Ипотека: рынок потихоньку восстанавливается
За октябрь 2025 в России было выдано ипотечных кредитов на 489.8 миллиардов рублей - рост на 33.4% по сравнению с октябрём прошлого года (367 миллиардов), но на фоне 770 миллиардов в октябре 2023 смотрится это всё равно достаточно бледно.
Интересно, что темпы восстановления в Москве оказались ниже, чем в среднем по стране: +19% к прошлому октябрю и весьма ощутимые -40% к октябрю 2023 (против +33.4% к прошлому и -36.4% к 2023). А вот в Московской области цифры на уровне (и даже чуть-чуть лучше) средних по стране!
За октябрь 2025 в России было выдано ипотечных кредитов на 489.8 миллиардов рублей - рост на 33.4% по сравнению с октябрём прошлого года (367 миллиардов), но на фоне 770 миллиардов в октябре 2023 смотрится это всё равно достаточно бледно.
Интересно, что темпы восстановления в Москве оказались ниже, чем в среднем по стране: +19% к прошлому октябрю и весьма ощутимые -40% к октябрю 2023 (против +33.4% к прошлому и -36.4% к 2023). А вот в Московской области цифры на уровне (и даже чуть-чуть лучше) средних по стране!
👍5🤣2❤1
Просроченная задолженность по зарплате: регионы-лидеры
Всего по состоянию на конец октября 2025, работодатели в России задолжали своим сотрудников чуть больше 2 миллиардов рублей зарплаты (2156 миллионов, если точно).
Четверть этой суммы, при этом, приходится на один-единственный Краснодарский край: 544 миллиона долгов! Следом со значительным отставанием идут Кемеровская (255 млн, 11.8% от суммы по стране) и Тверская (242, 11.2%) области.
В лидерах также: Нижегородская область (207 млн долгов), Сахалин (106 млн) и Вологда (101 млн).
А в 33 регионах и вовсе нет просроченной задолженности по зарплате! В их числе - и ряд крупных регионов: Питер, Ростовская область, многие республики Кавказа, Татарстан, Тюменская область и многие другие.
Всего по состоянию на конец октября 2025, работодатели в России задолжали своим сотрудников чуть больше 2 миллиардов рублей зарплаты (2156 миллионов, если точно).
Четверть этой суммы, при этом, приходится на один-единственный Краснодарский край: 544 миллиона долгов! Следом со значительным отставанием идут Кемеровская (255 млн, 11.8% от суммы по стране) и Тверская (242, 11.2%) области.
В лидерах также: Нижегородская область (207 млн долгов), Сахалин (106 млн) и Вологда (101 млн).
А в 33 регионах и вовсе нет просроченной задолженности по зарплате! В их числе - и ряд крупных регионов: Питер, Ростовская область, многие республики Кавказа, Татарстан, Тюменская область и многие другие.
👍3😢3🤔1
Индексы предпринимательской уверенности в ноябре 2025 остались в отрицательной зоне
При этом индекс в добывающих отраслях последний раз был в "плюсе" ровно год назад (в ноябре 2024), а для индекса в обрабатывающих производствах это уже четвёртый подряд месяц пребывания в "минусе". Не очень приятные цифры.
Главные негативные факторы (и в добыче, и в обработке) - это общий спрос на продукцию (оценки по нему глубоко отрицательные уже давно - но падать в последние месяцы перестали), и, для обработки, объём выпуска продукции (тут пока преобладает позитив, но он снижается), снижающийся вместе со снижением численности занятых.
При этом индекс в добывающих отраслях последний раз был в "плюсе" ровно год назад (в ноябре 2024), а для индекса в обрабатывающих производствах это уже четвёртый подряд месяц пребывания в "минусе". Не очень приятные цифры.
Главные негативные факторы (и в добыче, и в обработке) - это общий спрос на продукцию (оценки по нему глубоко отрицательные уже давно - но падать в последние месяцы перестали), и, для обработки, объём выпуска продукции (тут пока преобладает позитив, но он снижается), снижающийся вместе со снижением численности занятых.
