Vol. 21, No. 1, p.

17-30, junho de 2001 Pesquisa Operacional 17

CONVERGNCIA DOS MODELOS DE RVORES BINOMIAIS PARA

AVALIAO DE OPES

Tara Keshar Nanda Baidya

Departamento de Engenharia Industrial PUC-Rio

Alessandro de Lima Castro

Centro de Pesquisas de Energia Eltrica CEPEL e
Departamento de Engenharia Industrial PUC-Rio

Resumo

Black & Scholes (1973) desenvolveram um modelo para a avaliao de opes de compra e venda do
tipo Europeu. Merton (1973) estendeu o modelo para aes que pagam dividendos. Muitos outros
desenvolvimentos foram feitos acerca dos dois trabalhos citados, mas talvez um dos mais importantes
foi proposto por Cox, Ross & Rubinstein (1979), onde o processo estocstico (para o preo da ao
objeto) em tempo e estado contnuo (Movimento Geomtrico Browniano) proposto por Black &
Scholes foi aproximado por um processo de tempo e estado discreto (Random Walk). O modelo de
Cox, Ross & Rubinstein, hoje conhecido como Modelo Binomial, tornou-se um dos mtodos mais
utilizados para calcular o valor de opes, principalmente opes americanas, devido a sua
simplicidade e fcil implementao computacional. Mas, o modelo binomial possui uma convergncia
fraca, em forma oscilatria, para o valor verdadeiro. Este artigo pretende mostrar as principais solues
encontradas na literatura para acelerar a convergncia.

Palavras-chave: engenharia econmica; modelo binomial; convergncia oscilatria.

Abstract

Black & Scholes (1973) developed a model for pricing European call options on assets that do not pay
dividends. Merton (1973) extended it to include assets that pay dividends. Many other developments
have been made after that. Perhaps one of the most important work in this area was proposed by Cox,
Ross & Rubinstein (1979), where the stochastic process for the price of the underlying asset proposed
by Black & Scholes was approximated by a discrete time binomial process. The method proposed by
Cox, Ross & Rubinstein became very popular because of its simplicity and easy implementation. But
the convergence of the binomial model is weak and oscillatory. This work pretends to explain the main
solutions found in the literature to accelerate convergence.

Keywords: engineering economics; binomial option pricing; oscillatory convergence.

ISSN 0101-7438
18 Baidya & Castro Convergncia dos modelos de rvores binomiais para avaliao de opes

1. Introduo
Em 1973, Black Fischer e Myron Scholes desenvolveram um modelo para avaliao de
opes de compra do tipo europia. Eles partiram do pressuposto que o preo de uma ao
segue um processo estocstico conhecido como Movimento Geomtrico Browniano. A
equao que rege este processo dada por:
dS = rSdt + Sdz (1)
onde S o preo do ativo objeto, r a taxa de juros livre de risco, o desvio padro do
preo do ativo objeto e dz o incremento de um processo de Wiener, com mdia 0 e desvio
padro dt. Os parmetros r e so considerados constantes ao longo do tempo.
Da suposio sobre o comportamento do preo da ao, o processo que o ttulo derivativo segue
pode ser deduzido usando a idia chave do modelo de Black e Scholes que a formao de uma
carteira dinmica livre de risco, resultando em uma equao diferencial parcial, dada a seguir:
1 2 2 2C C C
S + rS + rC = 0 (2)
2 S 2 S t
Onde C o valor da opo. Ao ser resolvida a equao (2), foi encontrada a seguinte frmula
que calcula o preo de uma opo de compra do tipo Europia:
C = S N (d1 ) X er (T t ) N (d 2 ) (3)
onde
S 1
ln( ) + (r + 2 )(T t )
d1 = X 2
(4)
T t
d 2 = d1 T t
N(.) a funo de distribuio normal cumulativa, X o preo de exerccio da opo e T
tempo de maturao da opo. Muitos trabalhos baseados na metodologia de Black e Scholes
surgiram em seguida, entre os mais importantes podemos citar:
Merton (1973) estendeu o modelo de Black e Scholes para aes com pagamento de
dividendos e mostrou que uma opo de compra americana, onde a ao objeto no paga
dividendos, pode ser avaliada como se fosse uma opo de compra europia, ou seja, o
exerccio antecipado nunca ser timo;
Cox & Ross (1976) estenderam o modelo de Black e Scholes para ativos objeto que
seguiam outros processos estocsticos que no o Movimento Geomtrico Browniano,
como por exemplo, Poisson.
Ainda existia uma questo como avaliar uma opo Americana que pode ser exercida
antecipadamente? Nenhuma soluo analtica fora encontrada, ento mtodos numricos ou
de aproximao deveriam ser utilizados. Brennan & Schwartz (1978) aplicaram mtodos de
diferena finita para resolver a equao diferencial parcial para uma opo americana.
Diferentemente, Cox, Ross & Rubinstein (1979) utilizaram um processo discreto no tempo e
binomial no espao para aproximar um processo contnuo e calcular o preo de uma opo
Americana. Devido a simplicidade, a facilidade de implementao e principalmente a
flexibilidade, o modelo de rvores binomiais (como ficou conhecido) tornou-se uma das
metodologias mais utilizadas para a avaliao de opes Americanas.
Vol. 21, No. 1, p. 17-30, junho de 2001 Pesquisa Operacional 19

