных около 1000, можно выделить содержательное зерно, но если их 50-100, как по 95% городам – сразу мимо. 

В-третьих, высокий лаг (12 месяцев), что делает данные не актуальными при высоких темпах инфляции. 

В идеале нужно использовать современные технологии мониторинга цен в онлайн магазинах с регулярной поддержкой API, т.к. артикул товара может меняться (товарные позиции уходить и появляться вновь), но это для товаров, а что делать с услугами?

То, что я попытался на выходных – это лишь попытка «свести ценовые балансы» и актуализировать методологию в контексте задач. Нужно понимать, что расчет ППС  - это как поиск бозона Хиггса, еще ни одной международной организации не удалось это сделать корректно.

Попытка подвести промежуточные итоги в оценке паритета покупательной способности.

Почему за базу сравнения выбраны США – тут все понятно. США сейчас эталон, бенчмарк и если удастся достичь США по каким-то параметрам, то удастся достичь любую другую крупную страну. Снижение разрыва между США предполагает устранение разрыва и со всеми другими, так называемыми, развитыми странами. Плюс к этому, исторически, по крайней мере, последние 100 лет идет идеологическое соперничество именно с США.

Что касается методологии расчета – все создано исключительно на коленке в свободное окно (пока нет важных макроэкономических и корпоративных событий в России и в мире) из-за сломанного и неработоспособного инструмента оценки официального ППС от МВФ и Всемирного банка.  

Спасибо за жаркую дискуссию и содержательные правки. Да, действительно, нужно более точно учитывать VAT в США, возможно выбрать более массовые маркетплейсы в России, поработать над ценами отсечения и выборкой товаров, сопоставляя их по качеству, чтобы создать непротиворечивую и понятную методологию. Но для этого и нужны дискуссии, чтобы корректировать и оптимизировать.

Расчет ППС слишком сложен и пока никому это не удалось сделать достоверно с точки зрения содержательного анализа. То, что использует МВФ и Всемирный банк было разработано в конце 60-х годов на протяжении 3-4 лет группой международных и национальных институтов (Всемирный банк, МВФ, Стат.отдел ООН, ведущие национальные стат.подразделения в США и Европе, частные ВУЗы и исследовательские организации). 

За 60 лет было множество ревизий – хоть и пришли к общему знаменателю, но качество так и не повысили (текущая методология сильно отстает от актуальных тенденций, изолируя значительную часть цифровой экономики). Методология, очевидно, требует обновления, учитывая современную структуру экономики и технологии сбора данных, в том числе используя ИИ.

Все же, промежуточные выводы можно сделать. Цены на базовые отечественные товары в России низкого и среднего передела (продукты питания, простейшая бытовая химия, базовые строительные материалы, такие как бетон, кирпич, арматура и брус) в два и более раза дешевле, чем США. Да, что то в 1.5 раза дешевле, а что то в 2.5-5 раз дешевле, но в среднем близко к двум, где по продуктам 1.6-2. Это обусловлено низкими промежуточными издержками и низкой оплатой труда.

Однако, значительная часть товаров в России – это импорт или «отверточная сборка», т.е. продукция сильно завязанная на импортные комплектующие и технологии. Очевидно, что импорт не может стоить меньше, чем в странах разработки и/или производства продукции из-за таможенных пошлин, различных сборов, типа утилизационного, более сложной и дорогой цепочки посредников из-за санкций, НДС, наценки дилеров, дистрибьютеров и розничных сетей.

Импорт дороже, чем в США на 20-120% где наибольший разрыв в авто, но в среднем скорее справедливо говорить о 40% интегрально по всему импорту, учитывая санкции, т.е. ППС с коэффициентом 0.7. 

Импорт концентрируется в основном в наукоемкой продукции в товарах длительного пользования (ТДП). Соответственно, чтобы иметь сопоставимую покупательную способность на 1000 долларов, потраченных в США, необходимо в России иметь свыше 1400 долларов (при ППС 0.7 для ТДП).

Обычно, чем выше «стандарт потребления», тем выше доля ТДП и наукоемкой продукции, поэтому для условного среднего класса в России общий ППС для всех товаров (с учетом продуктов питания и кирпича) может стремиться к единице, если доля отечественной продукции около 30% в структуре затрат. 1 доллар в России равен 1 доллару в США.

По услугам совсем иначе. Опять же, все зависит от структуры затрат, но справедливо говорить о разнице в цене около трех раз в пользу России, т.е. коэффициент ППС равен 3-3.5. Если затраты смещены в образование и услуги, то ближе к 4-5. 

