<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>финансовый анализ &#8212; &gt; Machine Learning Guru|</title>
	<atom:link href="https://mlgu.ru/tag/finansovyj-analiz/feed/" rel="self" type="application/rss+xml" />
	<link>https://mlgu.ru</link>
	<description></description>
	<lastBuildDate>Wed, 03 Dec 2025 23:36:14 +0000</lastBuildDate>
	<language>ru-RU</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	<generator>https://wordpress.org/?v=6.9.4</generator>

<image>
	<url>https://mlgu.ru/wp-content/uploads/2025/06/mlguru-icon-150x150.png</url>
	<title>финансовый анализ &#8212; &gt; Machine Learning Guru|</title>
	<link>https://mlgu.ru</link>
	<width>32</width>
	<height>32</height>
</image> 
	<item>
		<title>Автоматизация заполнения пропусков на основе сравнения 14 методов</title>
		<link>https://mlgu.ru/6784/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Wed, 03 Dec 2025 23:14:34 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[бэктестинг]]></category>
		<category><![CDATA[временные ряды]]></category>
		<category><![CDATA[стат анализ]]></category>
		<category><![CDATA[финансовый анализ]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=6784</guid>

					<description><![CDATA[Пропуски в данных или NaN — это одна из самых частых проблем, с которой сталкиваются аналитики. И мало эти пропуски найти, важно еще правильно поработать с ними. Библиотека pandas предлагает множество методов замены пропусков, но на практике нередко возникает другой вопрос: а какой метод лучше выбрать, чтобы не исказить данные и сохранить их изначальный смысл [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Виды статистических распределений в финансах: их интерпретация и применение</title>
		<link>https://mlgu.ru/5382/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Mon, 20 Oct 2025 11:15:37 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[scipy]]></category>
		<category><![CDATA[стат анализ]]></category>
		<category><![CDATA[финансовый анализ]]></category>
		<category><![CDATA[эконометрические модели]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=5382</guid>

					<description><![CDATA[Статистические распределения формируют математический фундамент финансового анализа. Выбор адекватной модели распределения влияет на точность оценки рисков, корректность ценообразования активов и надежность прогнозных моделей. Понимание свойств различных распределений позволяет избежать систематических ошибок при принятии инвестиционных решений. Нормальное распределение: базовая модель и ее ограничения Нормальное (гауссово) распределение &#8212; наиболее популярное в финансовом моделировании. Распределение задается двумя параметрами: [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Return on Investment (ROI) и Return on Invested Capital (ROIC)</title>
		<link>https://mlgu.ru/5265/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Sun, 12 Oct 2025 13:30:23 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[биржевая аналитика]]></category>
		<category><![CDATA[расчет доходности]]></category>
		<category><![CDATA[финансовый анализ]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=5265</guid>

					<description><![CDATA[Метрики доходности образуют фундамент количественного анализа инвестиций. ROI и ROIC решают разные задачи: первая оценивает эффективность конкретной инвестиции, вторая — операционную эффективность бизнеса. Понимание различий между этими показателями определяет корректность их применения в стратегиях отбора активов. Показатель ROI (Return on Investment) используется для оценки отдельных сделок и портфелей. Показатель ROIC (Return on Invested Capital) применяется [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>NPV (Net Present Value, Чистая приведенная стоимость)</title>
		<link>https://mlgu.ru/4859/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Mon, 29 Sep 2025 10:40:36 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[биржевая аналитика]]></category>
		<category><![CDATA[расчет доходности]]></category>
		<category><![CDATA[финансовый анализ]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=4859</guid>

					<description><![CDATA[Чистая приведенная стоимость представляет собой разность между текущей стоимостью будущих денежных поступлений от проекта и величиной первоначальных инвестиций. Основная идея NPV базируется на фундаментальном принципе: деньги сегодня стоят больше, чем те же деньги завтра. Это обусловлено тремя факторами: Инфляция постепенно снижает покупательную способность денег; Альтернативная стоимость капитала &#8212; есть множество проектов, куда можно инвестировать деньги и [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Как анализировать финансовые коэффициенты для выбора перспективных активов?</title>
		<link>https://mlgu.ru/4674/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Fri, 26 Sep 2025 15:35:13 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[анализ рынков]]></category>
		<category><![CDATA[методы оценки]]></category>
		<category><![CDATA[торговые стратегии]]></category>
		<category><![CDATA[финансовый анализ]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=4674</guid>