👍4🤔2😢1
Брокеры: клиентов всё больше, а вот денег...
У нас сейчас довольно много говорят о развитии фондового рынка, новых IPO и всё вот этом вот - но ситуация у брокеров, судя по цифрам ЦБ, довольно неоднозначная.
С одной стороны, число клиентов растёт и достигло 53.5 миллионов человек в 3 квартале 2025! В начале 2024, для сравнения, у брокеров было 40.9 млн. человек клиентов. Правда, доля активных клиентов за этот же период упала с 11.6% (4.75 миллиона человек в 1 квартале 2024) до 10.5% (5.6 млн в 3 квартале 2025).
Объём активов на брокерских счетах потихоньку растёт, но вот поступления - практически не растут, а объём вывода средств в некоторые периоды (2 квартал 2025, к примеру) превышает объём поступлений. В общем, неоднозначно всё
У нас сейчас довольно много говорят о развитии фондового рынка, новых IPO и всё вот этом вот - но ситуация у брокеров, судя по цифрам ЦБ, довольно неоднозначная.
С одной стороны, число клиентов растёт и достигло 53.5 миллионов человек в 3 квартале 2025! В начале 2024, для сравнения, у брокеров было 40.9 млн. человек клиентов. Правда, доля активных клиентов за этот же период упала с 11.6% (4.75 миллиона человек в 1 квартале 2024) до 10.5% (5.6 млн в 3 квартале 2025).
Объём активов на брокерских счетах потихоньку растёт, но вот поступления - практически не растут, а объём вывода средств в некоторые периоды (2 квартал 2025, к примеру) превышает объём поступлений. В общем, неоднозначно всё
👍5😢4❤1
Промпроизводство в октябре 2025: региональный разрез
В среднем по стране, индекс промышленного производства в октябре 2025 вырос на 3.1% по сравнению с октябрём 2024, при этом разброс по регионам очень значительный: от -14.8% (Мурманская область) до +37.1% (Калининградская область).
В антилидерах, помимо Мурманска, также оказались Астрахань (-14.7%) и Брянск (-14.1%); падение более, чем на 10%, отмечено также в Ставрополье, Костромской и Самарской областях и Марий Эл.
В лидерах роста, кроме Калининграда: Курганская область (+30.4%), Севастополь (+30.2%) и Дагестан (+28.7%), более скромные (около +20%) цифры зафиксированы в Ингушетии и Калужской области.
В среднем по стране, индекс промышленного производства в октябре 2025 вырос на 3.1% по сравнению с октябрём 2024, при этом разброс по регионам очень значительный: от -14.8% (Мурманская область) до +37.1% (Калининградская область).
В антилидерах, помимо Мурманска, также оказались Астрахань (-14.7%) и Брянск (-14.1%); падение более, чем на 10%, отмечено также в Ставрополье, Костромской и Самарской областях и Марий Эл.
В лидерах роста, кроме Калининграда: Курганская область (+30.4%), Севастополь (+30.2%) и Дагестан (+28.7%), более скромные (около +20%) цифры зафиксированы в Ингушетии и Калужской области.
👍5❤1🔥1
Демография организаций в октябре 2025
В октябре этого года в России было зарегистрировано 16244 компании, а ликвидировано - 17412, в пересчёте на тысячу действующих компаний получаем -0.4 организации (на 1000) за месяц.
При этом в антилидере - Ярославской области - за октябрь 2025 число компаний уменьшилось на 22.6 на тысячу (-2.26% от общего числа организаций всего за месяц!). В других регионах-лидерах по снижению числа компаний падение заметно скромнее: -4.1 на тысячу в Бурятии, -3.6 - в Смоленской области, -3.1 - в Ивановской, -3 - в Башкортостане.
