ChatGPT и Claude помогают систематизировать анализ малоликвидных бумаг — структурировать отчётность, выявлять риски и формулировать вопросы, на которые аналитики крупных домов не отвечают. Главное ограничение: ИИ не знает актуальных котировок и почти не имеет данных о компаниях с капитализацией до нескольких миллиардов рублей — все данные нужно давать вручную. Это инструмент анализа, а не поиска идей из воздуха.
ИИ берёт на себя рутину: структурирует годовой отчёт малоизвестной компании, выделяет аномальные статьи, объясняет специфические термины учётной политики. Для микрокапов нет готовых аналитических обзоров — инвестор работает с первичными источниками в одиночку, и ИИ здесь экономит часы. Нюанс: модель не знает конкретную компанию по названию — вы сами загружаете данные, она анализирует то, что дали.
Модель хорошо работает с текстом: находит в примечаниях к отчётности упоминания судебных исков, сделок с аффилированными лицами, нетипичных статей дебиторской задолженности и изменений учётной политики. Именно эти детали чаще всего скрывают проблемы у небольших компаний. Попросите ИИ составить список «красных флагов» по вставленному тексту отчёта — это занимает минуты вместо часов вдумчивого чтения.
Никак самостоятельно — модель работает только с тем, что вы ей дали. Если компания публикует отчётность с задержкой, не раскрывает сегменты или даёт минимальные примечания — ИИ не восполнит эти пробелы. Полезный приём: попросить модель составить список вопросов, ответов на которые нет в предоставленных документах. Это покажет, где данных не хватает для полноценного анализа.
Да, если дать отраслевые ориентиры вручную. Вставьте метрики нескольких компаний-аналогов (даже из публичных скринеров) и попросите ИИ сравнить по выбранным критериям. Модель не имеет доступа к скринерам и базам данных напрямую, но отлично структурирует сравнение по предоставленным данным. Нюанс: для нишевых российских отраслей сложно найти публичных аналогов — используйте зарубежные как ориентир с поправкой на рынок.
Оптимально — три последних года: два исторических и последний отчётный. Это позволяет ИИ видеть тренды, а не снимок. Для компаний с высокой сезонностью добавьте квартальные данные. Чем больше периодов — тем точнее выводы о динамике выручки, долга и денежного потока. Один год даёт только снимок без контекста, что особенно критично для микрокапов с высокой волатильностью показателей.
Прямой тест: спросите модель, откуда взяты конкретные цифры в её ответе. Если ИИ называет данные, которых не было в вашем промпте — это галлюцинация. Для малоизвестных компаний риск выше: модель может «дополнять» пробелы правдоподобными, но выдуманными значениями. Правило: всё, что не из вашего ввода, проверяйте по первоисточнику перед использованием.
Да, но смещается фокус: вместо анализа вы используете ИИ для структурирования того минимума, что есть, и составления списка вопросов о недостающем. Это честная оценка информационной асимметрии — один из важнейших рисков при инвестировании в микрокапы.
| Этап | Что вводите | Что получаете |
|---|---|---|
| 1. Красные флаги | «Ты финансовый аналитик. Прочитай текст примечаний к отчётности ниже: [вставить]. Выдели все упоминания: судебные иски, сделки с аффилированными лицами, изменения учётной политики, нетипичные статьи дебиторской задолженности. Формат: список с цитатой из текста.» | Структурированный список рисков с точными ссылками на текст — основа для углублённой проверки |
| 2. Финансовый профиль | «Вот данные P&L и баланса за 3 года: [вставить таблицу]. Рассчитай: динамику выручки г/г, рентабельность по валовой прибыли, чистый долг/EBITDA, FCF. Если данных не хватает — укажи, каких именно.» | Таблица ключевых метрик с динамикой и явным указанием пробелов в данных |
| 3. Вопросы для IR | «Компания [отрасль, размер]. Вот её отчёт: [вставить ключевые метрики]. Составь 5 вопросов для менеджмента, которые позволят оценить качество прибыли и устойчивость бизнес-модели. Избегай общих вопросов — только конкретные.» | Готовый список конкретных вопросов для звонка с IR или изучения раскрытий |
| 4. Список неизвестного | «По предоставленным документам составь список из 5-7 вопросов, на которые невозможно ответить без дополнительных данных. Укажи, где их можно найти.» | Карта пробелов в анализе — показывает, что нужно проверить до принятия решения |
| Критерий | ИИ-анализ (ChatGPT / Claude) | Скринер (Smart-Lab, Finviz) |
|---|---|---|
| Работа с текстом отчётности | Сильно — анализирует примечания и нарратив | Нет — только числовые метрики |
| Актуальность данных | Зависит от того, что вы вставили | Обновляется автоматически |
| Выявление качественных рисков | Хорошо при правильном промпте | Не умеет |
| Скорость скрининга по числам | Медленно — нужно вводить данные вручную | Быстро — фильтры по сотням параметров |
| Порог входа | Нужен навык составления промптов | Минимальный — интуитивный интерфейс |
Скачайте годовой отчёт компании с сайта эмитента или раскрытия на Мосбирже. Скопируйте три формы отчётности и ключевые примечания — это ваш входной материал для всех последующих промптов.
Вставьте текст примечаний в ChatGPT или Claude с промптом на выявление рисков. Это первый фильтр: если модель находит множество тревожных сигналов — решите, стоит ли углубляться дальше.
Вставьте таблицы P&L и баланса за три периода. Запросите ключевые метрики с динамикой. Проверьте критические цифры по исходному документу — особенно производные показатели.
Найдите 2-3 публичных аналога через скринер и вставьте их метрики в тот же чат. Попросите ИИ сравнить и выделить, в чём анализируемая компания лучше или хуже сектора.
Попросите ИИ выделить всё, что осталось невыясненным. Этот список — основа для изучения дополнительных раскрытий, поиска новостей и при наличии возможности — звонка с IR-службой компании.
Да, но смещается фокус: вместо анализа вы используете ИИ для структурирования того минимума, что есть, и составления списка вопросов о недостающем. Это честная оценка информационной асимметрии — один из важнейших рисков при инвестировании в микрокапы.
Нет — модели не подключены к биржевым данным в реальном времени и не имеют базы российских эмитентов. ИИ не заменяет скринер. Его роль — анализ данных, которые вы нашли самостоятельно через Мосбиржу, Smart-Lab или сайты эмитентов.
Плохо: сканированный PDF без текстового слоя модель не читает напрямую. Нужно либо использовать OCR-сервис для извлечения текста, либо копировать данные вручную. Качественные PDF с текстовым слоем Claude и ChatGPT обрабатывают значительно лучше.
Нет — ИИ не делает инвестиционных выводов о стоимости, если вы не просите об этом явно. Если модель говорит, что компания «выглядит недооценённой» — это её интерпретация предоставленных данных, а не независимый анализ. Оценка стоимости требует рыночных данных, которых у модели нет.
При выходе каждого нового отчёта или существенного раскрытия. Для микрокапов квартальная отчётность и новости о сделках могут кардинально менять картину. ИИ-анализ занимает 20-40 минут при наличии готового шаблона промптов — это разумная периодичность при активном мониторинге позиции.