Будни инвест теха

Будни инвест теха pinned a photo

Нас уже довольно много, а пост знакомство я как таковой не делал! Считаю, что каждый здесь не случайно! Анонсировали канал только в лучших кругах😃 Если кто-то хочет - расскажите про то, чем вы занимаетесь в комментариях к посту (пара предложений) и я очень надеюсь Вы получите отклик на свой запрос🙌 Начну с себя: Меня зовут Артур Зарипов. Родился в городе Альметьевск (Татарстан), учился в Казанском авиационном университете по специальности «Прикладная математика и информатика», получил степень бакалавра, далее выиграл олимпиаду и попал в магистратуру Высшей школы экономики на специальность «Математическое моделирование», 2 года жил в Москве, получил л степень магистра и вернулся в Казань. Долго работал в банках и с банками по направлению «Риск-менеджмент». Далее началась история RANKS (читать тут). Женат, есть сын 4 года. Увлекаюсь триатлоном и другими цикличными видами спорта. Проходил гонку Ironman в Барселоне и множество других гонок и ультрамарафонов. Много путешествовал, жил год в Турции, планирую ближайшую русскую зиму пропустить, пожить во Вьетнаме. Очень скоро напишу пост про 🐶🐱🐭🐹 Что из себя представляет компания на сегодняшний день. #Будни_путь

Сегодня на инвестиционном комитете провели важную сверку часов по нашим портфельным инвестициям в акции дочек Россетей 🔌 На повестке были вопросы: — как динамика прибыли соответствует планам? — видим ли мы риски в изменении дивидендной политики? — какие акции могут удивить нас в ближайшие 2 года? — стоит ли сбрасывать со счетов аутсайдеров этого лета? — какая дивдоходность каждой идеи ждёт нас в 2027-2028 гг.? И не только... Мы определили тройку фаворитов в текущей стадии рынка! 🏆 А также тройку компаний для пристального изучения в ближайшие 6-12 месяцев 🔎 Об итогах комитета как всегда расскажем на наших площадках: 📺 смотреть на Rutube 📺 смотреть на YouTube Подписывайтесь, в течение пары недель мы выложим запись для тех, кто не смог присутствовать в прямом эфире 😉 Ставьте 🔥, если нравятся наши инвест-комитеты 📈 #Ranks_аналитика

Как мы дали ИИ-агенту исследовать торговую стратегию — и получили управляемый хаос Сегодня ИИ-агенты быстро обрастают готовыми навыками, плагинами, памятью и средствами оркестрации. Мы начали экспериментировать с ними раньше, когда значительную часть этой инфраструктуры приходилось создавать самостоятельно. В марте–апреле 2026 года мы в Ranks запустили агента для автономного исследования нашей количественной стратегии RAM — Ranks Adaptive Momentum. Агент получил «скелет» стратегии: систему расчёта портфеля, логику удержания позиций, стоп-лоссы, тейк-профиты, пролонгацию и изменение плеча. При этом мы намеренно не задали ему механизмы: — формирования сигналов на вход; — формирования сигналов на выход; — изменения кредитного плеча. Именно эти компоненты агент должен был найти самостоятельно, последовательно генерируя и проверяя гипотезы. В качестве исследовательской среды мы предоставили около 50 собственных временных рядов с количественными и статистическими характеристиками рынка акций США и индекса S&P 500. Оркестрацию построили на LangGraph. В систему вошли отдельные агенты для генерации идей, написания кода и отладки. Результаты экспериментов, параметры и метрики сохранялись в локальной базе SQLite, а языковую модель мы развернули внутри собственного контура через llama.cpp. На уровне инженерии система работала: агент формулировал гипотезы, писал код, запускал бэктесты, исправлял ошибки и сохранял результаты. Количество экспериментов быстро росло. Но качественного усиления стратегии мы не получили. Большинство найденных альфа-сигналов оказалось следствием тонкой настройки параметров. При изменении периода тестирования, рыночного режима или отдельных параметров их статистическая значимость исчезала. Иначе говоря, агент научился эффективно искать закономерности в исторической выборке, но не научился отличать устойчивый сигнал от случайности. Почему это произошло? 1. Ограниченный контекст и память Агент плохо удерживал историю исследования: какие гипотезы уже проверялись, почему они были отклонены и какие свойства данных приводили к ложным результатам. База экспериментов сохраняла факты, но не формировала полноценную исследовательскую память. 2. Эффект множественного тестирования Чем больше гипотез проверяет система, тем выше вероятность случайно обнаружить красивый бэктест. Автоматизация резко увеличила скорость экспериментов, но одновременно ускорила поиск ложноположительных альф. 3. Оптимизация по прокси-метрике Агент стремился улучшить заданные показатели бэктеста. Однако высокая доходность или Sharpe ratio внутри выборки ещё не означают устойчивости стратегии. Если целевая функция не учитывает стабильность по рыночным режимам, чувствительность к параметрам и вероятность переобучения, агент оптимизирует именно красивый исторический результат. 4. Недостаточная глубина композиции признаков Система редко строила фильтры, объединяющие пять и более условий. Для модели такие конструкции выглядели чрезмерно сложными. В результате агент исследовал преимущественно простые взаимодействия и мог пропускать условные зависимости, проявляющиеся только в определённых рыночных режимах. При этом простой перебор многопараметрических фильтров тоже не является решением: он ещё сильнее увеличивает пространство поиска и риск переобучения. Здесь нужен иерархический поиск с регуляризацией, проверкой устойчивости и контролем сложности. Главный вывод этого эксперимента: ИИ-агент хорошо масштабирует исследовательский процесс, но вместе с полезной работой он масштабирует и переобучение (по крайней мере на тот момент). Он может написать код и провести тысячи тестов, однако количество экспериментов не заменяет корректный дизайн исследования. В количественных финансах ценность агента определяется не тем, сколько альф он нашёл, а тем, насколько хорошо он умеет опровергать собственные результаты. Об этом и будет следующая итерация нашей агентной системы.

