Prática de métodos quantitativos e renda fixa do CFA Level I: pacote de revisão

Valor temporal do dinheiro: o dinheiro hoje vale mais do que a mesma quantia no futuro, porque pode render juros. Com uma taxa i por período, um montante cresce para FV = PV·(1 + i)ⁿ. Uma série de pagamentos iguais (uma renda) avalia-se somando cada pagamento, o que dá as fórmulas das rendas.

Valor temporal do dinheiro: o dinheiro hoje vale mais do que a mesma quantia no futuro, porque pode render juros. Com uma taxa i por período, um montante cresce para FV = PV·(1 + i)ⁿ. Uma série de pagamentos iguais (uma renda) avalia-se somando cada pagamento, o que dá as fórmulas das rendas.

Valor atual líquido: desconte cada fluxo de caixa até hoje com a rendibilidade exigida r e some-os: NPV = Σ CFₜ/(1 + r)ᵗ. Um projeto com NPV > 0 rende mais do que r e cria valor. A taxa interna de rendibilidade (TIR) é a taxa para a qual NPV = 0.

Valor atual líquido: desconte cada fluxo de caixa até hoje com a rendibilidade exigida r e some-os: NPV = Σ CFₜ/(1 + r)ᵗ. Um projeto com NPV > 0 rende mais do que r e cria valor. A taxa interna de rendibilidade (TIR) é a taxa para a qual NPV = 0.

Precificação de títulos: o preço de um título é o valor presente dos seus fluxos de caixa, descontados ao rendimento até o vencimento (YTM): os cupons formam uma anuidade e o valor de face é devolvido no vencimento. P = C·(1 − (1 + y)⁻ⁿ)/y + F/(1 + y)ⁿ. Quando o rendimento está acima da taxa de cupom, o título é negociado abaixo do valor de face, e vice-versa.

Duration: a duration de Macaulay é o prazo médio ponderado em que um título paga seus fluxos de caixa, usando como pesos os valores presentes dos fluxos de caixa: D = Σ t·PVₜ/P. A duration modificada D/(1 + y) estima a variação percentual do preço para uma pequena variação do rendimento: %ΔP ≈ −D_mod·Δy.

Custo de capital: o CAPM dá o retorno exigido pelos acionistas: r_e = r_f + β·(r_m − r_f). O custo médio ponderado de capital combina capital próprio e dívida pelos seus valores de mercado: WACC = E/V·r_e + D/V·r_d·(1 − T), com V = E + D. Os juros são dedutíveis do imposto, daí o (1 − T).

Beta alavancado (Hamada): a dívida torna o capital próprio mais arriscado. β_L = β_U·(1 + (1 − T)·D/E), onde β_U é o beta do negócio sem dívida. Para levar um beta a outra estrutura de capital, primeiro desalavanque-o e depois realavanque-o com o novo D/E.

Estatística descritiva: a média é a soma a dividir por n; a mediana é o valor central dos dados ordenados (a média dos dois centrais se n for par). O desvio-padrão amostral é s = √(Σ(x − x̄)²/(n − 1)). Uma pontuação z = (x − μ)/σ diz a quantos desvios-padrão da média está um valor.

Estatística descritiva: a média é a soma a dividir por n; a mediana é o valor central dos dados ordenados (a média dos dois centrais se n for par). O desvio-padrão amostral é s = √(Σ(x − x̄)²/(n − 1)). Uma pontuação z = (x − μ)/σ diz a quantos desvios-padrão da média está um valor.

Probabilidades: com resultados equiprováveis, P(A) = favoráveis/possíveis. Para acontecimentos independentes multiplica-se: P(A e B) = P(A)·P(B). O complementar ajuda muitas vezes: P(pelo menos um) = 1 − P(nenhum). Binomial: em n provas independentes com probabilidade de sucesso p, P(X = k) = C(n, k)·pᵏ·(1 − p)ⁿ⁻ᵏ.

Variáveis aleatórias discretas: uma distribuição de probabilidade lista cada valor x que uma variável pode assumir com sua probabilidade p(x); as probabilidades ficam entre 0 e 1 e somam 1. O valor esperado (média) é E(X) = Σx·p(x), a média de longo prazo. A variância é Var(X) = Σ(x − μ)²·p(x) = E(X²) − μ², e o desvio padrão é σ = √Var(X). Para uma mudança linear Y = aX + b: E(Y) = a·E(X) + b, Var(Y) = a²·Var(X) e σ_Y = |a|·σ_X; somar uma constante não muda a dispersão.

Distribuição normal: converta um valor x em uma pontuação z, z = (x − μ)/σ, que conta quantos desvios-padrão ele está da média. Uma tabela z (ou Φ(z)) dá a área à esquerda de z, que é P(X < x). A área à direita é 1 − Φ(z), e a área entre dois valores é a diferença entre as duas áreas.

Somas e diferenças de variáveis normais: se X e Y são independentes e normais, X + Y e X − Y também são normais. As médias se somam ou se subtraem: E(X ± Y) = μ_X ± μ_Y. As variâncias sempre se somam, também em uma diferença: Var(X ± Y) = σ_X² + σ_Y², portanto σ = √(σ_X² + σ_Y²). Os desvios padrão nunca se somam diretamente. O total de n itens independentes com a mesma distribuição tem média n·μ e desvio padrão σ·√n. Depois padronize como de costume: z = (x − média)/σ e leia Φ(z).

Intervalo de confiança para uma média: x̄ ± margem de erro. Com σ populacional conhecido, a margem é z·σ/√n; tendo apenas o desvio-padrão amostral s, use t com n − 1 graus de liberdade: t·s/√n. Valores críticos: z = 1,645 (90%), 1,96 (95%), 2,576 (99%). Para obter uma margem E ou menor, você precisa de n ≥ (z·σ/E)², arredondado para cima.

Intervalo de confiança para uma média: x̄ ± margem de erro. Com σ populacional conhecido, a margem é z·σ/√n; tendo apenas o desvio-padrão amostral s, use t com n − 1 graus de liberdade: t·s/√n. Valores críticos: z = 1,645 (90%), 1,96 (95%), 2,576 (99%). Para obter uma margem E ou menor, você precisa de n ≥ (z·σ/E)², arredondado para cima.

Teste a uma média: a estatística de teste mede a quantos erros-padrão a média amostral está do valor afirmado em H₀: z = (x̄ − μ₀)/(σ/√n) quando σ é conhecido, t = (x̄ − μ₀)/(s/√n) quando é estimado pela amostra. Um intervalo de confiança é x̄ ± (valor crítico)·(erro-padrão).

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.

Regressão por mínimos quadrados: com x̄ e ȳ as médias, Sxx = Σ(x − x̄)², Syy = Σ(y − ȳ)² e Sxy = Σ(x − x̄)(y − ȳ), a reta ŷ = a + b·x tem inclinação b = Sxy/Sxx e intercepto a = ȳ − b·x̄, então ela sempre passa por (x̄, ȳ). O coeficiente de correlação de Pearson r = Sxy/√(Sxx·Syy) fica entre −1 e 1; r² é a fração da variação de y explicada pela reta.

Regressão por mínimos quadrados: com x̄ e ȳ as médias, Sxx = Σ(x − x̄)², Syy = Σ(y − ȳ)² e Sxy = Σ(x − x̄)(y − ȳ), a reta ŷ = a + b·x tem inclinação b = Sxy/Sxx e intercepto a = ȳ − b·x̄, então ela sempre passa por (x̄, ȳ). O coeficiente de correlação de Pearson r = Sxy/√(Sxx·Syy) fica entre −1 e 1; r² é a fração da variação de y explicada pela reta.