Большой отчёт эмитента раньше был задачей на вечер: скачать PDF, найти отчёт о прибылях и убытках, баланс, денежные потоки, примечания, вручную посчитать мультипликаторы и попытаться понять, не спрятаны ли риски в середине документа. Теперь часть этой рутины можно переложить на языковую модель, то есть LLM — большую языковую модель, которая умеет читать текст, таблицы и отвечать на вопросы по документу. Главное слово здесь — «часть». ChatGPT, Claude, DeepSeek, GigaChat или YandexGPT не становятся вашим аналитиком и не дают готовую инвестиционную рекомендацию. Их нормальная роль — ускорить первичную работу: вытащить цифры, объяснить изменения, собрать список вопросов, сравнить периоды, найти противоречия и подготовить черновик анализа. Решение покупать, держать или продавать акцию всё равно остаётся за человеком. Хороший сценарий выглядит так: за 30 минут получить понятную карту отчёта, увидеть ключевые драйверы прибыли, проверить долговую нагрузку, найти «красные флаги» и составить список того, что нужно перепроверить вручную. Плохой сценарий — загрузить PDF, попросить «скажи, покупать ли акции», получить уверенный ответ с ошибочными цифрами и принять его за истину.
Почему LLM в 2026 умеют читать МСФО
МСФО — это международные стандарты финансовой отчётности. По ним отчитываются многие крупные компании, включая банки, нефтегазовые компании и международных эмитентов. В США аналогом для публичных компаний часто выступает форма 10-K — годовой отчёт компании перед SEC, американским регулятором рынка ценных бумаг. До недавнего времени языковые модели были неудобны для таких документов по простой причине: отчёты слишком длинные. Обычный годовой отчёт может занимать 150–300 страниц, а банковская отчётность с примечаниями и раскрытиями — ещё больше. Если модель «помнит» только небольшой кусок текста, она теряет контекст: видит прибыль, но не видит качество активов, видит выручку, но не видит денежный поток. В 2026 году ситуация стала лучше из-за трёх вещей. Первая — длинный контекст. Контекстное окно — это объём текста, который модель может удерживать в одной сессии. На странице OpenAI о GPT-5.4 указано, что модель поддерживает до 1 млн токенов контекста. Токен — это небольшой фрагмент текста: слово, часть слова или знак. В пересчёте на страницы это не точная величина, но для практики инвестора означает главное: в один запрос можно загрузить очень большой документ или несколько документов сразу. У Claude ситуация зависит от конкретной модели и тарифа. В документации Anthropic по context windows для Claude Sonnet 4.5 указан контекст 200 тыс. токенов, а у более новых моделей линейки Claude есть варианты с большим контекстом. Для частного инвестора даже 200 тыс. токенов уже достаточно, чтобы разобрать крупный текстовый отчёт, но с PDF, изображениями и таблицами лимиты могут сработать раньше. Вторая причина — мультимодальность. Мультимодальность означает, что модель умеет работать не только с обычным текстом, но и с файлами, картинками, сканами, графиками и таблицами. Это важно, потому что отчётность редко бывает идеальным текстом. В PDF могут быть таблицы, сноски, графики, диаграммы, скриншоты презентаций для инвесторов. Третья причина — модели стали лучше следовать инструкциям. Для фундаментального анализа это критично. Нужен не красивый пересказ, а дисциплина: «укажи источник цифры», «не делай вывод без страницы отчёта», «раздели факт и интерпретацию», «найди, где ты можешь ошибаться». Важно не переоценивать технологию. Даже самая сильная модель может перепутать период, сложить несопоставимые показатели, не заметить, что прибыль разовая, или уверенно сослаться на несуществующую страницу. Поэтому подход должен быть не «нейросеть вместо анализа», а «нейросеть как ускоритель первичной проверки».Подготовка данных: как структурировать отчёт перед загрузкой
Перед загрузкой отчёта лучше потратить 5–7 минут на подготовку. Это кажется лишним, но именно подготовка часто отделяет полезный ответ от набора общих фраз. Минимальный набор документов:- sber_ifrs_q1_2026.pdf
- sber_ifrs_12m_2025.pdf
- sber_presentation_q1_2026.pdf
- sber_market_data_2026-05-18.txt
`text
Дата: 18 мая 2026
Эмитент: Сбербанк
Тикер: SBER
Цель анализа: первичный фундаментальный разбор, не инвестиционная рекомендация
Нужно проверить: прибыль, ROE, капитал, качество кредитного портфеля, дивиденды, риски процентной ставки
`
ROE — return on equity, рентабельность капитала. Показатель показывает, сколько прибыли компания зарабатывает на собственный капитал. P/E — price to earnings, отношение цены компании к прибыли. Debt/Equity — отношение долга к собственному капиталу. Для банков этот показатель применяют осторожно, потому что банк по природе работает с привлечёнными средствами, а долговая нагрузка оценивается иначе, чем у промышленной компании.
