Привет, коллеги!
Решил попробовать кое-что новенькое в блоге. Вместо того чтобы самому писать длинные статьи, буду собирать для вас дайджесты самых крутых и полезных материалов по финансовому и инвестиционному анализу (и всему, что рядом).
Идея простая: сэкономить ваше время и дать доступ к проверенному контенту, который реально поможет в работе. Минимум воды, максимум пользы для принятия взвешенных решений.
Итак, поехали! Первый материал в нашем дайджесте:
Методология оценки: обновляем стоимость капитала. Стратегия на III квартал 2025
Автор и источник: БКС Экспресс на сайте Elite Trader
В статье представлен обновленный взгляд на методологию оценки стоимости капитала и предложена стратегия на третий квартал 2025 года. Основной тезис заключается в том, что Банк России вступил в цикл снижения ключевой ставки, что напрямую влияет на стоимость акционерного капитала (Cost of Equity, CoE) и, как следствие, на оценку стоимости акций. Авторы статьи отмечают, что снижение безрисковой ставки с 16,4% до 14,5% является позитивным фактором для фондового рынка, поскольку уменьшает ставку дисконтирования в моделях оценки (DCF, DDM).
В материале подробно разбирается формула расчета CoE и демонстрируется, как изменение каждого из ее компонентов — безрисковой ставки, премии за риск и коэффициента бета — влияет на итоговую оценку стоимости компании. Снижение ключевой ставки ЦБ РФ приводит к уменьшению безрисковой ставки, что, в свою очередь, снижает требуемую доходность для инвесторов. Подчеркивается важность регулярного пересмотра стоимости капитала в финансовых моделях для принятия обоснованных инвестиционных решений в условиях меняющейся макроэкономической среды.
Расчёт ставки дисконтирования, альфой которого является безрисковая ставка — краеугольный камень в построении финансовых моделей, так что статья будет несомненно полезна.
Юнит-экономика: методология расчета и типовые ошибки
Автор и источник: Retail Rocket
В статье дается развернутое определение юнит-экономики как метода экономического анализа, позволяющего оценить прибыльность бизнеса на основе базовой единицы — «юнита». В зависимости от бизнес-модели юнитом может выступать клиент, пользователь, товар или сделка. Основная задача метода — ответить на вопрос, генерирует ли бизнес прибыль с каждой такой единицы, и если да, то в каком объеме. Это позволяет принимать обоснованные решения о масштабировании, ценообразовании и маркетинговых стратегиях.
Центральное место в юнит-экономике занимают ключевые метрики, такие как стоимость привлечения клиента (Customer Acquisition Cost, CAC) и пожизненная ценность клиента (Lifetime Value, LTV). Статья подчеркивает, что для устойчивого роста бизнеса необходимо, чтобы LTV значительно превышал CAC. Рассматриваются и другие важные показатели: средний доход на пользователя (ARPU), средний чек (Average Check) и переменные затраты (Variable Costs).
На практических примерах из сферы e-commerce и SaaS-сервисов демонстрируется, как применять данный инструмент для анализа различных каналов привлечения и выявления точек роста. Автор акцентирует внимание на том, что юнит-экономика — это не разовое упражнение, а постоянный процесс мониторинга, который помогает предсказывать будущую прибыльность, оптимизировать расходы и проверять жизнеспособность бизнес-модели на ранних стадиях.
Новые макропрогнозы
Автор и источник: «Центр макроэкономического анализа и краткосрочного прогнозирования» (ЦМАКП)»
Центром макроэкономического анализа и краткосрочного прогнозирования» (ЦМАКП) подготовлен базовый вариант макроэкономического прогноза на 2025-2028 годы, уточнённый с учётом новой информации на конец июня. Индекс потребительских цен до 2028 года, курс доллара, инвестиции в основной капитал — вобщем всё то, что нужно инвестиционному аналитику при составлении раздела макропрогнозов в финансовой модели.
Бюджетирование в условиях неопределенности: инструменты и подходы 2025 года
Автор и источник: Алёна Горшенина, 42clouds.com
Статья посвящена актуальной проблеме построения системы бюджетирования в условиях высокой неопределенности, характерной для современной экономики. Автор рассматривает отказ от классического статичного годового бюджета в пользу более гибких и динамичных подходов как ключевой тренд 2025 года. Основное внимание уделяется инструментам, которые позволяют компаниям оперативно адаптироваться к изменениям внешней и внутренней среды, сохраняя при этом финансовый контроль и основу для принятия взвешенных управленческих решений.
