Está en la página 1de 12

SIGMA

31

SOBRE LA MATEMTICA FINANCIERA


M. Gilsanz (*) y Mikel Fernando Vadillo (**)
Resumen. La operaciones financieras: clculo de intereses, saldos , vencimientos,... son
habituales en nuestra vida, aunque casi siempre desde el lado de la vctima porque las
que realizar las operaciones son las entidades financieras que cobran y siempre obtienen
beneficios. Este artculo trata de otra disciplina: la Matemtica Financiera que utiliza un
aparato matemtico ms sofisticado para construir y controlar todo el complejo entramado financiero del mundo moderno.

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.

(*) Profesor de Matemticas de la U.P.V.


(**) Licenciado en Matemticas por la U.P.V.

Noviembre 2007 2007ko Azaroa

229

M. Gilsanz y F. Vadillo

El artculo es como sigue: comenzaremos explicando el movimiento browniano y el geomtrico


browniano que sirve como modelo aleatorio de evolucin de los precios de los distintos productos: stocks, valores, ndices,.... y haremos alguna simulacin numrica utilizando el clsico
mtodo de Monte Carlo. En el siguiente apartado nos ocupamos de los futuros y opciones para
llegar a la famosa frmula de Black-Scholes, esta parte del artculo es ms tcnica y necesita de
mayores conocimientos matemticos por lo que lectores menos avezados pueden saltarla. En el
ltimo apartado hacemos algunos comentarios que consideraciones interesantes.
Finalizamos esta introduccin con un comentario sobre la bibliografa: no daremos referencias
sobre las herramientas estadstica elementales, son tantos los textos y tan parecidos que casi
cualquiera de ellos puede ayudar al lector con dificultades.

2. UN MODELO ESTOCSTICO PARA LA EVOLUCIN DE LOS PRECIOS


Todos hemos observado en algn momento un movimiento browniano, son las trayectorias de
partculas de polvo danzando en un rayo de luz solar, cada partcula gira de ac para all, se eleva,
se hunde, se vuelve a elevar..., el movimiento es totalmente aleatoria sin llegar jams al reposo.
El movimiento browniano toma su nombre del botnico ingls Robert Brown que en 1825 los describi como el movimiento de una partcula sumergida en un liquido o gas. Brown inicialmente
coloc bajo el microscopio clulas sexuales masculinas pertenecientes al polen de una planta y
el movimiento que observo lo argumento diciendo que era el movimiento vital de los espermatozoides. Despus Brown observ el mismo movimiento con clulas recogidas en otras partes de la
planta y formul una hiptesis nueva sobre el movimiento vital, se trata de la Urmolekl, la molcula bsica de la vida que est contenida en toda materia viviente, una teora que tuvo mucha
importancia para los bilogos de la poca. Pero el problema grave se le plante cuando descubri
este movimiento perpetuo en las raspaduras de rocas sumergidas en el agua, acaso la materia
inanimada contiene tambin la Urmolekl vital ? Llegado a este punto, prudentemente Brown se
abstuvo de realizar ms hiptesis y dejo sin explicar la naturaleza del movimiento browniano.
Posteriormente el movimiento browniano apareci en el centro de la controversia entre los
atomistas y los energicistas que domin Fsica a finales del siglo XIX. Los dos grandes defensores de la teora atomista: Clerk Maxwell y Ludwig Boltzmann desarrollaron modelos de gases
y de su comportamiento, en los que cada gas estaba compuesto por tomos o molculas en
constante movimiento relacionado con la temperatura del gas. Sin embargo, destacados cientficos de la poca como Ernst Mach y Wilhelm Ostwald rechazan la hiptesis atomista basada
en tomos y movimientos invisibles. Hay historiadores que defienden que este rechazo fue
uno los motivos de la depresin que acabo en el suicidio de Boltzmann en 1906.
Algunos aos despus de la controversia comentada, el joven Albert Einstein que conoca la
polmica pero ignoraba el movimiento browniano, explic la termodinmica partiendo del
movimiento de las molculas entre 1902-1903, y en 1905 ya en colaboracin con fsicos
experimentales pudo confirmar que las propiedades cualitativas del movimiento browniano y
las magnitudes de los caminos recorridos por las partculas correspondan con los resultados
de la teora, lo que acabo con la resistencia a la teora atomista.
La definicin matemtica de movimiento browniano la di el matemtico americano Norbert
Wiener en 1918 y es la siguiente:

230

SIGMA N 31 SIGMA 31 zk.

