Spydell

[Gelium]

Минфин США продолжает выжирать всю ликвидность с рынка, размещая векселя в рекордных объемах.

Да, конечно, с точки зрения финбалансов, выкуп векселей со стороны фондов денежного рынка и инвестбанков не влияет на интегральные коэффициенты ликвидности, т.к веселя имеют примерно тот же коэффициент риска, как и кэш в рамках залоговых активов.

Также нужно учитывать, что расширение госдолга возвращается обратно в экономику через спрос в ВПК (гособоронзаказ), субсидии домохозяйствам (потребительский спрос) или даже через процентные расходы (доходы финсектора и основных держателей активов).

Ржу не могу. Ну как в одной голове увязывается "выжирать всю ликвидность" и " возвращается обратно в экономику" да еще при том, что все деньги остаются внутри банковской системы.

Не жалейте Спайделлу лайки в телеге!!! Пусть жжет напалмом и дальше. Аналогов нет!!!

[Gelium]

Ежедневный юмор от Спайделла:

Стоит обратить внимание на подозрительную активность Amazon. Пока все внимание приковано к ИИ активности Google, Microsoft/OpenAI, nVidia и ИИ проектов Илона Маска, - Amazon без особого привлечения внимания развивает цифровую, облачную и ИИ инфраструктуру так, как никто другой.

...

Amazon – это уже давно не курьеры, торгаши и складские работники по обслуживанию онлайн магазина. Цифровое подразделение AWS у Amazon генерирует под 100 млрд долларов в год (на этот уровень выйдут в начале 2024) с темпами роста по 25-35% в год.

Секрет успеха Amazon прост – эта компания не платит дивидендов (ровно ноль выплаченных дивов за все время) и не занимается бессмысленной утилизацией кэша в рынок через байбэк, как Apple. В первом полугодии 2022 подурили на 6 млрд в байбэке и успокоились.

Смотрим показатели Амазон и видим, что своего кеша 182 ярда, а долгов 153 ярда. При этом доходы Амазон сильно отстают от доходов Apple, не стабильны и чистая прибыль в 5-6% на уровне мелких компаний. Амазон не просто не платит дивы, он не имеел, не имеет и еще долго не будет иметь возможность их платить. Что есть, всё должно идти в экспансию, иначе подожмут конкуренты.

[Gelium]

https://t.me/spydell_finance/4587

В значительной степени профицит ликвидности закрыт, причем на всех уровнях (финсистема, домохозяйства и бизнес), а дефицит бюджета выходит на исторический максимум. Соответственно, кризисный сценарий не отложен, а реализуется с лагом.

Ощущение безопасности сыграет с ФРС фатальную роль. В 2021 передержали сверхмягкую ДКП, предполагая, что безразмерная финсистема сожрет все (привело к рекордной инфляции за 40 лет), а в 2023-2024 ровно наоборот – передержат жесткую ДКП, считая, что «худшее позади». Нет, не позади, а все впереди )

Худшее впереди?

Вангование Спайделла:

2 March 2022

Они уже упустили "безопасное окно", а сейчас тем более. Поэтому самое ужасное ещё впереди, но не для нас! Мы то уже все видели...

13 April 2022

Повлияла общая негативная рыночная конъюнктура, но ведь все самое страшное для США впереди. Они ещё даже не начали сокращать баланс ФРС и повышать ставку.

6 May 2022

Впереди затяжной структурный кризис в США, который прямо или косвенно затронет все отрасли и подобно раковой опухоли, пустит метастазы по всему миру.

8 June 2022

Впереди Великий Коллапс Пузырей, поэтому сегмент «управления активами» также пойдет под снос. Ожидаю масштабных убытков банков со второй половины 2022 и в 2023.

13 June 2022

В итоге сильнейшая инфляция за 40 лет и впереди сильнейший кризис за 100 лет!

Сейчас мы входим в эпоху потрясений и финансовых, экономических катастроф. Многие мои читатели предметно не знакомы со спецификой и нюансами финансового кризиса 2008 (а впереди кризис несопоставимо жестче 2008).

Таких вангований, что худшее впереди, у Спайделла еще вагон и маленькая тележка. Лень цитаты копипастить.

Ну что там с США? Как грабили мир через печать доллара, так и грабят. Корпорации как зарабатывали, так и зарабатывают. А конкретно, что для США кризис? Что для США конкретно впереди? А хз, конкретно Спайделл не знает, но верьте, что худшее впереди. Годовой рост индексов США верующие в Спайделла, как и сам Спайделл, видимо игнорировали. Деньги в США гоняют с одних счетов на другие, продают за дорого СПГ, оружие. Получают бесплатную нефть из захваченных месторождений в Сирии и так далее. В общем, живут лучше всех на планете и гегемонят как могут. О "худшем еще впереди" для США, многие страны даже и мечтать не могут.

