TGTGInsightаналитика telegramLIVE / telegram public index
← 🍯 Горшочек, вари! | Ковтун Александр

TGINSIGHT SIMILAR POSTS

Найти похожее

Источник @willberich · Post #708 · 29 мар.

Что происходит? Рассуждения об инвестициях в ОФЗ по текущим ценам Итак, с депозитами разобрались, с накопительными счетами (НС) – тоже. А что насчет ОФЗ? Ожидания высокой доходности ОФЗ не оправдались. Пока. Взамен в моменте сложилась дилемма: короткие ОФЗ по текущим ценам не так выгодны, как короткие вклады, но на сроки >9 месяцев ОФЗ по текущим ценам выгоднее вкладов. Что делать? ⚠️ Прежде чем рассуждать дальше, напомню: наши личные финансовые и инвестиционные решения должны основываться на наших личных убеждениях, отношению к риску и его оценке. Базовые допущения: ▪️рассуждения приводятся в контексте текущих санкций и ответных мер ▪️речь идет о сохранении денег или об инвестициях, а не о спекуляциях ▪️есть налог на купоны по ОФЗ, но нет налога на %% по депозитам 📍До 1 года Коротких выпусков ОФЗ не так много: на 4, 8 и 10 месяцев. В моменте доходность по ним составляет ок.16-17%, а с учетом налога ок.14-15%. Что ниже коротких депозитов со ставками около 20+%. Кто их тогда покупает (кроме спекулянтов, рассчитывающих на колебания цен)? Например, те, у кого: ▪️нет доверия к банкам/АСВ ▪️есть потребность в подобной диверсификации (например, не получается соблюдать страхуемый лимит в ₽1,4 млн) ▪️есть желание дождаться хороших цен на фондовом рынке, но не сидеть при этом в депозите/НС; ▪️есть уверенность в падении ключевой ставки до 17% или ниже в ближайшее время Для остальных, по идее, депозиты или НС остаются более привлекательными. 📍До 3 лет Вариантов больше – 8 выпусков со сроками от 1 года 5 месяцев до 2 лет 10 месяцев. Доходности где-то 14-15% (после налога 12-13%). В моменте это выше депозитов – там предлагают ниже 12% (хотя есть и редкие исключения). Среднесрочные ОФЗ могут быть интересны тем, кто хочет зафиксировать доходность на этот срок на уровне выше текущих депозитов и уверен в снижении ключевой ниже 15% на горизонте 6-9 месяцев. Или рассчитывает на резкий рост цен на ОФЗ в течение года для их последующей перепродажи. Однако на этом горизонте ОФЗ скорее нужны для диверсификации из-за необходимости учитывать высокую инфляцию и альтернативные доходности (по фондовому рынку). Ведь из-за текущих санкций и макроэкономики деньгам просто некуда выходить из России, а значит они могут в конце концов стимулировать инфляцию и/или перетекать на фондовый рынок. Как это происходит в Иране, который сейчас часто вспоминают как ближайший пример изолированной экономики. 📍От 3 лет Самый широкий выбор и наиболее низкие ставки, в районе 13% и ниже. Из-за ЛДВ налог влияет только на купоны (если держать до погашения), а вкладов на такие сроки чаще всего просто нет. Покупателей ОФЗ заметно меньше, а их ожидания могут быть дополнительно связаны с надеждой на получение долгосрочной доходности на уровне исторической среднерыночной (если все вернется на круги своя). Однако высокая неопределенность, инфляция и слишком длинная «срочность» служат существенными ограничениями для их покупки. Что в итоге делать с ОФЗ, каждый решает самостоятельно. Но в происходящем нам стоит учитывать еще 2 момента: 1️⃣ Клиенты брокера «Универ Капитал» потеряли свои вложения в ОФЗ: их активы были принудительно проданы Национальным клиринговым центром (НКЦ) на открытии рынка в счет погашения задолженности брокера перед НКЦ. Объем безвозвратных убытков составил ок.173,8 млн рублей. Если кратко – это неприятно и неожиданно для тех инвесторов, но законно. Если подробно, то вся история здесь. Сейчас лучше пользоваться крупными брокерами, аффилированными с банками из перечня системно-значимых. Подобные риски от этого не исчезнут, но уменьшатся хотя бы в теории. 2️⃣ Нерезидентов рано или поздно все-таки должны «выпустить» из ОФЗ. Как и когда именно это произойдет, неизвестно. Но этот выход, когда он случится, однозначно повлияет на цену и будет толкать ее вниз (а доходности - вверх). Вероятность получения более высоких доходностей сохраняется, поэтому для тех, кто готов подождать, вклады и НС по-прежнему остаются интересными. А вы сейчас покупаете/купили ОФЗ?👇🏻 #чтопроисходит#инвестиции P.S. Берегите себя и своих близких, а также свои финансы🕊