Desde 1979 at hoje muitos desenvolvimentos foram feitos a partir do modelo binomial
tornando-o ainda mais abrangente e tambm podendo modelar opes onde a taxa de juros
e/ou volatilidade so variantes com o tempo, os dividendos podem ser contnuos,
proporcionais ao preo da ao ou valores discretos.
Mais recentemente a comunidade acadmica e o mercado tm-se preocupado com o tempo
de processamento de diversos mtodos numricos usados em finanas. Existe a necessidade
que esses mtodos sejam rpidos e precisos. claro que nem sempre possvel encontrar
mtodos numricos que possuam essas caractersticas. O modelo binomial, por ser uma
aproximao discreta de um evento em tempo contnuo, considerado um mtodo numrico
e sofre dessas restries. Alm disso, possui um problema grave: a convergncia oscilatria.
Vrios pesquisadores tm estudado o modelo binomial de modo a eliminar os efeitos da
oscilao, mantendo-o simples de entender, fcil de implementar e flexvel na hora ser
utilizado, ou seja, existe um esforo para torn-lo mais rpido em sua convergncia para o
valor verdadeiro sem que sejam perdidas suas principais caractersticas.
Este trabalho tm como objetivo principal mostrar alguns aprimoramentos sugeridos na
literatura nos ltimos anos para melhorar a convergncia do modelo binomial. Sero
apresentados modelos que diminuem o efeito da convergncia oscilatria.
O restante do artigo ser estruturado da seguinte forma: na seo 2 sero apresentados os
principais modelos para os parmetros das rvores binomiais; a seo 3 mostrar como uma
rvore binomial pode ser utilizada para calcular o preo de opes Americanas; a seo 4
mostrar as principais tcnicas utilizadas para diminuir os efeitos da convergncia oscilatria
nos modelos binomiais e a seo 5 apresentar as principais concluses.

2. Modelos de rvores Binomiais

Cox, Ross & Rubinstein (1979) desenvolveram um mtodo que converge para a soluo
encontrada por Black & Scholes (1973). Ao invs de resolver a equao (2) utilizando
mtodo numricos, como Brennan & Schwartz (1978), eles mostraram que a equao (1)
poderia ser obtida como um limite contnuo de um caminho aleatrio em tempo discreto.
Para isso, o tempo deve ser dividido em perodos discretos de comprimento t e ser
assumido que em cada perodo, o preo da ao objeto S ou move-se para cima ou para baixo
segundo as constantes proporcionais u e d, respectivamente. A probabilidade de mover para
cima dada por uma medida neutra ao risco p e para baixo por q = 1 p. A Figura 1 mostra
os possveis valores de S ao longo de trs intervalos de tempo.

u3S
u2S
uS
p u2dS
udS
S
1-p ud2S
dS
d2S
d3S

0 t
Figura 1 rvore Binomial com trs perodos
20 Baidya & Castro Convergncia dos modelos de rvores binomiais para avaliao de opes

Esta rvore conhecida como rvore binomial multiplicativa, pois os possveis valores
futuros em cada perodo so distribudos segundo a distribuio binomial e so proporcionais
ao estado inicial. Os modelos que sero mostrados a seguir tm como objetivo calcular os
parmetros da rvores, u, d e p.

