Professional Documents
Culture Documents
T E S I S
QUE PARA OBTENER EL TÍTULO DE
LICENCIADO EN FÍSICA Y MATEMÁTICAS
P R E S E N T A
Guadalupe Nayeli Pérez Domı́nguez
DIRECTOR DE TESIS
Dr. Roberto Segundo Acosta Abreu
Introducción V
1. Conceptos Básicos 1
1.1. Modelos de mercados financieros. . . . . . . . . . . . . . . . . . . . . . 1
3. La Transformada de Fourier 11
3.1. Caso discreto. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.1.1. Convolución de vectores. . . . . . . . . . . . . . . . . . . . . . . 11
3.1.2. La transformada de Fourier discreta. . . . . . . . . . . . . . . . 11
3.1.3. Propiedades de la tranformada de Fourier discreta. . . . . . . . 12
3.2. Caso continuo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.2.1. La transformada de Fourier continua. . . . . . . . . . . . . . . . 13
3.2.2. Propiedades básicas de la transformada de Fourier
continua. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
iii
iv ÍNDICE GENERAL
Conclusiones 42
Bibliografı́a 49
INTRODUCCIÓN v
Introducción
En este trabajo se ha procurado hacer una exposición clara y lo más completa posible,
tanto de los aspectos financieros básicos, asi como de los modelos matemáticos usados
en el problema de la valuación de opciones simples. En el modelo binomial para la
valuación de opciones desarrollamos primero el esquema tradicional básico para ex-
presar su valor en terminos de las probabilidades neutras al riesgo. Luego vemos como
se puede adaptar este modelo para poner el valor en terminos de la transformada de
Fourier discreta. Para el modelo de Black-Scholes se da un capı́tulo previo sobre los as-
pectos básicos de la integral estocástica, incluyendo la fórmula de Itô. Se dan también
las definiciones y propiedades básicas de la transformada de Fourier.
vi INTRODUCCIÓN
Una opción puede ser de dos tipos: de compra o de venta (call y put). Una opcion de
compra da a su titular el derecho a comprar una activo a un precio determinado en una
fecha establecida. Una opción de venta proporciona a su poseedor el derecho a vender
un activo en una fecha determinada a un precio establecido. El precio contractual se
llama precio de ejercicio (strike price) y la fecha de finalización del contrato, fecha
de ejercicio o vencimiento. Una opción europea sólo puede ser ejercida en la fecha
de vencimiento, mientras que una opción americana, puede ser ejercida en cualquier
momento hasta su fecha de vencimiento.
2 Conceptos Básicos
Una opción otorga a su titular el derecho de hacer algo, sin estar obligado a ejercer ese
derecho. Es en este punto donde se diferencian las opciones de los contratos futuros. El
titular de un contrato de futuros a largo plazo, se compromete a comprar un activo, a
un cierto precio y en una fecha dada. En cambio, el titular de una opción de compra,
tiene opcion a decidir sobre la compra de un activo, a un cierto precio, en una fecha
dada, en el futuro. El mayor mercado de opciones sobre acciones, es el Chicago Board
Options Exchange (CBOE).
Se considera que los compradores tienen posiciones largas y los vendedores posiciones
cortas. La venta de una opción en primera instancia también puede llamarse emisión
de la opción.
Capı́tulo 2
Valoración de opciones mediante
modelos binomiales.
2.1. Modelo de un perı́odo.
Consideremos una opción europea de tipo call sobre un activo financiero cuyo precio
sigue un movimiento browniano geométrico. Sea S0 el valor inicial conocido del activo.
Sea f el valor de la opción al tiempo inicial, el cual queremos determinar. Suponemos
que la opción tiene un tiempo de vencimiento T que su precio de ejercicio es K y
que durante la vida de la opción el precio del activo puede subir a partir de S0 hasta
el nivel S0 u o puede bajar de S0 hasta S0 d donde u > 1 y d < 1. Este modelo se
representa con un diagrama del siguiente tipo.
S0 u
1
S0 P
q
P
S0 d
fT = fu = max(S0 u − K, 0);
fT = fd = max(S0 d − K, 0).
4 Valoración de opciones mediante modelos binomiales.
fu − fd
∆= (2.1.1)
S0 u − S0 d
Un portafolio sin riesgo debe tener una ganancia dada por la tasa de interés libre de
riesgo r. El valor presente del portafolio es (S0 u∆ − fu )e−rT . El costo de formar el
portafolio es S0 ∆ − f .
de donde
f = S0 ∆ − (S0 u∆ − fu )e−rT .
Sustituyendo ∆ de la ecuación (2.1.1) resulta que el valor de la opción está dado por:
donde
erT −d
pu = u−d
(2.1.3)
pu + pd = 1
A pesar de que no necesitamos hacer ningún supuesto sobre las probabilidades de los
movimientos de subida y bajada al obtener la ecuación (2.1.2), es natural interpretar
a la variable pu como la probabilidad de una subida en el precio del activo. La variable
pd es la probabilidad de bajada y la expresión pu fu + pd fd es el valor esperado de
la opción. Con esta interpretación de pu , la ecuación (2.1.2) establece que un flujo
financiero en un futuro de la opción se puede valuar descontando su valor esperado a
la tasa de interés libre de riesgo.
