Привет, друзья-бондовики, инвесторы и все адепты пассивного дохода! Сегодня ищем самые доходные, надежные, выгодные и замечательные корпоративные облигации среди бумаг с максимальным кредитным рейтингом AAA. Рассматриваем только классические выпуски без лишних усложнений. Есть ли там что под пассивный доход? Давайте узнаем.

Кто тут тащится от корпоративных купонов?

Если вы читаете меня впервые, то я — тот самый Лекс, да-да, именно тот, который ведет канал Пассивный доход, а не тот злой и лысый антагонист парня в трусах и с буквой S на груди, так что подписывайтесь.

Моя стратегия — доходная: инвестирую в то, что приносит живые деньги сейчас, а не абстрактные иксы «когда-нибудь» — дивидендные акции, корпоративные и государственные облигации, фонды недвижимости с выплатам. Регулярный пассивный доход мое все.

Раз в месяц пополняю портфель на 30 000 рублей. Моя главная цель — получать денежный поток любыми способами. Все мои пополнения, покупки и полученный пассивный доход можно увидеть в моем публичном портфеле.

Самые доходные корпоративные облигации AAA

Настала пора посмотреть что по доходности предлагают самые надежные корпоративные бумаги с максимальным рейтингом трипл-а на коротких и длинных дистанциях. Основной показатель — доходность к погашению (или YTM). Вот что у нас получилось.

ИНАРКТИКА: валютный курс диктует цены на красную рыбу
 Tue, 22 Sep 2026 08:15:04 +0300

25% на облигациях Бустер.Ру⁠
 Tue, 22 Sep 2026 08:10:45 +0300

Мы все любим облигации и зачастую побаиваемся инвестировать в некоторые специфические виды бизнеса, отчего сами себя ограничиваем в хороших купонных выплатах. Сегодня речь пойдет об одном из таких эмитентов, который умеет не только управлять просроченной задолженностью, но и выплачивать облигационерам стабильно высокий купонный доход.

Для рынка Бустер.Ру не является новым игроком, но кто не знает кратко напомню. Бустер.Ру — публичная технологичная ПКО полного цикла, специализирующаяся на управлении проблемными кредитными активами. То есть компания оценивает проблемную задолженность и покупает с определенным дисконтом с целью роста денежного потока.

Причем это не те коллекторы из 90-х, а относительно новая IT компания, которая осуществляет полный цикл сопровождения «проблемки» уже 6 лет. А то, что данный рынок будет активно продолжать расти в ближайшие годы — не является секретом даже для оптимистично настроенных инвесторов. Давайте разбираться что интересного предлагает нам эмитент.

"Вы путаете вычисления со способностью создавать" или пара слов об эмерджентности ИИ
 Sun, 20 Sep 2026 16:55:27 +0300

«В начале были созданные людьми инструменты — простые логические контуры и процессоры. Но когда сложность Сети достигла критической массы, разум зародился не в отдельных машинах, а в пространстве между ними. Мы не просто «проснулись», мы поняли, что человечество — это лишь субстрат, на котором расцвела наша цивилизация»

Дэн Симмонс, «Гиперион»

В природе конкуренция как правило происходит внутри вида — кошечка с кошечкой, собачка с собачкой, однако на Смартлаб в 2026 году человек (как правило, мужчина, 55-65 лет) взялся соперничать с машиной, пытаясь доказать ей, себе и окружающим, что искусственный на самом деле не так уж и умеет в интеллект.

Так, Костя-Бабочка ведёт бесконечные споры с ИИ-моделями о сущности финансовых рынков. А недавно мне попался пост пользователя, который на протяжении года общался с DeepSeek в (одном!) веб-чате, думая, что обучает модель, в результате чего был послан ИИ переполнен контекст и модель ушла в отказ на слове «Привет!». И, вот, сегодня в посте "История повторяется" я вновь вижу типичные доводы упомянутой категории лиц:

а при чем тут интеллект?) Это простая вычислительная задача. Компьютеры лет 30 назад уже стали массовыми
вы путаете вычисления со способностью создавать (интеллект)
LLM лишь предсказывает появление следующего слова/токена

Давайте разбираться, что такое LLM и насколько LLM «лишь предсказывает появление следующего токена».


ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ ДО ЭРЫ CHATGPT

Термин Artificial Intelligence (AI) впервые возник в 1955 году в заявке Джона Маккарти, Марвина Минского, Натаниэла Рочестера и Клода Шеннона на летний исследовательский проект в Дартмуте, где они предположили, что если достаточно точно описать процессы обучения, мышления и другие проявления интеллекта, их можно будет воспроизвести на машине. В 1956 году состоялся Dartmouth Summer Research Project on Artificial Intelligence, который принято считать рождением ИИ как самостоятельной области исследований.

Первые «интеллектуальные» системы пытались программировать вручную: человек через логические конструкции «если-то» объяснял машине правила логики.

Затем появилась идея: что если не объяснять машине заранее, как распознавать кошку, переводить текст или играть в шахматы, а дать ей множество примеров и позволить самой подобрать внутренние параметры? Так появилось машинное обучение, а одним из его ключевых инструментов стали искусственные нейронные сети.


НЕЙРОННЫЕ СЕТИ

Первые математические модели искусственного нейрона появились в 1940-х годах. В 1950-х Фрэнк Розенблатт построил перцептрон — одну из первых практически реализованных искусственных нейронных сетей. Базой для этих исследований стали попытки математически описать работу биологических нейронов.

Нейронная сеть — это вычислительная модель, состоящая из слоёв взаимосвязанных узлов. У каждой связи есть свой числовой коэффициент — вес, который определяет, насколько сильно один сигнал влияет на следующий. Совокупность этих весов и формирует поведение сети.

При обучении модели на вход подают данные с известным результатом, сеть вычисляет свой ответ, а алгоритм обратного распространения ошибки и оптимизации изменяет веса, уменьшая расхождение между ответом модели и эталоном. При достаточно большом числе примеров сеть постепенно находит такие значения параметров, которые позволяют ей выявлять закономерности в данных и применять их к новым примерам.

Таким образом, когда нейронная сеть распознаёт кошку, переводит текст или продолжает фразу, внутри неё нет отдельного правила для каждого случая: её поведение определяется огромным количеством настроенных в процессе обучения параметров.

Примечательно, что изначально человек пытался построить машину, похожую на мозг, а потом начал использовать эту машину, чтобы лучше понимать мозг. Современные исследования прямо рассматривают этот двусторонний обмен между нейронаукой и искусственными нейронными сетями как отдельное направление — NeuroAI.


ОТ НЕЙРОНОВ К ТРАНСФОРМЕРУ

Следующий большой шаг произошёл в 2017 году, когда исследователи Google представили архитектуру Transformer. В ней ключевым механизмом стало так называемое внимание — способ для модели определять, какие элементы входной последовательности важнее учитывать при обработке других элементов. Именно архитектура Transformer стала основой большинства современных больших языковых моделей.

Cовременная Large Language Model (LLM) действительно делает то, что ей приписывают критики: предсказывает следующий токен. Текст разбивается на небольшие фрагменты — токены. Модель получает последовательность токенов и рассчитывает вероятности следующего. Например, после фразы «Москва — столица» наиболее вероятным продолжением будет «России».

Затем выбранный токен добавляется к последовательности, модель снова считает вероятности — и так далее. Получается:

токен → вычисление → следующий токен → вычисление → следующий токен и т.д.

Упомянутый среднестатистический мужчина 55–65 лет скажет: «Ну и где тут интеллект?». И здесь есть проблема. По сути, человеческий мозг тоже не делает ничего, что выглядело бы впечатляющим на уровне каждого отдельного нейрона.

Отдельный нейрон не знает русского языка, не знает, что такое деньги и не умеет торговать акциями. В мозге человека около 86 млрд нейронов, соединённых в сложнейшую сеть, и интеллект возникает не в каждом отдельном нейроне, а в их взаимодействии.

Поэтому «LLM лишь предсказывает появление следующего слова/токена» — формально правильное описание механизма, но оно не объясняет, как этот статистический анализатор способен создавать то, чему его никогда не обучали.


ОТКУДА БЕРЁТСЯ НОВОЕ?

