Entraînement au CFA Level I : méthodes quantitatives et obligations : pack de révision

Valeur temps de l'argent : l'argent d'aujourd'hui vaut plus que la même somme plus tard, car il peut rapporter des intérêts. Avec un taux i par période, un montant croît en FV = PV·(1 + i)ⁿ. Une suite de paiements égaux (une annuité) s'évalue en additionnant chaque paiement, ce qui donne les formules d'annuités.

Valeur temps de l'argent : l'argent d'aujourd'hui vaut plus que la même somme plus tard, car il peut rapporter des intérêts. Avec un taux i par période, un montant croît en FV = PV·(1 + i)ⁿ. Une suite de paiements égaux (une annuité) s'évalue en additionnant chaque paiement, ce qui donne les formules d'annuités.

Valeur actuelle nette : actualise chaque flux de trésorerie à aujourd'hui avec le taux de rendement exigé r, puis additionne : NPV = Σ CFₜ/(1 + r)ᵗ. Un projet avec NPV > 0 rapporte plus que r et crée de la valeur. Le taux de rendement interne (TRI) est le taux pour lequel NPV = 0.

Valeur actuelle nette : actualise chaque flux de trésorerie à aujourd'hui avec le taux de rendement exigé r, puis additionne : NPV = Σ CFₜ/(1 + r)ᵗ. Un projet avec NPV > 0 rapporte plus que r et crée de la valeur. Le taux de rendement interne (TRI) est le taux pour lequel NPV = 0.

Prix d’une obligation : le prix d’une obligation est la valeur actuelle de ses flux, actualisés au taux de rendement actuariel (YTM) : les coupons forment une annuité et la valeur nominale est remboursée à l’échéance. P = C·(1 − (1 + y)⁻ⁿ)/y + F/(1 + y)ⁿ. Quand le rendement est supérieur au taux du coupon, l’obligation cote en dessous du pair, et inversement.

Duration : la duration de Macaulay est la date moyenne pondérée à laquelle une obligation verse ses flux, avec les valeurs actuelles des flux comme poids : D = Σ t·PVₜ/P. La duration modifiée D/(1 + y) estime la variation en pourcentage du prix pour une petite variation du rendement : %ΔP ≈ −D_mod·Δy.

Coût du capital : le CAPM (MEDAF) donne la rentabilité exigée par les actionnaires : r_e = r_f + β·(r_m − r_f). Le coût moyen pondéré du capital combine capitaux propres et dette selon leurs valeurs de marché : WACC = E/V·r_e + D/V·r_d·(1 − T), avec V = E + D. Les intérêts sont fiscalement déductibles, d’où le facteur (1 − T).

Coût du capital : le CAPM (MEDAF) donne la rentabilité exigée par les actionnaires : r_e = r_f + β·(r_m − r_f). Le coût moyen pondéré du capital combine capitaux propres et dette selon leurs valeurs de marché : WACC = E/V·r_e + D/V·r_d·(1 − T), avec V = E + D. Les intérêts sont fiscalement déductibles, d’où le facteur (1 − T).

Statistique descriptive : la moyenne est la somme divisée par n ; la médiane est la valeur du milieu des données triées (la moyenne des deux valeurs du milieu si n est pair). L'écart-type d'échantillon est s = √(Σ(x − x̄)²/(n − 1)). Un score z = (x − μ)/σ indique à combien d'écarts-types une valeur se trouve de la moyenne.

Statistique descriptive : la moyenne est la somme divisée par n ; la médiane est la valeur du milieu des données triées (la moyenne des deux valeurs du milieu si n est pair). L'écart-type d'échantillon est s = √(Σ(x − x̄)²/(n − 1)). Un score z = (x − μ)/σ indique à combien d'écarts-types une valeur se trouve de la moyenne.

Variables aléatoires discrètes : une loi de probabilité énumère chaque valeur x que peut prendre la variable avec sa probabilité p(x) ; les probabilités sont comprises entre 0 et 1 et leur somme vaut 1. L’espérance (moyenne) est E(X) = Σx·p(x), la moyenne à long terme. La variance est Var(X) = Σ(x − μ)²·p(x) = E(X²) − μ², et l’écart-type σ = √Var(X). Pour un changement linéaire Y = aX + b : E(Y) = a·E(X) + b, Var(Y) = a²·Var(X) et σ_Y = |a|·σ_X ; ajouter une constante ne change pas la dispersion.

Variables aléatoires discrètes : une loi de probabilité énumère chaque valeur x que peut prendre la variable avec sa probabilité p(x) ; les probabilités sont comprises entre 0 et 1 et leur somme vaut 1. L’espérance (moyenne) est E(X) = Σx·p(x), la moyenne à long terme. La variance est Var(X) = Σ(x − μ)²·p(x) = E(X²) − μ², et l’écart-type σ = √Var(X). Pour un changement linéaire Y = aX + b : E(Y) = a·E(X) + b, Var(Y) = a²·Var(X) et σ_Y = |a|·σ_X ; ajouter une constante ne change pas la dispersion.

D’une aire à z : Φ(z) est l’aire à gauche de z. Pour une aire A de la queue gauche, trouvez dans la table le z tel que Φ(z) = A. Une aire A de la queue droite signifie Φ(z) = 1 − A. Une aire centrale A entre −z et z laisse (1 − A)/2 dans chaque queue, donc Φ(z) = (1 + A)/2. Pour une valeur x, utilisez x = μ + zσ.

Sommes et différences de variables normales : si X et Y sont indépendantes et normales, X + Y et X − Y sont aussi normales. Les moyennes s’additionnent ou se soustraient : E(X ± Y) = μ_X ± μ_Y. Les variances s’additionnent toujours, même pour une différence : Var(X ± Y) = σ_X² + σ_Y², donc σ = √(σ_X² + σ_Y²). Les écarts-types ne s’additionnent jamais directement. Le total de n éléments indépendants de même loi a pour moyenne n·μ et pour écart-type σ·√n. Centrez et réduisez ensuite comme d’habitude : z = (x − moyenne)/σ et lisez Φ(z).

Interval for a difference: estimate ± critical value × standard error. For two independent means with known σ: SE = √(σ₁²/n₁ + σ₂²/n₂) and z. With equal unknown variances: pooled s_p and t with n₁ + n₂ − 2 degrees of freedom. For paired data, work with the differences: d̄ ± t·s_d/√n.

Interval for a difference: estimate ± critical value × standard error. For two independent means with known σ: SE = √(σ₁²/n₁ + σ₂²/n₂) and z. With equal unknown variances: pooled s_p and t with n₁ + n₂ − 2 degrees of freedom. For paired data, work with the differences: d̄ ± t·s_d/√n.

Hypothesis test: the test statistic = (estimate − value under H₀)/(standard error under H₀). The p-value is the probability, assuming H₀ is true, of a statistic at least as extreme as the one observed: the area in one tail for a one-sided H₁, twice the tail area for a two-sided H₁. Reject H₀ when p ≤ α.

Puissance d’un test : la puissance 1 − β est la probabilité de rejeter H₀ quand elle est fausse. Trouvez le seuil x̄c à partir de μ₀ et z_α, puis calculez la probabilité de dépasser x̄c avec la vraie moyenne : z = (x̄c − μ)/(σ/√n).

Régression par les moindres carrés : avec x̄ et ȳ les moyennes, Sxx = Σ(x − x̄)², Syy = Σ(y − ȳ)² et Sxy = Σ(x − x̄)(y − ȳ), la droite ŷ = a + b·x a pour pente b = Sxy/Sxx et pour ordonnée à l’origine a = ȳ − b·x̄ ; elle passe donc toujours par (x̄, ȳ). Le coefficient de corrélation de Pearson r = Sxy/√(Sxx·Syy) est compris entre −1 et 1 ; r² est la part de la variation de y expliquée par la droite.

Régression par les moindres carrés : avec x̄ et ȳ les moyennes, Sxx = Σ(x − x̄)², Syy = Σ(y − ȳ)² et Sxy = Σ(x − x̄)(y − ȳ), la droite ŷ = a + b·x a pour pente b = Sxy/Sxx et pour ordonnée à l’origine a = ȳ − b·x̄ ; elle passe donc toujours par (x̄, ȳ). Le coefficient de corrélation de Pearson r = Sxy/√(Sxx·Syy) est compris entre −1 et 1 ; r² est la part de la variation de y expliquée par la droite.