Está en la página 1de 16

Cómo medir la volatilidad del precio

17 enero, 2013 eFXto Artículos 1 comentario


Compártelo: Facebook Twitter Google+ Email to a Friend
Volatilidad y mercados financieros es algo que no se puede separar. Todo mercado tiene por naturaleza volatilidad. A veces hay más, a veces menos, pero el
precio siempre está cambiando, y sin cambia hay volatilidad.
En palabras sencillas, la volatilidad es una medida de la variación del precio en un instrumento financiero respecto al tiempo, es decir, mide la velocidad con la
que cambia el precio. En el mercado forex será la medida de los cambios en el tipo de cambio de un par de divisas respecto al tiempo (vea ¿Qué es Forex?). En
esta medida no se tiene en cuenta la dirección, únicamente cantidad y tiempo. Cómo símbolo se utiliza ? (letra griega sigma), el mismo que se utiliza para la
desviación estándar, pues de hecho es la desviación estándar el valor utilizado para medir la volatilidad. Ten cuidado y no lo confundas con la varianza (?2).
Aunque en la volatilidad no se tenga en cuenta la dirección del precio, si predomina una determinada dirección y tienes unaposición en dicha dirección, habrá
más probabilidad de que tu operación sea exitosa (o más exitosa) a mayor volatilidad. Esto se debe a que si hay una dirección predominante en el mercado y
una alta volatilidad, el precio se moverá en esa dirección con mayor rapidez y amplitud y si estas posicionado en esa dirección tus beneficios crecerán más y
más rápido. Igualmente la volatilidad es importante a a hora de colocar los stop loss, tema tratado en el artículo sobre dónde poner el stop loss cuya lectura
recomiendo.
Cálculo de la volatilidad
Antes de seguir tengo que hacer un inciso para recordar (por sí no lo has visto en el título) que aquí estamos hablando de la volatilidad del precio y no de la
volatilidad de rendimiento o volatilidad implícita. La volatilidad en el precio también se puede ver en ocasiones como volatilidad histórica pues se basa en datos
de precio pasados.
Para entrar en el tema, toma papel, lápiz y calculadora, o si lo prefieres una hoja de cálculo. Vamos a ir anotando los precios de cierre de cada vela. Si estamos
en un gráfico diario tomaremos los precios de cierre diarios, si estamos en un gráfico de 5 minutos tomaremos el precio de cierre de cada vela de 5 minutos.
Para simplificar el ejemplo seguiré con datos diarios.
Normalmente se recomienda calcular la volatilidad del precio con al menos 21 datos, que sería el equivalente a 21 días que es aproximadamente los días de
trading en un mes. En mercados con menos volatilidad, como el mercado bursátil, o en pares con poco volumen, puede ser recomendable utilizar una muestra
más amplia de hasta 180 sesiones.
Una vez tenemos todos estos precios históricos calcularemos su media aritmética. Si estamos utilizando una hoja de cálculo basta con utilizar la función
promedio, si tenemos papel y lápiz el promedio se calcula sumando cada dato y dividiendo entre el número de datos. Por ejemplo, si tenemos los precios de 21
días, la media se calculará sumado estos precios y dividiendo entre 21.
Ahora vamos restando el precio de cada día a la media obtenida y el resultado lo elevamos al cuadrado. Realizamos esta resta y su cuadrado para cada sesión.
Cuándo tengamos todos los cuadrados, los sumamos y dividimos entre el número de sesiones menos 1 (por ejemplo, 20 si habíamos tomado el precio de 21
días). Este resultado es llamado varianza. Calculamos su raíz cuadrada yobtendremos la desviación estándar que, en finanzas, es la volatilidad del precio. Esta
es la fórmula

Ejemplo
Cómo siempre en estas cosas de operaciones matemáticas, lo mejor para aprenderlo es hacer un ejemplo
Precio
de
Día cierre (Precio – Media)2