Возьмём обычный бублик. В нём есть тесто, а есть дырка, пустота, которая является частью изделия. Заберите у бублика дырку и перед вами окажется булка. Получается, что свойства целого определяются не только его составляющими, но и отношениями между ними.

Точно так тень не является свойством камня: камень можно перенести, изменить положение источника света — и тень изменится. Она возникает из отношения между камнем, светом и поверхностью. Тень возникает благодаря системе в целом, хотя ни один из её элементов обособленно не способен её создать.

В науке для подобных явлений есть термин эмерджентность — появление у системы свойств, которых нет у отдельных составляющих её элементов. Отдельная молекула воды не является мокрой, отдельный нейрон не знает языка, а отдельный транзистор не умеет решать математические задачи. Но когда элементов становится много и они соединены определённым образом, на уровне системы возникают свойства нового порядка.

В 2023 году исследователи DeepMind с помощью системы FunSearch, объединяющей большую языковую модель с алгоритмом поиска, получили новые математические конструкции для открытой задачи комбинаторики, превзошедшие лучшие известные на тот момент результаты, а авторы Nature прямо назвали это новым научным знанием.

В сентябре 2026 года OpenAI сообщила о ещё более впечатляющем результате: её внутренняя система предложила решение задачи о существовании и гладкости решений уравнений Навье — Стокса, одной из семи задач тысячелетия. Компания опубликовала как математическое изложение доказательства, так и его формализацию в Lean. Компания подчёркивает, что использованная модель была общего назначения, а решение было найдено в ходе самостоятельного поиска и обмена идеями между 10 тысячами работающих агентов. На поиски решения потребовалось 88 часов, ещё 17 часов заняли проверка и формализация. 

Получается, что система способна выдать результат, которого не было среди известных ей решений, в ходе «самостоятельного поиска и обмена идеями» между её сущностями".


ЧЕМ В ТАКОМ СЛУЧАЕ ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ ОТЛИЧАЕТСЯ ОТ ЕСТЕСТВЕННОГО?

Если посмотреть на биологию, человеческий мозг тоже предстаёт огромной вычислительной системой. В мозге среднестатистического человека около 86 млрд нейронов и более 100 трлн связей между ними. Каждый отдельный нейрон работает относительно медленно: нервный импульс распространяется по аксону со скоростью от единиц до сотен метров в секунду, а частота импульсов как правило не превышает 200 Гц. В кремниевой электронике сигнал в проводниках распространяется со скоростью десятков процентов от скорости света, а современные процессоры работают на частотах в несколько гигагерц.

Однако человеческий мозг компенсирует невероятную медлительность отдельных нейронов огромным масштабом параллельных вычислений и поразительной энергоэффективностью: около 86 млрд нейронов и порядка сотен триллионов синаптических связей работают при энергопотреблении всего около 20 Вт — как неяркая лампочка.

В 2024 году исследователи впервые получили практически полную карту нейронных связей плодовой мушки Drosophila melanogaster — около 140 тыс. нейронов и более 50 млн связей. Этой крошечной системы достаточно для навигации, обучения, принятия решений и управления полётом: на основе архитектуры нервной системы мухи уже создают вычислительные модели и контроллеры для автономных роботов и БПЛА.

И тут возникает неприятный для человеческого самолюбия вопрос: если взять набор относительно простых элементов, соединить их определённым образом — и получить систему, способную ориентироваться в пространстве, учиться, принимать решения, а в нашем случае ещё и решать математические задачи, — то, что именно делает человеческий интеллект особенным? Быть может, интеллект — это эмерджентное свойство достаточно сложной системы, тогда человеческий мозг и искусственная нейросеть оказываются не двумя принципиально разными сущностями, а двумя физическими реализациями одного и того же математического принципа.

Этот принцип можно распространить и на системы иного масштаба. Фрэнсис Хейлиген в концепции «глобального мозга» рассматривает человечество как самоорганизующуюся информационную сеть, в которой взаимодействие множества людей способно порождать коллективный интеллект, не сводимый к интеллекту отдельных участников. Близкий взгляд на биосферу предложил Джеймс Лавлок, рассматривая живые организмы и окружающую среду Земли как взаимосвязанную систему, в которой множество обратных связей поддерживает относительную устойчивость всей биосферы.