Sobre la Matemtica Financiera

Definicin 2.1. Un proceso de Wiener o movimiento browniano Wt en un proceso


continuo con las propiedades
(a) W0 = 0.
(b) Para todo t 0, Wt ~
(0,t), es decir, Wt es una variable normalmente distribuida de
media 0 y varianza t.
(c) Todos los incrementos Wt = Wt + t Wt son independientes, es decir, para todo
0 t1 < t2 < t3 < t4 los desplazamientos Wt2 Wt1 y Wt4 Wt3 son independientes.
(d) Wt depende continuamente de t.
Resulta bastante sencillo simular numricamente movimientos brownianos. El algoritmo es el
siguiente:
Valores iniciales: W0 = 0, t0 = 0, t,

para j = 1; 2;

tj = tj-1 + t

~ (0,1)

Wj = Wj-1 + t
donde es un nmero aleatorio con distribucin normal de media cero y varianza uno. El algoritmo para generar este tipo de nmeros est explicado en el captulo 2 de la referencia [8] y en
MATLAB est implementado en el comando randn que se puede consultar en el captulo 20 de
la referencia [3]. En la figura 1 hemos dibujado tres trayectorias del movimiento browniano.
En 1900 el matemtico francs Bachelier en su tesis doctoral [1] utiliz el movimiento browniano como modelo para estudiar las variaciones en los precios de los stocks, si bien, el movimiento de Wiener tiene dos importantes inconvenientes para esta aplicacin:
1. S i los precios siguieran este modelo podran tomar valores negativos.
2. El movimiento browniano verifican que para 0 s < t el incremento de la variable
Wt Ws ~
(0, (t s)) sin considerar si s y t son grandes o pequeos, slo cuenta su
diferencia. Una hiptesis que parece poco razonable para los precios de los stocks y
materias primas.
Para evitar estas dificultades se define el movimiento browniano geomtrico (GBM: Geometric
Browniano Motion).

Figura 1. Tres trayectorias brownianas

Noviembre 2007 2007ko Azaroa

231

M. Gilsanz y F. Vadillo

Definicin 2.2. Un movimiento browniano geomtrico St de parmetros m y s es un


proceso continuo tal para todo t y t no negativos la variable aleatoria
St + t St
es independiente de los valores de la variable anteriores a t y adems existen dos parmetros
m y s tales que
St + t
log
~ (mt, ts2)
St
El parmetro s es la volatilidad.

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 =

1, cuando el precio sube en el paso i


0, cuando el precio baja en el paso i

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

y tomando logaritmos resulta que


St
(2.2)
log
= n log (d) + Y log
S0

( )

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

SIGMA N 31 SIGMA 31 zk.

Sobre la Matemtica Financiera

y la varianza

Var log

(2.4)

( )]
St

S0

= 4s2t Var [Y] = 4s2 tp (1 p) s2t

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)

donde r es el tipo de inters compuesto.


En las figuras 2, 3 y 4 hemos realizado una simulacin numrica usando el mtodo de Monte
Carlo con S0 = 100 r = 0,06, t = 0,1 y tres volatilidades diferentes s = 0,2; 0,4; 0,8 respectivamente. Si observamos la escala vertical de las tres grficas veremos que, para volatilidades mayores, aumentan las soluciones posibles. En la siguiente tabla hemos realizado 1.000
ensayos por el mtodo de Monte Carlo y calculado la media en T = 5, que ser el precio ms
probable del stock en cada caso.

Media en T = 5 con 1000 ensayos

Tiempo de ejecucin en segundos

0,2

136,3596

0,40

0,4

138,7258

0,36

0,8

139,1764

0,40

Figura 2

Noviembre 2007 2007ko Azaroa

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

SIGMA N 31 SIGMA 31 zk.

Sobre la Matemtica Financiera

y su varianza
n

V =

k =1 (Xn X )2
n1

con lo que se tiene la estimacin


(2.6)

