Forwarded from memoryfull
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from ACI Russia
Встречаемся сегодня в 1️⃣8️⃣:0️⃣0️⃣ в эфире Pro Markets - ACI Russia с Кириллом Кононовым, Алексеем Третьяковым и Егором Сусиным
🔥 Тема "Рынки после 17.03.2024"
Если вы тоже готовы высказаться, поднимайте руки 🙋🏼♀️ или пишите комментарии 👇🏻👇🏻👇🏻
А подключиться онлайн можно в
📍Телеграм
📍Clubhouse
Если вы готовы выступить спикером или модератором эфира по любой профильной теме в будущем, 📩 напишите нам +7 (926) 143-59-23 WhatsApp/Telegram или на почту [email protected]
🔥 Тема "Рынки после 17.03.2024"
Если вы тоже готовы высказаться, поднимайте руки 🙋🏼♀️ или пишите комментарии 👇🏻👇🏻👇🏻
А подключиться онлайн можно в
📍Телеграм
📍Clubhouse
Если вы готовы выступить спикером или модератором эфира по любой профильной теме в будущем, 📩 напишите нам +7 (926) 143-59-23 WhatsApp/Telegram или на почту [email protected]
Forwarded from PRO облигации
💦 Банковская ликвидность за неделю
💰 Вмененная валютная ставка овернайт в EUR остается волатильной. Она составила 1,9% (+1,8 пп к прошлому четвергу), но в течение недели достигала 31,5% из-за дефицита евровой ликвидности. Ставка в USD выросла до 0,6% (+40 бп), а в CNY опустилась до 3,9% (-1,4 пп). ЦБ продал лишь 3,7 млрд юаней через своп против 26,8 млрд неделей ранее (3,8% vs 25,5% от недельного оборота)
⏳ Во вторник завершился январский период усреднения. Профицит ликвидности сократился на 0,9 трлн, до 0,5 трлн. Банки забрали с депозитов в ЦБ 0,8 трлн, до 2,9 трлн, и заняли 0,1 трлн, до 2,3 трлн
🧮 Бюджет потратил 0,6 трлн, но ФедКазна забрала 0,7 трлн, снизив операции до 7,7 трлн. Корсчета выросли на 0,8 трлн, до 5,5 трлн, при переусреднении 0,6 трлн
📈 Кривая RUSFAR сместилась вверх. Ставка O/N выросла на 29 бп, до 15,79%, достигая 16,03% в последний день периода усреднения. 1W поднялась на 22 бп, до 15,75%, 1M – на 9 бп, до 15,87%, 3M – на 2 бп, до 16,27%
#ликвидность #денрынок
@pro_bonds
💰 Вмененная валютная ставка овернайт в EUR остается волатильной. Она составила 1,9% (+1,8 пп к прошлому четвергу), но в течение недели достигала 31,5% из-за дефицита евровой ликвидности. Ставка в USD выросла до 0,6% (+40 бп), а в CNY опустилась до 3,9% (-1,4 пп). ЦБ продал лишь 3,7 млрд юаней через своп против 26,8 млрд неделей ранее (3,8% vs 25,5% от недельного оборота)
⏳ Во вторник завершился январский период усреднения. Профицит ликвидности сократился на 0,9 трлн, до 0,5 трлн. Банки забрали с депозитов в ЦБ 0,8 трлн, до 2,9 трлн, и заняли 0,1 трлн, до 2,3 трлн
🧮 Бюджет потратил 0,6 трлн, но ФедКазна забрала 0,7 трлн, снизив операции до 7,7 трлн. Корсчета выросли на 0,8 трлн, до 5,5 трлн, при переусреднении 0,6 трлн
📈 Кривая RUSFAR сместилась вверх. Ставка O/N выросла на 29 бп, до 15,79%, достигая 16,03% в последний день периода усреднения. 1W поднялась на 22 бп, до 15,75%, 1M – на 9 бп, до 15,87%, 3M – на 2 бп, до 16,27%
#ликвидность #денрынок
@pro_bonds
Forwarded from Экономика долгого времени
Расскажу про интересный феномен, который часто наблюдается в экономических данных – т.н. bunching (я бы перевел его в этом контексте как «скопление»). Да на самом деле не только в экономических, в самых разных данных, характеризующих жизнь общества.
Представьте, что есть данные по некоторой величине; сама по себе величина достаточно «гладкая»: например, это может быть зарплата или количество сотрудников в компании, в отрыве от регулирования такие величины могут принимать самые разные значения. Теперь представьте, что государство вводит регулирование, которое дискриминирует, по-разному относится к людям исходя из значения этой величины. Меньше X — одно регулирование, выше X — другое регулирование. В таких случаях раз за разом можно наблюдать один и тот же феномен: невероятно высокую концентрацию людей или объектов «чуть ниже X» или «чуть выше X» (в зависимости от того, что людям более выгодно).