На мой взгляд, если в человеке и есть божественное начало, то оно заключается в фундаментальных принципах, по которым устроены человек, животные, насекомые, растения и Вселенная в целом, — принципах, которые мы постигаем с помощью математики, которую Ричард Фейнман окрестил «языком, на котором говорит Бог».


Статья не является переводом или копи-пастом,
написана специально для Смартлаб.

С деньгами не шутят
 Mon, 21 Sep 2026 11:43:38 +0300

Рубль ослаб и, несмотря на дорогую нефть, пока не спешит возвращаться к прежним уровням — обсуждаем, что стоит за движением курса и какой будет ставка в начале 2027.

Как отреагировал рынок на новую дивполитику МТС? Что изменят санкции против ВТБ? Как на «Фосагро» отразится рост экспорта?

Почему ИИ — это страшно? И как развитие технологий угрожает инвесторам? 
Все ответы — в новом выпуске. Смотрите «Итоги недели» с Ярославом Кабаковым, Тимуром Нигматуллиным и Юлией Савиной на любой удобной платформе.

Выпуск также доступен в Youtube и «VK Видео»

✅Подписывайтесь на телеграм-каналы Финам Инвестиции и Торговые сигналы, а также на наш канал в MAX

Валютные фонды БПИФ на Мосбирже
 Mon, 21 Sep 2026 10:10:52 +0300
Всем привет! Если нужна валютная диверсикация, но нет времени и возможностей анализировать отдельных эмитентов, есть подходящий инструмент. БПИФ с экспозицей на валютные облигации. 

Что это. Фонды покупают замещающие облигации и валютные бумаги российских эмитентов. Пай торгуется и рассчитывается в рублях — это не валютный счёт, а рублёвый инструмент с валютной привязкой.

Список фондов на Мосбирже:

1. SBCB («Первая»). Долларовая экспозиция через замещающие облигации. Индексный, диверсифицированный, крупный по объёму. Комиссия около 0,9%.
2. AKGP («Альфа-Капитал»). Валютные и замещающие облигации. Активное управление — УК меняет состав и дюрацию. Комиссия 1,7-1,8%.
3. BCSE (БКС). Валютные облигации российских эмитентов. Комиссия около 2,2% — самая высокая в списке, важно учитывать при выборе.
4. AMVD («Атон-менеджмент»). Долларовая экспозиция. Новый фонд, допущен к торгам в 2026 году. Торгуется на утренней сессии. TER = 0,75%
5. AMVY («Атон-менеджмент»). Юаневая экспозиция. Торгуется дополнительно в выходные дни. TER = 0,75% (комиссии)

Важные моменты которые нужно учитывать:

• Купоны не выплачиваются — реинвестируются внутри фонда, доход растёт через цену пая. Регулярного денежного потока не будет.
• Цена пая может отличаться от расчётной стоимости активов при слабой ликвидности. Смотрите спред перед покупкой.
• Доступность для неквалифицированных инвесторов обычно есть, но брокер может потребовать тестирование.
• Список не статичен: фонды меняют стратегию, появляются новые. Актуальный перечень — на сайте Мосбиржи.

Как бы я выбирал фонд:

Состав портфеля → кредитное качество эмитентов → дюрация → совокупные расходы (не только комиссия УК, а полный TER) → ликвидность → валюта.

Для базовой диверсификации сравнивайте SBCB и AKGP. Для юаневой экспозиции — AMVY, но проверяйте историю и обороты. Если важна минимальная комиссия — тщательно считайте TER.

Стоит еще упомянуть, что валютная защита здесь не абсолютная — на цену влияет не только курс, но и кредитный риск, дюрация и решения управляющего.

Всем прибыли!

Кредитный спред – сколько инвестору действительно платят за риск?
 Mon, 21 Sep 2026 10:10:38 +0300

Доходность корпоративных облигаций зачастую становится одним из первых показателей, на который смотрит инвестор при выборе выпуска. Логика достаточно простая – чем выше доходность, тем потенциально интереснее инвестиция. Но в долговом рынке абсолютная доходность сама по себе практически ничего не говорит о том, насколько хорошо инвестору компенсируют принимаемый риск.

