ГИИ вполне сгодится для генерации свыше 95% текущего новостного или аналитического контента, но не для разработки новых проектов, инновационных решений или полноценной системы принятия решений.
Например, ГИИ не позволит написать «Войну и мир», где сотни персонажей, тысячи диалогов и связей. Здесь даже дело не в ограничениях выходных токенов.
Все решает длина контекста. В сложных проектах важны детали, которые были на нескольких итерациях ранее, но внутренние структурные особенности ГИИ лишь позволяют манипулировать контекст вектором, отсекая весь прошлый опыт.
Это значит, если писать масштабные художественные произведения или научно-исследовательские проекты, ГИИ не позволит эффективно наследовать характеристики и связи объектов на более ранних итерациях.
Можно ли решить эту проблему в будущем? Длина контекста должна вырасти на несколько параметров. Не 128к, как сейчас, а в тысячи раз больше! Через 10 лет? Теоретически возможно.
Можно ли решить эту проблему сейчас? Все пространство тонкой настройки сводится к манипуляции и интерпретации контекст вектора, но не в конверсии информации, которая зашита в весах нейро-сетей и в алгоритмах интерпретации.
К этому нужно добавить вшитые этические и контентные фильтры, которые сильно ограничивают пространство возможностей. Например, все ведущие новостные агентства США и Европы забанили ГИИ для индексации контента.
Это логично, с помощью ГИИ можно больше не заходить на сайты напрямую, а индексировать и интерпретировать новостной и аналитический контент во внешнем контуре, формализуя экстракт контента.
Общее впечатление? Самая прорывная технология 21 века, имеющая невероятные перспективы.
Даже на начальном этапе многие возможности сильно удивляют, значительное количество решений и задач могут быть в наивысшей степени автоматизированы с помощью ГИИ, но при этом нужно понимать ограничения:
• Нет самообучения.
• Не подходит для сложных интегральных и многомерных проектов, где нужно учитывать целостную картину и динамические связи
• Необходимо очень жестко формализовать ТЗ для получения желаемого эффекта и часто время на промт-инжиниринг превосходит выгоду от использования ГИИ (проще все сделать руками, как раньше). Необходимо задача разбивать на множество подзадач до предельного упрощения.
• Ограниченная длина контекста.
• Много ошибок, нет факт чекинга. ГИИ мастерски имитирует правду и генерирует выходной контент очень убедительно, но если копнуть глубже оказывается, что значительная часть инфы – фейк и галлюцинации.
ГИИ замечательный инструмент, но нужно уметь его правильно использовать и понимать специфику и ограничения, но есть уверенность в том, что через несколько лет ГИИ способен творить чудеса.
Любая технология на начальном этапе представляла низко-функциональный обрубок и лишь по мере эволюции и технологической оптимизации остов прирастал функционалом и возможностями, так же и будет с ГИИ, который уже в самом начале имеет уникальные возможности.
Например, ГИИ не позволит написать «Войну и мир», где сотни персонажей, тысячи диалогов и связей. Здесь даже дело не в ограничениях выходных токенов.
Все решает длина контекста. В сложных проектах важны детали, которые были на нескольких итерациях ранее, но внутренние структурные особенности ГИИ лишь позволяют манипулировать контекст вектором, отсекая весь прошлый опыт.
Это значит, если писать масштабные художественные произведения или научно-исследовательские проекты, ГИИ не позволит эффективно наследовать характеристики и связи объектов на более ранних итерациях.
Можно ли решить эту проблему в будущем? Длина контекста должна вырасти на несколько параметров. Не 128к, как сейчас, а в тысячи раз больше! Через 10 лет? Теоретически возможно.
Можно ли решить эту проблему сейчас? Все пространство тонкой настройки сводится к манипуляции и интерпретации контекст вектора, но не в конверсии информации, которая зашита в весах нейро-сетей и в алгоритмах интерпретации.
К этому нужно добавить вшитые этические и контентные фильтры, которые сильно ограничивают пространство возможностей. Например, все ведущие новостные агентства США и Европы забанили ГИИ для индексации контента.
Это логично, с помощью ГИИ можно больше не заходить на сайты напрямую, а индексировать и интерпретировать новостной и аналитический контент во внешнем контуре, формализуя экстракт контента.
Общее впечатление? Самая прорывная технология 21 века, имеющая невероятные перспективы.
Даже на начальном этапе многие возможности сильно удивляют, значительное количество решений и задач могут быть в наивысшей степени автоматизированы с помощью ГИИ, но при этом нужно понимать ограничения:
• Нет самообучения.
• Не подходит для сложных интегральных и многомерных проектов, где нужно учитывать целостную картину и динамические связи
• Необходимо очень жестко формализовать ТЗ для получения желаемого эффекта и часто время на промт-инжиниринг превосходит выгоду от использования ГИИ (проще все сделать руками, как раньше). Необходимо задача разбивать на множество подзадач до предельного упрощения.
• Ограниченная длина контекста.
• Много ошибок, нет факт чекинга. ГИИ мастерски имитирует правду и генерирует выходной контент очень убедительно, но если копнуть глубже оказывается, что значительная часть инфы – фейк и галлюцинации.
ГИИ замечательный инструмент, но нужно уметь его правильно использовать и понимать специфику и ограничения, но есть уверенность в том, что через несколько лет ГИИ способен творить чудеса.
Любая технология на начальном этапе представляла низко-функциональный обрубок и лишь по мере эволюции и технологической оптимизации остов прирастал функционалом и возможностями, так же и будет с ГИИ, который уже в самом начале имеет уникальные возможности.
Могут ли современные версии ГИИ создать «квантовый скачок», существенно трансформировав структуру экономики?
В 2023 был надут самый значительный пузырь в истории американского рынка объемом около 10 триллионов долларов (разница между актуальной капитализацией и справедливой), драйвером которого стали высоко-капитализированные технологические корпорации, которые в свою очередь были разогреты после успешного релиза ChatGPT в начале 2023.
По сути, всего одно решение создало невиданный в индустрии хайп (спустя полгода подтянулся Google с Bard и Gemini), сформировав невероятные ожидания перехода в новое измерение «безграничного счастья».
Логика есть: новое технологическое решение создает пространство возможностей, в рамках которого резко повышается скорость технологического прогресса, увеличивается производительность и эффективность экономики, решаются проблемы с недостатком рабочей силы и инфляцией.
Насколько все это обосновано? Насколько ожидания коррелируют с реальностью?
Следует понимать, что публичная версия ГИИ – это статическая, локальная и закрытая система, изолированная от экзогенных переменных, т.е. внешние операторы системы (пользователи) не могут повлиять на процесс «переваривания» информации. ГИИ не обучаются в режиме реального времени на данных, предоставляемых пользователями
Даже, если ГИИ в рамках открытой сессии имитирует обучение – это не более, чем имитация и корректировка терминологии, т.е. невозможно залезть по ту сторону, модифицировав способность к обработке и трансформации информации. ГИИ лишь адаптируется к диалогу, но на выходные данные это никак не влияет.