2.3. Modelo de varios perı́odos. 5
E(ST ) = pu S0 u + pd S0 d
E(ST ) = S0 erT
demostrando que el precio de los activos crece en promedio a la tasa de interés libre de
riesgo. Establecer la probabilidad de una subida igual a pu es, por lo tanto, equivalente
a asumir que la ganancia esperada de los activos es igual a la tasa de interés libre de
riesgo.
Nos referimos a un mundo donde los individuos son neutrales al riesgo como mundo
neutral al riesgo. En este mundo los inversores no necesitan compensaciones por el
riesgo y la ganancia esperada sobre todos los valores es la tasa de interés libre de
riesgo. Un principio importante en la valuación de opciones se conoce como la valuación
neutral al riesgo. éste establece que para valuar opciones podemos, sin pérdida de
exactitud, suponer que el mundo es neutral al riesgo. Los valores que obtenemos son
correctos no sólo en un mundo neutral al riesgo, sino también en otros mundos.
1
S0 u2
1
S0 u PP
q
S0 P So ud
PP
q
1
S0 d PP
q
S 0 d2
Consideremos un modelo binomial (árbol) con N pasos (Figura 2.3). Al instante inicial
el precio del activo S0 es conocido; tenemos una opción europea de tipo call con precio
de ejercicio K y con valor f00 que queremos determinar, y N δt = T es el tiempo de
vencimiento de la opción.
El modelo binomial que obtenemos de esta forma representa los movimientos de precio
del activo de la forma llamada de riesgo neutro, o que no tiene oportunidades de
arbitraje.
En el perı́odo iδt, 0 ≤ i ≤ N hay i + 1 valores posibles del activo que son S0 uj di−j ,
j = 0, ..., i. Sea fij el valor de la opción en el nodo (i, j) donde i se refiere al perı́odo
iδt, (i = 0, ..., N ) y j es el nodo, j en el perı́odo iδt para j = 0, ..., i (el número del nodo
crece al subir en el árbol binomial). El precio del activo en el nodo (i, j) es S0 uj di−j .
2.3. Modelo de varios perı́odos. 7
pp S0 uN
3 p
ppp:
S
0 u p ppppp
: z
2
S0 u XX pp S0 uN −1 d
p p p:
:
X
z
X 2
:
S0 u XXX : 0S u d p pzpp
S0 XX
z
X
So ud X ..
XX :
XX pp: pp .
z
X z
X 2
S0 d XX :
S 0 ud p p pz
pp
XX
S 0 d2 X X S0 uN −1 d
z
pp
p p p:
3 p
XXz
S0 d p p p p p p
zp
S0 dN
Podemos como en el caso de dos perı́odos ir ahora hacia atrás en el tiempo (con i
decreciendo) y obtenemos
De esta forma obtenemos el valor de la opción f00 al instante inicial 0. Esta forma de
evaluar la opción es muy conveniente desde el punto de vista computacional. Usando
las fórmulas anteriores podemos expresar f00 en terminos de los valores de la opción
al tiempo de vencimiento en la forma siguiente:
Veamos ahora otra forma de expresar el valor de la opción al instante cero. El valor
del activo al perı́odo N δt es
SN j = S0 uj dN −j , j = 0, 1, ..., N.
SN j = S0 uY dN −Y ,
8 Valoración de opciones mediante modelos binomiales.
fT = max(SN j − K, 0) = max(S0 uY dN −Y , 0)
fN j = max K − Suj dN −j , 0 , j = 0, 1, ..., N
Hay una probabilidad p de moverse del nodo (i, j) en el momento i∆t hasta el nodo
(i + 1, j + 1) en el momento (i + 1)∆t. Suponiendo que no se produce el ejercicio antes
del vencimiento, la valoración neutral al riesgo nos dará:
2.4. Opciones americanas 9
para 0≤i≤N − 1, 0≤j≤i. Cuando se tiene en cuenta el ejercicio antes del vencimiento,
este valor para fij debe compararse con el valor intrı́nseco de la opción, y obtendremos:
¦ ©
fij = max K − Suj di−j , e−r∆t [pfi+1,j+1 + (1 − p)fi+1,j ]
Nótese que debido a que los cálculos empiezan en el momento T y funcionan hacia
atrás, el valor en el tiempo i∆t no sólo toma el efecto de las posibilidades de ejercicio
antes del vencimiento en el momento i∆t, sino también el efecto del ejercicio antes
del vencimiento en subsecuentes momentos. En el lı́mite, cuando ∆t tiende a cero se
obtiene un valor exacto para la opción americana.