s 252 V

3. LOS FUTUROS Y LAS OPCIONES FINANCIERAS


Un contrato de futuros es un acuerdo para comprar o vender una cantidad normalizada de un
activo, llamado activo subyacente, en una fecha futura y a un precio acordado entre las partes.
Para validar este compromiso se depositan unas garantas. Si el activo es financiero se trata en
un contrato de futuros financieros, principalmente son futuros sobre ndices burstiles, dividas
o tipos de intereses, en el mercado de futuros se negocia a travs de una cmara de compensacin que en el mercado espaol es el MEFF (Mercado Espaol de Futuros Financieros). Por contra, en los contratos a plazo, denominados forward se negocia privadamente entre las partes.
Una opcin financiera da el derecho, pero no la obligacin, de comprar o vender algn
activo a un determinado precio, denominado strike, con una fecha futura de vencimiento.
Con las opciones call se adquiere el derecho de compra y las put la opcin es de venta. Las
opciones pueden ser europeas o americanas, el nombre no tiene ningn significado geogrfica, las opciones americanas se pueden ejercitar en cualquier momento hasta su fecha de
vencimiento, mientras que las europeas slo se puede ejercer en el mismo momento de su
vencimiento.
La mayora de las opciones negociadas en los mercados son americanas, pero las opciones
europeas son generalmente ms fciles de analizar y muchas de sus propiedades son tambin
vlidas para sus anlogas americanas.
Actualmente en los mercados se negocian opciones sobre:
A
 cciones de empresas, en Estados Unidos se negocian opciones sobre las acciones de
ms de 500 empresas, en Espaa slo son 16.
ndices de acciones.
Divisas.
Contratos de futuros
La cuestin que nos planteamos es cmo determinar el precio de las opciones, lo que se
denomina la prima de la opcin. Supongamos que el precio actual (en euros) del activo subyacente es 100, y que despus de un periodo de tiempo conocemos que su precio sube a 200
o baja a 50 . Supongamos que adems de comprar "y" opciones call a "c" euros cada a un
strike de 150 euros. Tambin podemos adquirir x valores a su precio de mercado que es de
100 euros. Suponemos que x e y pueden ser positivos, negativos o cero. Esto significa que se
pueden comprar o vender opciones y valores, por ejemplo, si x es negativo hemos vendido -x
valores y hemos ingresado -100x euros, adems nos comprometemos a devolver -x valores en
el tiempo 1 al precio de mercado que ser de 200 o 50 euros. La venta de valores que no se
tiene se denomina adoptar una posicin en corto.
El precio de la operacin es 100x + cy. Si esta cantidad es positiva debemos solicitar un prstamo, y si es negativa depositamos los -(100x + cy) euros en una cuenta.

Noviembre 2007 2007ko Azaroa

235

M. Gilsanz y F. Vadillo

El valor de la nuestra cartera en el tiempo 1 es

200x + 50y, si el valor ha subido a 200


si el valor ha bajado a 50
50x,
porque si el valor ha bajado no ejercemos la opcin de compra. Si hacemos que 200x + 50y = 50x,
es decir, y = -3x nuestra posicin es indiferente de la subida o bajada del valor, estamos en idntica
situacin, el valor de la cartera es 50x.
Esto quiere decir que si x es negativo, vendemos -x valores y compramos y = -3x opciones. En
cuanto a la ganancia o prdida de dinero, debemos considerar que si (100x + cy) > 0 debemos
dinero al banco, y si (100x + cy) < 0 disponemos de dinero en la cuenta, es decir
ganancia = 50x (100x + cy) (1 + r)

= 50x (100x 3cx) (1 + r)

= (1 + r) x (3c 100 + 50 (1 + r)-1)

donde r es el inters simple. Es decir:


1. Si 3c = 100 + 50 (1 + r)-1 la ganancia es cero.
2. S i 3c 100 + 50 (1 + r)-1 podemos garantizar una ganancia positiva si 3c > 100 + 50 (1 + r)-1
haciendo x > 0 y, al revs, si 3c < 100 + 50 (1 + r)-1 tomando x < 0.
Cuando el precio de la opcin evita estrategias de ganancia segura, se dice que se ha establece un principio de no arbitraje y estos principios son los que establecern los precios de
las opciones, en nuestro ejemplo entonces el precio de la opcin ser
c=

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

que ser una condicin necesaria para establecer el principio de no arbitraje.


Finalmente el valor de la opcin en el tiempo t = 0 es
(1 + r)-n (S K)+
t

donde f
(3.2)

= mx(f, 0), y su esperanza nos dar el precio final de la opcin


C = E[(1 + r)-n (St K)+]

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

SIGMA N 31 SIGMA 31 zk.

Sobre la Matemtica Financiera

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

Teniendo en cuenta (3.2) el precio de la opcin es


C = (1 + rT/n)-n E[(S0

( )
u

d n K)+]

= (1 + rT/n)-n E[(S0 e2s T/nY e-s nT K)+]


(4.4)

= (1 + rT/n)-n E[(S0 eWT K)+]

con la variable aleatoria


WT = 2sT/nY snT ,

(4.5)

donde Y es la variable aleatoria binomial que ya definimos anteriormente.


