Proposta de Nova Disciplina Optativa

Instituto de Fsica de So Carlos

Fsica e Cincia dos Materiais

Disciplina: Introduo Econofsica

Crditos Aula: 4
Crditos Trabalho: 0
Carga Horria Total: 60 h
Tipo: Semestral
Ativao: 02/08/2010

Objetivos
Estudar vrios tpicos estatsticos acerca das flutuaes dos preos de ativos negociados em
bolsas de valores e abordar a dinmica desses processos estocsticos, com a introduo de
ferramentas matemticas adequadas.

Docente(s) Responsvel(eis)
1782502 - Reginaldo de Jesus Napolitano

Programa Resumido
Introduo ao mercado de aes
A hiptese do mercado eficiente
Passeio aleatrio
Processos estocsticos de Lvy e teoremas limite
Escalas em dados financeiros
Estacionalidade e correlao temporal
Correlao temporal em sries temporais financeiras
Modelos estocsticos para a dinmica de preos de ativos financeiros
Correlao e anticorrelao entre aes
Taxonomia de um portflio de aes
Opes em mercados idealizados
Opes em mercados reais

Programa

Uma visita ao site da BM&FBovespa e introduo ao mercado de aes

Dados empricos sobre preos de ativos e a hiptese do mercado eficiente
 Anlise tcnica versus anlise fundamentalista. O passado se repete? O futuro
pode ser previsto?
O modelo de Bachelier (1900) para o movimento Browniano: a primeira
proposta da dinmica do preo de um ativo financeiro
O modelo padro da dinmica do preo de um ativo financeiro: o movimento
Browniano geomtrico
Passeio aleatrio discreto e contnuo. O teorema limite central
Processos estocsticos de Lvy e teoremas limite. Distribuies estveis
Processos estocsticos de Lvy e teoremas limite. Auto-similaridade, escalas e
teoremas limite para distribuies estveis
Processos estocsticos de Lvy e teoremas limite. Processos aleatrios
infinitamente divisveis
Escalas em dados financeiros
Estacionalidade e correlao temporal em processos estocsticos
Correlao temporal em sries temporais financeiras. A volatilidade no
constante
Modelos estocsticos para a dinmica de preos de ativos financeiros
Correlao e anticorrelao entre aes
Distncias ultramtricas entre aes. Setores econmicos formando
aglomerados em um espao ultramtrico
Introduo a contratos futuros
Introduo a opes sobre aes
Introduo ao clculo estocstico e o lema de Ito
O processo browniano geomtrico revisitado: forma diferencial de Ito
O princpio do "hedging" sem risco e a teoria de Black, Scholes e Merton
O argumento da neutralidade de risco para obter a equao de Black e Scholes
A estratgia de negociao dinmica auto-financiada
Probabilidades de transio e a equao de Fokker-Planck ou de Kolmogorov
avanada
O modelo de Heston com volatilidade estocstica
Frmulas de Black e Scholes para opes do tipo europeu
Taxas de variao do preo justo de opes europias com relao aos
parmetros envolvidos no caso ideal
O clculo da volatilidade implcita
O caso de volatilidade estocstica: indo alm do modelo padro

Avaliao
Mtodo
Provas e trabalhos prticos.
Critrio
No incio das aulas o aluno ser informado dos critrios adotados para aprovao na
disciplina.
Norma de Recuperao
 Uma prova obrigatria+trabalho (opcional), a critrio do docente. Critrio de Aprovao:
mdia final+nota de recuperao=mdia aritmtica igual ou superior a 5,0. poca de
realizao: at uma semana antes da data para entrega das notas.

Bibliografia

"An Introduction to Econophysics - Correlations and Complexity in Finance," por

Rosario N. Mantegna e H. Eugene Stanley (Na biblioteca do IFSC: 332.015195M29,
ISBN: 0 521 62008 2).
Alm do livro-texto, estaremos utilizando vrias outras referncias, das quais a mais
importante e utilizada ser o artigo "Probability distribution of returns in the Heston
model with stochastic volatility", de Adrian A. Dragulescu e Victor M. Yakovenko.
Este artigo apareceu publicado em Quantitative Finance, 2002, vol. 2, nmero 6,
pginas 443-453, mas est disponvel tambm em arXiv:cond-mat/0203046.

Requisitos para Introduo Econofsica

SMA0301 - Clculo I
SMA0302 - Clculo II
SMA0303 - Clculo III

Oferecimento de Introduo Econofsica

Durante o primeiro ou segundo semestre do ano letivo, de acordo com as
disponibilidades do professor e dos estudantes
 O Modelo CAPM
por Carlos Alexandre S e Jos Rabello de Moraes

Em um mercado perfeito, caracterizado pela ausncia de impostos e outros custos de

transaes, onde haja perfeita simetria de informaes e acesso irrestrito ao crdito e on-
de todos os agentes possuam expectativas racionais, no h motivos para existirem taxas
diferenciadas de juros. Nestas condies, o melhor investimento sempre o que oferece a
melhor taxa de retorno.
Acontece que no mundo real os mercados no so perfeitos e os agentes so avessos ao
risco. Isto significa que cobram um prmio para assumir um risco. Chamamos de risco de
um investimento incerteza quanto ao seu retorno. Veja bem que para que um investi-
mento seja considerado arriscado no preciso que seus resultados esperados sejam des-
favorveis, basta que sejam incertos. Assim, um ativo muito arriscado quando seu re-
torno muito imprevisvel, e vice-versa.
A questo que se coloca, ento, a seguinte: qual seria o prmio que faria com que o a-
gente ficasse indiferente entre adquirir um investimento arriscado ou o ttulo livre de ris-
co?
No incio dos anos 60, dois americanos, William Sharpe e John Lintner, conseguiram
provar matematicamente que, em uma situao de equilbrio, existe uma relao linear
entre o excesso de retorno de um investimento e o excesso de retorno do mercado, como
um todo. Sharpe e Lintner chamaram esta relao de beta, cuja equao :

Rp - Rf
= (1)
Rm - Rf
onde:
Rp a taxa de retorno do investimento, tambm chamada de taxa de atratividade mni-
ma
Rm a taxa mdia de retorno do mercado
Rf a taxa de retorno de um investimento livre de risco
o beta.
Resolvendo a equao (1), temos:
Rp = Rf + (Rm Rf) (2)
Vejamos um exemplo: Suponha que uma determinada empresa possua um igual a 1,2.
Qual seria o retorno mnimo desejado por seus acionistas caso o retorno esperado pelo
mercado seja de 25% a.a. e a rentabilidade de um ttulo livre de risco seja de 14,25% a.a.?
Resposta:

Rp = Rf + (Rm Rf) = 14,25% + 1,2 x (25% - 14,25%) = 27,15 % a.a.

Vemos, portanto, que, ao definir a equao do beta, Sharpe e Lintner partiram de duas
taxas de referncia. A primeira o rendimento de um ttulo livre de risco de retorno. Esta
primeira parte do problema era fcil de resolver j que os ttulos do tesouro americano
so considerados livres de risco de retorno, desde que sejam resgatados no vencimento.
fcil compreender o interesse de Sharpe e Lintner pela taxa de retorno de um investimen-
to livre de risco j que o prmio cobrado por um investidor para fazer um investimento ,
por definio, o excesso de retorno deste investimento, ou seja, a parcela do retorno que
excede a taxa de retorno de um investimento livre de risco.
A segunda taxa de referncia foi o excesso de retorno do mercado, ou seja, a mdia do
excesso de retorno de todas as transaes efetuadas em uma mesma economia em um de-
terminado perodo. A o problema complicou, j que esta informao no est disponvel,
ou no observvel, como gostam de dizer os economistas. A soluo encontrada por
Sharpe e Lintner foi considerar o ndice Dow Jones como uma amostra representativa da
atividade econmica j que na Bolsa de Valores de Nova York esto representados os
principais segmentos econmicos dos Estados Unidos. No era uma soluo perfeita, mas
era a melhor de que dispunham.
O modelo desenvolvido por Sharpe e Lintner foi chamado de CAPM Capital Assets
Pricing Model - ou Modelo de Precificao de Ativos de Capital. A equao do CAPM
representa o retorno esperado de um investimento que conduz a uma situao de equil-
brio, isto , que no deixa espao para que o mercado faa qualquer tipo de arbitragem.
Nesta equao, o beta o parmetro que representa o risco sistemtico.
Chamamos de risco sistemtico ao risco que esto sujeitas todas as empresas situadas
em um mesmo universo econmico, ainda que com diferentes graus de intensidade. E-
xemplo: a inflao reduz o poder de compra da populao e, em conseqncia, o consu-
mo na economia. Trata-se, portanto, de um risco sistemtico. No entanto, as empresas
que comercializam bens necessrios (como o sal, por exemplo) so menos afetadas pela
reduo do poder aquisitivo da populao do que as empresas que vendem bens de luxo
(como vinhos importados, por exemplo).
J o risco no sistemtico afeta uma empresa ou um segmento econmico sem que as
empresas fora deste segmento sejam significativamente afetadas. Um exemplo de risco
no sistemtico seria um aumento acentuado de atos terroristas em vos comerciais. Isto
teria um enorme impacto sobre o faturamento e, conseqentemente, sobre o resultado das
empresas areas. Possivelmente as vendas de sorvetes no seriam afetadas. Outros exem-
plos de riscos especficos ou no sistemticos seriam: o anncio de que uma empresa ga-
nhou uma grande concorrncia; a descoberta de que o principal produto de uma empresa
cancergeno; a publicao de um grande escndalo envolvendo os principais executivos
de uma grande corporao. O risco de estes eventos ocorrerem afeta as empresas envol-
vidas; as demais empresas, no.
Procuramos identificar os riscos sistemticos e os no sistemticos pelo fato de os riscos
no sistemticos serem diversificveis e os riscos sistemticos, no. Um risco diversifi-
cvel quando pode ser diludo em uma carteira pela aquisio de ativos que sejam negati-
vamente correlacionados com ele.
Suponhamos, por exemplo, que haja um aumento acentuado do preo dos combustveis.
provvel que isto afete negativamente a venda de carros. Para diluir este risco, o admi-
nistrador de uma carteira que possusse aes de empresas da indstria automobilstica
poderia adquirir aes de empresas de petrleo que possivelmente lucrariam com este
aumento de preos. Assim, o prejuzo que investidor pudesse vir a ter nas aes de em-
presas de indstrias automobilsticas poderia ser parcialmente compensado pelos ganhos
com as aes das empresas de petrleo.
O coeficiente d a medida do risco sistemtico. Vamos explicar isto melhor. Imagine
que em quatro situaes diferentes o excesso de retorno do mercado e o excesso de retor-
no da empresa que estamos analisando tenham variado conforme a tabela abaixo:

Tipo de mercado Excesso de retorno do mercado Excesso de retorno da empresa

I Em alta 15 % 33 %
II Em alta 15 % 15 %
III Em baixa -5 % -5 %
IV Em baixa -5 % -11 %

Supondo que todas as situaes acima sejam igualmente provveis , temos que:

Tipo de mercado Excesso de retorno da empresa

Em alta + (33 % x ) + (15 % x ) = 24 %
Em baixa - (- 5 % x ) + (- 11 % x ) = - 8 % %

Verifica-se pelo quadro acima que quando o mercado passa da pior situao (-5%) para a
melhor situao (15%), ou seja, quando o mercado varia 20%, o retorno da empresa aci-
ma do investimento livre de risco varia 32% (= 24% - (-8%)). Isto significa que o beta
da empresa 1,6. A figura a seguir ilustra o ocorrido.
 Excesso de retorno da ao (%)

24%
Inclinao = = 1,60

-5% Excesso de Retorno do mercado (%)

15%
-8%

Linha Caracterstica

Linha Caracterstica da Ao

Analisando a figura acima verificamos que:

- Quando o igual a zero, ou seja, quando a rentabilidade de um investimento no
varia com o mercado, este investimento considerado como sendo livre de risco;
- Quando o igual a 1, o risco da empresa igual ao risco do mercado;
- Se em um determinado ano a rentabilidade do mercado acima da taxa livre de risco
for 5%, a rentabilidade esperada da empresa acima da taxa livre de risco ser 8 %
(1,6 x 5%);
- Quanto maior for o , maior ser o risco sistemtico da empresa e, conseqentemente,
maior ser a remunerao exigida pelo acionista.
O beta de uma empresa afetado por seu endividamento e pelos impostos incidentes so-
bre o lucro30. Quanto mais endividada estiver a empresa, mais elevado ser seu beta. Du-
as empresas idnticas em tudo, mas com diferentes graus de endividamento, apresentaro
betas diferentes. Ora, sendo assim, se quisermos inferir o beta de uma empresa compa-
rando-o com o beta de outra empresa assemelhada, mas com diferente grau de endivida-
mento, primeiro temos que desalavancar31 as duas empresas para depois compara-las. Isto
feito usando a expresso:
E
D =
D
1 + (1 - I L ) x PL
onde:

30
No Brasil temos 15% de Imposto de Renda, 10% de Adicional de IR e 9% de Contribuio Social sobre o Lucro. A soma destes
trs impostos totaliza 34 %.
31
O termo desalavancar neste contexto significa expurgar os efeitos do endividamento financeiro.
D o beta desalavancado;
E - o beta da empresa32;
IL a soma das alquotas de todos os impostos incidentes sobre o lucro e igual a 0,34
tanto nos Estados Unidos quanto no Brasil.
Digamos que tenhamos identificado na bolsa de Nova York sete empresas que atuam no
ramo da XYZ. O quadro abaixo representa os betas destas empresas, seu grau de endivi-
damento e os betas desalavancados.

Empresa Empresa Empresa Empresa Empresa Empresa Empresa Mdia

A B C D E F G
E 0,65 0,64 0,66 0,74 0,65 0,63 0,69 0,67
(D / PL ) 1,38 0,79 0,11 1,26 0,34 1,45 0,47

D 0,34 0,42 0,62 0,40 0,53 0,32 0,52 0,45

Consideramos que o beta desalavancado da XYZ seja igual mdia aritmtica dos betas
desalavancados das empresas assemelhadas, ou seja, 0,45. No entanto a XYZ possui d-
vidas como se pode observar em seu ltimo balano publicado, conforme mostrado abai-
xo.

Balano Patrimonial
($000)

Ano 1 Ano 2
ATIVO
Disponvel 8.300 35.000
Realizvel de Curto Prazo 5.825.000 2.340.000
Contas a Receber 615.000 655.000
Estoques 615.000 615.000
Outros 4.595.000 1.070.000
Realizvel de Longo Prazo 875.000 1.990.000
Permanente 8.800.000 12.010.000
Investimentos 1.100.000 1.225.000
Imobilizado 7.700.000 10.785.000
Total do Ativo 15.500.000 14.350.000

PASSIVO
Exigvel de Curto Prazo 4.020.000 3.620.000
Emprstimos e Financiamentos 1.220.000 2.500.000
Fornecedores 470.000 365.000
Salrios e Contribuies 50.000 55.000
Tributos a Recolher 90.000 100.000

32
Na verdade, o que chamamos de beta da empresa o do seu Patrimnio Lquido.
 Outros 2.190.000 600.000
Exigvel de Longo Prazo 5.710.000 5.580.000
Emprstimos e Financiamentos 3.475.000 3.200.000
Outros 2.235.000 2.380.000
Patrimnio Lquido 5.770.000 5.150.000
Capital 1.680.000 1.680.000
Reservas 3.650.000 3.470.000
Lucros Acumulados 440.000
Total do Passivo 15.500.000 14.350.000

Dividindo seu endividamento financeiro de $ 5.700 mil (=2.500 mil + 3.200 mil) por seu
Patrimnio Lquido, chegamos a um ndice de endividamento de 1,11. Agora temos que
alavancar o da empresa, ou seja, ajusta-lo para refletir os efeitos do endividamento fi-
nanceiro. Temos, ento, que:
D
E = D x 1 + (1 I L ) x = 0,45 x [1 + (0,66 x 1,11] = 0,78
PL

Na equao do CAPM, o excesso de retorno do mercado, ou seja, o prmio de risco do

mercado dado pela expresso (Rm Rf) onde:
- Rm o retorno esperado do mercado representado pelo ndice Dow-Jones ou pelo
S&P 500;
- Rf a rentabilidade esperada de um ativo livre de risco.
Dados recentes indicam que, atualmente, o prmio de risco do mercado nos Estados Uni-
dos est em torno de 8% a.a. Ora, como estamos no Brasil, temos que considerar o cha-
mado risco Brasil.
O risco Brasil representa o prmio exigido pelos investidores estrangeiros para aplicar em
ativos brasileiros. O risco Brasil um dado observvel. O Brasil lana periodicamente
ttulos da dvida brasileira no exterior. Estes ttulos so negociados no mercado. Todas as
vezes que algum fato aumenta a percepo de que o Brasil possa no honrar estes ttulos
no seu vencimento, o mercado passa a exigir um desgio maior para transacion-los. Este
desgio a medida do risco Brasil.
Como o mercado transaciona todos os dias ttulos da dvida externa brasileira, o risco
Brasil avaliado todos os dias. Suponhamos que o risco Brasil projetado pelo nosso ce-
nrio econmico seja 2,6% ao ano.
Substituindo, ento, as variveis da equao (1) pelos valores encontrados, temos:

Re = RfUSA + eUSA (RmUSA - RfUSA) + b

onde;
RfUSA = 5 % a.a.
eUSA = 0,78
(RmUSA - RfUSA) = 8%
 b = 2,60%
Assim:
Re = 5% + (0,78 x 8%) + 2,60% = 11,84 % a.a.
Observe que at agora estivemos trabalhando em um mundo dolarizado: a taxa livre de
risco era americana, as empresas comparadas eram americanas, o risco sistemtico era
americano e o risco Brasil representava uma avaliao feita por um investidor atuando
em uma economia dolarizada. Ento, a taxa encontrada acima representa a remunerao
do acionista caso ele estivesse investindo em um ativo denominado em dlares. Para ajus-
tar esta taxa realidade brasileira temos que levar em considerao a taxa do dlar na da-
ta do oramento, a taxa do dlar projetado para o final do exerccio e a inflao no Brasil
relativa inflao nos USA. Levando tudo isto em considerao, temos que a remunera-
o do acionista no Brasil dada pela equao:

C (1 + d )
rd = (1 + rc ) t +1 1
C t (1 + c )

onde:
rd = retorno domstico, ou seja o retorno do acionista no Brasil;
rc = retorno calculado do acionista nos USA. No nosso exerccio rc = 11,84%;
Ct = taxa do dlar no momento do oramento. Suponhamos que no momento da conver-
so Ct = 2,20;
Ct+1 = taxa do dlar projetada para o final do exerccio que est sendo orado. Suponha-
mos que pelo nosso cenrio econmico Ct+1 = 2,40
d = inflao domstica projetada. Pelo nosso cenrio econmico, d = 4,05%.
c = inflao projetada nos USA. Pelo nosso cenrio econmico, c = 2%.
Substituindo os valores na equao temos:

2,40 1,045
rd = (1 + 0,1184) 1 = 25%
2,20 1,020

A equao acima chamada de equao de paridade a descoberto da taxa de retorno. O

termo a descoberto vem do fato de a taxa do dlar ser projetada para o futuro. Esta e-
quao quem garante o equilbrio dos mercados internacionais, ou seja, que garante
que, no nosso exemplo, seria indiferente para um investidor aplicar a 11,84% a.a.nos Es-
tados Unidos ou a 25% a.a.no Brasil.