В лидерах по увеличению числа компаний - Чечня (+8.6 на тысячу), Чукотка (+8.4) и Калмыкия с Калужской областью (по +8.2)
В октябре этого года в России было зарегистрировано 16244 компании, а ликвидировано - 17412, в пересчёте на тысячу действующих компаний получаем -0.4 организации (на 1000) за месяц.
При этом в антилидере - Ярославской области - за октябрь 2025 число компаний уменьшилось на 22.6 на тысячу (-2.26% от общего числа организаций всего за месяц!). В других регионах-лидерах по снижению числа компаний падение заметно скромнее: -4.1 на тысячу в Бурятии, -3.6 - в Смоленской области, -3.1 - в Ивановской, -3 - в Башкортостане.
В лидерах по увеличению числа компаний - Чечня (+8.6 на тысячу), Чукотка (+8.4) и Калмыкия с Калужской областью (по +8.2)
👍3🤔2😱2
Структура активов домашних хозяйств: динамика последних лет
С начала 2024 года суммарный объём активов российских домохозяйств прибавил порядка 20%: он вырос со 100 с небольшим триллионов рублей до нынешних 120+ триллионов.
При этом основной рост пришёлся на депозиты: они выросли на 18 триллионов (с 54 до 72 трлн: +33.3% за неполные два года). Относительные цифры роста в акциях выглядят даже чуть лучше: +35.7%, но они составляют очень небольшую долю суммарных активов (18 трлн рублей на 1 ноября 2025).
А вот запасы наличности у россиян с начала 2024 снизились: на символические 3.4%, и всё это уменьшение - за счёт снижения запасов иностранной валюты, но сам факт!
С начала 2024 года суммарный объём активов российских домохозяйств прибавил порядка 20%: он вырос со 100 с небольшим триллионов рублей до нынешних 120+ триллионов.
При этом основной рост пришёлся на депозиты: они выросли на 18 триллионов (с 54 до 72 трлн: +33.3% за неполные два года). Относительные цифры роста в акциях выглядят даже чуть лучше: +35.7%, но они составляют очень небольшую долю суммарных активов (18 трлн рублей на 1 ноября 2025).
А вот запасы наличности у россиян с начала 2024 снизились: на символические 3.4%, и всё это уменьшение - за счёт снижения запасов иностранной валюты, но сам факт!
👍4🔥1🤔1
Доля убыточных организаций в разных регионах России
В среднем по стране, в январе-сентябре 2025 29.3% организаций были убыточными (суммарно: 6.5 трлн рублей убытков против 25.75 трлн суммарной прибыли у прибыльных организаций).
Больше всего убыточных организаций в Тыве (50.9%), Карелии (50.5%) и НАО (50%). Меньше половины, но больше 40%, организаций показали убыток ещё в 8 регионах: Астрахань, Сахалин, Северная Осетия, Калмыкия, Чукотка, Коми, Якутия и Псков.
Меньше всего (меньше четверти!) организаций показали убыток в 10 регионах: это в основном регионы Кавказа (20.6% в Ингушетии, 21.1% - в Чечне), Московская область, Питер и ряд других регионов.
В Москве, что интересно, цифры чуть хуже средних: 30.7% убыточных организаций.
В среднем по стране, в январе-сентябре 2025 29.3% организаций были убыточными (суммарно: 6.5 трлн рублей убытков против 25.75 трлн суммарной прибыли у прибыльных организаций).
Больше всего убыточных организаций в Тыве (50.9%), Карелии (50.5%) и НАО (50%). Меньше половины, но больше 40%, организаций показали убыток ещё в 8 регионах: Астрахань, Сахалин, Северная Осетия, Калмыкия, Чукотка, Коми, Якутия и Псков.
Меньше всего (меньше четверти!) организаций показали убыток в 10 регионах: это в основном регионы Кавказа (20.6% в Ингушетии, 21.1% - в Чечне), Московская область, Питер и ряд других регионов.