Обучать систему могут только инженеры OpenAI и Google, внешняя информация никак не влияет на вектор интерпретации. Для ChatGPT было две крупные фиксации обучения – сентябрь 2021 и апрель 2023, где формализовались веса и алгоритмы интерпретации – это и есть обучение.
Контекстное окно у GPT-4 Turbo составляет 128 тыс токенов, которую внедрили в середине ноября 2023. Это значит, что в процессе переваривания входящей информации большего объема требуется неизбежная компрессия.
Например, задача забросить в анализ 10 млн символов правовой информации, что составляет около 4 млн токенов. Как при окне контекста в 128 тыс токенов произойдет обработка информации, кратно превышающие предельную длину контекста?
Есть два наиболее часто используемых приема.
• Разделение текста на блоки, параграфы, близкие по смыслу и принудительная компрессия на X величину.
• Скользящее окно контекста, когда последовательно обрабатывается первый блок на 128 тыс токенов, сжимается в 20 раз, далее второй блок и так далее. В итоге на выходе получается экстракт в 20 раз с неизбежной потерей деталей и содержания. Можно ли в законодательных документах применять этот прием? Спорно.
Что из этого выходит? Любые сложные и многомерные проекты нельзя реализовать в текущих версиях ГИИ. Технологический прогресс двигается через развитие сложных систем и комплексов, для которых ГИИ в принципе не приспособлен к эффективной реализации из-за технических и структурных ограничений.
Нет самообучения, ограниченная длина контекста, нет наследования опыта (обнуление с каждой новой сессией) и внутренние встроенные фильтры.
Кажется, что пространство возможностей безграничное, но оно еще как ограничено.
ГИИ – это мощный инструмент автоматизации в умелых руках, но для того, чтобы система была эффективна необходимо понимать не менее 80% предмета исследования.
ГИИ очень правдоподобно лжет, склонен к конформизму и вербальным манипуляциям, поэтому необходимо быть осторожным к выходной информации.
В чем выдающиеся сила ГИИ в контексте реализации сложных систем?
• Быстрый поиск нужной информации, кратно эффективнее поисковых систем. Например, техническую документацию очень удобно и эффективно уточнять именно у ГИИ, производительность растет кратно!
• Хорошие возможности для реализации одномерных задач при тщательном промт-инжиниринге, что правда не всегда оправдано с точки зрения времени.
Поэтому рано еще радоваться, текущая версия ГИИ не способна перевернуть мир, но что будет в будущем?
В 2023 был надут самый значительный пузырь в истории американского рынка объемом около 10 триллионов долларов (разница между актуальной капитализацией и справедливой), драйвером которого стали высоко-капитализированные технологические корпорации, которые в свою очередь были разогреты после успешного релиза ChatGPT в начале 2023.
По сути, всего одно решение создало невиданный в индустрии хайп (спустя полгода подтянулся Google с Bard и Gemini), сформировав невероятные ожидания перехода в новое измерение «безграничного счастья».
Логика есть: новое технологическое решение создает пространство возможностей, в рамках которого резко повышается скорость технологического прогресса, увеличивается производительность и эффективность экономики, решаются проблемы с недостатком рабочей силы и инфляцией.
Насколько все это обосновано? Насколько ожидания коррелируют с реальностью?
Следует понимать, что публичная версия ГИИ – это статическая, локальная и закрытая система, изолированная от экзогенных переменных, т.е. внешние операторы системы (пользователи) не могут повлиять на процесс «переваривания» информации. ГИИ не обучаются в режиме реального времени на данных, предоставляемых пользователями
Даже, если ГИИ в рамках открытой сессии имитирует обучение – это не более, чем имитация и корректировка терминологии, т.е. невозможно залезть по ту сторону, модифицировав способность к обработке и трансформации информации. ГИИ лишь адаптируется к диалогу, но на выходные данные это никак не влияет.
Обучать систему могут только инженеры OpenAI и Google, внешняя информация никак не влияет на вектор интерпретации. Для ChatGPT было две крупные фиксации обучения – сентябрь 2021 и апрель 2023, где формализовались веса и алгоритмы интерпретации – это и есть обучение.
Контекстное окно у GPT-4 Turbo составляет 128 тыс токенов, которую внедрили в середине ноября 2023. Это значит, что в процессе переваривания входящей информации большего объема требуется неизбежная компрессия.
Например, задача забросить в анализ 10 млн символов правовой информации, что составляет около 4 млн токенов. Как при окне контекста в 128 тыс токенов произойдет обработка информации, кратно превышающие предельную длину контекста?
Есть два наиболее часто используемых приема.
• Разделение текста на блоки, параграфы, близкие по смыслу и принудительная компрессия на X величину.
• Скользящее окно контекста, когда последовательно обрабатывается первый блок на 128 тыс токенов, сжимается в 20 раз, далее второй блок и так далее. В итоге на выходе получается экстракт в 20 раз с неизбежной потерей деталей и содержания. Можно ли в законодательных документах применять этот прием? Спорно.
Что из этого выходит? Любые сложные и многомерные проекты нельзя реализовать в текущих версиях ГИИ. Технологический прогресс двигается через развитие сложных систем и комплексов, для которых ГИИ в принципе не приспособлен к эффективной реализации из-за технических и структурных ограничений.
Нет самообучения, ограниченная длина контекста, нет наследования опыта (обнуление с каждой новой сессией) и внутренние встроенные фильтры.
Кажется, что пространство возможностей безграничное, но оно еще как ограничено.
ГИИ – это мощный инструмент автоматизации в умелых руках, но для того, чтобы система была эффективна необходимо понимать не менее 80% предмета исследования.
ГИИ очень правдоподобно лжет, склонен к конформизму и вербальным манипуляциям, поэтому необходимо быть осторожным к выходной информации.
В чем выдающиеся сила ГИИ в контексте реализации сложных систем?
• Быстрый поиск нужной информации, кратно эффективнее поисковых систем. Например, техническую документацию очень удобно и эффективно уточнять именно у ГИИ, производительность растет кратно!
• Хорошие возможности для реализации одномерных задач при тщательном промт-инжиниринге, что правда не всегда оправдано с точки зрения времени.
Поэтому рано еще радоваться, текущая версия ГИИ не способна перевернуть мир, но что будет в будущем?
О возможностях языковых моделей и ГИИ
Систематизация опыта использования и попыток интеграции ГИИ в рабочие проекты с моей стороны.
Огромное количество плагинов, расширений и предложений на базе ГИИ (в основном, конечно, ChatGPT), но на самом деле все это разнообразие фиктивное.