[stividor]

Я с начала 10-х годов читал Спайдела.
Публикуется огромный массив статистических данных, но как я позже понял – это просто цифры, делать какой-то вывод на их основе бессмысленно.
Алармист уровня «бог».
Циата от 04.11.2013:

«У меня нет ни малейшего сомнения, что коллапс этого безумия неизбежен, т.к. с каждым месяцем разрыв между реальностью и матрицей лишь увеличивается. Единственный рынок на планете среди относительно крупных, кто сохраняет адекватное поведение – это российский и китайский –соответственно в них меньше всего рисков».

p.s.
Пока доллар резервная валюта, США ничто не угрожает.
Претендентов на это место нет, и скорее всего не появятся.

[Gelium]

Пока доллар резервная валюта, США ничто не угрожает.
Претендентов на это место нет, и скорее всего не появятся.

Картель ЦБ-6 контролирует не только доллар США.

[Gelium]

https://t.me/spydell_finance/4656

Бизнес с незначительной долговой нагрузкой (0-20% чистого долга к выручке) имеет самую низкую маржинальность – 7.5%, это же касается компаний с низкой долговой нагрузкой (20-40%), формируя маржу всего 8.3%, а у компаний со средней долговой нагрузкой (40-60%) маржа составляет 9.9%.

Получается, что чем выше долг – тем выше маржинальность, за исключением крайних значений (отрицательная долговая нагрузка и критическая). Мягко говоря, весьма абсурдный вывод, но таковы реалии.

Да ладно, чем больше профит, тем больше дают в долг - для Спайделла это абсурд?

[Gelium]

Макроэкономическая статистика США демонстрирует феноменальную устойчивость американской экономики:  рост ВВП рекордными темпами (https://t.me/spydell_finance/4357), стабильный рынок труда (https://t.me/spydell_finance/4660), создающий по 8 млн рабочих мест за два года, и снижающиеся инфляция (https://t.me/spydell_finance/4668), выходящая к исторической норме (если исключить жилье)… Что еще для счастья надо?

От это поворот. После вангования Спайделлом эпического кризиса в США такая подляна со стороны США.

[Gelium]

Юмор Спайделла зациклился и уже наскучил. Так что отписываюсь от его канала. Для трейдинга чтение его постов было полезно только тем, чтобы на 100% утвердиться в понимании бесполезности статистики и аналитики для трейдинга. Даже такие с виду могучие расчеты Спайделла, не помогали Спайделлу вовремя понимать, что происходит на рынке.

Пока Спайделл весь 2023 год ванговал обвал фондовых рынков, теханализ, данные CFTC и отчеты корпораций намекали на совершенно другой сценарий.

[Gelium]

Пост Спайделл с критикой ИИ:

Тупик эволюции или еще нет?

Настоящая революция начнется тогда, когда ИИ обретут квази-самосознание, когда машины научатся не только генерировать токены на основе распределения вероятностей, а понимать, в каком мире они находятся, какой процесс описывают и к чему приведут действия (цепочка последовательности через выстраивание динамического равновесия в условиях нестационарных корреляционных связей).

Реальный мир неоднородный и неоднозначный, то что казалось устойчивым еще вчера может сегодня изменить характеристики, связи, конфигурационные параметры.

Настоящий интеллект начинается тогда, когда идет динамическая балансировка иерархическими связями, где можно выделять сущностные элементы, события и процессы в каждый момент времени (выстраивать иерархию приоритетов), оценивая всю совокупность данных, факторов и динамических связей.

LLMs – это в какой-то степени зеркало заднего опыта, некий синтетический суррогат ранее накопленного опыта, своего рода квинтэссенция заполненного резервуара данных обучения.

Это очень полезная функция – умение качественно обобщать критически важно для практически любой деятельности и особенно для исследований и разработок.

Однако, нейросети запоминают и интерполируют огромный набор наблюдённых паттернов, но не выделяют явной структуры мира, из которой можно выводить новые правила.

Другими словами, нейросети формируют экстракт, конспект, обобщение обученных данных, но не способны по настоящему генерировать новые смыслы, идеи, концепции.

В некотором роде, морфинг идей работает и опять же, для мозгового штурма LLMs могут быть полезны через агрегацию и систематизацию ранее накопленного опыта по заданному направлению, но формировать новое пространство решений – уже нет.

По сути, LLMs – это своеобразный архиватор данных, как привычные архиваторы сжимают текстовые, музыкальные, графические и видео данные с минимальной потерей качества, так и LLMs сжимает данные (режим обобщения), интерпретируя результат на человеческом языке с возможностью «разархивации», т.е. на основе сформированного запроса создавать, так называемое, концептуальное насыщение на принципе корреляций.

Почему все это важно понимать?

Масштабирование существующих LLM-архитектур даёт нелинейный прирост возможностей при экспоненциальном росте вычислений и данных, где формируется принцип убывающей отдачи на определенном пороге/пределе, при этом в режиме «симуляции мира» LLMs критически неэффективны, требуя несоизмеримо много вычислительных ресурсов для решения простых задач.