Если отчёт большой, не начинайте с просьбы «проанализируй всё». Лучше дать модели роль и рамки:
`text
Ты помогаешь частному инвестору сделать первичный фундаментальный анализ отчётности. Не давай инвестиционных рекомендаций. Разделяй факты из отчёта, расчёты и интерпретации. Если цифры нет в документе, так и пиши. Для каждого вывода указывай, на какой раздел отчёта он опирается.
`
После этого можно идти по этапам: сначала структура отчёта, потом ключевые цифры, затем риски, потом проверка.
7 рабочих промптов: SWOT, ROE, P/E, Debt/Equity, «красные флаги»
Промпт — это инструкция для модели. Хороший промпт не должен быть длинным ради длины. Он должен задавать задачу, формат ответа и ограничения.1. Быстрая карта отчёта
`text
Разбери загруженный отчёт эмитента. Составь карту документа: какие основные разделы есть, где находятся отчёт о прибылях и убытках, баланс, денежные потоки, примечания, описание рисков и комментарии менеджмента. Ответ дай таблицей: раздел, зачем он нужен инвестору, какие вопросы по нему проверить.
`
Этот промпт нужен в самом начале. Он экономит время на навигации и помогает понять, где искать важное.
2. Главное за период
`text
Сделай краткое резюме финансовых результатов за период. Отдельно покажи: выручку или чистый процентный доход, чистую прибыль, маржу, денежный поток, капитал, долг или обязательства, дивиденды. Сравни с прошлым годом или прошлым кварталом, если данные есть в отчёте. Не делай выводов без цифр.
`
Для банка вместо выручки чаще смотрят чистый процентный доход — разницу между процентными доходами и процентными расходами. Для нефтегазовой компании важнее выручка, EBITDA, капитальные затраты и свободный денежный поток. EBITDA — прибыль до процентов, налогов, износа и амортизации; показатель часто используют для сравнения компаний, но он не равен деньгам на счету.
3. SWOT-анализ
SWOT — это разбор сильных сторон, слабых сторон, возможностей и угроз. Для инвестора это не красивая бизнес-презентация, а способ быстро разложить историю компании.`text
Сделай SWOT-анализ эмитента только на основе загруженного отчёта. Не добавляй внешние факты. Для каждого пункта укажи подтверждение из отчёта и уровень уверенности: высокий, средний или низкий.
`
Слабый ответ будет выглядеть так: «сильный бренд, высокая прибыль, риски конкуренции». Полезный ответ будет конкретнее: «рост чистой прибыли при одновременном снижении маржи», «зависимость от ключевой ставки», «рост резервов по кредитам», «возможность увеличения дивидендов при сохранении капитала».
4. ROE и качество прибыли
`text
Рассчитай или найди ROE за период. Объясни, за счёт чего изменилась рентабельность капитала: рост прибыли, изменение капитала, разовые доходы, резервы, переоценки или операционная эффективность. Если данных недостаточно для расчёта, перечисли, каких строк не хватает.
`
Для банков ROE особенно важен, потому что бизнес строится вокруг капитала и риска. Но высокий ROE не всегда означает «хорошо». Если он получен за счёт повышенного риска, низких резервов или разового дохода, качество такого результата ниже.
5. P/E и сравнение с историей
`text
Используя прибыль за последние 12 месяцев и текущую рыночную капитализацию, рассчитай P/E. Если капитализация не указана в документах, попроси меня дать её отдельно. Объясни, что означает получившийся P/E, но не делай вывода "дёшево" или "дорого" без сравнения с историей компании и сектором.