1 1.3372 0.00025

2 1.3288 0.00005

3 1.3294 0.00006

4 1.3380 0.00027

5 1.3342 0.00016

6 1.3272 0.00003

7 1.3063 0.00023

8 1.3080 0.00018

9 1.3115 0.00010

10 1.3067 0.00022

11 1.3048 0.00028

12 1.3294 0.00006

13 1.3196 0.00001
Precio
de
Día cierre (Precio – Media)2

14 1.3216 0.00000

15 1.3223 0.00001

16 1.3187 0.00001

17 1.3244 0.00001

18 1.3226 0.00000

19 1.3228 0.00001

20 1.3162 0.00003

21 1.3220 0.00000

Media: 1.3215 ? = ?0.0000985 = 0.00995


Ahora que ya sabes calcular la volatilidad histórica del precio puedes utilizar algunas herramientas para ahorrarte todo esto. Entre ellas, puedes ver las bandas
de Bollinger, los canales Keltner o el canal de regresión lineal.
Otras medidas de la volatilidad
Además de la desviación estándar descrita anteriormente, existen otras medidas de la volatilidad del precio:
Volatilidad implícita Black Scholes: se calcula la diferencia entre el precio de cada sesión y el precio de la sesión anterior. Se aplica el logaritmo decimal a cada
diferencia anterior. De la serie de datos obtenida se obtiene la desviación estándar. Intenta ser una herramienta predictiva, a diferencia de la volatilidad
histórica. Aprende más sobre el modelo Black Sholes o visita esta página para ver como calcular la volatilidad ímplicita con excel (en inglés).
Utilizando la fórmula (Máximo – Mínimo) / (Máximo + Mínimo) para un período dado. Este método se puede ver como una aproximación y es la fórmula en la
que se basa el indicador ATR (Average True Range), muy utilizado para medir la volatilidad del mercado. Puedes leer el artículo ATR (Average True Range) y la
volatilidad dónde se pueden ver algunos ejemplos de cálculo con este método.
CONOS DE VOLATILIDAD
1) Introducción
Galen Burghardt y Morton Lane [1990, Journal of Portfolio Management] introdujeron por primera vez los conos de volatilidad en su artículo "How to tell if
options are cheap?". Los conos de volatilidad son una herramienta que nos permiten determinar si los niveles de volatilidad implícita o histórica en un
momento determinado son altos o bajos para un subyacente.
En general, es muy difícil responder a la pregunta de si una opción es cara o barata. Simplemente dependerá de nuestras expectativas sobre el comportamiento
futuro del subyacente. Y en la práctica ocurre que estas expectativas se ven muy influidas por la evolución de la volatilidad histórica que ha seguido el
subyacente (volatilidad a 20 días por ejemplo).
De esta forma, y con el objeto de considerar diferentes escenarios característicos del activo, parece evidente que debemos comparar el nivel de volatilidad
implícita negociado en la opción con las volatilidades históricas que a lo largo de varios años ha registrado el subyacente.
2) La desviación típica de los rendimientos
La volatilidad histórica o muestral de un activo en un periodo se calcula como la desviación típica anualizada de los rendimientos del activo. Para ello, se
analizan las variaciones experimentadas por el precio del activo durante el periodo de tiempo. El logaritmo natural de la tasa de variación en los precios para
un intervalo de tiempo nos proporcionará una serie de rentabilidades en forma continua.
Por tanto el rendimiento efectivo rt del activo S entre t y t-1 viene dado por:
El logaritmo neperiano proporciona el rendimiento efectivo capitalizado en forma continua, lógicamente en tanto por uno.
La desviación típica se obtendrá directamente mediante su cálculo una vez conocida la tasa de rendimiento:
donde r representa la media aritmética de la tasa de rendimiento en el periodo de referencia.
Como vemos, en el cálculo de la desviación estándar hay que especificar claramente dos cosas: el periodo de tiempo sobre el que se realiza el cálculo
(volatilidad histórica a 20 o 60 días por ejemplo) y la frecuencia o carácter temporal de los datos (datos obtenidos cada hora, datos diarios, datos semanales).
Normalmente suele trabajarse con datos de precios de cierre diarios y con el fin de anualizar la desviación estándar obtenida, ésta se multiplica por la raíz
cuadrada de los días hábiles incluidos en el año, que convencionalmente consideramos como 250 o 252 días.
3) Cómo construir los conos de volatilidad
Hay que tener en cuenta que una opción tiene un horizonte específico y su valoración está totalmente ligada al vencimiento que la caracteriza, así como la
volatilidad implícita que se deduce de su cotización.
La volatilidad implícita se define como aquel valor de la volatilidad que iguala el valor de mercado de la opción (valor observado) al valor teórico de dicha
opción haciendo uso de un modelo de valoración, donde los más utilizados tradicionalmente han sido el modelo de Black Scholes [1972] y el binomial de Cox-
Ross-Rubinstein [1979].
De esta manera, si estamos interesados en comparar volatilidad implícita con volatilidades históricas del subyacente, estas últimas deberán ser calculadas
sobre periodos de la misma duración. Así, la volatilidad implícita de una opción a 20 días deberá ser comparada con volatilidades históricas a 20 días, mientras
que en las opciones a 1 año deberán ser comparadas con volatilidades históricas a un año también.
En este sentido lo más habitual es dividir el periodo de estudio en intervalos iguales (comparables con el vencimiento de la opción) y calcular las volatilidades
históricas por ejemplo a 1 mes, 2 meses, y hasta 12 meses. De esta manera en un periodo de un año, disponemos de 12 observaciones de volatilidad histórica a
1 mes, 11 de volatilidad a 2 meses, etc.
Si trabajamos con días reales de negociación en vez de días naturales, podemos utilizar periodos de 20, 40, 60, días, etc., y considerar como aproximación que
20 días hábiles corresponden a 1 mes natural, (20/250)*365 = 29.2 días naturales.
Los conos de volatilidad que aquí presentamos han sido calculados de esta manera porque permite obtener más observaciones y por lo tanto considerar un
mayor número de escenarios diferentes, ya que, por ejemplo, un año de 250 días supondría 231 observaciones de 20 días. Inevitablemente, al considerar un
mayor número de observaciones, los máximos y mínimos corresponderán a valores un poco mayores y menores respectivamente de los que obtendríamos de
la otra forma señalada.
Por otro lado, para tener una variedad importante de escenarios de volatilidad histórica, el periodo de estudio suele comprender varios años, lo más habitual
suele estar entre 2 y 5 años. Dependerá del activo subyacente y de la representatividad histórica que queramos dar a unos años u otros en la evolución del
activo.
Una vez obtenidas todas las volatilidades históricas a un número de días determinado, habrá que calcular los valores máximo y mínimo que se han alcanzado
en el periodo de estudio, así como algunos percentiles de las volatilidades históricas, por ejemplo los percentiles 90, 70, 50, 30 y 10. Enlazando los puntos
obtenidos podremos definir las líneas de volatilidad histórica máxima, volatilidad mínima, percentil 90, percentil 50, etc., que definen el activo.
En este trabajo hemos optado por utilizar los percentiles 90, 50 y 10, el primero como indicador de niveles elevados y poco habituales (el 90% de los sucesos
de encuentra por debajo de ese valor), el segundo como indicador del nivel por debajo del cual se encuentra la mitad de las observaciones más habitual, y el
tercero como indicador del nivel por debajo del cual sólo se encuentran un 10% de las observaciones.
La Volatilidad IBEX 35

