Аналитика IPO
Если вы инвестируете в IPO, то хотите заранее отличать хорошие вложения от плохих. Дальнейший текст — как раз об этом. Изучите страницу, чтобы понять суть предложения. Присоединяйтесь к нам, чтобы получить результаты.
Что мы сделали
1
Изучили 2046 IPO
Мы собрали ценовые и финансовые данные IPO-компаний, которые размещались на NYSE и NASDAQ с 1997 года.
2
Применили искусственный интеллект
Мы использовали количественный анализ, чтобы выявить важные закономерности. Мы запустили машинное обучение, чтобы найти скрытую статистическую связь.
3
Создали аналитический алгоритм
В итоге мы разработали комплексную прогнозную модель, которая определяет перспективные размещения. На входе модель принимает финансовые показатели компании. На выходе она выдает рейтинг IPO.
Что вы получите
Исследование IPO-компаний
Вы попадете в закрытую зону сайта, где мы опубликовали исследование IPO-компаний. Из исследования вы узнаете, какую доходность показали IPO за 23 года, и какие факторы повлияли на динамику цен.
Аналитику предстоящих IPO
В закрытой зоне вы будете регулярно узнавать рейтинг новых IPO. Рейтинг присваевается автоматически, на основе созданного алгоритма. Принцип работы алгоритма мы описали в исследовании.
Что вы узнаете из исследования
Какую среднюю доходность показали IPO в первый год после размещения?
Какую среднюю доходность показали IPO в первые четыре месяца после размещения?
В чем секрет средней доходности IPO?
Стоит ли бояться локап-периода и когда закрывать позицию?
Какой потенциал доходности имеют крупные размещения, наподобие Uber?
Какой потенциал доходности имеют малые и средние размещения?
Какие финансовые показатели помогают прогнозировать IPO?
Как прогнозировать IPO с помощью методов искусственного интеллекта?
Как работает аналитика
Мы получаем финансовые данные из проспекта эмиссии и загружаем их в алгоритм.
Алгоритм анализирует компанию и присваивает рейтинг IPO. Высшую оценку получают только 7% компаний.
Мы публикуем рейтинг IPO за два дня до размещения акций. Рейтинг помогает инвесторам принимать решения.
Какой результат на истории
Мы протестировали алгоритм на исторических данных, начиная с 1997 года. История не гарантируют будущую доходность, но отражает расчетную эффективность стратегии.
График показывает теоретический портфель, построенный на исторических данных. Мы привели все IPO датасета к единой точке во времени и зашли в них одномоментно. Динамика 250 торговых сессий соответствует одному календарному году.
Какой результат на реальном рынке
Результаты краткосрочных прогнозов:

Результаты долгосрочных прогнозов:

Матчасть по рейтингам:

1. Существует два основных рейтинга — iST и iLT. Первый рейтинг показывает краткосрочный прогноз, второй рейтинг показывает долгосрочный прогноз.

2. Точка входа для обоих рейтингов — цена IPO. Точка выхода — 100 торговых сессий (~20 календарных недель) для iST-рейтинга и 250 торговых сессий (~1 календарный год, который еще не закончился) для iLT-рейтинга.


Как читать графики:

1. Blind — это слепой портфель. Он формируется из всех IPO, которые прошли через прогнозную модель. Остальные портфели — это портфели, которые формируются из IPO с соответствующим рейтингом.

2. По горизонтали указаны торговые сессии в днях. По вертикали указан возврат на вложенный $1.

3. Всего на каждом графике 3 портфеля — Blind, Strong buy, Buy. Также существуют портфели Miss и Neutral, которые мы не показали на графиках, чтобы упростить восприятие.

4. Численные данные есть по всем портфелям.
Кто создал сервис
Иван Федотов
Cofounder, CEO
Управляет проектом, отвечает за оформление исходящих продуктов. Имеет сильный финансовый бэкграунд. Работал в портфельной компании Starta Ventures, участвовал в финтех-стартапах на различных позициях.
Александр Майоров
Cofounder, data scientist
Управляет аналитическим ядром проекта, отвечает за создание прогнозной модели. Применяет статистические методы и machine learning. Работал в инвестиционной группе АТОН, программировал роботов для маркет-мейкинговых стратегий.
Алексей Резвов
Cofounder, CTO
Управляет инфраструктурой проекта, отвечает за технические решения и обработку данных. Создавал программные продукты для банков и инвестиционных компаний. Реализовал 13 крупных проектов за последние 15 лет.