В Москве, что интересно, цифры чуть хуже средних: 30.7% убыточных организаций.
👍4🤔2😢1
Мысли, планы и с Наступающим!
Дорогие читатели, с момента последнего поста (почти три недели назад!) я немного пропал: увы, декабрь - месяц тяжёлый. Конец года, экзамены, финал любимого DANO (олимпиады по анализу данных для школьников), не до постов было.
К вопросу о DANO - короткая ремарка. Я как-то пару лет назад уже писал про него, и за это время у нас случился какой-то переход из количества в качество: в этом году, мне кажется, впервые, мы увидели много правда очень качественных и осмысленных(!) проектов, с разумной задачей, аккуратным и осознанным применением методов и действительно полезными выводами на выходе. Вот тут где-то однажды появятся работы победителей, можете полистать презентации, там правда много интересного)
StatSpace всё так же (пускай и несколько иррегулярно) поставляет вам в ленту разную актуальную и интересную (надеюсь)) статистику, каждый месяц мы всё так же публикуем наукасты, в общем, процессы более-менее наладились, и, наверное, это знак, что в следующем году надо таки делать что-то новое! Буду над этим работать))
Спасибо, что читали в этом году - и пусть статистика в новом году будет всех нас исключительно радовать! Чтоб инфляция была у 4% таргета, ВВП рос вместе с фондовым рынком, реальными доходами и уровнем жизни, средняя квартира в хорошем месте стоила не больше среднегодового дохода, ну и всё вот такое вот! С Наступающим!
И увидимся после праздников :)
Дорогие читатели, с момента последнего поста (почти три недели назад!) я немного пропал: увы, декабрь - месяц тяжёлый. Конец года, экзамены, финал любимого DANO (олимпиады по анализу данных для школьников), не до постов было.
К вопросу о DANO - короткая ремарка. Я как-то пару лет назад уже писал про него, и за это время у нас случился какой-то переход из количества в качество: в этом году, мне кажется, впервые, мы увидели много правда очень качественных и осмысленных(!) проектов, с разумной задачей, аккуратным и осознанным применением методов и действительно полезными выводами на выходе. Вот тут где-то однажды появятся работы победителей, можете полистать презентации, там правда много интересного)
StatSpace всё так же (пускай и несколько иррегулярно) поставляет вам в ленту разную актуальную и интересную (надеюсь)) статистику, каждый месяц мы всё так же публикуем наукасты, в общем, процессы более-менее наладились, и, наверное, это знак, что в следующем году надо таки делать что-то новое! Буду над этим работать))
Спасибо, что читали в этом году - и пусть статистика в новом году будет всех нас исключительно радовать! Чтоб инфляция была у 4% таргета, ВВП рос вместе с фондовым рынком, реальными доходами и уровнем жизни, средняя квартира в хорошем месте стоила не больше среднегодового дохода, ну и всё вот такое вот! С Наступающим!
И увидимся после праздников :)
❤5🔥4👍3
Немного о сценарном прогнозировании
#лонгрид
#статьи
Выходим из праздников продуктивно: сразу с лонгридом по довольно интересной статье о сценарном прогнозировании!
Статья фокусируется на изучении различий между прогнозами при разных сценариях (к примеру, разные прогнозы курса при разных сценарных ценах на нефть - будем дальше обсуждать результаты именно на этом примере). В целом, задача выглядит стандартной и довольно простой: оцениваем модель, описывающую связь зависимой переменной (курса) с какими-нибудь объясняющими (чем полнее набор, тем лучше - это нам завещали и теоретические основы эконометрики, и точность полученных прогнозов). Потом подставляем сценарные значения для объясняющих (используя несколько разных сценариев для цен на нефть и одни и те же сценарии для прочих объясняющих переменных - это важно) - и готово!
Но, как выясняется, не всё так просто.
