Er det nødvendigt at købe en bil til 750 tusind rubler, på trods af at du kører 18 gange om måneden, eller er det billigere at bruge en taxa? Hvis du arbejder på bagsædet eller lytter til musik – hvordan ændrer det vurderingen? Hvad er den bedste måde at købe en lejlighed på - på hvilket tidspunkt er det optimalt at afslutte opsparingen på et indskud og foretage en udbetaling på et realkreditlån? Eller endda et trivielt spørgsmål: er det mere rentabelt at indbetale penge til 6 % med en månedlig kapitalisering eller til 6,2 % med en årlig kapitalisering? De fleste mennesker forsøger ikke engang at lave sådanne beregninger og ønsker ikke engang at indsamle detaljerede oplysninger om deres penge. I stedet for beregninger hænger følelser og følelser sammen. Eller de laver et snævert skøn, for eksempel beregner de årlige omkostninger ved at eje en bil i detaljer, mens alle disse udgifter måske kun er 5% af de samlede udgifter (og udgifter til andre aspekter af livet er ikke beregnet). Den menneskelige hjerne er udsat for kognitive forvrængninger. For eksempel er det svært at stoppe, trods den manglende tilbagebetaling, en virksomhed, hvor der er investeret meget tid og penge. Folk er sædvanligvis alt for optimistiske og undervurderer risiciene, samt let foreslåelige og kan købe en dyr nipsting eller investere i en finansiel pyramide.
I tilfælde af en bank virker følelsesmæssig evaluering naturligvis ikke. Derfor vil jeg først tale om, hvordan en almindelig person vurderer penge (inklusive mig), og hvordan en bank gør det. Nedenfor vil der være noget økonomisk uddannelsesprogram og en masse om dataanalyse i Sberbank for hele banken som helhed.
De opnåede konklusioner er kun givet som et eksempel og kan ikke betragtes som anbefalinger til private investorer, da de ikke tager højde for mange faktorer, der ikke er omfattet af denne artikel.
For eksempel kan enhver "sort svane"-begivenhed inden for makroøkonomi, i enhver virksomheds virksomhedsledelse osv. føre til dramatiske ændringer.
Antag, at du allerede har betalt dit realkreditlån, og du har en opsparing. Denne artikel kan være nyttig for dig, hvis du:
- det er lige meget, hvor meget ejendom du har samlet, og hvordan du holder styr på det
- spekulerer på, hvordan du får din ejendom til at give dig ekstra indkomst
- Jeg vil gerne forstå, hvilken af måderne at investere penge på er den bedste: fast ejendom, indlån eller aktier
- nysgerrig, hvad analysen af Sberbank-data vil rådgive om dette spørgsmål
Ofte træffer folk økonomiske beslutninger uden fuldstændig information om dynamikken i deres egne indtægter og udgifter, uden en vurdering af værdien af deres egen ejendom, uden at tage højde for inflation osv. i deres beregninger.
Nogle gange laver folk fejl, som at tage et lån og tro, at de kan betale det tilbage og så mislykkes. Samtidig er svaret på spørgsmålet om, hvorvidt en person vil være i stand til at servicere et lån, ofte kendt på forhånd. Du skal bare vide, hvor meget du tjener, hvor meget du bruger, hvad er dynamikken i ændringer i disse indikatorer.
Eller, for eksempel, en person modtager en form for løn på arbejdet, den øges med jævne mellemrum, og præsenterer den som en vurdering af fortjeneste. Men i virkeligheden, sammenlignet med inflation, kan denne persons indtjening falde, og han kan ikke indse dette, hvis han ikke fører indkomstregistrering.
Nogle mennesker kan ikke vurdere, hvilket valg der er mere rentabelt i deres nuværende situation: at leje en lejlighed eller optage et realkreditlån til sådan og sådan kurs.
Og i stedet for at beregne, hvad omkostningerne vil være i dette og det tilfælde, på en eller anden måde tjene penge på ikke-finansielle indikatorer i beregningerne ("Jeg anslår fordelen ved Moskva-registrering til M rubler om måneden, jeg anslår bekvemmeligheden ved at bo i en lejlighed lejet i nærheden af arbejder for N rubler om måneden"), løber folk ud på internettet for at diskutere med samtalepartnere, der kan have en anden økonomisk situation og andre prioriteter i vurderingen af ikke-finansielle indikatorer.