`
P/E показывает, за сколько лет текущая прибыль условно «окупает» стоимость компании. Но это очень грубая логика. Низкий P/E может означать недооценку, а может означать санкционные риски, падение будущей прибыли, слабые дивиденды или недоверие рынка.
6. Debt/Equity и долговая нагрузка
`text
Оцени долговую нагрузку эмитента. Для нефинансовой компании рассчитай Debt/Equity и Net Debt/EBITDA, если есть данные. Для банка не используй Debt/Equity как главный вывод, а проверь достаточность капитала, качество кредитного портфеля, долю просрочки и резервы. Объясни разницу.
`
Net Debt/EBITDA — отношение чистого долга к EBITDA. Чистый долг — это долг минус деньги и их эквиваленты. Для промышленной компании показатель помогает понять, насколько долг тяжёлый относительно операционной прибыли. Для банка логика другая: обязательства — это часть бизнес-модели, поэтому важнее капитал, ликвидность и качество активов.
7. Красные флаги и обратная проверка
`text
Найди потенциальные красные флаги в отчёте: ухудшение денежного потока, рост долга, падение маржи, рост резервов, разовые доходы, ухудшение качества активов, зависимость от одного рынка или регулятора. Для каждого флага укажи: факт, почему это риск, что нужно перепроверить вручную.
`
После ответа задайте обратный промпт:
`text
Теперь проверь свой предыдущий анализ. Найди 5 мест, где ты мог ошибиться: неверно прочитал таблицу, перепутал период, сделал вывод без данных, использовал неподходящий мультипликатор или не учёл примечания. Исправь ответ.
`
Именно обратная проверка часто ловит самые неприятные ошибки.
Кейс: разбор отчёта Сбербанка через ChatGPT и Claude
Возьмём Сбер как понятный пример для российского инвестора. По данным Сбера, чистая прибыль группы за 12 месяцев 2025 года по МСФО составила 1 705,9 млрд рублей. Эти данные опубликованы в сокращённых результатах МСФО за 12 месяцев 2025 года. За 1 квартал 2026 года, по сообщению Сбера от 29 апреля 2026 года, чистая прибыль составила 507,9 млрд рублей по МСФО; источник — результаты МСФО за Q1 2026. Задача не в том, чтобы спросить модель: «Покупать Сбер?». Правильная задача: «Собери первичный фундаментальный разбор и список вопросов». Пример рабочего сценария на 30 минут. Первые 5 минут — загрузка документов и карта отчёта. Загружаете отчёт за 12 месяцев 2025 года, отчёт за 1 квартал 2026 года и презентацию, если она есть. Просите модель сделать карту документа и выделить ключевые таблицы. Следующие 10 минут — финансовая динамика. Модель должна отдельно показать прибыль, чистый процентный доход, комиссионные доходы, расходы на резервы, капитал, ROE и дивидендную политику. Если модель не указывает источник цифры, ответ надо считать черновиком. Следующие 10 минут — риски. Для банка это обычно:- зависимость от ключевой ставки;
- качество кредитного портфеля;
- динамика резервов;
- достаточность капитала;
- санкционные и регуляторные ограничения;
- устойчивость дивидендов.
Защита от галлюцинаций: двойная проверка и «обратные» промпты
Галлюцинация — это ситуация, когда модель уверенно выдаёт неверный факт, придумывает цифру, ссылку, страницу отчёта или причинно-следственную связь. В финансовом анализе это опаснее, чем в обычном тексте. Ошибка в одной строке может привести к неправильному выводу о компании. Есть несколько правил, которые резко снижают риск. Первое правило: просите источники внутри документа. Не просто «чистая прибыль выросла», а «укажи, из какого раздела отчёта взята цифра». Если модель не может указать источник, цифру нельзя использовать. Второе правило: разделяйте факт, расчёт и интерпретацию.`text
Раздели ответ на три колонки: факт из отчёта, расчёт, интерпретация. Если интерпретация не следует напрямую из факта, пометь её как гипотезу.
