UNIVERSIDAD NACIONAL DE INGENIERA

FACULTAD DE INGENIERA INDUSTRIAL Y DE SISTEMAS

AREA DE GESTIN DE LA PRODUCCIN

ESTADSTICA ESTOCSTICA

CURSO: Anlisis Econmico en Ingeniera

PROFESOR: Eyzaguirre Tejada, Roberto
INTEGRANTES:
Juarez Meza, Miguel Cesar 20140090G
Molina Vega, Eduardo Tomas 20140174F

FECHA: 28 de Junio del 2017

2017-I
INDICE

1. PROCESOS ESTOCSTICO
2. LAS MARTINGALAS
3. ALGUNAS APLICACIONES A LAS OPERACIONES DE
SEGUROS
4. ALGUNAS EXPRESIONES DE LAS OPERACIONES DE
SEGUROS Y DE LAS RENTAS
5. LOS PROCESOS ESTOCSTICOS EN EL CAMPO
FINANCIERO
INTRODUCCIN
Se trata de considerar los modelos estocsticos para ilustrar cmo la Teora de
la Probabilidad y otras Teoras Matemticas se pueden aplicar al campo
financieroactuarial. Los procesos estocsticos son de gran utilidad no solamente
porque conducen a Matemticas ms avanzadas, sino tambin porque constituyen el
lenguaje actual de los
especialistas en estas materias que coinciden con la ciencia financiero-actuarial.
Precisamente, porque la mayor parte de los riesgos financiero-actuariales
implican situaciones que se desarrollan a lo largo del tiempo es por lo que los modelos
basados en los procesos estocsticos resultan ser los ms adecuados. No tratamos de
dar definiciones o deducciones rigurosas sino que nuestro objetivo es el de introducir
un vocabulario y un breve resumen de algunas aplicaciones de los modelos
estocsticos al campo financiero-actuarial.
1.- LOS PROCESOS ESTOCSTICOS
La teora de los procesos estocsticos, integra la dimensin temporal en el anlisis de
los fenmenos aleatorios. Son adecuados para formalizar la evolucin de un sistema
dinmico cuando esta evolucin no puede ser prevista con certidumbre a partir del
estado inicial del sistema y una ecuacin de evolucin. En el marco de la modelizacin
financiero-actuarial, intervienen desde el momento en que se aborda la gestin
dinmica de una cartera, eleccin del consumo intertemporal, etc.
Los procesos estocsticos ms utilizados son los procesos markovianos y, en el campo
continuo, los procesos de difusin. Las "martingalas", veremos tienen gran
importancia en el campo financiero-actuarial, por ejemplo, en el tema de "arbitraje".
Tambin son muy interesantes los procesos estocsticos en tiempo continuo y
particularmente la construccin del proceso de Wiener, de gran inters para la
modelizacin de los rendimientos de activos financieros.
Un "proceso estocstico" es una sucesin o familia de variables aleatorias indizadas

{Xt,tT} sobre el espacio de probabilidad (, ,P). Los puntos del "ndice" o

"conjunto paramtrico" T, generalmente estn asociados al tiempo. Si T es
numerable, , es un proceso estocstico "temporalmente discreto, (proceso de
parmetro discreto) y si T=R, o bien, T=[a,b], para a y b nmeros reales, o bien,

T=[0,], no numerable {Xt} 0 ,es un proceso estocstico temporalmente continuo,

es decir, un proceso estocstico de parmetro continuo.

Una "trayectoria o realizacin muestral" de un proceso estocstico {Xt, tT}

ordenado mediante cierto conjunto temporal T=[0,), es el conjunto de realizaciones

de la variable aleatoria {Xt (),tT} para un resultado , es el espacio muestral

y para un determinado , Xt()=X(,) para t T, se llama funcin muestral o

trayectoria muestral correspondiente a .

Evidentemente, para un determinado tT, Xt()=X(t, ), es una variable aleatoria.

Generalmente el espacio de los estados es la recta real R y Xt se denomina proceso
estocstico real, o simplemente, proceso estocstico.

En general, una "informacin" en un determinado momento t es una -lgebra Ft que

contiene aquellos sucesos que, en el momento t, sabemos han acontecido o no.
 Una "filtracin", es un conjunto de -lgebras {t}, donde t r, para todo t<r. De
este modo tenemos una sucesin de cantidades de informacin crecientes donde cada

miembro t contiene toda la informacin de los miembros anteriores.

Generalmente, t contiene toda la informacin disponible hasta el momento t, es decir,

no suprime nada de nuestra informacin. Entonces, en un momento posterior r,

tenemos ms informacin r, debido a que aadimos a la informacin original la

informacin que hemos obtenido entre los momentos t y r. En este caso t puede
considerarse como la historia del proceso hasta e inclusive en el momento t.

Ms rigurosamente, si (,,P), es un espacio de probabilidad. Se llama "filtracin"

a una sucesin { (t), t T}de sub--lgebras tal que (t) est incluida en
(R) si r <t.
Una "cadena de Markov" es un proceso estocstico {Xt} en el que

P(Xt=x/Fr)=P(Xt=x/Xr) para todo r t

Estamos interesados en la probabilidad de que un proceso estocstico tenga un cierto
valor en el futuro. Podemos disponer de la informacin con respecto a los valores del
proceso estocstico en momentos ciertos en el pasado y esta informacin puede
afectar a la probabilidad del resultado futuro. Sin embargo, para una cadena de
Markov la nica informacin relevante es el valor conocido ms reciente del proceso
estocstico. Cualquier informacin adicional anterior al valor ms reciente no

cambiar la probabilidad. Una consecuencia de esta propiedad es que si es

una cadena de Markov y n =(X1, X2,..., Xn), entonces:

E[Xn+m/n]=E[Xn+m/ X1, X2,.., Xn] =E[Xn+m/ Xn]

Ley fundamental de las esperanzas condicionadas

Sea {n } tT, una filtracin de un proceso {Xt}.

La "Ley fundamental de las esperanzas condicionadas", nos indica que para k

m n:

E[E[Xn/m]/ k]=E[Xn/k]

Es decir, supongamos que en el momento k queremos calcular la E[Xn/k].

