Mtodos Matemticos para la Economa y la Empresa

SOBRE EL CLCULO ESTOCSTICO Y LA MODELIZACIN FINANCIERO-ACTUARIAL

Julio Garca Villaln

Departamento Economa Aplicada (Matemticas) Universidad de Valladolid.

Palabras claves: Procesos estocsticos; filtracin; cadena de Markov; martingala; Matemtica Financiera; operaciones de seguros; integral estocstica; ecuacin diferencial estocstica e integracin de It.

359

Villaln J. G.

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.

360

Mtodos Matemticos para la Economa y la Empresa

Si T es numerable, {X n}n =1 , 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

{X }

t t0

,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

361

Villaln J. G.

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 Markov y n =(X1, X2,..., Xn), entonces: E[Xn+m/n]=E[Xn+m/ X1, X2,.., Xn] =E[Xn+m/ Xn]

{X }

n n =1

es una cadena de

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) y b) T, es el momento en el que el proceso {Xt} toma su valor mximo. T, es el primer momento del proceso {Xt} en el que toma el valor 150

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.

362

Mtodos Matemticos para la Economa y la Empresa

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

Una consecuencia de la b) es que: E[Xt]=E[Xr] 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. para todo t y r

363

Villaln J. G.

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 mas 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:
0 = activo

x
1 = fallecido

Figura 1: Un modelo bi-estados de supervivencia 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 y las " esperanzas

financiero. En particular las "integrales estocsticas"

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 ".

364

Mtodos Matemticos para la Economa y la Empresa

Los procesos estocsticos numerables La fig. 1 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.

365

Villaln J. G.

1,5

1,0

0,5

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.

366

Mtodos Matemticos para la Economa y la Empresa

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) =
tS (T )

d N01(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: N01(t) =
t S T

( d) N01(t) =

d N01(t)

(2)

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.

367

Villaln J. G.

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 X=
0

vt dN01(t)

(3)

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: Y=
0

vI

(t )dt

(4)

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: X(T)=

vt dN01(t)

Y(T)=

vI
t 0

(t )dt

(5)

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

368

Mtodos Matemticos para la Economa y la Empresa

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 (6)

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: L= dL (t ) =
0 T

C 01 (t ) d

N 01 (t ) + N
01

c 0 (t ) I 0 (t ) dt
T

(7)

Y el valor del montante de pago en el momento 0, denotado V0(t) ser: V0(t)=

v dL (t ) = v t C
t 0 0

01

(t ) d

(t ) +

t v c (t ) I
0

(t ) dt

(8)

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): V(r)=

v dL(t) = vtC (t)d N v v

t r 0 r 0 01

01

(t) +

r 0

vt c (t) I
0

(t)dt

(9)

369

Villaln J. G.

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) c) Nuestra -lgebra "total" es la unin de todas las t. 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: Ep 0

vdN

(t ) = 01 0

v E [d N
t p

(t ) = 01

v P[d N
t

(t ) = 1 = 01

vtp
t x

x+t

dt ( 10 )

370

Mtodos Matemticos para la Economa y la Empresa

0 = activo

01 x

1 = invlido

02 x

10 x

12 x

2 = fallecido Fig.3: Un mdulo de invalidez-fallecimiento

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: EP*[X]=
0

v t px

* + t dt x

( 11 )

Los valores actuariales de las rentas se expresan fcilmente: EP[Y]=

0

px

dt

( 12 )

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

371

Villaln J. G.

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

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.

372

Mtodos Matemticos para la Economa y la Empresa

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) = N01(t) -

I
0

(r)

dr

( 13 )

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: d M01(t) = d N01(t) - I0(t)tdt Ep[d M01(t)] = Ep[d N01(t)] - Ep[I0(t)tdt]=0 ( 14 ) ( 15 )

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: M*01(t) = N01(t) -

I
0

(r)

* r

dr

( 16 )

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 0

* x + r

dr

).

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: M01(t) = N01(t) -

I
0

( r ) dr

( 17 )

Pero las dos cantidades del segundo miembro son el n de fallecimientos N01(t) y el tiempo total utilizado en el riesgo

I
0

( r ) dr , mas conocido como el central

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)

373

Villaln J. G.

