Matlab Derivados Avanzados

Proyecto
Derivados Avanzados
Profesor:
Jacques Burrus
Estudiante:
Francisco Astroza Crisostomo
Santiago, Viernes 03 de Junio de 2016
Indice general
1. Introducci
on
2. Cuadratura de Datos
2.1. Precio Forward . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2. Precio Strike . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3
3
4
3. Displacement Diffusion
3.1. Analisis Graficos . . . . . . . . . . . . .
3.1.1. Spot en funcion del tiempo . . . .
3.1.2. Volatilidad en funcion del tiempo
3.1.3. Volatilidad en funcion del Spot .
3.2. Displacement diffusion . . . . . . . . . .
3.2.1. Calculo parametros . . . . . . . .
.
.
.
.
.
.
6
6
6
6
8
10
10
.
.
.
.
.
14
14
14
15
18
21
5. Calibraci
on de modelo
5.1. Calibracion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
23
23
6. Conclusi
on
28
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
4. Motor de C
alculo
4.1. Analisis de metodos . . . . . . . . . . . . . . . . . . . . . . . .
4.1.1. Metodo de Monte Carlo . . . . . . . . . . . . . . . . .
4.1.2. Metodo de dierencias finitas . . . . . . . . . . . . . . .
4.1.3. ATM-OTM-ITM . . . . . . . . . . . . . . . . . . . . .
4.1.4. Calculo Depositos a Plazo, Contrato vainilla y Forward
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Captulo 1
Introducci
on
Este informe trata del cambio de moneda del USDCLP, en un principio de este se
desarrollara una cuadratura de datos para verificar que los datos entregados son validos,
posterior a esto se realizan graficos de la variacion el spot en funcion del tiempo como
tambien de la volatilidad, con estos graficos es facil analizar la historia del USDCLP y
que ha pasado en sus respectivas economas.
Luego de esto a partir de los datos del mercado se calculan los valores de y para
asi utilzar el modelo de volatilidad local de displacement diffusion, con estos datos
calculados se contruye un motor de calculo compuesto de aproximaciones por modelo
de monte carlo y de diferencias finitas aplicado a contratos de deposito a plazo, contratos
vainilla y contratos forward.
Con el motor de calculo listo procedemos con la utilizacion del modelo de Newton
Rapson para obtener los valores de la volatilidad de nuestro modelo, porterior a esto se
calcula el error entre ambas volatilidades.
Por ultimo se realiza un analisis de los datos obtenidos con la volatilidad de mercado
versus la volatilidad del modelo, y una pequea comparacion con lo que sucede con otros
mercados similares al chileno.
Captulo 2
Cuadratura de Datos
Este captulo se cuadran lo data del cambio de moneda USDCLP, esto lo realizaremos
utilizando las formulas de FWD, Strike, y Black-Schols, por u
ltimo se calculara el error
entre el calculo realizado y el teorico (excel).
2.1.
Precio Forward
Para la cuadratura de datos del precio Fwd se utilizo la siguiente formula:

F (t) = S0 e(rq)T = S0 (DiscountU SD DiscountCLP )
Podemos observar en la formula como el precio Fwd se relaciona con el precio spot y
los factores de descuento de cada moneda. Ademas con la utilizacion de esta formula en
los datos logramos obtener valores muy cercanos con el siguiente error promedio para
los precios Fwd por mes.
1M
7,09 E-03
2M
1,27 E-02
3M
2,25 E-02
6M
1,71 E-02
12M
1,73 E-04
Con esto podemos ver que los datos se aproximan de buena manera a los entregados
por el terminal bloomberg, con esto podramos decir que se puede entregar una buena
aproximacion de los datos.
CAPITULO 2. CUADRATURA DE DATOS
2.2.
Precio Strike
Para la cuadratura de datos del precio strike se utilizo la siguiente formula:

K = S0 e(rq)T e
2
T
2
d1
Como sabemos que el el precio del fwd es F (t) = S0 e(rq)T reemplazamos en la formula
y nos qudea lo siguiente:
K = F (t) e
2
T
2
d1
Entonces para el calculo de nuestro precio Strike necesitamos ahora el d1 quien es una
funcion que depende del pilar que se este utilizando y de la tasa de descuento USD ya
que es la moneda fuerte, por lo que la formula quedara de la siguiente manera:

d1 = N 1
donde es nuestro pilar y nuestra tasa de descuento

Con esto calculado se procede al calculo de nuestro strike, lo que entrega un error ya
que los datos obtenidos no se parecen a los que son entregados en la base de datos, al
realizar varias modificaciones se llega a la conclusion que los datos entregados fueron
mal calculados ya que al modificar la formula de nuestro d1 de negativo a positivo nos
entrega el valor correcto, con los siguientes errores por pilar:
1M
1M
1M
1M
1M
1M
1M
0,1
0,25
0,35
0,5
0,65
0,75
0,9
0,0073029 0,0054018 0,0046705 0,0039278 0,0044911 0,0056219 0,0084421
2M
2M
2M
2M
2M
2M
2M
0,1
0,25
0,35
0,5
0,65
0,75
0,9
0,0107249 0,0078968 0,0067600 0,0053836 0,0054280 0,0069416 0,0109229
3M
3M
3M
3M
3M
3M
3M
0,1
0,25
0,35
0,5
0,65
0,75
0,9
0,0135620 0,0103955 0,0091479 0,0075693 0,0067142 0,0078012 0,0125681
6M
6M
6M
6M
6M
6M
6M
0,1
0,25
0,35
0,5
0,65
0,75
0,9
0,0297440 0,0246283 0,0225836 0,0200769 0,0176657 0,0163060 0,0184024
CAPITULO 2. CUADRATURA DE DATOS
12M
12M
12M
12M
12M
12M
12M
0,1
0,25
0,35
0,5
0,65
0,75
0,9
0,0979471 0,0905274 0,0876218 0,0837290 0,0796025 0,0763446 0,0693179
Podemos apreciar que el error de nuestro calculo del strike es a partir del segundo
decimal en el 100 % de nuestros pilares. Recordar que para el calculo de esto se utilizaron
los datos previamente calculados. Con esto podemos decir que se puede predecir con
cierto grado de exactitud los valores del strike.
Captulo 3
Displacement Diffusion
En este captulo se analizaran el tipo de cambio del USDCLP a traves de diferentes
caractersticas que ha tenido desde el ao 2008 al 2016, dentro de las caractersticas que
seran analizadas encontraremos la volatilidad, el precio Spot, en funcion del tiempo y
como ellos se relacionan, finalmente se mostrara como encontrar los valores de eta y
omega para el modelo de volatilidad lineal Displacement diffusion.
3.1.
3.1.1.
Analisis Graficos
Spot en funcion del tiempo
Podemos visualizar la gran variacion que tiene el precio spot del USDCLP a traves del
tiempo donde se aprecian valores con un mnimo de 430 y un maximo de 730, esto varia
mayormente por la oferta y la demanda del principal producto exportador de chile que
es el cobre, se analizara de manera mas profunda en los graficos de volatilidad donde
se explicara porque sucedieron estas variaciones del precio spot.
3.1.2.
Volatilidad en funcion del tiempo
En este grafico podemos visualizar la gran volatilidad que existe en todos los pilares
del cambio de moneda, siendo con mayor fuerza a fines del 2008 hacia el 2009 donde
la volatilidad llego al 30 % llevando al precio spot a los valores de $682, esto es debido
a la crisis subprime que partio en Estados Unidos y afecto de manera seguida a Japon
y Europa, es por esto que el mundo entero entro en recesion y afecto a Chile con sus
exportaciones tanto agrcolas como de comodities, como la demanda de productos cayo,
el precio bajo y afecto a nuestra moneda. Si continuamos con el analisis del grafico
de volatilidad en funcion del tiempo podemos decir que hacia el 2010 la volatilidad
6
CAPITULO 3. DISPLACEMENT DIFFUSION
Figura 3.1: Spot funcion del tiempo
Figura 3.2: Volatilidad en funcion del tiempo
estuvo tendiendo al 12 % esto se podra decir que es por el cambio de gobierno que
se aproximaba donde ya se tena una proyeccion de lo que sucedera en las elecciones
presidenciales, entrado el 2010 vemos que tenemos una variacion que dura un par de
meses, dicha variacion se debe al terremoto que afecto al pas. A fines del 2011 el
peso chileno se ve afectado por la crisis europea lo que provoca la devaluacion de
nuestro principal comoditie, lo que provoca mayor volatilidad y una subida del precio
del USDCLP, a partir del 2012 en adelante se ve una volatilidad mas estable, alrededor
del 12 % con una alza en la variacion a partir del 2014 que es cuando sale re-electa
la presidenta Bachelet.Por otra parte es importante mencionar que las decisiones que
toma el Banco Central no tienen mayor influencia en la volatilidad del tipo de cambio,
como si lo tiene la FED cuando realiza ajustes de tasa.
3.1.3.
Volatilidad en funcion del Spot
En la Figura 3 podemos observar que la volatilidad no sigue una lnea de tendencia