2.1 Modelo de Cox-Ross-Rubinstein (CRR)

Considere a equao (1) novamente. Esta equao ser ligeiramente modificada para levar
em considerao os dividendos pagos pelo ativo objeto. Seja uma taxa de dividendos por
unidade de tempo, ento a equao diferencial estocstica que modela os movimentos nos
preos do ativo objeto pode ser rescrita como:
dS = (r ) Sdt + Sdz (5)

Agora, divida a equao (5) por S, obtendo dS / S = (r )dt + dz . Substitua a varivel S

por x usando a relao x = ln S . Para isso, basta derivar x em relao a S,
dx / dS = 1 / S dx = dS / S . Assim, a equao (1) pode ser rescrita

dx = (r )dt + dz (6)
Por questo de comodidade faa
= r (7)
Tomando-se variaes discretas de x e t, a equao (6) pode ser escrita da seguinte forma:
x = t + z (8)
onde t = T / n, T a vida til da opo e n o nmero de intervalos de tempo. O valor
esperado e a varincia de x so dados por:
E (x ) = t (9)
e
V (x ) = 2 t (10)

lembrando que E (z ) = 0 e V ( z ) = t .
Como houve uma troca de varivel de estado, a rvore binomial proposta na Figura 1 deve
ser alterada a fim de exibir variaes em x, melhor do que em S. Para isso, basta aplicar o
logaritmo em cada n e ento a rvore passa a ser uma rvore aditiva, onde a varivel x
move-se para cima ou para baixo segundo os incrementos ln u e ln d, respectivamente. As
probabilidades neutra ao risco de subida e descida no se modificam.
Analisando a distribuio de probabilidades dos valores futuros de x, atravs da mdia e
varincia de x, as expresses abaixo so obtidas:
E (x ) = p ln u + q ln d (11)
e
V (x) = pq(ln u ln d ) (12)
Como a distribuio de probabilidades em cada perodo da rvore dada por uma
distribuio binomial ento, quanto maior o nmero de intervalos de tempo, mais ela se
aproxima de uma distribuio normal. Para garantir que ambas as distribuies sejam
Vol. 21, No. 1, p. 17-30, junho de 2001 Pesquisa Operacional 21

idnticas no limite, seus momentos devem ser iguais, ou seja, as mdias e as varincias tm
de ser idnticas. Logo, a equao (9) deve ser igual (11) e a (10) igual (12)
p ln u + q ln d = t

pq(ln u ln d ) = t
2
(13)
p + q =1

Este sistema tem grau de liberdade um, j que existem trs equaes e quatro incgnitas.
CRR utilizaram saltos com valores absolutos iguais para a quarta equao, ou seja, ao
sistema anterior foi acrescida a equao ln u = ln d. A soluo do sistema foi encontrada
assumindo que potncias de t superiores a unidade devem tender a zero.

ln u = t
ln d = t (14)
1 1
p= + t
2 2
O logaritmo pode ser eliminado nas equaes acima

u = e t

d = e t
(15)
1 1
p= + t
2 2
Ao assumir ln u = ln d, ou u = 1/d, o modelo de CRR garante que a rvore binomial torna-se
recombinante. Uma rvore binomial recombinante quando em qualquer dois intervalos de
tempo consecutivos, um movimento de subida seguido por um movimento de descida
exatamente o mesmo que um movimento de descida seguido por um movimento de subida.
Essa propriedade diminui drasticamente o nmero de ns em cada perodo, a medida que n
cresce. Por exemplo, uma rvore recombinante com trs perodos possui 4 ns no terceiro
perodo. A Figura 1 representa rvore binomial recombinante. Caso a rvore no seja
recombinante, como mostrado na Figura 2, ento no terceiro perodo a rvore teria 23=8 ns.
Assim, uma rvore recombinante possui i+1 ns no i-simo perodo (o nmero de ns em
cada intervalo de tempo cresce linearmente) e uma rvore no recombinante possui 2i ns no
i-simo perodo (o nmero de ns em cada intervalo de tempo cresce exponencialmente).