10 Valoración de opciones mediante modelos binomiales.
Capı́tulo 3
La Transformada de Fourier
3.1. Caso discreto.
Si a = [a0 , a1 , ..., an−1 ] definimos rev(a) como a tomada en orden inverso, es decir,
como el vector dado por
rev(a) = [a0 , an−1 , ..., a1 ].
Usamos la notación
F(a) = b
12 La Transformada de Fourier
y usamos la notación
ã = F −1 (b̃).
y recı́procamente
F −1 es la inversa de F, es decir
√
F(a ⊗ b) = nF(a)F(b) (3.1.6)
√ −1
F −1 (a ⊗ b) = nF (a)F −1 (b) (3.1.7)
3.2. Caso continuo. 13
f ∈ L1 (R)of ∈ L1 (C)
Z ∞
Esta integral tiene sentido, pues el integrando es una función integrable. Una estimativa
simple demuestra que la transformada de Fourier F(f ) es una función acotada. Además
por medio del teorema de convergencia dominada puede demostrarse que F(f ) es
continua.
Z ∞
Cambio de escala:
1 ξ
F{f (at)}(ξ) = · F{f }
|a| a
14 La Transformada de Fourier
Traslación:
1 Z +∞
(f ∗ g)(x) = √ f (y) · g(x − y) dy.
2π −∞
Nuevamente la presencia del factor delante de la integral simplifica el enunciado de
los resultados como el que sigue: Si f y g son funciones absolutamente integrables, la
convolución también es integrable, y vale la igualdad:
GN −1 = GN ⊗rev(pe−rδt ) (4.1.1)
Aplicando las fórmulas (2.3.4) y (2.1.3) podemos encontrar, hacia atrás los valores
sucesivos de los vectores de ganancia de la opción:
(N −j) veces
z }| {
Gj = GN ⊗ rev(p)⊗ · · · ⊗rev(p) e−jrδt (4.1.2)
Los vectores Gj calculados de esta forma tienen más entradas de las necesarias. Las
entradas útiles son las j + 1 de la parte superior de cada vector. Podemos usar ahora
las propiedades (3.1.6) y (3.1.7) para la valoración de opciones.
(N veces)
z }| {
f00 = G0 = GN ⊗ rev(p)⊗ · · · ⊗rev(p) eN rδt
16 La transformada de Fourier y el modelo binomial
√
f00 = G0 = F(F −1 (GN )×( N + 1F(p)e−rδt )N ). (4.1.3)
Además como los papeles de la transformada y su inversa son simétricos, también
tenemos
√
f00 = G0 = F −1 (F(GN )×( N + 1F −1 (p)e−rδt )N ). (4.1.4)
F(a)
fft(a)≡ √ , (4.2.2)
n
Donde n es la dimensión del vector a. La formula (4.1.4) para la valoración de opciones
es, suponiendo que ya se han definido los vectores GN y b:
G_0=ifft(fft(G_N).*(((N+1)*ifft(b)).^N)); (4.2.3)
sprintf ’precio de no arbitraje en t=0 es %0.2f’ G_0(1);
4.2. Uso de la transformada rápida de Fourier (F F T ) 17
Precio de Ejercicio K Valor call por F F T discreto Valor call por M. binomial
K = 0.1 0.9020 0.9020
K = 0.2 0.8049 0.8049
K = 0.3 0.7118 0.7118
K = 0.4 0.6256 0.6255
K = 0.5 0.5475 0.5475
K = 0.6 0.4791 0.4791
K = 0.7 0.4189 0.4189
K = 0.8 0.3664 0.3664
K = 0.9 0.3206 0.3206
K = 1.0 0.2802 0.2802
K = 1.1 0.2473 0.2472
K = 1.2 0.2177 0.2177
K = 1.3 0.1915 0.1916
K = 1.4 0.1700 0.1700
K = 1.5 0.1498 0.1498
K = 1.6 0.1336 0.1336
K = 1.7 0.1186 0.1186
K = 1.8 0.1056 0.1057
K = 1.9 0.0947 0.0947
K = 2.0 0.0839 0.0839
K = 2.1 0.0758 0.0758
18 La transformada de Fourier y el modelo binomial
(c) Todos los incrementos ∆Wt = Wt+∆t − Wt sobre intervalos de tiempo que no
se superponen son independientes. Es decir, los desplazamientos Wt2 − Wt1 y
Wt4 − Wt3 son independientes para todo 0≤t1 < t2 ≤t3 < t4 .
