Аннотация В условиях быстро меняющейся геополитической обстановки и санкционного давления на российскую экономику для принятия эффективных управленческих решений по развитию отраслей экономики в субъектах РФ критически важной становится оценка финансовой устойчивости предприятий, прогнозирование рисков снижения их финансовой состоятельности и вероятности банкротства. Существующие в настоящее время методические подходы к анализу вероятности банкротства предприятий не позволяют в полной мере оценить финансовое состояние отраслей экономики в регионах России. Цель исследования — выявление преимуществ и недостатков применяющихся на практике методик анализа финансовой состоятельности предприятий и их корректировка для прогнозирования вероятности банкротства предприятий в субъектах РФ. Новизной разработанного методического подхода является использование многомерного дискриминантного анализа вероятности банкротства предприятий конкретной отрасли экономики в субъекте РФ по модифицированной модели Альтмана, в которой устранен фактор, характеризующий отношение рыночной стоимости акций всех предприятий отрасли к сумме всех обязательств, а также расчет интегральных значений вероятности банкротства предприятий отрасли в разбивке по крупным, средним и малым предприя- тиям для исследования масштаба угроз потери финансовой состоятельности с учетом отраслевой специфики. В ходе исследования были получены следующие результаты: разработан авторский методический аппарат оценки вероятности банкротства предприятий различных отраслей экономики, включающий расчет индивидуальных пороговых значений для каждой отрасли в регионе исходя из той динамики, которая наблюдалась в течение длительного периода времени; определены зоны вероятности банкротства предприятий.
https://www.finjournal-nifi.ru//images/FILES/Journal/Archive/2024/6/statii/02_6_2024_v16.pdf
https://www.finjournal-nifi.ru//images/FILES/Journal/Archive/2024/6/statii/02_6_2024_v16.pdf
The New York Times: Ozempic может уничтожить индустрию нездоровой пищи. Но она сопротивляется.
Друзья! Мы начинаем постепенно подводить итоги минувшего года, и следующие несколько материалов решили посвятить знаковым вещам, событиям, людям 2024. Первая статья – про нашумевший препарат для снижения веса Ozempic.
В эпоху, когда революционные препараты для снижения веса, такие как Ozempic, меняют пищевые привычки миллионов, индустрия ультрапереработанных продуктов сталкивается с серьезными вызовами. Эти лекарства, имитирующие гормон GLP-1, снижают аппетит и изменяют вкусовые предпочтения. Согласно прогнозам, к 2035 году число американцев, принимающих препараты GLP-1, может достичь 24 миллионов, что вызывает обеспокоенность у производителей нездоровой пищи. Некоторые компании уже фиксируют снижение продаж сладкой выпечки и закусок, что подталкивает их к поиску новых стратегий адаптации в меняющемся мире потребления.
«Десятилетиями индустрия 'Биг фуд' рекламировала продукты для людей, которые не могут перестать есть - а теперь все изменилось».
https://theidealist.ru/ozempic/
Друзья! Мы начинаем постепенно подводить итоги минувшего года, и следующие несколько материалов решили посвятить знаковым вещам, событиям, людям 2024. Первая статья – про нашумевший препарат для снижения веса Ozempic.
В эпоху, когда революционные препараты для снижения веса, такие как Ozempic, меняют пищевые привычки миллионов, индустрия ультрапереработанных продуктов сталкивается с серьезными вызовами. Эти лекарства, имитирующие гормон GLP-1, снижают аппетит и изменяют вкусовые предпочтения. Согласно прогнозам, к 2035 году число американцев, принимающих препараты GLP-1, может достичь 24 миллионов, что вызывает обеспокоенность у производителей нездоровой пищи. Некоторые компании уже фиксируют снижение продаж сладкой выпечки и закусок, что подталкивает их к поиску новых стратегий адаптации в меняющемся мире потребления.
«Десятилетиями индустрия 'Биг фуд' рекламировала продукты для людей, которые не могут перестать есть - а теперь все изменилось».
https://theidealist.ru/ozempic/
Гизан прямо намекал, что швейцарцы намерены осуществить тактику выжженной земли и зацепиться за естественные природные границы. Предполагалось, что план «Редут» будет сверхсекретным, однако утечка случилась, и, скорее всего, по прямому умыслу швейцарского командования. Это поколебало решимость фюрера – получить лишь обугленные руины ему не хотелось. Вместе с тем, швейцарские дипломаты тоже не спали, и всё лето вели переговоры с Германией, и, в конце концов, договорились о выделении кредита на 150 миллионов франков. Более того, швейцарцы пообещали принимать на хранение в банках любые золотые изделия, независимо от происхождения. Также Швейцария обязывалась не досматривать транзитные грузы из Германии в Италию, обеспечив безопасность транзитных путей.
Угроза вторжения отныне миновала.
О чём не любят вспоминать швейцарцы?
Хотя Швейцария и хранила нейтралитет, он был достаточно условным. Кредит, который конфедерация выделила Германии, был достаточно щадящий, а банки принимали драгоценные металлы, не спрашивая об их происхождении. Фюрер был счастлив – он получил даже больше, чем рассчитывал. Вместе с тем, Швейцария оставалась официально нейтральной, и, если Салазаровская Португалия стала надёжной ресурсной базой Рейха наравне со Швецией, то Швейцария стала «прачечной» для Рейха, где можно было смело сбывать награбленное.
https://dzen.ru/a/Z22e87lrEhpK3F8Q
Угроза вторжения отныне миновала.
О чём не любят вспоминать швейцарцы?
Хотя Швейцария и хранила нейтралитет, он был достаточно условным. Кредит, который конфедерация выделила Германии, был достаточно щадящий, а банки принимали драгоценные металлы, не спрашивая об их происхождении. Фюрер был счастлив – он получил даже больше, чем рассчитывал. Вместе с тем, Швейцария оставалась официально нейтральной, и, если Салазаровская Португалия стала надёжной ресурсной базой Рейха наравне со Швецией, то Швейцария стала «прачечной» для Рейха, где можно было смело сбывать награбленное.
https://dzen.ru/a/Z22e87lrEhpK3F8Q
Дзен | Статьи
Что спасло Швейцарию во время Второй Мировой войны?
Статья автора «Вестник истории» в Дзене ✍: Швейцария не знала войн с XVIII века, а с 1815 года швейцарцам запрещено было наёмничать – швейцарцы могли служить исключительно в гвардии Папы Римского.