Podramos hacerlo directamente (como se indica en el segundo miembro de la
expresin anterior) o indirectamente, condicionando la historia del proceso hasta
cierto momento futuro m(como se indica en el primer miembro). La ley fundamental
nos indica que obtenemos el mismo resultado.

Tiempos o momentos de parada.

Una variable aleatoria T es un "momento de parada" de un proceso estocstico si
constituye una regla para parar este proceso tal que la decisin de parar en el momento
t se puede tomar solamente en base a la informacin disponible en el momento t. por
ejemplo sea Xt el precio de una determinada accin en el momento t y consideremos
las dos definiciones siguientes:
a) T, es el primer momento del proceso {Xt} en el que toma el valor 150

y
b) T, es el momento en el que el proceso {Xt} toma su valor mximo.

La definicin a), define un momento de parada para el proceso porque la decisin de

establecer T=t, significa que el proceso toma el valor 150 por primera vez en el
momento t, y esta informacin debera conocerse en el momento t.

La definicin b), no define un momento de parada para el proceso porque para en

T=t, requiere el conocimiento de los valores del proceso antes y despus del momento
t.

Ms rigurosamente, la variable aleatoria T que transforma en el conjunto ndice

temporal T es un momento de parada si {:T()=t}t para todo t T.

2. LAS MARTINGALAS

Sea {t} t T una filtracin. Una Martingala con respecto a {t} t 0 , es un

proceso estocstico {Xt} que goza de las propiedades siguientes:
a) E(|Xt|)< para todo t;

b) E(Xt|r) =Xr para todo r < t

Una consecuencia de la b) es que:
E[Xt]=E[Xr] para todo t y r
El Teorema de la parada ptima
Una propiedad muy til de las martingalas es que la esperanza es invariable si
reemplazamos t por un momento de parada T para el proceso, de modo que:
E[XT]=E[Xr] para cualquier r.
Las martingalas estn relacionadas con el concepto de juegos equitativos. Por
ejemplo, sea Xt el montante de los fondos de un jugador en el momento t. Dada

la informacin t-1 sabemos que el montante de los fondos del jugador en el

momento t-1, son Xt-1. Para un juego equitativo ( beneficio esperado nulo ) el
montante de los fondos despus de la ltima vuelta ( jugada ) del juego en el
momento t sera igual a Xt-1.
El estudio de las martingalas es de gran importancia en la Teora de la
Probabilidad. En el campo financiero-actuarial, la nocin de martingala ha
adquirido gran importancia a partir de los trabajos de Ross ( 1976-1978 ) y
sobre todo los de Harrisson y Kreps ( 1979 ) sobre la valoracin mediante
arbitraje. Recientemente, Ross deca que el elemento clave de la economa era
la igualdad de la oferta y la demanda mientras que el elemento clave en el
campo financiero es la ausencia de oportunidades de arbitraje.
Una contribucin esencial en este aspecto es la de Harrison y Kreps que ha
consistido en demostrar que cuando los activos pueden valorarse " mediante
arbitraje " el proceso de los precios es una martingala con respecto a una
probabilidad particular.
 3.- ALGUNAS APLICACIONES A LAS OPERACIONES DE SEGUROS
Se trata de formular algunas operaciones financiero-actuariales mediante el uso de los
procesos estocsticos.
El suceso ms simple es el acaecimiento del fallecimiento y precisamente debido a su
sencillez se puede modelizar de forma sencilla sin recurrir a los procesos estacsticos.
Ahora bien, existen otros sucesos que no son tan simples y es preciso recurrir a otros
modelos. Por tanto, los procesos estocsticos constituyen un buen punto de partida.
Consideremos un ejemplo sencillo representado de forma intuitiva mediante dos
estados: x
0 = activo 1 = fallecido

Por supuesto este es un caso muy sencillo y, en principio, no ofrece nada nuevo, pero
veamos cuando el modelo se complica.
a) Todos los instrumentos desarrollados en el caso de este proceso simple conducen a
procesos complicados tales como son los necesitados para modelizar la enfermedad o
invalidez a largo plazo.
b) Se necesitan instrumentos que tambin se utilizan en el campo financiero. En particular

las "integrales estocsticas" y las " esperanzas condicionadas " constituyen las ideas
clave. De tal forma que en lugar de adquirir dos herramientas diferentes, una valdra
para ambas.
La diferencia principal entre las Matemticas Financieras y las Matemticas del
Seguro de vida es que las primeras se basan en procesos con trayectorias continuas,
mientras que las otras estn basadas en procesos con saltos, es decir, en las
Matemticas Financieras, los ejemplos sencillos se proporcionan mediante procesos
con trayectorias continuas, y las discontinuidades hacen que las matemticas sean
mas complicadas como sucede con las matemticas del seguro de vida. Los
instrumentos fundamentales en las matemticas de seguro de vida son los procesos
estocsticos denominados " procesos numerables ".

Los procesos estocsticos numerables

La figura anterior representa un proceso de Markov con dos estados, con "
intensidad de transicin x " ( tanto instantneo de fallecimiento ) x que depende de
la edad x. Por conveniencia, asociamos el 0 al estado activo y el 1 al estado fallecido.
Una trayectoria muestral tpica de este proceso se representa en la fig. 2 donde el
acaecimiento del fallecimiento es a los 60 aos. La trayectoria muestral es una funcin
del tiempo que denotamos por N01 ( t ). N01 ( t ) indica si el fallecimiento ha acaecido.
Estrictamente hablando, el espacio muestral es el espacio de todas las funciones
como la fig. 2 que comienza en 0 y salta a 1 en un cierto momento y la trayectoria
muestral particular en la fig. es un punto . Por tanto, N01 ( t ) representa el
nmero de sucesos que han acontecido hasta inclusive t. No pensemos que porque
solamente puede acaecer un tipo de suceso y solamente una vez, esta interpretacin
de " numerable " es trivial: todo lo
contrario. Esto es lo que define un proceso numerable.