E(Wt − Ws ) = 0, (5.1.1)
Notamos que (5.1.1) y (5.1.2) se puede derivar de la definición 5.1.1. Tenemos que
(5.1.2) también se conoce como:
Sea ∆t > 0 un incremento de tiempo constante. Para los casos discretos tj = j∆t el
valor Wt puede escribirse como la suma de incrementos ∆Wk ,
X
j
Wj∆t = (Wk∆t − W(k−1)∆t ) .
| {z }
k=1
=∆Wk
Los ∆Wk son independientes y por (5.1.1) y (5.1.3) normalmente distribuidos con
V ar(∆Wk ) = ∆t. Los incrementos ∆W con tal distribución pueden ser calculados de
la distribución normal estándar de números aleatorios Z. La implicación
√
Z ∼ N (0, 1) ⇒ Z ∆t ∼ N (0, ∆t)
√
∆Wt = Z ∆t para Z ∼ N (0, 1) para cada k. (5.1.4)
b(t) = b(tj−1 ) para tj−1 ≤t < tj y 0 = t0 < t1 < ... < tN = T. (5.2.1)
Una función como b(t) es llamada función escalonada. La ganancia comercial para el
subintervalo tj−1 ≤t < tj está dada por b(tj−1 )(Wtj − Wtj−1 ), y
N
X
b(tj−1 )(Wtj − Wtj−1 ) (5.2.2)
j=1
b(t)dWt .
0
N
X
|Wtj − Wtj−1 |
j=1
el cual es no acotado aun cuando la longitud de los subintervalos sea cero para N → ∞.
(N ) (N ) (N )
Sea t0 = t0 < t1 < ... < tN = T una sucesión de particiones de el intervalo
t0 ≤t≤T con
(N ) (N )
δN = maxj (tj − tj−1 ) (5.2.3)
entonces
N
X
lı́m (Wtj − Wtj−1 )2 = T − t0 . (5.2.4)
δN →0
j=1
Demostración.
P
La afirmación (5.2.4) significa convergencia en media. Porque de ∆tj = T − t0
tenemos que mostrar
2
X
E ((∆Wt )2 − ∆tj ) → 0 para δN → 0.
j
X
2 (∆tj )2
j
Esto puede ser acotado por 2(T − t0 )δN , con lo cual se completa la prueba. 2
22 Ecuación diferencial estocástica.
f (s)dWs
t0
Para una función escalonada b de (5.2.1) puede ser definida una integral a través de
la sumatorı́a (5.2.2),
Z t N
X
b(s)dWs = b(tj−1 )(Wtj − Wtj−1 ). (5.2.6)
t0 j=1
Esta es la integral de Itô de una función escalonada b. En el caso que b(tj−1 ) sean
variables aleatorias, se dice que b es un proceso simple. Entonces la integral de Itô
nuevamente es definida por (5.2.6). Integrales estocásticas de funciones f pueden ob-
tenerse de procesos simples bn en el sentido
Z t
para los procesos simples bn definidos por (5.2.7). El valor de la integral es indepen-
diente de la elección de bn en (5.2.7).
5.3. Ecuación diferencial estocástica. 23
dWs = Wt − Wt0 .
t0
dx
= a(x, t) + b(x, t)ξt .
dt
Donde
a es la parte determinista,
Ṡ = µS
5.4. Lema de Itô e implicaciones. 25
Supongamos que Xt sigue un proceso de Itô (5.3.1), dXt = a(Xt , t)dt + b(Xt , t)dWt ,
∂g ∂ 2 g ∂g
y sea g(x, t) una función con , ,
∂x ∂x2 ∂t
continuas. Entonces Yt = g(Xt , t) sigue un
proceso de Itô con el mismo proceso de Wiener Wt :
∂g ∂g 1 ∂ 2 g 2 ∂g
a+
dYt = ( + 2
b )dt + b dWt (5.4.1)
∂x ∂t 2 ∂x ∂x
donde las derivadas de g y las funciones coeficientes a y b dependen en general de los
argumentos (Xt , t).
Demostración.
∂g ∂ 2 g
Podemos considerar que g, ,
∂x ∂x2
y ∂g
∂t
son acotadas, si aproximamos por una suce-
∂gn ∂ 2 gn
sión de funciones {gn } tal que gn , ∂x , ∂x2 y ∂g∂tn son acotadas para cada n y converge
∂g ∂ 2 g
uniformemente en los subconjuntos compactos de [0, ∞) × R a g, ∂x , ∂x2 y ∂g
∂t
, respec-
tivamente. Usando el teorema de Taylor tenemos
X
g(Xt , t) = g(X0 , 0) + ∆g(Xj , tj )
j
X ∂g X ∂g 1 X ∂ 2g
= g(X0 , 0) + ∆tj + ∆Xj + 2
(∆tj )2
j ∂t j ∂x 2 j ∂t
2
X ∂ g 1 X ∂ 2g 2
X
+ (∆tj )(∆Xj ) + (∆X j ) + Rj ,
j ∂t∂x 2 j ∂x2
∂g ∂g
donde , ,
∂t ∂x
etc. son evaluadas en los puntos (Xtj , tj ),
26 Ecuación diferencial estocástica.
Si ∆tj → 0 entonces
Z t
X ∂g ∂g
∆tj → ds (5.4.2)
j ∂t 0 ∂t
Z t
X ∂g ∂g
∆Xj → dXs . (5.4.3)
j ∂x 0 ∂x
X ∂ 2g X ∂ 2g X ∂ 2g X ∂ 2g
(∆X j )2
= a j
2
(∆tj )2
+ 2 aj b j (∆tj )(∆W j ) + b 2 (∆Wj )2 .
