CFA Level I 定量方法与固定收益练习：速成包

货币的时间价值：今天的钱比日后同样数额的钱更值钱，因为它能赚取利息。每期利率为 i 时，金额按 FV = PV·(1 + i)ⁿ 增长。一系列等额付款（年金）的价值是把每笔付款加起来，由此得到年金公式。

货币的时间价值：今天的钱比日后同样数额的钱更值钱，因为它能赚取利息。每期利率为 i 时，金额按 FV = PV·(1 + i)ⁿ 增长。一系列等额付款（年金）的价值是把每笔付款加起来，由此得到年金公式。

净现值：以要求回报率 r 把每笔现金流折现到今天，然后相加：NPV = Σ CFₜ/(1 + r)ᵗ。NPV > 0 的项目收益高于 r，创造价值。内部收益率（IRR）是使 NPV = 0 的利率。

净现值：以要求回报率 r 把每笔现金流折现到今天，然后相加：NPV = Σ CFₜ/(1 + r)ᵗ。NPV > 0 的项目收益高于 r，创造价值。内部收益率（IRR）是使 NPV = 0 的利率。

债券定价：债券价格是其现金流按到期收益率（YTM）折现后的现值：各期票息构成一笔年金，面值在到期时偿还。P = C·(1 − (1 + y)⁻ⁿ)/y + F/(1 + y)ⁿ。收益率高于票面利率时，债券以低于面值的价格交易；反之则高于面值。

债券定价：债券价格是其现金流按到期收益率（YTM）折现后的现值：各期票息构成一笔年金，面值在到期时偿还。P = C·(1 − (1 + y)⁻ⁿ)/y + F/(1 + y)ⁿ。收益率高于票面利率时，债券以低于面值的价格交易；反之则高于面值。

资本成本：CAPM 给出股东要求的回报率：r_e = r_f + β·(r_m − r_f)。加权平均资本成本按市场价值对股权和债务加权：WACC = E/V·r_e + D/V·r_d·(1 − T)，其中 V = E + D。利息可在税前扣除，因此有 (1 − T)。

有杠杆贝塔（哈马达公式）：负债使股权风险增大。β_L = β_U·(1 + (1 − T)·D/E)，其中 β_U 是无负债时业务的贝塔。要把贝塔转换到另一种资本结构，先去杠杆，再按新的 D/E 加杠杆。

描述统计：平均数是总和除以 n；中位数是排序后数据的中间值（n 为偶数时取中间两个数的平均）。样本标准差 s = √(Σ(x − x̄)²/(n − 1))。z 分数 z = (x − μ)/σ 表示某个值离平均数多少个标准差。

描述统计：平均数是总和除以 n；中位数是排序后数据的中间值（n 为偶数时取中间两个数的平均）。样本标准差 s = √(Σ(x − x̄)²/(n − 1))。z 分数 z = (x − μ)/σ 表示某个值离平均数多少个标准差。

离散随机变量：概率分布列出变量能取的每个值 x 及其概率 p(x)；概率介于 0 和 1 之间，且总和为 1。期望值（均值）是 E(X) = Σx·p(x)，即长期平均值。方差为 Var(X) = Σ(x − μ)²·p(x) = E(X²) − μ²，标准差为 σ = √Var(X)。对线性变换 Y = aX + b：E(Y) = a·E(X) + b，Var(Y) = a²·Var(X)，σ_Y = |a|·σ_X；加上常数不会改变离散程度。

离散随机变量：概率分布列出变量能取的每个值 x 及其概率 p(x)；概率介于 0 和 1 之间，且总和为 1。期望值（均值）是 E(X) = Σx·p(x)，即长期平均值。方差为 Var(X) = Σ(x − μ)²·p(x) = E(X²) − μ²，标准差为 σ = √Var(X)。对线性变换 Y = aX + b：E(Y) = a·E(X) + b，Var(Y) = a²·Var(X)，σ_Y = |a|·σ_X；加上常数不会改变离散程度。

由面积反求 z：Φ(z) 是 z 左侧的面积。对于左尾面积 A，在表中找出使 Φ(z) = A 的 z。右尾面积 A 意味着 Φ(z) = 1 − A。−z 与 z 之间的中间面积 A 使每个尾部剩下 (1 − A)/2，所以 Φ(z) = (1 + A)/2。对于数值 x，用 x = μ + zσ。

正态变量的和与差：若 X 和 Y 相互独立且服从正态分布，则 X + Y 与 X − Y 也服从正态分布。均值相加或相减：E(X ± Y) = μ_X ± μ_Y。方差总是相加，差也是如此：Var(X ± Y) = σ_X² + σ_Y²，所以 σ = √(σ_X² + σ_Y²)。标准差从不直接相加。n 个独立同分布项的总和，均值为 n·μ，标准差为 σ·√n。然后照常标准化：z = (x − 均值)/σ，再查 Φ(z)。

Confidence interval for a mean: x̄ ± margin of error. With a known population σ the margin is z·σ/√n; with only the sample standard deviation s, use t with n − 1 degrees of freedom: t·s/√n. Critical values: z = 1.645 (90%), 1.96 (95%), 2.576 (99%). To get a margin E or smaller, you need n ≥ (z·σ/E)², rounded up.

均值的置信区间：x̄ ± 误差范围。总体 σ 已知时，误差范围为 z·σ/√n；只有样本标准差 s 时，用自由度为 n − 1 的 t：t·s/√n。临界值：z = 1.645（90%）、1.96（95%）、2.576（99%）。要使误差范围不超过 E，需要 n ≥ (z·σ/E)²，并向上取整。

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.

检验功效：功效 = 1 − β，是 H₀ 为假时拒绝 H₀ 的概率。由 μ₀ 和 z_α 求出临界值 x̄c，再用真实均值计算落在 x̄c 以外的概率：z = (x̄c − μ)/(σ/√n)。

最小二乘回归：设 x̄ 和 ȳ 为均值，Sxx = Σ(x − x̄)²，Syy = Σ(y − ȳ)²，Sxy = Σ(x − x̄)(y − ȳ)，则直线 ŷ = a + b·x 的斜率 b = Sxy/Sxx，截距 a = ȳ − b·x̄，因此它总是通过 (x̄, ȳ)。皮尔逊相关系数 r = Sxy/√(Sxx·Syy) 介于 −1 与 1 之间；r² 是 y 的变异中能被该直线解释的比例。

最小二乘回归：设 x̄ 和 ȳ 为均值，Sxx = Σ(x − x̄)²，Syy = Σ(y − ȳ)²，Sxy = Σ(x − x̄)(y − ȳ)，则直线 ŷ = a + b·x 的斜率 b = Sxy/Sxx，截距 a = ȳ − b·x̄，因此它总是通过 (x̄, ȳ)。皮尔逊相关系数 r = Sxy/√(Sxx·Syy) 介于 −1 与 1 之间；r² 是 y 的变异中能被该直线解释的比例。