Jeg er for ansvarlig økonomisk planlægning. Først og fremmest foreslås det at indsamle følgende data om din egen økonomiske situation:
- regnskab og værdiansættelse af alle disponible ejendomme
- regnskabsføring af indtægter og udgifter, samt forskellen mellem indtægter og udgifter, dvs. ejendomsopbygningsdynamik
Regnskab og værdiansættelse af alle tilgængelige ejendomme
Til at begynde med er her et billede, der sandsynligvis misfortolker folks økonomiske situation. Billedet viser kun de monetære komponenter af ejendommen, som de afbildede personer har. I virkeligheden har folk, der giver almisse, nok en ejendom udover lån, hvorved deres pengebalance er negativ, men den samlede værdi af deres ejendom er stadig større end en tiggers.
Vurder hvad du har:
- fast ejendom
- grundarealer
- transport
- bankindskud
- kreditforpligtelser (med minus)
- investeringer (aktier, obligationer, …)
- omkostninger til egen virksomhed
- anden ejendom
Blandt ejendommen kan man notere en likvid andel, som hurtigt kan trækkes tilbage og omdannes til andre former. Eksempelvis kan en andel i en lejlighed, som du ejer sammen med pårørende, der bor i den, klassificeres som illikvid ejendom. Langsigtede investeringer i indlån eller aktier, der ikke kan hæves uden tab, kan også betragtes som illikvide. Til gengæld kan fast ejendom, som du ejer, men ikke bor i, køretøjer, kortfristede og tilbagekaldelige indskud klassificeres som likvid formue. For eksempel, hvis du har brug for penge til akut behandling, så er fordelene ved nogle værktøjer cirka nul, så likviditetsandelen er mere værdifuld.
Yderligere kan blandt ejendommen skelnes urentable og rentable. Eksempelvis kan fast ejendom, der ikke er udlejet, samt køretøjer anses for urentable. Og lejet fast ejendom, indlån og aktier investeret til en sats over inflationen er rentabel ejendom.
Du får f.eks. et sådant billede (dataene genereres tilfældigt):
For mange mennesker ser dette billede meget skævt ud. For eksempel kan en fattig bedstemor bo i en dyr lejlighed i Moskva, der ikke giver overskud, mens hun lever hånd til mund fra pension til pension, uden at tænke på at omstrukturere sin ejendom. Det ville være klogt for hende at bytte lejlighed med sit barnebarn mod betaling. Tværtimod kan en investor blive så opslugt af at investere i aktier, at han ikke har andre typer aktiver til en regnvejrsdag, hvilket kan være risikabelt. Du kan tegne sådan et billede af din ejendom og spekulere på, om det ikke er klogt at flytte ejendommen på en mere rentabel måde.
Regnskab for indtægter, udgifter og dynamik i ejendomsopbygning
Det foreslås, at du løbende registrerer dine indtægter og udgifter elektronisk. I internetbankernes æra kræver det ikke mange kræfter. Samtidig kan indtægter og udgifter opdeles i kategorier. Ved at aggregere dem efter år kan man drage konklusioner om deres dynamik. Det er vigtigt at tage højde for inflationen for at få en idé om, hvordan beløbene for de seneste år ser ud i dagens priser. Alle har deres egen forbrugerkurv. Benzin og mad stiger i pris med forskellige satser. Men det er ret svært at beregne din personlige inflation. Derfor er det med en vis fejl muligt at bruge data om den officielle inflationsrate.
Månedlige inflationsdata er tilgængelige fra mange åbne kilder, inklusive dem, der er uploadet til Sberbank-datasøen.
Et eksempel på at visualisere dynamikken i indkomstudgifter (dataene genereres tilfældigt, inflationens dynamik er reel):
Når du har et så komplet billede, kan du drage konklusioner om din reelle vækst / fald i indkomst og reelle vækst / fald i opsparing, analysere dynamikken i udgifter efter kategori og træffe informerede økonomiske beslutninger.
Hvilken måde at investere gratis penge på slår inflationen og giver den mest passive indkomst?
Sberbank-datasøen har værdifulde data om dette emne:
- dynamik af omkostningerne per kvadratmeter i Moskva
- database med forslag til salg og udlejning af fast ejendom i Moskva og Moskvas forstæder
- dynamikken i den gennemsnitlige årlige rente på indlån
- rubel inflation dynamik
- Dynamics of the Moscow Exchange Brutto Total Return Index (MCFTR)
- Moskva børs aktiekurser og data om udbetalt udbytte
Disse data vil give os mulighed for at sammenligne afkast og risici ved at investere i lejeejendomme, bankindskud og aktiemarkedet. Lad os ikke glemme at medregne inflationen.
Jeg må sige med det samme, at vi i dette indlæg udelukkende beskæftiger os med dataanalyse og ikke tyer til brugen af økonomiske teorier. Lad os lige se, hvad vores data siger - hvilken måde at bevare og vokse opsparing i Rusland har givet de bedste resultater i de seneste år.