Европейское население, снизившееся до минимума около 30 млн человек, к XI веку вновь достигло численности около 60 млн — почти такой же, как и при расцвете Древнего Рима.
В воздухе витали перемены. Климат стал теплее, контакты между городскими центрами становились более интенсивными, деньги неуклонно замещали товары как средство обмена, и торговцы нацелились на новые рынки. Европа превращалась в ведущую мировую силу.
Крестовые походы XII и XIII веков стали поворотным моментом, и, хотя они редко рассматриваются с точки зрения их влияния на еду, эту связь нельзя игнорировать.
Участниками Крестовых походов были налетчики, религиозные фанатики и военные, искатели приключений и лишенные наследства младшие сыновья, империалисты и захватчики власти, насильники и убийцы, мародеры и грабители, антисемиты и антиисламисты.
Единой нитью их связывала прагматичность. Для одних участников Крестовых походов целью и «наградой» за службу была смерть и (в теории) спасение. Другие же стали торговцами специями, сахаром и такими новинками, как рис, кофе, всевозможные фрукты, и иными, наряду с тканями, инструментами и ремесленными изделиями. Новые товары создали основу эпохи исследования неизведанных земель, торговли, колонизации и эксплуатации, бурное пришествие которой было уже не за горами.
Однако распространение благосостояния было отсрочено чумой, завезенной на Сицилию в 1347 году на кораблях с Востока, — прямой результат расширившейся международной торговли в кильватере Крестовых походов. «Черная смерть» убила по меньшей мере 20 млн человек, разрушила европейское общество и вымостила дорогу к переменам.
После сокращения населения Европы примерно на треть (по мнению некоторых ученых, наполовину) пищи стало относительно много. Однако выжившая знать, чей доход зависел от огромного крестьянского населения (и его труда, разумеется), внезапно столкнулась с финансовыми трудностями.
Поскольку крестьян, плативших оброк и налоги, стало меньше, землевладельцы обратились к торговле как основному источнику прибыли. От земли потребовалась значительная отдача, чтобы получить больше товаров для продажи. Если задача накормить тех, кто трудился на земле, вообще когда-нибудь была приоритетной, от этой идеи мало что осталось, и правящий класс ускорил процесс огораживания общинных земель и их приватизации.
https://postnauka.org/chapters/157511
В воздухе витали перемены. Климат стал теплее, контакты между городскими центрами становились более интенсивными, деньги неуклонно замещали товары как средство обмена, и торговцы нацелились на новые рынки. Европа превращалась в ведущую мировую силу.
Крестовые походы XII и XIII веков стали поворотным моментом, и, хотя они редко рассматриваются с точки зрения их влияния на еду, эту связь нельзя игнорировать.
Участниками Крестовых походов были налетчики, религиозные фанатики и военные, искатели приключений и лишенные наследства младшие сыновья, империалисты и захватчики власти, насильники и убийцы, мародеры и грабители, антисемиты и антиисламисты.
Единой нитью их связывала прагматичность. Для одних участников Крестовых походов целью и «наградой» за службу была смерть и (в теории) спасение. Другие же стали торговцами специями, сахаром и такими новинками, как рис, кофе, всевозможные фрукты, и иными, наряду с тканями, инструментами и ремесленными изделиями. Новые товары создали основу эпохи исследования неизведанных земель, торговли, колонизации и эксплуатации, бурное пришествие которой было уже не за горами.
Однако распространение благосостояния было отсрочено чумой, завезенной на Сицилию в 1347 году на кораблях с Востока, — прямой результат расширившейся международной торговли в кильватере Крестовых походов. «Черная смерть» убила по меньшей мере 20 млн человек, разрушила европейское общество и вымостила дорогу к переменам.
После сокращения населения Европы примерно на треть (по мнению некоторых ученых, наполовину) пищи стало относительно много. Однако выжившая знать, чей доход зависел от огромного крестьянского населения (и его труда, разумеется), внезапно столкнулась с финансовыми трудностями.
Поскольку крестьян, плативших оброк и налоги, стало меньше, землевладельцы обратились к торговле как основному источнику прибыли. От земли потребовалась значительная отдача, чтобы получить больше товаров для продажи. Если задача накормить тех, кто трудился на земле, вообще когда-нибудь была приоритетной, от этой идеи мало что осталось, и правящий класс ускорил процесс огораживания общинных земель и их приватизации.
https://postnauka.org/chapters/157511
postnauka.org
Чем питались люди 1000 лет назад? — все самое интересное на ПостНауке
Фрагмент из книги Марка Биттмана «Общество поглощения: Человечество в поисках еды»
Forwarded from FRAT - Financial random academic thoughts
Ходи всегда, ходи везде!
Как вы знаете, физическая активность "в целом" полезна для самочувствия. Авторы мета-анализа (2023) проверили по 17 крупным исследованиям (около 227 тыс. человек) в выборках западных стран, как отражается количество шагов на вероятности смертности от всех причин и от кардиоваскулярных (КВ). Причём длина исследования - до 11 лет после замеров.
Результаты:
1) люди довольно мало ходят. Медиана шагов в день по всей выборке близка к 5000;
2) смертность от всех причин: в сравнении с нулевой группой людей (медиана шагов в день 3867), группа 1 (Q1, медиана шагов 5537), группа 2 (Q2, медиана шагов 7370), и группа 3 (Q3, медиана шагов 11 529) показывали снижение вероятности смертности (на 48%, 55%, и 67% соответственно). То есть в Q1 по сравнению с базовой вероятность снижалась почти вдвое;
3) смертность от КВ причин: в сравнении с нулевой группой (медиана шагов 2337) следующие три группы (Q1 с медианой 3982, Q2 с медианой 6661, и Q3 с медианой 10 413) показывали снижение вероятности смертности (на 16%, 49%, и 77% соответственно);
4) нюанс в том, что для "молодых" (меньше 60 лет) в границах 7000-13000 шагов снижение вероятности более быстрое, поэтому может быть выгодно ходить даже больше 10 тыс. шагов;
5) интенсивность не играет существенной роли - важно количество шагов, а не то, что ходьба по лестнице. Равнина годится.
Вывод: видимо, хотя бы 6000 шагов уже даёт снижение вероятности смертности вдвое, а увеличение активности улучшает ситуацию. Если делаете 10 тыс. шагов в день - то больше вклад в здоровье!