Artículos de sobre la volatilidad del IBEX 35 y sus componentes


Cálculos básicos de Volatilidad
Características principales y cálculo
La volatilidad mide la variabilidad de los rendimientos o dispersión de la evolución de una variable respecto de su tendencia central

La variabilidad de los rendimientos de un activo puede resumirse por distribuciones estadísticas. La desviación estándar suele usarse como medida de
volatilidad. Con distribuciones normales, la variable aleatoria tiene:

–El 68% de los valores dentro del rango +/- 1 desviación estándar (s)

–El 95% de los valores dentro del rango +/- 2 desviaciones estándar (2s)

–El 99% de los valores dentro del rango +/- 3 desviación estándar (3s)

La no-normalidad de la distribuciones es habitual en las series financieras: Exceso de kurtosis (“colas gordas”/”fat tails”) y skewness. Se expresa en términos
anuales.

Para la medida de la volatilidad, es necesario que la media de la variable sea estable (estacionaria). Para evitar el efecto de la tendencia, no se usan los precios
sino los rendimientos. Los rendimientos pueden ser calculados de forma discreta o continua:

Fijaros por ejemplo en estas dos series. La azul es el IBEX 35 y la roja el IBEX MEDCAP, podemos apreciar claramente como el IBEX 35 tiene una volatilidad más
elevada:

La volatilidad tiene características especiales, entre las cuales podemos destacar:

•Persistencia.- Esta característica a veces es conocida como el efecto “memoria”. Se manifiesta en la autocorrelación.
•Clusters.- Los días de altos/bajos rendimientos tienden a estar agrupados.
•Asimetría.- En los mercados de renta variable es especialmente fuerte, el impacto de los retornos sobre la volatilidad es más fuerte en mercados bajistas que
alcistas.
•¿Reversión a la media?.- La experiencia indica que las volatilidades suelen revertir a la volatilidad a largo plazo (incondicional).
En el siguiente gráfico podemos apreciar claramente lo expuesto anteriormente. Se ve claramente como en periodos alcistas los rendimientos son más
pequeños y en periodos bajistas aumentan.

Una vez vistas todas las características de la volatilidad, vamos a ver cómo se calcula.

Su fórmula:

La fórmula resta a cada rendimiento su rendimiento medio, es decir, la distancia. El rendimiento medio en series financieras es habitualmente muy cercano a
cero, de hecho, fijaros en los gráficos anteriores y veréis como hay días de rendimientos positivos y otros negativos, esto hace que en media estén cercano a
cero. Bueno, pues la fórmula lo que hace es sumar todas esas distancias y dividirlo por la cantidad de datos para hallar la distancia promedio. Como hay
"distancias" positivas y negativas, al sumarlas se compensarían, por eso se eleva al cuadrado, pero como el resultado estaría expresado en puntos porcentuales
al cuadrado y sería casi imposible interpretarlos por eso se hace la raíz cuadrada. Se divide por la cantidad de datos menos 1. Es decir utilizamos una media
muestral (la media de una muestra) en vez de la media poblacional (media de toda la población). Personalmente, creo que en este caso dividir entre N-1 ó N no
aporta gran cosa (que algo dé 19,50% o 19,60% no considero muy relevante, lo importante es saber interpretarlo), pero estadísticamente hablando, una es una
estimación más robusta y la otra es máximo verosímil. Lo vais a ver en muchos sitios de cualquiera de las dos maneras (de hecho, ya veréis luego como para
calcular un GARCH dividimos por N).

Por otro lado, si he utilizado datos diarios, la volatilidad será diaria. Habitualmente la volatilidad se expresa en términos anuales, por eso habría que
anualizarla. Para ello multiplicamos por la raíz de t.

t suele ser 252, ya que son los días hábiles del año. La raíz de 252 es casi 16 por eso habitualmente para hacer el cálculo "a ojo" se suele utilizar la regla del 16.
Volatilidad Anual Volatilidad Diaria

16% 1%
24% 1,5%
32% 2%
40% 2,5%

Así, una volatilidad diaria del 1% anualmente es del 16% y si es del 2% pues anualmente del 32%. También es muy útil hacer el proceso inverso, por ejemplo si
la volatilidad implícita de una determinada opción está cotizando en un 24%, es que el "mercado" espera que entre hoy y la fecha de vencimiento el activo se
mueva una media de 1,5% diario... si piensas que se va a mover más la volatilidad está barata y viceversa.

Cálculo de Simple Moving Average (SMA)

De los gráficos históricos anteriores deducimos que no tiene mucho sentido hacer un cálculo histórico de la volatilidad para tomar alguna decisión en el
mercado. Hay periodos de mucha volatilidad y periodos de baja volatilidad, hacer un cálculo con muchísimos datos hace una especie de media de todo el
periodo, lo cual no es muy útil si lo que quiero es saber o estimar como se va a comportar por ejemplo mi cartera en los próximos días. La pregunta es ¿se va a
comportar mi cartera/activo como lo ha hecho de media los últimos 12 años? puede que lo haga, nunca se sabe, pero lo más lógico es pensar que en ausencia
de nuevos "shocks" los próximos días se va comportar como lo ha venido haciendo últimamente.
La volatilidad va aumentando y disminuyendo como hemos visto que le pasa a los rendimientos, para intentar capturar la dinámica de la volatilidad se suelen
utilizar muchos métodos, el más sencillo y potente son las medias móviles simples.