Carlos Alexandre S e Jos Rabello de Moraes so professores de finanas e autores do

livro O Oramento Estratgico: uma viso empresarial.
Introduo Econofsica
Aula 3
Anlise Fundamentalista

Receber um real hoje melhor do que receb-lo amanh. Por qu? Ora, se uma
pessoa recebe um real agora, pode utiliz-lo para comprar, digamos, uma garrafa
de meio litro dgua geladinha na cantina. E pode matar sua sede logo aps
receber o real. No entanto, se tiver que esperar at amanh, pode at tomar sua
gua agora, mas vai ter que ficar devendo. Ficar devendo at amanh pode no
ser um grave problema, pois a cantina pode simplesmente acreditar na pessoa, j
que tem cadastro l e bons antecedentes. No seria a mesma coisa se a pessoa
fosse estranha cantina.
Por esse exemplo vemos que h menos dificuldades possveis se recebermos o
dinheiro agora do que se tivermos que esperar para receb-lo depois. natural,
portanto, adiarmos o recebimento de um certo montante em troca de um pequeno
valor adicional, um valor que aceitemos como indenizao pelo inconveniente de
nossa espera. assim que se origina uma taxa de juros. Poderamos at mesmo
dizer que os juros descrevem o preo do tempo de espera.
O governo toma dinheiro emprestado dos agentes econmicos e paga juros;
tambm empresta dinheiro e cobra juros. A taxa a que o governo se dispe
negociar a taxa bsica de juros, normalmente a menor praticada no pas. Os
ttulos do governo so os mais seguros do pas, simplesmente porque o governo
pode sempre honrar seus compromissos, mesmo que tenha que "imprimir" dinheiro
para isso. As pessoas podem, por exemplo, comprar ttulos do Tesouro Nacional e
ficar tranquilas, pois o governo sempre paga corretamente na data do vencimento.
H, portanto, um valor bsico de taxa de juros correspondente a investimentos
virtualmente sem risco algum. claro que o governo pode, em princpio, dar
calote, mas o risco de calote do governo menor do que o risco de calote por parte
de qualquer outra pessoa fsica ou jurdica do pas.
Vamos supor, portanto, que compramos um ttulo do governo que paga juros de
13% ao ano. Suponhamos que tenhamos investido C0 = 1000 reais inicialmente.
No ano que vem, certeza de que teremos o montante:
C1 = C0 (1 + 0.13)
= 1000 1.13
= 1130 reais.
Depois de, digamos, cinco anos, supondo que possamos reinvestir os juros tambm

1
a 13% ao ano, teremos:
C5 = C0 (1 + 0.13)5
= 1000 (1.13)5
= 1842.43 reais.
Assim, quando investimos 1000 reais hoje para recebermos 1842.43 daqui cinco
anos, implicitamente sentimo-nos pelo menos indiferentes quanto s duas situ-
aes. Logo, implicitamente, consideramos que 1000 reais hoje valem pelo menos
1842.43 daqui cinco anos. Ento, quanto valem, hoje, 1000 reais a serem recebidos
daqui cinco anos? Simples, basta calcularmos:
C5
C0 =
(1 + 0.13)5
1000
=
(1.13)5
= 542.75 reais.
Sabendo, hipoteticamente, que hoje possvel fazer um investimento livre de
risco que d 13% ao ano, suponhamos que algum pedisse-nos 1200 reais em-
prestados agora, mas que pagaria, em troca de nosso dinheiro, 240 reais anuais,
fixos, enquanto mantivssemos o acordo, ou seja, enquanto no quisssemos nossos
1200 reais de volta. Esse seria um bom negcio? Ou seria melhor comprar ttulos
do governo? Ora, hoje sabemos que o governo paga 13% ao ano, por cinco anos;
depois, no sabemos quanto o governo estar pagando. Em cinco anos, analoga-
mente ao que calculamos acima, receberemos uma remunerao de 1010.92 reais,
alm dos 1200 reais originais. No entanto, a pessoa nos pagaria, depois desse
perodo, 1200 reais, alm de devolver os 1200 reais originais. Logo, se for com-
pletamente confivel, teremos mais vantagem em emprestar dinheiro pessoa do
que ao governo.
O problema que a pessoa pode dar calote com maior probabilidade do que o
governo. Por exemplo, a pessoa pode ficar doente e no poder trabalhar, vindo
a perder o emprego ou a ter uma dvida enorme por causa da hospitalizao.
Ou ainda, a pessoa pode vir a ser assaltada ou mesmo ter a casa incendiada. O
governo, por ser instituio, no corre esses riscos. Logo, a diferena, 1200
1010.92 = 189.08, deve cobrir o risco extra associado a emprestar dinheiro
pessoa. Se aceitarmos emprestar-lhe dinheiro, ento implicitamente estaremos
considerando que a remunerao pelo risco de 100 189.08/1200 = 15.75% em
cinco anos suficiente.
Quanto vale, por ano, o prmio pelo risco? Ora, se para cinco anos exigimos

2
15.75%, temos:
0.1575 = (1 + 0.13 + tr )5 (1 + 0.13)5 ,
onde tr a taxa de risco exigida por ano. Assim,
1 h
( )
ln 0.1575 + (1.13)5 1.13
i
tr = exp
5
= 0.0187,
ou seja, a remunerao ou prmio pelo risco deve ser de 1.87% ao ano. Para
conferir, a taxa de juros equivalente dada por:
teq = 0.13 + 0.0187
= 0.1487.
Ao final de cinco anos, compondo os juros investidos, teremos:
C5 = 1200 (1.1487)5
= 2400,
conforme j sabamos. Dizemos, portanto, que exigimos um prmio pelo risco de
investir na pessoa e no no governo de 1.87% ao ano, isto , alm da taxa livre
de risco de 13%, supondo que no h risco em investir no governo, queremos mais
1.87% para compensar o risco de fazer o emprstimo.
Suponhamos agora que, depois de ter feito o emprstimo, queiramos vender
nosso direito de receber os juros. Pela natureza do contrato, a pessoa pagar
indefinidamente os 240 reais anuais, fixos. Poderamos pensar que o valor de
nosso direito infinito. No entanto, no recebemos os juros agora; temos que
esperar ano aps ano para receb-los. Dessa forma, os primeiros 240 reais, a ser
pagos no ano que vem, hoje valem:
240
Q1 =
(1 + 0.13)
= 212.38,
j que poderamos investir 212.38 reais em ttulos do governo hoje, a 13% ao ano,
para resgatarmos 240 reais daqui um ano. O prximo pagamento de juros, de 240
reais, ocorrer daqui dois anos e, portanto, hoje valem:
240
Q2 =
(1 + 0.13)2
= 187.95.

3
Logo, o valor de nosso direito, hoje, seria dado por:
N
X 240 1200
CN = n + ,
n=1 (1 + 0.13) (1 + 0.13)N
se o contrato fosse de N anos, onde os 1200 reais originais seriam devolvidos
apenas no final do contrato. Tambm estamos supondo que o governo sempre
oferea 13% de juros, o que pode no ser verdade.
Ora, a soma acima pode ser calculada facilmente:
! N
1 X 240 1 1
1 n = 240
N +1 ,

1 + 0.13 n=1 (1 + 0.13) 1 + 0.13 (1 + 0.13)
ou seja,

240 1 1200
CN = 1 +
0.13 (1 + 0.13)N (1 + 0.13)N
1200 1846.15
= 1846.15 +
(1 + 0.13)N
646.15
= 1846.15 .
(1 + 0.13)N
Logo, no limite em que N , temos o valor de 1846.15 reais como o valor
presente de todos os pagamentos futuros a que temos direito devido ao emprs-
timo que fizemos, de acordo com o contrato acima. Aqui tomamos o limite de
perpetuidade do contrato, conforme suposto acima.
Notemos, porm, que o valor calculado, 1846.15 reais, utilizou a taxa de juros
livre de risco de 13% ao ano. Provavelmente, quem tem 1846.15 pode no achar
um bom investimento adquirir o contrato que estamos oferecendo, pois pode achar
que o Tesouro Nacional oferecer juros maiores no futuro. Alm disso, utilizamos
a taxa de juros livre de risco, no incluindo a possibilidade de calote. Podemos,
ento, oferecer o nosso direito por um preo menor, supondo 13% como taxa livre
de risco indefinidamente, mais 1.87% de prmio pelo risco. Nesse caso, o valor
acima muda:
240
CN =
0.1487
= 1613.98.
Foi John Burr Williams que primeiro props, na dcada de 1930, a precificao
de aes pelos dividendos que pagam. Essencialmente, de forma simples, o valor
intrnseco de uma determinada ao dado por:
N
X Dn
P = n,
n=1 (1 + t)

4
onde Dn o dividendo pago no n-simo ano e t a taxa de desconto j incluindo
o prmio pelo risco. Houve variaes e sofisticaes dessa frmula com o passar
do tempo e, muitas vezes, ao invs de dividendos, outras quantidades refletindo o
lucro da empresa so utilizadas. A anlise de taxas de desconto e da previso de
um valor intrnseco para a ao o que se chama de anlise fundamentalista. Se o
preo atual de uma ao for menor que seu valor intrnseco, a recomendao de
compra, caso o investidor creia na anlise. A taxa de juros utilizada pelos analistas
de mercado usualmente segue o modelo chamado CAPM, ou seja, Capital Asset
Pricing Model, de Harry Markowitz e William Sharpe, entre outros.

Anlise Tcnica

Independentemente de qualquer anlise, s possvel comprar ou vender uma ao

se houver, respectivamente, uma pessoa vendedora ou compradora. Logo, o preo
de uma ao depende da concordncia entre dois agentes do mercado. Em anlise
tcnica os analistas procuram prever a tendncia dos preos dos ativos financeiros
baseados na srie histrica dos preos praticados no passado. A introduo
econofsica que adotamos neste curso no considera os fundamentos das empresas
e ativos que estudamos, mas apenas as flutuaes e variaes de seus preos. Em
suma, nossa abordagem ao estudo do mercado de aes uma forma cientfica de
anlise tcnica. Talvez seria mais justo considerar a metodologia de nosso curso
como anlise quantitativa.

5
Introduo Econofsica
Aula 4
O modelo de Bachelier (1900) para o movimento Browniano: a primeira
proposta da dinmica do preo de um ativo financeiro

Para entendermos o modelo que Bachelier props em 1900 para a dinmica do

preo de um ativo financeiro, inicialmente estudamos o movimento aleatrio em
uma dimenso e depois tomamos seu limite contnuo, definindo o movimento
Browniano unidimensional.

Movimento aleatrio em uma dimenso

As consideraes a seguir so baseadas no livro "Mathematical Models of Financial

Derivatives", de Yue-Kuen Kwok. Consideremos uma partcula pontual que pode
mover-se apenas ao longo do eixo x, com passos de tamanho fixo, em ambos
os sentidos do eixo x. Suponhamos ainda que a partcula comea na origem e, a
cada passo, tem probabilidade p de dar um passo no sentido positivo, mudando
sua posio de +, e tem probabilidade q, com p + q = 1, de dar um passo no
sentido negativo, mudando sua posio de . Assim, cada passo da partcula
independe de seus passos anteriores, j que as probabilidades p e q so sempre as
mesmas. O valor esperado do deslocamento xi do i-simo passo , portanto,
E (xi ) = p + q ()
= (p q) ,
independentemente de i. Aps n passos, a partcula tem a posio Xn dada pela
soma de todos os n deslocamentos:
Xn = x1 + x2 + + xn .
Logo, como os passos so todos independentes, o valor esperado da posio da
partcula aps n passos :
n
!
X
E (Xn ) = E xi
i=1
n
X
= E (xi )
i=1
Xn
= (p q)
i=1
= n (p q) . (1)

1
 A varincia de Xn , por definio, dada por:
n o
2
var (Xn ) = E [Xn E (Xn )]
n o
2 2
= E Xn 2Xn E (Xn ) + [E (Xn )]
n o
2

2
= E Xn + E [2Xn E (Xn )] + E [E (Xn )]
= E Xn2 2E (Xn ) E (Xn ) + [E (Xn )]2

= E Xn2 [E (Xn )]2 .

J calculamos E (Xn ). Calculemos agora:

!2
Xn
E Xn2 = E


xi
i=1
" n
! n
!#
X X
= E xi xj
i=1 j=1
n X n
!
X
= E xi xj
i=1 j=1
n X
X n
= E (xi xj )
i=1 j=1
n
X n1 X
X n
x2i


= E +2 E (xi xj ) .
i=1 i=1 j=i+1

Como os passos so todos independentes,

E (xi xj ) = E (xi ) E (xj )
= [(p q) ]2 .
Logo,
n1 X
X n n1 X
X n
E (xi xj ) = [(p q) ]2
i=1 j=i+1 i=1 j=i+1
n1
X
2
= [(p q) ] (n i)
"i=1 n1
#
X
= [(p q) ]2 n (n 1) i
i=1

2
  
(n 1) n
= [(p q) ]2 n (n 1)
2
h n i
= [(p q) ]2 (n 1) n
2
(n 1) n
= [(p q) ]2 ,
2
onde utilizamos:
n1
X (n 1) n
i = .
i=1
2
Resta-nos calcular:
E x2i = p 2 + q 2

= 2,
pois
p + q = 1.
Assim,
n
X n1 X
X n
x2i E (xi xj ) [E (Xn )]2


var (Xn ) = E +2
i=1 i=1 j=i+1
n
X (n 1) n
= 2 + 2 [(p q) ]2 [n (p q) ]2
i=1
2
= n + (n 1) n [(p q) ]2 n2 [(p q) ]2
2

= n 2 n [(p q) ]2
n 2 n p2 2pq + q 2 2


=
n 2 1 p2 q 2 + 2pq .


=
Como p + q = 1, segue que
p2 + 2pq + q 2 = (p + q)2
= 1
e, portanto,
1 p2 q 2 = 2pq.
Logo,
var (Xn ) = 4pqn 2 . (2)

3
Limite contnuo do movimento aleatrio

Aqui calculamos o que acontece quando 0, ou seja, a partcula pode mover-

se continuamente e, em cada passo infinitesimal, ainda tem probabilidade p de
deslocar-se + e probabilidade q de deslocar-se . Seja u (x, t) a probabilidade
de que a partcula esteja na posio x no instante t. Suponhamos que a partcula
d r passos por unidade de tempo. Assim, o intervalo de tempo entre dois passos
dado por
1
=
r
e, portanto, no limite contnuo, isto , quando 0, temos r e 0.
Antes de tomarmos o limite, podemos dizer que o nmero de passos no instante
t dado por
n = rt,
ou ainda, podemos dizer que o instante de tempo t dado por
t = n.
Com isso, podemos dizer tambm que, depois de n passos, a partcula tem prob-
abilidade u (x, t) de encontrar-se em x = Xn , no instante t. No prximo passo,
que ocorre no instante t + , a probabilidade de a partcula encontrar-se em x
dada por
u (x, t + ) = pu (x , t) + qu (x + , t) .
Para entendermos essa equao, basta pensarmos que, para a partcula estar em
x no instante t, pode ter vindo da posio x , dando um passo no sentido
positivo do eixo x, deslocando-se de +, ou pode ter vindo de x + , deslocando-
se de . No primeiro caso, a probabilidade de a partcula estar em x no
instante t, anterior a t + , u (x , t) e a probabilidade de deslocar-se +
p. Logo, a probabilidade de que a partcula tenha vindo da posio x o
produto pu (x , t), j que para dar um passo no sentido positivo e parar em
x, a partcula precisa, antes, estar em x . Analogamente, qu (x + , t) a
probabilidade de a partcula vir da posio x + . Como, em t + , a partcula
pode ter vindo de x ou de x + , segue que a probabilidade de estar em x
a soma de pu (x , t) com qu (x + , t). Como temos em mente tomar o limite
contnuo fazendo 0 e 0, podemos expandir a equao acima em srie de
Taylor para as variveis e :
u (x, t)
+ O 2 ,


u (x, t + ) = u (x, t) +
t
4
 u (x, t) 2 2 u (x, t) 3


u (x , t) = u (x, t) + O
x 2 x2
e
u (x, t) 2 2 u (x, t) 3


u (x + , t) = u (x, t) + + + O ,
x 2 x2
dando:
u (x, t) 2

u (x, t) 2 2 u (x, t) 3


u (x, t) + +O = pu (x, t) p +p O p
t x 2 x2
u (x, t) 2 2 u (x, t) 3


+ qu (x, t) + q +q + O q ,
x 2 x2
isto ,
u (x, t) 2

u (x, t) 2 2 u (x, t)  3

+O = (q p) + + O (q p) .
t x 2 x2
Dividindo tudo por , obtemos:
u (x, t) 1 2 2 u (x, t) 3
     
u (x, t)
+ O () = (q p) + + O (q p) (3).
t x 2 x2
Vemos acima que temos alguns quocientes indeterminados.
Seja o valor esperado do deslocamento da partcula por unidade de tempo.
Assim, segue da Eq. (1):
= r (p q)

= (p q) . (4)

Seja 2 a varincia do deslocamento da partcula por unidade de tempo. Portanto,
segue da Eq. (2):
2 = 4pqr 2
2
= 4pq . (5)

Nossa inteno caracterizar o movimento aleatrio contnuo pelos parmetros
e 2 apenas. Isso possvel? Devemos, portanto, responder se possvel escolher
p e q tais que:

lim (p q) =
,0
e
2
lim 4pq = 2,
,0
5
com e 2 quantidades finitas fixas. Elevando a Eq. (4) ao quadrado, temos:
2
2 = (p q)2
2

2 2
= p2 + q 2 2 2pq 2 .

Usando a Eq. (5), vem:
2 2

2 2
2
= p +q .
2 2
Como q = 1 p, obtemos:
2 2

2 2
= 2p + 1 2p 2 ,
2
ou seja,
2 2 2
 
2 1 2
= p + p ,
2 2 4
ou ainda,
2 1 2 2 2
p p+ = 0.
2 4 2 2 2
Resolvendo:
r
1 1 2
p = 1 + 2 2 + 22 2 .
2 2
Sem perda de generalidade, podemos escolher o sinal positivo para p e temos,
para as probabilidades:
r
1 1 2
2
2
p = + 1 + 2 + 2 2 (6)
2 2
e
r
1 1 2
2
2
q = 1 + 2 + 2 2 . (7)
2 2
Testemos a consistncia dessas duas equaes com a Eq. (4):
r
2
(p q) = 1 + 2 2 + 22 2

= , (8)
ou seja,
2 2
 
2 2
1 + 2 + 2 2 2 = 0.
2

6
Simplificando, ficamos com:
2 2
2+ + 2 = 0,

ou ainda,
2 2
2 + = 0,
2 2
resultando em:
s
2
1 4 2
= 2+ + 4 2, (9)
2 2 4
j que
> 0
por hiptese. Fica evidente que quando tomamos o limite em que vai a zero,
necessariamente, devemos ter indo a zero tambm:
lim = 0. (10)
0
Das Eqs. (6), (7) e (8) seguem:
1
p = +
2 2
e
1
q = ,
2 2
dando:

pq =

e, portanto,
 

lim (p q) = . (11)
0
Agora, calculemos
2
lim .
0
Fazendo uma expanso para 2 infinitesimal, obtemos:
s r
4 2 2
2 2
+ 4 = 1 + 4
4 2 2 4
2 2
+ 2
2 2
7
e, portanto, a Eq. (9) d:
2 2 2
 
1
2+ +2 2
2 2 2
2
= 2.

Logo,
2 2
lim = lim 2
0 0 2

= 2. (12)
Tambm temos:
3 3
   
lim (p q) = lim
0 0
 2
= lim
0
= 0. (13)
Tomemos o limite em que vai a zero de ambos os membros da Eq. (3):
  
u (x, t) u (x, t)
+ lim O () = lim (q p)
t 0 0 x
 2  2
3
  
1 u (x, t)
+ lim + lim O (q p) .
2 0 x2 0
Utilizando os limites expressos pelas Eqs. (10), (11), (12) e (13), a equao para
a probabilidade u (x, t) fica, finalmente,
u (x, t) u (x, t) 2 2 u (x, t)
+ = 0.
t x 2 x2
Essa a equao de Kolmogorov avanada ou equao de Fokker-Planck.
fcil verificar que a soluo para essa equao dada pela distribuio gaus-
siana:
" #
1 (x t)2
u (x, t) = exp .
2 2 t 2 2 t

O modelo de Bachelier

Bachelier, em 1900, props que o preo de um ativo financeiro fosse descrito por
um movimento Browniano contnuo, mas com = 0.
Assim, o modelo de Bachelier tem algumas caractersticas no desejveis:

8
 o modelo d probabilidade no nula para o preo do ativo, x, assumir valores
negativos, contrariando a condio de responsabilidades limitadas (limited
liabilities);
Bachelier sups = 0, sugerindo uma taxa de juros nula, o que no sempre
verdade.

9
Introduo Econofsica
Aula 5
O modelo padro da dinmica do preo de um ativo financeiro: o
movimento Browniano geomtrico

Como vimos na aula passada, o modelo de Bachelier no perfeito para descrever

a dinmica de preos de um ativo financeiro. Um problema com esse modelo
que prev valores negativos de preos. Quando compramos um lote de aes, por
exemplo, gastamos um certo montante para pagar por ele e pela corretagem. Se a
empresa correspondente ficar devendo muito para seus credores, o valor das aes
que compramos pode chegar a zero, mas jamais teremos a responsabilidade de
pagar pela dvida da empresa, ou seja, jamais as aes que compramos tero valor
negativo. Isso o que significa responsabilidade limitada do dono de aes. No
entanto, o retorno dirio pode ser positivo ou negativo. Se o preo de fechamento
de um ativo era Si ontem e hoje Si+1 , ento o retorno relativo de um dia fica:
Si+1 Si
Ri+1 = ,
Si
que pode at ser expresso por uma porcentagem. Essa equao pode ainda ser
escrita como:
Si+1
1 + Ri+1 = .
Si
Como os preos so positivos ( muito raro o preo ser zero), podemos tomar o
logaritmo de ambos os membros da equao acima:
Si+1
!
ln (1 + Ri+1 ) = ln .
Si
Quando o retorno bem pequeno, podemos escrever:
ln (1 + Ri+1 ) Ri+1
e, nesse caso,
Si+1
!
Ri+1 ln .
Si
Essa expresso, para retornos pequenos, sugere que uma varivel interessante
dada pelo logaritmo do quociente entre os preos de fechamento:
Si+1
!
Xi+1 = ln .
Si
1
Se o preo hoje tender a zero, Xi+1 tender a valores negativos imensos. Se o
preo hoje tender a valores muito altos, Xi+1 tambm tender a valores positivos
muito grandes. No caso contnuo, podemos definir a varivel:

S (t)
X (t) = ln , (1)
S0
onde S0 o preo no instante t = 0 e S (t) o preo no instante t > 0. O modelo
padro para a dinmica de preos obtido quando supomos que X (t) executa
um movimento Browniano unidimensional, caracterizado pelos parmetros e 2 .
Assim, a probabilidade de que a quantidade X (t) tenha o valor x no instante t
dada como na aula passada:
(x t)2

1
u (x, t) = exp
. (2)
2 2 t 2 2 t
Como , ento, a probabilidade de que o preo, S (t), tenha o valor s no instante
t?
Aqui, um pouco mais de sofisticao matemtica necessria. A Eq. (2) no
pode descrever a probabilidade no caso contnuo, mas a densidade de probabili-
dade de que a varivel x assuma um valor entre x e x + dx no instante t. Isso
facilmente visto se tomarmos a integral:
+ + 2
1 (x t)
dx u (x, t) = dx exp 2t

2 2t
2
1
= 2 2 t
2
2 t
= 1.
Tivemos que multiplicar u (x, t) por dx para podermos "somar" as probabilidades
de todos os possveis eventos (valores reais positivos, negativos e zero) e obter 1.
Logo, a probabilidade dx u (x, t) e u (x, t) apenas a densidade de probabilidade
de que a varivel x assuma um valor entre x e x + dx no instante t.
Para cada valor de X (t), h um valor correspondente de S (t), de forma que a
probabilidade de encontrarmos S (t) entre s e s + ds no instante t dada por:
ds g (s, t) = dx u (x, t) ,
onde
s
" #
x = ln ,
S0
de acordo com a Eq. (1). Assim,
ds
dx =
s
2
e
ds
ds g (s, t) = u (ln s ln S0 , t)
s 2
1 (ln s ln S 0 t)
= ds exp 2
.
s 2 t 2 2 t
Logo,
(ln s ln S0 t)2

1
g (s, t) = exp
.
s 2 2 t 2 2 t
Se definirmos a unidade de preos como sendo o valor S0 , ento, em termos dessa
unidade, S0 = 1 e
(ln s t)2

1
g (s, t) = exp
. (3)
s 2 2 t 2 2 t
A densidade de probabilidade expressa pela Eq. (3) a que caracteriza o chamado
movimento Browniano geomtrico. As distribuies dos preos de aes e outros
ativos financeiros muitas vezes so aproximadas pela Eq. (3).

3
Introduo Econofsica
Aula 6
O teorema limite central

Suponhamos N variveis reais aleatrias

xi , com i = 1, 2, . . . , N,
identicamente distribudas na reta real, com densidade de probabilidade dada por
p (xi ), para cada i = 1, 2, . . . , N . Tambm suponhamos que a densidade p seja
arbitrria, mas tal que todos os valores mdios das potncias de xi sejam finitos.
Nesta aula calculamos a densidade de probabilidade para a varivel
1 N
X
X = xi (1)
N i=1

no limite em que N muito grande.