#Health
Как вы знаете, физическая активность "в целом" полезна для самочувствия. Авторы мета-анализа (2023) проверили по 17 крупным исследованиям (около 227 тыс. человек) в выборках западных стран, как отражается количество шагов на вероятности смертности от всех причин и от кардиоваскулярных (КВ). Причём длина исследования - до 11 лет после замеров.
Результаты:
1) люди довольно мало ходят. Медиана шагов в день по всей выборке близка к 5000;
2) смертность от всех причин: в сравнении с нулевой группой людей (медиана шагов в день 3867), группа 1 (Q1, медиана шагов 5537), группа 2 (Q2, медиана шагов 7370), и группа 3 (Q3, медиана шагов 11 529) показывали снижение вероятности смертности (на 48%, 55%, и 67% соответственно). То есть в Q1 по сравнению с базовой вероятность снижалась почти вдвое;
3) смертность от КВ причин: в сравнении с нулевой группой (медиана шагов 2337) следующие три группы (Q1 с медианой 3982, Q2 с медианой 6661, и Q3 с медианой 10 413) показывали снижение вероятности смертности (на 16%, 49%, и 77% соответственно);
4) нюанс в том, что для "молодых" (меньше 60 лет) в границах 7000-13000 шагов снижение вероятности более быстрое, поэтому может быть выгодно ходить даже больше 10 тыс. шагов;
5) интенсивность не играет существенной роли - важно количество шагов, а не то, что ходьба по лестнице. Равнина годится.
Вывод: видимо, хотя бы 6000 шагов уже даёт снижение вероятности смертности вдвое, а увеличение активности улучшает ситуацию. Если делаете 10 тыс. шагов в день - то больше вклад в здоровье!
#Health
Заслуженный профессор финансов Высшей школы бизнеса Стэнфордского университета и соавтор мирового бестселлера «Венчурное мышление» Илья Стребулаев много лет изучает принципы, по которым функционирует венчурный рынок. Книга Ильи Стребулаева и его соавтора Алекса Данга выйдет на русском языке в издательстве МИФ в начале 2025 года. Она переведена на русский язык при участии «Больших идей». На правах редактора русскоязычной версии главный редактор «Больших идей» Анастасия Карпова обсудила с Ильей Стребулаевым, что вообще такое венчурное мышление и как корпорации могут использовать его принципы в создании инноваций и работе с внутренними предпринимателями.
https://big-i.ru/innovatsii/ceo-i-lyuboy-drugoy-lider-dolzhen-govorit-poslednim-intervyu-s-iley-strebulaevym/
https://big-i.ru/innovatsii/ceo-i-lyuboy-drugoy-lider-dolzhen-govorit-poslednim-intervyu-s-iley-strebulaevym/
big-i.ru
«CEO и любой другой лидер должен говорить последним»: интервью с Ильей Стребулаевым | Большие Идеи
Большие идеи
Финансовый аспект Афганской войны 1979-1989 гг.
Автор: Никита Андреевич Мендкович, эксперт Центра изучения современного Афганистана (ЦИСА).
Афганская война прошлого века, в которой принимали участие Советская Армия и финансируемые США и союзниками отряды боевиков, стала не только столкновением идеологий и государств, но и местом противостояния экономических систем. Последнему аспекту некоторые авторы предают огромное значение, полагая, что война 1979-1989 гг. стала причиной перенапряжения ресурсов, которое обрекло СССР на распад. С другой стороны многих американских авторов интересует вопрос о размере трат Соединенных Штатов на развитие исламских радикальных движений, который сегодня стал основным противником США.
На текущий момент объем опубликованных финансовых документов стран-участниц войны не позволяет уверенно подвести ее финансовый итог, однако есть некоторые данные, позволяющие оценить объем вовлеченных в конфликт средств. Это заставило автора предпринять попытку обобщить их в данной статье.
Суммарные расходы СССР на ведение войны в Афганистане за 9 лет можно оценить как равные 30,4 миллиарда рублей. Вряд ли эти затраты стали причиной распада Советской страны и экономики, хотя и являлись на протяжении всех 1980-х гг. малоприятным вычетом из национального бюджета.
Доля расходов на Афганистан в ВНП СССР по разным оценкам ежегодно составляла от 0,6 до 3%.
https://afghanistan.ru/doc/18319.html
Автор: Никита Андреевич Мендкович, эксперт Центра изучения современного Афганистана (ЦИСА).
Афганская война прошлого века, в которой принимали участие Советская Армия и финансируемые США и союзниками отряды боевиков, стала не только столкновением идеологий и государств, но и местом противостояния экономических систем. Последнему аспекту некоторые авторы предают огромное значение, полагая, что война 1979-1989 гг. стала причиной перенапряжения ресурсов, которое обрекло СССР на распад. С другой стороны многих американских авторов интересует вопрос о размере трат Соединенных Штатов на развитие исламских радикальных движений, который сегодня стал основным противником США.
На текущий момент объем опубликованных финансовых документов стран-участниц войны не позволяет уверенно подвести ее финансовый итог, однако есть некоторые данные, позволяющие оценить объем вовлеченных в конфликт средств. Это заставило автора предпринять попытку обобщить их в данной статье.
Суммарные расходы СССР на ведение войны в Афганистане за 9 лет можно оценить как равные 30,4 миллиарда рублей. Вряд ли эти затраты стали причиной распада Советской страны и экономики, хотя и являлись на протяжении всех 1980-х гг. малоприятным вычетом из национального бюджета.
Доля расходов на Афганистан в ВНП СССР по разным оценкам ежегодно составляла от 0,6 до 3%.
https://afghanistan.ru/doc/18319.html
Forwarded from ECONS
Считается, что первые новогодние обещания, как и само празднование Нового года, были изобретены в Вавилоне около 4000 лет назад: в ходе торжеств в честь начала года и весеннего сева обитатели древнего города давали богам обещание выплатить оставшиеся у них долги.
Перед началом нового года мысль поставить перед собой важные цели, изменить себя и свою жизнь к лучшему приходит людям в голову чаще, чем обычно. Однако судьбу многих новогодних обещаний можно описать словами персонажа Оскара Уайлда, лорда Генри Уоттона, заметившего, что благие намерения – всего лишь «чеки, которые люди выписывают на банк, где у них нет текущего счета».