La desviación típica calculada cada t días (ventana temporal). Cuanto más pequeña sea la ventana temporal más sensible será la volatilidad. Cada dato tiene la
misma importancia dentro de la ventana temporal, por ello si hay un dato (rendimiento) muy grande, cuanto más grande sea la ventana temporal más diluido
quedará y por tanto no reaccionará tanto la volatilidad.
El razonamiento de este método está que nos fijaremos en que si queremos saber cómo se comportará la volatilidad, por ejemplo, en los próximos 6 meses
sería razonable pensar que salvo que ocurra algún imprevisto o dato relevante, la volatilidad se comportará más o menos como en los últimos 6 meses.
Normalmente: a 1 mes, 3 meses, 6 meses, 9 meses y un año.
En la siguiente gráfica podéis ver la diferencia entre una media móvil a 20 días y a 60 días. La de 20 días reacciona mucho antes ante
incrementos/disminuciones en el tamaño de los rendimientos que la de 60 días. El cruce de medias como siempre es un indicador cambio de tendencia, y por
lo tanto también puede usarse para tomar decisiones sobre volatilidad.

La volatilidad histórica calculada por medio de medias móviles, permite crear los llamados “Conos” de volatilidad que son una herramienta muy útil para
hacerse una idea de los niveles actuales de volatilidad comparándolos con los niveles históricos y así, poder tomar decisiones en cuanto a la volatilidad futura.
De las distintas ventanas temporales, se calculan varios percentiles. Si se ordenasen los datos de menos a mayor, el percentil 0% es el dato más pequeño y el
100% es el máximo. El percentil 50% es justo el del medio, el que dejan el 50% de los datos por debajo de él.

Si se grafica la tabla anterior, tenemos el cono de volatilidad.

Otros estimadores de volatilidad:


Hasta ahora, en todas las fórmulas anteriores, hemos usado los datos de cierre (close-close), llamado estimador CC.

Otra clase de estimador (HL) usa intraperiodos altos y bajos para caracterizar la distribución. Según muchos autores, estos estimadores de valores extremos son
más eficientes porque usan información adicional acerca de los movimientos a través de un periodo en el cual si tomamos sólo el último dato no recogemos
dicha información. Los pioneros en esta área fueron Parkinson (1980) y Garman-Klass (1980):

A favor de estos modelos:


• Con un número de 5 a 7 veces menor de datos se obtienen estimaciones estadísticamente igual de precisas que con el modelo CC.
•Los estimadores de valores extremos son temporalmente más estables

Garman-Klass utiliza adicionalmente el precio de cierre y apertura, pero no hay grandes diferencias con Parkinson como puede apreciarse en el siguiente
gráfico:
Volatilidad condicional (Heteroscedástica)
Una manera de capturar las características dinámicas de la volatilidad es usar una media móvil exponencial de las observaciones históricas donde las últimas
observaciones tienen un mayor peso en la estimación de la volatilidad. Este método tiene dos importantes ventajas sobre el método explicado anteriormente
de medias móviles simples (Equally Wighted Model) en el que cada dato tiene las misma importancia dentro de la ventana temporal:

La volatilidad reacciona más rápido ante los “shocks” del mercado, ya que los datos más recientes tienen una mayor relevancia que los datos más distantes.

Normalmente, después de un “shock” de mercado (rendimiento muy grande positivo o negativo) la volatilidad cae cuando el peso del “shock” cae. A diferencia
de esto, en el modelo de medias móviles simples, el “shock” causará un aumento paulatino de la volatilidad que seguiremos “arrastrando” hasta que salga de la
ventana temporal, lo que quiere decir que un dato muy grande de un solo día podría aumentarnos la volatilidad durante meses.

ARCH (Auto Regressive Conditional Heteroscedasticity). Engle (1982)

La volatilidad histórica como hemos calculado antes:


Un cambio que se suele hacer a la fórmula anteriormente expuesta es:
•Asumir que el rendimiento medio es 0 (casi verdad)
•N-1 se reemplaza por N que nos cambia de una estimación insesgada a otra de Máxima Verosimilitud.

La ecuación anterior, da el mismo peso a cada dato, para monitorizar el nivel actual de volatilidad, quizá sería más apropiado dar más peso a los datos más
recientes, siendo la suma de todos los pesos igual a 1:

Una extensión de esta idea, es que el modelo asume que hay una varianza incondicional, también llamada a largo plazo (V) , a la cual también hay que dar un
peso dentro de la ecuación:

GARCH (Generalized Auto Regressive Conditional Heteroscedasticity). Bollerslev (1986)


Una generalización del modelo anterior:

La generalización del modelo ARCH, proceso AR (q), llamado GARCH, proceso ARMA (p, q), tiene un componente autoregresivo y de media móvil en la varianza
heteroscedástica. La ventaja sobre el modelo ARCH es que te tiene más parsimonia, representación que es más fácil de presentar y estimar.
Los parámetros que utilizamos para estimar los modelos GARCH, se pueden construir maximizando la función de Máxima Verosimilitud. Normalmente, se
asume que los residuos siguen una distribución normal y son independientes (IID). Los residuos son:

La optimización maximiza el logaritmo de la función de máxima verosimilitud, ignorando los factores multiplicativos constantes queda:

El modelo GARCH, puede se usarse para extrapolar la volatilidad a un periodo de tiempo. El método de multiplicar la volatilidad por las raíz del tiempo sólo
funcionará si el valor inicial es la varianza incondicional, si fuera mayor sobrevaloraría y si fuera inferior infravaloraría.
A continuación vemos el gráfico de la volatilidad GARCH para el IBEX 35
Los parámetros que yo he utilizado han sido:

Este es un modelo muy utilizado en la gestión de riesgos y más concretamente en el cálculo del VaR porque ajusta muy bien el riesgo.