Попытаюсь консолидировать три генеральных направлений использования ГИИ:
▪️Резюмирование / суммирование / краткий пересказ текстового, видео или аудио контента. Вариаций множество, но суть одна. Это самое главное направление, т.е. базовая концепция ГИИ заключается как раз в компрессии контента, именно на этом построены алгоритмы работы ГИИ.
Как это будет реализовано? Здесь есть пространство для маневра. Например, подготовка дайджеста новостей по заданной теме, краткий анализ отчетности, статей и объемных материалов по заданным критериям.
Польза вполне очевидна: если коэффициент компрессии ввести 15-20, можно сэкономить значительное количество времени и концентрировать внимание на сущностных элементах и смысловых нагрузках, отсекая все лишнее.
Человек, прослушав лекцию или прочитав книгу, не сможет запомнить все, а в памяти оставляет только основные смысловые переходы и концепции и/или цифры/факты/статистику.
Если доверить краткий пересказ медийного, научного или аналитического контента в пользу ИИ, можно высвободить время для других задач или повысить кратно производительности в рамках анализа контента.
Работает ли это на практике? Не совсем, далеко не так, как хотелось бы, чтобы применять этот инструмент в работе. Именно поэтому я допиливал процедуры через API, чтобы иметь более тонкую настройку, но даже так не удалось получить желаемого эффекта.
Происходит слишком агрессивное отсечение важной информации по принципу схожести паттернов, что приводит к потере важных деталей и нюансов.
Сценарий использования: перебор мусорной информации, где можно кратко и быстро понять о чем идет повествование, а далее любопытные гранд нарративы уже исследовать самостоятельно.
▪️Экспертная система, высокоразвитый консультант. Традиционный поиск сейчас уже не нужен – это архаика. Если нужно быстро найти и понять описание предмета, объекта, значение какой либо функции и так далее – ГИИ вне конкуренции.
В обычном поиске можно часами рыться в мегабайтах текстовой информации из разных источников, чтобы понять, как работает интересующиеся объект или инструмент, а через ГИИ это решается за минуты.
Лично для меня, это наиболее важный прорыв, т.к. буквально кратно экономит время, если речь идет о быстром анализе и схватывании важных аспектов в документации.
Сценарий использования: быстрый и эффективный анализ технической документации, инструкции, регламентов, актов, законов и так далее, когда нет желания и времени вникать в ненужные детали.
▪️Решение одномерных и ограниченных задач. Если крупный проект разбить на сотни модулей, а модули в свою очередь разбить на блоки, сегменты, которые в свою очередь разделить на функции и процедуры – вот здесь ГИИ поможет, но есть нюансы.
Декомпозиция сложных задач и разделение на упрощенные сегменты – это непростой процесс, а для эффективного ответа необходим крайне формализованный промт инжиниринг. Чем более сжатые границы и чем четче описаны все переменные и логика решений – тем быстрее и лучше будет ответ, но даже так огромное количество ошибок будет.
Сценарий использования: быстрое написание части программного кода при условии, что этот код может быть написан самим разработчиком. Не всегда генерация упрощенного кода оправдана с точки зрения времени (проще сделать самому).
Для работы с ГИИ необходимо быть экспертом, т.е. знать вектор распределения решений и выходные параметры, чтобы контролировать результат.
У ГИИ нет критерия оценки выходных данных (нет критерия ошибки), нет критерия истинности, поэтому может выдавать абсурдные результаты, т.к. не знает, что такое хорошо, а что такое плохо, поэтому всегда нужен компетентный оператор системы.
В итоге ГИИ позволяет реализовывать структуризацию, систематизацию и упорядочивание данных при условии умения работать с данными и с ГИИ со стороны оператора.
Систематизация опыта использования и попыток интеграции ГИИ в рабочие проекты с моей стороны.
Огромное количество плагинов, расширений и предложений на базе ГИИ (в основном, конечно, ChatGPT), но на самом деле все это разнообразие фиктивное.
Попытаюсь консолидировать три генеральных направлений использования ГИИ:
▪️Резюмирование / суммирование / краткий пересказ текстового, видео или аудио контента. Вариаций множество, но суть одна. Это самое главное направление, т.е. базовая концепция ГИИ заключается как раз в компрессии контента, именно на этом построены алгоритмы работы ГИИ.
Как это будет реализовано? Здесь есть пространство для маневра. Например, подготовка дайджеста новостей по заданной теме, краткий анализ отчетности, статей и объемных материалов по заданным критериям.
Польза вполне очевидна: если коэффициент компрессии ввести 15-20, можно сэкономить значительное количество времени и концентрировать внимание на сущностных элементах и смысловых нагрузках, отсекая все лишнее.
Человек, прослушав лекцию или прочитав книгу, не сможет запомнить все, а в памяти оставляет только основные смысловые переходы и концепции и/или цифры/факты/статистику.
Если доверить краткий пересказ медийного, научного или аналитического контента в пользу ИИ, можно высвободить время для других задач или повысить кратно производительности в рамках анализа контента.
Работает ли это на практике? Не совсем, далеко не так, как хотелось бы, чтобы применять этот инструмент в работе. Именно поэтому я допиливал процедуры через API, чтобы иметь более тонкую настройку, но даже так не удалось получить желаемого эффекта.
Происходит слишком агрессивное отсечение важной информации по принципу схожести паттернов, что приводит к потере важных деталей и нюансов.
Сценарий использования: перебор мусорной информации, где можно кратко и быстро понять о чем идет повествование, а далее любопытные гранд нарративы уже исследовать самостоятельно.
▪️Экспертная система, высокоразвитый консультант. Традиционный поиск сейчас уже не нужен – это архаика. Если нужно быстро найти и понять описание предмета, объекта, значение какой либо функции и так далее – ГИИ вне конкуренции.
В обычном поиске можно часами рыться в мегабайтах текстовой информации из разных источников, чтобы понять, как работает интересующиеся объект или инструмент, а через ГИИ это решается за минуты.
Лично для меня, это наиболее важный прорыв, т.к. буквально кратно экономит время, если речь идет о быстром анализе и схватывании важных аспектов в документации.
Сценарий использования: быстрый и эффективный анализ технической документации, инструкции, регламентов, актов, законов и так далее, когда нет желания и времени вникать в ненужные детали.
▪️Решение одномерных и ограниченных задач. Если крупный проект разбить на сотни модулей, а модули в свою очередь разбить на блоки, сегменты, которые в свою очередь разделить на функции и процедуры – вот здесь ГИИ поможет, но есть нюансы.
Декомпозиция сложных задач и разделение на упрощенные сегменты – это непростой процесс, а для эффективного ответа необходим крайне формализованный промт инжиниринг. Чем более сжатые границы и чем четче описаны все переменные и логика решений – тем быстрее и лучше будет ответ, но даже так огромное количество ошибок будет.