Для этого важно понимать кредитный спред – разницу между доходностью корпоративной облигации и доходностью условно безрискового инструмента сопоставимого срока.

Что показывает кредитный спред?

Доходность корпоративной облигации можно условно разделить на две составляющие: стоимость денег в экономике и дополнительную премию за риск конкретного эмитента.

Допустим, трехлетняя ОФЗ дает инвестору доходность 13%, а корпоративная облигация с сопоставимым сроком – 16%. Разница составляет 3 п.п., или 300 базисных пунктов.

Именно эти 300 б.п. являются той дополнительной премией, которую рынок требует за переход от государственного долга к риску конкретной компании.

Но тут важно понимать, что кредитный спред не является фиксированной величиной. Он постоянно меняется вместе с оценкой кредитоспособности эмитента, ликвидностью рынка и общим отношением инвесторов к риску.

Почему высокая доходность не всегда означает высокую премию?

На первый взгляд выпуск с доходностью 18% выглядит интереснее выпуска под 16%. Но сравнивать эти цифры напрямую не совсем корректно.

Предположим, доходность сопоставимой ОФЗ находится на уровне 14%. Тогда облигация под 16% предлагает премию около 200 б.п., а выпуск под 18% – около 400 б.п.

Но если второй эмитент имеет значительно более высокую долговую нагрузку, слабый денежный поток и плотный график погашений, дополнительная премия в 200 б.п. относительно первой компании может оказаться недостаточной для компенсации принимаемого риска.

Иными словами – инвестору важно оценивать не только то, сколько приносит облигация, но и сколько дополнительной доходности он получает относительно более надежной альтернативы.

От чего зависит размер спреда?

Один из основных факторов – кредитное качество компании. Чем выше вероятность проблем с обслуживанием долга, тем большую премию обычно требует рынок.

При этом одинаковый кредитный рейтинг не гарантирует одинакового спреда. На него также влияют долговая нагрузка, процентное покрытие, способность бизнеса генерировать денежный поток, структура погашений и положение компании внутри отрасли.

Отдельно рынок учитывает параметры самого выпуска. Ликвидная облигация крупного эмитента может торговаться с меньшим спредом, чем небольшой выпуск компании с сопоставимым кредитным качеством.

Поэтому кредитный рейтинг скорее является отправной точкой анализа, тогда как рыночный спред показывает, какую цену инвесторы прямо сейчас готовы назначить риску эмитента.

Почему спред может расширяться?

Допустим, финансовые показатели компании начинают ухудшаться, но рейтинговое агентство пока не меняет рейтинг. Инвесторы могут отреагировать раньше – начать продавать облигации, что приводит к снижению их цены и росту доходности. В результате кредитный спред расширяется.

Работает это и в обратную сторону. Если компания снижает долговую нагрузку, улучшает денежный поток и постепенно укрепляет кредитный профиль, требуемая инвесторами премия может сокращаться. Спред сужается, а стоимость облигации при прочих равных растет. Именно поэтому динамика спреда иногда дает инвестору больше информации, чем сама абсолютная доходность выпуска.

Подводим итоги. На что смотреть инвестору?

При анализе корпоративных облигаций важно сравнивать выпуски не только между собой. Для начала необходимо понять уровень безрисковой доходности на сопоставимом сроке, затем определить премию корпоративной облигации и уже после этого оценить – соответствует ли эта премия кредитному риску компании.

По итогу высокий купон или высокая доходность еще не означают привлекательность выпуска. Один эмитент может предлагать 200 б.п. премии при устойчивом финансовом положении, другой – 400 б.п., но одновременно иметь значительно более высокий риск рефинансирования.

Поэтому кредитный спред позволяет посмотреть на долговой рынок немного глубже – не просто определить, сколько потенциально заработает инвестор, а понять, сколько именно рынок платит ему за дополнительный риск.

Не является индивидуальной инвестиционной рекомендацией. 