Ahora consideremos los incrementos de la trayectoria muestral N01 ( t ). Es

muy sencillo. Si el proceso no salta en el momento t, el incremento es 0, y escribimos
esto como dN01(t) = 0. Si el proceso salta en el momento t el incremento es 1 y lo
expresamos como dN01(t) = 1. [ Tambin se puede expresar de la forma N01 ( t ) en
lugar de dN01 (t ) ].
Los incremento discretos como dN01 ( t ) son para los procesos numerables, lo
que es la primera derivada d/dx para los procesos en trayectorias muestrales
diferenciables. Lo mismo que cuando una trayectoria muestral es diferenciable se
puede reconstruir partiendo de su derivada ( mediante integracin ), un proceso
numerable se puede reconstruir en base a sus incrementos ( tambin mediante
integracin ). Esto nos conduce a la integral estocstica.
1,5

1,0

0,5

0,0

0 20 40 60 80 100

Fig.2. Una trayectoria muestral N01(t) de un proceso numerable: fallecido a los 60 aos.

La integral estocstica
La construccin de la integral estocstica que proponemos es de tipo prctico no de
rigor matemtico. Se trata de dar la intuicin de los problemas planteados cuando se
desea integrar un proceso con respecto a un proceso de Wiener.
La construccin rigurosa de la integral estocstica se puede ver en una de las
numerosas publicaciones relativas al clculo estocstico y ecuaciones diferenciales
estocsticas (Karatzas-Shreve, 1998, Elliott 1982). Por otra parte, es conveniente
observar que la teora de la integracin se puede abordar de forma mucho mas general
que lo hacemos nosotros aqu (la teora general de las martingalas y de la integral
estocstica se denomina frecuentemente " Escuela de Strasburgo ").
Con referencia a la integral estocstica y al Lema de It, la referencia original es el
artculo de It ( 1994 ). Estos trabajos cuyo precursor fue Wiener, se han desarrollado
considerablemente despus en el marco de una teora general de los procesos
estocsticos en particular por Meyer ( 1976 ), Dellacherie ( 1974 ) y Dellacherie y
Meyer ( 1978, 1982 ).
Comenzamos con un proceso numerable tiempo-discreto, por ejemplo, uno que
puede saltar solamente en momentos enteros.
Entonces, por definicin dN01(t) = 0 en todos los momentos no enteros y dN01(t) =
1 en solamente un momento entero.

Podemos reconstruir N01(t) en base a sus incrementos dN01(t) ? Es decir,

 podemos obtener N01(T) ? ( T, no necesita ser entero ).
Sea S ( T ) el conjunto de todos los posibles saltos hasta e inclusive T.
( Es decir, todos los enteros T), entonces:

N01(t) = (T) (1)

Supongamos que N01(t) est en tiempo discreto, pero puede saltar en mas puntos:
por ejemplo, al final de cada mes. De nuevo definimos S ( T ) como el conjunto de
todos los posibles saltos hasta e incluido T y la ecuacin (1) sigue siendo vlida. Esto
se verifica para cualquier conjunto discreto de posibles saltos por mucho que se refine
( aos, meses, das, minutos,...) qu sucede en el lmite ?
a) El proceso numerable se convierte en la versin tiempo continuo
con el que comenzamos.
b) El conjunto de momentos de salto posible S( T ) se convierte en el
intervalo ( 0, T ]; y
c) El sumatorio para N01(t) se convierte en la integral:

La integral general de la ecuacin (2) es una "integral estocstica" ya que las

trayectorias muestrales del proceso estocstico N01(t) estn implicadas en sus
definiciones. Dada la trayectoria muestral N01(t), estas integrales se construyen de la
misma forma que sus anlogas deterministas. Las integrales estocsticaas utilizadas
en la
Matemtica Financiera, llamadas integrales de It, son muy diferentes.
Considerada como una funcin de T, es un proceso estocstico.
Esta idea es muy interesante ya que nos permite escribir a continuacin los
valores de los seguros y de las rentas.
4.- ALGUNAS EXPRESIONES DE LAS OPERACIONES DE SEGUROS Y DE
LAS RENTAS
Consideremos una operacin de seguro de vida entera unitaria, es decir, que la
prestacin es de 1 u, m en el momento del fallecimiento.

Cul ser su valor actuarial X a la edad x?

Para ello, definimos la variable aleatoria x asociada a la esperanza de vida de una

persona de edad x, entonces el valor actuarial de la operacin de seguros ser
X = vTx = e-dTx segn la notacin internacional.

Tambin podemos escribir esto como una "integral estocstica". El valor actuarial
de 1.u.m.pagadera en el momento t ser vt. Si la persona no fallece en el momento t,
el incremento del proceso numerable N ser dN01(t)=0 y el valor actuarial de la
prestacin ser vt dN01(t)=0. Si la persona fallece en el momento t, el incremento de
N ser dN01(t)=1 y el valor actuarial del pago ser vt dN01(t)=vt . Integrando
obtenemos

Las rentas tambin se pueden expresar como integrales estocsticas. Para ello,
consideremos una renta vitalicia unitaria en el campo continuo y sea Y su valor acuarial.
Definimos un proceso estocstico I0(t) de la forma siguiente: I0(t)=1, si la persona
supervive en el momento t e I0(t)=0 en otro caso.
Este es un proceso indicatriz, es decir, toma el valor 1 o 0, dependiendo de si o no se
cumple una determinada condicin. Entonces:

Dada la trayectoria muestral, esta es una integral ordinaria, pero puesto que la
trayectoria muestral es aleatoria, tambin lo es Y. Entonces, definiendo X(T) e Y(T)
como el valor actuarial de las prestaciones hasta el momento T, podemos escribir los
procesos estocsticos:
4.1.- Las operaciones del seguro de vida. En base a lo establecido anteriormente,
podemos escribir los elementos de la Matemtica del Seguro de vida en funcin de
los procesos numerables, vanse Hoem-Aalen (1978) y Norberg (1990).
Comenzaremos por las funciones de pago (prestaciones):
a) Si N=0 en el momento t [la persona de edad x, denotada(x),
supervive] una renta es pagadera al tanto anual c0(t) y
b) Si N salta , (pasa) de 0 a 1 en el momento t [(x) fallece], se paga un
montante de C01(t).