0 t

Figura 2 rvore Binomial no recombinante.

22 Baidya & Castro Convergncia dos modelos de rvores binomiais para avaliao de opes

2.2 Modelo de Jarrow Rudd (JR)

Jarrow & Rudd (1983) propuseram que probabilidade neutra ao risco fosse dada por p = .
Assim, o sistema dado em (13) passa a ter duas equaes e duas incgnitas. Do mesmo que o
modelo de CRR, o modelo de JR supe que potncias de t maiores do que a unidade
tendem para zero. Os parmetros de JR so dados a seguir:

u = e ( 1 / 2 ) t + t
2

d = e ( 1 / 2 ) t t
2
(16)
p = 1/ 2

lembrando que dado pela equao (7). A rvore binomial gerada pelos parmetros de JR
tambm recombinante.

2.3 Modelo de Hull e White (HW)

Um modelo mais preciso que os anteriores foi proposto por Hull & White (1988). Nele os
termos (t)2 no foram desprezados, diferentemente dos modelos de CRR e JR. Com isso, o
modelo torna-se mais preciso que os outros quando n pequeno. Os parmetros do modelo
so dados por

u = [(m12 + m22 + 1) + (m12 + m22 + 1) 2 4m12 ] /(2m1 )

d = 1/ u (17)
p = (m1 d ) / (u d )

onde m1 e m2 so dados por m1 = e rt e m22 = m12 (e t 1) .

2

2.4 Modelo de Trigeorgis (TRG)

Trigeorgis (1991) props um outro modelo para o clculo dos parmetros da rvore
binomial. Atravs do lema de It, TRG chegou ao processo estocstico para a varivel de
estado x = ln S, dado pela equao diferencial estocstica a seguir:
dx = ( 1 / 2 2 )dt + dz (18)

Procedendo de maneira anloga ao modelo de CRR, TRG igualou a mdia e a varincia do

processo estocstico contnuo com a mdia e varincia do processo discreto representado por
uma rvore binomial aditiva. Ao sistema de equaes foi tambm acrescida a condio que
os incrementos teriam valores absolutos iguais. Neste modelo, potncias de t superior a
unidade no foram desprezadas. Assim, foi obtido um sistema cuja soluo dada a seguir:

ln u = 2 t + ( 2 )2 t 2
ln u = ln d (19)
1 1 t
p= +
2 2 ln u
O modelo de TRG tambm seria vlido se, como no modelo de JR, a probabilidade de
transio fosse considerada constante e igual a .
Vol. 21, No. 1, p. 17-30, junho de 2001 Pesquisa Operacional 23

3. Avaliando Opes Americanas

As opes americanas so caracterizadas pela possibilidade de exerccio antecipado. Como
dito anteriormente, opes de compra americana sobre um ativo objeto que no paga
dividendos pode ser avaliada como se fosse uma opo de compra europia, ou seja o
exerccio antecipado no timo. J as opes de venda do tipo Americana (independente se
o ativo objeto paga ou no dividendos) e opes de compra do tipo Americana, onde o ativo
objeto necessariamente paga dividendos, podem ser exercidas antecipadamente.
Um grande empecilho surge quando o exerccio antecipado pode ser timo: no existe
soluo analtica para tais modelos. Assim, o Modelo Binomial surge como uma
aproximao para o valor verdadeiro de tais opes. Amin & Khanna (1994) mostraram que
opes americanas, quando avaliadas usando Modelo Binomial convergem para o valor
verdadeiro.
Uma rvore binomial onde o perodo entre o lanamento da opo e seu vencimento foi
dividido em n intervalos de tempo possui n+1 ns no n-simo perodo. Um algoritmo para
calcular o valor de uma opo usando os modelos de rvores binomiais no necessita
armazenar mais do que n+1 ns. Os ns da rvore sero numerados como na Figura 3. O
preo da ao calculado recursivamente e o valor em cada n dado por S uj d n-j. O uso da
recursividade um artifcio de programao muito importante, que nesse caso ir reduzir a
complexidade do algoritmo, pois evita que operaes mais complexas que a multiplicao
(potenciao) sejam utilizadas.