2 j
j ∂x2 j ∂x 2
j ∂x 2
j ∂x
(5.4.4)
Los primeros dos términos tienden a 0 cuando ∆tj → 0. (Por ejemplo,
X ∂ 2g 2
X ∂ 2g
E[( a b
j j (∆tj )(∆Wj )) ] = E[( aj bj )2 ](∆tj )3 → 0 cuando ∆tj → 0).
j ∂x2 ∂x2
X X
E[( uj (∆Wj )2 − uj ∆tj )2 ]
j j
X
E[ui uj ((∆Wi )2 − ∆ti )((∆Wj )2 − ∆tj )]
i,j
Si i < j entonces ui uj ((∆Wi )2 −∆ti ) y ((∆Wj )2 −∆tj ) son independientes, los términos
en este caso también desaparecen, y similarmente si i > j. Ası́ que nos quedamos con
X X
E[u2j ((∆Wj )2 − ∆tj )2 ] = E[uj 2 ] · E[(∆Wj )4 − 2(∆Wj )2 ∆tj + (∆tj )2 ]
j j
5.4. Lema de Itô e implicaciones. 27
X X
= E[uj 2 ] · (3(∆tj )2 − 2(∆tj )2 + (∆tj )2 ) = 2 E[uj 2 ] · (∆tj )2 → 0 cuando ∆tj → 0.
j j
(dWt )2 = dt.
P
El argumento anterior también demuestra que Rj → 0 cuando ∆tj → 0. Con esto
se completa la prueba de el lema de Itô.
2
Veamos algunos ejemplos de el lema de Itô.
I= Ws dWs
0
donde Xt = Wt y g(x, t) = 21 x2 . Luego
1
Yt = g(Wt , t) = (Wt )2 .
2
Entonces, por el lema de Itô,
∂g ∂g 1 ∂ 2g
dYt = dt + dWt + (dWt )2
∂t ∂x 2 ∂x2
1
= 0 + Wt dWt + (dWt )2
2
1
= Wt dWt + dt.
2
Donde
1 1
d( Wt 2 ) = Wt dWt + dt.
2 2
En otras palabras,
1 2 Zt 1
Wt = Ws dWs + t.
2 0 2
28 Ecuación diferencial estocástica.
sdWs .
0
Denotemos como
g(x, t) = tWt .
Yt = g(Wt , t) = tWt .
dYt = Wt dt + tdWt + 0
es decir
d(tWt ) = Wt dt + tdWt
o
Z t Z t
tWt = Ws ds + sdWs
0 0
Luego
Z t Z t
∂V ∂V 1 ∂ 2V 2 2 ∂V
dVt = ( µSt + + 2
σ St )dt + σSt dWt . (5.4.5)
∂S ∂t 2 ∂S ∂S
1
d(log(St )) = (µ − σ 2 )dt + σdWt .
2
Para esta ecuación diferencial estocástica lineal la esperanza E(Yt ) satisface la parte
determinista
d σ2
E(Yt ) = µ − .
dt 2
σ2
La solución de ẏ = µ − 2
con la condición inicial y(t0 ) = y0 es:
σ2
y(t) = y0 + (µ −
)(t − t0 ).
2
En otras palabras, la esperanza de el proceso de Itô Yt es:
σ2
)(t − t0 ).
E(log(St )) = log(S0 ) + (µ −
2
Análogamente, veamos de la ecuación diferencial estocástica E(Yt2 ) que la varianza
de Yt es σ 2 (t − t0 ). En vista de (5.3.2) la ecuación diferencial estocástica simple de Yt
implica que la fluctuación estocástica de Yt es σWt . Ası́ Yt está distribuida normalmente
con densidad
8 9
2
1 <
(Yt − y0 − (µ − σ2 )(t − t0 ))2 =
fˆ(Yt ) = È exp : .
σ 2π(t − t0 ) 2σ 2 (t − t0 ) ;
8 9
< σ2 2=
1 (log(S/S0 ) − (µ − 2
)(t − t0 ))
f (S; t − t0 , S0 ) = È exp : (5.4.6)
Sσ 2π(t − t0 ) 2σ 2 (t − t0 ) ;
σ2
Yt = g(Xt , t) = S0 exp((µ −
)t + σXt ).
2
De Xt = Wt se sigue la ecuación diferencial estocástica trivial con a = 0 y b = 1. Por
el lema de Itô
σ2 σ2
dYt = (µ − 2
)Yt dt + 2 t
Y dt + σYt dWt
(5.4.7)
= µYt dt + σYt dW.
Por consiguiente, el proceso
σ2
St = S0 exp((µ − )t + σWt ) (5.4.8)
2
resuelve la ecuación diferencial estocástica lineal (5.3.3).
Capı́tulo 6
Valoración de opciones por la
ecuación de Black-Scholes.