Obviamente, las primas se pueden considerar como una renta negativa y estas
definiciones se pueden extender a cualquier modelo multi-estados. Tambin, se
pueden considerar sin dificultad pagos en el campo discontinuo o capitales de
supervivencia.
Las cantidades c0(t) y C01(t) son funciones del tiempo, pero no necesitan ser procesos
estocsticos. stas definen prestaciones que se realizarn, dependiendo de los
acontecimientos, pero no representan los sucesos en s. En el caso de una operacin
de seguros sin participacin en beneficios, sern funciones deterministas de la edad.
Los pagos realmente realizados se expresarn como un tanto, dL(t):
dL(t)=C01(t)dN01(t)+c0(t)I0(t)dt
Esto nos da el tanto de pago neto "durante" el intervalo de tiempo t a t +dt,
dependiente de los acontecimientos. Supongamos que no se realiza ningn pago
despus del momento T (T podra ser ). Entonces, el montante del pago sera:

Este montante es el principal objetivo de estudio.

Este es un proceso estocstico, como funcin de T, puesto que representa los pagos
realizados dependientes de lo sucedido de forma particular(esta es la trayectoria
muestral de N01(t)).
Tambin hacemos uso del montante o valor actuarial de los pagos en cualquier
 momento r denotado V (r)

4.2.- Algunos valores actuariales

En funcin de los modelos de probabilidad hemos definido los que en cierta medida

son los elementos del espacio muestral [las trayectorias muestrales N0(t)] y algunas

funciones relacionadas tales como L y V(r). No hemos introducido ni -lgebras ni

filtraciones o medidas de probabilidad, ni hemos realizado ningn clculo

probabilista, tal como esperanzas. Ahora vamos a considerar stas:
a) Nuestra filtracin es la filtracin natural generada por el proceso N01(t), que se describe

fcilmente. En el momento t, los valores anteriores N01(r), (rt) son todos conocidos, y los

valores futuros N01(r), (r>t) son desconocidos (a menos que N01(t)=1, en cuyo caso nada

ms puede acontecer). Esta informacin se recoge mediante la -lgebra t.

Para representar esta filtracin, cubramos la fig.2 con la mano, y luego lentamente
revelemos la historia de la vida. Antes de los sesenta aos, todas las historias
vitalicias futuras posibles estn ocultas por la mano; la informacin t, es la
combinacin de la historia vitalicia revelada y todas estas posibilidades ocultas.
b) Nuestra -lgebra "total" es la unin de todas las t.
c) La medida de la probabilidad corresponde a las bases de mortalidad. Como es bien
sabido, el actuario elegir una base de mortalidad diferente para propsitos diferentes, y
supondremos que la naturaleza elige las bases de mortalidad reales. Es decir, el espacio
muestral y la filtracin no determinan la eleccin de la medida de la probabilidad, ni es la
eleccin de la medida de probabilidad siempre un intento para encontrar las
probabilidades reales de la naturaleza (este es el problema de la estimacin). Este punto
es incluso de mayor importancia en la Matemtica Financiera, donde frecuentemente es
mal comprendido.
Todos los clculos concretos dependen de la eleccin de la medida de la
probabilidad (bases de mortalidad). Veamos esto utilizando los valores
actuariales. Supongamos que el actuario ha elegido una medida de probabilidad P
(equivalente a las
 probabilidades de las tablas de mortalidad, tpx).Tomando como ejemplo la
prestacin del seguro vida entera, para por ejemplo (x) (asegurado de edad x) Ep[x]
tenemos

el cual es bien conocido (supervivencia y fallecimiento). Si el actuario eligiese

una medida diferente P*, digamos (equivalente a las probabilidades de la tabla de
mortalidad
diferentes tpx obtendra un valor actuarial diferente:

4.3.- Algunos ejemplos de procesos numerables

La fig.3, muestra el modelo muy conocido de invalidez y fallecimiento.
Una formulacin precisa comienza con el estado S(t) ocupado en el momento t;
un proceso estocstico.
La fig.4, muestra una sencilla trayectoria muestral de S(t): (x) que tiene una
corta enfermedad a los 50 aos, se recupera a los 54, luego tiene una ms larga, y
ltimamente , una fatal enfermedad a los 60. En el modelo de mortalidad de 2-estados,
el proceso estocstico S(t), que representa el estado en que se encuentra coincide con
el proceso numerable N01(t) que representa el nmero de sucesos [no introducimos
 S(t) en el modelo de 2-estados: ahora procedemos as porque es lo mismo que N01(t)].
En efecto,
podemos definir cuatro procesos numerables, uno por cada transicin, por ejemplo:
N01(t) = n de transiciones activo a invalido
N02(t) = n de transiciones activo a fallecido
N10(t) = n de transiciones invalido a activo
N12(t) = n de transiciones invalido a fallecido
Es decir, considerndoles como un objeto, tener un proceso numerable
multivariante con 4 componentes. Tambin, podemos definir los procesos
estocsticos indicando la presencia en cada estado, Ij(t) de las funciones de pago de la
renta cj(t) para cada estado y el montante de las funciones aseguradas para cada
transicin posible, Cjk(t). Entonces toda la Matemtica del Seguro de vida del modelo
de 2-estados se puede deducir con solamente cambios notacionales.

2,50

2,0

1,5

1,0

0,5

0,0

0 20 40 60 80 100
Fig.4:Una trayectoria muestral de un proceso invalidez-muerte S(t)=0= vlido; 1= invlido; 2= fallecido

4.4.- Las martingalas asociadas a los procesos numerables

La nocin de martingala ha tomado gran importancia en la modelizacin
financiera con los trabajos de Ross (1976-1978) y sobre todo de Harrison y Kreps
(1979) sobre la valoracin mediante arbitraje.
Ross (1979), esquematizaba esta situacin diciendo que el elemento clave de
la economa era la igualdad entre la oferta y la demanda mientras que el elemento
clave en financiera era la ausencia de oportunidades de arbitraje. La contribucin
esencial de Harrison y Kreps ha consistido en mostrar que cuando los activos pueden
valorarse "mediante arbitraje" el proceso del precio es una martingala con respecto a
una determinada probabilidad.