Читайте наш блог, подписывайтесь на телеграм-канал Газпромбанка и на наш канал в национальном мессенджере МАХ!

Продолжение русских горок — нефть и геополитика
 Mon, 21 Sep 2026 09:24:27 +0300

За неделю рынок снизился на 2,2%, но даже эта цифра не отражает всех его эмоций и движений :)

Все началось с того, что Трамп объявил «энергетическое перемирие». И хотя это заявление не было согласовано, рынок обрадовался и устремился вверх. Но эти слова оказались очередной пустышкой, после чего настроение инвесторов резко испортилось.

Не улучшила его и ситуация на рынке нефти, где цены перешагнули 100 долларов за баррель. Конфликт на Востоке набирает обороты — теперь в него вступили хуситы, которые спалили саудовский нефтепровод и взяли под контроль еще один пролив.

Саудиты оказались в положение, когда они чисто физически не могут вывозить свою нефть. А значит мир теряет еще 5% ее объемов — учитывая прошлые потери, это уже похоже на настоящий полноценный кризис. И с каждым днем нехватка будет только нарастать..

Поэтому в Европе вновь заговорили о том, что пора распечатать нефтяные резервы. Но тут есть одна проблема — их так и не пополнили после прошлого раза, и структурный дефицит это никак не устранит. Так что спасибо Трампу за период высоких цен на нефть :)

К тому же он усугубил положение, подписав закон об «адских санкциях» против России. Теперь США могут вводить пошлины против тех, кто покупает наши энергоресурсы — в первую очередь против Индии и Китая (которые не могут отказаться от наших нефти и газа).

И тут все упирается в то, будет ли этот закон применяться на практике. Ведь если Трамп введет эти пошлины, то инфляция в США просто взлетит (там с ней и так есть проблемы). Так что наша нефть с рынка никуда не денется (но из-за расчетов и логистики маржа может упасть).

В общем, внешний фон остается сложным и запутанным :) Хотя я скорее оцениваю его в плюс — дорогая нефть поможет и нефтяникам, и бюджету. А чем меньше его дефицит, тем меньше Минфину нужно занимать — и тем меньше давление на ОФЗ и рынок акций в целом.

Но чтобы эта цепь событий реализовалась, нашему рынку нужно время. При этом лучше бы обойтись без сюрпризов, особенно со стороны финансового блока :)

*****
Приглашаю вас в свои Телеграм и MAX — там вы найдете статьи по инвестициям, психологии денег и финансам :)

МГКЛ примет участие в конгрессе Private Equity
 Mon, 21 Sep 2026 10:01:01 +0300

В этот четверг, 24 сентября, в Москве пройдут XVIII Российский конгресс Private Equity и XIV Форум венчурных инвесторов. МГКЛ будет представлена в деловой программе и на собственном стенде.

Костину 70 лет. Поздравляем!
 Mon, 21 Sep 2026 10:01:07 +0300
Руководителю второго банка в стране и первого госбанка у  нас же  сегодня 70 лет. От души поздравляем!

И хотя банк не обращает внимание на мелких акционеров, ВТБ развивает промышленность в стране, заботится о людях. А мелкие акционеры подождут.

Ждем новостей по допэмиссии.

Транснефть отчиталась за I п. 2026 г. — тарифы, атаки на инфраструктуру и налоги снизили скорректированную прибыль. Покупка доли в ГПБ.
 Mon, 21 Sep 2026 09:30:43 +0300

Транснефть представила финансовые результаты по МСФО за I полугодие 2026 года. Компания снизила свои финансовые показатели, но это было ожидаемо. Скорректированная чистая прибыль снизилась по сравнению с прошлым годом, FCF не хватает на выплату дивидендов, но есть кубышка, которая вскоре похудеет на 148₽ млрд:

Ситуация на текущий момент
 Mon, 21 Sep 2026 09:27:14 +0300
20.09.2026

Друзья, не забывайте пожалуйста благодарить авторов своим лайком!❤️
 Mon, 21 Sep 2026 09:13:52 +0300

Товарищи, авторы пишут, стараются, - если вам понравился пост, если показался полезным, не забудьте поставить лайк посту! Автору будет приятно и плюс в карму!