definida en funcion del spot, por lo cual es mejor analizarlo por intervalos como se
analiza en la Figura 4, donde se puede apreciar que hay una relacion mejor entre los
datos, de la misma manera se puede analizar el grafico para otro intervalo de precio
Spot.
Figura 3.3: Volatilidad en funcion del Spot
Figura 3.4: Volatilidad en funcion del Spot Acotado
3.2.
10
Displacement diffusion
En esta seccion se obtendran los parametros de y para el modelo de volatilidad

locar de Displacement diffusion, a traves de la estimacion de los mismos, realizara la
regrecion para 1M con pilar 0.1P.
3.2.1.
Calculo parametros
Para comenzar con el calculo de los parametros es necesario crear una funcion que nos
relacione la volatilidad con el Spot , en la Figura 5 se muestra la volatilidad 1M 10P
en funcion del Spot,
Figura 3.5: Volatilidad 1M 10P funcion Spot

Como ya tenemos la grafica de como se dispersan los datos ahora buscaremos la funcion
para la regresion de estos, para eso primero vemos nuestra funcion de displacemet
diffusion que es la siguiente:
h
i
DD = (S, t) = 1 + (1 ) SS
Ademas sabemos que la ecuacion de una recta es:
y(x) = A + B(x)
Por lo que nuestra ecuaci
n de la recta en funcion de S quedara de la siguiente forma:
y(x) = A +
1
B(x)
11
Con esta ecuacion podemos crear nuestra funcion en Matlab, para obtener el valor de
A y B, aplicado esto tenemos los siguientes valores:
A = 21, 99; B = 5272
Con estos datos podemos resolver la ecuacion de displacement diffusion:
A =
B = (1 )S
= 21, 99
(1 )S = 5272
Para facilitar el calculo se considerara S = 600, Entonces:
= 21, 99
(1 ) = 5272/600
Resolviendo el sistema llegamos a que = 13, 20 ; = 1, 665
Con esto tenemos la volatilidad seg
un el modelo de Displacement Diffusion, ademas
lo agregaremos a nuestro grafico de dispersion quedando como en la Figura 6, donde
podemos decir que esta forma de realizar la regresion es una mejor aproximacion que la
regresion lineal graficada en la figura 3 y figura 4, por otra parte se puede decir que si
aproximamos por intervalos la aproximacion es a
un mejor ya que se ajusta mejor a los
datos, se puede ver en la Figura 7 donde se realizo la regresion para los 1000 primeros
datos y la Figura 8 para los 1072 u
ltimos datos.
12
Figura 3.6: Volatilidad 1M 10P funcion Spot con Regresion.
Figura 3.7: Volatilidad 1M 10P funcion Spot con regresion para los 1000 primeros datos.
13
Figura 3.8: Volatilidad 1M 10P funcion Spot con regresion para los 1072 ultimos datos.
Captulo 4
Motor de C
alculo
En este Captulo para el analisis de volatilidad lineal Displacement diffusionse utilizaran dos metodos numericos diferentes, los cuales seran comparados entre ellos mismos,
para lo cual calcularemos el pago de un deposito a plazo y un contrato forward ademas
se calculara los valores de ATM-ITM-OTM para los diferentes modelos.
4.1.
4.1.1.
An
alisis de m
etodos
M
etodo de Monte Carlo
El metodo de Monte Carlo es un metodo determinstico que ayuda a simular problemas