Vi vil kort beskrive, hvordan de data, der bruges i denne artikel og andre data i Sberbank, indsamles og analyseres. Der er et lag af kildereplikaer, der er gemt i parketformat på hadoop. Der anvendes både interne kilder (forskellige AS i banken) og eksterne kilder. Kildereplikaer indsamles på forskellige måder. Der er et storkeprodukt baseret på gnist, og det andet produkt, Ab Initio AIR, tager fart. Kildereplikaer uploades til forskellige Cloudera-administrerede hadoop-klynger og kan linkes fra en klynge til en anden. Klynger er hovedsageligt opdelt efter forretningsblokke, der er også Data Lab-klynger. Baseret på kildereplikaer bygges forskellige datamarts, der er tilgængelige for erhvervsbrugere og dataforskere. Forskellige spark-applikationer, hive-forespørgsler, dataanalyseapplikationer og visualisering af resultater i SVG-grafikformat blev brugt til at skrive denne artikel.
Historisk analyse af ejendomsmarkedet
Analysen viser, at fast ejendom på sigt vokser i forhold til inflationen, dvs. i realpriser hverken stiger eller falder. Her er grafer over dynamikken i priserne for boligejendomme i Moskva, der viser de tilgængelige indledende data.
Prisdiagram i rubler eksklusive inflation:
Prisdiagram i rubler, under hensyntagen til inflation (i moderne priser):
Vi ser, at prisen historisk set svingede omkring 200 rubler/kvm. i moderne priser og volatiliteten var ret lav.
Hvilken procentdel om året over inflationen kommer fra investeringer i boligejendomme? Hvordan afhænger udbyttet af antallet af værelser i lejligheden? Lad os analysere Sberbanks database med annoncer til salg og udlejning af lejligheder i Moskva og Moskvas forstæder.
I vores database var der en del etageejendomme, hvor der er annoncer for salg af lejligheder og annoncer for udlejning af lejligheder på samme tid, og antallet af værelser i lejlighederne til salg og til leje er det samme. Vi sammenlignede sådanne tilfælde og grupperede dem efter huse og antallet af værelser i lejligheden. Hvis der var flere tilbud i en sådan gruppe, blev gennemsnitsprisen beregnet. Hvis arealet af de solgte og lejede lejligheder var forskelligt, blev udbudsprisen forholdsmæssigt ændret, så arealerne af de sammenlignede lejligheder svarede. Som følge heraf blev forslagene sat på tidsplanen. Hver cirkel er faktisk en lejlighed, der tilbydes at blive købt og lejet på samme tid. På den vandrette akse ser vi omkostningerne ved at anskaffe en lejlighed, og på den lodrette akse - omkostningerne ved at leje den samme lejlighed. Antallet af rum i lejligheden fremgår tydeligt af cirklens farve, og jo større areal af lejligheden er, desto større radius er cirklen. Taget de superdyre tilbud i betragtning, blev tidsplanen sådan:
Fjerner du dyre tilbud, kan du se priserne i økonomisegmentet mere detaljeret:
Korrelationsanalyse viser, at sammenhængen mellem omkostningerne ved at leje en lejlighed og omkostningerne ved at købe den er tæt på lineær.
Det viste sig følgende forhold mellem omkostningerne ved en årlig lejlighedsleje og omkostningerne ved at anskaffe en lejlighed (lad os ikke glemme, at den årlige pris er 12 om måneden):
Antal værelser:
Forholdet mellem omkostningerne ved den årlige leje af en lejlighed og omkostningerne ved at erhverve en lejlighed:
1-værelses
5,11 %
2-værelses
4,80 %
3-værelses
4,94 %
Kun
4,93 %
Modtog en gennemsnitlig vurdering på 4,93% om året udbytte fra at leje en lejlighed ud over inflationen. Det er også interessant, at billige 1-værelses lejligheder er lidt mere rentable at leje. Vi sammenlignede tilbudsprisen, som i begge tilfælde (leje og køb) er lidt overpris, så der kræves ingen justering. Der kræves dog andre justeringer: lejede lejligheder skal nogle gange i det mindste kosmetisk repareres, det tager lidt tid at finde en lejer, og lejlighederne er tomme, nogle gange er forbrugsbetalinger ikke inkluderet i lejeprisen helt eller delvist, og der er også en yderst lille afskrivning af lejligheder gennem årene.