Поведенческая экономика дает три главных объяснения, почему обещания изменить себя в большинстве случаев терпят неудачу. Все три причины связаны с когнитивными искажениями – ловушками мышления. Знание о них поможет их избежать – хотя и не сделает процесс достижения целей, поставленных перед самим собой, легким.
🔴 Подробнее читайте в статье на сайте «Эконс».
Перед началом нового года мысль поставить перед собой важные цели, изменить себя и свою жизнь к лучшему приходит людям в голову чаще, чем обычно. Однако судьбу многих новогодних обещаний можно описать словами персонажа Оскара Уайлда, лорда Генри Уоттона, заметившего, что благие намерения – всего лишь «чеки, которые люди выписывают на банк, где у них нет текущего счета».
Поведенческая экономика дает три главных объяснения, почему обещания изменить себя в большинстве случаев терпят неудачу. Все три причины связаны с когнитивными искажениями – ловушками мышления. Знание о них поможет их избежать – хотя и не сделает процесс достижения целей, поставленных перед самим собой, легким.
Please open Telegram to view this post
VIEW IN TELEGRAM
econs.online
Почему так трудно выполнить новогодние обещания — ECONS.ONLINE
Люди часто обещают себе в новом году измениться к лучшему, но у большинства планы терпят неудачу. Между новым периодом и появлением стимула к изменениям действительно есть прямая связь. А не потерять мотивацию поможет знание когнитивных ловушек, расставленных…
Forwarded from Russian Economic History
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Spydell_finance (Paul Spydell)
Общее впечатление от работы с LLM за последние два года
Я отношусь к очень небольшой группе людей, которые не только знакомы со всеми современными LLM (тестирую их практически сразу после релиза), но и активно пытаются внедрять их в рабочие и научно-исследовательские проекты
До этого на протяжении многих лет была теоретическая подготовка. Этот тот случай, когда был отслежен весь путь созревания технологии от момента зарождения и внедрения технологии до текущего состояния.
Прогресс есть, как с точки зрения качества генерации данных, так и в расширении спектра инструментов для взаимодействия с LLM.
Можно ли сказать, что «научно-исследовательские проекты разделились на эпоху ДО внедрения технологии и новую эпоху ПОСЛЕ внедрения»?
Нет, ничего качественно не изменилось. Наличие или отсутствие LLM не оказало никакого влияния ни на R&D процессы, ни на сам канал Spydell_finance. Глубина внедрения пока около нуля процентов.
Почему так плохо? Нет стабильности и предсказуемости в выходных данных/результатах. Наука тем и отличается, что эксперименты при повторяемости опытов в изолированных условиях при статичных параметрам должны давать идентичные и прогнозируемые результаты. Это как работа калькулятора.
На практике LLM генерируют слишком много ошибок, на проверку и верификацию которых требуется несоизмеримо много времени и ресурсов, что делает применение ГИИ нерентабельным.
LLM генерируют широкий спектр непредсказуемых результатов, что категорически не подходит для расчетов, где необходима точность. Однако, не сказать, что это плохо.
🔘 Вариативность выходных результатов может быть полезна не в расчетах, а в «мозговых штурмах», где как раз требуется расширение границы допустимых векторов и траекторий результатов. Условно говоря, в выработке направлений и идей для исследований.
🔘 LLM очень полезны для неструктурированных массивов данных, для категоризации/каталогизации неструктурированных наборов данных в разных форматах.
🔘 LLM могут быть применимы для генерации отчетов по шаблонам.
🔘 LLM более, чем полезны для формирования гранд нарратива в огромных массивах текстовой информации. Например, анализ новостного потока и вычленение основной концепции, которую пытаются продвинуть СМИ. Нарративы «экономика прекрасна, а будет еще лучше» и «ИИ спасет мир», которые я часто публиковал во второй половине 2024 в контексте тональности западных СМИ были получены частично с использованием ГИИ.
Попытка оценить тональность и «болевые точки» корпоративного сектора через анализ пресс-конференций по итогам корпоративных отчетов, это же применимо к анализу комментариев общественности.
Это в теории. На практике ограничения контекстного окна, блокировка поисковых роботов ГИИ в ведущих СМИ и высокая стоимость обработки токенов не позволяют использовать этот ресурс на полную мощность.
Автоматический анализ новостного потока – хорошая идея и уже технически реализуема, но на практике пока нет.
Как экспертная система ГИИ очень слаб. Проверял в направлениях, в которых имею высокую квалификацию. На запрос о факторах роста рынка или причинах возникновения инфляции, - LLM создадут весьма примитивную блеватню на уровне среднестатистических новостных экстрактов, что совершенно не соответствует уровню Spydell_finance.
Сейчас все LLM генерируют низкое качество «экспертного контента», где требуется понимание причинно-следственных связей в условиях противоречивой среды с недостатком входных данных и многоуровневой конструкции параметров. Писать материалы в канале уровня Spydell_finance с помощью ГИИ не получится еще очень долго.
Где применимы LLM в научной среде? Очень ограниченные локальные задачи с точки зрения помощи в программировании, решении математических и статистических задач, помощь в адаптации информационных комплексов на уровне проводника по мануалам.
Еще неплохой потенциал есть в умном поиске информации в сети, хотя сейчас реализация на 4 из 10.
Инструмент полезный, но на чудеса пока не тянет, хотя потенциал очень серьезный. Я указал не все применения, а только в рамках собственных рабочих задач.
Я отношусь к очень небольшой группе людей, которые не только знакомы со всеми современными LLM (тестирую их практически сразу после релиза), но и активно пытаются внедрять их в рабочие и научно-исследовательские проекты
До этого на протяжении многих лет была теоретическая подготовка. Этот тот случай, когда был отслежен весь путь созревания технологии от момента зарождения и внедрения технологии до текущего состояния.
Прогресс есть, как с точки зрения качества генерации данных, так и в расширении спектра инструментов для взаимодействия с LLM.
Можно ли сказать, что «научно-исследовательские проекты разделились на эпоху ДО внедрения технологии и новую эпоху ПОСЛЕ внедрения»?
Нет, ничего качественно не изменилось. Наличие или отсутствие LLM не оказало никакого влияния ни на R&D процессы, ни на сам канал Spydell_finance. Глубина внедрения пока около нуля процентов.
