Documentos de Académico
Documentos de Profesional
Documentos de Cultura
31
1. INTRODUCCIN
Cuenta Aristteles en su Poltica (1259a) como a Tales de Mileto se le reprochaba, por su
pobreza, lo intil que era su amor a la sabidura pues, previendo, gracias a sus conocimientos de Astronoma, que habra una buena cosecha de aceitunas cuando todava era invierno,
entreg fianzas, con el poco dinero que tena, para arrendar todos los molinos de aceite de
Mileto y Quos, alquilndolos por muy poco dinero ya que no tena ningn competidor.
Cuando lleg el momento oportuno, muchos los buscaban a la vez y apresuradamente, y l
los realquil en las condiciones que quiso, y, habiendo reunido mucho dinero, demostr que
es fcil para los filsofos enriquecerse, si quieren, pero no es eso por lo que se afanan.
Los ejemplo histricos que muestran el aprovechamiento de los conocimientos cientficos y
tcnicos para conseguir grandes beneficios son numerosos. podemos citar el industrial, cientfico e inventor prusiano Werner Siemens que reuni su fortuna principalmente en el campo
de la industrial de la electricidad y que, en la exposicin de Berln de 1879, hizo la primera
demostracin prctica del tren elctrico, pasando por Bill Gates o quiz el ltimo ejemplo
conocido del famoso buscador en internet Google, los fundados de esta compaa: Larry Page
y Sergey Brin, que siendo todava estudiantes de la Universidad de Stanford disearon el algoritmo matemtico PageRank que es la base del exitoso buscador. El lector interesado puede
encontrar una breve explicacin de su funcionamiento en [6].
A pesar de su nombre la Matemtica Financiera es una disciplina que no ha servido para
construir grandes fortunas personales, que se conozcan, su objetivo pretende ordenar y regular
los actuales y muy complejos mercados financieros. Se trata de una disciplina moderna, por
ejemplo la frmula de Black-Scholes es de 1973, y fundamentalmente se ocupa de los mercados de derivados, que son productos cuyo precio depende de la cotizacin en ese momento
de otro activo, el denominado activo subyacente. Los derivados ms conocidos son los futuros
y las opciones de las que [4], [5] y [9] son referencias clsicas.
La Matemtica Financiera es una disciplina que escasamente aparece en los planes de estudio
de las Facultades de Ciencias o Matemticas, aunque ya existen algunos masters que se ocupan de ellas, consideramos que los nuevos planes de estudio es una buena oportunidad para
que aparezca al menos como asignatura optativa porque seguramente su incorporacin en el
curriculum acadmico de los alumnos, abrira nuevos campos profesionales.
229
M. Gilsanz y F. Vadillo
230
231
M. Gilsanz y F. Vadillo
Ahora el logaritmo de la razn de los precios puede ser negativa pero no los precios de los
stocks, y adems es el logaritmo de la razn de los precios quien tiene la misma distribucin
y no sus diferencias absolutas.
Veamos ahora como aparece los GBSs en los modelos estocsticos relacionados con la evolucin
de los precios de los stocks. Sea t una cantidad pequea y positiva y supongamos que en cada
paso de tiempo el precio del stock puede subir un valor u > 1 con probabilidad p, esto significa
que si vala S pasa a costar uS o puede descender un factor d < 1 con probabilidad 1 p donde
u = est
d = e-st
p = 1/2 (1 + m/s t )
(2.1)
con m y s parmetros conocidos. En realidad tomamos estas expresiones para que los resultados sean ms evidentes.
Si realizamos n pasos y definimos
Yi =
Y = i =1 Yi dar el nmero de veces que ha subido y, n Y, las que ha bajado. Y es una variable aleatoria binomial de parmetros n y p (Y ~ B(n, p)) por lo que su esperanza y su varianza
valen
E[Y] = np
Var[Y] = np(1 p)
El precio del stock en el tiempo t = nt ser
St = S0 uY d
por lo que
St
S0
= S0 d n (u/d)Y
( )
=d
( )
n-Y
( )
u
-ts
t
+ 2s t Y
Para demostrar que los precios de los stocks siguen una movimiento GBS, calcularemos la
esperanza y la varianza de la expresin (2.2). En primer lugar la esperanza es
(2.3)
232
E log
( )]
St
S0
-ts
t
+ 2s t E [Y] =
-ts
t
+ 2s tnp = mt
y la varianza
Var log
(2.4)
( )]
St
S0
si p 1/2
En conclusin, cuando t es muy pequeo la variable aleatoria log(St / S0), por el teorema
central del lmite, sigue una distribucin normal de media mt y varianza s2 t que es lo que
caracteriza al movimiento BGS.