Under hensyntagen til justeringer, fra udlejning af boligejendomme, kan du have en indkomst på op til 4,5 % om året (udover at selve ejendommen ikke afskrives). Hvis et sådant udbytte er imponerende, har Sberbank mange tilbud på DomClick.
Historisk analyse af indlånsrenter
Rubelindskud i Rusland i de seneste par år har stort set overgået inflationen. Men ikke med 4,5 %, ligesom fast ejendom til leje, men i gennemsnit med 2 %.
I nedenstående figur ser vi dynamikken i at sammenligne indlånsrenter og inflation.
Jeg vil bemærke et sådant øjeblik, at indtægter fra indlån slår inflationen noget stærkere end i ovenstående diagram af følgende årsager:
- Du kan fastsætte kursen på genopfyldte indskud på et gunstigt tidspunkt i flere måneder i forvejen
- Månedlig kapitalisering, der er karakteristisk for mange bidrag inkluderet i disse gennemsnitlige data, tilføjer overskud på grund af renters rente
- Ovenstående blev taget i betragtning satserne for top 10 banker ifølge oplysninger fra Bank of Russia, uden for top 10 kan du finde satser lidt højere
Hvad angår indlån i dollar og euro, vil jeg sige, at de slog inflationen i henholdsvis dollar og euro, svagere end rublen slår rubelinflationen.
Historisk analyse af aktiemarkedet
Lad os nu se på det mere forskelligartede og risikable marked for russiske aktier. Afkastet af investeringer i aktier er ikke fast og kan variere meget. Men hvis du diversificerer aktiver og investerer i en længere periode, kan du spore den gennemsnitlige årlige rente, der kendetegner succesen med at investere i en aktieportefølje.
Til læsere, der er langt fra emnet, vil jeg sige et par ord om aktieindeks. I Rusland er der Moscow Exchange-indekset, som viser dynamikken i rubelværdien af en portefølje bestående af de 50 største russiske aktier. Sammensætningen af indekset og andelen af aktier i hvert selskab afhænger af mængden af handelsaktiviteter, mængden af forretninger, antallet af aktier i omløb. Nedenstående diagram viser, hvordan Moscow Exchange-indekset (dvs. sådan en gennemsnitlig portefølje) er vokset i de seneste år.
Ejerne af de fleste aktier får periodisk udbetalt udbytte, der kan geninvesteres i de samme aktier, der genererede indkomst. Der skal betales skat af modtaget udbytte. Moscow Exchange Index tager ikke højde for udbytteafkastet.
Derfor vil vi være mere interesserede i Moscow Exchange Gross Total Return Index (MCFTR), som tager højde for modtagne udbytter og den skat, der trækkes fra disse udbytter. Lad os vise på diagrammet nedenfor, hvordan dette indeks har ændret sig i de seneste år. Derudover tager vi højde for inflation og ser, hvordan dette indeks voksede i moderne priser:
Den grønne graf er den reelle værdi af porteføljen i moderne priser, hvis du investerer i Moscow Exchange-indekset, regelmæssigt geninvesterer udbytte og betaler skat.
Lad os se, hvad var vækstraten for MCFTR-indekset over de seneste 1,2,3,...,11 år. De der. Hvad ville vores afkast være, hvis vi købte aktier i forhold til dette indeks og regelmæssigt geninvesterede det modtagne udbytte i de samme aktier:
Flere år
begynder
ende
MCFTR
tidlig Med
tage med i overvejelse
infl.
MCFTR
kon. Med
tage med i overvejelse
infl.
Coeff.
vækst
Årligt
koefficient
vækst
1
30.07.2019
30.07.2020
4697,47
5095,54
1,084741
1,084741
2
30.07.2018
30.07.2020
3835,52
5095,54
1,328513
1,152612
3
30.07.2017
30.07.2020
3113,38
5095,54
1,636659
1,178472
4
30.07.2016
30.07.2020
3115,30
5095,54
1,635650
1,130896
5
30.07.2015
30.07.2020
2682,35
5095,54
1,899655
1,136933
6
30.07.2014
30.07.2020
2488,07
5095,54
2,047989
1,126907
7
30.07.2013
30.07.2020
2497,47
5095,54
2,040281
1,107239
8
30.07.2012
30.07.2020
2634,99
5095,54
1,933799
1,085929
9
30.07.2011
30.07.2020
3245,76
5095,54
1,569907
1,051390
10
30.07.2010
30.07.2020
2847,81
5095,54
1,789284
1,059907
11
30.07.2009
30.07.2020
2223,17
5095,54
2,292015
1,078318
Vi ser, at efter at have investeret et vilkårligt antal år siden, ville vi have opnået en sejr over inflationen på 5-18 % årligt, afhængigt af succesen med indgangspunktet.