A principios de los setentas, Fisher Black y Myron Scholes realizaron un descubrimiento
cientı́fico de gran importancia en la valoración de opciones. Esto ha tenido una enorme
influencia en la manera en la que los participantes en el mercado fijan precios y cubren
con opciones.
∂V ∂V 1 ∂ 2V ∂V
dV = (µS + + σ2S 2 2
)dt + σS dW.
∂S ∂t 2 ∂S ∂S
Como los dos procesos estocásticos S y V tienen asociado el mismo movimiento brow-
niano W , el término estocástico se puede eliminar tomando una combinación lineal de
dS y dV .
32 Valoración de opciones por la ecuación de Black-Scholes.
Para esto formamos el portafolio que consiste de una posición en corto de la opción
(se vende o se suscribe la opción) y se compra ∆ unidades del bien subyacente con
precio S. El valor del portafolio es
Π = −V + ∆ · S. (6.1.2)
Sustituyendo dV y dS obtenemos
dΠ = −dV + Π · dS
(6.1.3)
∂V ∂V ∂2V
= (µS(∆ − ∂S
) + ∂t
+ 21 σ 2 S 2 ∂S 2 )dt + (− ∂V
∂S
+ ∆)σSdW.
Para
∂V
∆= (6.1.4)
∂S
El cambio en dΠ en el portafolio ocurrido en dt es el determinı́stico puro:
∂V 1 ∂ 2V
dΠ = −( + σ 2 S 2 2 )dt. (6.1.5)
∂t 2 ∂S
En esta ecuación ya no aparece el coeficiente µ.
dΠ = rΠdt,
y sustituyendo (6.1.2)
∂V
dΠ = (−rV + rS )dt. (6.1.6)
∂S
El principio de que no existe oportunidades de arbitraje requiere que la ganancia sin
riesgo de la ecuación (6.1.6) no puede ser mayor que la ganancia del portafolio dada
en (6.1.5)
∂V ∂V 1 ∂ 2V
−rV + rS ≤ −( + σ 2 S 2 2 ).
∂S ∂t 2 ∂S
6.1. La ecuación de Black-Scholes. 33
∂V 1 ∂ 2V ∂V
+ σ 2 S 2 2 + rS − rV ≤ 0.
∂t 2 ∂S ∂S
Si la opción no se puede ejercer antes de su vencimiento, podemos ver mediante ar-
gumentos de no arbitraje que las dos versiones de dΠ en (6.1.5) y (6.1.6) deben ser
iguales. Por lo tanto para opciones europeas las hipótesis del modelo resultan en la
famosa ecuación de Black-Scholes
∂V 1 ∂ 2V ∂V
+ σ 2 S 2 2 + rS − rV = 0. (6.1.7)
∂t 2 ∂S ∂S
∂V
Notemos que la ecuación de ∆ = ∂S
dá una estrategia para eliminar el riesgo en el
portafolio (6.1.2) que se encuentra en las fluctuaciones estocásticas y en el coeficiente µ
del activo subyacente. En este sentido la modelación de V es de riesgo neutro. El único
parámetro que refleja el comportamiento estocástico en la ecuación de Black-Scholes
es la volatilidad σ.
∂V
La delta ∆ = ∂S
juega un papel crucial en la cobertura de portafolios, siendo el
número de unidades del activo que hace que el portafolio (6.1.2) no tenga riesgo. En
el análisis anterior, delta fue constante en el intervalo dt. En el perı́odo de tiempo
siguiente, ∆ puede tomar valores diferentes. Se trata de una estrategia dinámica de
cobertura, ∆ = ∆(S, t).
La ecuación de B-S tiene solución mediante la fórmula cerrada. Para una call europea
con una tasa continua de dividendos δ las fórmulas son:
S 2
log( K ) + (r − δ + σ2 )(T − t)
a = √ ,
σ T −t
√
b = a − σ T − t,
La delta de (6.1.4) es un ejemplo de las griegas. Otras cantidades que se pueden obtener
apartir de V son
∂ 2V ∂V ∂V ∂V
gamma = 2
, theta = , vega = , rho = .
∂S ∂t ∂σ ∂r
Se puede encontrar expresiones analı́tica para estas derivando (6.1.8). Las griegas son
σ2
ST = S0 e((r− 2
)T +σWT )
(6.2.3)
σ2
ln(ST ) = ln(S0 ) + (r − )T + σWT
2
Entonces tenemos que la distribución de sT = ln(ST ) es normal, es decir
σ2
ln(ST ) ∼ N (ln(S0 ) + (r − )T, σ 2 T ).
2
Ahora bien, usando la definición (6.2.1) obtenemos que φT está dada en este caso por:
σ2 2 2
)T )− σ T2 u
φT (u) = E[eiu(ln(S0 )+(r− 2 ]
El valor inicial de una opción call europea está relacionada con la densidad qT (s) por:
Z ∞
para α > 0. Para ciertos valores de α > 0, cT (k) será cuadrado integrable en R. Se
puede tomar α = 1· 65 para satisfacer la condición de que cT (k) sea cuadrado integrable.
