Time Value of Money là gì? Giá trị thời gian của tiền
Hiểu giá trị thời gian của tiền bằng timeline, Present Value, Future Value và một bài tập Google Sheets có số mẫu.
ZeroToHero · Finance Core - CFA
Lộ trình 50 bài từ giá trị thời gian của tiền, thống kê và xác suất tới hồi quy, mô hình hóa và đầu tư định lượng.
Hiểu giá trị thời gian của tiền bằng timeline, Present Value, Future Value và một bài tập Google Sheets có số mẫu.
Hiểu Present Value bằng cách đi ngược timeline, tính PV từng kỳ và kiểm tra độ nhạy trong Google Sheets.
Hiểu Future Value bằng cách đi xuôi timeline, ghép lãi từng kỳ và kiểm tra kết quả bằng Google Sheets.
Hiểu discount rate trong TVM, tác động lên Present Value và cách kiểm tra bối cảnh trước khi dùng tỷ lệ.
Hiểu compounding qua số dư từng kỳ, phân biệt lãi kép với lãi đơn và kiểm tra tỷ lệ, thời gian, tần suất trước khi tính.
Nhận diện annuity qua khoản tiền đều theo kỳ, phân biệt cuối kỳ với đầu kỳ và đặt từng dòng tiền đúng mốc trước khi tính.
Hiểu perpetuity như giả định dòng tiền đều vô hạn, vì sao Present Value hữu hạn và khi nào không được dùng công thức C chia r.
Hiểu loan amortization, cách khoản trả đều được tách thành lãi và gốc, rồi tự dựng bảng dư nợ ba kỳ bằng Google Sheets.
Hiểu NPV, cách đưa mọi dòng tiền về mốc hiện tại, cộng đúng dấu và tự kiểm độ nhạy bằng Google Sheets.
Khung sáu câu hỏi giúp nhận dạng dòng tiền và chọn đúng PV, FV, annuity, perpetuity, loan amortization hoặc NPV.
Hiểu arithmetic mean như điểm chia đều của tổng dữ liệu, cách tính và vì sao một giá trị ngoại lệ có thể kéo mean lệch mạnh.
Hiểu median như điểm giữa của dữ liệu đã sắp xếp, cách tính với n lẻ/chẵn và vì sao nó ít bị một ngoại lệ kéo hơn mean.
Hiểu mode là giá trị xuất hiện nhiều nhất, cách xử lý một mode, nhiều mode, không có mode và lúc không nên diễn giải quá tay.
Hiểu variance qua khoảng cách tới mean, cách tính từng bước và khác biệt giữa variance tổng thể với variance mẫu.
Hiểu Standard Deviation như căn bậc hai của variance, cách tính tổng thể/mẫu và cách đọc đúng bằng đơn vị dữ liệu gốc.
Hiểu Skewness qua đuôi dài, dấu dương âm, quan hệ mean median và cách kiểm bằng Google Sheets.
Hiểu Kurtosis qua độ nặng của hai đuôi, hai mốc 3 và 0, ba dãy số cùng cách kiểm bằng Google Sheets.
Hiểu Percentile qua ngưỡng P25 P50 P75, phân biệt giá trị với percentile rank và kiểm quy ước INC EXC bằng Google Sheets.
Hiểu Z-score qua số bước độ lệch chuẩn, dấu âm dương, cách so hai thang đo và thực hành STANDARDIZE trong Google Sheets.
Khung sáu câu hỏi nối các số đo trung tâm, độ phân tán, hình dạng và vị trí tương đối thành một quy trình mô tả dữ liệu có kiểm tra.
Xác suất là con số từ 0 đến 1 đo mức một biến cố có thể xảy ra trong mô hình, với không gian mẫu, quy tắc tính và giới hạn rõ ràng.
Xác suất có điều kiện thu hẹp không gian mẫu còn nhóm đã biết, vì vậy điều kiện đổi mẫu số và có thể đổi kết quả.
Định lý Bayes cập nhật xác suất ban đầu bằng khả năng của bằng chứng rồi chuẩn hóa trên mọi con đường có thể tạo ra bằng chứng đó.
Giá trị kỳ vọng là trung bình có trọng số xác suất, hữu ích để tóm tắt nhiều kết quả nhưng không dự đoán chắc chắn lần tiếp theo.