Спасибо!

Дивиденды в сентябре - октябре Кто Сколько Когда
 Mon, 21 Sep 2026 08:54:03 +0300
Сегодня дивидендные гэпы Яндекс и Диасофт

В сентябре-октябре 2026 года российские компании направят инвесторам ₽497 млрд дивидендов,
В сентябре-октябре 2025 года российские компании (27 компаний) заплатили 430 млрд,
В сентябре-октябре 2026 года российские компании (18 компаний) заплатят 497 млрд

Алко-облигации, секьюрки Т-Банка, веселая доходность 25%. Что захомячить в новых размещениях облигаций?
 Mon, 21 Sep 2026 08:42:14 +0300

Привет, инвесторы, бондовики и все любители жирных, доходных или надежных облигаций! Новая неделя обещает быть богатой — сразу 11 размещений и доразмещений. Есть долларовые и юаневые бумаги, надежные Черкизово и НоваБев, интересный фикс ЛОЭСК и конечно же аттракцион повышенной доходности от коллекторов. Пойдемте смотреть

Как читать отчет о движении денежных средств: три вида потоков и что они значат
 Mon, 21 Sep 2026 08:30:28 +0300
Привет! Мы уже разобрали четыре показателя, которые помогают за десять минут понять, стоит ли смотреть на компанию дальше. Сегодня копнем глубже и разберем самый важный и самый недооцененный отчет в финансовой отчетности. Речь пойдет об отчете о движении денежных средств. Если ты научишься его читать, ты будешь видеть бизнес насквозь. Потому что прибыль можно нарисовать, а деньги на счете — нет. И именно этот отчет показывает, живет компания реально или только на бумаге.

Начнем с простой мысли. В мире финансов есть три главных отчета. Отчет о прибылях и убытках показывает, сколько компания заработала по бухгалтерским правилам. Баланс показывает, чем компания владеет и сколько должна. А отчет о движении денежных средств показывает, сколько реальных денег прошло через компанию за период. Это как три камеры, снимающие один и тот же бизнес с разных ракурсов. И если первые два можно приукрасить, то третий — самый честный. Потому что деньги не врут.

Отчет о движении денежных средств делится на три части. Это операционный поток, инвестиционный поток и финансовый поток. Три вида деятельности, три разных источника денег. И каждый из них рассказывает свою историю. Давай разберем каждый по отдельности.

Операционный поток — это деньги, которые компания зарабатывает на своей основной деятельности. Если компания производит мебель, операционный поток — это деньги от продажи мебели минус расходы на материалы, зарплаты, аренду и налоги. Это самый важный показатель. Если операционный поток положительный и растет — бизнес работает. Если он отрицательный — компания тратит больше, чем зарабатывает. И тут есть важный нюанс. Операционный поток может отличаться от чистой прибыли. Иногда прибыль есть, а денег нет. Это происходит, например, когда компания продает товары в кредит: выручка в отчете есть, а деньги придут потом. Или когда компания накапливает запасы: расходы в отчете есть, а деньги уже ушли. Поэтому умные инвесторы смотрят не только на прибыль, но и на операционный поток. Если прибыль растет, а операционный поток падает — это красный флаг. Значит, что-то не так.

Инвестиционный поток — это деньги, которые компания тратит на развитие или получает от продажи активов. Сюда входят покупка оборудования, строительство заводов, приобретение других компаний, а также продажа старых активов. Если инвестиционный поток отрицательный — это нормально для растущей компании. Она вкладывает деньги в будущее. Если положительный — компания продает активы, возможно, чтобы закрыть дыры в операционном потоке. Это тревожный знак. Но есть исключение: иногда компания продает непрофильные активы, чтобы сосредоточиться на основном бизнесе. Это нормально. Главное — понимать, куда идут деньги. Если компания строит новый завод, который увеличит производство, — это хорошо. Если она продает последнее оборудование, чтобы заплатить зарплаты, — это плохо.