Сценарий использования: быстрое написание части программного кода при условии, что этот код может быть написан самим разработчиком. Не всегда генерация упрощенного кода оправдана с точки зрения времени (проще сделать самому).
Для работы с ГИИ необходимо быть экспертом, т.е. знать вектор распределения решений и выходные параметры, чтобы контролировать результат.
У ГИИ нет критерия оценки выходных данных (нет критерия ошибки), нет критерия истинности, поэтому может выдавать абсурдные результаты, т.к. не знает, что такое хорошо, а что такое плохо, поэтому всегда нужен компетентный оператор системы.
В итоге ГИИ позволяет реализовывать структуризацию, систематизацию и упорядочивание данных при условии умения работать с данными и с ГИИ со стороны оператора.
Инфляция в США выросла на 0.3% м/м (0.31% для базовой инфляции), что соответствует среднегодовой тенденции.
В период с 2015 по 2019 нормой считался рост цен на 0.15% в месяц для общего индекса потребительских цен и 0.17% для базовой инфляции. Аномалию 2020-2022 можно не брать в расчет, т.к. от дефляции резко перешли в рекордную за 40 лет инфляцию, а за последний год можно рассмотреть результаты.
ИПЦ в 2023 рос в темпах 0.27% в месяц, а базовая инфляция – 0.32%, а последние полгода получилось 0.27% и 0.26% соответственно, а за последние три месяца 0.15% (за счет фактора энергии) и 0.27% для базовой инфляции.
О чем это говорит? Нет существенного прогресса в замедлении инфляции. Резкое снижение годовой инфляции в полной мере обусловлено эффектом высокой базы 2022, но при оценке базовой инфляции замедление присутствует (0.38% среднемесячного прироста в первое полугодие 2023 и 0.26% во второе полугодие 2023), но в 1.5-1.6 раза выше нормы.
Основной фактор возмущения – стоимость проживания (интегрально, учитывая, как гостиницы, так и аренду), которая растет в темпах 0.44% в месяц во 2П23 vs 0.57% в 1П23 и нормой на уровне 0.27% в период с 2015 по 2019.
Стоимость жилья формирует почти 60% в структуре прироста цен за последние полгода. Если произвести декомпозицию негативных факторов, практически все отклонение от нормы 2015-2019 обусловлено более высокими темпами роста стоимости жилья.
Цены достаточно волатильны, как и фазы роста и стабилизации цен, поэтому если выделить жилье из расчетов по всем остальным компонентам плюс-минус вблизи нормы.
Базовая инфляция за последние три месяца и полгода формирует ценовой импульс в диапазоне 3.2-3.3% годовых, тогда как годовая инфляция 3.9% за счет более высоких темпов роста цен в первом полугодии 2023.
До нормализации цен еще далеко, т.к. рост цен на жилье имеет структурный и долгосрочный характер и высокая фоновая инфляция в этой компоненте долго будет выше нормы.
В период с 2015 по 2019 нормой считался рост цен на 0.15% в месяц для общего индекса потребительских цен и 0.17% для базовой инфляции. Аномалию 2020-2022 можно не брать в расчет, т.к. от дефляции резко перешли в рекордную за 40 лет инфляцию, а за последний год можно рассмотреть результаты.
ИПЦ в 2023 рос в темпах 0.27% в месяц, а базовая инфляция – 0.32%, а последние полгода получилось 0.27% и 0.26% соответственно, а за последние три месяца 0.15% (за счет фактора энергии) и 0.27% для базовой инфляции.
О чем это говорит? Нет существенного прогресса в замедлении инфляции. Резкое снижение годовой инфляции в полной мере обусловлено эффектом высокой базы 2022, но при оценке базовой инфляции замедление присутствует (0.38% среднемесячного прироста в первое полугодие 2023 и 0.26% во второе полугодие 2023), но в 1.5-1.6 раза выше нормы.
Основной фактор возмущения – стоимость проживания (интегрально, учитывая, как гостиницы, так и аренду), которая растет в темпах 0.44% в месяц во 2П23 vs 0.57% в 1П23 и нормой на уровне 0.27% в период с 2015 по 2019.
Стоимость жилья формирует почти 60% в структуре прироста цен за последние полгода. Если произвести декомпозицию негативных факторов, практически все отклонение от нормы 2015-2019 обусловлено более высокими темпами роста стоимости жилья.
Цены достаточно волатильны, как и фазы роста и стабилизации цен, поэтому если выделить жилье из расчетов по всем остальным компонентам плюс-минус вблизи нормы.
Базовая инфляция за последние три месяца и полгода формирует ценовой импульс в диапазоне 3.2-3.3% годовых, тогда как годовая инфляция 3.9% за счет более высоких темпов роста цен в первом полугодии 2023.
До нормализации цен еще далеко, т.к. рост цен на жилье имеет структурный и долгосрочный характер и высокая фоновая инфляция в этой компоненте долго будет выше нормы.
Минфин России выполнил задачу, которая в начале года казалась невероятной – сведение бюджета к плану.
Календарный 2023 год исполнен с дефицитом 3.2 трлн vs 3.3 трлн в 2022 и в сравнении с 2.9 трлн дефицита на 2023, которые были записаны в проект федерального бюджета по №466-ФЗ от 05.12.2022.
В мае 2023 дефицит по 12-месячной сумме достиг 8 трлн и все шло к 10 трлн дефицита, но комплекс мер от Минфина и макроэкономические факторы способствовали улучшению бюджетной ситуации.
С июня 2023 Минфин начал экономить, по крайней мере, до сентября, когда суммарные расходы оказались на 5.5% ниже по номиналу, чем в 2022, но на 15.7% выше аналогичного периода в 2021 при накопленной инфляции более 20% за два года. В реальном выражении расходы ушли в минус и это с учетом военного бюджета.
С октября по ноябрь пошли в разгон по расходам, но в декабре вновь просели, завершив 4кв23 с суммарными расходами на 5.7% ниже 2022, но на 29% выше 2021 по номиналу.
В итоге с июня по декабрь 2023 расходы снизились на 5.6% г/г, но на 22.9% выше 2021, т.е. около нуля в реальном выражении за два года.
Со стороны доходов прогресс: с июня по декабрь 2023 доходы выросли на 22.3% г/г и на 21% за два года (о причинах роста отдельно после предоставления детализации ненефтегазовых доходов в конце января).
По укрупненным группам, нефтегазовые доходы практически достигли плана 8.8 трлн по факту vs 8.9 трлн по проекту бюджета, а ненефтегазовые сильно выше плана – 20.3 трлн vs 17.2 трлн в бюджете, где 1.2 трлн сверх плана принес НДС.
В итоге доходы с июня сформировали плюс 3.5 трлн, а расходы снизились на 1.2 трлн, что в совокупности дало эффект на 4.7 трлн, позволив снизить дефицит с 8 до 3.2 трлн.