Главная проблема такого подхода заключается в том, что меняя сценарий только для одной объясняющей переменной (цен на нефть), мы игнорируем её возможное влияние на остальные объясняющие переменные (скажем, темпы роста ВВП, инфляцию и всё вот это вот), из-за чего утверждения вида "при нефти в 100 долларов за баррель курс будет 70, а при нефти в 50 долларов за баррель курс будет на 15 рублей выше" неверны - потому что предполагают, что при нефти в 50 темпы роста ВВП, инфляция и прочие включённые в модель объясняющие переменные будут такими же, как при нефти в 100. А это, очевидно, не так.
Что делать? Ну, вариант "согласовывать в каждом сценарии траектории всех регрессоров" есть, но он достаточно сложен в реализации (потому что некорректное согласование, опять же, приведёт к некорректным оценкам). Авторы работы выделяют два простых случая, в которых понятно что делать (и случаи, в которых непонятно, что делать - тоже).
Первый случай совсем простой: если мы верим, что изменение одной объясняющей переменной никак не влияет на остальные, то мы можем делать всё то же самое, что обычно и делается, и всё будет правильно. Довольно очевидно.
Второй случай интереснее: если есть связи между объясняющими переменными, но они постоянные во времени (как минимум, они одинаковы на тестовой и обучающей выборке), то "стандартный подход" не будет работать корректно, НО если оценить модель только с одной объясняющей переменной (парную регрессию курса на цену на нефть, без остальных объясняющих переменных), то разница в прогнозных значениях курса при разных сценариях будет состоятельной (будет оценена корректно!).
Интуитивно это работает так: оценивая модель с пропущенными переменными, мы их влияние "запихиваем" в коэффициент при оставшейся (цене на нефть), и этот коэффициент теперь учитывает не только прямое влияние цены на нефть, но и косвенное, через пропущенные в модели переменные. Оценка коэффициента становится неправильной, но зато при изменении сценария мы видим общий эффект (не только прямой, но и косвенный)!
На самом деле, совершенно удивительный для эконометрики результат: чтобы получить состоятельную оценку, нам надо использовать неправильно специфицированную модель (с пропущенными переменными)!
Третий случай тоже существует - связи между объясняющими переменными есть, но они меняются. В этом случае, к сожалению, никакого простого решения не существует.
#лонгрид
#статьи
Выходим из праздников продуктивно: сразу с лонгридом по довольно интересной статье о сценарном прогнозировании!
Статья фокусируется на изучении различий между прогнозами при разных сценариях (к примеру, разные прогнозы курса при разных сценарных ценах на нефть - будем дальше обсуждать результаты именно на этом примере). В целом, задача выглядит стандартной и довольно простой: оцениваем модель, описывающую связь зависимой переменной (курса) с какими-нибудь объясняющими (чем полнее набор, тем лучше - это нам завещали и теоретические основы эконометрики, и точность полученных прогнозов). Потом подставляем сценарные значения для объясняющих (используя несколько разных сценариев для цен на нефть и одни и те же сценарии для прочих объясняющих переменных - это важно) - и готово!
Но, как выясняется, не всё так просто.
Главная проблема такого подхода заключается в том, что меняя сценарий только для одной объясняющей переменной (цен на нефть), мы игнорируем её возможное влияние на остальные объясняющие переменные (скажем, темпы роста ВВП, инфляцию и всё вот это вот), из-за чего утверждения вида "при нефти в 100 долларов за баррель курс будет 70, а при нефти в 50 долларов за баррель курс будет на 15 рублей выше" неверны - потому что предполагают, что при нефти в 50 темпы роста ВВП, инфляция и прочие включённые в модель объясняющие переменные будут такими же, как при нефти в 100. А это, очевидно, не так.
Что делать? Ну, вариант "согласовывать в каждом сценарии траектории всех регрессоров" есть, но он достаточно сложен в реализации (потому что некорректное согласование, опять же, приведёт к некорректным оценкам). Авторы работы выделяют два простых случая, в которых понятно что делать (и случаи, в которых непонятно, что делать - тоже).