Como exemplo anlogo do caso discreto, pensemos em uma srie de N lana-
mentos de um dado. Cada lanamento pode resultar em uma de seis possveis
faces, com a probabilidade de ocorrncia igual a um sexto. Assim, a ocorrncia de
cada um dos nmeros de face de 1 a 6 igualmente provvel em cada lanamento.
Depois de N lanamentos idnticos e independentes, podemos perguntar qual a
mdia do nmero de face. Por exemplo, em trs lanamentos, obtemos os nmeros
de face: x1 = 1, x2 = 5 e x3 = 4 e a mdia dada por
1
X = (1 + 5 + 4)
3
10
= .
3
Podemos repetir esses trs lanamentos muitas e muitas vezes e estimar a dis-
tribuio de probabilidades de que um valor X ocorra para a mdia dos valores
de face. Essa distribuio, para trs lanamentos, no gaussiana. Mas se fizer-
mos esse mesmo experimento com o nmero de lanamentos N cada vez maior,
a distribuio de ocorrncia de X ser gaussiana, segundo o teorema do limite
central. A seguir, segue uma prova do teorema.
Seja P (X) a densidade de probabilidade de que a varivel X, definida pela Eq.
(1), resulte com valor entre X e X + dX. Seja Q (K) a transformada de Fourier
de P (X):
+
Q (K) = dX P (X) exp (iKX) . (2)

1
A exponencial pode ser escrita como uma srie infinita:
in K n
X n.
X
exp (iKX) =
n=0 n!
Logo,
in K n
+
dX P (X) X n
X
Q (K) =
n=0 n!
in K n
hX n i ,
X
= (3)
n=0 n!
onde denotamos o valor esperado de X n por hX n i:
+
n
hX i = dX P (X) X n . (4)

Para N = 2, por exemplo, temos a probabilidade p (x1 ) dx1 de que a varivel
estocstica x1 assuma um valor entre x1 e x1 + dx1 . Analogamente, temos a
probabilidade p (x2 ) dx2 de que a varivel estocstica x2 assuma um valor entre
x2 e x2 + dx2 . De todos os valores independentes que x1 e x2 possam assumir,
qual a probabilidade de que assumam valores tais que (x1 + x2 ) /2 tenha um valor
entre X e X + dX? A resposta para essa questo simples: escrevemos
x2 = 2X x1
e, para cada valor de X e x1 a probabilidade
p (x1 ) p (x2 ) dx1 dx2 .
Como agora queremos que as variveis independentes sejam X e x1 , temos uti-
lizamos a relao:
x1 x1 
 

x1 X 
dx1 dx2 =

x2  dx1 dX

 x2
x1 X
 
 
1
0 
=

dx dX
2  1

1


= 2dx1 dX
e a probabilidade procurada pode ser escrita como:
+
P (X) dX = 2 p (x1 ) p (2X x1 ) dx1 dX,

j que qualquer valor de x1 pode ocorrer e ainda assim termos o mesmo valor para
X. Portanto, a densidade de probabilidade dada por:
+
P (X) = 2 p (x1 ) p (2X x1 ) dx1 ,

2
que tambm pode ser expressa como:
+ +
P (X) = 2 p (x1 ) p (x2 ) [x2 (2X x1 )] dx1 dx2 ,

onde a chamada "funo delta de Dirac". Se utilizamos as propriedades:

1
(ay) = (y)
|a|
e
(y) = (y) ,
obtemos:
+ +
x1 + x2
!
P (X) = p (x1 ) p (x2 ) X dx1 dx2 .
2
Para N > 2, podemos facilmente generalizar a frmula acima:
+ + +
N

1 X
P (X) = ... p (x1 ) p (x2 ) . . . p (xN ) X xi dx1 dx2 . . . dxN .
N n=1

Usando esse resultado na Eq. (4), temos:

+
hX n i = dX P (X) X n
+ + +
N

1
dX X n
X
= ... p (x1 ) . . . p (xN ) X xi dx1 . . . dxN
N n=1
+ + +
N

1
dX X n X
X
= ... dx1 . . . dxN p (x1 ) . . . p (xN ) xi
N n=1
+ +
N
n
1 X
= ... dx1 . . . dxN p (x1 ) . . . p (xN ) xi .
N n=1
Utilizando essa igualdade na Eq. (3), vem:
in K n
+ +
N
n
X 1 X
Q (K) = ... dx1 . . . dxN p (x1 ) . . . p (xN ) xi
n=0 n! N n=1
+ + in K n

N
n
X 1 X
= ... dx1 . . . dxN p (x1 ) . . . p (xN ) xi .
n=0 n! N n=1

Reconhecemos a srie infinita acima como uma exponencial:

n
in K n 1


X N
X iK N
X
xi = exp xi .
n=0 n! N n=1 N n=1

3
Logo,
+ + N

iK X
Q (K) = ... dx1 . . . dxN p (x1 ) . . . p (xN ) exp xi
N n=1
+ +
iK iK
! !
= dx1 p (x1 ) exp x1 . . . dxN p (xN ) exp xN
N N
!N
+
iK
= dxp (x) exp x . (5)
N
Como estamos supondo que N muito grande, podemos expandir:
!2
iK K 1 K
!
exp x = 1+i x x2 +
N N 2 N
e, portanto,
+ + !2
iK K 1 K
!
dxp (x) exp x = dxp (x) 1 + i x x2 +
N N 2 N
+ +
K
= dxp (x) + i dxp (x) x
N
!
1 K 2 +
dxp (x) x2 +
2 N
K 1 K 2 D 2E
!
= 1 + i hxi x + ,
N 2 N
onde
+
dxp (x) = 1,

+
hxi = dxp (x) x

e
+
2
dxp (x) x2 .
D E
x =

Com isso, a Eq. (5) pode ser escrita como:

N
1 K 2 D 2E

K
!
Q (K) = 1 + i hxi
x +
N 2 N
!2
K 1 K D E
2

= exp N ln 1 + i hxi x + .
N 2 N

4
Para N muito grande, podemos expandir o logaritmo:
!2 !2
K K K 1 K
x2 + x2 +
D E D E
ln 1 + i hxi = i hxi
N N N 2 N
2
1 K 2 D 2E

1 K
!
i hxi x + +
2 N 2 N
K 2 D 2E 1 K
!2
K 1
!
= i hxi x i hxi +
N 2 N 2 N
K 1 K 2 D 2 E
!
x hxi2 +

= i hxi
N 2 N
K 1 K 2
!
= i hxi var (x) + .
N 2 N
Ento,
1 K 2

K
!

Q (K) = exp N i hxi
var (x) +
N 2 N
2

1 K
= exp iK hxi var (x) + . (6)
2N
Essa a trasformada de Fourier da densidade de probabilidade P (X) que procu-
ramos. Podemos inverter a Eq. (2):
+ +
+

dK Q (K) exp (iKX) = dK dY P (Y ) exp (iKY ) exp (iKX)

+ +
= dY P (Y ) dK exp [iK (Y X)] .

Como
+
dK exp [iK (Y X)] = 2 (Y X) ,

conclumos que podemos obter P (X) a partir de Q (K):

+
1
P (X) = dK Q (K) exp (iKX) .
2
Ento, da Eq. (6), segue:
+
1 K2

1
P (X) = dK exp iK (X hxi) var (x) +
2 2N
+
1 K2

1
dK exp iK (X hxi) var (x)
2 2N

5
 +
1 1 var (x)
K 2 + 2i
N K
= dK exp (X hxi)
2 2 N var (x)
e, completanto o quadrado no argumento da exponencial no integrando, vem:
2
1
1 var (x) iN (X hxi)
P (X) exp
2 2 N var (x)

+ 2
1 var (x)

2 NK iN (X hxi)
dK exp K + 2i (X hxi) +
2 N var (x) var (x)

2

1 1 N (X hxi)
= exp
2 2 var (x)
+ 2
1 var (x)

iN (X hxi)

dK exp K + .
2 N var (x)

Como
+
2 v

1 var (x) iN (X hxi)
u
2N
dK exp
u
K+ = t ,
2 N var (x)
var (x)
escrevemos:
v
u
N N
(X hxi)2 .

P (X) exp
u
t
2var (x) 2var (x)
O valor esperado de X dado por:
*
1 X N +
hXi = xn
N n=1
1 XN
= hxn i
N n=1
= hxi ,
j que as variveis xn so todas independentes e identicamente distribudas. A
varincia de X dada por:
X 2 hXi2
D E
var (X) =
*
1 X N 1 X N +
= xm xn hxi2
N m=1 N n=1
1 X N X N
2
= hx m x n i hxi .
N 2 m=1 n=1
Mas, como as variveis xm so todas independentes e identicamente distribudas,
temos:
hxm xn i = mn x2 + (1 mn ) hxi2 ,
D E

6
onde mn a funo de dois inteiros, m e n, chamada "delta de Kronecker". Assim,
1 X N X N h
2
2
hxi2
D E i
var (X) = 2
mn x + (1 mn ) hxi
N m=1 n=1
1 X N D E 1 X N X N
= 2
x 2
+ 2
(1 mn ) hxi2 hxi2
N m=1 N m=1 n=1
1 D 2E 1 X N X N 1 X N X N
= x + 2 hxi2 2 mn hxi2 hxi2
N N m=1 n=1 N m=1 n=1
1 D 2E 1 X N
2
= x + hxi 2 hxi2 hxi2
N N m=1
1 D 2E 1
= x hxi2
N N
var (x)
= .
N
Podemos, ento, escrever a densidade de probabilidade para a varivel X, quando
N muito grande, como uma gaussiana:
(X hXi)2

1
P (X) q exp .
2var (X) 2var (X)

7
Introduo Econofsica
Aula 7
Processos estocsticos de Lvy e teoremas limite. Distribuies es-
tveis

Consideremos uma distribuio lorentziana:

1
p (x) = N ,
2 + x2
onde N uma constante de normalizao e uma constante real positiva.
Calculemos N :
+
1
dx N 2 = 1,
+ x2
ou seja,
1
N = + 1
.
dx 2 +x 2

A integral no denominador pode ser escrita se simplificarmos seu integrando:

1 1
=
2 +x 2 (x + i) (x i)
1 1
= .
2i (x i) 2i (x + i)
Podemos utilizar o seguinte truque:
+ +
dx exp (ix)
2 2
= lim dx
+ x o+ 2 + x2
+  
exp (ix) exp (ix)
= lim+ dx
o 2i (x i) 2i (x + i)

+ +
exp (ix) exp (ix)
= lim+ dx lim+ dx .
o 2i (x i) o 2i (x + i)
Consideremos o contorno no plano complexo da figura abaixo:

1
 fcil provar que vale o limite:
+
exp (iz) exp (ix)
lim dz = dx , para , > 0.
R C (z i) (x i)
Usando o teorema dos resduos, vem:

exp (iz)
dz = 2i exp () .
C (z i)
Logo,
+
exp (ix) exp (iz)
dx = lim dz
(x i) R C (z i)
= lim [2i exp ()]
R
= 2i exp ()
e, portanto,
+ +
dx exp (ix)
= lim+ dx
(x i) o (x i)
= lim+ [2i exp ()]
o
= 2i.

2
Tambm temos (um bom exerccio):
+
dx
= 0.
(x + i)
Consequentemente,
+ + +
1 1 1
dx 2 = dx dx
+ x2 2i (x i) 2i (x + i)
2i 0
=
2i 2i

=

e
1
N = + 1
dx 2 +x2

= .

A densidade de probabilidade que vamos considerar, normalizada, fica:
1
p (x) = . (1)
2 + x2
Sigamos agora um procedimento anlogo ao da aula passada: consideremos a
varivel
X = x1 + x2
e calculemos a densidade de probabilidade para X, quando x1 e x2 so variveis
estocsticas independentes, identicamente distribudas segundo a Eq. (1). Assim,
+ +
P (X) = dx1 dx2 p (x1 ) p (x2 ) (X x1 x2 ) .

mais simples considerarmos a transformada de Fourier de P (X), tambm

3
chamada de funo caracterstica da densidade de probabilidade P (X):
+
(q) = dX P (X) exp (iqX)

+  + + 
= dX dx1 dx2 p (x1 ) p (x2 ) (X x1 x2 ) exp (iqX)

+ + +
= dx1 dx2 p (x1 ) p (x2 ) dX exp (iqX) (X x1 x2 )

+ +
= dx1 dx2 p (x1 ) p (x2 ) exp [iq (x1 + x2 )]

 +   + 
= dx1 p (x1 ) exp (iqx1 ) dx2 p (x2 ) exp (iqx2 )

 + 2
= dx p (x) exp (iqx) .

Calculemos a transformada de Fourier, ou a funo caracterstica, da lorentziana
da Eq. (1):
+
(q) = dx p (x) exp (iqx)


+ exp (iqx)
= dx 2 .
+ x2
Aqui, devemos considerar dois casos: q > 0 e q < 0. No primeiro caso, temos:
+ + +
exp (iqx) exp (iqx) exp (iqx)
dx 2 = dx dx
+ x2 2i (x i) 2i (x + i)
exp (q)
= .

No segundo caso:
+
exp (iqx) exp (q)
dx 2 = .
+ x2
Em todo caso, portanto,
+
(q) = dx p (x) exp (iqx)

= exp ( |q|) .
Logo,
(q) = [ (q)]2
= exp (2 |q|) .

4
 Para obtermos a distribuio da varivel X, basta calcularmos a transformada
de Fourier inversa:
+
1
P (X) = dq (q) exp (iqX)
2
+
1
= dq exp (2 |q| iqX)
2
0
1
= dq exp (2q iqX)
2
+
1
+ dq exp (2q iqX)
2 0
 
1 1 1
= +
2 2 iX 2 + iX
1 2 + iX + 2 iX
=
2 (2 iX) (2 + iX)
2 1
= .
(2)2 + X 2
Logo, a densidade de probabilidade para a varivel X tambm lorentziana, com
apenas uma mudana de escala:
2.
Dizemos, nesse caso, que a densidade de probabilidade lorentziana uma dis-
tribuio estvel, pois sua convoluo resulta em na mesma distribuio, com
uma mudana de escala apenas.
A distribuio gaussiana tambm estvel. Para verificarmos isso, tomemos:
x2
 
1
p (x) = exp 2
2 2 2
e consideremos a distribuio da varivel
X = x1 + x2 .
A funo caracterstica correspondente dada por:
(q) = [ (q)]2
 + 2
= dx p (x) exp (iqx) .

5
Mas,
+
(q) = dx p (x) exp (iqx)

+
x2
 
1
= dx exp 2 + iqx
2 2 2
+  
1 1
dx exp 2 x2 2i 2 qx


=
2 2 2
 1 2 2 +

exp 2 q
 
1 2
dx exp 2 x i 2 q


=
2
2
2
1 2 2
exp 2 q
= 2 2
2
2 
1 2 2
= exp q
2
e, portanto,
(q) = [ (q)]2
= exp 2 q 2 .

Tomando a transformada de Fourier inversa, obtemos a densidade de probabili-

dade para a varivel X:
+
1
P (X) = dq (q) exp (iqX)
2
+
1
dq exp 2 q 2 iqX


=
2
+   
1 2 2 iq
= dq exp q 2 X
2
iX 2 +
h
i
exp 2 2
"  2 #
2 iX
= dq exp 2 q 2
2 2
 
X2 r
exp 4 2
=
2 2
X2
 
1
= exp 2 ,
4 2 4
que tambm uma gaussiana, porm com uma escala diferente:
2 2 2 .

6
Logo, a distribuio gaussiana tambm estvel.
Depois de estudar esses dois exemplos, podemos perguntar: quais so as dis-
tribuies estveis? Existem outras? As respostas a essas questes foram dadas
por Paul Pierre Lvy (h fotos) e Aleksandr Khinchin nas dcadas de 1920 e
1930. Segundo o livro-texto adotado neste curso, eles encontraram que a forma
mais geral de uma funo caracterstica de um processo estvel dada por:
h
i
iq |q| 1 i q tg se 6= 1
|q| 2
ln [ (q)] = h i ,
iq |q| 1 + i q 2 ln (|q|) se = 1
|q|

onde
0 < 6 2,
um fator de escala positivo, um nmero real qualquer (valor esperado) e
um parmetro de assimetria que varia no intervalo de 1 a 1. O livro-texto
afirma que s so conhecidas as formas analticas das distribuies de Lvy com
os parmetros:
= 1 e = 1 (distribuio de Lvy-Smirnov);
= 1 e = 0 (distribuio lorentziana);
= 2 (distribuio gaussiana).
O livro-texto ento informa que, no caso simtrico, isto , quando = 0 e com
mdia zero, ou seja, = 0, a distribuio estvel, para x muito grande, tem a
forma assinttica:
P (|x|) |x|(1+) .
Uma consequncia importante desse resultado que o valor esperado de
|x|n
diverge para
n >
quando < 2. Assim, em particular, todos os processos estveis de Lvy com
< 2 tm varincias infinitas. Por exemplo, a distribuio lorentziana da Eq.

7
(1) d uma varincia infinita:
var (x) = x2 hxi2


 + 2
+ x2 x
= dx 2 dx 2
+ x2 + x2
+
x2 + 2 2
= dx 0
2 + x2

+ x2 + 2 + 2
= dx 2 dx 2
+ x2 + x2

+
= dx 2 .

8
Introduo Econofsica
Aula 8
Processos estocsticos de Lvy e teoremas limite. Auto-similaridade,
escalas e teoremas limite para distribuies estveis

Para simplificar, o livro-texto considera distribuies de Lvy simtricas e de

mdia zero, cujas funes caractersticas tm, portanto, a forma:
(q) = exp ( |q| ) ,
onde
0<62
e um fator de escala positivo. Essas distribuies so estveis, como estu-
damos na aula passada. Usando a notao do livro, para n variveis estocsticas
independentes e identicamente distribudas segundo a distribuio de Lvy acima,
temos a funo caracterstica:
n (q) = [ (q)]n
= exp (n |q| ) .
A distribuio de probabilidade, Pn , associada varivel
n
X
X = xk
k=1

obtida pela transformada de Fourier inversa de n (q):

+
1
Pn (X) = dq exp (n |q| iqX) . (1)
2
Como no temos uma forma analtica para essa integral, podemos calcular a
densidade de probabilidade para X = 0:
+
1
Pn (X = 0) = dq exp (n |q| )
2

1
= dq exp (nq ) .
0
O resultado dessa integral pode ser expresso em termos da funo gama, que
definida como

(z) = dt tz1 exp (t) .
0

1
Assim, fazemos a identificao:
t = nq
e, portanto,
 1/
t
q = .
n
Logo,

1 
1/

Pn (X = 0) = d t exp (t) .
(n)1/ 0

Como

1/
 1 1/1
d t = t dt,

escrevemos:

1
Pn (X = 0) = dt t1/1 exp (t)
1/
(n) 0
 
1 1
= .
(n)1/
Quando n = 1,
 
1 1
P1 (X = 0) =
()1/
= n1/ Pn (X = 0) ,
dando a dica de que a distribuio pode ser reescalada pelo fator
n1/ .
Tentemos, ento, a substituio de varivel
X
y =
n1/
na Eq. (1):
+
1 
1/

Pn (X) = dq exp n |q| iqn y .
2

Mudemos a varivel de integrao agora para

t = qn1/ .

2
Com isso, temos:
+
n1/
Pn (X) = dt exp ( |t| ity) ,
2

ou seja,

1/
 P1 (y)
Pn n y = .
n1/
A relao de normalizao,
+
dX Pn (X) = 1,

tambm fica satisfeita com a reescala de X acima:

+     +
d n1/ y Pn n1/ y = dy P1 (y)

= 1.
Vemos assim que, para qualquer valor de n, uma mera mudana de escala faz
com que a distribuio volte a ser a mesma para n = 1. Essa propriedade das
distribuies de Lvy significa que so auto-similares.
As distribuies de Lvy so estveis e auto-similares. Alm disso, h um
teorema limite que afirma que uma distribuio de n variveis estocsticas in-
dependentes e identicamente distribudas converge, conforme n aumenta, a uma
distribuio estvel. Se a distribuio tiver momentos infinitos, ento convergir
para uma distribuio estvel no gaussiana. Referncias a esse teorema podem
ser encontradas na pgina 27 do livro-texto.

O paradoxo de So Petersburgo

Normalmente, uma distribuio que assintoticamente decai como uma lei de potn-
cia no possui uma escala caracterstica. Nicolaus Bernoulli inventou um paradoxo
que depois foi descrito por Daniel Bernoulli em uma publicao da Academia de
So Petersburgo. Ficou conhecido como "o paradoxo de So Petersburgo" e pode
ser enunciado, de forma adaptada, como segue. Um cassino prope um jogo em
que o jogador paga uma quantia para jogar. Quando o jogador entra em uma
partida, uma moeda lanada seguidamente at que o resultado d cara. Quando
d cara, a partida acaba. Se o primeiro lance d cara, o jogador recebe um real.
Se a moeda d cara apenas no segundo lance, o jogador recebe dois reais. Recebe
quatro reais se sai cara apenas no terceiro lance, etc.. Quanto o cassino deve
cobrar para o jogador entrar?

3
 Para tentar responder, vejamos quanto recebe o jogador caso a cara saia apenas
no n-simo lance da moeda pelo cassino. Ora, o jogador recebe
2n1
reais. Calculemos o valor esperado de quanto o jogador pode receber. A probabili-
dade de que logo no primeiro lance saia uma cara 1/2. Se n = 2, a probabilidade
1/4; se n = 3, a probabilidade 1/23 e assim por diante. Enfim, o valor recebido
esperado :
1 1 1 1
hV i = 1 + 2 2 + 4 3 + + 2k1 k +
2 2 2 2
1 1 1 1
= + + + + +
2 2 2 2
= .
Para ser racional, portanto, o cassino deve cobrar muitssimo caro para que o
jogador jogue esse jogo. E, racionalmente tambm, o jogador no deve pagar
caro, pois, a probabilidade de conseguir dois reais ou menos 3/4, a de conseguir
quatro reais ou menos 7/8, etc. e, portanto, no v probabilidade um de ganhar
um valor que compense um preo para entrar no jogo deveras alto. Logo, o
cassino e o jogador jamais chegam a um acordo e o jogo no jogado. Ambos
no concordam porque querem encontrar uma escala caracterstica que no existe
nesse problema.