Lad os lave en tabel mere - ikke rentabilitet for hvert sidste N år, men rentabilitet for hver af de sidste N etårige perioder:
År
begynder
ende
MCFTR
tidlig Med
tage med i overvejelse
infl.
MCFTR
kon. Med
tage med i overvejelse
infl.
Årligt
koefficient
vækst
1
30.07.2019
30.07.2020
4697,47
5095,54
1,084741
2
30.07.2018
30.07.2019
3835,52
4697,47
1,224728
3
30.07.2017
30.07.2018
3113,38
3835,52
1,231947
4
30.07.2016
30.07.2017
3115,30
3113,38
0,999384
5
30.07.2015
30.07.2016
2682,35
3115,30
1,161407
6
30.07.2014
30.07.2015
2488,07
2682,35
1,078085
7
30.07.2013
30.07.2014
2497,47
2488,07
0,996236
8
30.07.2012
30.07.2013
2634,99
2497,47
0,947810
9
30.07.2011
30.07.2012
3245,76
2634,99
0,811825
10
30.07.2010
30.07.2011
2847,81
3245,76
1,139739
11
30.07.2009
30.07.2010
2223,17
2847,81
1,280968
Vi ser, at ikke alle årene var succesfulde, men mislykkede år blev efterfulgt af succesfulde år, som "fiksede alt".
Nu, for en bedre forståelse, lad os abstrahere fra dette indeks og se på eksemplet med en specifik aktie, hvad ville være resultatet, hvis du investerede i denne aktie for 15 år siden, geninvesterede udbytte og betalte skat. Lad os se resultatet under hensyntagen til inflation, dvs. til løbende priser. Nedenfor er et eksempel på en almindelig aktie i Sberbank. Den grønne graf viser dynamikken i værdien af porteføljen, som oprindeligt bestod af en aktie i Sberbank til aktuelle priser under hensyntagen til geninvestering af udbytte. I 15 år har inflationen deprecieret rublen med 3.014135 gange. Sberbanks andel er gennem årene steget i pris fra 21.861 rubler. op til 218.15 rubler, dvs. prisen steg med 9.978958 gange eksklusive inflation. I løbet af disse år blev ejeren af en aktie på forskellige tidspunkter udbetalt udbytte, netto efter skatter, i mængden af 40.811613 rubler. Beløbene for udbetalt udbytte vises på diagrammet som røde lodrette pinde og refererer ikke til selve diagrammet, hvor udbytte og deres geninvestering også tages i betragtning. Hvis hver gang disse udbytter blev brugt til at købe aktier i Sberbank igen, så ejede aktionæren allerede i slutningen af perioden ikke én, men 1.309361 aktier. Tager man hensyn til geninvestering af udbytte og inflation, er den oprindelige portefølje steget i pris med 4.334927 gange over 15 år, dvs. steg i pris med 1.102721 gange årligt. I alt bragte en almindelig andel af Sberbank ejeren et gennemsnit på 10,27 % om året over inflationen hvert af de sidste 15 år:
Som et andet eksempel, lad os tage et lignende billede med dynamikken i de foretrukne aktier i Sberbank. En foretrukken andel af Sberbank bragte ejeren endnu mere i gennemsnit, 13,59 % om året over inflationen hvert af de sidste 15 år:
Disse resultater vil i praksis være lidt lavere, for når du køber aktier, skal du betale en lille kurtage. Samtidig kan resultatet blive yderligere forbedret, hvis du bruger Den Individuelle Investeringskonto, som giver dig mulighed for at få skattefradrag fra staten i et vist begrænset beløb. Hvis du ikke har hørt om dette, foreslås det at søge efter forkortelsen "IIS". Lad os heller ikke glemme at nævne, at IIS kan åbnes hos Sberbank.