Соответственно, если в структуре расходов товары 75% (ППС около 1), а услуги 25% (ППС около 3), то общий ППС для потребительского спроса будет равен 1.5-1.7. Если доля импорта низка, то 2.5-2.7 вполне реально.

Может ли повышение эффективности системы через диверсификацию и усложнение межотраслевых связей создавать «эффекта богатства» по всей экономике?

Проще говоря, могут ли высокопроизводительные, высокомаржинальные и высокоэффективные сектора распределять избыточный доход сверху-вниз? Очевидно - да, но в какой мере?

Есть ИТ сектор, который генерирует баснословный доход в расчете на одного занятого/рабочее место. Далее через фискальное распределение (налоги) или через рыночные связи (создание платежеспособного спроса) избыточный доход распределяется вниз, делая более богатыми сектора, которые не могли бы стать «более богатыми», если бы не было ИТ сектора – тот самый «ползучий эффект богатства».

Таким образом, чистый располагаемый доход абстрактного таксиста или парикмахера (после выплаты всех обязательных налогов, сборов и платежей) имеет более высокую покупательную способность, чем чистый располагаемый доход в странах с менее развитой экономикой при приведении к паритетной производительности низкодоходных отраслей. 

Это, собственно, и есть общество среднего класса, за счет чего так сильно в последнее время поднялся Китай. 20 лет назад промышленный работник имел в Китае около 100 долларов чистого располагаемого дохода, а сейчас в 10 раз больше в расчете на один час работы и примерно сопоставимую сдельную работу.

Выросла ли производительность труда промышленного работника в Китае? Да, за счет автоматизации производства и за счет более эффективной организации труда, устраняя дублирующие и низкоэффективные функции работников, которые можно замкнуть на роботов, но не все определяется процессами внутри промышленного сектора.

Усложнение, диверсификация и рост эффективности китайской экономики создали общество среднего класса, которое создает высокий платежеспособный спрос, повышая доходы, в том числе сельскохозяйственных работников. 

Так или иначе эта тема касалась в научных работах ученых по всему миру, но при этом стройной и непротиворечивой концепции выработано не было. 

На моей памяти не было научных работ, которые бы сводили решение данного вопроса к межстрановому паритету покупательной способности, приведенному к чистому располагаемому доходу с коррекцией на производительность труда. 

Иначе говоря, сколько товаров и услуг может приобрести работник на сопоставимой работе с аналогичной отдачей, получая доход, очищенный от всех налогов и сборов? Это и определяет чистую эффективность системы и «приведенный эффект богатства».

Упрощать все к тому, что США «грабят мир» - это достаточно примитивный пропагандистский трюк, при этом абсолютно антинаучный подход, т.к. не сформировано методологическое пояснение «что такое грабить мир?»

Необходимо доказать, что в этот конкретный момент времени (t) США ограбили страну X, украв Y, которые отображены в доходах американского бизнеса или государства на абсолютно конкретную величину Z. Очевидно, что это сделать не получится.

Но можно сказать иначе – США создают диспропорцию конкурентности во всем мире (в том числе создавая очаги напряженности), привлекая рабочую силу, капиталы и технологии в США из-за более выгодных условий, при этом прибегая к протекционистским мерам (нужно доказать пункт нарушения правил ВТО), подавляя конкурентов (экономическая война США-Китай). 

Это уже близко к истине, однако, при этом нет экономического обоснования «грабежа», т.к трудовые ресурсы и капиталы всегда стремятся туда, где выше доходность, выше потенциал роста и лучшие условия. 

Другими словами, если бы в США не было сложной и диверсифицированной экономики, не было бы технологий и необходимых условий для развития, то и не было бы возможности провернуть подобный маневр. 

Задача понять и проанализировать историю успеха, но при этом учитывая все слабые звенья цепи, ошибки и уязвимости, которых в США более, чем достаточно. 

Удержание многомерной динамической архитектуры крайне сложная задача, а накопление ошибок - это естественный процесс на пути трансформации и фазового перехода. Но, каким будет этот фазовый переход, будет ли фазовый переход "жестким"?

Оценка ценовых пропорций, соотношений в США и России в дальнейшем позволит произвести анализ эффективности системы. 

А что значит эффективность системы? Сколько при паритетной производительности труда (эквивалентный KPI) работник может изымать чистого дохода и сколько может распределять денежных средств, получая товары и услуги в сопоставимой товарной корзине?