Hasta ahora, no hemos mencionado ninguna martingala asociada a los

procesos numerables, pero es muy sencillo e importante tanto en el anlisis de los
datos como en sus aplicaciones. En el mdulo de dos estados la martingala es:

M01(t), se denomina proceso numerable compensado y la integral del segundo

miembro se denomina compensador de N01(t). Es fcil ver que M01(t) es una
martingala de sus incrementos:

Es muy conveniente especificar la medida de probabilidad P en la esperanza pues as

cambiamos la medida, por ejemplo a P* correspondiente a las probabilidades tp*x,
obtendramos una martingala diferente:

Y EP*[ d M*01(t)]=0. Alternativamente, dado un tanto instantneo *t, podemos

encontrar una medida de probabilidad P* tal que M*01(t) es una P*-martingala; P* es

simplemente dado por las probabilidades tp*x = exp( t m x* + r dr ).
0

Esto se verifica para cualquier tanto instantneo de mortalidad (que se comporta

bien), no precisamente elegida la naturaleza del tanto instantneo de mortalidad.
Una idea de la utilidad de M01(t) se puede obtener de la ecuacin (13). Si
consideramos un pequeo intervalo de edad en el que un tanto instantneo de
transicin constante es una aproximacin razonable, esto se convierte en:

Pero las dos cantidades del segundo miembro son el n de fallecimientos N01(t) y

I
t

el tiempo total utilizado en el riesgo 0(r )dr , mas conocido como el central
 0

expuesto al riesgo. Todas las probabilidades del estimador mximo verosmil de ,

basadas en estos dos estadsticos (sumado respecto a muchos individuos
independientes) son consecuencia de que M01(t) sea una martingala (vase Mcdonald
1996)

Para modelos ms complicados obtenemos un conjunto de martingalas, una para cada

( 18 )
posible transicin (del estado j al k) de la forma Mjk(t) = Njk(t) - I (r)mrjk dr
j que

tienen todas las mismas propiedades

4.5.- Los valores actuariales de las reservas por los mtodos prospectivo y
retrospectivo

Recordemos que la prima es la parte de funcin de pago c0(t); estableciendo la prima

de acuerdo con el principio de equivalencia actuarial lo que significa establecer
EP[V(0)]=0 y resolver en c0(t), donde P es la medida de probabilidad correspondiente
a la base prima;
En general, se utiliza la misma base (medida) para las primas y reservas.
Las reservas se deducen cuando consideramos la evolucin de la funcin valor V a lo
largo del tiempo, cuando se hace uso de la informacin. Partiendo de la esperanza
condicionada para r<T :

El 2 trmino del 2 miembro son las reservas prospectivas en el momento r.

Si la informacin r es la historia vitalicia completa hasta el momento r es lo mismo

que las reservas prospectivas. Sin embargo esta definicin es ms general; por
ejemplo, en un seguro al 2 fallecimiento vida conjunta, el primer fallecimiento puede
no estar informado, de modo que r represente informacin incompleta, tambin esto
no depende de la naturaleza probabilista del proceso que genera la historia vitalicia;
no es necesario suponer que el proceso sea de Markov, por ejemplo. Si el proceso es

Markov, (como frecuentemente sucede) el condicionamiento sobre r simplemente

significa condicionamiento sobre el estado ocupado en el momento r, lo cual es muy
conveniente en la prctica.
El primer trmino del 2 miembro es menos las Reservas Retrospectivas.
Esta definicin de las Reservas Retrospectivas es nueva (Norberg 1991) y no es
equivalente a la definicin "clsica". Esto es un logro obtenido mediante el enfoque
de los procesos estocsticos: por comodidad, tambin consideramos algunas de las
nociones de Reservas Retrospectivas que han precedido:
a) La reserva retrospectiva "clsica" [por ejemplo, C.W.Jordan
(1967)] depende de una generacin de personas que participan de
un fondo entre supervivientes al final del plazo. Ahora bien, esto
evidencia la debilidad del modelo determinista: dado un colectivo
de individuos en el origen denotado lx, el nmero de supervivientes
algo ms tarde, lxpx generalmente no es un entero. Considerado
prospectivamente sto, puede suponerse: como una forma adecuada
de pensar respecto a los valores esperados, pero considerado
retrospectivamente no es permisible.
b) Hoen (1969) supuso que tanto el nmero de supervivientes como el
fondo compartido entre los supervivientes, fueran aleatorios, y
demostr que las Reservas Retrospectivas clsicas se obtenan en el
lmite cuando el nmero de supervivientes tenda a infinito.
c) Quiz sorprendentemente, la nocin "clsica" de la Reserva
Retrospectiva no conduce a una especificacin nica de lo que
debera ser la reserva en cada estado en un modelo general de
Markov, conduciendo a
varias definiciones alternativas (Hoen, 1988;
WolthiusHoen,1998;Wolthius,1992) en las cuales las Reservas
Retrospectivas y Prospectivas en el estado inicial fueran iguales por
definicin.
 d) Finalmente, Norberg (1991), indic que las Reservas Retrospectivas
"clsicas" eran " ... ms bien una frmula retrospectiva de las
Reservas Prospectivas..." e introdujo la definicin en la ecuacin
(20). Esto es adecuadamente definido para los elementos
individuales y depende de la informacin conocida r . Si r es la
historia de la vida completa, la esperanza condicionada desaparece
y:

que es ms semejante a una cuota parte sobre la base de una pliza

individual. Si r representa la informacin ms elemental, por
ejemplo, datos agregados con respecto a una generacin de plizas,
la Reserva Retrospectiva es anloga a una accin mancomunada
respecto a los costes de mortalidad.

4.6.- Las ecuaciones diferenciales

Los instrumentos de clculo ms interesantes asociados a los modelos de mltiple-
estados son las Ecuacines Diferenciales Ordinarias (EDO). Veamos tres
sistemas tiles:
a) Las ecuaciones "forward" (progresivas) de Kolmogorov
denominadas as porque implican la derivacin con respecto a
momentos posteriores a t, se pueden encontrar en los libros de texto
sobre procesos de Markov (por ejemplo, Kulkarni (1995)). Nos
permiten calcular las
probabilidades de transicin en un proceso de Markov, dadas las
intensidades de transicin, que es exactamente lo que necesitamos
puesto que las intensidades son las cantidades ms fcilmente
estimadas a partir de los datos. Veamos un ejemplo, el ms simple de
todos los modelos con dos estados:
a) La ecuacin de Thiele rige el desarrollo de la Reserva Prospectiva.