n,n

2,2
n,n-2
1,1
n,n-2j
0,0 2,0
j
n,n-2j+2
1,-1
n,-n+2
2,-2

n,-n

i
Figura 3 Numerao dos Ns de uma rvore Binomial

A rotina de programao dinmica inicializada estabelecendo, por exemplo, o preo da

opo de compra no instante T CT = max(ST K, 0) em cada um dos ns terminais, onde K
o preo de exerccio da opo (caso a opo fosse de venda, o preo da opo nos ns
terminais seria CT = max(K ST, 0). Considere o n no alto direita da Figura 1, CT(u3S)
estabelecido para max(u3S K, 0). No n anterior correspondente ao preo da ao u2S no
tempo T t, o valor da opo de compra CT-t(u2S) estabelecido para
max{ max((u 2 S K ), 0), e rt [ pCT (u 3 S ) + (1 p) CT (u 2 dS )]}
24 Baidya & Castro Convergncia dos modelos de rvores binomiais para avaliao de opes

Isto , o valor da opo de compra do tipo Americana o mximo entre o valor do exerccio
imediato e o valor presente de continuao. O valor da opo de compra nos ns restantes
so calculados de maneira similar utilizando recursividade.
Um cuidado que deve ser tomado ao implementar o algoritmo que no sejam feitas
multiplicaes desnecessrias repetidas vezes. Para isso, deve-se verificar com antecedncia
o que constante ao longo do algoritmo. Essas constantes sero pr calculadas e, deste
modo, sero eliminadas operaes redundantes, principalmente dentro dos loops. No
apndice, ser apresentado o algoritmo para avaliao de opes americanas utilizando o
modelo CRR.

4. Convergncia dos Modelos Binomiais

Nesta seo sero apresentadas algumas solues propostas na literatura para acelerar a
convergncia dos modelos binomiais. Todos os grficos so de uma opo de compra do tipo
Americana cujo preo do ativo objeto (S) $110,00, o preo de exerccio (K) $100,00, o
tempo de maturao (T) igual a 6 meses, a volatilidade do preo da ao () 30%a.a., a
taxa de dividendos () 3%a.a. e a taxa de juros livre de risco (r) 7%a.a..
Quando mtodos numricos so utilizados para resolver problemas, comum verificar se o
algoritmo empregado converge para o conjunto de solues e quo rpido ele o faz. A
convergncia terica uma propriedade altamente desejvel para algoritmos numricos. Se
dois algoritmos so convergentes, mas o primeiro converge mais rpido do que o segundo,
ento o primeiro ser selecionado.
No clculo do preo de uma opo baseado em mtodos de rvores binomiais, a definio do
nmeros de intervalos de tempo, entre o lanamento e a maturidade da opo, fundamental
para a que o modelo consiga convergir para o valor verdadeiro, mas a convergncia lenta e
oscilatria. Esta caracterstica pode ser confirmada no grfico da Figura 4, que apresenta a
convergncia dos modelos de rvores binomiais apresentados seo 2. Observe que o padro
de convergncia praticamente o mesmo para os quatro modelos apresentados.

15,96
15,93 CRR
JR
15,90
Preo da Opo

HW
15,87 TRG
15,84
15,81
15,78
15,75
15,72
15,69
10 20 30 40 50 60
N de Intervalos
Figura 4 Grfico de convergncia dos modelos CRR, JR, HW e TRG

Nos itens a seguir sero apresentados os principais mtodos para acelerar a convergncia dos
modelos de rvores binomiais.
Vol. 21, No. 1, p. 17-30, junho de 2001 Pesquisa Operacional 25

4.1 Mtodo dos Valores Mdios (MVM)

Muitas vezes, regras prticas so utilizadas para tirar vantagens de algumas caractersticas de
modelos numricos. No caso das rvores binomiais, a mdia entre os valores obtidos nos
passos n+1 e n calculada a fim de tomar vantagem da regra de convergncia oscilatria. O
grfico da Figura 5 ilustra a convergncia do MVM comparado ao modelo de CRR.
Broadie & Detemple (1996) afirmaram, seguindo os resultados obtidos em seus modelos de
simulao, que este mtodo no possui performance significativamente melhor do que os
modelos binomiais tradicionais. J Mayhew (1998) mostrou, usando simulaes similares
quelas feitas por Broadie & Detemple, que o Mtodo dos Valores Mdios sugere uma
velocidade duas vezes maior do que os modelos tradicionais para um mesmo nvel de
preciso. O grfico da Figura 5 sugere que a convergncia do MVM seja superior ao modelo
CRR.