`
Третье правило: используйте обратные промпты. Модель должна спорить сама с собой:
`text
Представь, что ты риск-менеджер и хочешь опровергнуть этот инвестиционный тезис. Какие 7 аргументов против ты найдёшь в отчёте?
`
Четвёртое правило: проверяйте арифметику отдельно. LLM не всегда надёжный калькулятор. Если нужно точное значение P/E, Debt/Equity или темпа роста, лучше дать модели формулу и затем проверить расчёт в Excel, Google Sheets или калькуляторе.
Пятое правило: не смешивайте документы без маркировки. Если загружены отчёт за 2025 год, отчёт за Q1 2026 и презентация, модель может случайно перепутать периоды. Поэтому в запросе нужно писать:
`text
При каждом числовом показателе указывай период: 12М 2025, Q1 2026 или другой. Не сравнивай квартал с годом без пересчёта.
`
Шестое правило: просите список неопределённостей. Хороший анализ не обязан быть уверенным везде.
`text
Составь список вопросов, на которые отчёт не даёт полного ответа. Для каждого вопроса укажи, какой внешний источник нужен: презентация менеджмента, звонок с инвесторами, данные ЦБ, отраслевой отчёт или котировки.
`
Такой подход делает модель не «оракулом», а помощником, который ускоряет поиск слабых мест.
Доступ из РФ: DeepSeek, Claude в браузере, GigaChat, оплата через посредников
Для российских пользователей вопрос доступа не техническая мелочь, а часть рабочего процесса. ChatGPT может быть недоступен для оплаты российскими картами, а отдельные сервисы ограничивают регистрацию, оплату или стабильность входа. Поэтому лучше заранее иметь несколько вариантов. ChatGPT остаётся сильным вариантом для структурного анализа, работы с файлами и сложных инструкций. Официальная информация по моделям и возможностям публикуется на сайте OpenAI. Но доступ и оплата из РФ могут требовать зарубежную карту, корпоративный аккаунт, посредника или другой легальный способ оплаты. У посредников есть риски: переплата, потеря аккаунта, нарушение правил сервиса, отсутствие гарантий. Claude доступен через браузер и API Anthropic, официальная страница продукта находится на anthropic.com/claude. Для анализа длинных документов Claude часто удобен за счёт аккуратной работы с текстом. Но ограничения по региону, тарифу, размеру файлов и конкретной модели нужно проверять перед работой, потому что они меняются. DeepSeek доступен через deepseek.com и может быть полезен как альтернатива для русскоязычных пользователей, особенно когда нужен длинный контекст, рассуждения или API. В апреле 2026 года в документации DeepSeek появилась информация о моделях V4 Preview и поддержке 1 млн контекста для deepseek-v4-pro и deepseek-v4-flash; актуальные условия лучше проверять в официальной документации DeepSeek. GigaChat — российская модель Сбера. Официальная страница сервиса находится на gigachat.devices.sberbank.ru, а разработческая страница — на Sber Developers. Плюс GigaChat для российского инвестора — русскоязычная среда и понятный доступ. Минус — сложные финансовые документы всё равно надо проверять, особенно если нужна точность по таблицам, мультипликаторам и англоязычным отчётам. Практичная схема для частного инвестора:Заключение: как использовать ИИ без самообмана
ChatGPT, Claude, DeepSeek и GigaChat уже можно использовать для первичного фундаментального анализа. Они хорошо справляются с навигацией по отчёту, пересказом сложных разделов, поиском рисков, составлением таблиц и подготовкой вопросов. Для инвестора с опытом 3–12 месяцев это особенно полезно: модель объясняет термины, не устаёт читать примечания и помогает не утонуть в PDF на 200 страниц. Но модель не знает вашу цель, горизонт, риск-профиль и размер позиции. Она не несёт ответственность за ошибку в расчёте и может убедительно ошибаться. Поэтому безопасный подход такой: ИИ ускоряет чтение, человек принимает решение. Рабочая формула простая:- загрузить отчёт и сопроводительные материалы;
- попросить карту документа;
- выделить ключевые показатели;
- разобрать ROE, P/E, долговую нагрузку и денежный поток;
- найти красные флаги;
- прогнать обратную проверку;
- вручную сверить важные цифры с отчётом.