Para modelos ms complicados obtenemos un conjunto de martingalas, una para cada posible transicin (del estado j al k) de la forma Mjk(t) = Njk(t) que tienen todas las mismas propiedades

I
0

( r ) rjk dr ( 18 )

4.5.- Los valores actuariales de las reservas por los mtodos prospectivo y retrospectivo Partiendo de la ecuacin (9) V(r)=v-r

v
0

dL ( t )

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 : EP[V(r)|r]=EP[ 1 1 ( 19 )

v
0

dL ( t ) / r ] 1 vt

= EP [

v
0

dL ( t ) / r ]+EP[

v dL ( t ) /
t 0

( 20 )

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

374

Mtodos Matemticos para la Economa y la Empresa

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; Wolthius-

Hoen,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 :

375

Villaln J. G.

La Reserva Retrospectiva =

r 0

v t dL ( t )

( 21 )

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. Hemos dedicado algn tiempo a las Reservas Retrospectivas, porque es un ejemplo de la mayor claridad segn una formulacin matemtica cuidadosa del proceso que se est modelizando, en este caso la historia vitalicia.

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:

(tp x ) = tp t
b)

( 22 )
x+t

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: d/dt tVx = tVx + Px - ( 1- tVx ) x+t ( 23 )

que tiene una interpretacin muy intuitiva. En efecto, es el equivalente en tiempo continuo a la frmula de las Reservas Recurrentes para los actuarios.

376

Mtodos Matemticos para la Economa y la Empresa

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

377

Villaln J. G.

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 la

mortalidad estn crecientemente conducidos hacia los instrumentos de procesos numerables, por la misma razn que en el apartado a).

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 ST 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 cuenta corriente 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

378

Mtodos Matemticos para la Economa y la Empresa

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 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:

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

a a

Si se estn negociando futuros a V 0 , donde V 0 >V 0 , entonces podemos vender un derivado al precio actuarial y utilizar una cantidad V 0 para construir la cartera (A,B) en el momento 0.

379

Villaln J. G.

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 y V 0 es el beneficio garantizado sin ningn riesgo. Anlogamente, si V 0 <V 0 , podemos obtener beneficios mediante arbitraje.
a

Evidentemente, ninguna de estas situaciones podra persistir durante algn tiempo debido a que la demanda para tales contratos que se negocian a precio hacia

a 0

, impulsaran el

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

a 0

al vendedor, si este fuera mayor que

, pero no podramos vender a tal precio. Anlogamente, podramos fcilmente vender

una cantidad si

V <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 0 , debemos establecer de tal forma que V 0
a

sea igual a

. 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.

380

Mtodos Matemticos para la Economa y la Empresa

Eligiendo para igualar

a 0

y V 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 sea igual a V 0 .
a

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 (ver Fig.6)

381

Villaln J. G.

S0u4

S0u3

S0u2

S0u3d

S0u

S0u2d

S0

S0ud S0ud2

S0u2d2

S0d S0d2

S0ud3 S0d3

S0d4

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. 382

Mtodos Matemticos para la Economa y la Empresa

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: Vt = e-r(n-t) EQ [c(StuNn -Nt d(n-t)-(Nn-Nt))| Nt] = e-r(n-t)
n t

c
k =0

(Stu k dn-t-k)

(n t )! qk (1-q)n-t-k k!(n t k )

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". 383

Villaln J. G.

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
0

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:

384

Mtodos Matemticos para la Economa y la Empresa

Xt = X0 +

m( u, Xu)du

r( u, Xu)dZu

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: t = F(Xt,t) Entonces, si suponemos que Xt e t son procesos de difusin con dXt = ( Xt ,t)dt + ( Xt ,t)dZt e t = f(Xt ,t) para cierta funcin f(t,r) dt = 2 f f f ( Xt ,t)dt + ( Xt ,t)dXt + 1/2 2 ( Xt ,t) ( Xt ,t)2 dt t x x

En el caso particular de que Xt = Zt e t = exp(at+bXt) = f(Xt ,t) se tendra que: f = a exp (at+bx) = a f(t, x) t f = b f(t, x) x

f
2

= b2 f(t, x)

y, por tanto, por el Lema de It: dt =at dt + bt dXt +1/2 b2 t dt =(a+ 1 2 b ) t dt+bt dZt 2

385

Villaln J. G.