a traves de aproximaciones, el cual se puede aplicar a una gran variedad de problemas
matematicos y en este caso financieros. Para esto necesitamos saber algunas cosas como
el paso que le daremos a nuestras iteraciones
dT =
T
P
Por otra parte sabemos que nuestra tasa de descuento es igual a la siguiente formula:
B = ert
Para el calculo del metodo de Monte Carlo es necesario 2 acumuladores donde se iran
guardando los datos del precio del pago y de la desviacion estandar. Ademas de esto
necesitamos construir un for donde se vaya recorriendo la siguiente funcion donde tenemos una variable aleatoria (Z) la que permite realizar m
ultiples simulaciones, esto nos
ayuda a converger al precio del subyacente.
Sn = S0 e(rq
2
)T +
2
Tz
14
, donde Z N (0, 1)

CAPITULO 4. MOTOR DE CALCULO
15
Ahora partiremos con el calculo a traves del metodo de monte carlo para un deposito
a plazo donde el payoff es igual a 1, con la siguiente forma:

V0 = E0Q erT VT
VT = erT 1 , para un deposito a plazo
Ademas se sabe que para el modelo de displacement diffusion el sigma es DD (S, t) =
[ + (1 ) SS ] el cual utilizaremos en el main para calcular la volatilidad e ingresarlas

a los diferentes metodos.
Continuaremos con la aplicacion del metodo de monte carlo a un contrato vainilla para
una call y una put para esto debemos recordar que el precio teorico de este tipo de
contrato esta descrito por la siguiente formula:

V0 = E0Q erT VT
V = max(e (S K), 0) , donde e=1 si es call y -1 si es put
Por u
ltimo con la aplicacion del metodo de monte carlo a un contrato forward para
esto debemos recordar que el precio teorico de este tipo de contrato esta descrito por
la siguiente formula:

V0 = E0Q erT VT
V = ((S K), 0)
4.1.2.
M
etodo de dierencias finitas
El metodo de diferencias finitas es un metodo numerico para el calculo de ecuaciones

diferenciales con condiciones de borde, al igual que monte carlo se puede utilizar en
una variada gama de problemas en este caso lo utilizaremos en un problema de finanzas
como precio de un deposito a plazo y un contrato forward. Para lograr aplicar este
modelo lo primero que debemos hacer es crear un operador espacial el cual provine de
la ecuacion de calor.
V
A( )V = 0
El operador espacial A describe el efecto marginal de tiempo y espacio para y S.

Siendo de la siguiente manera:
A() = Q (, S) S
+
2(,S)2
r
2S 2
Sabemos ademas que en Blacks-Schols la matriz del operador espacial es:

A() = (rq)S S +
2 S 2 2
r
2 S 2

16
Por lo que nuestro operador espacial depende de y de beta los cuales seran los siguientes parametros:
(rq)sj
S
= dj =
= gj =
2 S 2
(S)2
Las ecuaciones antes definidas son la ecuacion de conveccion y difusion las cuales utilizaremos para llenar la matriz a traves de las siguientes iteraciones:
Condicion zero-gama Lower:
A1,1 = d1 r
A1,2 = d1
Condicion zero-gama Uoper:
An,n1 = dn
An,n = dn r
Condicion para el caso genera:
d
Aj,j+1 = 2j + 2j
d
g
Aj,j1 = 2 j + 2j
Con la matriz completa ahora definimos el esquema, dentro de los cuales podemos
encontrar de primer orden, segundo orden o de orden n, los cuales se basan en que a
partir de una serie de esquemas cambiar las derivadas por diferencias, los esquemas
que podemos elegir para el calculo son los siguientes que se pueden aproximar por la
gradiente:
Esquemas de Primer Orden.
Esquema Izquierdo:
V
(, Sj )
S
Vj Vj1
S
V
(, Sj )
S
Vj+1 Vj
S
Esquema Derecho:
Esquema Centrado:
V
(, Sj )
S
Vj+1 Vj1
2S
Esquemas de Segundo Orden.