Например, парикмахер, отработав 170 часов в месяц и совершив X стрижек, в США и в России, сколько получит чистого дохода после выплаты всех обязательных налогов и сборов? Таксист, который отъездил 200 часов в месяц и Y километров по заказам?

Важно оценить чистый приведенный доход для сопоставимых профессий, учитывая актуальные налоговые режимы в России и США.

Общеэкономический средний и медианный доход не может быть взят за основу из-за различий в структуре экономики и производительности труда ровно также, как нельзя сравнивать общеэкономический p/s и p/e по индексам. 

Сравнивать можно только нефтегаз с нефтегазом, металлургов с металлургами и т.д, а более высокий p/e (S&P 500 vs RTS) в США обусловлен: 

•  Степенью диверсификации и структурой индекса с доминирующими ИТ и фармой в США, тогда как сравнение нефтегаза с нефтегазом уже не демонстрирует значимого апсайда в России

•  Исторически более низкими процентными ставками и инфляцией в США, что требует совершенно другую нормализованную чистую доходность акций

•  Более лояльной акционерной политикой (рекордные байбеки и дивиденды в совокупности)

•  Высокими стандартами корпоративной культуры (качество отчетности, транспарентность бизнеса)

•  Высокой платежеспособностью населения и высоким участием населения в рынке

•  Высокоразвитой финансовой системой и гиперконцентрацией инвестфондов разного типа

•  Открытой финсистемой и притоком иностранного капитала

•  Отсутствие политических рисков и внешнего давления

•  Ликвидностью и емкость финсистемы, что повышает конкурентные преимущества, замыкая глобальную ликвидность на долларовую систему.

Аналогичный подход и в макроэкономике. Как минимум нужны отраслевые медианные доходы с коррекцией на производительность труда. Глупо сравнивать экономику США, нашпигованную высокомаржинальными секторами, с Россией – нужна отраслевая сепарация, приведение к единому знаменателю.

Почему условный парикмахер в США может быть богаче, чем в России при сопоставимой эффективности труда? За счет высокой производительности и диверсификации экономики, когда высокомаржинальные и высокопроизводительные отрасли по «иерархическим каналам» распределяют доход вниз, делая богаче всю систему.

Чем выше диверсификация экономики и чем выше доля «доходных отраслей», тем выше потенциал распределения доходов на менее прибыльные отрасли по связующим межотраслевым связям. 

Существует фискальный и макроэкономический канал. Фискальный канал – изъятие «сверхдоходов» у высокомаржинальных отраслей через налоги. Макроэкономический канал – распределение избыточных доходов и создание платежеспособного спроса, делая богаче более уязвимые и менее доходные звенья цепи. 

Второй этап – определение паритета покупательной способности в сопоставимой товарной корзине при плюс-минус сопоставимом качестве продукции. 

Можно взять Ниву и Ford F150, порадоваться, что цены в России в 7 раз меньше (10 vs 72 тыс долл), однако при сопоставимом качестве выйдет, что многие товары в России дороже, чем в США, тогда как на услуги цены в России сильно ниже, но насколько?

Вот все это и предстоит определить. Цель не в абстракции, а в конкретном сравнении: чистый доход после выплаты всех налогов и сборов в сопоставимой профессии с эквивалентом KPI (производительности труда), приведенные к паритету покупательной способности на основе реальных цен в магазинах при идентичной потребительской корзине. 

Если получится, что условный таксист или парикмахер при аналогичной сдельной работе может купить в 1.5-2 раза больше товаров и услуг в США, чем в России, то значит эффективность системы в 1.5-2 раза выше, а если в 3-4 раза или наоборот, меньше? Вот скоро и узнаем.

Россию накрыл мощнейший за 20 лет инфляционный шторм, но и в США была рекордная за 40 лет инфляция. К чему пришли, насколько цены в России ниже, чем в США?

К черту официальную статистику – манипулируют все. Возьму цены, который актуальны на утро 12 ноября 2023 в крупнейших онлайн мегамаркетах Чикаго и Москвы.

Наилучшую и самую репрезентативную онлайн выборку представляет Walmart (чикагское подразделение) и российский «Метро» (московское подразделение). Почему эти мегамаркеты? Что иметь широкую выборку  товаров в одной товарной группе для усреднения диапазона цен.

Для сравнения на первом этапе в товарном сегменте беру продуктовый раздел, где позиции России лучше всего, т.к. в прочих товарах цены либо сопоставимы (одежда, обувь, китайский ширпотреб), либо в России выше (электроника, бытовая, цифровая, мультимедийная и компьютерная техника), а про авто даже и говорить не стоит.

