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.

Período de payback: o tempo até que os fluxos de caixa acumulados recuperem o investimento inicial. Supõe-se que o caixa entra de forma uniforme durante cada ano, então a última parte é uma fração de ano. O payback simples ignora o valor do dinheiro no tempo; o payback descontado usa os fluxos de caixa descontados.

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.

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.

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).

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).

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.

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.

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.

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).

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).

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.

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.

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.

Tamanho de amostra para um teste: para detectar um deslocamento real δ com poder 1 − β em um teste z unilateral ao nível α, o erro-padrão deve satisfazer δ = (z_α + z_β)·σ/√n, então n = ((z_α + z_β)·σ/δ)², arredondado para cima.

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.