Аналитик с 9-летним опытом. С удовольствием попью с именно с Вами виртуальный кофе ☕

Осознанная траектория: юридическая практика → государственный сектор → внутренний и внешний финансовый анализ (аудит и риск-менеджмент) и AI/ML-проекты. 1) Фундаментальный и технический анализ ценных бумаг: разработал на прикладном экспертом уровне собственную базу данных (формат JSON) для анализа фондового рынка: - Мультипликаторы оценки стоимости (Valuation Ratios) - Показатели прибыльности (Profitability Ratios) - Показатели ликвидности (Liquidity Ratios) - Показатели финансовой устойчивости и левериджа (Leverage/Solvency Ratios) - Показатели оборачиваемости и эффективности (Efficiency/Activity Ratios) - Дивидендные и акционерные показатели (Shareholder & Dividend Ratios) - Рыночные и структурные показатели (Market & Structural Metrics) - Показатели роста (Growth Metrics) - Секторная адаптация - Индикаторы, осцилляторы - Торговые стратегии - Управление риском и многое другое. 2) Имею практический опыт на фондовом рынке: акции США, Китая и РФ, валютная пара USD/RUB. 3) В данный момент прохожу профессиональную переподготовку в Московском институте профессионального образования (МИПО) по программе "Рынок ценных бумаг" на специалиста рынка ценных бумаг и «Машинное обучение» на специалиста в области машинного обучения. Это требуется для Независимой оценки квалификации (НОК) для специалистов финансового рынка (квалификация «Специалист рынка ценных бумаг») (нынешний аналог ФСФР 1.0). Изучаю 39-ФЗ «О рынке ценных бумаг», нормативные акты Банка России, инструменты и инфраструктуру рынка. Отраслевая специализация: энергетика, ЖКХ, строительство — инженерное образование и опыт работы позволяют глубоко анализировать эмитентов этих секторов. 4) Клиентские навыки: опыт продаж и переговоров — умею не только подготовить анализ, но и защитить инвестиционную идею перед клиентом. 5) AI-инструменты: участвовал во внедрении корпоративной RAG-системы (подготовка базы знаний, JSON), применяю ИИ для анализа. 6) Самостоятельная разработка AI-ассистента для анализа российского фондового рынка (MOEX Pro): - Архитектура: RAG-система (Retrieval-Augmented Generation) с векторным поиском на базе TimescaleDB + pgvector, семантический поиск по эмбеддингам (модель all-MiniLM-L6-v2). - Интеграция с реальными источниками данных: T-Invest API (брокер Т-Банк), MOEX ISS (официальный сервер Московской биржи), DuckDuckGo Web Search, RSS-ленты финансовых СМИ. - Локальная LLM: Qwen на GPU Nvidia Tesla v100 (32GB) и RTX 3060 (12 GB), streaming-генерация ответов, контекстное окно 32K токенов. - База знаний: 474 торговые стратегии, фундаментальные метрики, правила риск-менеджмента в формате JSON с векторными эмбеддингами. - Реализованы: система анти-галлюцинаций, fallback-механизм при сбоях API, жесткий фильтр релевантности новостей, синтез мульти-таймфреймового анализа. - Стек: Python, Streamlit, PostgreSQL/TimescaleDB, pgvector, Ollama, HuggingFace (Sentence Transformers), Plotly, T-Invest SDK, MOEX ISS API.