Первый случай совсем простой: если мы верим, что изменение одной объясняющей переменной никак не влияет на остальные, то мы можем делать всё то же самое, что обычно и делается, и всё будет правильно. Довольно очевидно.
Второй случай интереснее: если есть связи между объясняющими переменными, но они постоянные во времени (как минимум, они одинаковы на тестовой и обучающей выборке), то "стандартный подход" не будет работать корректно, НО если оценить модель только с одной объясняющей переменной (парную регрессию курса на цену на нефть, без остальных объясняющих переменных), то разница в прогнозных значениях курса при разных сценариях будет состоятельной (будет оценена корректно!).
Интуитивно это работает так: оценивая модель с пропущенными переменными, мы их влияние "запихиваем" в коэффициент при оставшейся (цене на нефть), и этот коэффициент теперь учитывает не только прямое влияние цены на нефть, но и косвенное, через пропущенные в модели переменные. Оценка коэффициента становится неправильной, но зато при изменении сценария мы видим общий эффект (не только прямой, но и косвенный)!
На самом деле, совершенно удивительный для эконометрики результат: чтобы получить состоятельную оценку, нам надо использовать неправильно специфицированную модель (с пропущенными переменными)!
Третий случай тоже существует - связи между объясняющими переменными есть, но они меняются. В этом случае, к сожалению, никакого простого решения не существует.
👍5❤3🔥2
Цены в январе 2026
А вот и долгожданные первые цифры по инфляции в 2026 году от Росстата - и они не радуют. Налоги, сезонность, индексация тарифов на транспорт - всё это создаёт довольно апокалиптическую картину.
За первые 12 дней нового года цены в России прибавили впечатляющие 1.26% - это по 0.104% в день (в прошлом январе, для сравнения, было по +0.039% в день, а в ноябре 2025 - по 0.014% в день).
В лидерах роста (ожидаемо: сезонность) овощи-фрукты: +21.3% на огурцы и +13.5% на помидоры выглядят жутковато. Транспорт подорожал в диапазоне от 3.8% (автобусы) до 10.7% (метро), коммуналка прибавляет больше 1%, но и некоторые другие услуги не отстают: +2% к ценам на мойку автомобилей!
В продовольствии (не овощах-фруктах) картина получше, есть даже символические снижения цен, в непродах - ещё лучше (спасибо подешевевшей после предновогоднего ажиотажа технике).
В целом же - цифры в моменте не радуют, но через неделю (когда не будет эффекта праздников и выраженного эффекта роста НДС и тарифов), полагаю, станет понятнее, что у нас на самом деле происходит с ценами
А вот и долгожданные первые цифры по инфляции в 2026 году от Росстата - и они не радуют. Налоги, сезонность, индексация тарифов на транспорт - всё это создаёт довольно апокалиптическую картину.
За первые 12 дней нового года цены в России прибавили впечатляющие 1.26% - это по 0.104% в день (в прошлом январе, для сравнения, было по +0.039% в день, а в ноябре 2025 - по 0.014% в день).
В лидерах роста (ожидаемо: сезонность) овощи-фрукты: +21.3% на огурцы и +13.5% на помидоры выглядят жутковато. Транспорт подорожал в диапазоне от 3.8% (автобусы) до 10.7% (метро), коммуналка прибавляет больше 1%, но и некоторые другие услуги не отстают: +2% к ценам на мойку автомобилей!
В продовольствии (не овощах-фруктах) картина получше, есть даже символические снижения цен, в непродах - ещё лучше (спасибо подешевевшей после предновогоднего ажиотажа технике).
В целом же - цифры в моменте не радуют, но через неделю (когда не будет эффекта праздников и выраженного эффекта роста НДС и тарифов), полагаю, станет понятнее, что у нас на самом деле происходит с ценами
❤3👍3😱3💩2