15,96

15,93
15,90
CRR
MVM
Preo da Opo

15,87
15,84
15,81
15,78
15,75
15,72

15,69
5 15 25 35 45 55 65 75 85 95 105
N de Intervalos

Figura 5 Grfico ilustra a convergncia do modelo MVM comparado ao modelo CRR

4.2 Mtodo Binomial Black e Scholes (BBS)

Este mtodo foi proposto por Broadie & Detemple (1996) e consiste em substituir a frmula
do valor de continuao (apresentada a seguir) no passo n1 pela frmula de Black e Scholes.

e rt [ pC (i + 1) + (1 p ) C (i 1) ], i = n + 1, n + 2, K, n 1

O trabalho computacional para calcular o valor de continuao em cada n de somente

duas multiplicaes. Assim, a computao da frmula de Black e Scholes requer a avaliao
de uma funo de distribuio normal cumulativa duas vezes para a cada n. Mas, como este
clculo feito somente em n ns, o tempo de processamento praticamente o mesmo que
aquele necessrio para calcular uma opo usando o modelo binomial de CRR. Para que a
complexidade do modelo binomial no aumente, mtodos eficientes para o clculo da funo
de distribuio normal cumulativa devem ser utilizados. Abramowitz & Stegun (1972) e
Moro (1995) implementaram algoritmos eficientes que podem ser utilizados. O grfico da
Figura 6 exibe a convergncia dos modelos BBS e CRR. Repare que a convergncia do BBS
deixou de ser oscilatria para ser mais suave, e tambm sua preciso maior quando
comparado a um mesmo nmero de intervalos de tempo.
26 Baidya & Castro Convergncia dos modelos de rvores binomiais para avaliao de opes

15.96
15.93 CRR
15.90
Preo da Opo BBS
15.87
15.84
15.81
15.78
15.75
15.72
15.69
5 25 45 65 85 105
N de Intervalos

Figura 6 Grfico de convergncia dos modelos BBS e CRR

4.3 Modelo BBS com Extrapolao de Richardson (BBSR)

Segundo Broadie & Detemple (1996), a convergncia mais suave obtida com BBS sugere a
utilizao da Extrapolao de Richardson. Assim, o mtodo BBSR adiciona uma
extrapolao de dois pontos diretamente sobre o nmero de intervalos de tempo do modelo
BBS. Para calcular o preo de uma opo com n intervalos de tempo usando o mtodo
BBSR, trs passos devem ser seguidos:
calcular o preo de uma opo usando o modelo BBS com n intervalos de tempo (Cn);
calcular o preo de uma opo usando o modelo BBS com m = n/2 intervalos de tempo (Cm);
usar a frmula de extrapolao 2CnCm.
Broadie & Detemple mostraram que o modelo BBSR significativamente melhor do que
qualquer outro mtodo do tipo binomial. O grfico da Figura 7 compara os modelos de CRR,
BBS e BBSR. Este grfico j sugere uma performance melhor em termos de convergncia do
modelo BBSR. Para se ter uma idia, o BBSR com n=100 to preciso quanto o CRR com
n=1000 e cerca de 55 vezes mais rpido. Esta concluso pode ser encontrada no artigo de
Broadie & Detemple. Utilizando distribuio de probabilidades para cada um dos parmetros
da opo e tambm uma amostra relativamente grande de opes eles traaram grficos de
Velocidade Computacional por Erro Mdio Quadrtico. Em todos esses grficos o modelos
BBSR apresentou a melhor performance dentre todos os modelos binomiais apresentados.
15.96
15.93 CRR
15.90
Preo da Opo

BBS
15.87 BBSR
15.84
15.81
15.78
15.75
15.72
15.69
5 25 45 65 85 105
N de Intervalos

Figura 7 Grfico de convergncia dos modelos BBSR, BBS e CRR

Vol. 21, No. 1, p. 17-30, junho de 2001 Pesquisa Operacional 27

O grfico da Figura 8 ilustra as regras de convergncias dos modelos CRR, MVM, BBS e
BBSR.