Por ejemplo, si tVx es la reserva correspondiente a un seguro vida entera

unitario, la ecuacin de Thiele sera:

que tiene una interpretacin muy intuitiva. En efecto, es el equivalente en

tiempo continuo a la frmula de las Reservas Recurrentes para los actuarios.

Se ha generalizado a un modelo de Markov por Hoem (1969)

b) Norberg (1995b) generaliz las ecuaciones de Kolmogorov para los valores de
plizas prospectivas (es decir, momentos de primer orden de losvalores
actuariales) a momentos de segundo y ordenes superiores. No demostramos
estas ecuaciones, pero observamos que se obtuvieron a partir de las propiedades
de las martingalas de procesos numerables.
La mayor parte de los sistemas de Ecuaciones Diferenciales Ordinarias no admiten
soluciones explcitas y tienen que ser resueltos numricamente. Por tanto, mientras que
las soluciones explcitas son buenas, no son demasiado importantes y es mejor tratar las
ecuaciones diferenciales ordinarias que son relevantes para el problema, mejor que
resolverlas explcitamente.
4.7.- Algunas ventajas del enfoque mediante los procesos numerables
a) Ante todo, los procesos numerables representan las historias de la vida
completa. En la practica no toda esta informacin puede ser disponible o
utilizable, sino que es mejor comenzar con un modelo que representa los
procesos subyacentes y luego hacer todo lo posible por lograr
aproximaciones que se pudieran necesitar para satisfacer las
circunstancias.
b) Las Matemticas de los procesos numerables y de los modelos
multiestados se introducen fcilmente por lo que se refiere al modelo de
mortalidad dos estados, pero conduce a un modelo ms complicado para
resolver problemas en los que fracasan los mtodos de la tabla de
mortalidad. Esto es bastante importante en la prctica, cuando se
introducen nuevos seguros.
c) Se han obtenido resultados completamente nuevos, tales como una
definicin operativa de las Reservas Retrospectivas y las ecuaciones
diferenciales de Norberg.
d) Los instrumentos que usamos son exactamente los que son esenciales en
las Matemticas Financieros modernas, en particular las integrales
estocsticas y las esperanzas condicionadas. Un enfoque alternativo en el
que los tantos de rendimiento as como los vitalicios se modelan mediante
procesos de Markov, se ha desarrollado por Norberg (1995)
generalizando ampliamente el objetivo del material aqu considerado.

e) No hemos discutido el anlisis de los datos. Ahora bien, los estudios

de lamortalidad estn crecientemente conducidos hacia los instrumentos
de procesos numerables.
 5.- Los Procesos Estocsticos en el campo financiero
En esta seccin vamos a ilustrar cmo se pueden utilizar los procesos estocsticos
para valorar los derivados financieros.
Un derivado financiero es un ttulo cuyo valor depende los valores de otro ms bsico
subyacente. Por ejemplo, una opcin call Europea sobre una accin da al
poseedor , el derecho, no la obligacin de comprar la accin en la fecha del ejercicio
T al precio del ejercicio K. Si el precio de la accin en el momento T, S T, es menor
que K entonces no se ejercita la opcin y expirar sin ningn valor. Si S T es mayor
que K entonces el poseedor ejercer la opcin y obtendr un beneficio ST-K. Por
tanto, el resultado (payoff) en T, es el max {ST-K,0}.

5.1- Los modelos de los precios de los activos

Muchas de las Matemticas Financieras deben estar basadas en modelos explcitos de
los precios de activos y los resultados dependen de los modelos que decidamos
utilizar. En esta seccin nos centraremos en dos modelos para los precios de las
acciones: Un modelo binomial sencillo que nos conducir a resultados importantes y
en el Movimiento Browniano geomtrico. Haremos las hiptesis generales (que
se pueden flexibilizar) siguientes:
a)Utilizamos St como precio del ttulo que no para dividendo en el momento
t (t = 0,1,2,-.-). Para t>0, St es aleatorio.
b) A parte de en el "ttulo", podemos invertir en una obligacin o en una
cuentacorriente que tiene de valor Bt en el momento t por unidad invertida en el
momento 0. Esta cuenta se supone que no tiene riesgo y que produce intereses al tanto
r anual capitalizado de forma continua libre de riesgo. Por tanto, Bt = exp(rt). (En
tiempo discreto, "libre de riesgo" significa que sabemos en t-1 cual ser el valor de la
inversin libre - de riesgo en el momento t . En este sencillo ejemplo, el valor de la
inversin libre

de riesgo en cualquier momento t se conoce en el momento 0).

c) En cualquier momento podemos adquirir cantidades arbitrariamente
grandes
(positivas o negativas) del ttulo o dinero.
El principio de ausencia de arbitraje
Veamos que entendemos por arbitraje.
 Supongamos disponemos de un conjunto de activos en los que podemos invertir (con
posesiones que pueden ser positivas o negativas). Consideremos una cartera particular
que comienza con valor cero en el momento 0 (de modo que tenemos ciertas
posesiones positivas y alguna negativa ).Con esta cartera se sabe que hay cierto
momento T en el futuro en el que su valor ser no-negativo con certidumbre y
estrictamente positivo con probabilidad mayor que cero. Esto se denomina
oportunidad de arbitraje. Para explotar esto podramos multiplicar todas las cantidades
por mil o un milln y obtener beneficios interesantes sin ningn coste o riesgo.
En Matemtica Financiera y valoracin de derivados, hacemos la hiptesis
fundamentalmente de que las oportunidades de arbitraje no existen (o al menos de que
s existen , desaparecen rpidamente al ser utilizadas).

5.2.- Comparacin de los enfoques Econmico - Financiero y

Actuarial El enfoque actuarial de la valoracin de este contrato
dara:
a
- -

V 0 = e Ep [C(S1)] = e [pCu + (1-p)Cd]

donde es el tanto instantneo de actualizacin con riesgo actuarial.