Biến ngẫu nhiên là quy tắc cố định gán một giá trị số cho mỗi kết quả của quá trình chưa biết trước.
Phân phối chuẩn là mô hình xác suất liên tục đối xứng một đỉnh, được xác định bởi trung bình và độ lệch chuẩn.
Lấy mẫu là cách chọn một phần quan sát để học có giới hạn về tổng thể, với khung và quy tắc chọn rõ ràng.
Khoảng tin cậy đặt một ước lượng mẫu vào phạm vi bất định và chỉ có nghĩa khi cách lấy mẫu cùng giả định phù hợp.
Kiểm định giả thuyết đặt một tuyên bố vào quy trình phản biện có ngưỡng, phép tính và ngôn ngữ kết luận được khóa trước.
Khung xác suất nối câu hỏi, biến cố, quy tắc, phân phối và bằng chứng thành một quy trình có thể kiểm tra lại.
Tương quan đo chiều và độ mạnh tuyến tính giữa hai biến, nhưng phải đọc cùng biểu đồ, phạm vi mẫu và các điểm có thể làm kết luận sai.
Covariance đo hai biến thường lệch khỏi trung bình cùng hay ngược chiều, nhưng độ lớn chỉ có nghĩa khi đơn vị và phạm vi được ghi rõ.
Linear Regression dùng một đường thẳng để ước lượng phản hồi từ một biến đầu vào, nhưng chỉ có ý nghĩa khi sai số dư, phạm vi và giả định được kiểm tra.
Multiple Regression ước lượng một phản hồi từ nhiều biến đầu vào, nhưng từng hệ số chỉ được đọc khi giữ các biến còn lại không đổi.
R-squared đo phần biến thiên quanh mức trung bình mà mô hình làm giảm trong dữ liệu được đánh giá, không phải phần trăm dự báo đúng.
Bốn giả định hồi quy được kiểm qua sai số dư để nhận ra đường cong, độ rộng thay đổi, chuỗi thời gian và vấn đề phân phối.
Chuỗi thời gian giữ nguyên thứ tự quan sát để đọc xu hướng, mùa vụ, độ trễ và thay đổi cấu trúc theo thời gian.
Dự báo chỉ kiểm được khi khóa mục tiêu, mốc cắt thông tin, chân trời, đường sàn và giao thức đánh giá theo thời gian.
Monte Carlo lấy mẫu lặp từ giả định đầu vào để tạo phân phối đầu ra; số lượt lớn không tự sửa mô hình sai.
Khung hồi quy nối câu hỏi, dữ liệu, mô hình, chẩn đoán và đánh giá bằng tám cổng có điều kiện dừng.
Beta đo độ nhạy tuyến tính của lợi suất tài sản với một chuẩn tham chiếu cụ thể, không đo toàn bộ rủi ro và không dự báo từng kỳ.
Alpha là phần lợi suất còn lại sau khi trừ một mốc kỳ vọng đã khai báo; con số phụ thuộc mô hình, chuẩn, kỳ đo và phí.
Hiểu CAPM như một mốc lợi suất có điều kiện, tính đúng ba đầu vào và biết khi nào kết quả không còn đáng tin.
Tự dựng Efficient Frontier từ hai tài sản giả định, tìm GMV, loại danh mục bị thống trị và kiểm độ nhạy đầu vào.
Tính Portfolio Variance hai tài sản không bỏ bước, phân biệt variance với độ lệch chuẩn và kiểm tác động của tương quan.
Hiểu Sharpe Ratio như excess return trên mỗi đơn vị total volatility, tính đúng ba hồ sơ và biết khi nào không được so.
Hiểu Sortino Ratio qua chuỗi tám kỳ, khai báo đúng target và mẫu số, rồi kiểm tra vì sao đổi quy ước sẽ đổi kết quả.
Tính Information Ratio từ tám cặp return, hiểu tracking error và biết vì sao khác benchmark thì phải dừng so.
Tính tracking error từ tám active returns, phân biệt realized với forecast và phát hiện lỗi lệch benchmark một tháng.
Khép series bằng khung bảy cổng từ câu hỏi, dữ liệu và mô hình đến kiểm định, quyết định, theo dõi và quay lại trạng thái an toàn.