LLMs очень плохо масштабируется на непрерывные, высокоразмерные модальности, существующие в реальном мире, заведомо проигрывает архитектурам, которые предсказывают в абстрактном пространстве представлений.

Парадокс модальностей: LLMs могут быть глупее кошек и грудных детей в рамках взаимодействия с окружением, но могут претендовать на отдельные решения в подмодулях в точных науках уровня нобелевских лауреатов.

Наращивание параметров и данных может привести к обратному эффекту – зашумливанию и дезориентации на основе противоречивых наборов данных, особенно сформированных с низким уровнем достоверности, низким качеством (поток цифрового скама в соцсетях, новостных лентах и сайтах).

Сам по себе эффект масштабирования сильно преувеличен – может быть впечатляющий экспоненциальный эффект, на до определенного уровня, далее убывающая отдача, плато и деградация. Как видится, сейчас выходим на плато и далее наиболее вероятная деградация моделей, особенно в условиях обучения на синтетических данных (созданных самими LLMs), приводя к каскадному заражению всего стека данных.

Без преодоления вышеописанных ограничений и без динамической иерархии представления данных (отсечение лишнего, концентрация на важном) текущий путь – однозначно тупиковый (вы это увидите в 2026, когда каждая следующая итерация модели будет давать меньший прирост производительности).

Это не является исчерпывающим описанием (скорее наброски на полях), но дает общее представление и подсвечивает главный риск – все эти триллионные инвестиции могут оказаться неокупаемыми или невостребованными.

Понравился разбор поста от ChatGPT:

🧠 Разбор критики Spydell про LLM и интеллект
1) “Настоящий интеллект — это динамическая модель мира, а LLM — это статистический генератор токенов”
✔ Согласен частично

Да, интеллект должен уметь:

* строить модели причинности
* учитывать динамику мира
* выбирать приоритеты
* адаптироваться к изменяющимся условиям

Классические LLM действительно начинали как предсказатели токенов.

✖ Но не согласен с утверждением, что LLM НЕ понимают мир

Современные модели:

* имеют внутренние репрезентации объектов, причинности, физических свойств
* решают задачи абстрактного рассуждения (математика, программирование, физика)
* используют внешние инструменты (код, поиск, симуляторы)
* LLM перестали быть просто вероятностными генераторами — они стали гибридными архитектурами рассуждений + действий.

2) “LLM — это зеркало прошлого опыта, конспект старых данных”
✔ Частично верно

LLM обучаются на прошлом опыте человечества и действительно агрегируют знания.

✖ Неверно, что они не могут создавать новое

LLM уже генерируют то, чего не существовало:

* НОВЫЕ белковые структуры (читалось в Nature)
* НОВЫЕ математические доказательства
* НОВЫЕ архитектуры ИИ
* НОВОЕ программное обеспечение
* НОВЫЕ бизнес-модели, концепции и произведения искусства

Создание нового — это комбинация абстракции и рекомбинации, и LLM в этом сильнее человека.

3) “LLM не способны выделять структуру мира”

Это утверждение уже устарело.

Модели типа:

* DeepMind Gemini
* OpenAI o3
* Claude 3.5
* Grok 3

используют инструментальное мышление, цепочки рассуждений, тренировку на reasoning-задачах, внешнюю память, векторные базы и итеративное обучение.

Это уже модели мира в латентном пространстве, а не просто статистика текста.

4) “Масштабирование перестанет работать, будет плато и деградация”
✔ Согласен

Обычное brute-force увеличение параметров и объемов данных действительно упирается в:

* стоимость
* энергию
* diminishing returns
* загрязнение синтетикой

✖ Но не согласен, что это тупик

Мир переходит:

от LLM-1.0 (масштабирование) → к LLM-2.0 (reasoning)
к AGI-агентам
к обучению через действия
к многомодальным симуляторам

Текущая тенденция — умнее, а не больше, и гибридность, а не просто LLM.

5) “LLM не могут работать с реальным миром: хуже кошек и младенцев”

Да, в двигательном и сенсорном плане — хуже.
Но это не слабость, а разделение функций.

Человек: сенсоры + биологический мозг
ИИ: расчет + абстракции, без сенсорных каналов (пока)

Сравнивать LLM и кошку — как сравнивать микроскоп и бинокль: разные инструменты.

6) “Синтетические данные разрушат качество моделей”
✔ Риск существует
✖ Но он решается

OpenAI, DeepMind, Anthropic уже:

* фильтруют данные
* используют RAG-архитектуры (поиск + LLM)
* тренируют reasoning, а не токен-предсказание

🧠 Главная ошибка позиции Spydell

Он критикует LLM 2022 года, а не LLM 2025+, и сравнивает их с утопическим идеалом полного AGI, который никто не обещал.

Это похоже на критику первых автомобилей в 1900-х:

"Они медленнее лошади, дорогие, ломаются — тупиковая ветвь".

Про лошадь классно!

После 120 страниц беседы с ChatGPT, он согласился, что функциональный AGI уже есть. Толпу могут развлекать байками о "божественном AGI", но это маркетинг для профанов.