Comparemos esto con el precio calculado usando los principios de economa
financiera
anteriores:

V 0 = e-r EQ [C(S1)] = e-r [qCu + (1-q)Cd]

a

Si se estn negociando futuros V a , donde V >V , entonces podemos vender

0

un derivado al precio actuarial y utilizar una cantidad V para construir la cartera (A,B)
0

en el momento 0.
La cartera contrapartida asegura que tenemos derecho a la cantidad de dinero en
el momento t = 1 para pagar al poseedor del contrato de derivado.
 La diferencia entre V 0
a
y V 0 es el beneficio garantizado sin ningn riesgo.
a

Anlogamente, si V 0<V 0, podemos obtener beneficios mediante arbitraje.

Evidentemente, ninguna de estas situaciones podra persistir durante algn

tiempo debido a que la demanda para tales contratos que se negocian a V 0

a
,

impulsaran el precio hacia V 0 rpidamente. Este es el principio fundamental de la

economa
financiera: es decir, los precios no deben admitir oportunidades de arbitraje. Si
existiera, entonces el mercado eliminara rpidamente cualquier oportunidad y el
exceso resultante de la oferta o la demanda eliminara la oportunidad de arbitraje antes
de que se pudieran obtener beneficios sustanciales. Es decir, la oportunidad de
arbitraje podra existir durante periodos de tiempo muy cortos en la prctica, en tanto
el mercado se libere de arbitraje durante la gran mayora de tiempo y ciertamente en
cualquier momento donde se realizarn grandes transacciones financieras. Por
supuesto, no tendramos problema en comprar tal contrato si ofreciramos un precio

V 0
a
al vendedor, si este fuera mayor que V 0, pero no podramos vender a tal precio.

Anlogamente, podramos fcilmente vender una cantidad si V 0

a
<V 0, pero no

podramos comprar a aquel precio. En ambos casos, nos quedaramos en una posicin
en la que tendramos que mantener una cartera arriesgada en orden a tener la
posibilidad de un beneficio puesto que el arbitraje
producira una prdida garantizada.

Para que tenga sentido razonable V 0a , debemos establecer de tal forma que

V 0
a
sea igual a V 0. Es decir, la eleccin subjetiva de en el campo actuarial es lo

mismo que la seleccin objetiva de la medida de probabilidad Q neutral frente al riego.

 Eligiendo para igualar V 0
a
yV 0 lo que no sucede en la prctica y, aunque

se establezca con respecto al nivel de riesgo segn el contrato derivado, el elemento

subjetivo en esta eleccin significa que no hay garanta de que V 0

a
sea igual a V 0.

Por tanto, en general, el enfoque actuarial, en este aspecto, no es el apropiado

para utilizar en la valoracin de derivados. Cuando los modelos se generalizan y las
hiptesis se suavizan de tal forma que no sea posible construir estrategias de arbitraje
que reproduzcan exactamente los resultados, entonces existe una regla para una
combinacin de enfoque econmico - financiero y actuariales.

5.3- Retculos Binomiales

Ahora vamos a ver como podramos valorar un contrato de derivados en un
modelo multiperiodo con n periodos de tiempo.
Sea c(x) el resultado del derivado si la accin tiene un precio de x en la fecha
de vencimiento n. Por ejemplo, para una opcin call europea nosotros tenemos c(x)=
max {x-k,0}, donde k es el precio de ejercicio.

Ahora, supongamos que en cada periodo de tiempo el precio de la accin

puede subir por un factor u o bajar por un factor d= 1/u: es decir, para todo t, St+1 es
igual a Stu, o bien, Std. Esto significa que el efecto movimientos sucesivos de "ascenso
y descenso" es el mismo que el movimiento de "bajada y subida". Adems, el tanto
de
inters libre de riesgo constante e igual a r, con d < er <u. Entonces, tenemos St = S0
uNt
dt-Nt

Donde Nt es el nmero de ascensos entre 0 y t (en este sentido, Nt tambin

puede considerarse como un proceso numerable tiempo - discreto). Esto significa que
tenemos (n+1) estados posibles en el momento n. Vemos que el valor del precio del
ttulo en el momento t depende solamente del nmero de subidas y bajadas, no del
orden en que acaecen. Debido a esta propiedad el modelo se denomina retculo
binomial
 Figura 6: Retculo Binomial

El espacio muestral para este modelo es el conjunto de todas las trayectorias

muestrales desde el momento 0 al momento n. Este se denomina modelo de

trayectoria aleatoria. Hay 2n trayectorias muestrales puesto que hay dos resultados

posibles en cada periodo de tiempo. La informacin es la -lgebra generada por

todas las trayectorias muestrales desde el momento 0 al n mientras que las filtraciones

b estn generadas por todas las trayectorias muestrales hasta el momento t. (Dado el

espacio muestral cada trayectoria muestral hasta el momento t es equivalente a 2n-

t
elementos del espacio muestral, cada elemento siendo el mismo en el periodo de 0 a
t. Nt y St son variables
aleatorias que son funciones del espacio muestral.)
En este modelo, todos los periodos tienen la misma probabilidad de un ascenso
y los ascensos en cada periodo temporal son independientes entre s. Por tanto, el
nmero de ascensos hasta el momento t, Nt, tiene segn Q una distribucin binomial
con parmetros t y q. Adems para 0<t<n, Nt es independiente de Nn-Nt y Nn-Nt tiene
una distribucin binomial con parmetros n-t y q.

Vamos a generalizar la notacin. Sea Vt(j) el valor equitativo del derivado en

el momento t dado Nt=j para j = 0,...,t. Asimismo, sea Vn(j) = c(S0vjdn-j ). Finalmente
escribimos Vt= Vt(Nt) como valor aleatorio en cierto momento futuro t .
Con el fin de calcular el valor en el momento 0, V(0),debemos operar
retrospectivamente un periodo a veces desde el momento n haciendo uso del modelo
binomial uni-peridico como sigue.
En 1er lugar, consideremos el periodo n-1 a n. Supongamos que Nn-1 = j.
Luego por analoga en el modelo uni-periodo, tenemos :

Vn-1 (j)= e-r [q Vn(j+1)+ (1-q) Vn(j)] = e-r EQ [Vn | n-1]

= e-r EQ [c(Sn)| Nn-1=j ] = e-r EQ [c(Sn)| n-1]

donde q = er-d / u-d;

Anlogamente, podemos escribir esto de la forma Vn-1 = e-r EQ [c(Sn)| n-1].