Hessian:
2V
(, Sj )
S 2
Vj+1 2V j Vj1
(S)2

17
O para Discretizacion de esquemas:

Esquema explicito:
= A Vi >
Vi+1
[I + A ] Vi
= AVi+1 >
Vi+1
[I + A ]1 Vi
Vi+1 Vi
Esquema implicito
Vi+1 Vi
Esquema de Crank-Nicolson
Vi+1 Vi
AV i+1 +AV i
2
>
Vi+1
I+

A 1
Vi
2
Utilizaremos solo el esquema implcito. Ahora podemos proceder a aplicar la formula

para calcular el valor de una opcion mediante la construccion de un vector de pagos
V = payof f
por ultimo obtenemos el valor final multiplicando el payoff del tipo de contrato por el
vector de pagos, quedando de la siguiente manera, en el matlab podemos ver que hasta
el momento no compila, asumo que es un error de notacion en alguna de las variables.
P
Y0 = M
j=1 pj payof f

4.1.3.
18
ATM-OTM-ITM
Para proceder con el calculo de los valores de una opcion ATM-OTM-ITM es necesario
saber nuestros valores de eta y omega en diferentes pilares, los cuales se presentaran a
continuacion:
Etha
1M
2M
3M
6M
12M
OTM
0,1320
0,1292
0,1449
0,1261
0,1248
ATM
0,1395
0,1380
0,1612
0,1375
0,1381
ITM
0,1686
0,1675
0,1679
0,1692
0,1696
Omega OTM ATM

1M
1,665 1,786
2M
1,543 1,686
3M
1,449 1,612
6M
1,343 1,501
12M
1,188 1,368
ITM
1,569
1,488
1,424
1,343
1,260
Con estos valores ahora podemos proceder a probar nuestro motor de calculo, para los
siguientes pruebas solo utilizaremos los valores de 1M, los cuales son los siguientes
OTM
ATM
ITM
0.1
0.5
0.9
0.13203 0.13955 0.16866
1.665
1.786
1.569
Lo cual graficamente se puede visualizar de la siguiente manera para la totalidad de

datos en 1M

Figura 4.1: OTM
Figura 4.2: ATM
19

20
Figura 4.3: ITM

Para los calculos siguientes se toma el esquema implicito ya que es recursivo y no tiene
problemas de estabilidad ademas de tener una buena precision, si bien tambien se puede
analizar con Crank Nicolson, se opta por el primero para este informe, pero igual en el
codigo es facil probar el otro esquema para visualizar las diferencias que son m
nimas.

4.1.4.
21
C
alculo Depositos a Plazo, Contrato vainilla y Forward
Para el calculo de el OTM se consideraron los siguientes parametros:

S=439.02; Precio Spot
K=465.72; Precio Strike
r=0.00976; Factor de descuento USD
q=0.0099; Factor de descuento CLP
T=1; Ao
=0.13203
=1.665
=0.0998; Volatilidad seg
un modelo de Displacement Diffusion
Lo que entrega como resultado para nuestro deposito a plazo contrato vainilla y contrato forward lo siguiente:
OTM
Monte Carlo
Diferencias Finitas
Dep. a Plazo Call

Put
Forward
0.9901
8.0941 34.5814 -26.4019
0.9901
8.1351 34.5370 -26.2459
Para el calculo de el ATM se consideraron los siguientes parametros:

T=1; Ao
=0.13995
=1.786
ATM
Monte Carlo
Diferencias Finitas
Dep. a Plazo
Call
Put
Forward
0.9901
16.5176 18.0689 -1.7683
0.9901
16.4380 18.0980 1.6600