15,96
CRR
15,93
15,90 BBS
Preo da Opo

15,87 BBSR

15,84 MVM
15,81
15,78
15,75
15,72
15,69
5 25 45 65 85 105
N de Intervalos

Figura 8 Grfico de convergncia dos modelos CRR, BBS, BBSR e MVM

Existem outros mtodos para reduzir os efeitos da convergncia oscilatria e/ou acelerar a
velocidade de convergncia dos modelos binomiais. Leisen & Reimer (1995) sugerem que o
sistema dado em (13) seja completado com uma equao que posiciona o preo de exerccio
no centro da rvore para qualquer nvel de discretizao. Este mtodo praticamente elimina a
forma oscilatria, mas no consegue acelerar a velocidade de convergncia. Outro mtodo
tambm apresentado por Leisen & Reimer (1995) utiliza uma aproximao normal para a
distribuio binomial.

5. Concluso

Neste trabalho foram apresentados os principais modelos numricos para avaliao de

opes usando rvores binomiais e algumas tcnicas de implementao.
Trs mtodos propostos na literatura para acelerar a convergncia dos modelos binomiais
foram analisados: Mtodo do Valores Mdios (MVM), Mtodo Binomial Black Scholes
(BBS) e Mtodo BBS com Extrapolao de Richardson.
Uma maneira simples, mas eficaz de reduzir os efeitos da convergncia oscilatria tomar a
mdia entre os valores de dois passos consecutivos de uma rvore binomial simples (MVM).
A mistura de um modelo numrico com uma frmula analtica (BBS) propiciou um aumento
na performance do modelo de rvore binomial. Quando comparado a uma rvore binomial
pura, a forma oscilatria foi praticamente eliminada e a convergncia tornou-se mais rpida.
Utilizando-se extrapolao de Richardson, foi possvel incrementar a performance do modelo
BBS. Grficos de convergncia sugeriram que os mtodos propostos so mais precisos e
convergem mais rapidamente que os modelos tradicionais, para um mesmo nvel de
discretizao.
Dos trs mtodos apresentados, o mtodo BBS com Extrapolao de Richardson sugere uma
melhor performance, ou seja, este mtodo necessitaria de um nmero menor de passos para
atingir um resultado to preciso quanto os outros mtodos apresentados.
28 Baidya & Castro Convergncia dos modelos de rvores binomiais para avaliao de opes

6. Apndice
Neste apndice ser apresentado apenas o algoritmo para implementao computacional do
Modelo Binomial usando os parmetros de CRR. Para implementar os modelos de JR, HW e
TRG basta substituir o clculo dos parmetros no algoritmo por aqueles apropriados.
Para implementar o BBS, deve-se escolher um dos modelos para o clculo dos parmetros da
rvore binomial. Dentro do procedimento de programao dinmica, deve-se verificar os ns
que pertencem ao penltimo perodo e a frmula de Black e Scholes deve ser usada para
avaliar o preo da opo em cada um desses ns. A frmula de Black e Scholes utiliza um
algoritmo para clculo da distribuio normal acumulada. Abramowitz & Stegun (1972) e
Moro (1995) sugerem algoritmos precisos e rpidos para o clculo da distribuio normal
acumulada.
J o modelo BBSR o mais fcil de ser implementado, pois a extrapolao feita sobre o
nmero de intervalos de tempo. A frmula C = 2Cn Cm deve ser computada, onde C o
preo BBSR da opo com n intervalos de tempo, Cn o preo BBS com n intervalos de
tempo e Cm o preo BBS com m = n / 2 intervalos de tempo.