4
Introduo Econofsica
Aula 9
Processos estocsticos de Lvy e teoremas limite. Processos aleatrios
infinitamente divisveis

O preo de um ativo financeiro, como uma ao, por exemplo, varia no tempo
e muitas observaes empricas tm sido feitas. J bem estabelecida a noo
de que, para um ativo financeiro de razovel liquidez, suas mudanas de preo
ocorrem de forma independente desde alguns poucos minutos at vrios anos. Se
escolhemos uma escala de tempo da ordem de algumas horas ou mais, por exemplo,
a mudana de preo h uma hora completamente independente da mudana de
preo neste instante. Assim, para intervalos de tempo maiores do que alguns
minutos, a aproximao das mudanas de preo por uma sequncia de variveis
independentes, {xi }, est justificada empiricamente. No entanto, tambm bem
conhecido o fato de que o valor esperado da varincia das mudanas de preo no
constante no tempo. Sendo assim, as mudanas de preo no so identicamente
distribudas e a correspondente densidade de probabilidade no estacionria,
isto , varia no tempo.
Para que um teorema limite possa ser aplicado ao mercado financeiro, deve ser
estabelecido para variveis independentes, mas no necessariamente identicamente
distribudas. H um teorema limite devido a Khintchin, estabelecendo uma dis-
tribuio limite para a soma das variveis estocsticas independentes, porm no
necessariamente identicamente distribudas. A condio necessria e suficiente
para haver esse limite da distribuio que sua forma limite seja infinitamente
divisvel.
Um processo estocstico infinitamente divisvel se, para cada nmero natural
k, possa ser representado por k variveis estocsticas independentes e identica-
mente distribudas. Em outras palavras, uma densidade de probabilidade F (y)
infinitamente divisvel se e somente se sua funo caracterstica (q) for, para
cada nmero natural k, dada pela k-sima potncia de alguma funo caracters-
tica k (q):
(q) = [k (q)]k ,
com os requerimentos:
k (0) = 1
e k (q) contnua.

1
Exemplos

A distribuio gaussiana infinitamente divisvel, pois sua funo caracterstica

dada por:
2 2
 
(q) = exp iq q
2
k
2 2
 

= exp i q q .
k 2k
Uma distribuio de Lvy simtrica infinitamente divisvel, pois sua funo
caracterstica dada por:
(q) = exp (iq |q| )
h  ik
= exp i q |q| .
k k
Consideremos um processo de Poisson:
m
P (m; ) = exp () , com m = 0, 1, . . . .
m!
Calculemos sua funo caracterstica:

X m
(q) = exp (imq) exp ()
m=0
m!

X [ exp (iq)]m
= exp ()
m=0
m!
= exp () exp [ exp (iq)]
= exp { [exp (iq) 1]}
  k

= exp [exp (iq) 1] .
k
Assim, vemos que um processo de Poisson tambm infinitamente divisvel.
A densidade de probabilidade da distribuio gama dada por:
x1 exp (x)
P (x) = ,
()
para
x > 0
e
0 < < .

2
A funo caracterstica correspondente :
+
x1 exp (iqx x)
(q) = dx
()
+
1
= dx x1 exp [(iq 1) x] .
()
Seja
z = (1 iq) x.
Ento,
z
x =
(1 iq)
e
dz
dx = .
(1 iq)
Logo,
+
1
(q) = dz z 1 exp [z]
() (1 iq)
= (1 iq) ,
j que
+
() = dz z 1 exp [z] .

Como
(q) = (1 iq)
h ik
/k
= (1 iq) ,

segue que a distribuio gama infinitamente divisvel.

Contra-exemplo

Consideremos este processo estocstico com uma densidade de probabilidade uni-

forme e mostremos que no infinitamente divisvel:

0, se x < `

1
P (x) = 2` , se ` 6 x 6 ` .

0, se x > `

3
Nesse caso, a funo caracterstica obtida pela integral seguinte:

1 +`
(q) = dx exp (iqx)
2` `
1
= [exp (iq`) exp (iq`)]
2`iq
 
1 exp (iq`) exp (iq`)
=
`q 2i
sen (q`)
= . (1)
q`
Notemos que se uma funo caracterstica infinitamente divisvel, ento
|k (q)|2 = | (q)|2/k .
Seja
f (q) = lim |k (q)|2
k
= lim | (q)|2/k .
k

Segue, portanto, que

(
0, se (q) = 0
f (q) = .
1, se (q) 6= 0
Como por hiptese,
(0) = 1
e contnua, ento
(q) 6= 0
em alguma vizinhana de q = 0. Em todos os pontos dessa vizinhana, portanto,
f (q) = 1.
Ento, f (q) tambm contnua nessa vizinhana de q = 0 e, sendo um limite
de uma funo caracterstica, tambm uma funo caracterstica. Logo, f (q)
contnua para todo valor de q. Como f (q) s pode assumir os valores 0 ou 1,
contnua e vale 1 na vizinhana de q = 0, ento deve ser uma funo constante:
f (q) = 1, para todo valor de q.
Como consequncia disso,
(q) 6= 0 para todo valor de q,

4
se for infinitamente divisvel. A Eq. (1) mostra que a distribuio uniforme no
infinitamente divisvel, j que
sen (q`)
= 0
q`
para
q` = n, com n = 1, 2, . . . .

5
Introduo Econofsica
Aula 10
Escalas em dados financeiros

Hoje em dia h uma quantidade imensa de dados financeiros sendo armazenados,

negcio a negcio, pelo mundo afora. Gratuitamente, possvel conseguir facil-
mente dados financeiros dirios. Para a modelagem da dinmica estocstica de
preos de um ativo financeiro, podemos utilizar vrias escalas de tempo e medir
vrias funes de preos. Neste curso, utilizamos sempre os preos dirios de aes
da BM&FBovespa, que tambm podem ser obtidos gratuitamente. Para a funo
de preos, de acordo com o que discutimos na quinta aula, adotamos o retorno
relativo,
Si+1 Si
Ri+1 = ,
Si
e, dependendo da aplicao, o logaritmo do quociente entre o preo de fechamento
atual e o anterior,
 
Si+1
Xi+1 = ln .
Si
Alm dessas nossas escolhas, o quinto captulo do livro-texto cita vrias outras
que podem ser usadas.
A figura abaixo mostra um grfico obtido do site muito til, br.advfn.com.
Nesse grfico, vemos as barras de preos correspondentes a cada quinze minutos
de negociao das aes preferenciais da Petrobras. Na parte de baixo da figura,
h os volumes de negociao e podemos notar como o final do prego tipicamente
concentra um volume maior do que os outros intervalos de quinze minutos do dia.
Assim, a quantidade de negcios varia durante o dia e a distribuio de negcios
no a mesma dia aps dia, no sendo, portanto, estacionria.

1
Processos estocsticos estacionrios

A distribuio de probabilidade de preos, em princpio, para ser consistente com

essas observaes da evoluo dos preos, pode ser representada por uma funo
dependente do preo e do tempo, f (x, t). O valor esperado do preo , portanto,
dado por:
+
E [x (t)] = dx xf (x, t) .

Seja a funo f (x1 , x2 ; t1 , t2 ) a distribuio de probabilidade conjunta de observar

o preo x1 no instante t1 e o preo x2 no instante t2 . A funo de autocorrelao
, ento, definida como:
+ +
E [x1 (t1 ) x2 (t2 )] = dx1 dx2 x1 x2 f (x1 , x2 ; t1 , t2 ) .

Um processo estocstico geral, para ser completamente caracterizado, requer a

funo f (x1 , x2 , . . . xn ; t1 , t2 , . . . tn ), para todo (xi , ti ) e n. A maioria dos estudos
aborda apenas at a funo de dois pontos, f (x1 , x2 ; t1 , t2 ).
Um processo estocstico x (t) dito estritamente estacionrio se sua distribuio
de probabilidades invariante por translaes temporais. H, porm, outras
definies menos restritivas de estacionariedade:

2
 Definio ampla de processo estacionrio:
E [x (t)] = ,

E [x1 (t1 ) x2 (t2 )] = R ( ) ,

onde
= t2 t1
e
E x2 (t) = R (0) .
 

Para essa definio, a varincia independente do tempo.

Processos estocsticos assintoticamente estacionrios ocorrem quando as pre-
vises estatsticas para
x1 (t1 + c) , x2 (t2 + c) , . . . xn (tn + c)
no dependem de c se
c .

Processos estocsticos estacionrios de N -sima ordem ocorrem quando

f (x1 , x2 , . . . xn ; t1 , t2 , . . . tn ) = f (x1 , x2 , . . . xn ; t1 + c, t2 + c, . . . tn + c)
vale apenas para
n 6 N.

Processos estocsticos estacionrios em um intervalo acontecem quando

f (x1 , x2 , . . . xn ; t1 , t2 , . . . tn ) = f (x1 , x2 , . . . xn ; t1 + c, t2 + c, . . . tn + c)
para cada ti e ti + c dentro do intervalo considerado.

Correlao

A autocorrelao tambm denotada por:

R (t1 , t2 ) = E [x1 (t1 ) x2 (t2 )] .
Tambm temos a definio da autocovarincia:
C (t1 , t2 ) = R (t1 , t2 ) E [x1 (t1 )] E [x2 (t2 )] .

3
Para processos estacionrios, segue:
C (t1 , t2 ) = C ( )
= R ( ) 2 ,
com
= t2 t1 .
Notemos que
C (0) = R (0) 2
= E x2 (t) 2
 

= 2,
onde 2 a varincia do processo. Para intervalos de tempo muito longos, a
autocovarincia tende a zero,
C ( ) 0
para
.
Isso acontece porque x1 (t1 ) e x2 (t2 ) tendem a se descorrelacionar para tempos
muito distintos e, portanto, nesse caso:
E [x1 (t1 ) x2 (t2 )] E [x1 (t1 )] E [x2 (t2 )] .
Um tpico exemplo quando o processo tem mdia nula e
 

R ( ) = exp .
c
Nesse caso,
 

d exp = c
0 c
e c chamado de tempo de correlao do processo estocstico, que mede a
memria tpica do valor da varivel x.

4
Introduo Econofsica
Aula 11
Estacionalidade e correlao temporal em processos estocsticos

Consideremos, agora, processos estocsticos estacionrios. Seja Sn a varivel es-

tocstica obtida pela soma de n variveis estocsticas,
n
X
Sn = xk ,
k=1

onde estamos indicando os instantes de tempo considerados atravs do ndice da

varivel:
x (tk ) = xk .
Ento, podemos escrever:

n n
E Sn2
  X X
= E xk xl
k=1 l=1
n X
X n
= E (xk xl )
k=1 l=1
n n X
n
E x2k
X   X
= + (1 kl ) E (xk xl ) .
k=1 k=1 l=1

Como estamos supondo que o processo em considerao estacionrio, ento, de

acordo com a aula passada,
E x2k
 
= R (0)
e
E (xk xl ) = R (tl tk ) .
Como
E (xk xl ) = E (xl xk ) ,
segue que
R (tl tk ) = R (tk tl ) .
Tambm suponhamos que os tempos so separados por um intervalo fixo:
tk+1 tk = t.

1
Assim,
tk tl = (k l) t.
Podemos, portanto, escrever:
n X
n
Sn2
  X
E = nR (0) + (1 kl ) R [(k l) t]
k=1 l=1
n1
X X n
= nR (0) + 2 R [(l k) t]
k=1 l=k+1
n1
X nkX
= nR (0) + 2 R [st]
k=1 s=1

n1
X n2
X 2
X 1
X
= nR (0) + 2 R [st] + R [st] + + R [st] + R [st]
s=1 s=1 s=1 s=1
= nR (0) + 2 {R [(n 1) t] + 2R [(n 2) t] +
+ (n 2) R [2t] + (n 1) R [t]}
n1
X
= nR (0) + 2 (n k) R [kt]
k=1
Xn
= nR (0) + 2 (n k) R [kt] .
k=1

Para colocarmos essa igualdade na forma do livro-texto, usamos:

R (0) = E x2i , para qualquer i {1, 2, . . . , n} ,
 

e
R [kt] = E (xi xi+k ) , para qualquer i {1, 2, . . . , n} .
Assim,
n
E Sn2 = nE x2i + 2
    X
(n k) E (xi xi+k ) .
k=1

Notemos que
n
X
(n k) E (xi xi+k ) = (n 1) E (xi xi+1 ) + (n 2) E (xi xi+2 )
k=1
+ + 2E (xi xi+n2 ) + E (xi xi+n1 )
1 2
" ! !
= n 1 E (xi xi+1 ) + 1 E (xi xi+2 )
n n
2 1
#
+ + E (xi xi+n2 ) + E (xi xi+n1 ) .
n n

2
No limite em que n muito grande, temos, aproximadamente,
n
X
(n k) E (xi xi+k ) n [(1 0) E (xi xi+1 ) + (1 0) E (xi xi+2 )
k=1
+ + 0E (xi xi+n2 ) + 0E (xi xi+n1 )]
n
X
n E (xi xi+k ) .
k=1

Quando

 
 n
X 
lim E (xi xi+k ) < ,


n 
k=1 

isto , o limite dessa soma finito, dizemos que as variveis estocsticas tm

correlao de curto alcance. J quando
 
 n 
X
lim E (xi xi+k ) = ,


n 
k=1 

dizemos que as variveis estocsticas tm correlao de longo alcance.

No caso contnuo, ao invs de verificarmos a finitude da soma acima, utilizamos
a integral temporal da autocorrelao:
n

X
E (xi xi+k ) d R ( ) ,
k=1 0

quando
n .
No caso de uma partcula em movimento browniano, a autocorrelao dada por

| |
R ( ) = 2 exp .
c
A distribuio de frequncias dessa funo de autocorrelao obtida pela sua
transformada de Fourier:
+
S () = d R ( ) exp (i )

+
2 | |
= d exp exp (i )
c
+
2 | |
= d exp i
c

3
 + 0

! !
2 2
= d exp i + d exp i
0 c c
2 2
= 1 + 1
c + i c i
 
2 1 1
c i + c + i
=   
1 1
c + i c i
 
2
2 c
=  2
1
c + 2
2 2 c
= .
1 + (c )2
Para baixas frequncias, temos o que se chama rudo branco. Para frequncias
altas, temos o processo de Wiener, caracterizado por uma densidade espectral que
varia com o inverso do quadrado da frequncia. O caso acima ilustra correlao
de curto alcance.
No caso de correlao de longo alcance, podemos escrever
1
S () ,
||
com
0 < < 2.
Nesse caso, a integral da funo de autocorrelao diverge. Um caso tpico de
correlao de longo alcance, encontrada muitas vezes em circuitos eletrnicos, o
do rudo 1/f; no caso acima, esse caso ocorre para
= 1.
No caso de escalas de tempo maiores do que o tempo de correlao c , para
processos com correlao de curto alcance, as densidades de probabilidades condi-
cionais so dadas por:
f (x1 , x2 , . . . , xn1 ; t1 , t2 , . . . , tn1 |xn ; tn ) = f (xn1 ; tn1 |xn ; tn ) .
Esse tipo de processo chamado de markoviano; bastam as densidades de prob-
abilidade de primeira ordem e condicional de segunda ordem para ser completa-
mente determinado. Como exemplo, temos:
f (x1 , x2 , x3 ; t1 , t2 , t3 ) = f (x1 ; t1 ) f (x1 ; t1 |x2 ; t2 ) f (x2 ; t2 |x3 ; t3 ) .

4
Introduo Econofsica
Primeira Prova
Primeira Questo

Na aula 10, de 25 de maro de 2009, seu nmero USP foi relacionado a um cdigo
de aes negociadas na Bovespa.
(a) Qual o cdigo atribudo ao seu nmero USP e qual o nome da empresa
representada pelo cdigo? (Valor: 0.5)
(b) A classe de aes correspondente ao cdigo relacionado ao seu nmero USP
preferencial ou ordinria? (Valor: 0.5)
(c) De onde voc obteve os dados de preos? (Valor: 0.5)
(d) Apresente o grfico de barras correspondente aos dez preges que voc
registrou, indicando as datas referentes s barras. (Valor: 0.5)
(e) Faa uma tabela indicando as datas na primeira coluna, os preos de
fechamento na segunda coluna e os retornos entre fechamentos na terceira col-
una. Note que o primeiro prego pode no fornecer um retorno, pois voc pode
no ter o valor do fechamento do prego anterior. (Valor: 1.0)
(f) Faa uma tabela indicando as datas na primeira coluna, os preos de
fechamento na segunda coluna e os logaritmos do fechamento dividido pelo preo
de abertura do primeiro prego da lista. (Valor: 0.5)

Segunda Questo

Suponha que os preos da ao atribuda a voc distribuam-se de acordo com um

movimento browniano geomtrico em uma dimenso. Utilize as tabelas da questo
anterior para obter estimativas dos correspondentes parmetros e 2 , como
definidos no curso. Faa um grfico de barras dos preges, como anteriormente,
mas agora inclua tambm a curva do valor esperado do preo como funo do
tempo e as curvas obtidas tomando a raiz quadrada da varincia do preo somada
e subtrada do valor esperado do preo como funes do tempo, isto , se o preo
s (t), faa um grfico de barras incluindo as curvas:
E {s (t)}
e
q
E {s (t)} var (s (t)).
Os valores de e 2 podem ser ajustados para que as curvas acima fiquem mais
condizentes com os fechamentos registrados. Note que as expresses dos valores

1
esperados acima tambm devem ser deduzidas para que voc obtenha pontuao
total nesta questo. (Valor: 3.5)

Terceira Questo

Usando os dados das tabelas da primeira questo, calcule o valor esperado do

retorno relativo dirio e o valor esperado do produto de dois retornos consecutivos.
Calcule a autocovarincia para dias consecutivos. De acordo com seus clculos, h
alguma dependncia entre os retornos consecutivos? Explique. Se voc utilizasse
mais dados, sua concluso sobre a dependncia entre os retornos consecutivos
poderia mudar? Explique. (Valor: 3.0)

2
Introduo Econofsica
Aula 13
Correlao temporal em sries temporais financeiras. A volatilidade
no constante

Como estudamos na aula 11, a distribuio espectral da funo de autocorrelao

de um movimento browniano, ou passeio aleatrio, em uma dimenso varia com o
inverso do quadrado da frequncia, assintoticamente, isto , para altas frequncias.
O que se observa, empiricamente, que a distribuio espectral da autocorrelao
do mercado de aes consistente com um comportamento browniano. O tempo
de memria envolvido muito menor do que um dia de negcios, da ordem de
alguns minutos apenas. Os autores do livro-texto fizeram a verificao desses
resultados usando dados de alta frequncia.
Quando consideramos a raiz quadrada da varincia das mudanas de preo, isto
, a volatilidade, encontramos uma funo de autocorrelao com uma memria
de longo alcance e uma distribuio espectral do tipo de um rudo 1/f.

1
Introduo Econofsica
Aula 14
Modelos estocsticos para a dinmica de preos de ativos financeiros

Como vimos na aula 5, o processo browniano geomtrico tido como um padro

para descrever a dinmica estocstica dos preos de ativos financeiros. No en-
tanto, na verdade o mercado no se comporta exatamente dessa forma. Os dados
empricos sobre os preos de ativos financeiros mostram que a distribuio real
mais leptocrtica do que a distribuio gaussiana das variaes dos logaritmos de
preos do modelo browniano geomtrico. Isto , as distribuies reais so mais al-
tas relativamente a uma distribuio normal de mesma varincia. Mandelbrot, em
1963, foi o primeiro a estudar empiricamente essa propriedade usando um processo
de Lvy no gaussiano para os incrementos do logaritmo do preo do algodo. No
mercado de aes, os resultados de Mandelbrot foram confirmados pelos estudos
de Fama, em 1965, que estudou as aes negociadas na bolsa de valores de Nova
Iorque. A histria longa e um possvel comeo apropriado pode ser atribudo
ao chamado princpio de Pareto, que se remete ao economista italiano Vilfredo
Pareto. Esse princpio vem da observao, por Pareto, de que 20% da populao
da Itlia possua 80% das terras. Fazendo levantamentos semelhantes em vrios
outros pases, ele encontrou distribuies de riqueza parecidas. Essa regra foi am-
pliada pelo pensador da rea de administrao, Joseph Moses Juran. Assim, em
negcios, comum pensar, por exemplo, que para uma empresa qualquer, 80% de
seu faturamento devido a 20% de seus clientes. Posteriormente, houve a formu-
lao da chamada distribuio de Pareto, que nada mais do que um exemplo de
uma lei de potncia. Foi com isso em mente que Mandelbrot e Fama resolveram
investigar se os logaritmos de preos de ativos financeiros tambm obedeciam leis
de potncia, compatveis com distribuies de Lvy.
O problema que as distribuies de Lvy, excluindo a gaussiana, tm mo-
mentos divergentes, incluindo a varincia. No entanto, na maioria das vezes, as
grandes variaes so limitadas externamente. Por exemplo, h o circuit breaker
da Bovespa. Alm disso, empiricamente qualquer amostra de dados tem uma var-
incia finita e s podemos ter um nmero finito de dados na prtica. Logo, uma
distribuio de Lvy no descreve o caso real. por isso que o livro-texto, alm de
outros modelos, apresenta o processo de Lvy truncado. Os autores apresentam
esse modelo no livro-texto depois de t-lo introduzido para a comunidade cient-
fica em um artigo. Um dos autores desenvolveu um algoritmo para simular um
processo estocstico de Lvy e, com isso, puderam mostrar que o processo de Lvy

1
truncado tambm acaba satisfazendo o teorema limite central, uma vez que no
mais possui momentos divergentes. Os autores mostram que h uma mudana
de regime conforme o nmero de variveis estocsticas vai crescendo; o processo
muda gradativamente de um comportamento no-gaussiano para gaussiano.
Como vimos na aula 9, o processo de Lvy infinitamente divisvel. No entanto,
o processo de Lvy truncado no infinitamente divisvel. Para remediar essa
situao, ao invs de truncar o processo de forma abrupta, Koponen utilizou
um truncamento suave, exponencial, e obteve um processo de Lvy truncado
infinitamente divisvel. Finalmente, os autores do livro-texto terminam o captulo
afirmando que, de acordo com o teorema de Berry-Essen, a convergncia do
processo de Lvy truncado determinada pelo terceiro momento do mdulo da
varivel estocstica.

2
Introduo Econofsica
Aula 15
Correlao e anticorrelao entre aes

O coeficiente de correlao entre duas aes definido, no livro-texto, como:

hSi Sj i hSi i hSj i
ij = rD ED E,
2 2
Si2 hSi i Sj2 hSj i

onde
Si = ln [Yi (t)] ln [Yi (t 1)]
e Yi o preo da i-sima ao. fcil ver que
1 6 ij 6 1
se notarmos que
h(Si hSi i) (Sj hSj i)i = hSi Sj Si hSj i hSi i Sj + hSi i hSj ii
= hSi Sj i hSi i hSj i
e
rD ED E rD ED E
Si2 hSi i2 Sj2 hSj i2 = (Si hSi i)2 (Sj hSj i)2 .