Si bien es cierto que como veremos posteriormente, tiene en cuenta la reversión a la media, lo cual puede no aplicar de la misma manera a todos los productos
y por eso también se utiliza el modelo EWMA que vamos a ver a continuación y que es igual que GARCH pero sin reversión a la media.

Alisado Exponencial: EWMA (Exponentially Weighted Moving Average). Riskmetrics

EWMA depende del parámetro l (0<l<1) que se llama “Decay Factor”.

Este parámetro determina los pesos relativos que son aplicados a cada observación (rendimientos):

Si l =1 cada observación tendría el mismo peso (equally weigthed)

Cuanto más cercano a 0 sea el factor quiere decir que más importancia se le da a los últimos datos y olvidamos antes los datos pasados.

Riskmetrics recomienda:
l= 0.94 para datos diarios
l= 0.97 para datos mensuales

Por ejemplo, veamos una comparativa entre una volatilidad calculada con pesos iguales para todos los rendimientos y una volatilidad EWMA donde los pesos
son asignados exponencialmente:
Mientras que el SME aplica el mismo peso para todos los datos (5%), en EWMA el peso sobre los datos va variando (1.9% a 6%), teniendo mayor peso los datos
más recientes.

Una característica que hace muy atractivo al modelo de pesos exponenciales es que puede ser escrito de forma recursiva y así ser usado como base para hacer
estimaciones de volatilidad. A pesar de la sofisticación que representa frente al modelo de medias móviles simples, es muy fácil de implementar.

Si asumimos que la media es cero podemos dar la predicción de volatilidad del periodo t+1 con los datos en el periodo t (un día antes):

A pesar de que Riskmetrics recomienda unos l en función de los datos, nosotros podremos estimar el l que más se adecue a nuestros datos. Uno de los criterios
para estimar l es el de la Raíz del Error Cuadrático Medio (RMSE):

Fijaros en el siguiente gráfico cómo la asignación de pesos exponencial hace un efecto parecido al de una ventana temporal. Por ejemplo para un l del 0,94, el
99% del peso está en el último 74 datos.

Si comparásemos un GARCH con un EWMA:

Fijaros cómo se parecen bastante, pero al GARCH, esa reversión a la media le hace de efecto "imán" no le deja bajar ni subir tanto como lo hace EWMA, que
tiene total libertad.

GARCH vs EWMA
El modelo EWMA es un caso particular del GARCH donde:

Por lo tanto, GARCH y EWMA son modelos muy similares excepto por el hecho de que el GARCH además de asignar pesos que decaen exponencialmente a los
rendimientos al cuadrado pasados, también asigna algo de peso a la varianza incondicional (volatilidad a largo plazo).

Cuando en el GARCH el mejor valor que podamos estimar a w es cero, el modelo se reduce al EWMA, pero en las circunstancias en las que el mejor ajuste sea
negativo, el GARCH (1,1) no sería estable y deberíamos cambiar al EWMA. Aunque utilizando Solver de Excel® no es complicado estimar los parámetros de un
GARCH (v, a y b), el EWMA es muy simple ya que sólo hay que estimar un parámetro ( l).
Como ya hemos comentado antes, en periodos largos, EWMA y GARCH son algo diferentes, ya que GARCH tiene reversión a la media y EWMA no (El parámetro
de persistencia a+b en EWMA es 1, mientras que en GARCH es menor que 1, normalmente alrededor de 0.95), por eso l es diferente según se tomen los datos
diarios o mensuales.

Depués de ver todos estos modelos "tan sofisticados", me gustaría poneros un gráfico dónde comparamos la volatilidad EWMA y la volatilidad histórica con
ventana temporal de 20 días para que veáis como la sofisticación no aporta gran cosa para la toma de decisiones para el común de los mortales, salvo en
determinados casos, claro está, que sí necesitan algo más que un HV20 "mondo y lirondo"

En el siguiente gráfico, una comparativa de todos los modelos que hemos comentado, como veis tienen un comportamiento bastante parecido.

