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.

Délai de récupération : le temps nécessaire pour que les flux de trésorerie cumulés remboursent l’investissement initial. On suppose que la trésorerie arrive régulièrement au cours de chaque année, donc la dernière partie est une fraction d’année. Le délai de récupération simple ignore la valeur temps de l’argent ; le délai de récupération actualisé utilise à la place les flux actualisés.

TRI modifié : capitalisez chaque encaissement jusqu’à la fin du projet au taux de réinvestissement (en général le coût du capital) pour obtenir la valeur terminale TV. Le TRIM est le taux qui transforme l’investissement initial en TV : MIRR = (TV/C₀)^(1/n) − 1.

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.

Probabilités : avec des issues équiprobables, P(A) = cas favorables/cas possibles. Pour des événements indépendants, on multiplie : P(A et B) = P(A)·P(B). Le complémentaire aide souvent : P(au moins un) = 1 − P(aucun). Loi binomiale : pour n épreuves indépendantes de probabilité de succès p, P(X = k) = C(n, k)·pᵏ·(1 − p)ⁿ⁻ᵏ.

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.

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).

Loi normale : transformez une valeur x en score z, z = (x − μ)/σ, qui compte le nombre d’écarts-types par rapport à la moyenne. Une table de z (ou Φ(z)) donne l’aire à gauche de z, c’est-à-dire P(X < x). L’aire à droite vaut 1 − Φ(z), et l’aire entre deux valeurs est la différence de leurs deux aires.

Intervalle de confiance pour une moyenne : x̄ ± marge d’erreur. Si l’écart-type σ de la population est connu, la marge vaut z·σ/√n ; si l’on ne dispose que de l’écart-type de l’échantillon s, utilisez t à n − 1 degrés de liberté : t·s/√n. Valeurs critiques : z = 1,645 (90 %), 1,96 (95 %), 2,576 (99 %). Pour obtenir une marge E ou moins, il faut n ≥ (z·σ/E)², arrondi à l’entier supérieur.

Intervalle pour une variance : (n − 1)s²/σ² suit une loi du χ² à n − 1 degrés de liberté. L’intervalle à 95 % pour σ² va de (n − 1)s² divisé par la valeur supérieure du χ² (2,5 % au-dessus) à (n − 1)s² divisé par la valeur inférieure du χ² (2,5 % en dessous) ; l’intervalle pour σ est la racine carrée des deux bornes. Il n’est pas symétrique autour de s.

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.