|
|
|
Рынок
МТС раскрыла результаты за третий квартал и 9 месяцев 2026 года, а заодно конкретизировала, как будет работать новая политика возврата капитала акционерам.

Получился довольно насыщенный набор: бизнес продолжает расти, OIBDA прибавляет быстрее выручки, долговая нагрузка остается стабильной, а к дивидендам теперь добавляется еще и полноценная программа обратного выкупа.
👉Что показали финансовые результаты
Выручка МТС за квартал выросла на 8,7% год к году, до 232,5 млрд рублей, OIBDA – на 9,6%, до 78,7 млрд рублей, а чистая прибыль достигла 11,2 млрд рублей, увеличившись почти на 88%.
За 9 месяцев динамика еще заметнее: выручка составила 647,2 млрд рублей (+10,7%), OIBDA – 238 млрд (+14,5%), чистая прибыль – 85,2 млрд рублей, что в 6,2 раза выше прошлогоднего результата.
Основной рост обеспечивает телеком: за 9 месяцев его выручка увеличилась на 11,6%, до 402,8 млрд рублей. Хорошую динамику показывают B2B и межоператорский бизнес, рекламное направление и розница.
При этом рост чистой прибыли объясняется не только операционкой: компании помогли снижение финансовых расходов и продажа доли в дочерней структуре. Поэтому здесь логичнее смотреть прежде всего на устойчивый рост OIBDA.
В сентябре мы с вами разобрали три столпа новой дивидендной политики МТС, которая трансформируется, становясь более гибкой и диверсифицированной. Сегодня появились первые цифры — 7 рублей на акцию в январе, до 21,5 млрд рублей на байбек при почти двукратном росте квартальной прибыли. Но обо всем по порядку.
💰 Дивиденды
Совет директоров рекомендовал первый из трех траншей 2027 года по новой дивидендной политике. 18 января закроется реестр, а акционеры получат 7 рублей на акцию, что по текущим котировкам ориентирует нас почти на 4% промежуточной доходности. И это лишь четверть предполагаемого годового объема. На июль приходится сразу два квартала, поэтому именно летом я жду самый крупный транш, а в октябре — финальный.

По новой дивполитике норма возврата капитала привязана к OIBDA и составляет до 20%, но не менее 70 млрд рублей в пропорции 70/30, где 70% улетает на дивиденды. Соответственно, на дивы МТС планирует направить не менее 49,5 млрд рублей (это примерно 24-25 рублей на акцию в течение года) — т.е. порядка 13-14% доходности. Если годовая OIBDA перевалит за 350 млрд рублей, появится пространство для выплаты выше минимальной планки.
ROE часто воспринимается как один из самых простых способов оценить качество бизнеса: чем больше прибыли компания получает на каждый рубль собственного капитала, тем эффективнее она выглядит.
Однако высокий ROE может возникать по совершенно разным причинам. В одном случае компания действительно обладает сильной маржинальностью, высокой оборачиваемостью активов и устойчивым конкурентным преимуществом. В другом – показатель увеличивается преимущественно за счет финансового рычага и сокращения собственного капитала. Формально результат может быть одинаковым. Экономическое качество – совершенно разным.
В классическом подходе рентабельность собственного капитала можно разложить на три составляющие: ROE = чистая маржа х оборачиваемость активов х финансовый рычаг
Первые два компонента характеризуют непосредственно бизнес: сколько компания зарабатывает с каждого рубля выручки и насколько эффективно использует активы. Третий показывает структуру финансирования.


По итогам 9М2026 компания вышла на чистую прибыль, выручка увеличилась на +43% г/г, выдачи выросли в 2,5 раза до рекордных 7,2 млрд руб. — это почти вдвое больше, чем за весь 2025 год.
Кстати, хочу порекомендовать хорошую книжку на выходные — она позволяет лучше понять принципы работы современных нейросетей, а также и наши собственные человеческие ограничения и механизмы принятия решений.
«Рождение разума: как интеллект зарождается в людях и нейросетях» — Гаурав Сури, Джей Макклелланд

Если вы интересуетесь алготрейдингом, то это возможно поможет лучше разобраться в том почему ML модели способны обнаруживать сложные закономерности и почему контекст и обучение очень важны.
Конечно это не учебник, и особенно познавательно будет тем кто уже сейчас экспериментирует с нейросетями и машинами обучением и пытается понять что происходит внутри модели.