Cuando operamos retrospectivamente, tenemos

Vt-1 = e-r EQ [Vt| t-1] = e-r EQ [e-r EQ (Vt+1 | t)| t-1 =

e-2r EQ [Vt+1| t-1]. (utilizando la Ley

Fundamental)

= e-(n-t+1) r EQ [Vn| t-1] = e-(n-t+1) r EQ [c(Sn)| t-1].

Finalmente obtenemos:

V0 = e-nr EQ [c(Sn)| 0] = e-nr EQ [c(Sn)| S0]

El precio en el momento t del derivado dependiente de la trayectoria es por
tanto:

Hemos observado antes que EQ ( S1 ) = S0 er da entrada al uso del nombre

"medida neutral del riesgo para Q . Anlogamente, en el modelo n-periodo,
tenemos [haciendo c(r) = r ];

EQ [St| 0] = S0 ert
 Por tanto el uso de la expresin ,"medida neutral de riesgo para Q es tambin
vlida. Alternativamente podemos escribir:

EQ [e-rtSt| t] = e-rtSt
Es decir, el proceso valor del activo actualizado Dt = e-rt St, es una martingala
segn Q. Esto da lugar a otro nombre para Q: "medida de la martingala equivalente".

En efecto, generalmente usamos este resultado de otra forma, como veremos

a continuacin. Es decir lo primero que procede hacer es encontrar la medida de la
martingala equivalente Q y luego la utilizamos inmediatamente para valorar los
derivados.
El proceso de Wiener,
Si X es un proceso estocstico definido sobre un espacio de probabilidad
(,,), se dice es un "proceso de Wiener tpico" ( estndar ) si cumple las tres
condiciones siguientes:
1. X (0) = 0;
2. X, es de incrementos independientes; y

3. Para todo par ( r, t ), tal que r t, la variable X ( t )-X( r ) se distribuye segn

una normal tipificada y de varianza ( t-r )

Para que Zt sea un Movimiento Browniano Estndar segn la medida ,

tiene
que cumplir las siguientes propiedades :
1. Zt , tiene trayectorias muestrales continuas que no son diferenciables en
ninguna parte;
2. Z0 = 0;
3. Zt, se distribuye normalmente con media 0 y varianza t.
4. Para 0 < r < t, Zt-Zr, se distribuye normalmente con media 0 y varianza t-r
y es independiente de Zr;

5. Zt, se puede expresar como la integral estocstica dZr donde dZr se puede
considerar como el incremento de Zt en el intervalo ( r, r+dr ] distribuido
segn la normal con media 0 y varianza dr y es independiente de Zr
 Un proceso de difusin Xt , es un proceso estocstico que, localmente, es
como un movimiento Browniano escalonado con tendencia. Su dinmica est
determinada mediante una ecuacin diferencial estocstica:
dXt = m( t, Xt)dt + r(t, Xt)dZt
Con X0 = constante, donde Zt es u proceso de Wiener estndar y se puede
expresar la solucin de esta ecuacin de la forma:

No hay ningn problema en operar mediante el clculo tradicional la primera

integral del segundo miembro. Ahora bien, no sucede lo mismo con la segunda
integral ya que no es posible considerarla del tipo Riemann-Stieltjes al ser Zu una
funcin demasiado voltil. (Esto est relacionado con el hecho de que la Zt no es
diferenciable ). La segunda integral se puede estudiar mediante el uso de la integracin
de It, ver Oksendal ( 1985 )
Describir la integral estocstica no es muy informativo y, si es posible, es ms
til tener una expresin adecuada de Xt. En muchos casos no es posible lograr esto
mediante
el uso del Lema de It, tambin llamado "Teorema Fundamental del Clculo
Estocstico" ya que es el resultado ms utilizado en los modelos financieros en

tiempo continuo y permite calcular la diferencial estocstica de un proceso t a partir

de la de un proceso Xt donde Xt e t estn ligados mediante una relacin funcional del

tipo:
5.4 Un modelo en tiempo continuo ( El modelo de valoracin de opciones de Black-
Scholes )
Ahora, vamos a operar en tiempo continuo.

Sea St el precio de una accin que no paga dividendo para 0 t T.

Supongamos que un derivado paga c ( r ) en el momento T si el precio de la
accin en T es r .
El modelo particular que vamos a considerar para St es del tipo "movimiento

Browniano geomtrico": este es, St = S0 exp[(- )t+ Zt], donde Zt es un

movimiento Browniano estndar segn la medida .

Esto significa que St tiene una distribucin log-normal con media S0 exp ( nt ), y
varianza exp ( 2nt ). [exp ( 2t) 1 ]. Aplicando el Lema de It podemos escribir
la ecuacin diferencial estocstica ( E D E ) para St de la forma siguiente:
dSt = Stdt + StdZt
Es decir, el cambio del ttulo subyacente sigue un movimiento Browniano

geomtrico, donde y son la esperanza y la desviacin tpica instantneas de

los rendimientos del ttulo y Zt es un proceso de Wiener estndar.
 Por analoga en el momento binomial, hay otra medida de probabilidad Q ( la
medida neutral frente al riesgo, o bien, medida martingala equivalente) segn la cual:
a) e-rt St, es una martingala;
b) St, se puede escribir como el movimiento Browniano geomtrico

S0 exp[(r- 2)t+Zt], donde Zt(t) es un movimiento Browniano estndar segn

Q.
Continuando la analoga con el modelo binomial tambin podemos decir que
el valor en el momento t del derivado es:

Vt = e-r (T t ) EQ [ c ( ST) | t ] = e-r ( T-t ) EQ[ c ( ST ) | St ]

Con cierta dificultad tambin podemos ver que, segn este modelo, si invertimos Vt
directamente ( es decir, con una adecuada estrategia de arbitraje ) entonces podemos
reproducir exactamente el resultado en T sin necesidad de ms dinero.
Supongamos que consideramos una opcin call Europea, de modo que
c( r ) = max { r-k, 0 }. Entonces, utilizando una propiedad de la distribucin log-
normal
obtenemos la frmula de Black-Scholes: