Algunos conceptos de Finanzas y Valoracion de

Opciones Europeas con Metodos SMC

Alexander Guarn L
opez

Maestra en Ciencias Econ

omicas
Universidad Nacional de Colombia
Bogot
a, Colombia

Clase 6A: Contenido

Algunos conceptos te
oricos en Finanzas
Proceso
Proceso
Proceso
Proceso
Proceso

Estoc
astico
de Markov
de Wiener (Movimiento Browniano)
de Wiener Generalizado
de Ito

Lema de Ito
Derivaci
on
Ejemplo: Precio de las acciones (Distribuci
on LogNormal).

M
etodos de Simulaci
on Monte Carlo

Ejemplo: Valoraci
on de Opciones

Algunos Conceptos Te
oricos en
Finanzas

Proceso Estocastico
Definici
on
Es el proceso seguido por cualquier variable cuyos cambios a trav
es del tiempo son
aleatorios.
Clasificaci
on
Tiempo:
Discreto: los valores de las variables pueden cambiar s
olo en ciertos
puntos del tiempo fijos.
Continuo: los cambios pueden tomar lugar en cualquier momento del
tiempo.

Variable aleatoria
Continua: la variable subyacente puede tomar cualquier valor dentro de
un cierto rango.
Discreta: la variable s
olo puede tomar ciertos valores discretos.

En finanzas, en general se trabaja con variables continuas y en tiempo continuo.

Proceso de Markov

Proceso de Markov:
El valor esperado de una variable aleatoria St condicional sobre toda su historia,
s
olo depende de su valor previo Stt

Un proceso de Markov es un proceso estoc

astico donde ...
Movimientos futuros en una variable dependen s
olamente de la u
ltima
observaci
on, y no de su historia completa.
La historia pasada de la variable es irrelevante.

Proceso de Wiener
El proceso de Wiener es usado en fsica para describir el movimiento de una
partcula que est
a sujeta a un n
umero grande de peque
nos choques. Tambi
en es
llamado Movimiento Browniano.

Una variable z sigue un proceso de Wiener si:

Propiedad 1. El cambio z durante un peque
no periodo de tiempo t es

z =  t
donde  tiene una distribuci
on N (0, 1).
Propiedad 2. Los valores de z para cualquier dos intervalos cortos de tiempo
t son independientes.

z tiene una distribuci

on normal con
Et [z]

Vart [z]

Stdt [z]

Proceso de Wiener

Proceso de Wiener Generalizado

Un proceso de Wiener tiene un drift (i.e. el cambio promedio por unidad de
tiempo) de 0 y una varianza de 1.

En el proceso de Wiener generalizado, la drift y la varianza pueden ser fijados

igual a cualquier constantes.
La variable x sigue un proceso de Wiener generalizado con drift a y una varianza
b 2 si
dx = adt + bdz
La equivalencia en tiempo discreto es

x = at + b t
x tiene una distribuci
on normal con
Et [x]

Std t [x]

a t

b t

Var t [x]

b 2 t

Proceso de Wiener Generalizado

Proceso de Wiener Generalizado

Por qu
e este proceso no es apropiado para un activo?

Para el precio de un activo, es posible suponer que

el cambio porcentual esperado en un periodo corto de tiempo es constante
sin embargo, no sucede lo mismo con el cambio absoluto esperado

La incertidumbre de un activo (i.e. definida como el tama

no de futuros movimientos
en su valor)
son proporcionales al precio.

El Proceso de Ito ....

.... es definido como
dx = a (x, t) dt + b (x, t) dz
donde a es el retorno esperado (i.e. drift) y b es la volatilidad (varianza) del proceso.

La equivalencia en tiempo discreto para el proceso en tiempo continuo es

x = a (x, t) t + b (x, t)  t
lo cual es verdad en el lmite cuando t 0.

Suponga que el proceso de Ito para el precio de un activo

dS = Sdt + Sdz
donde es el retorno esperado y es la volatilidad. La equivalencia en tiempo
discreto para el proceso en tiempo continuo es

S = St + S t

El Lema de Ito

Lema de Ito
Si conocemos el proceso estoc
astico seguido por la variable xt
entonces, el Lema de Ito nos dice el proceso estoc
astico seguido por una funci
on
G (x, t)

Dado que el precio de un derivado es una funci

on del precio de un activo subyacente y
el tiempo,
entonces, el Lema de Ito juega un role crucial en el an
alisis de contratos de
derivados.

Derivaci
on del Lema de Ito:
La expansi
on en series de Taylor de una funci
on G (x, t) de dos variables x y t
es igual a

G =

G
G
1 2G
2G
1 2G
x +
t +
x 2 +
xt +
t 2 + . . .
x
t
2 x 2
xt
2 t 2

Sustitucion de x
Ahora considere el proceso
dx = a (x, t) dt + b (x, t) dz

La anterior expresi
on se puede discretizar como

x = a (x, t) t + b (x, t)  t

y por simplicidad, vamos a borrar los argumentos de las variables a y b, tal que

x = at + b t
2

Si..... calculamos x , entonces llegamos a que a

2

x = a2 t 2 + 2abt 3/2 + b 2 2 t

Si omitimos los t
erminos de segundo o mayor orden, entonces obtenemos
2

x = b 2 2 t
Note que x 2 tiene un componente que es de orden t, y por tanto, no puede
ser ignorado.

El termino 2 t

Dado que  ' N (0, 1), entonces

E ()
= 0
E 2 [E ()]2 = 1


E 2 = 1
De las expresiones anteriores sigue que


E 2 t = t


Var 2 t = t 2
Note que el valor 2 t puede aproximado por su valor esperado t y
considerado como no estoc
ltima conclusi
on se

astico cuando t 0. Esta u
deriva de que la Var 2 t 0 cuando t 0, y por tanto, desaparece el
componente aleatorio .

Ignorar terminos de orden mayor que t

De la expansi
on en las Series de Taylor,
G =

G
1 2G
2G
1 2G
G
x +
t +
x 2 +
xt +
t 2 + . . .
x
t
2 x 2
xt
2 t 2

y dado que
2

x = b 2 2 t
si omitimos los t
erminos de orden mayor que t, llegamos a la expresi
on
G =

G
G
1 2G 2 2
x +
t +
b  t
x
t
2 x 2

Adem
as, al reemplazar el valor 2 t por su valor esperado t, llegamos al Lema de
Ito
G
G
1 2G 2
G =
x +
t +
b t
x
t
2 x 2

Lema de Ito
A partir del Lema de Ito,
G =

G
G
1 2G 2
x +
t +
b t
x
t
2 x 2

y dado x 0 y t 0, el Lema de Ito se puede aproximar en tiempo continuo a

dG =

G
1 2G 2
G
dx +
dt +
b dt
x
t
2 x 2

Adem
as, si se sustituye dx por si
dx = a (x, t) dt + b (x, t) dz
llegamos a la famosa expresi
on del Lema de Ito


G
G
1 2G 2
G
dG =
a+
+
b
dt +
bdz
x
t
2 x 2
x

Lema de Ito para la Funcion G (S, t) = lnSt

Considere el Lema de Ito para derivar el proceso seguido por el ln S,
dado que el cambio en el precio de la acci
on S sigue el proceso estoc
astico
dS = Sdt + Sdz
donde y son constantes, y dz es un movimiento Browniano.

Para una funci

on G (S, t) la din
amica dG es dada por
dG =

G
G
1 2G 2 2
S +
+
S
S
t
2 S 2

ln S,


dt +

G
Sdz
S

y dado que
=

G
1
= ,
S
S

entonces
d ln St =

2G
1
= 2,
S 2
S



2

dt + dz
2

G
=0
t

Precio de las Acciones: Distribucion Lognormal

La funci
on G = lnS sigue un proceso generalizado de Wiener, con tasa drift
2
2 y una tasa para la varianza 2 .

Por tanto, el cambio en lnS entre una fecha 0 y T , sigue una distribuci
on
Normal, tal que



2
ln ST ln S0 N

T , 2 T
2
donde ST es el precio de la acci
on en el tiempo futuro T y S0 es el precio de la
acci
on en el tiempo 0.

El ln ST sigue una distribuci

on Normal, entonces ST sigue una distribuci
on
Lognormal.
Si ST sigue una distribuci
on lognormal, entonces
Et [ST ]

S0 expT

Vart [ST ]



2
S02 exp2T exp T 1

La Ecuacion de Black-Scholes-Merton
Supuestos

No existen oportunidades de arbitraje.

En ausencia de arbitraje, el retorno debe ser igual a la tasa libre de riesgo

El portafolio es libre de riesgo porque, el precio de la acci

on y del derivado son
afectados por la misma fuente subyacente de incertidumbre
movimientos en el precio de la acci
on

En periodos cortos de tiempo, el precio del derivado es perfectamente

correlacionado con el precio de la acci
on.