Så vi har tidligere fået, at det historisk set er mere rentabelt at investere i aktier end i fast ejendom og indlån. For sjov er her en hitparade af de 20 bedste aktier, der har handlet på markedet i mere end 10 år, opnået som et resultat af dataanalyse. I den sidste kolonne ser vi, hvor mange gange aktieporteføljen i gennemsnit voksede hvert år, når der tages højde for inflation og geninvestering af udbytte. Vi ser, at mange aktier slår inflationen med mere end 10 %:
Aktion
begynder
ende
Coeff. inflation
Starten pris
Con. pris
Vækst
numrene
aktier
på bekostning
genop-
stationer
dele-
dendov,
tid
endelig
mellem-
årlig
vækst, tider
Lenzoloto
30.07.2010
30.07.2020
1,872601
1267,02
17290
2,307198
1,326066
NKNKH ap
30.07.2010
30.07.2020
1,872601
5,99
79,18
2,319298
1,322544
MGTS-4ap
30.07.2010
30.07.2020
1,872601
339,99
1980
3,188323
1,257858
Tatnft 3ap
30.07.2010
30.07.2020
1,872601
72,77
538,8
2,037894
1,232030
MGTS-5ao
30.07.2010
30.07.2020
1,872601
380,7
2275
2,487047
1,230166
Akron
30.07.2010
30.07.2020
1,872601
809,88
5800
2,015074
1,226550
Lenzol. op
30.07.2010
30.07.2020
1,872601
845
5260
2,214068
1,220921
NKNKh JSC
30.07.2010
30.07.2020
1,872601
14,117
92,45
1,896548
1,208282
Lenenerg-s
30.07.2010
30.07.2020
1,872601
25,253
149,5
1,904568
1,196652
GMKNorNik
30.07.2010
30.07.2020
1,872601
4970
19620
2,134809
1,162320
Surgnfgz-s
30.07.2010
30.07.2020
1,872601
13,799
37,49
2,480427
1,136619
IRKUT-3
30.07.2010
30.07.2020
1,872601
8,127
35,08
1,543182
1,135299
Tatnft 3ao
30.07.2010
30.07.2020
1,872601
146,94
558,4
1,612350
1,125854
Novatek JSC
30.07.2010
30.07.2020
1,872601
218,5
1080,8
1,195976
1,121908
SevSt-AO
30.07.2010
30.07.2020
1,872601
358
908,4
2,163834
1,113569
Krasesb ao
30.07.2010
30.07.2020
1,872601
3,25
7,07
2,255269
1,101105
CHTPZ JSC
30.07.2010
30.07.2020
1,872601
55,7
209,5
1,304175
1,101088
Sberbank-s
30.07.2010
30.07.2020
1,872601
56,85
203,33
1,368277
1,100829
PIK JSC
30.07.2010
30.07.2020
1,872601
108,26
489,5
1,079537
1,100545
LUKOIL
30.07.2010
30.07.2020
1,872601
1720
5115
1,639864
1,100444
Nu, efter at have downloadet data, vil vi løse flere problemer om, hvad der præcist er værd at investere i, hvis vi tror på, at langsigtede tendenser i værdien af visse aktier vil fortsætte. Det er klart, at det ikke er helt berettiget at forudsige den fremtidige pris i henhold til det foregående diagram, men vi vil se efter vindere i at investere for tidligere perioder i flere kategorier.
En opgave. Find den aktie, der konsekvent klarer sig bedre end fast ejendom (CAGR 1.045 over inflation) det maksimale antal gange i hver af de sidste 10 etårige perioder, aktien handlede.
I denne og de følgende opgaver mener vi ovenstående model med geninvestering af udbytte og regnskab for inflation.
Her er vinderne i denne kategori ifølge vores dataanalyse. Aktierne i toppen af tabellen klarer sig konsekvent godt år efter år uden dyk. Her er år 1 30.07.2019/30.07.2020/2-30.07.2018/30.07.2019/XNUMX, år XNUMX er XNUMX/XNUMX/XNUMX-XNUMX/XNUMX/XNUMX osv.:
Aktion
Nummer
vinder
над
ejendom
trykke-
stu
for
efter-
dage
10 år
år 1
år 2
år 3
år 4
år 5
år 6
år 7
år 8
år 9
år 10
Tatnft 3ap
8
0,8573
1,4934
1,9461
1,6092
1,0470
1,1035
1,2909
1,0705
1,0039
1,2540
MGTS-4ap
8
1,1020
1,0608
1,8637
1,5106
1,7244
0,9339
1,1632
0,9216
1,0655
1,6380
CHTPZ JSC
7
1,5532
1,2003
1,2495
1,5011
1,5453
1,2926
0,9477
0,9399
0,3081
1,3666
SevSt-AO
7
0,9532
1,1056
1,3463
1,1089
1,1955
2,0003
1,2501
0,6734
0,6637
1,3948
NKNKh JSC
7
1,3285
1,5916
1,0821
0,8403
1,7407
1,3632
0,8729
0,8678
1,0716
1,7910
MGTS-5ao
7
1,1969
1,0688
1,8572
1,3789
2,0274
0,8394
1,1685
0,8364
1,0073
1,4460
Gazpromneft
7
0,8119
1,3200
1,6868
1,2051
1,1751
0,9197
1,1126
0,7484
1,1131
1,0641
Tatnft 3ao
7
0,7933
1,0807
1,9714
1,2109
1,0728
1,1725
1,0192
0,9815
1,0783
1,1785
Lenenerg-s
7
1,3941
1,1865
1,7697
2,4403
2,2441
0,6250
1,2045
0,7784
0,4562
1,4051
NKNKH ap
7
1,3057
2,4022
1,2896
0,8209
1,2356
1,6278
0,7508
0,8449
1,5820
2,4428
Surgnfgz-s
7
1,1897
1,0456
1,2413
0,8395
0,9643
1,4957
1,2140
1,1280
1,4013
1,0031
Vi ser, at selv lederne ikke vandt fast ejendom i form af rentabilitet hvert år. Stærke spring i rentabilitetsniveauet i forskellige år viser, at hvis du ønsker stabilitet, er det bedre at diversificere aktiver og ideelt set investere i et indeks.