6.1 Modelo de Cox, Ross e Rubinstein

BinomialCRR(s,k,T,sig,r,n)
dt=T/N;
u=exp(sig*sqrt(dt)); /*
d=1/u; /* Clculo dos parmetros
pu=0.5+0.5*(r/sig)*sqrt(dt); /*

pd=1-pu /*
disc=exp(-r*dt); /*
dpu=disc*pu; /* Constantes pr calculadas
dpd=disc*pd; /*
/*Preenche o vetor com os valores da ao no ltimo perodo */
s(-n)=s*(d^n);
para j de 1 at n faa s(j)=s(j-1)*u;
/*Calcula o valor da ao no ltimo perodo */
para j de n at n passo 2 faa
c(j)=max(s(j)-k, 0); se for opo de compra
c(j)=max(k-s(j), 0); se for opo de venda
fim_para
/* Procedimento de Programao Dinmica */
para i de n-1 at 0 faa
Vol. 21, No. 1, p. 17-30, junho de 2001 Pesquisa Operacional 29

para j de i at +i passo 2 faa

c(j)=dpd*c(j-1) + dpu*c(j+1);
c(j)=max(s(j)-k, c(j); se opo de compra
c(j)=max(k-s(j), c(j); se opo de venda
fim_para
fim_para
retorna c(0);

Referncias Bibliogrficas
(1) Abramowitz, W. & Stegun, I. (1972). Handbook of Mathematical Functions. Dover
Publications.
(2) Amin, K & Khanna, A. (1994). Convergence of American Option Values from Discrete
to Continuous Time Financial Models. Mathematical Finance, 4, 289-304.
(3) Black, F. & Scholes, M. (1973). The Price of Options and Corporate Liabilities. Journal
of Political Economy, 81, 637-659.
(4) Brennan, M. & Schwartz, E.S. (1978). Finite Difference Methods and the Jump Process
Arising in the Pricing of Contingent Claims: A Synthesis. Journal of Financial and
Quantitative Analysis, 20, 461-473.
(5) Broadie, M. & Detemple, J. (1996). American Option Valuation: New Bounds,
Approximations, and a Comparison of Existing Methods. Review of Financial Studies,
9, 1211-1250.
(6) Broadie, M. & Detemple, J. (1997). Recent Advances in Numerical Methods for
Pricing Derivative Securities, in Numerical Methods in Finance. Cambridge
University Press, Cambridge.
(7) Chriss, N. (1995). Black-Scholes and Beyond: Option Pricing Models. McGraw-Hill,
Nova York.
(8) Clewlow, L. & Strickland, C. (1998). Implementing Derivatives Models. John Wiley &
Sons, Nova York.
(9) Cox, J. & Ross S. (1976). The Valuation of Options for Alternative Stochastic Process.
Journal of Financial Economics, 3, 145-166.
(10) Cox, J.; Ross, S. & Rubinstein, M. (1979). Option Pricing: A Simplified Approach.
Journal of Financial Economics, 7, 229-263.
(11) Hull, J.C. & White, A. (1988). The Use of the Control Variate Technique in Option
Pricing. Journal of Financial and Quantitative Analysis, 23, 237-251.
(12) Hull, J.C. (1997). Options, Futures and Other Derivatives. Prentice Hall, Englewood
Cliffs, Nova Jersey.
(13) Jarrow, R. & Rudd, A. (1983). Option Pricing. Dow Jones- Irwin.
(14) Leisen, D.P.J. (1998). Pricing the American put option: A detailed convergence analysis
for binomial models. Journal of Economic Dynamics & Control, 22, 1419-1444.
30 Baidya & Castro Convergncia dos modelos de rvores binomiais para avaliao de opes

(15) Leisen, D.P.J. & Reimer, M. (1995). Binomial Models for Option Valuation:
Examining and Improving Convergence. Discussion Paper, B-309, University of Bonn.
(16) Mayhew, S. (1998). Numerical Results on the Convergence of Binomial Option Pricing
Model. Working Paper, Krannert School of Management, Purdue University.
(17) Merton, R.C. (1973). The Theory of Rational Option Pricing. Bell Journal of
Economics and Management Science, 4, 141-183.
(18) Moro, B. (1995). Fast Computation of Cumulative Normal Distribution Function.
Working Paper, TMG Financial Products, Greenwich, Connecticut.
(19) Trigeorgis, L. (1991). A Log-Transformed Binomial Numerical Analysis Method for
Valuing Complex Multi-Option Investments. Journal of Financial and Quantitative
Analysis, 26, 309-326.