Visão geral dos Métodos Quantitativos no CFA Nível 1

Tópicos-chave nos quais você precisa se concentrar

1. Visão Geral do Assunto

Métodos quantitativos é um dos assuntos mais importantes e fundamentais no programa do Chartered Financial Analyst Level I.

Este assunto cobre principalmente conceitos centrais, como:

• Valor do dinheiro no tempo
• Valor presente e futuro dos fluxos de caixa
• Probabilidade e estatística
• Teste de hipóteses

Uma forte compreensão desses tópicos lhe dará uma grande vantagem ao estudar assuntos mais avançados, como avaliação de ativos e gestão de portfólio mais tarde no programa CFA.

Embora o volume de material seja relativamente grande, Métodos Quantitativos é frequentemente considerado um “assunto de pontuação” porque:

• Os conceitos não são excessivamente complicados
• Muitas questões são baseadas em cálculos
• É especialmente vantajoso se você tiver uma sólida formação em matemática

Peso do exame: Aproximadamente 8–12% do exame CFA Level I

2. Tópicos Centrais e Conceitos Importantes

A seção de Métodos Quantitativos geralmente inclui vários módulos (observação: o currículo pode mudar ligeiramente a cada ano). Abaixo está uma visão geral estruturada:

Módulo 1: Valor do Dinheiro no Tempo

• Compreender as taxas de juros e seus componentes
• Calcular a Taxa Anual Efetiva (TAE)
• Dominar o valor presente (VP) e o valor futuro (VF) dos fluxos de caixa
• Usar uma calculadora financeira de forma eficiente

Módulo 2: Organizando, Visualizando e Descrevendo Dados

• Tipos e classificação de dados
• Distribuições de frequência
• Tabelas de contingência e matrizes de confusão
• Técnicas de visualização de dados
• Medidas de tendência central: média, mediana, moda
• Média aritmética vs média geométrica
• Quantis e percentis
• Medidas de dispersão: intervalo, variância, desvio padrão
• Coeficiente de variação
• Assimetria e curtose
• Coeficiente de correlação

Módulo 3: Conceitos de Probabilidade

• Variáveis aleatórias e fundamentos de probabilidade
• Probabilidade condicional vs incondicional
• Regras de adição e multiplicação
• Valor esperado, covariância, correlação
• Aplicações em retorno e risco de portfólio
• Fórmula de Bayes
• Fatoriais, permutações e combinações

Módulo 4: Distribuições de Probabilidade Comuns

• Variáveis aleatórias discretas vs contínuas
• Distribuição binomial
• Distribuição uniforme
• Distribuição normal
• Distribuição lognormal
• Risco de shortfall e critério de segurança em primeiro lugar de Roy
• Capitalização discreta vs contínua
• Distribuição t de Student, distribuição F
• Simulação de Monte Carlo

Módulo 5: Amostragem e Estimativa

• Métodos de amostragem aleatória
• Erro de amostragem e amostragem estratificada
• Teorema do Limite Central
• Erro padrão da média
• Intervalos de confiança
• Métodos de reamostragem (Bootstrap, Jackknife)
• Viés de amostragem

Módulo 6: Teste de Hipóteses

• Estrutura de teste de hipóteses
• Hipóteses nula e alternativa
• Testes de uma cauda vs duas caudas
• Erros do Tipo I e Tipo II
• Estatísticas de teste e nível de significância
• Interpretação do valor p
• Testando parâmetros populacionais (média, variância, etc.)

Módulo 7: Introdução à Regressão Linear

• Modelo de regressão linear simples
• Variáveis dependentes e independentes
• Equação de regressão, inclinação e intercepto
• Regressão transversal vs regressão de séries temporais
• Suposições dos modelos de regressão
• Métricas chave: SST, RSS, SSE, R²
• Testes de hipótese comuns (teste F, teste t)
• Valores previstos e intervalos de confiança
• Extensões dos modelos de regressão linear