Nu formulerer og løser vi sådan et problem til dataanalyse. Er det værd at spekulere lidt, hver gang man køber aktier M dage før udbytteudbetalingsdatoen og sælger aktier N dage efter udbytteudbetalingsdatoen? Er det bedre at høste udbytte og "komme ud af aktien" end at "sidde i aktien" hele året rundt? Lad os antage, at der ikke er nogen tab på provisionen fra en sådan entry-exit. Og dataanalyse vil hjælpe os med at finde grænserne for M- og N-korridoren, som historisk set har haft størst succes med at høste udbytte i stedet for at holde aktier i lang tid.
Her er en anekdote fra 2008.
John Smith, der sprang ud af vinduet på 75. etage på Wall Street, efter at have ramt jorden, sprang 10 meter, hvilket i nogen grad vandt hans morgenfald tilbage.
Sådan er det også med udbytte: Vi antager, at der i markedsbevægelsen i nærheden af udbyttebetalingsdatoen manifesteres for meget markedsrefleksion, dvs. af psykologiske årsager kan markedet falde eller stige mere end udbyttebeløbet kræver.
En opgave. Anslå graden af inddrivelse af aktier efter udbetaling af udbytte. Er det bedre at gå ind på tærsklen til udbyttebetalingen og forlade noget tid senere end at eje aktien hele året rundt? Hvor mange dage før udbyttebetalingen skal jeg indtaste aktien, og hvor mange dage efter udbyttebetalingen skal jeg forlade aktien for at få den maksimale fortjeneste?
Vores model har beregnet alle variationer i kvarterets bredde omkring udbytteudbetalingsdatoerne gennem historien. Følgende restriktioner blev vedtaget: M<=30, N>=20. Faktum er, at datoen og beløbet for betalingen ikke altid kendes på forhånd end 30 dage før udbetalingen af udbytte. Ligeledes kommer udbytte ikke på kontoen med det samme, men med en forsinkelse. Vi mener, at det tager mindst 20 dage at være garanteret at modtage udbytte på kontoen og geninvestere dem. Med disse begrænsninger frembragte modellen følgende svar. Det bedste tidspunkt at købe aktier er 34 dage før udbytteudbetalingsdatoen og sælge dem 25 dage efter udbytteudbetalingsdatoen. Under dette scenarie blev der opnået en gennemsnitlig vækst på 3,11% i denne periode, hvilket giver 20,9% om året. De der. med den betragtede investeringsmodel (med geninvestering af udbytte og under hensyntagen til inflation), hvis du køber en aktie 34 dage før udbyttebetalingsdatoen og sælger den 25 dage efter udbyttebetalingsdatoen, så har vi 20,9 % om året over inflationen sats. Dette verificeres ved at tage et gennemsnit over alle tilfælde af udbyttebetalinger fra vores database.
For en foretrukken andel af Sberbank vil et sådant entry-exit-scenario give en vækst på 11,72 % over inflationsraten for hver entry-exit i nærheden af udbyttebetalingsdatoen. Det er hele 98,6 % om året over inflationen. Men dette er selvfølgelig et eksempel på tilfældigt held.