Почему так плохо? Нет стабильности и предсказуемости в выходных данных/результатах. Наука тем и отличается, что эксперименты при повторяемости опытов в изолированных условиях при статичных параметрам должны давать идентичные и прогнозируемые результаты. Это как работа калькулятора.
На практике LLM генерируют слишком много ошибок, на проверку и верификацию которых требуется несоизмеримо много времени и ресурсов, что делает применение ГИИ нерентабельным.
LLM генерируют широкий спектр непредсказуемых результатов, что категорически не подходит для расчетов, где необходима точность. Однако, не сказать, что это плохо.
Попытка оценить тональность и «болевые точки» корпоративного сектора через анализ пресс-конференций по итогам корпоративных отчетов, это же применимо к анализу комментариев общественности.
Это в теории. На практике ограничения контекстного окна, блокировка поисковых роботов ГИИ в ведущих СМИ и высокая стоимость обработки токенов не позволяют использовать этот ресурс на полную мощность.
Автоматический анализ новостного потока – хорошая идея и уже технически реализуема, но на практике пока нет.
Как экспертная система ГИИ очень слаб. Проверял в направлениях, в которых имею высокую квалификацию. На запрос о факторах роста рынка или причинах возникновения инфляции, - LLM создадут весьма примитивную блеватню на уровне среднестатистических новостных экстрактов, что совершенно не соответствует уровню Spydell_finance.
Сейчас все LLM генерируют низкое качество «экспертного контента», где требуется понимание причинно-следственных связей в условиях противоречивой среды с недостатком входных данных и многоуровневой конструкции параметров. Писать материалы в канале уровня Spydell_finance с помощью ГИИ не получится еще очень долго.
Где применимы LLM в научной среде? Очень ограниченные локальные задачи с точки зрения помощи в программировании, решении математических и статистических задач, помощь в адаптации информационных комплексов на уровне проводника по мануалам.
Еще неплохой потенциал есть в умном поиске информации в сети, хотя сейчас реализация на 4 из 10.
Инструмент полезный, но на чудеса пока не тянет, хотя потенциал очень серьезный. Я указал не все применения, а только в рамках собственных рабочих задач.
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Spydell_finance (Paul Spydell)
Генерация изображений и видео – что нового за последний год?
С высокоуровневой аналитикой и сложными научно-исследовательскими проектами ГИИ еще долго не достигнет «минимального порога зрелости», когда технологию можно будет применять в бизнес-проектах, в науке или при создании новых технологий.
Однако, есть сегменты, где прогресс более, чем впечатляющий – это изображение и видео. Я отследил весь процесс эволюции от первых кастрированных версий до весьма развитых инструментов генерации изображений и видео.
Честно говоря, не было еще ни одного раза за пару лет, где бы весь этот синтетический контент можно было бы применить (с моей стороны). Пользуюсь даже не ради забавы (особо нет на это времени), а из-за необходимости отслеживания прогресса в технологиях.
С точки зрения темпов развития технологии – достаточно любопытно, а конечный результат часто бывает весьма захватывающим. ГИИ в формате создания изображений и видео похож на волшебный инструмент, действительно можно создавать шедевры при должной подготовке. Пространство для творчества – невероятное.
Если бы я был художником и дизайнером, имел бы более восторженное мнение о ГИИ.
Отрасль только зарождается, поэтому здесь нет и быть не может стабильности. Лидеры, которые были вчера - могут уйти в конец списка (DALL-E от OpenAI), а новые игроки (FLUX) создают правила функционирования и определяют тренды.
В наибольшей степень трансформирующее влияние на экономику окажет сегмент ГИИ в генерации изображений и видео. Здесь будут затронуты широкие сегменты: видеоигры, дизайн и искусство, кинематограф (в перспективе 3-4 лет), маркетинг и реклама, контент для медиа индустрии и социальных сетей, образование и обучение (интерактивные курсы).
В перспективе технологии могут быть применены в архитектуре, промышленном инжиниринге, медицине и т.д.
Актуальный список (на январь 2025) топовых инструментов по генерации изображений (по собственным тестам):
1. FLUX
2. Midjourney
3. ImageFX от Google
4. Ideogram
5. Recraft
6. Playground
7. Dall-e
8. Artflow
9. Leonardo
10. Stable Diffusion
Тестировал все сервисы. В самом начале 1.5 года назад лидерами были Dall-e и Stable Diffusion, теперь в конце списка.
Сейчас по качеству, наверное, первые три в списке. Все очень быстро меняется. Никто бы не мог предположить, что вечно отстающий Google создаст неплохой инструмент ImageFX, но на практике слишком зацензурированный и малопригодный для генерации, плюс нет редактирования и контроля сцены. Самый развитый инструментарий у Midjourney.
Актуальный список (на январь 2025) топовых инструментов по генерации видео:
1. Kling (Китай)
2. Runway
3. Sora от OpenAI
4. Voe 2 от Google
5. PixVerse
6. Hailuo MiniMax (Китай)
7. Pika
8. Hunyuan (Китай)
9. Luma Dream Machine
10. Genmo
В начальной фазе развития технологий генерации видео в топах были Luma Dream Machine и Genmo, а сейчас хуже всех.
Открытие года – внедрение в топы китайцев, которые развиваются более высокими темпами, чем коллеги из США. Распиаренная Sora оказалась средней, на мой взгляд, плюс проблема цензуры и невозможности генерировать сцены по запросам. Самый развитый инструментарий у Runway.
В конце года удивили Google DeepMind с Voe 2, который потенциально один из лучших на рынке, но полноценно еще не тестировал.
С изображениями уже очень хорошо, с видео пока плохо – несогласованность и неадекватное взаимодействие объектов, нереалистичная симуляция физических и природных процессов, света, теней и так далее.
Конкуренция невероятно высокая. Как минимум, 10 сервисов по каждому направлению, причем все очень быстро меняется, как в представленной группе, так и в плане внедрения новых игроков. Через год все опять поменяется.
С высокоуровневой аналитикой и сложными научно-исследовательскими проектами ГИИ еще долго не достигнет «минимального порога зрелости», когда технологию можно будет применять в бизнес-проектах, в науке или при создании новых технологий.
Однако, есть сегменты, где прогресс более, чем впечатляющий – это изображение и видео. Я отследил весь процесс эволюции от первых кастрированных версий до весьма развитых инструментов генерации изображений и видео.