За весь год доходы составили 29.1 трлн vs 27.8 трлн в 2022 и 25.3 трлн в 2021, а расходы немного выросли до 32.4 трлн vs 31.1 трлн годом ранее и 24.8 трлн в 2021.
Дефицит бюджета менее, чем в 2% от ВВП, учитывая контекст ситуации – это сильные показатели, намного лучше, чем предполагалось в середине года.
Календарный 2023 год исполнен с дефицитом 3.2 трлн vs 3.3 трлн в 2022 и в сравнении с 2.9 трлн дефицита на 2023, которые были записаны в проект федерального бюджета по №466-ФЗ от 05.12.2022.
В мае 2023 дефицит по 12-месячной сумме достиг 8 трлн и все шло к 10 трлн дефицита, но комплекс мер от Минфина и макроэкономические факторы способствовали улучшению бюджетной ситуации.
С июня 2023 Минфин начал экономить, по крайней мере, до сентября, когда суммарные расходы оказались на 5.5% ниже по номиналу, чем в 2022, но на 15.7% выше аналогичного периода в 2021 при накопленной инфляции более 20% за два года. В реальном выражении расходы ушли в минус и это с учетом военного бюджета.
С октября по ноябрь пошли в разгон по расходам, но в декабре вновь просели, завершив 4кв23 с суммарными расходами на 5.7% ниже 2022, но на 29% выше 2021 по номиналу.
В итоге с июня по декабрь 2023 расходы снизились на 5.6% г/г, но на 22.9% выше 2021, т.е. около нуля в реальном выражении за два года.
Со стороны доходов прогресс: с июня по декабрь 2023 доходы выросли на 22.3% г/г и на 21% за два года (о причинах роста отдельно после предоставления детализации ненефтегазовых доходов в конце января).
По укрупненным группам, нефтегазовые доходы практически достигли плана 8.8 трлн по факту vs 8.9 трлн по проекту бюджета, а ненефтегазовые сильно выше плана – 20.3 трлн vs 17.2 трлн в бюджете, где 1.2 трлн сверх плана принес НДС.
В итоге доходы с июня сформировали плюс 3.5 трлн, а расходы снизились на 1.2 трлн, что в совокупности дало эффект на 4.7 трлн, позволив снизить дефицит с 8 до 3.2 трлн.
За весь год доходы составили 29.1 трлн vs 27.8 трлн в 2022 и 25.3 трлн в 2021, а расходы немного выросли до 32.4 трлн vs 31.1 трлн годом ранее и 24.8 трлн в 2021.
Дефицит бюджета менее, чем в 2% от ВВП, учитывая контекст ситуации – это сильные показатели, намного лучше, чем предполагалось в середине года.
Дефицит федерального бюджета США близок к рекорду, несмотря на отсутствие соглашения по бюджету.
Вся эта клоунада в Конгрессе США относительно соглашения по бюджету не помешала Минфину США тратить, как оглашенные.
Дефицит бюджета в декабре составил 129.3 млрд (второй самый худший результат после декабря 2020), за октябрь-декабрь 2023 – 510 млрд, что немного меньше рекорда на уровне 572 млрд в период агрессивного фискального бешенства в 2020.
За календарный 2023 дефицит составил 1.8 трлн или 2.1 трлн с учетом корректировки на бумажный вычет по студенческим авансам, вот именно на этот уровень и стоит рассчитывать.
Любопытно, в реальном выражении дефицит бюджета за последние 12 месяцев соответствует кризисному 2009! Бюджет США вполне соответствует кризису, если не брать аномалии 2020-2021.
Скорректированные расходы составили 6.6 трлн за календарный год vs 6 трлн годом ранее, т.е. рост на 10%, а доходы, напротив, сократились с 4.9 до 4.5 трлн или на 8%, что обусловило практически удвоение скорректированного дефицита с 1.1 до 2.1 трлн.
Драйверы роста расходов: процентные платежи, пенсии, оборона и поддержка банковской системы.
Так, например, в 2024 фискальному году (октябрь-декабрь 2023) расходы выросли на 12% г/г или на 170 млрд, где процентные расходы выросли на 71 млрд по сумме за три месяца относительно аналогичного периода в 2022, пенсии и поддержка ветеранов выросли почти на 50 млрд, расходы на поддержку банковской системы выросли более, чем на 60 млрд, а расходы на оборону прибавили 24 млрд.
В совокупности вышеуказанные категории внесли вклад в прирост расходов более 205 млрд, формируя 58% в структуре общих расходов, т.е. прочие категории в целом сокращаются по номиналу.
Что все это значит? Бюджет крайне неустойчив в стерильных условиях, а что, если кризис? Придется активно субсидировать население (основной источник прироста расходов в кризис) и это при фоновом дефиците в 2 трлн за год.
Ситуация весьма уязвимая для фискальной устойчивости на фоне исчерпания избыточной ликвидности в системе.
Вся эта клоунада в Конгрессе США относительно соглашения по бюджету не помешала Минфину США тратить, как оглашенные.
Дефицит бюджета в декабре составил 129.3 млрд (второй самый худший результат после декабря 2020), за октябрь-декабрь 2023 – 510 млрд, что немного меньше рекорда на уровне 572 млрд в период агрессивного фискального бешенства в 2020.
За календарный 2023 дефицит составил 1.8 трлн или 2.1 трлн с учетом корректировки на бумажный вычет по студенческим авансам, вот именно на этот уровень и стоит рассчитывать.
Любопытно, в реальном выражении дефицит бюджета за последние 12 месяцев соответствует кризисному 2009! Бюджет США вполне соответствует кризису, если не брать аномалии 2020-2021.
Скорректированные расходы составили 6.6 трлн за календарный год vs 6 трлн годом ранее, т.е. рост на 10%, а доходы, напротив, сократились с 4.9 до 4.5 трлн или на 8%, что обусловило практически удвоение скорректированного дефицита с 1.1 до 2.1 трлн.
Драйверы роста расходов: процентные платежи, пенсии, оборона и поддержка банковской системы.
Так, например, в 2024 фискальному году (октябрь-декабрь 2023) расходы выросли на 12% г/г или на 170 млрд, где процентные расходы выросли на 71 млрд по сумме за три месяца относительно аналогичного периода в 2022, пенсии и поддержка ветеранов выросли почти на 50 млрд, расходы на поддержку банковской системы выросли более, чем на 60 млрд, а расходы на оборону прибавили 24 млрд.
В совокупности вышеуказанные категории внесли вклад в прирост расходов более 205 млрд, формируя 58% в структуре общих расходов, т.е. прочие категории в целом сокращаются по номиналу.
Что все это значит? Бюджет крайне неустойчив в стерильных условиях, а что, если кризис? Придется активно субсидировать население (основной источник прироста расходов в кризис) и это при фоновом дефиците в 2 трлн за год.