5.4 Un modelo en tiempo continuo ( El modelo de valoracin de opciones de BlackScholes ) 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[(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[(r1 2 )t+Zt], donde Zt(t) es un movimiento Browniano estndar segn Q. 2 1 )t+ Zt], donde Zt es un 2

Continuando la analoga con el modelo binomial ( vase Baxter-Rennie ( 1996 )) 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

386

Mtodos Matemticos para la Economa y la Empresa

c( r ) = max { r-k, 0 }. Entonces, utilizando una propiedad de la distribucin log- normal obtenemos la frmula de Black-Scholes: Vt=S1 (d1)-ke-r(T-t) (d2) donde (y) = 1 2

dr , es decir, la distribucin normal.

donde

St 1 log + (r + 2 (T t ) k 2 d1 = T-t

d2 = d1 - T t

Un desarrollo ms detallado de la valoracin y cobertura de los derivados en tiempo continuo se puede ver en Mallaris|Brock ( 1995 ).

Bibliografa ARNOLD, 1. ( 1974. Stochastic Differential Equations, Wiley. BAXTER, M.,& RENNIE, A. ( 1996 ). Financial calculus. Cambridge Universty Press. BLACK F.-SCHOLES M., The pricing of options and corporate liabilities.Journal of political Economy. 81. 1973. COX, D.R.,MILLER, H.D., ( 1965 ). The theory of stochastic processes. Wiley. DELLACHERIE and MEYER ( 1978 , 1982 ): Probabilities and Potencial : Theory of martingales, North Holland. DUFFIE, D. ( 1998 ). Security markests: Stochastic models. Academic Press. ELLIOT,R.J. ( 1982 ). Stochastic models. Academic Press. GRIMMETT, G.R.,ESTIRZAKER,D.R ( 1992 ). Probability and random processes ( 2nd edition ). Oxford University Press. HARRYSON J.M.,KREPS D.M( 1979 ), Martingales and arbitrage in multiperiod Securities markets. Journal of economic teory, 20 pp. 381-408. HOEN, J.M ( 1969 ) Markov chain models in life insurance. Bltter der Destschen Versiche rungs mathematik 9,pp.91-107 HOEM J.M. & AALEN,O.O.(1978). Actuarial values of payment streams Skandinavial Journal. 1978,pp.38-47 IT,K. ( 1994 ). Stochastic integral. Proceedings of the Imperial Academy. Tokyo Vol. 20

387

Villaln J. G.

JORDAN, C. W ( 1967 ). Life contingencies. Society of actuaries. KULKARNI, F.G ( 1995 ). Modeling and analysis of Stochastic Systems, ChapmanHall,London. MACDONALD, A.S. ( 1996 ). An actuarial survey of statistical models for decrement and transitionion. British Actuarial Journal 2 pp.129-155 y 703-726. MALLIARIS-BROCK (1982). Stochastic methods in Economics and Finance. North Holland. MOLLER, T. ( 1998 ). "Risk-minimising hedging strategies for unit-linked lif insurance contracts". ASTIN Bulletin 28, pp. 17-47. NEVEU, J. ( 1965 ). Bases mathematiques du calcul des probabilis. Masson. NORBERG, R. ( 1991 ). "Reseves in life and pension insurance. Scandinavian Actuarial Journal, 1991, pp.3-24. NORBERG, R. ( 1995 ). Differential equations for moments of present values in life insurance. Insurance: Mathematics & Economics 17,pp.171-180. OKSENDAL, B. ( 1998 ). Stochastic, Differential Equations, 5th Edition. SpringerVerlag. Berlin. PARZEN, E. ( 1962 ). Stochastic processes. Holden Day. ROSS, S.A. ( 1976 ). The arbitrage theory of capital asset pricing. Journal of Economic Theory, 13, pp. 341-360. SHARPE, W. ( 1964 ). Capital asset prices: a theory of market equilibrium under conditions of risk. Journal of Finance, 19, pp. 425-442. WILLIAMS, D. ( 1991 ). Probability with martingales. Cambridge University Press. WOLTHUIS, H.-HOEM, J.M. ( 1990 ). The retrospective premium reserve. Insurance: Mathematics-Economies 9, pp. 229-234.

388