R∞ R∞
ψT (v) = −∞ eivk k e−rT (es − ek )qT (s)dsdk
R∞ R∞
= −∞ e−rT qT (s) s (es+αk − e(1+α)k )eivk dkds
(6.2.6)
R∞ (α+1+iv)s e(α+1+iv)s
= −∞ e−rT qT (s)[ e α+iv
− α+1+iv
]ds
e−rT φT (v−(α+1)i)
= α2 +α−v 2 +i(2α+1)v
.
Z ∞ Z ∞
e−αk e−αk
CT (k) = e−ivk ψT (v)dv = e−ivk ψT (v)dv. (6.2.7)
2π −∞ π 0
La segunda igualdad se cumple porque CT es real, lo que implica que la función ψT (v)
es impar en su parte imaginaria y par en su parte real. Los valores de la opción call
se determinan sustituyendo (6.2.6) en (6.2.7) y realizando la integración requerida. La
integración de (6.2.7) es una transformada directa de Fourier, y esto nos lleva a una
aplicación de la tranformada F F T .
y tenemos que:
R ∞ Ra R ∞
0 e−ivk ψT (v)dv − 0 e−ivk ψT (v)dv = a e−ivk ψT (v)dv
R∞
≤ a |ψT (v)| dv.
6.2. Modelos continuos. 37
Además:
R ∞
|φT (v − (α + 1)i)| = −∞ eisv e(α+1)s qT (s)ds
R∞ (α+1)s
≤ −∞ e T q (s) ds
= E[e(α+1)sT ]
= E[STα+1 ].
A
|ψT (v)dv|2 = .
v4
Por lo tanto
Z ∞
√
A
|ψT (v)| dv ≤ ,
a a
Veamos una forma de calcular numéricamente el valor de una opción call. Aproxima-
mos el lado derecho de (6.2.7) usando la regla trapezoidal con vj = η(j − 1):
e−αk N
X
CT (k) ≈ e−ivj k ψT (vj )η. (6.3.1)
π j=1
a = Nη (6.3.2)
Nλ
b= (6.3.4)
2
e−αku N
X
CT (ku ) ≈ e−ivj (−b+λ(u−1)) ψT (vj )η, para u = 1, ..., N. (6.3.5)
π j=1
e−αku N
X
CT (ku ) ≈ e−iλη(j−1)(u−1) eibvj ψT (vj )η. (6.3.6)
π j=1
6.3. Valoración de opciones con la transformada rápida de Fourier. 39
2π
λη = . (6.3.7)
N
e−αku N
X 2π η
CT (ku ) = e−i N (j−1)(u−1) eibvj ψT (vj ) (3 + (−1)j − δj−1 ), (6.3.8)
π j=1 3
donde δn es la delta de Kronecker que vale uno si n = 0 y cero en otro caso. La suma
en (6.3.8) permite una aplicación exacta de la F F T a la sucesión
η
xj = (−1)j−1 ψT (vj ) (3 + (−1)j − δj−1 ), para j = 1, ..., N. (6.3.9)
3
40 Valoración de opciones por la ecuación de Black-Scholes.
En todas las valuaciones utilizamos los siguientes datos r = 0.02, σ = 0.7, T = 1. Los
resultados obtenidos se presentan en la siguiente tabla:
Precio de Ejercicio K Valor call por F F T continuo Valor call por Ec. B-S
K = 0.1 0.8237 0.9020
K = 0.2 0.7528 0.8049
K = 0.3 0.6767 0.7118
K = 0.4 0.6009 0.6255
K = 0.5 0.5299 0.5477
K = 0.6 0.4655 0.4788
K = 0.7 0.4083 0.4185
K = 0.8 0.3581 0.3659
K = 0.9 0.3142 0.3204
K = 1.0 0.2761 0.2809
K = 1.1 0.2429 0.2468
K = 1.2 0.2141 0.2172
K = 1.3 0.1891 0.1916
K = 1.4 0.1673 0.1694
K = 1.5 0.1484 0.1501
K = 1.6 0.1318 0.1332
K = 1.7 0.1174 0.1185
K = 1.8 0.1047 0.1057
K = 1.9 0.0935 0.0944
K = 2.0 0.0838 0.0845
K = 2.1 0.0751 0.0757
6.4. Ejemplo Numérico 41
Conclusiones
Nos podemos dar cuenta que el uso de la transformada rápida de Fourier para evaluar
opciones presenta ventajas debido a su gran rapidez, y porque en una sola aplicación
se obtienen valores simultáneos del precio de la opción para varios valores del precio de
ejercicio. El método se puede aplicar también a modelos más generales, como son los de
volatilidad estocástica, y modelos que incluyen un proceso estocástico de saltos en el
proceso de precios. En general para modelos financieros continuos, necesitamos conocer
fórmulas explı́citas para la función caracterı́stica, es decir la transformada de Fourier,
del logaritmo del precio del bien subyacente. El uso de transformadas de Fourier es
actualmente una herramienta muy usada para el cálculo numérico de valoración de
opciones.