Volatilidad Implícita
Es uno de los parámetros con mayor peso dentro de la valoración de Opciones. La volatilidad afecta igualmente a Call y a Put, provocando aumentos de sus
primas si ésta aumenta y viceversa.
Por tanto, compradores de Opciones se benefician de aumentos de volatilidad implícita y los vendedores de disminuciones.
Para calcular la prima de una opción, los parámetros que se necesitan son:

Prima = P(PS, PE, t, σ, r, d)


siendo,

PS : precio activo subyacente


PE : precio de ejercicio
t : tiempo de vida que tiene la opción, normalmente en años. Por ejemplo 6 meses son 0,5 años.
σ : volatilidad del activo hasta la fecha de vencimiento
r : tasa de interés libre de riesgo a la que se puede invertir hasta la fecha de vencimiento.
d : dividendos. La familia de modelos de valoración Black-Scholes (habría que añadir a Merton para ser justos) utiliza formato continuo, es decir una compañía
paga por ejemplo un 5% en dividendos todos los días del año "paga un poquito". El modelo de valoración binomial (Cox-Ross-Rubinstein) utiliza fecha exacta
del pago y cantidad.
En principio, todos los parámetros anteriores son conocidos o fácilmente estimables (dividendos en el corto plazo, en largo no), excepto la volatilidad.
Como habéis visto, anteriormente he subrayado que el parámetro que hay que utilizar para calcular la prima es la volatilidad del activo hasta la fecha de
vencimiento, es decir, la volatilidad futura. ¿Cómo sabemos qué volatilidad va a tener el activo subyacente?, no se sabe, se intenta estimar.
Primero intentamos ver qué ha hecho la volatilidad en el pasado reciente, es decir, calculamos la volatilidad histórica. ¿Qué volatilidad utilizamos? ¿EWMA,
Parkinson, Garman-Klass, SMA? Si pedimos a 10 personas la volatilidad esperada de un activo para calcular sus opciones, podría suceder que tuviéramos 10
datos distintos, todos ellos igualmente “buenos” a priori. Ésta es la principal crítica, entre otras, que reciben los modelos de valoración de opciones
tradicionales.
veamos un ejemplo,
Cálculo Prima: MIX
PS : precio activo subyacente 14734

PE : precio de ejercicio 14750


t : tiempo de vida que tiene la opción 85 días
σ : volatilidad (18,26% calculado con EWMA)
r : tasa de interés libre de riesgo 4.13%
d : dividendos No Hay

Prima = 505.23
La volatilidad implícita es la volatilidad con la que están cotizando las opciones en el mercado, la que despejamo0s del modelo de valoración. Siguiendo con el
ejemplo anterior, si acudo al mercado y veo que las opciones se están negociando a 510.57 ¿qué pasa?
PS : precio activo subyacente 14734
PE : precio de ejercicio 14750
t : tiempo de vida que tiene la opción 85 días (21/09/2007)
σ : volatilidad ESTA ES PRECISAMENTE LA INCÓGNITA. SI DEPEJAMOS NOS DA 18.45%
r : tasa de interés libre de riesgo 4.13%
d : dividendos No Hay

Volatilidad implícita = 18.45%

La Volatilidad Implícita, aparece asociada a cada contrato de opción más que al Activo Subyacente. Se obtiene a partir de las primas de las opciones negociadas
en el mercado.
Es un factor muy ambiguo que se obtiene despejando de las fórmulas de valoración de opciones. Se llama implícita, porque el precio de las opciones refleja
expectativas sobre la volatilidad del activo subyacente sobre un periodo cierto de tiempo.

Como se puede observar en el gráfico anterior donde están representadas la volatilidad histórica a 20 días y la volatilidad implícita de la opción ATM también a
20 días del IBEX 35 (ya veremos un poco más adelante como para conseguir una referencia contante a 20 días habrá que interpolar la volatilidad implícita de la
ATM de primer y segundo vencimiento). Observad como la volatilidad implícita y la histórica se siguen bastante bien, aunque la volatilidad implícita es un poco
menos brusca en su oscilación. Otra característica que se observa muy bien el gráfico y que es básica a la hora de invertir en volatilidad es que la volatilidad
implícita en términos generales suele estar por encima de la histórica, esa diferencia se llama "volatility premiun" o prima de volatilidad y se explica por la
incertidumbre que existe, la gente está dispuesta a pagar un poco más de volatilidad de lo que debiera por comprar opciones y poder cubrirse o limitar
pérdidas, depende de la estrategia.
Aunque la referencia sea la volatilidad de las opciones ATM, no todas las series de opciones de igual vencimiento negociadas en el mercado, incorporan una
misma volatilidad implícita; la función que relaciona los distintos Precios de Ejercicio con sus correspondientes volatilidades se denomina SKEW DE
VOLATILIDAD
SKEW DE VOLATILIDAD
Si analizamos la volatilidad implícita de las opciones de un mismo vencimiento, observamos que estas varían según los distintos precios de ejercicio.
Los operadores toman como referencia la volatilidad de las opciones ATM. La unión de esas variaciones de las volatilidades en cada precio de ejercicio con
respecto a la de la opción ATM se conoce como curva skew de volatilidad.
Los distintos mercados presentan skews de volatilidad “típicos” diferentes, que a su vez pueden variar en un mismo mercado según la situación del mismo. Esta
variación incorpora un riesgo adicional a la operativa con opciones: riesgo de skew de volatilidad.
Skew normal o smile: Característico de los mercados de deuda y divisa.

Skew decreciente: Característico de los productosde oferta. Fundamentalmente Renta Variable.

Skew creciente: Característico de los productos de demanda. FundamentalmenteCommodities.


Cada Precio de ejercicio tiene una volatilidad asociada distinta. Esto no quiere decir que sea más volátil una opción de precio de ejercicio bajo que otra de
strike más alto. La volatilidad se refiere al activo subyacente, lo que ocurre es que no se valorará de la misma manera una opción que otra y habrá opciones a
las que se le atribuye una mayor prima de riesgo que se traslada al precio por medio de la volatilidad.