Всем привет! Я снова возвращаюсь в соцсети Причин моего отсутствия накопилось немало. Обязательно обо всём расскажу, но чуть позже. А начать хочется с хорошего — с того, чем мы занимались всё это время и что сейчас происходит внутри 🐶🐱🐭🐹 Последние месяцы были сложными, но очень насыщенными. ➖➖➖➖➖ Результаты Доходность у клиентов США в космосе. Привет всем тем, кто ждет коррекции и удачного момента для старта годами)) Доходность у клиентов РФ как и весь рынок, но все же существенно выше индекса и мы продолжаем верить в лучшие компании, которые в наших стратегиях. ➖➖➖➖➖ Операционка + разработка Мы окончательно поняли, что ни одна из существующих на рынке CRM-систем нас не устраивает. Где-то не хватает гибкости, где-то нужных функций, а где-то сама логика работы не соответствует нашим процессам. Поэтому несколько месяцев мы намеренно вели лиды в Google Таблицах. Нам было важно не просто выбрать очередной готовый сервис, а сначала на практике сформировать точное понимание того, что действительно нужно нашей команде. В итоге приняли решение реализовать ключевой для нас CRM-функционал прямо внутри RANKS Autopilot. Сейчас команда разработки активно над этим работает. ➖➖➖➖➖ А я лично занимаюсь созданием Платформы для партнёров. Для меня это отдельный и очень важный проект. Хочется сделать не очередной партнёрский кабинет «для галочки», а действительно удобную систему, в которой партнёр понимает, что происходит с каждым переданным клиентом, сколько он заработал и когда сможет получить вознаграждение. Думаю, уже совсем скоро смогу показать первые результаты. Что будет в платформе: 1⃣ Многоуровневая партнёрская система. 2⃣Простой интерфейс для передачи потенциальных клиентов. Все переданные лиды будут сразу попадать в RANKS Autopilot. 3⃣Полная прозрачность по каждому клиенту. Партнёр сможет отслеживать весь путь переданного лида — от первого контакта до результатов работы и доходности клиента. 4⃣Моментальное отображение начислений. После оплаты со стороны клиента партнёр сразу увидит своё вознаграждение. 5⃣Управление выплатами внутри платформы. Можно будет менять реквизиты и самостоятельно выставлять счёт на получение вознаграждения. 6⃣Большая база материалов. Внутри будут обучение, инструкции и готовые материалы для работы с клиентами. Всё это будет постоянно обновляться. 7⃣Административная панель для команды RANKS. Она позволит нам оперативно взаимодействовать со всей партнёрской сетью и быстро решать возникающие вопросы. ➖➖➖➖➖ Есть новости и от нашей лаборатории Data Science. Сейчас там назревает новая модель прогнозирования кризисов, которая в перспективе сможет усилить все действующие математические стратегии RANKS. ➖➖➖➖➖ Есть масса обновлений в нашем мобильном приложении, про которое мы давно не рассказывали. Об этом будет также отдельный пост🙌 ➖➖➖➖➖ Так что за время моего отсутствия работа не останавливалась. Скорее наоборот — многое происходило внутри, просто я почти ничего об этом не рассказывал. Буду исправляться и постепенно делиться подробностями. И, конечно, всё это создаётся с полным применением искусственного интеллекта. Например, в коде Платформы для партнёров я сам не написал ни одной строчки. Но при этом полностью собираю её своими руками: продумываю архитектуру, логику, интерфейсы и функциональность, управляя разработкой с помощью ИИ 🚀