Ento, obviamente,
D E
2
[(Si hSi i) (Sj hSj i)] > 0

para todo real. Ento,

D E D E
2 2
[(Si hSi i) + (Sj hSj i)] = (Si hSi i)
D E
2 2
2 h(Si hSi i) (Sj hSj i)i + (Sj hSj i) ,
ou seja,
D E D E
2 2 2
2 h(Si hSi i) (Sj hSj i)i 6 (Si hSi i) + (Sj hSj i) .

Como essa desigualdade deve valer para todo real, escolhemos

h(Si hSi i) (Sj hSj i)i
= D E
2
(Sj hSj i)

1
e obtemos:
h(Si hSi i) (Sj hSj i)i D
2
E
2 D E h(Si hSi i) (Sj hSj i)i 6 (Si hSi i)
(Sj hSj i)2
h(Si hSi i) (Sj hSj i)i2
+ D E ,
2
(Sj hSj i)

isto ,
D ED E
2 2 2
h(Si hSi i) (Sj hSj i)i 6 (Si hSi i) (Sj hSj i)

e, portanto,
|h(S hSi i) (Sj hSj i)i|
rD i ED E 6 1.
2 2
(Si hSi i) (Sj hSj i)

2
Introduo Econofsica
Aula 16
Distncias ultramtricas entre aes. Setores econmicos formando
aglomerados em um espao ultramtrico

Suponhamos que temos os preos de fechamento de vrias aes em N +1 preges.

Como na aula 15,
Si (t) = ln [Yi (t)] ln [Yi (t 1)] ,
onde t indexa os preges variando de 0 a N e Yi o preo da i-sima ao. Ao
invs de indexarmos o prego por (t), como acima, escrevamos assim:
Si = ln [Yi ] ln [Yi1 ] ,
onde agora ndices gregos denotam o nmero do prego. Dessa forma, acima,
varia de 1 a N . Temos, portanto, N valores de Si .
conveniente definirmos:
1 Si hSi i
Ui = q .
N hSi2 i hSi i2
Podemos construir um vetor no espao euclidiano de N dimenses com compo-
nentes Ui para cada ao. O produto escalar desse vetor para duas aes d:
N
X
Ui Uj = Ui Uj
=1
1 N
X Si hSi i Sj hSj i
= q
2
rD
N hSi2 i hSi i Sj2 hSj i2
E
=1

1 PN
= Nr =1 (Si hSi i) (Sj hSj i)
hSi2 i hSi i2 Sj2 hSj i2
  D E 

h(Si hSi i) (Sj hSj i)i

= r
hSi2 i hSi i2 Sj2 hSj i2
 D E 

hSi Sj i hSi i hSj i

= rD E.
2 2
ED
Si2 hSi i Sj2 hSj i
Logo, lembrando a aula 15, obtemos:
Ui Uj = ij .

1
Esses vetores tm, portanto, mdulo unitrio:
Ui Ui = ii
= 1.
A distncia euclidiana entre dois desses vetores obtida como segue:
q
dij = (Ui Uj ) (Ui Uj )
q
= Ui (Ui Uj ) Uj (Ui Uj )
q
= Ui Ui Ui Uj Uj Ui + Uj Uj
q
= 1 ij ji + 1
q
= 2 (1 ij ).
Com base nessa distncia, podemos definir uma outra, chamada distncia ultra-
mtrica, de acordo com o algoritmo de Kruskal. A idia construir uma rvore
de extenso mnima. fcil depois de um pouco de treinamento. Tudo comea
com a idia de que o espao mtrico de N dimenses acima, com a distncia dij ,
pode ser utilizado para gerar um espao ultramtrico conforme o algoritmo de
Kruskal. Com a ajuda dos dados e do programa em Maple da aula 15 (veja o
link correspondente no Moodle USP), obtemos a tabela com as distncias entre
as aes:
j
dij : i BBDC4 BBAS3 USIM5 CSNA3 LAME4 TLPP4
BBDC4 0 0.845 0.944 1.062 0.935 1.160
BBAS3 0.845 0 0.977 1.084 0.989 1.172
USIM5 0.944 0.977 0 0.938 1.026 1.145
CSNA3 1.062 1.084 0.938 0 1.095 1.227
LAME4 0.935 0.989 1.026 1.095 0 1.160
TLPP4 1.160 1.172 1.145 1.227 1.160 0
Vemos que a menor distncia 0.845, entre BBAS3 e BBDC4. A seguinte menor
distncia 0.935, entre BBDC4 e LAME4. Depois, 0.938, entre USIM5 e
CSNA3. Continuando dessa forma e deixando de desenhar linhas que conectam
aes de modo a dar origem a um circuito fechado, obtemos a figura abaixo para
a rvore de extenso mnima dessas seis aes.

2
 Agora precisamos construir uma hierarquia de distncias subdominantes ultra-
mtricas, analogamente ao que est feito no livro-texto. A figura abaixo mostra
a hierarquia obtida entre as aes que estamos considerando. Com base nessa
hierarquia, a tabela abaixo mostra as distncias ultramtricas.
dij : i
j
BBDC4 BBAS3 USIM5 CSNA3 LAME4 TLPP4
BBDC4 0 0.845 0.944 0.944 0.935 1.145
BBAS3 0.845 0 0.944 0.944 0.935 1.145
USIM5 0.944 0.944 0 0.938 0.944 1.145
CSNA3 0.944 0.944 0.938 0 0.944 1.145
LAME4 0.935 0.935 0.944 0.944 0 1.145
TLPP4 1.145 1.145 1.145 1.145 1.145 0

3
4
Introduo Econofsica
Aula 17
Introduo a contratos futuros

Na Bovespa h, por exemplo, o mercado a termo de aes. H tambm o mercado

futuro de aes. Na BM&F h mercados futuros de diversos outros ativos, como
boi, etanol, soja, dlar, etc.. Para fixar os conceitos, pensemos no mercado a
termo de aes. O contrato deve ser fechado hoje para uma liquidao futura da
negociao. Qual o preo desse contrato?
Digamos que a PETR4 esteja valendo
S0 = 28.83
e que a taxa de juros livre de risco seja
r = 0.1,
isto , 10% ao ano. Como convencionamos ter 252 preges por ano, a taxa de
juros livre de risco ao dia dada por:
rd = (1 + r)1/252 1
e, portanto, a taxa de juros ao ms fica:
rm = (1 + rd )21 1
= (1 + r)21/252 1
= (1 + r)1/12 1,
j que, por consistncia, deve haver 21 preges em um ms se houver 12 meses
em um ano:
252
= 21.
12
Sendo assim,
rm = (1.1)1/12 1
0.007974.
Se hoje um comprador e um vendedor fecharem um acordo para transacionarem,
daqui um ms, um lote de 100 aes PETR4, devero concordar com o preo por
ao dado por
F = (1 + rm ) S0
= 1.007974 28.83
29.06.

1
Por qu?
Em uma primeira situao hipottica, suponhamos que, ao invs do preo
acima, concordem em fechar o negcio a um valor
F > (1 + rm ) S0 ,
ou seja,
F > 29.06.
Nesse caso, o vendedor do contrato futuro pode ir ao banco e tomar 2883 reais
emprestados taxa rm para devolver em um ms. Com esse dinheiro, pode com-
prar um lote de 100 aes PETR4. Depois de um ms, o mesmo vendedor pode
entregar o lote de aes para o comprador, recebendo 100F , e pagar ao banco os
2883 mais juros, gastando 2906 reais. Com isso, o vendedor faria um lucro igual
diferena
100F (1 + rm ) (100S0 ) > 0,
conforme nossa hiptese. Assim, no momento em que o mercado estabelecer F
maior do que
(1 + rm ) S0 ,
um bocado de investidores querero fechar o negcio como vendedores, aumen-
tando a oferta e, portanto, fazendo com que os compradores futuros percebam a
possibilidade de diminuir o preo dos contratos, forando um valor menor para F .
Depois de um nmero suficiente de negcios ao longo dessa tendncia, teremos,
no mercado,
F 6 (1 + rm ) S0 .
Ento, em uma segunda situao hipottica, suponhamos agora que o preo
futuro estabilize-se em
F < (1 + rm ) S0 .
Nesse caso, o comprador do contrato futuro pode vender a descoberto 100 aes
PETR4 hoje e receber 2883 reais. Para vender a descoberto, deve tomar em-
prestadas 100 aes da corretora, pagando, usualmente, um valor baixo que pode-
mos desprezar no momento. Imediatamente ele pode investir o montante recebido
de 2883 reais taxa rm em um banco. Decorridos 21 dias teis, ele pode retirar
2906 reais do banco, pagar F reais pelo lote de 100 aes e devolv-lo corretora.
Como pagaria apenas 100F e receberia 2906 reais, obteria um lucro de
(1 + rm ) (100S0 ) 100F > 0,

2
conforme nossa hiptese. Assim, no momento em que o mercado estabelecer F
menor do que
(1 + rm ) S0 ,
um bocado de investidores querero fechar o negcio como compradores, aumen-
tando a demanda e, portanto, fazendo com que os vendedores futuros percebam a
possibilidade de aumentar o preo dos contratos, forando um valor maior para F .
Depois de um nmero suficiente de negcios ao longo dessa tendncia, teremos,
no mercado,
F > (1 + rm ) S0 .
Se o mercado lquido o bastante, com um fluxo de informao veloz, esperamos
que o preo se estabilize de forma consistente com as duas situaes hipotticas
acima, ou seja, em um mercado eficiente, o preo futuro deve estabelecer-se como
F = (1 + rm ) S0 .

3
Introduo Econofsica
Aula 18
Introduo a opes sobre aes

Na Bovespa possvel negociar opes sobre aes. H opes de compra e de

venda. Em ingls, uma opo de compra chama-se "call" e uma de venda, "put".
H opes dos tipos americano e europeu. O investidor que compra uma opo
de compra do tipo europeu tem, na data de vencimento da opo, o direito, mas
no a obrigao, de comprar uma ao correspondente pelo preo especificado
na opo. Essa data de vencimento tambm chamada de data de exerccio da
opo. O investidor que compra uma opo de venda do tipo europeu tem, na
data de vencimento da opo, o direito, mas no a obrigao, de vender a ao
correspondente pelo preo especificado na opo. O dono de uma opo de compra
ou venda do tipo europeu s pode exerc-la na data de exerccio nela especificada.
J o tipo americano permite o exerccio em qualquer data antes daquela especi-
ficada na opo. No Brasil, as opes de compra so do tipo americano e as de
venda, do tipo europeu. O mercado de opes brasileiro muito mais lquido para
opes de compra do que de venda.
Se um investidor pode comprar opes, um outro deve poder vend-las. Este
que vende opes tambm chamado lanador. O lanador de uma opo de
compra, por exemplo, tem a obrigao de entregar a ao ao proprietrio da opo
quando do exerccio desta, pelo preo nela especificado. Quando o lanador, no
momento em que lana uma opo, possui a ao correspondente, dizemos que
seu lanamento est coberto. J se o lanador, quando lana uma opo, no
proprietrio da ao correspondente, dizemos que vende a opo a descoberto. O
lanador, por se arriscar, cobra um valor pela opo lanada chamado prmio.
O prmio pago pelo comprador da opo lanada. Nesta aula e nas prximas
estaremos abordando a obteno do preo justo desse prmio.
Para tornar este assunto mais concreto, analisemos um exemplo. Como as aes
preferenciais da Petrobras so as mais lquidas, suas opes tambm so as mais
lquidas. O fechamento da PETR4 em 30 de abril de 2009 foi 29.54 reais, conforme
podemos conferir no boletim dirio. O vencimento de opes ocorre sempre na
terceira segunda-feira de cada ms ou no dia til posterior mais prximo, caso na
segunda-feira no haja prego por feriado ou outra razo. Assim, o vencimento
correspondente ao ms de maio de 2009 o dia 18. O calendrio do mercado pode
ser consultado no site da Bovespa, sob a tag "Mercado".
A opo mais lquida a PETR4E30, com um preo de exerccio de 29.66 reais

1
e fechamento de 0.90 reais no dia 30 de abril. O preo de exerccio, tambm
chamado de "strike price", em ingls, 29.66 e no 30.00 porque foi feita uma
correo depois que a Petrobras decidiu distribuir dividendos. Se no houvesse
dividendos, ento o preo de exerccio seria 30.00 e por isso que o smbolo,
PETR4E30, tem o nmero 30 no final. A letra "E" do smbolo mostra que o
vencimento em maio, quinto ms do ano; a opo de mesmo "strike" para junho
, ento, denotada PETR4F30.
A segunda opo mais lquida no mesmo prego a PETR4E32, com "strike"
em 31.66 reais e fechamento de 0.27 reais. Em terceira posio de liquidez temos
a PETR4E34, para exerccio de 33.66 reais e fechamento de 0.10 reais. Em quarto
lugar vem a PETR4E28, com preo de exerccio de 27.66 reais e fechamento de
2.20 reais.
A opo PETR4E30 tem o "strike price" mais prximo do fechamento da ao
e , por isso, dita "at the money". As opes PETR4E32 e PETR4E34 tm os
preos de exerccio acima do fechamento da ao e so ditas "out of the money".
A opo PETR4E28 tem o preo de exerccio abaixo do fechamento da ao e
, portanto, dita "in the money". Quanto mais "in the money", mais cara a
opo, pois tem um valor intrnseco igual diferena entre o preo de fechamento
da ao e seu preo de exerccio. Essa diferena para opes "out of the money"
negativa e, portanto, no tm valor intrnseco, sendo mais baratas. As opes
mais lquidas so as "in the money".
Na data de exerccio, o dono da opo de compra "in the money" ganha e
o lanador perde. O dono da opo de compra "out of the money" perde e o
lanador ganha, pois pode ficar com o prmio sem entregar a ao ao dono da
opo. Assim, por exemplo, se no dia 18 de maio de 2009 o preo da PETR4 for,
digamos, 32.00 reais, o dono da opo PETR4E28 receber, por ao ou opo,
32.00-27.66 reais, ou seja, 4.34 reais, sendo que somente ter investido o valor do
prmio de 2.20 reais, dando um retorno de
4.34 2.20
100% = 97.27%.
2.20
No necessrio dizer que o lanador dever entregar uma ao que vale, no
mercado, 32.00 reais, por apenas 27.66 reais ao dono da opo.
Um outro exemplo: se no dia de exerccio a PETR4 estiver com um preo de
27.00 reais, o dono da opo PETR4E32 ter perdido o valor do prmio, isto ,
0.27 reais. J o lanador, porque a ao ter fechado "out of the money", no
ter que entregar nada ao dono da opo, tendo, no entanto, recebido 0.27 reais
de prmio por ter lanado a opo. Seu lucro ser, virtualmente, infinito, j que
no ter investido dinheiro algum.

2
 O lanador a descoberto, por sua vez, corre um risco infinito, pois se o preo
do ativo explodir para as alturas at a data do vencimento, o lanador dever
compr-lo para entrega a um preo muito mais baixo. Por isso, lanar opes
cobertas muito mais seguro, embora possa ser frustrante ter que vender as aes
por um preo to baixo comparado com o do mercado. Nosso objetivo para as
prximas aulas calcular o valor justo para o prmio de uma opo de compra
do tipo europeu, que no paga dividendos.

3
Introduo Econofsica
Aula 19
Introduo ao clculo estocstico e o lema de Ito

Estudamos na aula 4 que a densidade de probabilidade para o movimento brow-

niano dada por:
" #
1 (x t)2
u (x, t) = exp .
2 2 t 2 2 t

No limite em que t vai a zero por valores positivos, essa expresso tende funo
delta de Dirac e descreve, portanto, a densidade de probabilidade de encontrar a
partcula browniana entre x e x + dx no instante t > 0, tendo partido de x = 0
em t = 0.
Para esta aula, tomemos = 0 e = 1. Assim,
 2
1 x
u (x, t) = exp , (1)
2t 2t
para qualquer x real, a distribuio browniana padro, ou a distribuio do
processo de Wiener padro.
A Eq. (1) descreve a densidade de probabilidades para cada instante de tempo
de uma varivel estocstica que podemos denotar por W (t) (por causa de W iener).
Podemos considerar agora a varivel estocstica dada pelo incremento
W (t) = W (t + t) W (t) .
Como cada incremento , por hiptese, independente de outro incremento e
distribudo normalmente, sua distribuio fica:
z2
 
1
P (z) = exp .
2t 2t
Assim, o resultado s depende das variaes z e t, pois o movimento browniano
markoviano.
Consideremos agora a distribuio normal da varivel estocstica S:
 2
1 s
N (s) = exp .
2 2
Para manter a normalizao igual unidade, a distribuio da varivel estocstica

Z = S t

1
 dada por
   
z z
P (z) dz = N d ,
t t
ou seja,
 
1 z
P (z) = N .
t t
Logo, podemos escrever:

W (t) = S t
e, no limite infinitesimal,

dW (t) = S dt.
Porque S distribuda normalmente, com mdia nula, seu valor esperado zero.
Sua varincia :
+
var (S) = ds s2 N (s)

= 1.
Logo,
hdW (t)i = 0 (2)
e
var [dW (t)] = dt. (3)
Calculemos:
n o
2
= (dt)2 var S 2


var [dW (t)]
 + 
= (dt)2 ds s4 N (s) [var (S)]2
+ 
= (dt)2 ds s4 N (s) 1 .

Para completar esse clculo, consideremos a integral:
+ +
4
 2
 2  2

ds s exp s = ds exp s
2
2 1/2
= 2

3
= .
45/2
2
Tomando
1
= ,
2
vem:
+
s2
 
4 5/2 3
ds s exp = 2
2 4

= 3 2.
Logo,
n o
2
var [dW (t)] = (3 1) (dt)2
= 2 (dt)2 .
Temos tambm:
hdtdW (t)i = 0
e, usando a Eq. (3),
var [dtdW (t)] = (dt)2 dt
= (dt)3 .
Com esses resultados, consideremos incrementos dt muito pequenos e, portanto,
desprezemos
(dt)2
e ordens superiores. Podemos, ento, dizer que, sendo assim, os termos
[dW (t)]2 e dtdW (t)
no so estocsticos, j que suas varincias so desprezveis. Consequentemente,
as igualdades
[dW (t)]2 = dt (4)
e
dtdW (t) = 0 (5)
no apenas so satisfeitas em valor esperado, mas exatamente, j que no flutuam,
pois suas varincias so desprezveis.
A partir de agora, podemos descrever o movimento browniano como sendo dado
por esta equao diferencial estocstica:
dX (t) = dt + dW (t) . (6)

3
O valor esperado dessa expresso d:
hdX (t)i = hdt + dW (t)i
= hdti + hdW (t)i
= dt + 0
= dt,
onde usamos a Eq. (2). Tambm notrio o clculo seguinte:
[dX (t)]2 = [dt + dW (t)]2
= 2 (dt)2 + 2dtdW (t) + 2 [dW (t)]2
= 0 + 0 + 2 dt
= 2 dt, (7)
onde usamos as Eqs. (4) e (5) e tomamos o quadrado de dt como desprezvel.
Embora
dX (t)
seja uma varivel estocstica,
[dX (t)]2
uma varivel determinstica.
O lema de Ito

Dada uma varivel estocstica X (t) satisfazendo:

dX (t) = a (X, t) dt + b (X, t) dW (t) , (8)
onde, por clareza,
X = X (t) ,
ento, para uma funo no estocstica u (y, t), para y real, temos:
2
 
u u 1 u
du (X, t) = + a (X, t) + [b (X, t)]2 dt
t X 2 X 2
u
+ b (X, t) dW (t) ,
X
onde
u = u (X, t) .