Si calculamos la esperanza de esta nueva variable aleatoria tenemos

E[WT] = 2sT/nE[Y] snT

= 2snpT/n snT

= 2snT (p 1/2)

(r s2/2) T

por lo que el parmetro 1 del movimiento BGM es

m = r s2/2

como ya comentamos en (2.5)


En cuanto a su varianza

Var[WT] = (2sT/n)2 Var[Y]

= 4s2 Tp (1 p)

= s2 T

porque cuando n es grande p 1/2

Noviembre 2007 2007ko Azaroa

237

M. Gilsanz y F. Vadillo

Como todas las aproximaciones anteriores son exacta cuando n


que establece el principio de arbitraje es

, el valor de la opcin

C = e-rT E[(S0 eWT K)+]


donde WT

((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
=

rT + s2T/2 log (K/S0)

s T

y F es la funcin de distribucin normal standard.


En el ejemplo del modelo simulado anteriormente, S0 = 100, r = 0,06, si el precio acordado
en T = 5 en K = 150 la frmula (4.6) estima los precios de la opciones dependiendo de la
volatilidad en la tabla siguiente

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.

Figura 5. Evolucin del precio de las opciones

238

SIGMA N 31 SIGMA 31 zk.

Sobre la Matemtica Financiera

5. ALGUNOS COMENTARIOS PARA TERMINAR


Acabaremos esta breve introduccin a la Matemtica Financiera con algunos comentarios que
consideramos de inters:
1. L a frmula de Black-Scholes determina el precio de la opcin cuando el modelo del valor
subyacente es un GBM. Sin embargo, algunos datos no son adaptables a GBM y se deben
considerar otros modelos, por ejemplo, en el precio del del barril de crudo (captulo 10
de la referencia [7]).
2. Basta observar brevemente las trayectorias brownianas en la figura 1 para concluir que no son
diferenciables, es imposible trazar una tangente por casi todos sus puntos, son trayectorias de
funciones que tanto preocuparon a los matemticos de finales del siglo XIX, eran funciones
tan perturbadoras que Charles Hermite en una carta a su colega Thomas J. Stieljes expres
que con miedo y horror me apart de est plaga lamentable de funciones que carecen de
derivada. Esta situacin tiene una importante consecuencia tcnica, las funciones son no diferenciables y por tanto no podemos utilizar el Anlisis clsico, es imprescindible utilizar integrales y ecuaciones diferenciales estocsticas de las que no hemos tratado en este artculo.
3. Una disciplina an ms moderna es la Computacin Financiera que se ocupa de los
mtodos numricos para aproximar las soluciones de los modelos estocsticos que, en
general, carecen de soluciones exactas conocidas.
Las referencias [8] y [2] son dos buenas introducciones a esta novedosa disciplina.
Finalizaremos con quien comenzamos: Tales de Mileto, el primero de los famosos siete sabios
de la Grecia arcaica. Cuenta Platn en su dilogo Teeteto (174, A) que Tales por ir mirando
las estrellas, se cay en un pozo, y una criada se burl de l por tratar de investigar los cielos cuando no vea lo que tena a sus pies. Esta ancdota, que parece compensar la narrada
por Aristteles, completa el personaje. Debi ser enorme la impresin en sus conciudadanos
cuando predijo el eclipse en el ao 585 a.C. La hazaa de Tales permiti ver en el eclipse
un fenmeno natural regular y no un milagro divino de oscuros presagios, los eclipses fueron
motivo de terror en todos los pueblos primitivos. Como escribi el profesor Carlos Garcia
Gual: "Los sabios como Tales inauguran la tradicin cientfica de proponer explicaciones de
lo real por causas naturales y agentes materiales, mediante procesos sujetos a causas y normas
surgidas de su misma conformacin fsica" (Los Siete Sabios (y tres ms)).
Slo se nos ocurre aadir que la Ciencia sigue en lo mismo: buscando explicaciones.

REFERENCIAS

L . Bachelier, 1900: Theorie de la speculation, Annales de lcole Normale Superieure,


n. 17, 21 86.

D. J. Higham, 2000: An Introduction to Financial Option Valuation. SIAM.

D. J. Higham and N. J. Higham, 2000: MATLAB Guide. SIAM.

John Hull, 1996: Introduccin a los mercados de futuros y opcions. Prentice Hall.

_____, 2000: Options, Futures and Others Derivatives, 4th edn. Prentice Hall.

Cleve B. Moler, 2004: Numerical Computing with MATLAB. SIAM.

S. R. Ross, 1999: An Introduction to Mathematicl Finance. Cambrige University Press.

R. Seydel, 2006: Tools for Computational Finance. Third Edition. Springer.

P. Wilmont, 2001: Introduction Quantitative Finance. John Wiley & Sons.

Noviembre 2007 2007ko Azaroa

239

tio

Introduc

onhard
orum. Le
it
n
fi
In
in
in Analys

Euler

También podría gustarte