Evidentemente la evolucin del precio de cada stock depender de los valores de los parmetros m y s que deberemos ajustar, la volatilidad s caracteriza cada producto y ms adelante
demostraremos que
m = r s2/2
(2.5)
0,2
136,3596
0,40
0,4
138,7258
0,36
0,8
139,1764
0,40
Figura 2
233
M. Gilsanz y F. Vadillo
Figura 3
De estos experimentos resulta evidente que la volatilidad es una medida del riesgo. Las fluctuaciones en el precio dependen directamente de su valor por lo que es un parmetro que
caracteriza cada tipo de stock y conviene ajustarlo adecuadamente.
Una tcnica clsica es la siguiente: supongamos que conocemos los precios del stock "n" das consecutivos, el precio inicial es S0 y en los das sucesivos S1; , Sn, entonces la variable aleatoria
Sk
Xk = log
, k = 1,, n
Sk-1
( )
seguir una distribucin normal con varianza s2252. Hemos tomado el ao como unidad de
tiempo con 252 das laborables. Entonces su media es
n
X =
k =1 Xn
n
Figura 4
234
y su varianza
n
V =
k =1 (Xn X )2
n1
s 252 V
235
M. Gilsanz y F. Vadillo
100 + 50 (1 + r)-1
3
Consideremos ahora una opcin de compra sobre unos valores al precio K en un periodo de
tiempo t = nt con un inters simple r por cada periodo de tiempo t. Como el precio de los
valores siguen un movimiento BGS, la esperanza de la ganancia en i-simo paso en el tiempo
ti 1 es
E[ganancia] = (1 + r)-1 [puSi 1 + (1 p)dSi 1] Si 1
donde Si indica el precio del valor en ti y u, d y p estn definidos en la relaciones (2.1).
Esta esperanza vale cero cuando
(3.1)
p=
1+rd
ud
donde f
(3.2)
Los argumentos de tipo no arbitraje son muy importantes para calcular las primas de las opciones financieras, tambin se obtienen cotas y relaciones entre los precios de distintos tipos de
opciones.
236
4. LA FRMULA DE BLACK-SCHOLES
Consideremos una opcin europea de compra (call) a un precio K en un periodo T. Suponemos
que el tipo de inters compuesto es r y que los precios del stock siguen una GBM de volatilidad s, hallaremos el coste de la opcin estableciendo un principio de no arbitraje.
Tomando un n grande para cada intervalo T/n, 2T/n,, nT/n, el factor de subida teniendo en
cuenta (2.1) es
u=e
(4.1)
sT/n
s2T
1 + sT/n +
2n
y el de bajada
d=e
-sT/n
(4.2)
1 sT/n +
s2T
2n
Por otra parte, el inters simple en cada intervalo de tiempo es rT/n y usando (3.1) tenemos que
p=
(4.3)
1 + rT/n d
ud
r T/n
2s
s T/n
4
( )
u
d n K)+]
(4.5)
= 2snpT/n snT
= 2snT (p 1/2)
(r s2/2) T
m = r s2/2
= 4s2 Tp (1 p)
= s2 T
237
M. Gilsanz y F. Vadillo
, el valor de la opcin
((r s 2/2)T), s2 T)
Usando frmulas clsicas, el valor C se puede tambin expresar como la frmula de BlackScholer
(4.6)
C = S0 F ( ) Ke-rT F ( s T )
donde
=
s T
0,2
13,6241
0,4
31,1232
0,6
47,1120
0,8
60,9145
1,0
72,2350
En la figura 5 hemos representado estos valores y podemos apreciar el crecimiento del precio
de las opciones con respecto a la volatilidad del valor subyacente. En este ejemplo el crecimiento es casi lineal porque los puntos estn muy cerca de la recta de regresin mnimo
cuadrtica y = 73,5066x + 0,8978 que tambin dibujamos.
238
REFERENCIAS
John Hull, 1996: Introduccin a los mercados de futuros y opcions. Prentice Hall.
_____, 2000: Options, Futures and Others Derivatives, 4th edn. Prentice Hall.
239
tio
Introduc
onhard
orum. Le
it
n
fi
In
in
in Analys
Euler