Честно говоря, не было еще ни одного раза за пару лет, где бы весь этот синтетический контент можно было бы применить (с моей стороны). Пользуюсь даже не ради забавы (особо нет на это времени), а из-за необходимости отслеживания прогресса в технологиях.
С точки зрения темпов развития технологии – достаточно любопытно, а конечный результат часто бывает весьма захватывающим. ГИИ в формате создания изображений и видео похож на волшебный инструмент, действительно можно создавать шедевры при должной подготовке. Пространство для творчества – невероятное.
Если бы я был художником и дизайнером, имел бы более восторженное мнение о ГИИ.
Отрасль только зарождается, поэтому здесь нет и быть не может стабильности. Лидеры, которые были вчера - могут уйти в конец списка (DALL-E от OpenAI), а новые игроки (FLUX) создают правила функционирования и определяют тренды.
В наибольшей степень трансформирующее влияние на экономику окажет сегмент ГИИ в генерации изображений и видео. Здесь будут затронуты широкие сегменты: видеоигры, дизайн и искусство, кинематограф (в перспективе 3-4 лет), маркетинг и реклама, контент для медиа индустрии и социальных сетей, образование и обучение (интерактивные курсы).
В перспективе технологии могут быть применены в архитектуре, промышленном инжиниринге, медицине и т.д.
Актуальный список (на январь 2025) топовых инструментов по генерации изображений (по собственным тестам):
1. FLUX
2. Midjourney
3. ImageFX от Google
4. Ideogram
5. Recraft
6. Playground
7. Dall-e
8. Artflow
9. Leonardo
10. Stable Diffusion
Тестировал все сервисы. В самом начале 1.5 года назад лидерами были Dall-e и Stable Diffusion, теперь в конце списка.
Сейчас по качеству, наверное, первые три в списке. Все очень быстро меняется. Никто бы не мог предположить, что вечно отстающий Google создаст неплохой инструмент ImageFX, но на практике слишком зацензурированный и малопригодный для генерации, плюс нет редактирования и контроля сцены. Самый развитый инструментарий у Midjourney.
Актуальный список (на январь 2025) топовых инструментов по генерации видео:
1. Kling (Китай)
2. Runway
3. Sora от OpenAI
4. Voe 2 от Google
5. PixVerse
6. Hailuo MiniMax (Китай)
7. Pika
8. Hunyuan (Китай)
9. Luma Dream Machine
10. Genmo
В начальной фазе развития технологий генерации видео в топах были Luma Dream Machine и Genmo, а сейчас хуже всех.
Открытие года – внедрение в топы китайцев, которые развиваются более высокими темпами, чем коллеги из США. Распиаренная Sora оказалась средней, на мой взгляд, плюс проблема цензуры и невозможности генерировать сцены по запросам. Самый развитый инструментарий у Runway.
В конце года удивили Google DeepMind с Voe 2, который потенциально один из лучших на рынке, но полноценно еще не тестировал.
С изображениями уже очень хорошо, с видео пока плохо – несогласованность и неадекватное взаимодействие объектов, нереалистичная симуляция физических и природных процессов, света, теней и так далее.
Конкуренция невероятно высокая. Как минимум, 10 сервисов по каждому направлению, причем все очень быстро меняется, как в представленной группе, так и в плане внедрения новых игроков. Через год все опять поменяется.
Forwarded from Dauphinois
В 2016 году в Москву приезжал великий социолог Рональд Инглхарт, он прочел лекцию:«Изменения в обществе и мотивациях человека, 1896-2014 гг».
Инглхарт очень точно обрисовал нерв главного вопроса который и должен волновать 99% населения : “Постматериалисты делали упор на новые неэкономические проблемы, которые пересекают классовые границы. Их волновали защита окружающей среды, антивоенные движения и равноправие полов, а вопросы экономического перераспределения в их предвыборных кампаниях занимали гораздо меньше места. Но за последние десятилетия практически все богатства Земли сосредоточились в руках небольшой части населения. Глобализация и массовая миграция усилили отказ от постматериалистических ценностей и способствовали подъему авторитарных ксенофобских партий, от Национального фронта во Франции до Дональда Трампа в США.
Кроме того, сегодня мир наблюдает формирование экономики искусственного интеллекта: все больше работ выполняется машинами, которые заменяют людей, и это приводит к сокращению персонала. Сегодня компьютерные программы выполняют не только неквалифицированные задачи. Искусственный интеллект все чаще заменяет юристов, журналистов, ученых, докторов и других высокообразованных профессионалов. По мере того как растет неравенство и мировые финансовые ресурсы сосредотачиваются в руках 1% населения, человечество сталкивается с новыми вызовами.
Сегодня настоящий конфликт интересов в развитых индустриальных обществах происходит уже не между рабочим и средним классом. Он происходит между доминирующим одним процентом и остающимися 99 процентами населения. Но эти 99% еще не осознали, что ждет их дальше, частично потому, что избиратели с низкими доходами отвлекаются на такие неэкономические вопросы, как, например, аборты.
Выход для этих людей в рамках «экономики искусственного интеллекта» профессор Инглхарт видит в том, чтобы государство перенаправило ресурсы на создание рабочих мест, обеспечивающих для людей полезные роли в здравоохранении, образовании, науке, защите окружающей среды, искусствах и гуманитарных науках, тем самым улучшив качество жизни.”
Инглхарт очень точно обрисовал нерв главного вопроса который и должен волновать 99% населения : “Постматериалисты делали упор на новые неэкономические проблемы, которые пересекают классовые границы. Их волновали защита окружающей среды, антивоенные движения и равноправие полов, а вопросы экономического перераспределения в их предвыборных кампаниях занимали гораздо меньше места. Но за последние десятилетия практически все богатства Земли сосредоточились в руках небольшой части населения. Глобализация и массовая миграция усилили отказ от постматериалистических ценностей и способствовали подъему авторитарных ксенофобских партий, от Национального фронта во Франции до Дональда Трампа в США.
Кроме того, сегодня мир наблюдает формирование экономики искусственного интеллекта: все больше работ выполняется машинами, которые заменяют людей, и это приводит к сокращению персонала. Сегодня компьютерные программы выполняют не только неквалифицированные задачи. Искусственный интеллект все чаще заменяет юристов, журналистов, ученых, докторов и других высокообразованных профессионалов. По мере того как растет неравенство и мировые финансовые ресурсы сосредотачиваются в руках 1% населения, человечество сталкивается с новыми вызовами.