В качестве практических методов предлагаются сценарное планирование, предполагающее разработку бюджетов для нескольких вариантов развития событий (оптимистичного, пессимистичного и реалистичного), и бюджетирование на основе драйверов (Driver-Based Budgeting), которое увязывает финансовые показатели с ключевыми операционными факторами. Также рассматриваются скользящее бюджетирование (Rolling Forecasts) для непрерывного планирования и адаптивное бюджетирование с регулярным пересмотром планов. Подчеркивается критическая роль автоматизации и продвинутой аналитики, которые позволяют существенно повысить точность прогнозов и скорость реакции на изменения, что является необходимым условием для эффективного управления в нестабильных условиях.
Финансовое моделирование в Python и Excel: мой путь перехода на код
Автор и источник: Валентина Дьячкина, блог компании Цифровой СИБУР на Habr.com
В статье автор, финансовый аналитик Валентина Дьячкина, делится своим опытом перехода от финансового моделирования в Excel к использованию Python. Валентина, имея гуманитарное образование, успешно освоила технические инструменты, включая SQL и Python, для автоматизации рабочих процессов, что значительно повысило эффективность ее деятельности.
Автор подчеркивает, что Python не заменяет Excel, а дополняет его, создавая мощный тандем для финансового моделирования. Python позволяет разрабатывать модели, способные обрабатывать большие объемы данных, оперативно изменять параметры, проводить множество сценариев и получать четкие результаты. Этот инструмент автоматизирует рутинные операции, ускоряет расчеты и в целом улучшает процесс моделирования. В статье приводится сравнительный анализ Excel и Python, где выделяются преимущества Python в работе с масштабными наборами данных, автоматизации процессов и интеграции с базами данных и API.
В качестве практического примера автор описывает создание одной и той же финансовой модели как в Excel, так и в Python, демонстрируя превосходство Python. Делается вывод, что, несмотря на первоначальные временные затраты на настройку, Python обеспечивает высокую масштабируемость и эффективность, особенно при решении сложных задач и анализе больших массивов данных.
Очень интересная тема, сам никак до Python не доберусь, но очень хочу.
Переверстка – Не отчет, а плакать хочется
Авторы: Андрон Алексанян и Анастасия Кузнецова (тг-канал «Настенька и графики»)
Андрон и Анастасия составили краткий, но очень емкий чек-лист для форматирования супер-таблицы. Структура, выравнивание, форматирование… Эти советы помогут сделать ваши финансовые модели аккуратнее. Рекомендую.
Дружественное руководство по выбору типа диаграммы
Автор и источник: Lisa Charlotte Muth, Datawrapper
Красота нужна не только таблицам, но и графикам и диаграммам в ваших финмоделях. Статья из блога Datawrapper представляет собой методическое руководство по выбору оптимальных типов диаграмм для визуализации данных. В рамках каждой категории подробно рассматриваются преимущества и недостатки различных типов диаграмм, а также даются практические рекомендации по их применению.
Структура статьи ориентирована на решение типичных задач визуализации данных. В начале освещается проблема выбора из множества доступных типов диаграмм, подчеркивается критическая важность соответствия типа диаграммы предназначению данных. Далее систематически анализируются различные виды диаграмм, включая линейные, столбчатые, круговые, точечные диаграммы и карты. Для каждого типа приводятся примеры и ссылки на дополнительные ресурсы, такие как руководства по использованию и обзоры типовых ошибок.
Авторы также затрагивают практические аспекты, в частности адаптацию диаграмм для отображения на малых экранах и необходимость соблюдения баланса между эстетикой и точностью представления данных. Статья включает в себя интерактивные вопросы и ответы, например: «Как выбрать из десятков (сотен!) типов диаграмм?» и «Почему не следует всегда использовать ‘захватывающие’ типы диаграмм?», предоставляя дополнительные разъяснения. Завершается материал списком рекомендуемой литературы, что обеспечивает комплексное представление о выборе диаграмм для эффективной коммуникации данных.
До встречи в следующем месяце.