Ситуация весьма уязвимая для фискальной устойчивости на фоне исчерпания избыточной ликвидности в системе.
Внешний долг России снизился до $322 млрд на 3кв23 – минимум за 16 лет, сократившись на $160 млрд с момента начала СВО.
За сопоставимый срок (7 кварталов) более быстрое сокращение было в 1кв16 ($213 млрд) в абсолютном выражении, но в процентном сравнении на этот раз рекорд за всю современную историю России (33%) по сравнению со снижением долга на 29% в 2016.
В оценке долга имеет значение та часть, которая концентрируется в иностранной валюте по двум причинам:
• именно внешний долг в иностранной валюте влияет на устойчивость валютного рынка в России;
• при девальвации рубля внешний долг в национальной валюте естественным образом снижается из-за валютной переоценки.
В структуре снижения долга на $160 млрд на валютный долг приходится $123 млрд и $37 млрд на внешний долг в рублях (в значительной степени из-за валютной переоценки).
Чем опасно сжатие валютного внешнего долга для рубля? Этот финансовый ресурс мог быть использован в накоплении кэша, инвестициях или в возврате валютной выручки на внутренний валютный рынок.
Однако, в условиях санкций и закрытого внешнего рынка фондирования необходимость в погашении внешних долгов, которые практически полностью номинированы в валюте недружественных стран, вынуждает российский бизнес резервировать валютную позицию под исполнение обязательств. Это, как один из доминирующих факторов давления на рубль, образуя дефицит валюты.
Хорошая новость в том, что внешнего валютного долга все меньше – всего $226 млрд по сравнению с $261 млрд в начале 2023 и $350 млрд в начале 2022. Примерно $200 млрд сосредоточено в частном секторе (банки и компании).
Оценочный объем принудительного погашения внешнего валютного долга около $45-50 млрд в год (оценка на 2024 $40-45 млрд) – это то, что не сможет быть рефинансировано и вероятно, не сможет быть перекрыто поступлениями из Китая, Индии и нейтральных стран Ближнего Востока.
Много зависит от способности России привлекать фондирование из нейтральных стран, пока с этим вообще никак.
За сопоставимый срок (7 кварталов) более быстрое сокращение было в 1кв16 ($213 млрд) в абсолютном выражении, но в процентном сравнении на этот раз рекорд за всю современную историю России (33%) по сравнению со снижением долга на 29% в 2016.
В оценке долга имеет значение та часть, которая концентрируется в иностранной валюте по двум причинам:
• именно внешний долг в иностранной валюте влияет на устойчивость валютного рынка в России;
• при девальвации рубля внешний долг в национальной валюте естественным образом снижается из-за валютной переоценки.
В структуре снижения долга на $160 млрд на валютный долг приходится $123 млрд и $37 млрд на внешний долг в рублях (в значительной степени из-за валютной переоценки).
Чем опасно сжатие валютного внешнего долга для рубля? Этот финансовый ресурс мог быть использован в накоплении кэша, инвестициях или в возврате валютной выручки на внутренний валютный рынок.
Однако, в условиях санкций и закрытого внешнего рынка фондирования необходимость в погашении внешних долгов, которые практически полностью номинированы в валюте недружественных стран, вынуждает российский бизнес резервировать валютную позицию под исполнение обязательств. Это, как один из доминирующих факторов давления на рубль, образуя дефицит валюты.
Хорошая новость в том, что внешнего валютного долга все меньше – всего $226 млрд по сравнению с $261 млрд в начале 2023 и $350 млрд в начале 2022. Примерно $200 млрд сосредоточено в частном секторе (банки и компании).
Оценочный объем принудительного погашения внешнего валютного долга около $45-50 млрд в год (оценка на 2024 $40-45 млрд) – это то, что не сможет быть рефинансировано и вероятно, не сможет быть перекрыто поступлениями из Китая, Индии и нейтральных стран Ближнего Востока.
Много зависит от способности России привлекать фондирование из нейтральных стран, пока с этим вообще никак.
Данные по платежному балансу России позволяют понять основной источник проблем в период наибольшего давления на рубль в 2023.
Период наибольшей «жесткости» для рубля был в 3 квартале 2023, и в это время основной отток капитала концентрировался в чистом принятии финансовых активов (прямые, портфельные и прочие инвестиции), где отток составил $27 млрд с коррекцией на ошибки и пропуски, но без учета операций по ЗВР.
Насколько это много? Более, чем вдвое выше нормы. Когда ситуация с рублем была относительно стабильна в первом полугодии 2023, - отток был в среднем $12 млрд за квартал, а в период новой санкционной реальности, но до СВО (2015-2021) отток в среднем составил $11 млрд.
В 2022 чистое приобретение финансовых активов было в среднем по $33 млрд за квартал, но рубль укреплялся из-за огромного профицита счета текущих операций (почти по $60 млрд за квартал), а в 2023 профицит сжался более, чем в 4 раза до $13.2 млрд за квартал.
Если раньше (особенно в 2011-2014) отток капитала в основном шел в прямые инвестиции (аффилированные с российскими компаниями структуры в офшорах для оптимизации налогов и финпотоков – сокрытия от регулирующих органов), сейчас все идет в прочие инвестиции (кэш, депозиты, дебиторская задолженность).
В 3кв23 почти половина от оттока «осела» в иностранных депозитах и сомнительных операциях, тогда как раньше (2015-2021) по этому направлению концентрировалось лишь 10% оттока. В 8 раз (7.4 млрд) больше обычного уходит в дебиторку – неоплаченные со стороны иностранных контрагентов поставки российских товаров и услуг.
Активизировались прямые инвестиции на $5 млрд в 3кв23 vs $7.4 млрд среднеквартальных в 2015-2021 (геонаправление пока непонятно), тогда как обороты и финпотоки по портфельным инвестициям вблизи нуля после отсечения от внешнего рынка капитала и валютного контроля.
Улучшается ситуация по балансу чистой задолженности через прочую задолженность (видимо торговые кредиты, кредиторка и лизинговые операции), тогда как нет притока нерезидентов в прямых и портфельных инвестициях.
Период наибольшей «жесткости» для рубля был в 3 квартале 2023, и в это время основной отток капитала концентрировался в чистом принятии финансовых активов (прямые, портфельные и прочие инвестиции), где отток составил $27 млрд с коррекцией на ошибки и пропуски, но без учета операций по ЗВР.
Насколько это много? Более, чем вдвое выше нормы. Когда ситуация с рублем была относительно стабильна в первом полугодии 2023, - отток был в среднем $12 млрд за квартал, а в период новой санкционной реальности, но до СВО (2015-2021) отток в среднем составил $11 млрд.