Что нужно учитывать при сравнении цен в США и России? Разная развесовка – там унции (28.3 грамма) и фунты (453 грамма), поэтому сделаю перевод в килограммы. Яйца в США обычно 12-18 штук в упаковке, а в России 10.

Разное качество товаров, поэтому не будет сравнения конкретных позиций, а будет отсечение 10% самых дешевых товаров в каталоге и 10% самых дорогих и представление усредненного диапазона цен. Нет объективной возможности сравнить тысячи позиций, поэтому взял наиболее актуальные (базовые).

Итак, погнали (сначала Россия и далее США в рублях по последнему актуальному курсу рубля):

Молочные продукты, яйца:

•  Яйца 10 штук:  95-140 /  135-280

•  Молоко 2% 1 литр:  70-110 /  90-120

•  Сметана 15% 1кг:  250-350 /  420-550

•  Творог 5% 1кг:  500-750 /  600-850

•  Йоргурт 1 штука (120 грамм):  35-70 /  50-100

•  Плавленный сыр Президент 1кг:  900-1200 /  1900-2200

•  Сыр пармезан 1кг:  1200-2000 /  2000-3200

•  Сыр маасдам 1кг:  800-1300 /  1300-2000

•  Сыр моцарелла 1кг:  750-1300 /  900-1500

•  Масло 1 кг:  750-1400 /  800-1500

Хлебобулочные и крупы:

•  Хлеб белый 1кг:  120-400 /  260-600

•  Хлеб ржаной 1кг:  300-500 /  500-850

•  Чипсы Lays 1кг:   800-1000 /  1200-1300

•  Рис 1кг:  120-220 /  160-400

    Мясные продукты

•  Фарш говяжий 1кг:  600-850 /  1000-1400

•  Говядина мякоть (верхняя часть бедра) 1кг:  800-1300 /  1400-2500

•  Свинина без костей/вырезка/окорок 1кг:  480-600 /  900-1500

•  Курица/филе бедра 1кг:  460-600 /  700-1200

•  Курица/крылья 1кг:  320-450 /  550-750

•  Сосиски 1кг:  320-700 /  600-1200

  

Овощи:

    •  Помидоры черри 1кг:  450-650 /  700-1100

•  Огурцы 1кг:  110-300 /  400-800

•  Картофель 1кг:  20-70 /  100-200

•  Морковь 1кг:  30-60 /  150-200

•  Лук 1кг:  30-60 /  150-200

    Фрукты:

•  Яблоки 1кг:  100-250 /  250-420

•  Груши 1кг:  220-350 /  300-500

•  Бананы 1кг:  120-180 /  120-180

•  Клубника 1кг:  1000-1500 /  550-1000

•  Виноград 1кг:  500-600 /  410-600

•  Апельсины 1кг:  180-260 /  240-300

Практически нет разницы в цене молока и масла, сыр в США примерно в 1.5 раза дороже, а творог, йогурт, яйца и сметана на 30% выше в США. В целом, молочная продукция в США дешевая и доступная. 

Хлебобулочные изделия примерно 1.5-2 раза дороже. Говядина в США на 80% больше стоит, чем в России, свинина вдвое дороже, а курица примерно на 60-90% в зависимости от типа. Сосиски и колбасы на 70-90% дороже. Интегрально, мясные продукты в США в 1.7-2 раза дороже российских. 

Достаточно дорогие овощи. Например, картофель, морковь и лук в США стоят в 4-5 раз дороже, но цена настолько низкая, что не критично. Огурцы втрое выше, а помидоры в 1.7-2 раза дороже.

По фруктам иначе. Яблоки в 1.7-2 раза выше стоят, а груши лишь в 1.5 раза дороже, но … цены на виноград, бананы, апельсины, грейпфрут, ананас сопоставимы с российскими, а на клубнику НИЖЕ в 1.5 раза!

Важно отметить, что это реальные цены, доступные к покупке в настоящий момент, а не всякие фиктивные индексы, сделанные через одно место.

Единственное, что в России сильно дешевле  - это картошка, морковь и лук, по остальным позициям цены подбираются к американским и европейским.

Рекордные расходы федерального бюджета РФ в октябре (2.9 трлн руб) были сбалансированы рекордными доходами (3.4 трлн), что позволило вывести бюджет в профицит на 463 млрд.