Примеров бесконечное множество. Количество сотрудников: если начиная с 50 сотрудников фирма будет рассматриваться как «большая» или «средняя» с большим регулированием, то вы обнаружите, что какое-то дикое количество фирм будет иметь 49 сотрудников. Вот как-то так получается! Или всяческие оценки по тестам: если для поступления нужно, условно, больше 80 баллов, то почему-то у какого-то дикого количества поступающих будет 81 балл.
Из последнего, что попадалось на глаза – частота людей, получающих соответствующий уровень дохода в Австралии. Там прогрессивная шкала, и выше некоторых уровней дохода включается повышенная ставка. Так вот, кто бы мог подумать, но какое-то дикое количество людей получает максимально возможный доход прямо перед точкой отсечения (см. график, пики на графике = bunching, скопление). Не нужно быть вангой, чтобы понять, что вскоре это будет и в РФ.
Представьте, что есть данные по некоторой величине; сама по себе величина достаточно «гладкая»: например, это может быть зарплата или количество сотрудников в компании, в отрыве от регулирования такие величины могут принимать самые разные значения. Теперь представьте, что государство вводит регулирование, которое дискриминирует, по-разному относится к людям исходя из значения этой величины. Меньше X — одно регулирование, выше X — другое регулирование. В таких случаях раз за разом можно наблюдать один и тот же феномен: невероятно высокую концентрацию людей или объектов «чуть ниже X» или «чуть выше X» (в зависимости от того, что людям более выгодно).
Примеров бесконечное множество. Количество сотрудников: если начиная с 50 сотрудников фирма будет рассматриваться как «большая» или «средняя» с большим регулированием, то вы обнаружите, что какое-то дикое количество фирм будет иметь 49 сотрудников. Вот как-то так получается! Или всяческие оценки по тестам: если для поступления нужно, условно, больше 80 баллов, то почему-то у какого-то дикого количества поступающих будет 81 балл.
Из последнего, что попадалось на глаза – частота людей, получающих соответствующий уровень дохода в Австралии. Там прогрессивная шкала, и выше некоторых уровней дохода включается повышенная ставка. Так вот, кто бы мог подумать, но какое-то дикое количество людей получает максимально возможный доход прямо перед точкой отсечения (см. график, пики на графике = bunching, скопление). Не нужно быть вангой, чтобы понять, что вскоре это будет и в РФ.
Telegram
Экономика долгого времени
https://www.sciencedirect.com/science/article/pii/S0927537123001367
Forwarded from РБК. Новости. Главное
Бывшая дочка «Сбера» в Казахстане Bereke Bank объявил о прекращении приема безналичных платежей по картам «Мир» с 17 марта. Кредитная организация заявила, что прекращает взаимодействие с НСПК.
В начале марта Bereke Bank объявил о прекращении выдачи наличных с карт «Мир» российских банков, попавших под американские санкции.
«Сбер» продал казахстанскую «дочку» холдингу «Байтерек» в начале сентября прошлого года. После этого банк сменил название на Bereke Bank. Новый владелец подал в Управление по контролю за иностранными активами США пакет документов о снятии санкций с банка.
В начале марта Bereke Bank объявил о прекращении выдачи наличных с карт «Мир» российских банков, попавших под американские санкции.
«Сбер» продал казахстанскую «дочку» холдингу «Байтерек» в начале сентября прошлого года. После этого банк сменил название на Bereke Bank. Новый владелец подал в Управление по контролю за иностранными активами США пакет документов о снятии санкций с банка.
🌱 Командные высоты: Холодный расчет
Bloomberg Economics:
• Modeling - Quantitative Research Analyst - Madrid
• Modeling - Quantitative Research Analyst - London
• Modeling - Quantitative Research Analyst - Frankfurt
• Modeling - Geconomics CGE|DSGE Analyst - London
😇 Знаете как правильно? Занимайте места - пусть все получится
🎯 Поделитесь вашими вакансиями для экономистов и аналитиков с нами - мы поделимся со всеми @co1ldbot
@c0ldness
Bloomberg Economics:
• Modeling - Quantitative Research Analyst - Madrid
• Modeling - Quantitative Research Analyst - London
• Modeling - Quantitative Research Analyst - Frankfurt
• Modeling - Geconomics CGE|DSGE Analyst - London
@c0ldness
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from M2 || группа для вопросов и обсуждений
Часто читаю в комментариях, что, мол, нынешний рост "не такой", потому что происходит за счёт роста "бесполезных" военных расходов.