В 2022 чистое приобретение финансовых активов было в среднем по $33 млрд за квартал, но рубль укреплялся из-за огромного профицита счета текущих операций (почти по $60 млрд за квартал), а в 2023 профицит сжался более, чем в 4 раза до $13.2 млрд за квартал.
Если раньше (особенно в 2011-2014) отток капитала в основном шел в прямые инвестиции (аффилированные с российскими компаниями структуры в офшорах для оптимизации налогов и финпотоков – сокрытия от регулирующих органов), сейчас все идет в прочие инвестиции (кэш, депозиты, дебиторская задолженность).
В 3кв23 почти половина от оттока «осела» в иностранных депозитах и сомнительных операциях, тогда как раньше (2015-2021) по этому направлению концентрировалось лишь 10% оттока. В 8 раз (7.4 млрд) больше обычного уходит в дебиторку – неоплаченные со стороны иностранных контрагентов поставки российских товаров и услуг.
Активизировались прямые инвестиции на $5 млрд в 3кв23 vs $7.4 млрд среднеквартальных в 2015-2021 (геонаправление пока непонятно), тогда как обороты и финпотоки по портфельным инвестициям вблизи нуля после отсечения от внешнего рынка капитала и валютного контроля.
Улучшается ситуация по балансу чистой задолженности через прочую задолженность (видимо торговые кредиты, кредиторка и лизинговые операции), тогда как нет притока нерезидентов в прямых и портфельных инвестициях.
«Пробои» ликвидности в США где-то рядом.
Сейчас одним из главных индикаторов, показывающий дисбаланс в долларовой финсистеме – это спрэд между овернайт ставкой обеспеченного финансирования (SOFR) и ставкой обратного РЕПО с ФРС (RRR – используется при избытке ликвидности).
Ставка SOFR является основополагающей в финансовой системе США и используется, в том числе, для расчетов по маржинальным позициям на триллионы долларов по производным финансовым инструментам и своп сделкам, участвует в межбанковском кредитовании и в кредитных соглашениях. Является бенчмарком для определения стоимости корпоративного кредитования.
В отличие от манипулятивной ставки LIBOR, SOFR основывается на фактических сделках, где ежедневный объем операций колеблется в диапазоне 1.4-2 трлн.
Ставка RRR (то, что платит ФРС за размещение избыточной ликвидности банков и фондов на счетах ФРС) составляет 5.3% после того, как ФРС повысила верхний диапазон ключевой ставки до 5.5%.
Обычно спрэд между SOFR и RRR составляет 1-2 б.п, но в начале 2024 вырастал до 8 или даже 10 б.п. Слишком высокая премия SOFR к RRR означает дефицит или структурный дисбаланс ликвидности в долларовой финсистеме.
Для компенсации разрыва есть ставка постоянного РЕПО или SRF (используется при недостатке ликвидности), которая котируется ровно по 5.5%. Пиковый выброс по SOFR был до 5.4% - кажется немного (механизм SRF пока не задействован), но учитывая масштаб рынка, даже любое самое незначительное отклонение «прошибает» систему.
Так было в 2019, когда ФРС раньше времени открыла клапана ликвидности и начала смягчать ДКП и так будет в 2024.
На утро 17 января объем операций в RRR снизился до 583 млрд (минимум с 14 июня 2021) vs средних 2.2 трлн в апреле-июне 2023. Для сравнения, в начале октября 2023 было почти 1.4 трлн.
Избыточная ликвидность испаряется на фоне QT (даже с отставанием от плана) и при рекордных размещениях трежерис - к апрелю 2024 обнулятся.
Пока спрэд SOFR/RRR вернулся в норму, но ненадолго, к весне начнут «рвать», как обычно. Слежу за ситуацией.
Сейчас одним из главных индикаторов, показывающий дисбаланс в долларовой финсистеме – это спрэд между овернайт ставкой обеспеченного финансирования (SOFR) и ставкой обратного РЕПО с ФРС (RRR – используется при избытке ликвидности).
Ставка SOFR является основополагающей в финансовой системе США и используется, в том числе, для расчетов по маржинальным позициям на триллионы долларов по производным финансовым инструментам и своп сделкам, участвует в межбанковском кредитовании и в кредитных соглашениях. Является бенчмарком для определения стоимости корпоративного кредитования.
В отличие от манипулятивной ставки LIBOR, SOFR основывается на фактических сделках, где ежедневный объем операций колеблется в диапазоне 1.4-2 трлн.
Ставка RRR (то, что платит ФРС за размещение избыточной ликвидности банков и фондов на счетах ФРС) составляет 5.3% после того, как ФРС повысила верхний диапазон ключевой ставки до 5.5%.
Обычно спрэд между SOFR и RRR составляет 1-2 б.п, но в начале 2024 вырастал до 8 или даже 10 б.п. Слишком высокая премия SOFR к RRR означает дефицит или структурный дисбаланс ликвидности в долларовой финсистеме.
Для компенсации разрыва есть ставка постоянного РЕПО или SRF (используется при недостатке ликвидности), которая котируется ровно по 5.5%. Пиковый выброс по SOFR был до 5.4% - кажется немного (механизм SRF пока не задействован), но учитывая масштаб рынка, даже любое самое незначительное отклонение «прошибает» систему.
Так было в 2019, когда ФРС раньше времени открыла клапана ликвидности и начала смягчать ДКП и так будет в 2024.
На утро 17 января объем операций в RRR снизился до 583 млрд (минимум с 14 июня 2021) vs средних 2.2 трлн в апреле-июне 2023. Для сравнения, в начале октября 2023 было почти 1.4 трлн.
Избыточная ликвидность испаряется на фоне QT (даже с отставанием от плана) и при рекордных размещениях трежерис - к апрелю 2024 обнулятся.
Пока спрэд SOFR/RRR вернулся в норму, но ненадолго, к весне начнут «рвать», как обычно. Слежу за ситуацией.
ИИ становятся ведущей повесткой в ВЭФ 2024 в Давосе - здесь интересно оценить, как бизнес оценивает потенциал внедрения ГИИ (ИИ в общем и ГИИ в частности)?
Здесь следует понимать, что скорость изменения технологических тенденций в этом сегменте настолько высока, что любая информация становится неактуальность сразу в момент публикации и тем не менее…
Последние опросы PwC показывают, что 46% представителей бизнес-сообщества (4700 средних и крупных компаний в 105 странах мира) ожидают, что использование ГИИ (разработок от OpenAI и Google) повысит продуктивность в следующие 12 месяцев и ровно столько же (47%) заявили, что технология ничего не изменит.
Свыше половины планируют внедрить или использовать ГИИ в этом году, а 32% уже начали использовать в 2023. Около 58% заявили, что ожидают, что это улучшит качество их продуктов или услуг в ближайшие 12 месяцев.
Гораздо интереснее оценить межотраслевую пропорцию.