Пока рынок ценных бумаг находится под давлением, инвесторы ищут идеи в альтернативных направлениях 💰 Вот и мы решили пообщаться с компанией, занимающейся альтернативными инвестициями в корпоративную задолженность. 📆 Запланировали эфир-знакомство на четверг 16 июля 18:00 (мск), ссылку на мероприятие опубликуем в канале. Сonomica — сервис по покупке и инвестициям в долговые обязательства. Соединяет потребности предпринимателей с капиталами частных инвесторов по всей России. Всё больше бизнесов отказываются от непрофильной деятельности по взысканию и продают свою проблемную дебиторку в Кономику. Группа компаний оценивает и выкупает просроченную дебиторскую задолженность, возвращая деньги в оборот за 15 дней. Ликвидность на сделки предоставляют частные инвесторы, которые зарабатывают на дисконте от каждой сделки. Факты о Conomica: • 10 лет на рынке дебиторской задолженности • 400+ компаниям вернули 7+ млрд ₽ в оборот, а инвесторам помогли заработать 1,5+ млрд ₽ • Резидент Сколково, последователь Beyond Taylor • Эксперт мероприятий по управлению дебиторской задолженностью и инвестициям. Предложения Conomica: Для бизнеса — • Оценка и выкуп просроченной дебиторки за 15 дней • Автоматизация проверки контрагентов и определения их кредитных лимитов • Финансирование юридических лиц в течение 5 дней под уступку просроченного долга Для инвесторов — • Пассивный доход от инвестирования в дебиторскую задолженность российских компаний с доходностью 25-30% годовых • Продуктовые решения под различные риск-профили инвесторов Компетенции Conomica: 🔹Оценка срока и вероятности погашения долга компании 🔹Привлечение денег в сделки в короткие сроки 🔹Предоставление открытой аналитики для сделок, риск-менеджмент 🔹Контроль этапов процесса по работе с дебиторской задолженностью Пишите вопросы об инвестициях в дебиторскую задолженность в комментариях ⬇️

Привет! Недавно был на IT-конференции «Татар САН 2026», смог поприсутствовать только в первый день, но все равно доволен, выступление одного Вячеслава Дубинина уже сделало этот форум супер-полезным.  Обязательно вернусь в следующем году!🔥 #ITTatarstan #ИТТатарстан #ТатарСан #ТатарСан2026

▶️ Запись прямого эфира Вчера наш сооснователь Азат Закиров и главный управляющий по рынку РФ Артём Митюков были в гостях у команды ALT3 Capital. Обсудили, что сейчас меняется на рынках и какие факторы могут определять динамику активов во второй половине 2026 года: глобальный инвестиционный цикл вокруг AI, инфраструктуру дата-центров, сырьевые рынки, российские акции, облигации, валюту и возможные сценарии по рублю. Отдельно остановились на крипторынке: текущей ситуации по биткоину, ключевых уровнях, поведении краткосрочных и долгосрочных держателей, ончейн-метриках и роли DeFi-инструментов в портфеле. Запись уже доступна — можно посмотреть эфир в удобное время. • YouTube: https://www.youtube.com/watch?v=V_r7ZwqXFrM&t=3s • VK: https://vkvideo.ru/video-47387421_456239080 Будем рады обратной связи. Комментарии под видео открыты — можно делиться мыслями, вопросами и темами для следующих эфиров.