22
Para el calculo de el ITM se consideraron los siguientes parametros:

T=1; Ao
=0.16866
=1.569
ITM
Monte Carlo
Diferencias Finitas
Dep. a Plazo
Call
Put
Forward
0.9901
37.6433 10.7850 26.9236
0.9901
37.7362 10.7633 26.9729
Se aprecia de los calculos realizados que para el deposito a plazo no hay diferencia en el
metodo que se utilice, pero si en el forward esto es debido a que el deposito a plazo solo
depende del factor de descuento mientras menor sea este mas cercano a 1 sera nuestro
payoff, por otra parte en el calculo del forward podemos apreciar que hay mayores
diferencias esto se realizo de manera intencional para mostrar que a menor cantidad
de iteraciones es mayor la diferencia en los metodos, ya que en este caso se realizo con
100.00 iteraciones, se calculo ademas para 1.000.000 iteraciones y la diferencia era a
partir del segundo decimal. Por lo que podemos decir que es mas rapido el metodo de
diferencias finitas y ademas de tener una mayor precision que el metodo monte carlo, es
por este motivo que en los siguientes calculos trabajaremos con el metodo de diferencias
finitas.
Captulo 5
Calibraci
on de modelo
En esta seccion para proceder con la calibracion de los datos se comparan los valores
del mercado versus los valores de volatilidad local displacement difussion obtenidas a
traves del modelo de diferencias finitas, el fin de esta calibracion es la de minimizar el
error a traves de la minimizacion del modelo euclidiano
5.1.
Calibraci
on
El modelo que se utilizara para minimazar el error es el modelo euclidiano, el cual es

el siguiente:
=
q
2
1
35
P35
i=1
(|mkt
i modelo
2
i |)
donde los parametros que se encuentran en la ecuacion son las siguientes:

mkt i = Volatilidad del mercado
modelo i = Volatilidad calculada por el modelo
La volatilidad del mercado es obtenida directamente desde la planilla excel, donde
tenemos la volatilidad implicita, la volatilidad del modelo es la calculada a traves del
modelo de Newton Rapson segun los parametros de y , para los diferentes pilares y
meses.
Debemos recordar como realiza la aproximacion Newton Rapson, estas aproximaciones
parten desde un valor que se debe definir previamente, en el caso de esta prueba se
realizo con el promedio de las volatilidades implcitas, a partir de este valor iniciar comienza a aproximar el modelo, como se muestra en la siguiente imagen.
23
DE MODELO
CAPITULO 5. CALIBRACION
Figura 5.1: Aproximacion Newton Rapson
24
DE MODELO
25
Con estos valores definidos en el matlab ahora podemos recorrer la matriz completa
para todos los meses y los diferentes deltas para realizar el calculo de Newton Rapson,
el que nos entregara el valor de la volatilidad local, para luego ser comparada con la
volatilidad implicita que esta dada como dato. Pero para partir lo realizaremos con
la primera fila y los compararermos con la volatilidad implicita, donde se obtuvieron
valores muy similares con un error de 0,0169 y se pudo visualizar que la smile mas
similar era en el 6M, entregando el siguiente resultado grafico.
Figura 5.2: Smile 6M Vol mkt and Vol N-R

Luego de tener la volatilidad implicita y la volatilidad calculada a traves del metodo
de N-R podemos calcular el error, peor para llegar al error primero se debe calibrar
la planilla de datos para no considerar los valores atpicos, luego de esto llegamos a lo
siguiente:
= 0,10943
Por otra parte podemos graficar nuestra volatilidad seg
un el modelo con respecto al
tiempo, quedando de la siguiente manera:
DE MODELO
26
Ahora podemos ver la grafica solo para un pilar en este caso 0.1, para poder apreciarla
mejor:
DE MODELO
27
Por ultimo podemos comparar este grafico, con el de la volatilidad implicita del mercado.
Se puede apreciar que el modelo se comporta bien hasta el momento que existen variaciones bruscas en el mercado. En este caso especificamente podemos ver que en la
crisis del 2008 el modelo no funciona bien ya que se dispara en sentido contrario, lo que
nos puede servir como indicador cuando hay un gran golpe en la economia, por otra
parte si visualizamos la grafica para el resto de valores podemos ver que se comporta
bastante bien.
Captulo 6
Conclusi
on
Con este informe se puede concluir lo importante que son los m`etodos de aproximaciones en el area financiera, ya que realizar estos calculos a mano es casi imposible, si solo
pensamos en un calculo de BlackShols ya no es algo tan trivial, puesto que hay que
aplicar lema de ito y hay un desarrollo algebraico que no es menor, en el tema de las
aproximaciones es a
un mucho peor ya que son iteraciones, un ejemplo sencillo es monte
carlo donde las aproximaciones fueron de 100.000 por cada parametro, estaramos aos
calculando para llegar a un solo resultado sin una herramienta computacional. Por otra
parte con la realizacion del proyecto nos damos cuenta que el modelo de BlackShols ya
que trabaja bajo un mundo ideal como cuando en fsica realizamos calculo de diferentes
tipos de movimientos o ejercicios de cada libre, donde hay que pensar olvidarse del
roce, la temperatura del aire y/o mantenerlos constantes, bueno con BlackShols pasa
algo similar, ya que uno de los parametros que hay que considerar constante es la volatilidad, lo que se descubrio en la crisis del 87. Es por esto que llegan los modelos de
volatilidad local, estocasticos y de saltos, para analizar esta volatilidad, los diferentes
modelos se van a ajustar mejor dependiendo el mercado, en este informe realizamos
el calculo con modelo de volatilidad local que nos llevo a resultados muy similares a
los que se pueden obtener al usar BlackShols al reves, por lo que podemos decir que
nuestro modelo se ajusta de buena manera.
Podemos concluir ademas que existen paises donde las crisis economicas llegan desfasadas, esto es por el simple hecho de la distribucion de su economia, en cuanto a
Chile-Colombia y Brasil esto es principalmente por la variedad de productos exportados, donde en Chile y Colombia se ven impactados primero por tener alrededor del 50 %
de sus exportaciones en un solo producto a diferencia de Brasil donde su economa es
mas diversa.
28