За январь-октябрь доходы федерального бюджета составили 23.1 трлн руб, что на 4.4% выше прошлого года и на 13.1% выше 2021 за аналогичный период времени, где:

•  Нефтегазовые доходы – 7.2 трлн или минус 26.3% г/г и минус 1.1% к 2021, а за октябрь 1.6 трлн – плюс 27.6% г/г и плюс 47.6% к 2021.

•  Ненефтегазовые доходы – 15.9 трлн руб, что на 28.7% выше 2022 и на 21% выше 2021. Накопленная инфляция за два года составила 20.5%, т.е. в реальном выражении за два года изменение нефтегазовых доходов в пределах нуля. За октябрь существенный рост на 55.4% г/г и плюс 24.1% к 2021 (чуть выше инфляции).

•  Расходы – 24.3 трлн руб, что на 11.7% выше прошлого года и на 34.2% выше 2021, а в реальном выражении рост составляет 11.5% за два года. Расходы в октябре резко выросли на 29.4% г/г и плюс 58.5% в сравнении с 2021.

•  Баланс бюджета – дефицит 1.2 трлн руб по сравнению с профицитом 0.35 трлн в 2022 и профицитом 2.3 трлн в 2021. Накопленный дефицит за 12 месяцев (ноябрь 2022-октябрь 2023) составляет 4.9 трлн vs дефицита 1.4 трлн годом ранее и дефицита 0.1 трлн в 2021.

Максимальный в истории годовой дефицит был в мае 2023 (8 трлн руб) и все шло к 10 трлн по итогам года, но с июня Минфин резко развернул бюджетную политику и начал «жестко экономить», пытаясь уместиться в изначальный план по бюджетной росписи. С июля по сентябрь расходы бюджета упали на 8% г/г и лишь на 11% выше 2021 – это с учетом военных расходов и возросших социальных расходов.

Хотя в январе-феврале 2023 было проавансировано около 2 трлн, в середине 2023 было понятно, что «рассыпается» план расходов в 29 трлн, учитывая существующие экономические и геополитические реалии. Новый план – 32.5 трлн, что ближе к реальности. 

Резкий рост расходов в октябре привел к тому, что с июня по октября 2023 удалось вывести расходы в плюс 1.4% г/г и плюс 24.2% к 2021.

Минфин России заложил  32.55 трлн руб расходов по итогам 2023, что выше первоначального плана на 3.5 трлн (29 трлн согласно ФЗ №466).

Фактические доходы в 2023 будут выше плановых доходов в 26.1 трлн руб, но насколько выше? За 10 месяцев уже собрали 23.1 трлн. В ноябре-декабре ожидается около 1.6 трлн нефтегазовых доходов при актуальных ценах на нефть и курсе рубля ниже 95 руб/долл. 

Еще около 3.8 трлн руб всех прочих ненефтегазовых доходов (актуально, если в следующие 1.5 месяца не будет внезапного и мощного экономического или геополитического шока). Совокупные 28.5 трлн руб доходов по итогам 2023 vs 27.8 трлн в 2022 и 25.3 трлн в 2021 – вполне реалистичная оценка.
 

В этом сценарии нефтегазовые доходы по итогам 2023 будут 8.8 трлн руб vs 11.6 трлн в 2022 и 9.1 трлн в 2021. Ненефтегазовые доходы – 19.7 трлн руб в 2023 vs 16.2 трлн в 2022 и 2021.

Если Минфин выведет расходы к 32.5 трлн руб по итогам 2023, в ноябре-декабре будет потрачено 8.2 трлн руб по сравнению с 9.33 трлн в 2022 (минус 12% г/г) и 6.63 трлн в 2021 (+23% за два года, что сопоставимо с инфляцией). Для сравнения, годовые расходы в 2022 – 31.1 трлн, а в 2021 – 24.8 трлн.

Минфин дал по тормозам с расходами в июне и начал экономить с июля, хотя в октябре был неожиданный «выброс» расходов на 29.4% г/г. В целом, при указанном сценарии расходы во втором полугодии 2023 будут 17.6 трлн vs 18.6 трлн (минус 5.3% г/г) в 2022 и 14.3 трлн в 2021 (+23% за два года, что сопоставимо с инфляцией).

Таким образом, дефицит бюджета в 2023 стремится к 4 трлн руб  vs дефицита 3.3 трлн в 2022 и профицита 0.5 трлн в 2021. 

При потенциальных расходах 32.5 трлн, учитывая раздутый военный бюджет, фискальная политика умеренно жесткая. Ограничения госрасходов с июня-июля привели к остановке роста ВВП м/м с исключением сезонного фактора (промышленность стагнирует 4 месяца с июня).