Сегодня настоящий конфликт интересов в развитых индустриальных обществах происходит уже не между рабочим и средним классом. Он происходит между доминирующим одним процентом и остающимися 99 процентами населения. Но эти 99% еще не осознали, что ждет их дальше, частично потому, что избиратели с низкими доходами отвлекаются на такие неэкономические вопросы, как, например, аборты.
Выход для этих людей в рамках «экономики искусственного интеллекта» профессор Инглхарт видит в том, чтобы государство перенаправило ресурсы на создание рабочих мест, обеспечивающих для людей полезные роли в здравоохранении, образовании, науке, защите окружающей среды, искусствах и гуманитарных науках, тем самым улучшив качество жизни.”
Минусом монетарной политики является то, что это тупой инструмент. Повышая или снижая ставку, центробанк влияет сразу на все секторы экономики и регионы – неважно, насколько они нуждаются в поддержке. Фискальная политика более адресная, и ее воздействие более целенаправленное. К тому же у стандартных мер монетарной политики есть пределы, когда она перестает эффективно работать: если ставки достигают нулевого уровня, требуются уже бюджетные меры.
Наконец, монетарная политика влияет на экономику только краткосрочно, а долгосрочно она нейтральна. Фискальная же политика может влиять на долгосрочный рост, например, через инвестиции в инфраструктуру, в образование и здравоохранение. Впрочем, в этой адресности может быть и минус бюджетных мер, поскольку такое целенаправленное воздействие может искажать стимулы в экономике, а деньги по решению политиков или чиновников могут достаться не тем секторам, которые будут помогать экономике развиваться.
https://guru.nes.ru/kak-svyazanyi-byudzhetnaya-i-denezhno-kreditnaya-politiki.html
Наконец, монетарная политика влияет на экономику только краткосрочно, а долгосрочно она нейтральна. Фискальная же политика может влиять на долгосрочный рост, например, через инвестиции в инфраструктуру, в образование и здравоохранение. Впрочем, в этой адресности может быть и минус бюджетных мер, поскольку такое целенаправленное воздействие может искажать стимулы в экономике, а деньги по решению политиков или чиновников могут достаться не тем секторам, которые будут помогать экономике развиваться.
https://guru.nes.ru/kak-svyazanyi-byudzhetnaya-i-denezhno-kreditnaya-politiki.html
guru.nes.ru
Возьмемся за руки, друзья! Как связаны бюджетная и денежно-кредитная политики
Центробанк в этом году повысил ключевую ставку с 16% до 21% годовых – так он пытается компенсировать колоссальный импульс, полученный экономикой от бюджета. Что же получается: одна рука тянет экономику в одну сторону, а другая – в другую? О том, как им действовать…
Forwarded from Spydell_finance (Paul Spydell)
Поисковые системы на основе ИИ
Еще одним преобразующим направлением в развитии ГИИ – являются поисковые системы с использованием LLM, что в значительной степени трансформирует все поисковые системы.
В чем заключается принцип работы?
🔘 LLM анализирует пользовательский запрос, учитывая контекст и намерения, что позволяет точнее интерпретировать сложные или неоднозначные формулировки.
🔘 На основе анализа запроса система определяет релевантные источники данных, используя как внутренние базы знаний, так и внешние ресурсы, обеспечивая доступ к актуальной информации.
Обычно происходит сканирование 3-7 внешних источников информации так, как если бы это делал человек, далее на основе парсинга данных или информации формируется экстракт/сжатое конспектирование в соответствии с запросом, объединяя информацию из разных источников к «усреднённому показателю».
🔘 LLM синтезирует полученную информацию, формируя связный и информативный ответ, адаптированный под стиль и тональность запроса.
По сути, это умный поиск. Цель очень простая – быстрое получение информации без необходимости самостоятельного изучения множества внешних ссылок так, как мы это делали последние 25 лет.
Я, очевидно, не буду устраивать обзоры на каждую систему, а приведу краткий опыт использования.
Умный поиск – это то, что я пытался выжать с LLM с первых дней их появления задолго до того, как это стало мейнстримом. Об этом писал в канале год назад, по факту не получилось ничего хорошего. Результат был очень посредственным.
Есть множество ограничений.
🔘 Прямой парсинг данных поисковыми ботами с большинства медиа ресурсов заблокирован. Прямых дата провайдеров нет.
🔘 Использование автоматизированного поиска с переходом на первые 10-15 ссылок в поисковых запросах через веб шлюзы не дает желаемого ресурса, т.к. каждый сайт имеет свою структуру, а автоматическую интеллектуальную навигацию по рандомным сайтам не удалось реализовать, что затрудняет качественное получение информации.
Есть множество развитых сервисов интеллектуального поиска. У всех на слуху раскрученный Perplexity, но на самом деле результаты достаточно посредственные.
Что сейчас есть на рынке?
1. ChatGPT Search (OpenAI)
2. Perplexity AI
3. Genspark AI (один из самых мощных и эффективных аналогов Perplexity)
4. DeepSeek (встроенный поиск)
5. Mistral AI (встроенный поиск)
6. Google Gemini (встроенный поиск)
7. Felo AI
8. You com AI
9. Komo AI
10. Phind AI (в основном для поиска технической информации)
11. Yandex Нейро-поиск через сервисы Яндекс (приоритетный формат для поиска в русскоязычном сегменте).
12. Hix AI
13. Bing AI с использованием Copilot.
Какие впечатления? Для поиска прямых источников данных – бесполезны, все также Google поиск. Для проведения научно-исследовательских работ – бесполезны, т.к. упускают все важные детали, только ручной поиск и последовательное изучение.
Где могут быть полезны? Краткие справки по событиям, процессам, плюс новостные дайджесты по конкретной теме или инфо поводу, но вновь упускают много важных дателей. Поиск почти всегда неполный, вот именно поэтому нужно иметь буквально десяток резервных каналов/сервисов. Полезны для подбора товаров и услуг, выступая в роли консультанта/советника.
Где бы хотел видеть прогресс, которого пока нет? Подготовка аналитических сюжетов по выбранному направлению. К этому ближе всех подошел не распиаренный Perplexity AI, а никому неизвестный Genspark.ai.
Подготовка сведенных таблиц, сводок по указанному сценарию. Например, сведенная таблица основных технических характеристик всех топовых смартфонов в категории от 700 долларов, выпущенных с 2022 по 2025 года. В этом направлении прогресс есть, но до идеала очень далеко.