Prova:

4
 Faamos uma expanso da funo u (X + dX, t + dt) em potncias de dt, at
segunda ordem em dW (t):
u u
u (X + dX, t + dt) = u (X, t) + dt + dX
t X
2
1 u
+ (dX)2 .
2 X 2
Usando as Eqs. (7) e (8), obtemos:
du (X, t) = u (X + dX, t + dt) u (X, t)
u u
= dt + [a (X, t) dt + b (X, t) dW (t)]
t X
2
1 u
+ [b (X, t)]2 dt ,
2 X 2
ou seja,
2
 
u u 1 2 u
du (X, t) = dt + a (X, t) + [b (X, t)]
t X 2 X 2
u
+ b (X, t) dW (t) ,
X
quod erat demonstrandum.
Exemplo: movimento browniano geomtrico:
Y (t) = exp [X (t)] ,
com X (t) satisfazendo a Eq. (6). Usando o lema de Ito, obtemos:
2
 
dY (t) = + Y (t) dt + Y (t) dW (t) .
2

5
Introduo Econofsica
Aula 20
O processo browniano geomtrico revisitado: forma diferencial de Ito

Como mencionado na aula 19, o movimento browniano geomtrico pode ser escrito
na forma diferencial estocstica de Ito:
dS (t) = S (t) dt + S (t) dW (t) ,
onde S (t) o preo da ao no instante t. Podemos fazer uma mudana de
varivel:

S (t)
X (t) = ln ,
S (t0 )
onde t0 < t um instante de tempo onde o preo do ativo conhecido, isto ,
S (t0 ) = s0 .
Para aplicar o lema de Ito, calculemos:
X 1
= ,
S S
2X 1
=
S 2 S2
e, portanto,

X 2 X 1 X
+ [S]2

dX = dt S + S dW
S S 2 2 S

1 2 2 1
= dt S (t) [S (t)]
S (t) 2 [S (t)]2
1
+ S (t) dW (t) .
S (t)
Logo,
2

dX (t) =
dt + dW (t) ,
2
que a equao diferencial estocstica para o movimento browniano. Assim, a
distribuio para X fica dada em termos da varivel real x como:
   2
2
x (t t0 )

1


2
u (x, t t0 ) = q exp ,
2 2 (t t0 )

2 2 (t t0 )

1
Conforme t tende a t0 , a distribuio fica cada vez mais prxima de uma funo
delta centrada na origem. Esse comportamento faz sentido, pois X deve ser zero
em t0 , j que
S (t0 ) = s0
e, portanto,

S (t0 )
X (t0 ) = ln
S (t0 )
= 0.
Normalmente, sabemos o preo hoje e desejamos a probabilidade de termos
determinado preo no futuro. Seja T o tempo futuro e t, o atual. Assim, a
distribuio de acima fica:
   2
2
x (T t)

1


2
u (x, T t) = q exp .
2 2 (T t)


2 2 (T t)

Seguindo a aula 5, podemos escrever a densidade de probabilidade para o quo-

ciente
S (T )
,
S (t)
se conhecermos S (t):
   2
2
1 ln s ln S (t) 2 (T t)
g (s, T t) = q exp

.
s 2 2 (T t) 2 2 (T t)

O valor esperado de
S (T )
,
S (t)
condicional a termos conhecimento exato de S (t) denotado por

S (T ) 
E
 S (t)

S (t) 
e dado por:
 +
S (T )  s
E
 S (t)
= g (s, T t)
ds
S (t)  S (t)
+
   2
s 2
1 ln S(t) 2 (T t)
= q ds exp

.
S (t) 2 2 (T t) 2 2 (T t)

2
Fazendo a substituio de varivel:
s
z = ln ,
S (t)
vem:

   2
2
+ z (T t)

S (T ) 
1 2
E dz exp z

S (t) = q .
S (t)  2 2 (T t) 2 2 (T t)


Mas,
   2  
2 2 2
z 2 (T t) z 2z 2 (T t)
z = z
2 2 (T t) 2 2 (T t)
  2
2
2 (T t)

2 2 (T t)
 
2
z 2 2z 2 (T t) 2z 2 (T t)
=
2 2 (T t)
  2
2
2 (T t)

2 2 (T t)
z 2 2z (T t) z 2 (T t)
=
2 2 (T t)
  2
2
2 (T t)

2 2 (T t)
 
2 2
z 2z + 2 (T t)
=
2 2 (T t)
  2
2
2 (T t)

2 2 (T t)
   2
2
z + 2 (T t)
=
2 2 (T t)
" 2  2 #
2 2
2 + 2 (T t)2

2 2 (T t)
   2
2
z + 2 (T t) 2 2 (T t)2
=
2 2 (T t)
3
    2
2
z + 2 (T t)
= + (T t)
2 2 (T t)
e, portanto,

S (T )  = exp [ (T t)] .
E
 S (t)
S (t) 

Para o clculo da varincia, temos que calcular:

+
2
s 1
ds g (s, T t) = 2
q
S (t) [S (t)] 2 2 (T t)
+
   2
s 2
ln S(t) 2 (T t)
ds s exp
2 2 (T t)

1
= q
2 2 (T t)

   2
2
+ z 2 (T t)
dz exp 2z .
2 2 (T t)

Mas,
   2  
2 2
z 2 (T t) z 2 2z 2 (T t)
2z = 2z
2 2 (T t) 2 2 (T t)
  2
2
2 (T t)

2 2 (T t)
 
2 2
z 2z 2 (T t) 4z 2 (T t)
=
2 2 (T t)
  2
2
2 (T t)

2 2 (T t)
z 2 2z (T t) 3z 2 (T t)
=
2 2 (T t)
  2
2
2 (T t)

2 2 (T t)
 
2 3 2
z 2z + 2 (T t)
=
2 2 (T t)
4
   2
2
2 (T t)

2 2 (T t)
   2
3 2
z + 2 (T t)
=
2 2 (T t)
" 2  2 #
2 3 2
2 + 2 (T t)2

2 2 (T t)
   2
3 2
z + 2 (T t)
=
2 2 (T t)
" 2  2 #
2 3 2
2 4 2
2 (T t)2

2 2 (T t)
   2
3 2
z + 2 (T t)
=
2 2 (T t)
4 2 + 2 4 (T t)2
 

+
2 2 (T t)
   2
3 2
z + 2 (T t)
=
2 2 (T t)
2 + 2 (T t)
 
+
e, portanto,
+
2
s
g (s, T t) = exp 2 + 2 (T t) .
h  i
ds
S (t)
Assim, a varincia condicional fica:

S (T )  = exp 2 + 2 (T t) exp [2 (T t)]
h  i
var S (t)
S (t) 


= exp [2 (T t)] exp 2 (T t) 1 .

n h i o

5
Introduo Econofsica
Aula 21
O princpio do "hedging" sem risco e a teoria de Black, Scholes e
Merton

Em 1973, Black e Scholes fizeram vrias hipteses para deduzirem sua equao
para precificar opes de compra do tipo europeu:
1. as negociaes ocorrem continuamente no tempo;
2. a taxa de juros livre de risco, r, conhecida e constante no tempo;
3. as aes no pagam dividendos;
4. no h custos de transaes, nem impostos;
5. as aes so perfeitamente divisveis;
6. no h nenhum obstculo para vendas a descoberto;
7. no h oportunidades de obter lucros sem risco.
O preo da ao suposto obedecer um movimento browniano geomtrico:

dS = Sdt + SdW,
onde e so parmetros constantes. Consideremos uma carteira em que uma
opo vendida e uma quantidade de aes comprada. O valor dessa carteira
dado por:
= c + S.
Notemos que S denota que a quantidade multiplicada pelo preo da ao S
e no a variao do preo da ao. Usamos o lema de Ito para o preo da opo
e obtemos:
c c 2 2 2c
dc = dt + dS + S dt.
t S 2 S 2
Assim, a variao do valor da carteira fica:
d = dc + dS
2 2

c c c
= dt + dS + S 2 2 dt
t S 2 S
+ (Sdt + SdW )

1
 c c 2 2 2c
= dt dS S dt
t S 2 S 2
+ Sdt + SdW
2 2

c c
= S 2 2 + S dt
t 2 S
c
(Sdt + SdW ) + SdW
S
2 2
!
c c c
= S 2 2 + S dt
t 2 S S
c
!
+ S dW
S
Vemos que se escolhemos
c
= ,
S
ento o valor da carteira no flutua e temos:
2 2
!
c 2 c c
d = S + S dt
t 2 S 2 S
2 2

c c
= S 2 2 dt.
t 2 S
Logo, o rendimento da carteira determinstico. Se esse rendimento for menor
do que a taxa livre de risco r, sempre ser possvel vender um montante enorme
da carteira a descoberto, comprar o equivalente em ttulos que rendem a taxa r e
realizar lucro sem risco. Caso o rendimento da carteira for maior do que r, ento
ser possvel tomar uma quantidade enorme de dinheiro emprestado taxa r e
investir o montante equivalente na carteira, realizando lucro sem risco. Notemos
que, em ambos os casos, o investidor no desembolsa dinheiro algum e obtm
quanto lucro quiser, realizando um retorno infinito. Como, por hiptese, no h
taxa de lucro livre de risco maior do que r, segue que a carteira deve render o
mesmo que um investimento livre de risco:
d = rdt.
Logo,
c 2 2 2 c
S = r
t 2 S 2
= r (c + S)
c
!
= r c + S .
S
2
Rearranjando os termos, obtemos:
c 2 2 2 c c
+ S + rS rc = 0,
t 2 S 2 S
que a equao de Black e Scholes para o preo de opes de compra do tipo
europeu. A condio de contorno aqui que, no vencimento, o preo da opo
ser dado por:
c (S, T ) = max (S X, 0) ,
onde X o chamado "strike price", ou o preo de exerccio da opo de compra.

3
Introduo Econofsica
Aula 22
O argumento da neutralidade de risco para obter a equao de Black
e Scholes

Consideremos que a dinmica do preo da ao seja dada pelo movimento brow-

niano geomtrico:

dS = Sdt + SdW,
com e > 0 constantes reais. Suponhamos tambm que o preo da opo
sobre a ao em considerao seja tambm dada por um movimento browniano
geomtrico:

dc = c cdt + c cdW, (1)

onde c e c > 0 so constantes reais e
c = c (S, t) .
Do lema de Ito temos:
c c 1 2c
dc = dt + dS + 2
(dS)2
t S 2 S
2 2

c c 2 c c
= + S + S dt + S dW, (2)
t S 2 S 2 S
onde utilizamos o resultado:
(dS)2 = (SdW )2
= 2 S 2 dt.
Comparando as Eqs. (1) e (2), encontramos:
c 2 2 2 c

1 c
c = + S + S (3)
c t S 2 S 2
e
S c
c = . (4)
c S
Rearranjando a Eq. (3), obtemos:
c c 2 2 2 c
+ S + S cc = 0,
t S 2 S 2
1
que depende de e c . A Eq. (3) torna-se a equao de Black e Scholes deduzida
na aula 21, isto ,
c 2 2 2 c c
+ S + rS rc = 0,
t 2 S 2 S
somente quando e c forem iguais taxa de juros livre de risco, r. Mas no
podemos supor isso, j que o investimento da ao pode levar a perdas de capital
e, nesse caso, , por exemplo, deve ser negativo.
Consideremos agora uma carteira que anula o risco de perdas. No instante
atual, a carteira constituda pela compra de c c opes e pela venda simultnea,
a descoberto, de S aes. Portanto, o valor atual da carteira dado por:
= (c c) S (S) c
= (c ) Sc. (5)
Depois de decorrido um intervalo de tempo dt, mas mantendo inalteradas as
quantidades c c e S de opes compradas e aes vendidas, respectivamente,
obtemos:
d = (c c) dS (S) dc
= (c c) (Sdt + SdW )
(S) (c cdt + c cdW )
= c Scdt + c ScdW
c Scdt c ScdW
= c Scdt c Scdt
= (c c ) Scdt. (6)
No entanto, supondo que o mercado to eficiente que no possvel haver opor-
tunidades de lucro sem risco, impomos:
d = rdt,
onde r a taxa de juros livre de risco e, portanto, substituindo as Eqs. (5) e (6)
nesse resultado, escrevemos a igualdade:
(c c ) Scdt = r (c ) Scdt,
ou seja,
c c = r (c ) ,
ou ainda,
c r r
= ,
c
2
logo,
r
c c r = 0.

Substituindo as Eqs. (3) e (4) nessa expresso d:
c 2 2 2 c r S c

1 c
+ S + S r = 0.
c t S 2 S 2 c S
Multiplicando ambos os membros por c resulta na equao:
c c 2 2 2 c c
+ S + S ( r) S rc = 0,
t S 2 S 2 S
isto ,
c 2 2 2 c c
+ S + rS rc = 0,
t 2 S 2 S
que a equao Black Scholes.

3
Introduo Econofsica
Segunda Prova
Primeira Questo

Simule um processo de Wiener seguindo as instrues que seguem.

(a) Escreva a expresso para a distribuio de probabilidades para um processo
de Wiener padro. (Valor: 0.5)
(b) Divida o intervalo[4, 4] em 51 intervalos iguais e construa um histograma
com 2000 nmeros distribudos de acordo com o resultado do item (a), isto , cada
coluna do histograma deve ter uma altura que uma frao de 2000 (aproximada
ao nmero inteiro mais prximo), calculada segundo o resultado do item (a).
(Valor: 1.0)
(c) Supondo uma unidade de tempo tal que dt possa ser tomado como 1, tome
os 2000 nmeros do histograma do item (b) e embaralhe-os o mais que puder para
no produzirem uma sequncia previsvel. Tome essa ordem aleatria dos 2000
nmeros e associe-a srie temporal de dW (t). (Valor: 1.0)
(d) Faa um grfico de
W (t + dt) = W (t) + dW (t)
como funo do tempo, onde
W (0) = 0.
(Valor: 1.0)

Segunda Questo

Utilize os dados da aula 15 (ver no Moodle) para construir uma rvore de ex-
tenso mnima para as nove aes dadas. Determine as distncias ultramtricas
envolvidas. Note: para esta questo, h dois grficos para apresentar, como na
aula 16. (Valor: 3.5)

Terceira Questo

Use o lema de Ito para deduzir a equao estocstica satisfeita pela varivel es-
tocstica do processo browniano geomtrico, conforme mencionado no exemplo
do final da aula 19. (Valor: 3.0)

1
Introduo Econofsica
Aula 24
A estratgia de negociao dinmica auto-financiada

Construamos uma carteira em que temos, em cada instante t, um montante de

aes MS (t), um montante de opes MV (t) e um montante de ttulos livres
de risco B (t). Como as aes, as opes e os ttulos podem ser comprados ou
vendidos, inclusive podem ser vendidos a descoberto, os montantes podem ser
positivos ou negativos. Portanto, podemos construir uma carteira em que nenhum
montante em dinheiro investido jamais, nem mesmo no instante inicial. Uma
carteira assim chamada auto-financiada.
Se o preo da ao no instante t dado por
S = S (t)
e o preo da opo dado por
V = V (t) ,
o valor da carteira nesse instante :

M (t) = MS (t) + MV (t) + B (t)

= SQS (t) + V QV (t) + B (t) , (1)
onde QS (t) e QV (t) so as quantidades, positivas ou negativas, de aes e opes,
respectivamente, no instante t.
Como na aula 22, os pres da ao e da opo satisfazem as respectivas
equaes estocsticas abaixo:
dS = Sdt + SdW (2)
e
dV = V V dt + V V dW. (3)
Usando o lema de Ito, vem:
2 2 2V

1 V V
V = + S + S (4)
V t S 2 S 2
e
S V
V = . (5)
V S
1
A dinmica do valor da carteira obtida tomando a diferencial da Eq. (1):
dM (t) = [QS (t) dS + QV (t) dV + rB (t) dt]
+ {SdQS (t) + V dQV (t) + dB (t)} , (6)
onde estamos usando o fato de que o valor dos ttulos varia de um incremento
rB (t) dt, com taxa de juros livre de risco r. Notemos que os ttulos podem mudar
porque seu preo muda de rB (t) dt ou porque a quantidade muda de dB (t), j
que podem ser comprados ou vendidos.
Os trs termos somados entre colchetes no segundo membro da Eq. (6) do a
variao do valor da carteira sem termos que fazer nenhuma negociao, bastando
que os preos dos ttulos, das aes e das opes variem. J os trs termos somados
entre chaves da Eq. (6) do a variao do valor da carteira quando compramos e
vendemos esses trs ativos financeiros. Como a estratgia auto-financiada, no
colocamos ou tiramos nenhum dinheiro da carteira por meio dessas negociaes,
isto ,
SdQS (t) + V dQV (t) + dB (t) = 0.
Com isso, a Eq. (6) fica:
dM (t) = QS (t) dS + QV (t) dV + rB (t) dt
dS dV
= MS (t) + MV (t) + rB (t) dt,
S V
onde, como na Eq. (1), usamos:
MS (t)
QS (t) =
S
e
MV (t)
QV (t) = .
V
Das Eqs. (1), (2) e (3), podemos escrever o incremento do valor da carteira como:
Sdt + SdW V V dt + V V dW
dM (t) = MS (t) + MV (t)
S V
r [MS (t) + MV (t)] dt
= [MS (t) ( r) + MV (t) (V r)] dt
+ [MS (t) + MV (t) V ] dW.
Se impusermos que o termo estocstico dessa equao se anule sempre, a variao
do valor da carteira passa a ser determinstico. Assim, impomos:
MS (t) + MV (t) V = 0,

2
ou seja,
SQS (t) + V QV (t) V = 0.
Usando a Eq. (5), vem:
S V
SQS (t) + V QV (t) = 0,
V S
isto ,
QS (t) V
= . (7)
QV (t) S
Com essa condio sendo satisfeita, obtemos uma carteira que no estocstica
e que jamais requer qualquer investimento de capital, nem mesmo inicialmente.
Assim, impomos:
dM (t) = 0,
ou seja,
MS (t) ( r) + MV (t) (V r) = 0.
Essa igualdade, usando a Eq. (7), fica:
MS (t) ( r) + MV (t) (V r) = SQS (t) ( r) + V QV (t) (V r)
V
= SQV (t) ( r) + V QV (t) (V r)
S
= 0,
isto ,
V
S ( r) = V (V r) .
S
Substituindo o valor de V , dado pela Eq. (4), temos:
V V V 2 2 2V
S ( r) = + S + S rV,
S t S 2 S 2
ou seja,
V V 2 2V
+ rS + S 2 2 rV = 0,
t S 2 S
que a equao de Black e Scholes.
Notemos que quando lanamos uma s opo e no mais mudamos essa posio
em opes, temos:
QV (t) = 1

3
e, da Eq. (7),
V
QS (t) = .
S
Essa quantidade de aes exatamente o que chamamos de na aula 21:
V
= .
S
Como o valor da carteira nulo sempre, da Eq. (1) segue:
SQS (t) + V QV (t) + B (t) = 0.
Lanando s uma opo, essa relao fornece:
V = S + B (t) .
Assim, o preo da opo, em cada instante de tempo, pode ser replicado por uma
carteira consistindo de aes e uma quantidade de ttulos B (t).

4
Introduo Econofsica
Aula 25
O preo de uma opo de compra segundo a teoria de Black, Scholes e
Merton

Como estudamos nas aulas 21, 22 e 24, a equao de Black e Scholes dada por:

c 2 2 2 c c
+ S + rS rc = 0, (1)
t 2 S 2 S
onde c o preo da opo, S o preo da ao, a volatilidade e r a taxa de
juros livre de risco. Faamos a transformao de varivel:
x = ln S. (2)
Com isso, temos:
c c x
=
S x S
1 c
=
S x
e, portanto,
2c
 
c
2
=
S S S
 
1 c
=
S S x
 
1 c 1 c
= 2 +
S x S S x
 
1 c 1 x c
= 2 +
S x S S x x
1 c 1 2c
= 2 + .
S x S 2 x2
Assim, a equao diferencial parcial acima, Eq. (1), fica:
c 2 2 1 2c
 
1 c 1 c
+ S 2 + 2 2 + rS rc = 0,
t 2 S x S x S x
ou seja,
c 2 2c
 
c c
+ + +r rc = 0,
t 2 x x2 x

1
ou ainda,
2 c 2 2 c
 
c
+ r + rc = 0. (3)
t 2 x 2 x2
Seja
w = c exp (rt) . (4)
Ento, a Eq. (3) fica:
2 w 2 2 w
 
w
+ r + = 0. (5)
t 2 x 2 x2
Para resolver essa equao, podemos escrever w em termos de sua transformada de
Fourier:
+
w (x, t) = dk (k, t) exp (ikx) , (6)

onde
+
1
(k, t) = dx w (x, t) exp (ikx) (7)
2

a transformada de Fourier de w com relao a x. Substituindo a Eq. (6) na Eq.

(5), obtemos:
+ 
2 2 2
  
(k, t)
dk +i r k (k, t) k (k, t) exp (ikx) = 0.
t 2 2
Da independncia linear das funes exponenciais, decorre que o integrando acima
deve ser nulo:
2 2 2
 
(k, t)
+i r k (k, t) k (k, t) = 0.
t 2 2
Assim,
2 2 2
   
(k, t) = (k, 0) exp it r k+t k .
2 2
Substituindo essa soluo na Eq. (6), vem:
+
2 2 2
   
w (x, t) = dk (k, 0) exp ikx ikt r +t k . (8)
2 2
Da Eq. (7), podemos escrever:
+
1
(k, 0) = dx0 w (x0 , 0) exp (ikx0 ) . (9)
2

2
Substituindo a Eq. (9) na Eq. (8) d:
+ +   2
 2

1
w (x, t) = dk dx0 w (x0 , 0) exp ik (x x0 ) ikt r + t k2
2 2 2
+
= dx0 w (x0 , 0) g (x x0 , t) , (10)

onde
+
2 2 2
   
1
g (x, t) = dk exp ikx ikt r +t k .
2 2 2
Calculemos:
+
2 2 2ik 2
   
1 2ik
g (x, t) = dk exp t k + 2x 2 r
2 2 t 2
+ (
2
  2
 2  2
2 )
1 i 1
= dk exp t k + 2 x rt + t + 2
x rt + t .
2 2 t 2 2t 2

O resultado para essa integral pode ser calculado para tempos negativos:
t = |t| .
Assim, obtemos:
" 2 #
2

1 1
g (x, t) = p exp 2 x + r |t| |t| . (11)
2 2 |t| 2 |t| 2

Substituindo a Eq. (11) na Eq. (10) resulta em:

2


0 2 |t|
x x + r |t|
+
1 2
w (x, t) = p dx0 w (x0 , 0) exp ,(12)

2 2 |t| 2 2 |t|

que s vale para tempos negativos.

Voltemos agora para o problema original de determinar c como funo do preo
S e do tempo t, que deve ser negativo para podermos ter soluo. Usamos as Eqs.
(2), (4) e (12) para obter:
c (S, |t|) = exp (r |t|) w (ln S, t)
2


2
exp (r |t|) + 0 ln S x0 + r |t| 2 |t|
= p dx c (exp (x0 ) , 0) exp .

2
2 |t| 2 2 |t|

3
A condio de contorno aqui
c (S, 0) = max (S X, 0) ,
onde X o preo de exerccio da opo. Assim, no integrando da equao acima
aparece:
c (exp (x0 ) , 0) = max (exp (x0 ) X, 0) .
Tudo o que essa condio nos diz que o integrando deve ser nulo para
exp (x0 ) X 6 0,
isto ,
exp (x0 ) 6 X,
ou seja, o integrando deve ser nulo para
x0 6 ln X.
Com isso, escrevemos:
2


0 2
ln S x + r |t| |t|
+
exp (r |t|) 0 0 2
c (S, |t|) = p dx (exp (x ) X) exp
2 2 |t|

2 2 |t| ln X
2


0 2
exp (r |t|) + ln S x + r |t| 2 |t|
0 0
= p dx exp x
2 2 |t|

2 2 |t| ln X
2


0 2
ln S x + r |t| |t|
+
X exp (r |t|) 0 2
dx exp .
2 2 |t|
p
2 2 |t| ln X

Aqui conveniente reconhecermos, na expresso acima, a distribuio normal, que

dada por:
x  2
1 s
N (x) = ds exp . (13)
2 2
Agora, observemos que:
 2  2
2 2
ln S x0 + r |t| 2 |t| 2 0
2 |t| x ln S + r |t| 2 |t| x0
0
x = .
2 2 |t| 2 2 |t|

4
Tambm temos:
 2
2  2
2

2 2 |t| x0 ln S + r |t| |t| x0 = 2 2 |t| x0 ln S + r |t| |t|
2 2
2
 
2
+ 2x0 ln S + r |t| |t| (x0 )
2
2
2

2
= ln S + r |t| |t| (x0 )
2
2
 

+ 2x0 ln S + r |t| |t| + 2 |t|
2
2
2

2
= ln S + r |t| |t| (x0 )
2
2
 

+ 2x0 ln S + r |t| + |t|
2
2
2

0
= x ln S r |t| |t|
2
2
2

+ ln S + r |t| + |t|
2
2
2

ln S + r |t| |t|
2
 2
2

= x0 ln S r |t| |t|
2
+ (ln S + r |t|) 2 2 |t| .
Assim,
 2  2
2 2
ln S x0 + r |t| 2 |t| 0
x ln S r |t| 2 |t|
x0 =
2 2 |t| 2 2 |t|
(ln S + r |t|) 2 2 |t|
+
2 2 |t|
 2
2
x0 ln S r |t| 2 |t|
=
2 2 |t|
+ ln S + r |t|

5
e, portanto,
2


0 2
+ ln S x + r |t| 2 |t| +
dx exp x0
0
= exp (ln S + r |t|) dx0

ln X 2 2 |t| ln X
   2
0 2
x ln S r + 2 |t|
exp .
2 2 |t|

Faamos a substituio de varivel:

2
x0 ln S r |t| 2 |t|
s = p .
2 |t|
Assim,
2


2
+ x0 ln S r |t| 2 |t|  2
s
dx0 exp = ln(S/X)+r|t|+ 2 |t| ds exp

ln X 2 2 |t| 2 2
|t|

 
2
p ln (S/X) + r + 2 |t|
= 2 |t|N p .
|t|

Logo,
2

 2
+ ln S x0 + r |t|
2 |t| p
0 0
dx exp x = 2 |t| exp (ln S + r |t|)
ln X 2 2 |t|
 
2
ln (S/X) + r + 2 |t|
N p
|t|
p
= 2 |t|S exp (r |t|)
 
2
ln (S/X) + r + 2 |t|
N p .
|t|

Analogamente,
 2
+
 
0 2 2
0 ln S x + r |t| 2 |t| p ln (S/X) + r 2 |t|
dx exp = 2 |t|N .