Четверть топ менеджеров планируют в ближайшие 12 месяцев сократить 5% и более от штатной численности сотрудников в связи с внедрением ГИИ!
Самые пострадавшие отрасли экономики – это медиа и СМИ, где треть компаний в этой отрасли планируют сократить более 5% сотрудников, далее идет страхование, управление активами и банки – 27%, бизнес услуги (консалтинг, администрирование, юридические услуги) – 25%, столько же телекому и транспорт/логистика.
В наименьшей степени влиянию ГИИ подвержены компании из реальной экономики и предметного мира – строительство, металлургия, где не более 10-12% компания заявляются о планах сокращения сотрудников.
Достаточно мало в сфере здравоохранения, недвижимости, нефтегазе, промышленности – в среднем 17-19% компаний. Технологический сектор выделяется из списка (14%), но техи являются провайдером ИИ, поэтому вполне логично, что мало желающих увольнять сотрудников.
Если опросы PwC корректны, получается, что из 157 млн рабочих мест в США потенциально под угрозой находятся 2-2.5 млн, что выглядит достаточно радикально.
Здесь следует понимать, что скорость изменения технологических тенденций в этом сегменте настолько высока, что любая информация становится неактуальность сразу в момент публикации и тем не менее…
Последние опросы PwC показывают, что 46% представителей бизнес-сообщества (4700 средних и крупных компаний в 105 странах мира) ожидают, что использование ГИИ (разработок от OpenAI и Google) повысит продуктивность в следующие 12 месяцев и ровно столько же (47%) заявили, что технология ничего не изменит.
Свыше половины планируют внедрить или использовать ГИИ в этом году, а 32% уже начали использовать в 2023. Около 58% заявили, что ожидают, что это улучшит качество их продуктов или услуг в ближайшие 12 месяцев.
Гораздо интереснее оценить межотраслевую пропорцию.
Четверть топ менеджеров планируют в ближайшие 12 месяцев сократить 5% и более от штатной численности сотрудников в связи с внедрением ГИИ!
Самые пострадавшие отрасли экономики – это медиа и СМИ, где треть компаний в этой отрасли планируют сократить более 5% сотрудников, далее идет страхование, управление активами и банки – 27%, бизнес услуги (консалтинг, администрирование, юридические услуги) – 25%, столько же телекому и транспорт/логистика.
В наименьшей степени влиянию ГИИ подвержены компании из реальной экономики и предметного мира – строительство, металлургия, где не более 10-12% компания заявляются о планах сокращения сотрудников.
Достаточно мало в сфере здравоохранения, недвижимости, нефтегазе, промышленности – в среднем 17-19% компаний. Технологический сектор выделяется из списка (14%), но техи являются провайдером ИИ, поэтому вполне логично, что мало желающих увольнять сотрудников.
Если опросы PwC корректны, получается, что из 157 млн рабочих мест в США потенциально под угрозой находятся 2-2.5 млн, что выглядит достаточно радикально.
Объем чистых продаж иностранной валюты крупнейшими экспортерами России достиг максимума за год – 14.8 млрд, что сопоставимо с декабрем прошлого года, но почти вдвое выше, чем в период наибольшего давления на рубль (июнь-сентябрь 2023).
Теперь однозначно можно сказать, что механизм работает с точки зрения стабилизации курса рубля.
По разным причинам (не буду вдаваться в детали) в период с сентября 2022 по сентябрь 2023 доля продажи валютной выручки в объеме экспорта товаров (практически все крупнейшие экспортеры являются поставщиками товаров) последовательно снижалась с 45 до 20%.
Рубль начал формировать дно как раз в сентябре-октябре, а с октября по ноябрь доля продажи валютной выручки в структуре совокупного экспорта резко выросла до 43%, что совпадает с разворотом по рублю.
Это и способствовало стабилизации рубля - удвоение продаж валюты на внутренний валютный рынок в денежном выражении и рост более, чем в два раза относительно общего экспорта.
Нет данных по совокупному экспорту, но учитывая цены на энергоносители и физический экспорт, есть основания полагать, что доля продажи валютной выручки в декабре достигла максимального уровня с начала СВО (точно свыше 45%).
По среднемесячному курсу в декабре рубль немного ослаб – 90.8 руб за долл vs 90.4 в ноябре, но значительно укрепился относительно октября - 97.1.
Давление на рубль оказывало население, которое осуществило рекордные за год покупки валюты в объеме почти 180 млрд руб, половину из которых через биржу и практически весь объем пришелся на доллары и евро.
По мнению ЦБ ослабление рубля в декабре при максимальной активности экспортеров может быть связано с операциями по выкупа прав собственности у компаний из недружественных стран (сделки слияния и поглощения по нерыночным ценам с огромным дисконтом).
С января падение продажи валютной выручки экспортеров неизбежно на фоне обвала экспорта, а рубль на этот раз спасает ЦБ РФ с максимальной за два года активностью на валютном рынке. С 15 января по 6 февраля ЦБ сливает валюты по 16 млрд руб в день.
Теперь однозначно можно сказать, что механизм работает с точки зрения стабилизации курса рубля.
По разным причинам (не буду вдаваться в детали) в период с сентября 2022 по сентябрь 2023 доля продажи валютной выручки в объеме экспорта товаров (практически все крупнейшие экспортеры являются поставщиками товаров) последовательно снижалась с 45 до 20%.
Рубль начал формировать дно как раз в сентябре-октябре, а с октября по ноябрь доля продажи валютной выручки в структуре совокупного экспорта резко выросла до 43%, что совпадает с разворотом по рублю.
Это и способствовало стабилизации рубля - удвоение продаж валюты на внутренний валютный рынок в денежном выражении и рост более, чем в два раза относительно общего экспорта.
Нет данных по совокупному экспорту, но учитывая цены на энергоносители и физический экспорт, есть основания полагать, что доля продажи валютной выручки в декабре достигла максимального уровня с начала СВО (точно свыше 45%).
По среднемесячному курсу в декабре рубль немного ослаб – 90.8 руб за долл vs 90.4 в ноябре, но значительно укрепился относительно октября - 97.1.
Давление на рубль оказывало население, которое осуществило рекордные за год покупки валюты в объеме почти 180 млрд руб, половину из которых через биржу и практически весь объем пришелся на доллары и евро.
По мнению ЦБ ослабление рубля в декабре при максимальной активности экспортеров может быть связано с операциями по выкупа прав собственности у компаний из недружественных стран (сделки слияния и поглощения по нерыночным ценам с огромным дисконтом).
С января падение продажи валютной выручки экспортеров неизбежно на фоне обвала экспорта, а рубль на этот раз спасает ЦБ РФ с максимальной за два года активностью на валютном рынке. С 15 января по 6 февраля ЦБ сливает валюты по 16 млрд руб в день.