La Ecuacion de Black-Scholes-Merton

Suponemos que cambios en el precio de una acci

on (en periodos muy cortos)
siguen un proceso
dSt = rSt dt + St dWt
donde dW es un proceso de Wiener, r y son, respectivamente, el drift y la
difusi
on del proceso.

Tambi
en suponemos que f (S, t) es el precio de una opci
on call ( o cualquier
derivado) cuyo activo subyacente es la acci
on S.

Por el lema de Ito


df =

f
f
1 2f 2 2
rSt +
+
St
S
t
2 S 2


dt +

f
St dWt
S

La Ecuacion de Black-Scholes-Merton
Considere una acci
on y un derivado. Con estos dos activos podemos construir un
portafolio donde la incertidumbre del proceso de Wiener pueda ser eliminada ?
Si, debemos crear un portafolio libre de riesgo.

Suponga el siguiente portafolio:

Una posici
on corta en una opci
on call: f
f
Una posici
on larga en S
acciones.
El valor del portafolio es
= f +

f
St
S

El cambio en el valor del portafolio a trav

es del tiempo es dado por
d = df +

f
dSt
S

La Ecuacion de Black-Scholes-Merton
A partir de la expresi
on para el proceso dSt , el cambio en el valor del portafolio
d puede ser expresado como

d =

f
f
1 2f 2 2
rSt +
+
St
S
t
2 S 2


d = f
t


dt

f
St dWt
S
f
(rSt dt + St dWt )
+
S

1 2f 2 2
2 S 2 S

dt

Como la ecuaci
on d no incorpora dW , el portafolio debe ser libre de riesgo en
el tiempo dt.
Por tanto, debe ganar la tasa libre de riesgo r , tal que
d = r t

La Ecuacion de Black-Scholes-Merton

Entonces




r dt

dt

1 2f 2 2
f
+
S
t
2 S 2

rf r

1 2f 2 2
f
+
S
t
2 S 2
f
1 2f 2 2
+
S
t
2 S 2

d

dt



f

f
S
t


dt

f
S
t

Con algo de algebra, llegamos a la famosa Ecuaci

on Diferencial de
Black-Scholes-Merton
f
f
1
2f
+ rS
+ 2 S 2
rf = 0
t
t
2
S 2

Metodos de Simulacion Monte Carlo

Simulacion Monte Carlo: Algoritmo

Considere un derivado f cuyo subyacente es un activo S que proporciona un payoff en

la fecha T .
Bajo el supuesto de una tasa de inter
es constante,
el precio del derivado f puede ser calculado a partir del siguiente algoritmo

Algoritmo:
1

Generar una ruta aleatoria para St en un mundo neutral al riesgo.

Calcular el payoff del derivado.

Repetir los pasos 1 y 2, hasta obtener un total de N simulaciones.

Calcular el valor esperado del payoff a partir del promedio de los payoffs de las
N simulaciones.

Computar el valor presente del pago esperado a la tasa libre de riesgo.

Como llevar a cabo la simulacion de un proceso estocastico?

Supongamos que una variable aleatoria S sigue un proceso estoc
astico
lognormal tal que


2
d ln St = r
dt + dWt
2


2
donde dW es un proceso de Wiener, r 2 y son, respectivamente, el drift
y la difusi
on del proceso.
Discretizaci
on:
d ln St

ln S (t + t) ln S (t)

ln S (t + t)

S (t + t)

S (t + t)



2
r
dt + dWt
2


2
r
t + Wt
2



2
ln S (t) + r
t + t
2



2
ln S(t)+ r 2 t+ t

exp

S (t) exp




2
r 2 t+ t

donde S (t) denota el valor de S en el tiempo t, W =

Wiener y  N (0, 1).

t es el proceso de

Ahora vamos a Matlab a mirar un ejemplo de

Valoracion de Opciones

Referencias
Brandimarte, P.: 2006, Numerical methods in finance and
economics: A Matlab based introduction. John Wiley & Sons.
Fusai, G. and A. Roncoroni: 2008, Implementing Models in
Quantitative Finance: Methods and Cases. Berlin: Springer.
Glasserman, P.: 2004, Monte Carlo methods in financial
engineering. Springer.
Hull, J.: 2006, Options, Futures and Other Derivatives. New
Jersey: Pearson Prentice Hall, sixth edition.
Jackel, P.: 2002, Monte Carlo methods in finance. John Wiley &
Sons.
McLeish, D.: 2000, Monte Carlo methods in finance.
Wilmott, P.: 1998, Derivatives: The Theory and Practice of
Financial Engineering. Chichester: John Wiley & Sons.