===
Во-первых, за счёт тех или иных расходов правительства рост не происходит. Потому что правительство не может добавить денег в экономику. Оно может только сначала изъять (в виде налогов, например), потом добавить.
Добавление денег происходит исключительно за счёт действия банковской системы во главе с ЦБ. У ЦБ здесь ключевая роль.
===
"Бесполезных" расходов не бывает. Если вы сходили на концерт или спектакль, то хлеба, одежды или ещё чего-то материального у вас больше не стало. Но это часть экономики. Нематериальная часть.
Даже если некий богач построит себе шикарный дворец, который назавтра сгорит в пожаре, то и это для ВВП безразлично — рабочие получают зарплату за работу, идут тратить эти деньги на хлеб, одежду, концерты и т.п.
===
Иллюстрация: чучело масленницы. Люди платят за то, чтобы его сжечь.
===
Во-первых, за счёт тех или иных расходов правительства рост не происходит. Потому что правительство не может добавить денег в экономику. Оно может только сначала изъять (в виде налогов, например), потом добавить.
Добавление денег происходит исключительно за счёт действия банковской системы во главе с ЦБ. У ЦБ здесь ключевая роль.
===
"Бесполезных" расходов не бывает. Если вы сходили на концерт или спектакль, то хлеба, одежды или ещё чего-то материального у вас больше не стало. Но это часть экономики. Нематериальная часть.
Даже если некий богач построит себе шикарный дворец, который назавтра сгорит в пожаре, то и это для ВВП безразлично — рабочие получают зарплату за работу, идут тратить эти деньги на хлеб, одежду, концерты и т.п.
===
Иллюстрация: чучело масленницы. Люди платят за то, чтобы его сжечь.
ХОЛОДНЫЙ РАСЧЕТ ∅
Часто читаю в комментариях, что, мол, нынешний рост "не такой", потому что происходит за счёт роста "бесполезных" военных расходов. === Во-первых, за счёт тех или иных расходов правительства рост не происходит. Потому что правительство не может добавить денег…
РДМ: Мы можем догнать Португалию, если напечатаем квадриллион денег
Все: Как? За счёт каких отраслей?
РДМ: Концерты и пожары
@c0ldneaa
Все: Как? За счёт каких отраслей?
РДМ: Концерты и пожары
@c0ldneaa
ХОЛОДНЫЙ РАСЧЕТ ∅
РДМ: Мы можем догнать Португалию, если напечатаем квадриллион денег Все: Как? За счёт каких отраслей? РДМ: Концерты и пожары @c0ldneaa
Более серьезно проблема тут в том, что РДМ не различает "потребление", "накопление капитала" в бухгалтерском и физическом смысле
В этом смысле, если ваш "дворец" был настоящим капиталом, то его сгорание снижает потенциал выпуска и экономики в следующем периоде
Повторюсь, основных недостатков РДМ два: это не динамическая теория (нет связи между жду т и т+1) и не учитывает физических ограничений (труда, капитала)
@c0ldness
В этом смысле, если ваш "дворец" был настоящим капиталом, то его сгорание снижает потенциал выпуска и экономики в следующем периоде
Повторюсь, основных недостатков РДМ два: это не динамическая теория (нет связи между жду т и т+1) и не учитывает физических ограничений (труда, капитала)
@c0ldness
Forwarded from Sergey
Александр, спасибо вам за то, что продолжаете продвигать идею РДМ )))
Пусть и таким нестандартным способом.
Что касается "за счёт каких отраслей", то это вопрос второй, а не первый.
https://dzen.ru/b/Y9Q700K8pnQD-NLc
Пусть и таким нестандартным способом.
Что касается "за счёт каких отраслей", то это вопрос второй, а не первый.
https://dzen.ru/b/Y9Q700K8pnQD-NLc
Электоральный перевес или electoral margin = доля голосов за занимающего пост кандидата - доля голосов за альтернативного кандидата с max долей голосов
@c0ldness
Please open Telegram to view this post
VIEW IN TELEGRAM
ХОЛОДНЫЙ РАСЧЕТ ∅
Рост реальных располагаемых доходов в 4кв года предшествующего выборам:
• 4кв11: 1.5% г/г
• 4кв17: -0.2% г/г
• 4кв23: +8.0% г/г
* на картинке сдвиг на +1кв
@c0ldness
Please open Telegram to view this post
VIEW IN TELEGRAM
ХОЛОДНЫЙ РАСЧЕТ ∅
~3.0 процентных пункта электорального перевеса
import statsmodels.api as sm
Y = df_co['Vote']
X = df_co[['YY','Post2012']]
X = sm.add_constant(X)
model = sm.OLS(Y,X)
results = model.fit()
results.params
@c0ldness
Please open Telegram to view this post
VIEW IN TELEGRAM