¿qué es más probable alcanzar más rápidamente? La evidencia empírica del mercado nos dice que cuando sube el mercado lo suele hacer despacio y cuando
cae lo hace muy rápidamente (efecto pánico), luego es más probable alcanzar antes el precio de ejercicio 14500, y si esto ocurre la volatilidad habrá
aumentado seguramente, por ello los operadores le dan una mayor prima de riesgo a estos precios de ejercicio más bajos. Por ejemplo, imaginad que un Put
muy fuera del dinero (OTM) valorado con la misma volatilidad que la opción ATM tiene un precio de 0,04, aunque esta opción es muy poco sensible (tiene una
delta muy baja), una caída drástica del subyacente podría hacer que su prima fuera 0,08 y por tanto el vendedor de esta opción podría perder muchísimo
dinero. Una manera de trasladar este riesgo al precio es aumentarle la volatilidad de tal manera que la opción sea más cara. ¿cuánto más cara? la respuesta es
bien sencilla, lo que esté dispuesto a pagar el comprador.
No existe un fórmula para determinar el skew de volatilidad, ya que es el resultado de la oferta y la demanda. El vendedor de opciones querrá vender con
volatilidades altas y comprador querrá comprar con volatilidades bajas.
Los operadores colocan los precios de las opciones para los distintos precios de ejercicio en función de sus expectativas sobre la volatilidad, la oferta y la
demanda llegarán a un acuerdo sobre la volatilidad que tiene cada uno de estos.
Normalmente, aunque no siempre (aquí no hay reglas fijas que siempre valgan), en los mercados de Renta Variable, el skew suele ser decreciente, muchos
inversores estarán largos de activo subyacente y venderán Call (venta sintética de put) fuera del dinero en mercados alcistas para arañar rentabilidad extra
(generación de Alpha) o comprarán Put también fuera del dinero cunado piensan que el mercado va a caer y quieren proteger sus inversiones. A veces toman
ambas posiciones para crear un Bull Spread.
La demanda de Puts OTM y la oferta de Call OTM crea esta forma decreciente:

En "argot" de mercado al lado de la curva de skew de precios de ejercicio por debajo del ATM se llama lado PUT, mientras que a los precios de ejercicio
superiores se les denomina lado CALL.

Riesgo de SKEW
Unos de los riesgos a tener muy en cuenta cuando utilizamos opciones es el riesgo de Skew, sobre todo cuando utilizamos Estrategias de Volatilidad. El riesgo
será mayor cuanto más OTM o ITM estén las Opciones (las OTM al no tener valor intrínseco y ser casi cero serán muy sensibles a cambios en volatilidad y
Skew).
Estructura Temporal Las opciones sobre un mismo subyacente y mismo strike pero de distinto vencimiento, tienen diferentes volatilidades implícitas. A esto se
denomina “estructura temporal”.

Los vencimientos más alejados, suelen tener volatilidad superior por tener el activo subyacente mayor tiempo para fluctuar, pero esto no siempre es así,
depende del mercado, el producto y el momento..
Se suelen producir movimientos más fuertes en los vencimientos cercanos que en los lejanos (esto también depende del mercado, el producto y el momento):
 La volatilidad de un vencimiento lejano es más incierta y por tanto más estable (más tiempo para revertir a la media).
 La liquidez es mayor en los vencimientos cercanos.
Si combinamos el skew de un activo y su estructura temporal, obtendremos lo que se denomina “superficie de volatilidad”.
La superficie de volatilidad permite hacer un análisis mediante el cual podemos estimar la dinámica del cambio de la volatilidad a lo largo de los strikes y de los
distintos vencimientos.
Veamos algunos ejemplos, aquí tenéis una superficie de volatilidad hecha en Excel con precios en tiempo real. Como podéis ver tiene un aspecto en general
decreciente, sin embargo no se cumplen muchas de las cosas que hemos comentado anteriormente. Fijaros en los Call OTM de primer vencimiento, ¡¡aumenta
la volatilidad!! que ocurría en ese momento es que la gente quería sustituir las acciones de este activo por Call fuera del dinero y esa demanda hizo subir la
volatilidad.
Más ejemplos de superficie de volatilidad, gráficos sacados de Bloomberg. Hay un cuadro con la superficie por Strike y otro por Moneyness. El Moneyess se
suele utilizar para no tener que cambiar la volatilidad de los Strikes constantemente (modelos Stiky-Strike y Stiky-Delta) y por eso a la opción ATM se le
denomina 100%, un precio de ejercicio un 10% por debajo sería una opción 90% mientras que un precios de ejercicio un 10% por encima sería una opción
110%.

INTERPOLACIÓN DE LA SUPERFICE VOLATILIDAD


Para cualquier operador del mercado de opciones, resulta básico determinar la superficie de volatilidad del mercado. Como hemos comentado anteriormente,
la volatilidad implícita se despeja de los modelos de valoración de opciones una vez conocemos cual es la cotización de la prima. Si hacemos esto para todas las
opciones cotizadas en el mercado, tendremos las volatilidades a las que se cotiza cada precio de ejercicio en un determinado momento y podremos determinar
cuál es la función que los relaciona. Así, si fuera un trader de volatilidad y me piden cotización para unas opciones que no estén cotizadas, podré determinar
cuál es la volatilidad con la que debiera cotizar.
En base a lo anterior se pueden dar dos tipos de situaciones:

 Determinar un precio de ejercicio intermedio. No suele darse este problema, pero tiene fácil solución. Por ejemplo, si me piden cotizar la opción 110
porque no cotiza en el mercado, pero sí lo hacen la opción 105 y 115, podré determinar el nivel de volatilidad.
 Determinar un precio de ejercicio muy fuera del dinero (o dentro) no intermedio. Éste sí puede ser un problema. Por ejemplo, me piden cotizar una
opción 60% cuando en el mercado la opción más alejada de ATM que cotiza es un 80%.
Existen varios modelos para hacer esto que son más o menos matemáticos, pero lo realmente importante es que todo reside en la liquidez del mercado.
Modelo Lineal

Este es el modelo empleado por MEFF para dar las volatilidades de cierre de las opciones. Es un modelo muy sencillo y algo simplista, pero para la realidad del
mercado español va perfecto. Este modelo, como podemos apreciar en el siguiente gráfico, ofrece dos pendientes: una para los precios de ejercicio superiores
y otra para los inferiores.
Tal y como hemos visto anteriormente, la volatilidad implícita se calcula despejando la volatilidad a partir de las primas cotizadas en el mercado. Para ello
según el tipo de opción hay que utilizar el modelo adecuado:
Para opciones europeas: en general las suelen serlo las opciones sobre índice, en nuestro caso, en MEFF, lo son las opciones sobre IBEX y opciones sobre
acciones. Se utiliza el modelo Black-76 que es una pequeña modificación en el modelo Black-Scholes para cuando el subyacente es un futuro. Los futuros ya
incorporan los tipos de interés y dividendos por lo que es muy sencillo:

Para opciones americanas: en general suelen serlo las opciones sobre acciones. En el caso español en opciones sobre acciones tenemos de los dos tipos
americanas y europeas. Tradicionalmente han sido siempre americanas y hace unos pocos años que se introdujeron las europeas.

Pues bien, el modelo lineal en primer lugar lo que se hace es despejar la volatilidad implícita a partir de las primas de mercado.
En el ejemplo que os pongo a continuación, la parte de la derecha es la pantalla dónde cotizan las opciones. Una vez cierra el mercado, de las cotizaciones que
tienen los "market makers" se saca el precio medio entre bid-ask y se utiliza como precio teórico y se despeja la volatilidad como vemos en el boletín de
cotización de la izda.

En el modelo de valoración se puede introducir la volatilidad y nos da como resultado la prima, pero si conocemos el valor de la prima, podemos obtener la
volatilidad implícita.
Una vez despejada la volatilidad implícita de los precios de ejercicio más cercanos al subyacente (por encima y por debajo), se calcula la volatilidad de un precio
de ejercicio teórico que es el que llamamos ATM y que es igual al precio del subyacente. El modelo lineal (en MEFF) asume:

 Sólo hay un SKEW UP y un SKEW DOWN.


 Se considera serie ATM el precio del activo subyacente.
 Se aplica una variación de +/- 3% a dicho precio y a continuación se obtiene la diferencia entre los puntos.
 Se calcula la diferencia entre los precios de ejercicio y el ATM.
Para ello se establece la siguiente regla de 3.

Para precios de Ejercicio Superiores:

Para precios de ejercicio inferiores:

A continuación os pongo un ejemplo:

Otros modelos
Para precios de cierre en un mercado en un mercado no excesivamente profundo, el modelo lineal funciona muy bien, pero para cotización en tiempo real
podría no ser suficiente. En el mercado español tenemos subyacentes liquidísimos y otros que no lo son tanto.

Para un "Market Maker" es muy importante tener perfectamente establecidas sus curvas de volatilidad (superficies) en tiempo real, para ello utilizan métodos
un poco más sofisticados. Una pantalla de un "Market Maker" podría ser ésta:

No voy a dar toda la explicación matemática de los diferentes métodos de interpolación (aunque haré algún artículo con alguno de ellos para que veáis cómo
se calcula), pero sí os pondré un par de pantallazos con dos de los métodos más utilizados.
Este primer pantallazo está hecho con un modelo de interpolación Cubic Splines o segmentos cúbicos:

En el segundo pantallazo el "wing model" de ORC, que se ha convertido en los últimos años en un estándar en el mercado:

ORC es una casa de software muy utilizado para market making y trading de volatilidad por grandes bancos. Las tres fotos de pantallas anteriores son de este
software.
INTERPOLACIÓN DE VOLATILIDAD EN EL TIEMPO (VOLATILIDAD FORWARD)
Debido a que las opciones cotizadas en mercados organizados tienen vencimientos estandarizados, la volatilidad implícita se despeja para cada uno de los
vencimientos.

A veces surge la necesidad de saber la volatilidad implícita de una opción con unos días a vencimiento determinados.

Imaginad la siguiente situación:


A las opciones de primer vencimiento le quedan 33 días mientras que a las de segundo vencimiento le quedan 63 días:

Podríamos necesitar saber dos cosas…..:


–La volatilidad implícita a de una opción con 45 días a vencimiento.
–La volatilidad forward entre el día 33 y el 63 (volatilidad a 30 días dentro de 33 días)

A continuación os pondré cómo se calculan, pero antes un par de avisos importantes:


-La volatilidades hay que pasarlas a varianzas, ya que no es posible la suma de raíces cuadradas.
-A diferencia de lo que hemos hecho anteriormente con las volatilidades históricas, para pasar a anual o a diaria, la volatilidad se multiplica o divide por la raíz
de 365 ó 366, ya que son los días reales a vencimiento. Utilizábamos 252 en las volatilidades históricas porque teníamos datos diarios de los días que hay
negociación.