2 2 |t|
p
ln X |t|

6
Substituindo essas ltimas integrais na expresso para c acima, obtemos:
 
2
exp (r |t|) p ln (S/X) + r + 2 |t|
c (S, |t|) = p S exp (r |t|) 2 |t|N p
2
2 |t| |t|
 
2
X exp (r |t|) p ln (S/X) + r 2 |t|
p 2 |t|N p
2 2 |t| |t|
 
2
ln (S/X) + r + 2 |t|
= SN p
|t|
 
2
ln (S/X) + r 2 |t|
X exp (r |t|) N p .
|t|

Na prxima aula abordaremos mais detalhes sobre esse resultado, explicando vrios
aspectos possivelmente obscuros na presente deduo.

7
Introduo Econofsica
Aula 26
Frmula de Black e Scholes para opes do tipo europeu

Na aula 25 obtivemos a soluo para o preo de uma opo de compra do tipo

europeu:
 
2
ln (S/X) + r + 2 |t|
c (S, |t|) = SN p
|t|
 
2
ln (S/X) + r 2 |t|
X exp (r |t|) N p .
|t|

comum definirmos:
 
2
ln (S/X) + r + 2 |t|
d1 = p
|t|
e
p
d2 = d1 |t|
 
2
ln (S/X) + r + |t|
2 p
= p |t|
|t|
 
2
ln (S/X) + r + 2 |t| 2 |t|
= p
|t|
 
2
ln (S/X) + r 2 |t|
= p .
|t|
Logo, podemos escrever:
c (S, |t|) = SN (d1 ) X exp (r |t|) N (d2 ) .

1
Funo densidade de transio

Em meio a deduo da soluo da equao de Black e Scholes da aula 25 obtivemos

a frmula:  2
+ 0 2
exp (r |t|) ln S x + r |t| 2 |t|
c (S, |t|) = p dx0 c (exp (x0 ) , 0) exp .
2 2 |t| 2 2 |t|

Podemos fazer uma mudana de varivel de integrao:

x0 = ln ST
e obtemos: 2

 2

ln S ln ST + r |t| |t|

exp (r |t|) dST 2
c (S, |t|) = p c (exp (ln ST ) , 0) exp
ST 2 2 |t|

2 2 |t| 0
2


2
ln S ln ST + r |t| |t|

exp (r |t|) dST 2
= p c (ST , 0) exp
ST 2 2 |t|

2 2 |t| 0
2


2
ln S ln ST + r |t| |t|

1 2
= exp (r |t|) dST c (ST , 0) exp
2 2 |t|
p
0 ST 2 |t|

= exp (r |t|) dST c (ST , 0) (ST , S; |t|) ,
0
onde  2
2
1 ln S ln ST + r |t| 2 |t|
(ST , S; |t|) = exp
2 2 |t|
p
ST 2 |t|

a chamada funo densidade de transio. Tipicamente, fazemos

|t| T t,
onde t o tempo presente e T o tempo de exerccio. Assim, escrevemos:

c (S, T t) = exp [r (T t)] dST c (ST , 0) (ST , S; T t)
0
e h  2
 i2
1 ln SS + r 2 (T t)

T
(ST , S; T t) = exp .
2 2 (T t)
p
ST 2 (T t)

2
A paridade entre os preos de opes de compra e venda do tipo eu-
ropeu

Aqui, como em todo nosso curso, no consideramos ativos que pagam dividendos
ou juros sobre o capital prprio. Consideremos duas carteiras: uma composta de
apenas uma opo de venda e outra em que h a opo de compra, uma ao
vendida a descoberto e
X exp [r (T t)]
em ttulos livres de risco. Aqui supomos que as opes de venda e de compra tm
o mesmo preo X de exerccio. No vencimento, a carteira composta apenas de
uma opo de venda valer:
p (ST , 0) = max (X ST , 0) .
J a segunda carteira, em qualquer tempo anterior ao vencimento, tem o valor:
M (T t) = c (S, T t) S + X exp [r (T t)] .
Ora, no vencimento, a carteira valer:
M (0) = max (ST X, 0) ST + X.
Se
ST > X,
ento
M (0) = ST X ST + X
= 0.
Se
ST < X,
ento
M (0) = 0 ST + X
= X ST .
Logo,
M (0) = max (X ST , 0) ,
como o valor da primeira carteira no vencimento. Como ambas as opes so do
tipo europeu, nenhuma pode ser exercida antes do vencimento. Supondo que no

3
h oportunidade de obter lucros sem risco, as duas carteiras devem ter o mesmo
valor em qualquer tempo anterior ao vencimento, analogamente aos raciocnios
expostos na aula 17. Portanto,
p (S, T t) = c (S, T t) S + X exp [r (T t)] .

A frmula de Black e Scholes para o caso de tempos discretos

A frmula de Black e Scholes que deduzimos acima vlida para o tempo con-
tnuo. No entanto, normalmente ns temos preges e preos de fechamento dirios.
Mesmo em negociaes durante o prego, comum dividir o dia em perodos de
duraes iguais e tomar os preos finais nesses perodos. Tipicamente, ento,
temos uma discretizao temporal. Consideremos o caso dirio. Seja T o prego
de vencimento e t o prego atual. Assim, T t o nmero de preges at o
vencimento das opes. Seja f a taxa de juros diria. Ento, devemos substituir
exp [r (T t)] = (1 + f )T t
na frmula de Black e Scholes acima. Notemos:
 
2
ln (S/X) + r + 2 (T t)
d1 = p
(T t)
 
2
ln (S/X) r + 2 (T t)
= p + p
(T t) (T t)
2

ln (S/X) r (T t) (T t)
= p + p + 2p
(T t) (T t) (T t)
p
ln (S/X) + r (T t) (T t)
= p +
(T t) 2
  p
1 S exp [r (T t)] (T t)
= p ln + .
(T t) X 2
Com a substituio acima, obtemos:
( )
S (1 + f )T t
p
1 (T t)
d1 = p ln +
(T t) X 2
e, como anteriormente,
p
d2 = d1 (T t).

4
Ento, a frmula de Black e Scholes para o tempo discretizado fica:
X
c (S, |t|) = SN (d1 ) N (d2 ) .
(1 + f )T t

5
Introduo Econofsica
Aula 27
Taxas de variao do preo justo de opes europias com relao aos
parmetros envolvidos no caso ideal

De acordo com a aula 26, o preo de uma opo de compra do tipo europeu
dado por:
c (S, T t) = SN (d1 ) X exp [r (T t)] N (d2 ) ,
onde
 
2
ln (S/X) + r + 2 (T t)
d1 = q
(T t)
e
q
d2 = d1 (T t).
Nesta aula vamos calcular as diversas derivadas parciais do preo da opo com re-
lao aos diversos parmetros envolvidos. Mas, antes de qualquer coisa, seguindo
a ideia do estudante Tiago Batalho, consideremos a derivada com relao a um
parmetro qualquer, . Temos:
c (S, T t) N (d1 ) N (d2 )
= S X exp [r (T t)]

S
+ N (d1 ) N (d2 ) {X exp [r (T t)]} .

Podemos derivar implicitamente e escrever:
c (S, T t) d1 d2
= SN 0 (d1 ) X exp [r (T t)] N 0 (d2 )

S
+ N (d1 ) N (d2 ) {X exp [r (T t)]} .

Mas, como
x
s2

1
N (x) = ds exp
,
2 2
segue que
x2

0 1
N (x) = exp
.
2 2

1
Alm disso,
2
 2
d d1 T t
exp 2 = exp

2 2
q
d21 2d1 (T t) + 2 (T t)

= exp
2
q
d2 2d1 (T t) 2 (T t)

= exp 1 exp
2 2
2 2

d q (T t)
= exp 1 exp d1 (T t)
2 2
2 2 2

d (T t)
= exp 1 exp ln (S/X) + r + (T t)
2 2 2
2

S d
= exp 1 exp [r (T t)] .
X 2
Logo,
d22

0 1
N (d2 ) = exp
2 2
2

1 S d
= exp 1 exp [r (T t)]
2 X 2
S
= exp [r (T t)] N 0 (d1 ) .
X
Portanto, a frmula acima para a derivada com relao a um parmetro qualquer
fica:
c (S, T t) d1 S d2
= SN 0 (d1 ) X exp [r (T t)] exp [r (T t)] N 0 (d1 )
X
S
+ N (d1 ) N (d2 ) {X exp [r (T t)]} .

d1 d2
= SN 0 (d1 ) SN 0 (d1 )

S
+ N (d1 ) N (d2 ) {X exp [r (T t)]} ,

isto ,
c (S, T t) (d1 d2 ) S
= SN 0 (d1 ) + N (d1 )


N (d2 ) {X exp [r (T t)]} ,

2
ou ainda,
c (S, T t) S
= N (d1 ) N (d2 ) {X exp [r (T t)]}

 q 
+ SN 0 (d1 ) (T t) . (1)

Tomemos a derivada com relao ao preo da ao fazendo

= S
na Eq. (1):
c
=
S
= N (d1 ) .

Variao com relao ao preo de exerccio

Tomemos a derivada com relao ao preo da ao fazendo

= X
na Eq. (1):
c (S, T t)
= N (d2 ) {X exp [r (T t)]}
X X
= N (d2 ) exp [r (T t)] .

A varivel a derivada parcial do preo da opo com relao ao tempo.

Tomemos a derivada com relao ao preo da ao fazendo
= t
na Eq. (1):
c
=
t

= N (d2 ) {X exp [r (T t)]}
t
0  q 
+ SN (d1 ) (T t)
t
3
 = N (d2 ) rX exp [r (T t)]
S
q N 0 (d1 ) .
2 (T t)

A varivel a derivada parcial de com relao ao preo da ao:

=
S
2c
=
S 2
N (d1 )
=
S
d1
= N 0 (d1 )
S  
2

0 ln (S/X) + r + 2 (T t)
= N (d1 ) q ,
S (T t)

ou seja,
1
= q N 0 (d1 ) .
S (T t)

Vega

A varivel
,
chamada vega, que no um nome grego, mas rabe, a derivada parcial do preo
da opo com relao volatilidade. Tomemos a derivada com relao ao preo
da ao fazendo
=
na Eq. (1):
c
=

 q 
= SN 0 (d1 ) (T t)

q
0
= SN (d1 ) (T t)

A varivel a derivada parcial do preo da opo com relao taxa de juros

livre de risco. Tomemos a derivada com relao ao preo da ao fazendo
= r
na Eq. (1):
c
=
r

= N (d2 ) {X exp [r (T t)]}
r
= N (d2 ) X (T t) exp [r (T t)] .

5
Introduo Econofsica
Aula 27
Taxas de variao do preo justo de opes europias com relao aos
parmetros envolvidos no caso ideal

De acordo com a aula 26, o preo de uma opo de compra do tipo europeu
dado por:
c (S, T t) = SN (d1 ) X exp [r (T t)] N (d2 ) ,
onde
 
2
ln (S/X) + r + 2 (T t)
d1 = q
(T t)
e
q
d2 = d1 (T t).
Nesta aula vamos calcular as diversas derivadas parciais do preo da opo com
relao aos diversos parmetros envolvidos.

Tomemos a derivada com relao ao preo da ao:

c
=
S

= {SN (d1 ) X exp [r (T t)] N (d2 )}
S
N (d1 ) N (d2 )
= N (d1 ) + S X exp [r (T t)]
S S
d1 d2
= N (d1 ) + SN 0 (d1 ) X exp [r (T t)] N 0 (d2 )
S S
0 0
SN (d1 ) N (d2 )
= N (d1 ) + q X exp [r (T t)] q .
S (T t) S (T t)
Mas, como
x
s2

1
N (x) = ds exp
,
2 2
segue que
x2

0 1
N (x) = exp
.
2 2

1
Ento,
 2
  2

exp d21 exp d22
= N (d1 ) + q X exp [r (T t)] q .
2 (T t) S 2 (T t)
possvel simplificar essa expresso notando o seguinte resultado:

2
 2
d d1 T t
exp 2 = exp
2 2
q
d2 2d1 (T t) + 2 (T t)

= exp 1
2
q
d21 2d1 (T t) 2 (T t)

= exp
exp
2 2
2 2

d 1
q (T t)
= exp exp d1 (T t)
2 2
2 2 2

d (T t)
= exp 1 exp ln (S/X) + r + (T t)
2 2 2
2

S d
= exp 1 exp [r (T t)] . (1)
X 2
Assim,
 2
  2

exp d21 S
X exp d21 exp [r (T t)]
= N (d1 ) + q X exp [r (T t)] q
S 2 (T t) S 2 (T t)
   
d21 d21
exp 2 exp 2
= N (d1 ) + q q .
2 (T t) 2 (T t)
Logo,
= N (d1 ) .

Variao com relao ao preo de exerccio

Temos:
c
= {SN (d1 ) X exp [r (T t)] N (d2 )}
X X
N (d1 ) N (d2 )
= S exp [r (T t)] N (d2 ) X exp [r (T t)]
X X
d1 d2
= SN 0 (d1 ) exp [r (T t)] N (d2 ) X exp [r (T t)] N 0 (d2 )
X X
2
 S 0
= N (d1 ) exp [r (T t)] N (d2 ) + exp [r (T t)] N 0 (d2 )
X
2 2

S d 1 exp [r (T t)] d2
= exp exp [r (T t)] N (d2 ) + exp .
X 2 2 2 2
Usando o resultado da Eq. (1), vem:
d2

c S
= exp 1 exp [r (T t)] N (d2 )
X X 2 2
2

exp [r (T t)] S d
+ exp 1 exp [r (T t)] .
2 X 2
Portanto,
c
= exp [r (T t)] N (d2 ) .
X

A varivel a derivada parcial do preo da opo com relao ao tempo:

c
=
t

= {SN (d1 ) X exp [r (T t)] N (d2 )}
t
N (d1 ) N (d2 )
= S rX exp [r (T t)] N (d2 ) X exp [r (T t)]
t t
d 1 d2
= SN 0 (d1 ) rX exp [r (T t)] N (d2 ) X exp [r (T t)] N 0 (d2 )
t t
d1 d2
= SN 0 (d1 ) rX exp [r (T t)] N (d2 ) X exp [r (T t)] N 0 (d2 ) .
t t
Calculemos:
 
2
d1 ln (S/X) + r + (T t) 2
= q
t t
(T t)

 q
2
ln (S/X) r+ 2 (T t)
= q +
t (T t)

 
2
ln (S/X) r+ 2
= 3/2
q
2 (T t) 2 (T t)
e
d2  q 
= d1 (T t)
t t
3
  
2
ln (S/X) r+ 2
= q + q
2 (T t)3/2 2 (T t) 2 (T t)
 
2
ln (S/X) r 2
= 3/2
q .
2 (T t) 2 (T t)
Com esses resultados e a Eq. (1), obtemos:
d21 d1

1
= S exp rX exp [r (T t)] N (d2 )
2 2 t
2

S 1 d d2
X exp [r (T t)] exp 1 exp [r (T t)]
X 2 2 t
 
2
d21 r+

1 ln (S/X) 2
= S exp rX exp [r (T t)] N (d2 )

q
2 2 2 (T t)3/2 2 (T t)

 
2
2 r

1 d ln (S/X) 2
S exp 1

q
2 2 2 (T t)3/2 2 (T t)

 2

S exp d21
= q rX exp [r (T t)] N (d2 ) .
2 2 (T t)

A varivel a derivada parcial de com relao ao preo da ao:

=
S
2c
=
S 2
N (d1 )
=
S
d1
= N 0 (d1 )
S  
2

d21 ln (S/X) + r + 2 (T t)

1
= exp q ,
2 2 S (T t)
ou seja,
d2

1
= q exp 1 .
S 2 (T t) 2

4
Vega

A varivel
,
chamada vega, que no um nome grego, mas rabe, a derivada parcial do preo
da opo com relao volatilidade:
c
=

d1 d2
= SN 0 (d1 ) X exp [r (T t)] N 0 (d2 )

2 2

1 d d 1 1 d d2
= S exp 1 X exp [r (T t)] exp 2 .
2 2 2 2
Temos:
 
2
d1 ln (S/X) + r + (T t) 2
= q
(T t)

 
2
ln (S/X) + r + 2 (T t) q
= q + (T t)
2 (T t)
e
 
2
d2 ln (S/X) + r (T t) 2
= q
(T t)

 
2
ln (S/X) + r 2 (T t) q
= q (T t).
2 (T t)
Com esses resultados e a Eq. (1), obtemos:
d21 d1

1
= S exp
2 2
2

1 S d d2
X exp [r (T t)] exp 1 exp [r (T t)]
2 X 2
2 "

1 d d1 d2
#
= S exp 1
2 2
 
2
d ln (S/X) + r + 2 (T
2 t)

1 q
= S exp 1 q + (T t)
2 2 2 (T t)

5
  
2
ln (S/X) + r 2 (T t) q
+ + (T t)

q
2 (T t)

e, portano,
v
d21

u (T t)
u
= S t
exp
.
2 2

A varivel a derivada parcial do preo da opo com relao taxa de juros

livre de risco:
c
=
r
2 2

1 d d 1 1 d d2
= S exp 1 X exp [r (T t)] exp 2
2 2 r 2 2 r
+ (T t) X exp [r (T t)] N (d2 )
2 q 2 q

S d 1 d
= exp 1 (T t) X exp [r (T t)] exp 2 (T t)
2 2 2 2
+ (T t) X exp [r (T t)] N (d2 ) .
Usando a Eq. (1), obtemos:
d21 q d21 q

S S
= exp (T t) exp
(T t)
2 2 2 2
+ (T t) X exp [r (T t)] N (d2 )
isto ,
= (T t) X exp [r (T t)] N (d2 ) .

6
Introduo Econofsica
Aula 28
O clculo da volatilidade implcita

O programa implicita.mw, em Maple, calcula a volatilidade implcita para opes

de compra. Os arquivos correspondentes esto disponveis no Moodle. Basta
lembarmos que a verso do Maple que temos a 9.0.
Consideremos o exemplo do prego de 3 de junho de 2009. Os dados podem
ser encontrados no boletim dirio da Bovespa. Tomemos as aes preferenciais da
Petrobras, PETR4. O fechamento foi de S = 33.15. O vencimento para o ms
de junho ocorre no dia 15 de junho e, portanto, no dia 3 de junho faltam T = 7
preges (h um feriado sem prego). A opo de compra mais lquida do prego
foi PETR34F, com exerccio em X = 33.66, que fechou com o preo 0.84. Com
esses dados, obtemos a volatilidade implcita:
0.029455.
A opo PETR36F, a segunda mais lquida do prego, tem X = 35.66 e fechou
com o preo de 0.27. Podemos usar a volatilidade implcita calculada acima para
estimar, segundo a teoria de Black e Scholes, o preo da opo PETR36F; o
resultado d:
SP ET R36F 0.2674,
com um erro relativo de
0.27 0.2674
100% 0.96%.
0.27
A terceira posio de opo mais lquida no prego foi ocupada por PETR32F,
que fechou ao preo de 2.04 e que tem o preo de exerccio X = 31.66. A frmula
de Black e Scholes, para a volatilidade encontrada acima, d a seguinte previso
para o preo:
SP ET R32F 1.982,
com um erro relativo de
2.04 1.98
100% 2.94%.
2.04
Finalmente, tentemos prever o preo da opo PETR34G, com vencimento em 20
de julho de 2009. Sabendo que fechou com o preo 1.67 e que tem X = 34 como
preo de exerccio, obtemos:
SP ET R34G 1.96,

1
com um erro relativo de
1.96 1.67
100% 17.37%.
1.67
Esse erro indica a percepo de uma volatilidade menor para o futuro, pois, usando
os dados acima, encontramos, para PETR34G, uma volatilidade implcita dada
por:
0.025489.