По новостям сейчас работают на 4-5 баллов из 10, по сведенной информации на 2-3 балла, по аналитическим сюжетам примерно также.
ChatGPT Search сейчас лучше Perplexity, а Genspark демонстрирует интересные показатели. На удивление хорош DeepSeek, даже не ожидал, часто лучше ChatGPT и Perplexity. Google мне не нравится, хотя кому, как не им делать умный поиск.
По русскоязычному сегменту неплох Яндекс.
Еще одним преобразующим направлением в развитии ГИИ – являются поисковые системы с использованием LLM, что в значительной степени трансформирует все поисковые системы.
В чем заключается принцип работы?
Обычно происходит сканирование 3-7 внешних источников информации так, как если бы это делал человек, далее на основе парсинга данных или информации формируется экстракт/сжатое конспектирование в соответствии с запросом, объединяя информацию из разных источников к «усреднённому показателю».
По сути, это умный поиск. Цель очень простая – быстрое получение информации без необходимости самостоятельного изучения множества внешних ссылок так, как мы это делали последние 25 лет.
Я, очевидно, не буду устраивать обзоры на каждую систему, а приведу краткий опыт использования.
Умный поиск – это то, что я пытался выжать с LLM с первых дней их появления задолго до того, как это стало мейнстримом. Об этом писал в канале год назад, по факту не получилось ничего хорошего. Результат был очень посредственным.
Есть множество ограничений.
Есть множество развитых сервисов интеллектуального поиска. У всех на слуху раскрученный Perplexity, но на самом деле результаты достаточно посредственные.
Что сейчас есть на рынке?
1. ChatGPT Search (OpenAI)
2. Perplexity AI
3. Genspark AI (один из самых мощных и эффективных аналогов Perplexity)
4. DeepSeek (встроенный поиск)
5. Mistral AI (встроенный поиск)
6. Google Gemini (встроенный поиск)
7. Felo AI
8. You com AI
9. Komo AI
10. Phind AI (в основном для поиска технической информации)
11. Yandex Нейро-поиск через сервисы Яндекс (приоритетный формат для поиска в русскоязычном сегменте).
12. Hix AI
13. Bing AI с использованием Copilot.
Какие впечатления? Для поиска прямых источников данных – бесполезны, все также Google поиск. Для проведения научно-исследовательских работ – бесполезны, т.к. упускают все важные детали, только ручной поиск и последовательное изучение.
Где могут быть полезны? Краткие справки по событиям, процессам, плюс новостные дайджесты по конкретной теме или инфо поводу, но вновь упускают много важных дателей. Поиск почти всегда неполный, вот именно поэтому нужно иметь буквально десяток резервных каналов/сервисов. Полезны для подбора товаров и услуг, выступая в роли консультанта/советника.
Где бы хотел видеть прогресс, которого пока нет? Подготовка аналитических сюжетов по выбранному направлению. К этому ближе всех подошел не распиаренный Perplexity AI, а никому неизвестный Genspark.ai.
Подготовка сведенных таблиц, сводок по указанному сценарию. Например, сведенная таблица основных технических характеристик всех топовых смартфонов в категории от 700 долларов, выпущенных с 2022 по 2025 года. В этом направлении прогресс есть, но до идеала очень далеко.
По новостям сейчас работают на 4-5 баллов из 10, по сведенной информации на 2-3 балла, по аналитическим сюжетам примерно также.
ChatGPT Search сейчас лучше Perplexity, а Genspark демонстрирует интересные показатели. На удивление хорош DeepSeek, даже не ожидал, часто лучше ChatGPT и Perplexity. Google мне не нравится, хотя кому, как не им делать умный поиск.
По русскоязычному сегменту неплох Яндекс.
Please open Telegram to view this post
VIEW IN TELEGRAM
Число публичных компаний в США снизилось с 7,5 тысячи в 1997 году до менее чем 4 тысяч в настоящий момент. Эта же тенденция наблюдается и в глобальном разрезе и связана с тем, что компании дольше остаются частными, отмечает Bloomberg. Средний возраст компаний, выходящих на биржу, вырос с 6,9 лет в 2014-м до 10,7 лет в 2024 году.
Главная причина, почему компании все реже спешат проводить IPO, в том, что у них сейчас есть гораздо больше опций, чем раньше, пишет The Economist. Появляется все больше фондов, готовых инвестировать в компании, независимо от того, являются ли они публичными. По данным McKinsey, к середине 2023 года под управлением фондов прямых инвестиций (private equity) находились 8,2 трлн долл. Это больше чем в два раза по сравнению с 2018 годом.
https://movchans.com/ru/blog/staying-private?utm_source=tg&utm_medium=post&utm_campaign=staying-private
Главная причина, почему компании все реже спешат проводить IPO, в том, что у них сейчас есть гораздо больше опций, чем раньше, пишет The Economist. Появляется все больше фондов, готовых инвестировать в компании, независимо от того, являются ли они публичными. По данным McKinsey, к середине 2023 года под управлением фондов прямых инвестиций (private equity) находились 8,2 трлн долл. Это больше чем в два раза по сравнению с 2018 годом.
https://movchans.com/ru/blog/staying-private?utm_source=tg&utm_medium=post&utm_campaign=staying-private
Movchans
Почему компании все дольше остаются частными
В статье от 2018 года делается вывод, что изменение валютного курса рубля полностью переносится в цены на горизонте 5 лет
https://rjmf.econs.online/upload/iblock/fae/Dolgosrochnyy-perenos-kursa-v-tseny.pdf
https://rjmf.econs.online/upload/iblock/fae/Dolgosrochnyy-perenos-kursa-v-tseny.pdf
Forwarded from ИМЭМО РАН
ИА «Интерфакс» продолжает обозревать ежегодный прогноз ИМЭМО РАН «Россия и мир: 2025».
В очередном материале агентства рассматриваются проблемы, стоящие перед российской экономикой в предыдущие годы.
🏢
В очередном материале агентства рассматриваются проблемы, стоящие перед российской экономикой в предыдущие годы.
Please open Telegram to view this post
VIEW IN TELEGRAM
Интерфакс
ИМЭМО: проблемные узлы в российской экономике
"Интерфакс" продолжает знакомить читателей с ежегодным прогнозом ИМЭМО им.