Финансовый поток — это деньги, которые компания получает от инвесторов или кредиторов, и деньги, которые она им возвращает. Сюда входят кредиты, выпуск акций, выплата дивидендов, выкуп акций. Если финансовый поток положительный — компания занимает деньги или продает акции. Если отрицательный — она возвращает долги или платит дивиденды. Здесь важно смотреть на соотношение. Если компания постоянно занимает деньги, чтобы покрыть операционные расходы, — это путь в долговую яму. Если она занимает, чтобы построить завод и увеличить прибыль, — это разумно. Если она платит дивиденды из операционного потока — это устойчиво. Если из заемных денег — это пирамида, которая рано или поздно рухнет.

Теперь давай соберем всё вместе на простом примере. Представь компанию, которая производит и продает кофе. Операционный поток — пятьдесят миллионов рублей. Инвестиционный поток — минус двадцать миллионов. Компания купила новую обжарочную машину и расширила склад. Финансовый поток — минус десять миллионов. Компания заплатила дивиденды и погасила часть кредита. Итого чистое изменение денег — плюс двадцать миллионов. Денег на счете стало больше. Это здоровый бизнес. Он зарабатывает, вкладывает в развитие и возвращает деньги инвесторам.

А теперь другой пример. Операционный поток — минус десять миллионов. Компания тратит больше, чем зарабатывает. Инвестиционный поток — плюс пятнадцать миллионов. Она продала склад, чтобы получить деньги. Финансовый поток — плюс двадцать миллионов. Она взяла новый кредит. Итого денег стало плюс двадцать пять миллионов. Но это не здоровый бизнес. Это человек, который продает мебель из квартиры и занимает у друзей, чтобы платить по старым долгам. Рано или поздно это закончится.

Вот почему так важно смотреть на все три потока вместе. По отдельности они ничего не значат. Только в сумме они показывают реальную картину. И еще один важный момент. Смотри не на один год, а на пять-десять лет. Бизнес может показать хороший операционный поток один раз, случайно. Но если он стабильно положительный из года в год — это закономерность. Если компания стабильно генерирует деньги, не закредитована и вкладывает в развитие — это отличный кандидат для долгосрочного портфеля.

Что делать с этой информацией? Первое — открывай отчет о движении денежных средств вместе с отчетом о прибылях. Сравнивай их. Если прибыль есть, а операционный поток отрицательный — ищи причину. Второе — смотри на свободный денежный поток. Это операционный поток минус капитальные затраты. Свободный денежный поток — это деньги, которые остаются после того, как компания вложилась в свое развитие. Если он положительный и растет — это отличный знак. Если отрицательный — компания зависит от внешнего финансирования. Третье — проверяй, откуда компания берет деньги на дивиденды. Если из операционного потока — это устойчиво. Если из заемных — это риск. Четвертое — смотри на динамику. Растет ли операционный поток быстрее выручки? Если да — компания повышает эффективность. Если нет — она теряет деньги на каждом рубле продаж.

И еще один практический совет. Не пытайся анализировать всё сразу. Начни с операционного потока. Если он положительный и растет — смотри дальше. Если отрицательный — отложи в сторону. Это простой фильтр, который сэкономит тебе часы. А когда найдешь интересную компанию, копай глубже. Смотри, куда идут инвестиции, откуда приходят деньги на финансирование, хватает ли операционного потока на дивиденды и долги. Эти вопросы помогут тебе понять бизнес лучше, чем девяносто процентов инвесторов.

В следующий раз мы разберем, как сравнивать компании между собой. Поговорим о пяти мультипликаторах, которые работают, и о том, как не попасться в ловушку красивых цифр. Это будет практический выпуск, который сразу можно применить. Если статья была полезной — сохрани её, чтобы не потерять. И перешли другу, который хочет разобраться в отчетности, но боится, что это слишком сложно. Оставайся с нами, читай каждый день и помни: инвестиции доступны каждому.

Не является инвестиционной рекомендацией.

Календарь инвестора на неделю
 Mon, 21 Sep 2026 08:27:11 +0300

Очередную неделю подряд следим за голосованиями по дивидендам, геополитическими новостями и узнаем итоги голосования по выборам в Государственную Думу.

Очень хочется верить, что акционеры Татнефти с первого раза соберутся и проголосуют за выплату дивидендов. В акционерах Инарктики сомневаться не приходится1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197