Результаты

Найдено 1 похожих постов

Поиск: #bfl

当前筛选 #bfl清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #9625 · 05.03.2026, 13:26

🌟Self-Flow: обучение диффузионных моделей без внешних энкодеров от Black Forest Labs. Black Forest Labs и MIT решили проблему, с которой сталкиваются диффузионные и flow-модели: чтобы генерировать качественные картинки, им нужны сильные семантические представления. Обычно их берут снаружи - выравнивают внутренние признаки модели с признаками энкодера вроде DINOv2. Метод работает, но есть нюанс. Чем сильнее энкодер, тем хуже результат: в экспериментах замена DINOv2-B на более мощный DINOv3-H+ стойко ухудшала FID. Модель привязывалась к фиксированным внешним представлениям и переставала масштабироваться. На видео и аудио выравнивание с энкодерами V-JEPA2 и MERT вообще давало результат хуже ванильного flow matching. 🟡Self-Flow предлагает механизм Dual-Timestep Scheduling В стандартном flow matching все токены нойзятся одинаково, поэтому модель решает задачу локально и не учится строить глобальные связи. Self-Flow сэмплирует 2 разных уровня шума и случайно назначает их разным токенам (часть входа зашумлена сильнее, часть чище). Это создает асимметрию: чтобы восстановить сильно зашумленные токены, модель вынуждена опираться на чистые и строить глобальный контекст. Поверх этого работает самообучение по принципу дистилляции. Обучаются одновременно 2 копии модели: модель-ученик видит смешанный зашумленный вход, модель-учитель - более чистую версию (EMA-копия с экспоненциальным скользящим средним). Ученик учится предсказывать признаки учителя из зашумленного входа, и это вынуждает его развивать сильные семантические представления без какого-либо внешнего энкодера. 🟡Результаты тестов 🟢На ImageNet 256×256 Self-Flow показал FID 5.70 против 5.89 у REPA; Это, кстати, первый случай, когда self-supervised метод превзошел внешнее выравнивание на этом бенче 🟢На text-to-image: FID 3.61 против 3.92 у REPA; 🟢По видео: FVD 47.81 против 49.75 у REPA; 🟢По аудио: лучшие FAD-оценки среди всех вариантов. При этом на масштабировании (с 290M до 1B) разрыв с REPA увеличивается: модель Self-Flow на 625M параметров обходит REPA на 1B. Метод универсален для модальностей - он работает одинаково на картинках, видео и аудио, что намекает на применение для мультимодального обучения. В репозитории проекта есть код инференса на основе SiT-XL/2 с per-token timestep conditioning, чекпоинт на основе ImageNet 256×256 и скрипты для генерации сэмплов под FID-оценку через ADM evaluation suite. Поддерживаются режимы SDE и ODE, мульти-GPU через torchrun. 🟡Статья 🟡Техотчет 🖥GitHub @ai_machinelearning_big_data #AI#ML#Multimodal#Framework#BFL