					<description><![CDATA[Даже у опытных инвесторов нередко возникает проблема: портфель вроде бы собран, стратегии протестированы, однако результаты остаются скромными. И зачастую причина кроется в том, что выбор активов строится на вере в то, что &#171;взлетит&#187;, одном-двух сильных показателях в отчетности, но не на системной оценке бизнеса. Чтобы этого не произошло, я рекомендую проводить анализ финансовых коэффициентов системно [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>IRR (внутренняя норма доходности) инвестиций</title>
		<link>https://mlgu.ru/4613/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Wed, 24 Sep 2025 19:44:01 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[биржевая аналитика]]></category>
		<category><![CDATA[расчет доходности]]></category>
		<category><![CDATA[финансовый анализ]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=4613</guid>

					<description><![CDATA[Внутренняя норма доходности (IRR) — один из ключевых показателей эффективности инвестиций, который широко используется в финансовом анализе и управлении проектами. Этот инструмент помогает инвесторам и руководителям оценить, насколько выгодно вкладывать средства в тот или иной проект, сравнивая ожидаемую доходность с альтернативными возможностями или стоимостью капитала. В отличие от простого расчета прибыли, IRR учитывает временную стоимость [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Продвинутый Python для финансов: декораторы, контекстные менеджеры и метаклассы</title>
		<link>https://mlgu.ru/3782/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Fri, 25 Jul 2025 19:21:35 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[mlops]]></category>
		<category><![CDATA[typing]]></category>
		<category><![CDATA[торговые алгоритмы]]></category>
		<category><![CDATA[финансовый анализ]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=3782</guid>

					<description><![CDATA[Сегодня я хочу поделиться опытом использования продвинутых возможностей Python — декораторов, контекстных менеджеров и метаклассов, которые позволяют надежно и гибко разрабатывать финансовый софт (торговые боты, риск-модели, системы бэктестинга, аналитические платформы) и внедрять в другие части кода. Осторожно: статья длинная, но после ее прочтения вы сможете понимать и проектировать архитектуру приложений, которую будет легко поддерживать, масштабировать [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Ad hoc задачи в финансовой аналитике</title>
		<link>https://mlgu.ru/3496/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Fri, 18 Jul 2025 22:05:13 +0000</pubDate>
				<category><![CDATA[Классический ML]]></category>
		<category><![CDATA[isolation forest]]></category>
		<category><![CDATA[pymc]]></category>
		<category><![CDATA[sklearn]]></category>
		<category><![CDATA[statsmodels]]></category>
		<category><![CDATA[анализ рынков]]></category>
		<category><![CDATA[поиск закономерностей]]></category>
		<category><![CDATA[финансовый анализ]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=3496</guid>

					<description><![CDATA[Ad hoc задачи — это нестандартные, часто разовые аналитические исследования, выполняемые для решения конкретной проблемы или ответа на специфический вопрос. В отличие от регулярных отчетов и стандартизированных аналитических процедур, они требуют индивидуального подхода, творческого мышления и глубокого понимания предметной области. Ad hoc можно перевести с латинского как &#171;для этого&#187;, &#171;для данного случая&#187;. То есть это [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Частные производные: базовые понятия и их применение в финансовой аналитике</title>
		<link>https://mlgu.ru/3390/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Mon, 14 Jul 2025 10:36:27 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[математическое моделирование]]></category>
		<category><![CDATA[опционы]]></category>
		<category><![CDATA[финансовый анализ]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=3390</guid>

					<description><![CDATA[В мире количественных финансов и алгоритмической торговли математический инструментарий играет ключевую роль. Среди этих концепций частные производные занимают особое место, предоставляя мощный аппарат для моделирования динамических систем и оптимизации стратегий. В этой статье я хочу поделиться своим опытом применения частных производных в финансовой аналитике и показать, почему понимание этого математического инструмента критично для любого специалиста, [&#8230;]]]></description>
		
		
		
			</item>
		<item>
		<title>Символьные вычисления на Python в количественном анализе</title>
		<link>https://mlgu.ru/3110/</link>
		
		<dc:creator><![CDATA[dkrylov]]></dc:creator>
		<pubDate>Thu, 03 Jul 2025 15:27:33 +0000</pubDate>
				<category><![CDATA[Анализ данных]]></category>
		<category><![CDATA[quantitative analysis]]></category>
		<category><![CDATA[квантитативный анализ]]></category>
		<category><![CDATA[математическое моделирование]]></category>
		<category><![CDATA[финансовый анализ]]></category>
		<guid isPermaLink="false">https://mlgu.ru/?p=3110</guid>

					<description><![CDATA[В финансовом и количественном анализе часто возникает необходимость работать не только с числовыми данными, но и с аналитическими выражениями. Символьные вычисления позволяют манипулировать математическими выражениями в их естественном, символьном виде, сохраняя точность и открывая возможности для аналитических решений там, где численные методы показывают свои ограничения. В этой статье я поделюсь своим опытом использования символьных вычислений [&#8230;]]]></description>
		
		
		
			</item>
	</channel>
</rss>
