Escolar Documentos
Profissional Documentos
Cultura Documentos
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
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
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:
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:
Supondo que todas as situaes acima sejam igualmente provveis , temos que:
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
15%
-8%
Linha Caracterstica
Linha Caracterstica da Ao
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.
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
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
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
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
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
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
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
3
Introduo Econofsica
Aula 6
O teorema limite central
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 ,
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 =
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):
+ +
+
Como
+
dK exp [iK (Y X)] = 2 (Y X) ,
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
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 ) .
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 .
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
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
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,
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
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) ,
Contra-exemplo
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
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
1
Processos estocsticos estacionrios
2
Definio ampla de processo estacionrio:
E [x (t)] = ,
Correlao
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
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
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
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
1
esperados acima tambm devem ser deduzidas para que voc obtenha pontuao
total nesta questo. (Valor: 3.5)
Terceira Questo
2
Introduo Econofsica
Aula 13
Correlao temporal em sries temporais financeiras. A volatilidade
no constante
1
Introduo Econofsica
Aula 14
Modelos estocsticos para a dinmica de preos de ativos financeiros
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
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
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
1 PN
= Nr =1 (Si hSi i) (Sj hSj i)
hSi2 i hSi i2 Sj2 hSj i2
D E
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
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
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
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
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)
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)
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)
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
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:
3
Introduo Econofsica
Segunda Prova
Primeira Questo
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
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
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
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
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|
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
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
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 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)
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)
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.
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 ) .
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
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)
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
6
Introduo Econofsica
Aula 28
O clculo da volatilidade implcita
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
= 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
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)
Escolhendo a condio:
f (t) = pv , (9)
o resultado que obtemos com esse mtodo, pela integrao da Eq. (8), fica:
t
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
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
10
Introduo Econofsica
Terceira Prova (Primeira Parte)
Primeira Questo
1
Introduo Econofsica
Aula 32
Distribuio marginal de probabilidade de retorno, independentemente
da volatilidade
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