2
Introduo Econofsica
Aula 29
O caso de volatilidade estocstica: indo alm do modelo padro

A partir de agora, vamos estar seguindo o artigo "Probability distribution of

returns in the Heston model with stochastic volatility", de Adrian A. Dragulescu
e Victor M. Yakovenko. Esses autores estudam o chamado modelo de Heston.
Nesse modelo, a dinmica do preo de uma ao um processo estocstico descrito
por:
(1)
dSt = St dt + t St dWt , (1)
onde os subscritos t indicam quantidades dependentes do tempo. Aqui, con-
stante, porm t depende do tempo de forma estocstica:
(2)
dvt = (vt ) dt + vt dWt , (2)
onde
vt = t2 (3)
a varincia estocstica. A Eq. (2) descreve o processo de Cox-Ingersoll- Ross,
que tambm conhecido como processo de Feller. Os processos de Wiener
(1) (2)
dWt e dWt
so diferentes, mas correlacionados segundo a equao:
(2) (1) (3)
q
dWt = dWt + 1 2 dWt , (4)
onde
(3)
dWt
um processo de Wiener padro independente de
(1)
dWt .
Para resolver o modelo, conveniente fazermos a substituio de variveis:
St
!
xt = ln t.
S0
Com isso, usando o lema de Ito e as Eqs. (1) e (3), obtemos:
xt xt 1 2 xt
dxt = dt + dSt + 2 (dSt )2
t St 2 St
1
 1 1
= dt + dSt 2 (dSt )2
St 2St
1 
(1)

1  (1) 2

= dt + St dt + t St dWt 2 St dt + t St dWt
St 2St
(1) 1
= dt + dt + t dWt t2 dt,
2
ou seja,
1 (1)
dxt = vt dt + vt dWt . (5)
2
O modelo de Heston , portanto, descrito pelas Eqs. (2), (4) e (5).
No material adicional sobre a frmula de Feynman-Kac da aula 20, procuramos
pelo valor esperado de uma funo qualquer da varivel estocstica. No presente
modelo, temos duas variveis estocsticas de interesse, x e v. Aqui, no entanto,
procuramos por uma densidade de probabilidade
u (x, v, t)
tal que:
+
A (t) = dx dv u (x, v, t) f (x, v)
0
seja o valor esperado da funo arbitrria
f (x, v) .
Analogamente ao material adicional sobre a frmula de Feynman-Kac da aula 20,
temos:
dA (t) = A (t + dt) A (t)
+
u (x, v, t)
= dt dx dv f (x, v) . (6)
0 t
Usando o lema de Ito, calculemos o incremento de
f (xt , vt ) :

df (xt , vt ) = f (xt + dxt , vt + dvt ) f (xt , vt )

f (xt , vt ) f (xt , vt )
= dxt + dvt
xt vt
1 2 f (xt , vt ) 2 1 2 f (xt , vt )
+ 2 (dxt ) + 2 (dvt )2
2 xt 2 vt
2
f (xt , vt )
+ dxt dvt .
xt vt
2
Substituindo nessa expresso as Eqs. (2) e (5), vem:
f (xt , vt ) 1
!
(1)
df (xt , vt ) = vt dt + vt dWt
xt 2
f (xt , vt ) 
(2)

+ (vt ) dt + vt dWt
vt
!2
1 2 f (xt , vt ) 1 (1)
+ vt dt + vt dWt
2 x2t 2
2
1 f (xt , vt ) 
(2) 2

+ (vt ) dt + vt dWt
2 vt2
2 f (xt , vt ) 1
! 
(1) (2)
+ vt dt + vt dWt (vt ) dt + vt dWt ,
xt vt 2
isto ,
1 f (xt , vt ) 1 2 f (xt , vt )
df (xt , vt ) = vt dt + vt dt
2 xt 2 x2t
f (xt , vt ) 1 2 2 f (xt , vt )
(vt ) dt + vt dt
vt 2 vt2
f (xt , vt ) (1) f (xt , vt ) (2)
+ vt dWt + vt dWt
xt vt
2
f (xt , vt ) (1) (2)
+ vt dWt dWt .
xt vt
Segue da Eq. (4) que:
 
(1) (2) (1) (1) (3)
q
dWt dWt = dWt dWt + 1 2 dWt
(1) 2
 
(1) (3)
q
= dWt + 1 2 dWt dWt
(1) (3)
q
= dt + 1 2 dWt dWt .
Assim,
1 f (xt , vt ) 1 2 f (xt , vt )
df (xt , vt ) = vt dt + vt dt
2 xt 2 x2t
f (xt , vt ) 1 2 2 f (xt , vt )
(vt ) dt + vt dt
vt 2 vt2
f (xt , vt ) (1) f (xt , vt ) (2)
+ vt dWt + vt dWt
xt vt
2
f (xt , vt )
+ vt dt
xt vt
2 f (xt , vt ) q (1) (3)
+ vt 1 2 dWt dWt .
xt vt
3
No instante t, suponhamos que
xt = x
e
vt = v.
Como
(1) (3)
dWt e dWt
so independentes, obtemos:
v f (x, v) v 2 f (x, v) f (x, v)
hdf (x, v)i = dt + dt (v ) dt
2 x 2 x2 v
2 v 2 f (x, v) 2 f (x, v)
+ dt + v dt.
2 v 2 xv
Logo, de maneira anloga ao material adicional sobre a frmula de Feynman-Kac
da aula 20,
+
dA (t) = dx dv u (x, v, t) hdf (x, v)i

+ 0
v f (x, v) v 2 f (x, v)

= dt dx dv u (x, v, t) +
0 2 x 2 x2
f (x, v) 2 v 2 f (x, v) 2 f (x, v)

(v ) + + v .
v 2 v 2 xv
Com integraes por parte em x e v, podemos escrever:
+
dA (t) = dx dv u (x, v, t) hdf (x, v)i
0
+
1 1 2
= dt dx dv f (x, v) [vu (x, v, t)] + [vu (x, v, t)]
0 2 x 2 x2

2 2 2
+ [(v ) u (x, v, t)] + [vu (x, v, t)] + [vu (x, v, t)] .
v 2 v 2 xv

Como esse resultado deve ser idntico Eq. (6) para qualquer funo f , segue a
equao de Fokker-Planck ou equao avanada de Kolmogorov para o modelo de
Heston:
u (x, v, t) 1 2
= [(v ) u (x, v, t)] + [vu (x, v, t)] + [vu (x, v, t)]
t v 2 x xv
1 2 2 2
+ [vu (x, v, t)] + [vu (x, v, t)] . (7)
2 x2 2 v 2

4
Introduo Econofsica
Aula 30
Soluo da equao de Fokker-Planck do modelo de Heston com volatilidade
estocstica

Na aula 29 obtivemos a equao de Fokker e Planck para o modelo de Heston:

u (x, v, t) 1 2
= [(v ) u (x, v, t)] + [vu (x, v, t)] + [vu (x, v, t)]
t v 2 x xv
1 2 2 2
+ [vu (x, v, t)] + [vu (x, v, t)] . (1)
2 x2 2 v 2
Como a varivel x dada por
S
!
x = ln t,
S0
segue que, em
t = 0,

S0
!
x = ln 0
S0
= 0,
j que, nesse instante,
S = S0 .
Tambm suponhamos que
v = v0 em t = 0,
com
v0 > 0.
Assim, a condio inicial fica:
u (x, v, 0) = (x) (v v0 ) . (2)
Para deduzir a equao de Fokker e Planck acima, Eq. (1), impusemos:
u (x, 0, t) = 0
e
lim u (x, v, t) = 0.
v

1
No que segue, tambm estaremos impondo essas condies.
Em termos da transformada de Fourier com relao varivel x:
+
u (x, v, t) = dpx exp (ipx x) (px , v, t) . (3)

Substituindo essa integral na Eq. (1), d:

(px , v, t)
= [(v ) (px , v, t)] + ipx [v (px , v, t)]
t v v
2 2 2
p ipx
x v (px , v, t) + [v (px , v, t)] .
2 2 v 2
Em termos da transformada de Laplace com relao varivel v:

(px , pv , t) = dv exp (pv v) (px , v, t) . (4)
0
Assim, multiplicando a equao para
(px , v, t)
por
exp (pv v)
e integrando, obtemos:

(px , v, t)
dv exp (pv v) = dv exp (pv v) [(v ) (px , v, t)]
0 t 0 v


+ ipx dv exp (pv v) [v (px , v, t)]
v
0

p2x ipx
dv exp (pv v) v (px , v, t)
2
0
2 2
+ dv exp (pv v) 2 [v (px , v, t)] ,
2 0 v
ou seja,

(px , pv , t)
= pv dv exp (pv v) (v ) (px , v, t)
t 0
+ ipx pv dv exp (pv v) v (px , v, t)

0
p2x ipx
dv exp (pv v) v (px , v, t)
2
0
2 p2v
+ dv exp (pv v) v (px , v, t) ,
2 0
2
ou ainda,

(px , pv , t)
= pv dv exp (pv v) (px , v, t)
t pv 0

pv dv exp (pv v) (px , v, t)
0

ipx pv dv exp (pv v) (px , v, t)
pv 0

p2x ipx
+ dv exp (pv v) (px , v, t)
2 pv 0

2 p2v
dv exp (pv v) (px , v, t) .
2 pv 0
Assim,
p2x ipx 2 p2v (px , pv , t)

(px , pv , t)
= pv
+
t 2 2 pv
pv (px , pv , t) , (5)
onde definimos:
= + ipx .
Encontremos agora a condio inicial para
(px , pv , t) .
Da Eq. (3) vem:
+
1
(px , v, t) = dx exp (ipx x) u (x, v, t) .
2
Com a Eq. (2) obtemos:
+
1
(px , v, 0) = dx exp (ipx x) u (x, v, 0)
2
+
1
= dx exp (ipx x) (x) (v v0 )
2
1
= (v v0 ) .
2
Substituindo esse resultado na Eq. (4) d:

1
(px , pv , 0) = dv exp (pv v) (v v0 )
0 2
1
= exp (pv v0 ) . (6)
2
3
 Agora vamos obter a soluo da Eq. (5) pelo mtodo da trajetria caracterstica.
Para isso, notemos que essa equao pode ser reescrita como:
p2 ipx 2 p2v (px , pv , t)

(px , pv , t)
+ pv x + = pv (px , pv , t) . (7)
t 2 2 pv
A essncia do mtodo da trajetria caracterstica encontrarmos uma funo
f ( )
tal que
d (px , f ( ) , )
= f ( ) (px , f ( ) , ) , (8)
d
dando
t

(px , f (t) , t) = (px , f (0) , 0) exp d f ( ) .

0

Escolhendo a condio:
f (t) = pv , (9)
o resultado que obtemos com esse mtodo, pela integrao da Eq. (8), fica:
t

(px , pv , t) = (px , f (0) , 0) exp d f ( ) ,

0

onde
(px , f (0) , 0)
dada pela Eq. (6):
1
(px , f (0) , 0) = exp [f (0) v0 ] .
2
Portanto, a soluo da Eq. (5) fica totalmente dada em termos da trajetria caracters-
tica:
t
1
(px , pv , t) = exp [f (0) v0 ] exp d f ( ) . (10)
2 0

Implicitamente, f depende dos outros parmetros e de px , que uma quantidade fixa

no contexto da trajetria caracterstica. Para encontrarmos f , escrevemos a Eq. (7)
como
(px , f ( ) , ) df ( ) (px , f ( ) , )
+ = f ( ) (px , f ( ) , ) ,
d f ( )

4
que se reduz Eq. (8), e impomos
df ( ) p2x ipx 2 [f ( )]2
= f ( ) + . (11)
d 2 2
A Eq. (11) uma equao de Riccati. Para encontrarmos a soluo dessa equao,
troquemos de varivel:
2
f ( ) = g ( ) . (12)
2
Assim,
dg ( ) p2 ipx
= g ( ) 2 x + [g ( )]2 .
d 4
Agora, troquemos de varivel novamente:
1 dh ( )
g ( ) = . (13)
h ( ) d
Portanto,
2
2

d 1 dh ( ) dh ( ) 2 px ipx 1 dh ( )
= + ,
d h ( ) d h ( ) d 4 h ( ) d
ou seja,
2 2
1 d2 h ( ) 2

1 dh ( ) dh ( ) 2 px ipx 1 dh ( )
= + ,
h ( ) d h ( ) d 2 h ( ) d 4 h ( ) d
ou ainda,
d2 h ( ) dh ( ) 2
2 px ipx
h ( ) = 0.
d 2 d 4
Seguindo o artigo, definamos:
q
= 2 + 2 (p2x ipx ).
Dessa forma, a equao acima pode ser reescrita como:
d + d
!" ! #
h ( ) = 0.
d 2 d 2
Usando fatores integrantes, temos:
d d
( " ! #)
exp ( ) exp h ( ) = 0. (14)
d d 2

5
Para verificarmos que essa expresso est correta, calulemos:
d d
( " ! #)
exp ( ) exp h ( ) =
d d 2
d d
( ! ! )
exp ( ) exp h ( ) =
d 2 d 2
d + d
( ! ! )
exp h ( ) =
d 2 d 2
+ d + d
!( !" ! #)
exp h ( ) = 0.
2 d 2 d 2
Segue da Eq. (14) que
d
" ! #
exp ( ) exp h ( ) = A,
d 2
onde A uma constante. Uma segunda integrao indefinida d:
A
!
exp h ( ) = exp ( ) + B,
2
onde B outra constante. Logo,
A +
! !
h ( ) = exp + B exp .
2 2
Da Eq. (13), segue:
1 dh ( )
g ( ) =
h ( ) d
A ( + ) exp +
  


+ B ( ) exp
=  2  2 .
+
 

2A exp 2 + 2B exp 2
Da Eq. (12), obtemos o resultado:
2
f ( ) = g ( )
2
C ( + ) exp ( ) + ( )
= , (15)
C2 exp ( ) + 2
onde
A
C =
.
B
Da condio expressa pela Eq. (9), podemos obter a constante C:
C ( + ) exp (t) + ( )
= pv ,
C2 exp (t) + 2
6
isto ,
C ( + ) exp (t) ( ) = C2 pv exp (t) + 2 pv ,
ou seja,
C + + 2 pv exp (t) = + 2 pv ,
   

ou ainda,
 
+ 2 pv exp (t)
C = .
+ + 2 pv
Substituindo esse resultado na Eq. (15), obtemos:
(+2 pv ) exp(t)
++2 pv ( + ) exp ( ) + ( )
f ( ) = 2
(+ pv ) exp(t) 2
++2 pv exp ( ) + 2
   
2 2
+ pv ( + ) exp [ ( t)] ( ) + + pv
= .
( + 2 pv ) 2 exp [ ( t)] + 2 ( + + 2 pv )
O artigo define o parmetro:
2
= 1+ .
2 p v +

Assim,
2
2 pv + =
1
e, somando 2 a ambos os membros, vem:
1
!
2
pv + + = 2 +1
1
2
= .
1
Ento, podemos escrever:
2 2
1 ( + ) exp [ ( t)] ( ) 1
f ( ) = 2 2 2 2
1 exp [ ( t)] + 1
1 ( + ) exp [ ( t)] ( )
=
2 exp [ ( t)] +
1 ( + ) ( ) exp [ (t )]
= 2
1 + exp [ (t )]

7
 1 exp [ (t )] 1 + exp [ (t )]
= +
2 exp [ (t )] 1 2 exp [ (t )] 1
1 + exp [ (t )]
= 2+ 2
exp [ (t )] 1
2 {1 exp [ (t )]}
= 2+ 2
exp [ (t )] 1

2 exp [ (t )] 1
= 2+ 2 +
exp [ (t )] 1 exp [ (t )] 1

2
= 2+ 2 + 1
exp [ (t )] 1
2 1
= .
2 exp [ (t )] 1 2
Somente para testar:
2 1
f (t) =
2 1 2
2 1
= 2
1 + 2 pv2
+ 1
2
2 2 pv +
= 2
2 2
1
= pv + 2 ( )
2
= pv .
Em resumo, a soluo da Eq. (11) dada por:
2 1
f ( ) = . (16)
2 exp [ (t )] 1 2
Para substituir esse resultado na Eq. (10), calculemos:
t
2 t 1
d f ( ) = 2 t + 2 d .
0 0 exp [ (t )] 1
Faamos a seguinte substituio de varivel na integral do segundo membro da equao
acima:
y = exp [ (t )] 1.
Ento,
dy = exp [ (t )] d
= (1 + y) d,

8
ou seja,
dy
d =
(1 + y)
e a integral fica:
t
2 exp(t)1 dy
d f ( ) = 2 t + 2
0 1 y (1 + y)
exp(t)1
2 1 1
!
= 2 t+ 2 dy
1 y 1+y

2 exp (t) 1 2 1 + exp (t) 1
= 2 t + 2 ln 2 ln
1 1+ 1

2 exp (t) 1 2
= 2 t + 2 ln 2 t
1

+ 2 exp (t) 1
= 2 t + 2 ln .
1
Substituindo esse resultado na Eq. (10) d:

1 + 2 exp (t) 1
(px , pv , t) = exp [f (0) v0 ] exp 2 t 2 ln .
2 1

Para termos exatamente o que o artigo mostra, podemos escrever:

exp (t) 1 exp (t)
ln = ln exp (t)
1 1

exp (t)
= ln [exp (t)] + ln
1

exp (t)
= t + ln
1
e, portanto,

1 + 2 2 exp (t)
(px , pv , t) = exp [f (0) v0 ] exp 2 t 2 t 2 ln
2 1

1 2 exp (t)
= exp f (0) v0 + 2 t 2 ln .
2 1

Finalmente, da Eq. (16) resulta:

2 1
f (0) =
2 exp (t) 1 2
9
e, portanto,

1 2 v0
(px , pv , t) = exp 2 + v0 + t
2 exp (t) 1 2 2

2 exp (t)
ln .
2 1

10
Introduo Econofsica
Terceira Prova (Primeira Parte)
Primeira Questo

Faa uma pesquisa sobre o sorriso da volatilidade ("volatility smile"). Descreva

sucintamente esse conceito. Utilizando o Boletim Dirio da Bovespa do dia 17 de
junho de 2009, ilustre graficamente o sorriso da volatilidade para as opes das
aes PETR4 e VALE5, descrevendo o procedimento que voc utilizar. (Valor:
5.0)

1
Introduo Econofsica
Aula 32
Distribuio marginal de probabilidade de retorno, independentemente
da volatilidade

Nas aulas 30 e 31 obtivemos a soluo para

(px , pv , t) ,
que uma transformada de Laplace de
(px , v, t) ,
que, por sua vez, uma transformada de Fourier da distribuio de probabilidade
u (x, v, t) ,
que soluciona a equao de Fokker e Planck do modelo de Heston. Obter as
transformadas inversas uma tarefa formidvel, mas pode ser evitada, pois, nor-
malmente, estamos interessados na distribuio de probabilidade do preo da ao,
independentemente da volatilidade. Assim, definamos a distribuio marginal de
preos do modelo de Heston:

P (x, t) = dv u (x, v, t) .
0
Como
+
u (x, v, t) = dpx exp (ipx x) (px , v, t) ,

segue que
+
P (x, t) = dv
dpx exp (ipx x) (px , v, t)
0
+
= dpx exp (ipx x) dv (px , v, t) .
0

Da equao que define a transformada de Laplace,

(px , pv , t) = dv exp (pv v) (px , v, t) ,
0
segue que

(px , 0, t) = dv (px , v, t) .
0

1
Logo,
+
P (x, t) = dpx exp (ipx x) (px , 0, t) .

Nas aulas 30 e 31 obtivemos:

1 2 v0
(px , pv , t) = exp 2 + v0 + t
2 exp (t) 1 2 2

2 exp (t)
ln ,
2 1

onde
q
= 2 + 2 (p2x ipx ),

= + ipx
e
2
= 1+ .
2 pv +
Quando
pv = 0,
segue que
2
= 1+

+
= .

Assim,
2 v0 2 v0 ( )
+ v0 = + v0
2 exp (t) 1 2 2 ( + ) exp (t) + 2
2 v0 ( )
= 2 + v0
[exp (t) 1] + [exp (t) + 1] 2

v0 ( ) 2
= 1
2 [exp (t) 1] + [exp (t) + 1]

v0 ( )
=  
2 + exp(t/2)+exp(t/2)
exp(t/2)exp(t/2)
2 2
v0
=  
2 + exp(t/2)+exp(t/2)
exp(t/2)exp(t/2)

2
  
v0 2 2 2 p2x ipx
=  
2 + exp(t/2)+exp(t/2)
exp(t/2)exp(t/2)
p2x ipx
= v0 
exp(t/2)+exp(t/2)

+ exp(t/2)exp(t/2)
p2x ipx
= v0 .
+ coth (t/2)
Tambm temos:

exp (t) + ( ) exp (t)
ln = ln
1 2

exp (t) 1 + exp (t)
= ln +
2 2

1 exp (t) 1 + exp (t)
= ln +
2 2

senh (t/2) cosh (t/2)
= ln +
exp (t/2) exp (t/2)
t
" #
= ln senh (t/2) + cosh (t/2) .
2
Logo,

1 p2x ipx
(px , 0, t) = exp v0 + 2 t
2 + coth (t/2)
2 t t
" ! !#)
2
ln senh + cosh .
2 2
Portanto,
+
1 p2x ipx
Pv0 (x, t) = dpx exp ipx x v0 + 2 t
2 + coth (t/2)
2 t t
" ! !#)
ln senh + cosh .
2 2 2
Essa distribuio de probabilidade ainda depende de v0 , que no conhecemos.
Os autores do artigo fazem o tratamento seguinte. Na equao de Fokker e Planck
do modelo de Heston, integram sobre todos os valores de x, obtendo uma equao
para a distribuio marginal da varincia:
(v, t) 2 2
= [(v ) (v, t)] + [v (v, t)] . (1)
t v 2 v 2

3
A seguir, eles obtm a soluo estacionria:
2 2
0 = [(v ) (v, t)] + [v (v, t)] ,
v 2 v 2
ou seja,
v 1 v
!
(v) = exp . (2)
()
Com isso, temos a distribuio inicial de varincias:
v01 v0
!
(v0 ) = exp .
()
Tomando o valor esperado da distribuio de preos, obtemos:
+
1 p2x ipx
dv0 (v0 ) Pv0 (x, t) = dpx dv0 (v0 ) exp ipx x v0
0 2 0 + coth (t/2)
2 t t
" ! !#)
+ t ln senh + cosh .
2 2 2 2
Seja
p2x ipx
=
+ coth (t/2)
2 2
= 2 .
[ + coth (t/2)]
Consideremos a integral:


" ! #
1
dv0 (v0 ) exp (v0 ) = dv0 v0 exp + v0
() 0
0


=


 dz z 1 exp (z)
() + 0


= 
+


!
= 1+


" !#
= exp ln 1 +

2

2
= exp 2 ln 1 +
2
2 2

2
= exp 2 ln 1 + .
2 ( + coth (t/2))

4
Logo,
+
1
(
dv0 (v0 ) Pv0 (x, t) = dpx exp ipx x + 2 t
0 2
2 t t
" ! !
2
ln senh + cosh

2 2  
2 2 senh 2 + cosh t
  
t


2
+
2 ( + coth (t/2))
+
1
(
= dpx exp ipx x + 2 t
2

2 2 senh t
  
2 t t
! !

2
ln senh + cosh +
2 2 2 2
+
1
(
= dpx exp ipx x + 2 t
2
 
2 2 + 2
!
2 t t
!
ln cosh + senh .
2 2 2 2
Assim,
+
1
P (x, t) = dpx exp [ipx x + F (px , t)] ,
2

onde
 
2 2 + 2
!
2 t t
!
F (px , t) = t ln cosh + senh .
2 2 2 2 2

5
Introduo Econofsica
Terceira Prova (Segunda Parte)
Segunda Questo

Deduza a Eq. (1) da aula 32 e apresente os detalhes de sua deduo. (Valor: 2.0)

Terceira Questo

Resolva a Eq. (1) da aula 32 no regime estacionrio e apresente os detalhes de

seus clculos. Note: no basta verificar a validade da Eq. (2) por sua substituio
na Eq. (1); voc precisa resolver a equao passo a passo para obter pontuao
no nula relativa a esta questo. (Valor: 3.0)