Вчера был классный эфир с коллегами по цеху🙌

После создания второго агента с рассылкой изменений в портфелях клиентов я взялся за следующую боль. Звонки. У нас в РАНКС их много: с клиентами, партнёрами, лидами, командой, разработкой, маркетингом, data science, инвесткомитетом. И вроде бы сейчас куча сервисов умеют записывать встречи. Fireflies, Otter, Fathom, стандартные AI NoteTaker’ы и так далее. Но проблема в том, что обычный NoteTaker — это просто диктофон с красивым саммари. Он пришёл на встречу. Записал. Сделал summary. И дальше ты сам разбирайся, куда это положить, как назвать, кому отправить, как потом найти, что с этим делать. А мне хотелось сделать не просто «записывалку звонков». Я хотел сделать умного бота, который встраивается в операционку компании. Что он умеет: 1. Кто-то кидает ссылку на Zoom, Google Meet, Teams или другую встречу в рабочий чат. Бот сам понимает, что это встреча. 2. Пытается определить время: из Zoom-инвайта, из текста типа «завтра в 15:00» или «через 2 часа». Если времени нет — сам спрашивает, когда начало. 3. В нужный момент отправляет Fireflies на звонок. 4. Забирает транскрипт и саммари. 5. Через Claude приводит всё в нормальную структуру. Сам определяет, в какую папку Google Drive положить результат. Если не уверен — спрашивает у команды как назвать? и куда положить?. 6. Сохраняет отдельно саммари и полный транскрипт. То есть это уже не просто NoteTaker. Это такой маленький операционный агент, который понимает контекст компании. Например: — звонок с партнёром → в папку «Звонки с партнёрами»; — обсуждение разработки → в DEV; — маркетинг → в Marketing; — инвесткомитет → в папку инвесткомитета; — текущий клиент → в клиентские звонки; — если непонятно → бот задаёт уточняющий вопрос. И в итоге после встречи появляется не просто «AI summary», которое потом потеряется где-то в почте. Появляется нормальный документ в базе знаний РАНКС: — обзор встречи; — ключевые моменты; — задачи; — структура разговора; — полный транскрипт с таймкодами; — участники; — дата и длительность. Stack получился такой: — Python 3; — Telegram API напрямую через HTTP-запросы; — Fireflies API через GraphQL; — Claude для обработки и структурирования содержания; — Google Drive API для сохранения документов; — state.json как простое хранилище состояния; — threading: три параллельных потока — Telegram listener, scheduler и polling транскриптов; — systemd для автозапуска и перезапуска; — logging с ротацией логов. Звучит немного кустарно — и в хорошем смысле так и есть. Я придерживаюсь идеи, что на первом этапе не нужно городить enterprise-архитектуру. Нужно быстро собрать рабочую систему, которая закрывает реальную боль. А дальше уже улучшать. При этом внутри пришлось продумать много мелочей. 7. Если Fireflies упирается в лимит API — бот переключается между несколькими ключами. 8. Если встреча длится больше двух часов — бот переподключает Fred. 9. Если Google Drive недоступен — сохраняет всё локально. 10. Если встреча ещё не началась — делает повторные попытки. 11. Если это российская платформа, которую Fireflies не поддерживает, — направляет к другому решению. 12. Если основной аккаунт Fireflies занят, переключается на второй, если и он занят - на третий. Вот так мы проходим нашу ИИ-трансформацию. Взяли конкретный кусок хаоса в компании и превратили его в систему. Постепенно у компании начинает появляться не просто архив звонков, а настоящая операционная память. Можно взять все шаги под номерами и использовать это в качестве ТЗ для собственной разработки😉

🚀 Рынок США на максимумах — а клиентский портфель растёт ещё быстрее. Показываем цифры Многие ждут обвала, а S&P 500 продолжает обновлять рекорды. Но ещё приятнее, когда грамотный выбор акций позволяет расти быстрее рынка. Одна из основных наших стратегий на рынке акций США показала +80,82% доходности 📈 Особенно мощным был рывок в мае-июне 2026: пока индекс только восстанавливался, клиентский портфель резко ушёл вверх — за счёт ставки на сильные компании. 🏆 Что принесло основной рост? — Nebius +141,7% и Google +110,4% — больше чем удвоились — TSMC +39,6%, IGM +37,6%, FPS +34,4%, NVDA +20% — главные бенефициары ИИ-тренда, которые мы разбирали на инвест-комитетах — MSFT +9,4%, NOW +0,63% — крупные компании, которые стабильно растут ❓А что с минусами? META (−9%) и MELI (−28%) — пока в просадке. Это нормально. Благодаря диверсификации и контролю долей их минус с лихвой перекрывается прибылью остальных позиций. В этом и суть портфельного подхода: зарабатывать на лидерах, ограничивая влияние отстающих. 💡 Главный вывод: выигрывает не тот, кто ловит идеальную точку входа, а тот, кто выбирает сильные бизнесы и следует стратегии. Работаем дальше💪 ‼️ Идеи, перечисленные в посте, не являются индивидуальными инвестиционными рекомендациями!