Экономику держит ВПК, строительство и потребительский спрос, но по последним двум будет реализована негативная тенденция с начала 2024 из-за ужесточения ДКП.

▪️Ошеломляющий кредитный импульс. В сентябре в пользу нефинансовым организациям, индивидуальным предпринимателям и физлицам было выдано 2.1 трлн руб рублевых кредитов, что является абсолютным рекордом (чистый прирост, как разница между объемом выдачи и погашений за месяц).

В сентябре был переписан августовский рекорд (1.8 трлн), т.е. в сумме за два месяца оформили почти 4 трлн руб новых кредитов по чистому приросту. Чтобы понимать масштаб кредитного ажиотажа, следует отметить, что до СВО максимальный кредитный импульс за два месяца не превышал 2.2 трлн руб в пользу нефинансового сектора в лучшие моменты, а после начала СВО оформили 3.6 трлн к ноябрю 2022.

Если с учетом других финансовых организаций (любые виды финансовых организаций, за исключением кредитных) совокупный прирост кредитования составил 2.4 трлн в сентябре vs 2.2 трлн в августе, а сумме 4.6 трлн по сравнению с пиковыми 2.3 трлн до СВО и 3.7 трлн в конце 2022.

С августа началось экстремальное ужесточение ДКП  – более высокая скорость ужесточения была только в декабре 2014 и в марте 2022, но кредитный импульс не погас, а, наоборот, рвет все рекорды.

Объяснение простое – те, кто планировал взять кредит ближе к концу 2023 или даже в начале 2024 сменили планы и ускорились, оформив заявки, пока кредитные ставки еще не в полной мере среагировали или реализовали ранее одобренные заявки. За август-сентябрь взяли сверх норму, выполнив план практически до конца года. 

Ужесточение ДКП фронтальное, в том числе по кредитным нормативам, а ставки с октября-ноября нормализуются в соответствии с денежным рынком (скорость конверсии достаточно высокая).

В 4 квартале 2023 замедление кредитования неизбежно, но масштаб пока сложно оценить – вероятно в среднем около 0.5-0.8 трлн ежемесячного прироста. 

▪️Инфляционный импульс наибольший за последние 15 лет и соответствует девальвационному шоку 1П 2015 и феврале-апреля 2022. Последние материалы по инфляции (1, 2 и 3). 

Вероятно, пик инфляционного импульса будет сформирован в октябре при условии, что не будет очередной волны девальвации, как единственного триггера ускорения цен, тогда как внутренние среднесрочные факторы не предполагают существенного инфляционного импульса.

Однако, фоновая инфляция будет оставаться высокой. Почему? Экономика в условиях военного конфликта концентрирует трудовые и фискальные ресурсы в оборонном сегменте, что «оголяет» гражданский сектор, формируя устойчивый долгосрочный дефицит товаров и услуг, который будет закрываться через импорт, а это давление на рубль и поддержка перманентно высоких темпов инфляции. Не 15% и выше, но вдвое выше таргета ЦБ (8-9% вместо 4%) – вполне.

Также нужно учесть, что процесс переноса высокого курса рубля еще не завершен и продлится, как минимум до начала 2024 при условии стабилизации курса ниже 95 руб за долл в 4кв23.

▪️Курс рубля – стабилизировался, пока есть основания полагать, что девальвационный импульс погашен. Это ожидаемо. Фундаментальные основы рубля здесь обсуждать не буду, т.к. с июля на тему рубля были написаны десятки очень подробных материалов в моем канале. 

▪️Бюджетный импульс реализуется лишь в 2024 и будет направлен целиком и полностью в оборонный сегмент экономики, а с июня 2023 Минфин существенно сокращает расходы.  В 4кв23 могут оформить 11 трлн руб расходов vs 11.5 трлн в 2022, т.к. Минфин увеличил план расходов до 32.5 трлн руб в 2023.

Фискальная политика относительно гражданского сектора экономики резко дестимулирующая, по социальным расходам и человеческому капиталу – нейтральна (на уровне инфляции). 

В итоге получаем, что нет оснований сильно «жестить», поднимая ставку до 15%, т.к. курс удалось стабилизировать, по крайней мере, сейчас, пик инфляции где-то рядом, а кредитование с октября начнет естественным образом замедляться.

В контексте выше представленных обстоятельств, оставить ставку на 13% нельзя (разрушит усилия ЦБ по ужесточению в августе-сентябре), т.к. ожидания денежного рынка и профучастников на уровне 14%.