Aktion
indgangen
Udbyttedato
Output
Coeff. vækst
Sberbank-s
10.05.2019
13.06.2019
08.07.2019
1,112942978
Sberbank-s
23.05.2018
26.06.2018
21.07.2018
0,936437635
Sberbank-s
11.05.2017
14.06.2017
09.07.2017
1,017492563
Sberbank-s
11.05.2016
14.06.2016
09.07.2016
1,101864592
Sberbank-s
12.05.2015
15.06.2015
10.07.2015
0,995812419
Sberbank-s
14.05.2014
17.06.2014
12.07.2014
1,042997818
Sberbank-s
08.03.2013
11.04.2013
06.05.2013
0,997301095
Sberbank-s
09.03.2012
12.04.2012
07.05.2012
0,924053861
Sberbank-s
12.03.2011
15.04.2011
10.05.2011
1,010644958
Sberbank-s
13.03.2010
16.04.2010
11.05.2010
0,796937418
Sberbank-s
04.04.2009
08.05.2009
02.06.2009
2,893620094
Sberbank-s
04.04.2008
08.05.2008
02.06.2008
1,073578067
Sberbank-s
08.04.2007
12.05.2007
06.06.2007
0,877649005
Sberbank-s
25.03.2006
28.04.2006
23.05.2006
0,958642001
Sberbank-s
03.04.2005
07.05.2005
01.06.2005
1,059276282
Sberbank-s
28.03.2004
01.05.2004
26.05.2004
1,049810801
Sberbank-s
06.04.2003
10.05.2003
04.06.2003
1,161792898
Sberbank-s
02.04.2002
06.05.2002
31.05.2002
1,099316569
Så den ovenfor beskrevne markedsreflektion finder sted, og i en ret bred vifte af udbyttebetalingsdatoer har afkastet historisk set været lidt højere end fra helårsbeholdning af aktier.
Lad os sætte vores model endnu en opgave til dataanalyse:
En opgave. Find aktien med den mest almindelige entry-exit-indtjeningsmulighed omkring udbytteudbetalingsdatoen. Vi vil vurdere, hvor mange af tilfældene med udbyttebetalinger, der gjorde det muligt at tjene mere end 10 % på årsbasis over inflationen, hvis du indtaster aktien 34 dage før og afslutter 25 dage efter udbyttebetalingsdatoen.
Vi vil overveje aktier, for hvilke der var mindst 5 tilfælde af udbyttebetalinger. Den resulterende hitparade er vist nedenfor. Bemærk, at resultatet højst sandsynligt kun er af værdi ud fra et problem med dataanalyse, men ikke som en praktisk guide til investering.
Aktion
Nummer
sager om at vinde
mere end 10 % om året
over inflationen
Nummer
sager
betalinger
udbytte
andel
sager
sejre
Gennemsnitlig koefficient vækst
Lenzoloto
5
5
1
1,320779017
IDGC SZ
6
7
0,8571
1,070324870
Rollman-s
6
7
0,8571
1,029644533
Rosseti op
4
5
0,8
1,279877637
Kubanenr
4
5
0,8
1,248634960
LSR JSC
8
10
0,8
1,085474828
ALROSA JSC
8
10
0,8
1,042920287
FGC UES jsc
6
8
0,75
1,087420610
NCSP JSC
10
14
0,7143
1,166690777
KuzbTK JSC
5
7
0,7143
1,029743667
Fra analysen af aktiemarkedet kan vi drage følgende konklusioner:
- Det er blevet verificeret, at afkastet af aktier deklareret i materialer fra mæglere, investeringsselskaber og andre interesserede parter er højere end indlån og investeringsejendomme.
- Volatiliteten på aktiemarkedet er meget høj, men det er muligt at investere i lang tid med en betydelig diversificering af porteføljen. Af hensyn til yderligere 13% skattefradrag ved investering i IIS er det helt tilrådeligt at åbne aktiemarkedet for dig selv, og dette kan gøres, også hos Sberbank.
- Baseret på analysen af resultaterne for tidligere perioder, blev ledere fundet i form af stabil høj rentabilitet og rentabiliteten af entry-exit i nærheden af udbyttebetalingsdatoen. Resultaterne er dog ikke så entydige, og du bør ikke kun lade dig vejlede af dem i din investering. Disse var eksempler på dataanalyseopgaver.
I alt
Det er nyttigt at føre en fortegnelse over din ejendom, samt indtægter og udgifter. Det hjælper med økonomisk planlægning. Hvis du formår at spare penge, så er der muligheder for at investere dem til en højere kurs end inflationen. En analyse af data fra Sberbank-datasøen viste, at indlån årligt afkaster 2%, lejelejligheder - 4,5% og russiske aktier - omkring 10% over inflationen med væsentligt større risici.
Forfatter: Mikhail Grichik, ekspert fra det professionelle samfund i Sberbank SberProfi DWH/BigData.
Det professionelle SberProfi DWH/BigData-miljø er ansvarligt for at udvikle kompetencer inden for områder som Hadoop-økosystemet, Teradata, Oracle DB, GreenPlum, samt BI-værktøjer Qlik, SAP BO, Tableau mv.
Kilde: www.habr.com