Matlab Derivados Avanzados

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Matlab Derivados Avanzados

Cargado por

Copyright:

Formatos disponibles

Proyecto

Santiago, Viernes 03 de Junio de 2016

Para la cuadratura de datos del precio Fwd se utilizo la siguiente formula:

CAPITULO 2. CUADRATURA DE DATOS

Para la cuadratura de datos del precio strike se utilizo la siguiente formula:

donde es nuestro pilar y nuestra tasa de descuento

CAPITULO 2. CUADRATURA DE DATOS

Volatilidad en funcion del tiempo

CAPITULO 3. DISPLACEMENT DIFFUSION

Figura 3.1: Spot funcion del tiempo

Figura 3.2: Volatilidad en funcion del tiempo

CAPITULO 3. DISPLACEMENT DIFFUSION

Volatilidad en funcion del Spot

En la Figura 3 podemos observar que la volatilidad no sigue una lnea de tendencia

Figura 3.3: Volatilidad en funcion del Spot

CAPITULO 3. DISPLACEMENT DIFFUSION

Figura 3.4: Volatilidad en funcion del Spot Acotado

CAPITULO 3. DISPLACEMENT DIFFUSION

En esta seccion se obtendran los parametros de y para el modelo de volatilidad

Figura 3.5: Volatilidad 1M 10P funcion Spot

CAPITULO 3. DISPLACEMENT DIFFUSION

CAPITULO 3. DISPLACEMENT DIFFUSION

Figura 3.6: Volatilidad 1M 10P funcion Spot con Regresion.

CAPITULO 3. DISPLACEMENT DIFFUSION

El metodo de Monte Carlo es un metodo determinstico que ayuda a simular problemas

[ + (1 ) SS ] el cual utilizaremos en el main para calcular la volatilidad e ingresarlas

El metodo de diferencias finitas es un metodo numerico para el calculo de ecuaciones

El operador espacial A describe el efecto marginal de tiempo y espacio para y S.

Sabemos ademas que en Blacks-Schols la matriz del operador espacial es:

Esquemas de Segundo Orden.

O para Discretizacion de esquemas:

Utilizaremos solo el esquema implcito. Ahora podemos proceder a aplicar la formula

Omega OTM ATM

Lo cual graficamente se puede visualizar de la siguiente manera para la totalidad de

Figura 4.1: OTM

Figura 4.2: ATM

Figura 4.3: ITM

Para el calculo de el OTM se consideraron los siguientes parametros:

Dep. a Plazo Call

Para el calculo de el ATM se consideraron los siguientes parametros:

Para el calculo de el ITM se consideraron los siguientes parametros:

El modelo que se utilizara para minimazar el error es el modelo euclidiano, el cual es

donde los parametros que se encuentran en la ecuacion son las siguientes:

Figura 5.1: Aproximacion Newton Rapson

Figura 5.2: Smile 6M Vol mkt and Vol N-R

También podría gustarte