Apéndice A
Códigos del algoritmo de la FFT
Los códigos del algoritmo de la FFT presentados a continuación están realizados en
MATLAB 7.0.
resultado=zeros(21,1);
resultado1=zeros(21,1);
X=0;%precio de ejercicio
X1=zeros(21,1);
deltaT=T/N;
u=exp(v*sqrt(deltaT));
d=1/u;
p=(exp(r*deltaT)-d)/(u-d);
44 Códigos del algoritmo de la FFT
for k=1:21,
X=X+0.1;
X1(k)=X
qu=p;
qd=1-p;
Cmat=zeros(N+1,N+1);
Cmat(1,1)=S;
for i=1:N,
for j=1:i,
parentprice=Cmat(j,i);
Cmat(j,i+1)=u*parentprice;
Cmat(j+1,i+1)=d*parentprice;
end
end
Cmat;
if CallPutFlag==’c’,
CN=max(Cmat(:,N+1)-X,0);
else
CN=max(X-Cmat(:,N+1),0);
end
q=CN*0;
q(1)=qu;
q(2)=qd;
A.1. Código FFT binomial 45
q=q/exp(r*deltaT);
C0 = ifft( fft(CN).*(((N+1)*ifft(q)).^N) );
option_price=real(C0(1));
resultado(k)=option_price;
end
%------------------------------------------------------------------
%Función para cálculo del valor de la opción por el modelo binomial
%------------------------------------------------------------------
function [price,lattice]=LatticeEurCall(S,X,r,T,v,N)
deltaT=T/N;
u=exp(v*sqrt(deltaT));%v=sigma
d=1/u;
p=(exp(r*deltaT)-d)/(u-d);
lattice=zeros(N+1,N+1);
for j=0:N
lattice(N+1,j+1)=max(0,S*(u^j)*(d^(N-j))-X);
end
for i=N-1:-1:0
for j=0:i
lattice(i+1,j+1)=exp(-r*deltaT)*...
(p*lattice(i+2,j+2)+(1-p)*lattice(i+2,j+1));
end
end
price=lattice(1,1);
46 Códigos del algoritmo de la FFT
%T: vencimiento
%sigma: volatilidad
%r: tasa de interés libre de riesgo
%S: precio inicial del bien o acción
resultado=zeros(21,1);
resultado1=zeros(21,1);
X1=zeros(21,1);
X=0;%Precio de ejercicio
S=1;
alpha=1.65;
T=1;
sigma=0.7;
r=0.02;
CallPutFlag=’c’; %c para call y p para put
for i=1:21,
X=X+0.1;
X1(i)=X;
K=X/S;
N=2^12;
eta=0.005;
lambda=(2*pi)/(N*eta);
v=0 : eta : ((N-1)*eta);
b=(N*lambda)/2;
tmp=zhi(v).*exp(1i*v*b)*eta;
jvec=1:N; %Aplicando la regla de Simpson.
tmp=(tmp/3).*(3+(-1).^jvec+ ((jvec-1)==0));
ft=fft(tmp);
ft=ft’;
ku=-b : lambda : ((N-1)*lambda-b);
ku=ku’;
cpvec=(exp(-alpha*ku).*ft)/pi;
x=ku;
y=cpvec;
xi=log(K);
if CallPutFlag==’p’,
option_price_fft=call_price_fft+X*exp(-r*T)-S;
else
option_price_fft=call_price_fft;
end
resultado(i)=option_price_fft;
end
48 Códigos del algoritmo de la FFT
%------------
%Función zhi
%------------
%------------
%Función kar
%------------
%----------------------------------------------------------
%Fórmula para cálculo del valor de la opción por la Ec. B-S
%-----------------------------------------------------------
function [ret]=BlackScholesPrice(CallPutFlag,S,X,T,r,sigma)
b=r;
d1 = (log(S / X) + (b + sigma ^ 2 / 2) * T) / (sigma * T^0.5);
d2 = d1 - sigma * T^0.5;
if CallPutFlag == ’c’ ,
ret = S * normcdf(d1) - X * exp(-r * T) * normcdf(d2);
else
ret = X * exp(-r * T) * normal_cdf(-d2) - S * normcdf(-d1);
Bibliografı́a
[1] Carr, P. and Madan, D.,Option valuation using the fast Fourier trans-
form, Journal of Computational Finance, 2, 1999.
[3] Cohn, Donald L., Measure Theory, Birkhäuser, New York, 1980.
[4] Hull, John C., Options, Futures and Other Derivatives. Prentice Hall,
New Jersey, 2003.
[9] Seydel, R., Tools Computational Finance, Springer, New York, 2001.
[10] Sneddon, Ian N., Fourier Transforms, McGraw-Hill, New York, 1995.
49