Ecuaciones Diferenciales Estocásticas

Movimiento Browniano
Ecuaciones Diferenciales Estocasticas

Modelos Particulares
Economía de Black Scholes
Martingalas en la Economía de B&S
Ecuaciones Diferenciales Estocásticas

Derivados Financieros en la Economía de Black & Scholes
Luis Javier Vásquez Serpa
UNMSM
Notas de clases 2018-I
LUIS JAVIER VÁSQUEZ SERPA VII International Symposium of Applied Mathematics

RESUMEN
1 Ecuaciones diferenciales estocásticas
- Existencia y unicidad
- Fórmula de Ito.
2 Modelos Particulares
- Movimiento Browniano Geométrico.
- Movimiento Browniano Aritmético
- Proceso de Ornstein-Uhlenbeck
3 Economía de Black & Scholes
- Réplica sintética
- Forwards, Opción Call-put europea.
4 Martingalas en la Economía de B & S.
- Teorema de Girsanov.
- Forwards, Opción Call-put europea, paridad Call-Put

Modelos Particulares Motivación: crecimiento poblacional
De…nición (Movimiento Browniano)

Un movimiento Browniano (o Wiener) estándar unidimensional es
unproceso estocástico fBt : t 0g tal que
1 B0 = 0 casi siempre.
2 las trayectorias t 7! Bt son continuas.
3 El proceso tiene incrementos independientes.
p
4 La variable Bs Bt tiene distribución N (0, s t ) para 0 t s.

De la de…nición, un proceso estocásticos Bt es un moviento Browniano si

satisface la siguiente ecuación
p
Bs = Bt + ξ t s t
donde B0 = 0 casi siempre y ξ t N (0, 1) i.i.d..

Entonces, se tienepque un movimiento Browniano Bt tiene una
distribución N (0, t ), es decir E [Bt ] = 0 y Var (Bt ) = t.
Ahora si analizamos en una pequeña variación dt, se tiene que un
movimiento Brownino viene dado por el siguiente comportamiento:
p
Bt +dt = Bt + ξ t dt
p
dBt = Bt +dt Bt = ξ t dt

Ahora veamos el Movimiento Browniano





X y ∈[0
M o v i m i e n to B ro w n i=aXn o +: eX* s q rt(t), c o n= 0 t ,1 ], N = 5 0
t t-1 t 0
0 .6
0 .4
0 .2
W ( t)
-0 . 2
-0 . 4
-0 . 6
-0 . 8
0 0 .1 0 .2 0 .3 0 .4 0 .5 0 .6 0 .7 0 .8 0 .9 1

M o v im ie n to Br o w n ia n o=: X + e *s q r t( t) , c o n X= 0 y ∈
t [0 ,1 ], N = 1 0 0
t t-1 t 0
0 .6
0 .4
0 .2
0
W (t )
- 0 .2
- 0 .4
- 0 .6
- 0 .8
0 0 .1 0 .2 0 .3 0 .4 0 .5 0 .6 0 .7 0 .8 0 .9 1
t

t [0 ,1 ], N = 5 0 0
t t-1 t 0
1
0 .8
0 .6
0 .4
W (t )
0 .2
- 0 .2
- 0 .4
- 0 .6
0 0 .1 0 .2 0 .3 0 .4 0 .5 0 .6 0 .7 0 .8 0 .9 1
t

t [0 ,1 ], N = 1 0 0 0
t t-1 t 0
0 .8
0 .6
0 .4
0 .2
W (t )
- 0 .2
- 0 .4
- 0 .6
0 0 .1 0 .2 0 .3 0 .4 0 .5 0 .6 0 .7 0 .8 0 .9 1
t

t [0 ,1 ], N = 1 0 0 0 0
t t-1 t 0
1 .5
0 .5
W (t )
- 0 .5
-1
0 0 .1 0 .2 0 .3 0 .4 0 .5 0 .6 0 .7 0 .8 0 .9 1
t

M o v im ie n t o B r o w n ia =
n oX: X 0 y∈[t 0 , 1 ] , N = 1 0 0 0 0 , 1 0 s e r ie s .
+ e*s q r t ( t ) , c o n= X
t t- 1 t 0
3
W (t )
0
-1
-2
-3
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
t

M o v im ie n t o B r o w n ia =
n oX: X 0 y∈[t 0 , 1 ] , N = 1 0 0 , 5 0 0 s e r ieµ-s σ,µ+σ]
+ e*s q r t ( t ) , c o n= X ( e n [ s e e n c u e n t r a c o m p r e n d id a , a p r o x . e l 9 5 . 4 4 % d e la d is t r ib
t t- 1 t 0
4
1
W (t )
-1
-2
-3
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
t

t [0 ,1 ], N = 1 0 0 0 , 3 0 0 s e r ie s
t t-1 t 0
(en µ
[ - σ,µ+σ] s e e n c u e n tr a c o m p r e n d id a , a p r o x . e l 9 5 .4 4 % d e la d is tr ib u c ió n )
4
W (t )
0
-1
-2
-3
-4
0 0 .1 0 .2 0 .3 0 .4 0 .5 0 .6 0 .7 0 .8 0 .9 1
t

-3
x 10 R e p r e s e n t a c ió n d e 5 0 0 t r a y e c t o r ia s d e W ie n e r ( N = 1 0 0 )
4
-1
-2
-3
-4
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
T ie m p o

Propiedades
p
Un movimiento movimiento Browniano Bt +dt Bt = ξ t dt, B0 = 0
casi siempre y ξ t N (0, 1) i.i.d..
1) Es una función continua
2) La variación cuadrática en [0, T ] para todo T 0 es T ,.
2
es decir [B, B ](t ) = l«¬mkπ k!0 ∑ni=1 Bti Bti 1 = t en
L2 (P ), 8 t 2 [0, T ]
3) Es de variación total no acotada.
4) No es derivable en (casi) ningún punto.
p
5) Bt N (0, t )
6) Incrementos independientes
7) Es de Marcov, P (Bn +1 = xn +1 jB0 = x0 , ..., Bn = xn ) =
P ( B n + 1 = xn + 1 j X n = xn )
8) Martingala, E [Bn +1 jB0 = x0 , ..., Bn = xn ] = xn
9) Puede tocar cualquier número.
Movimiento Browniano Bidimensional

Movimiento Browniano Tridimensional
-5
-10
-15
-20
-25
-30
10
5
0
-5 5 10
-5 0

Aplicación: tasa de crecimiento

Por qué elegir a un movimiento Browniano?
Sea µ la tasa de creciemiento anualizada y supongamos que en un año
hay n periodos, entonces
µ
N1 = N0 + N0
n
µ
N2 = N1 + N1
n
...
µ
Ntn = Nt 1 + Nt 1
n
entonces
µ tn
Ntn = N0 (1 +) , t en periodos
n
Ahora si n ! ∞, t es …jo, (¿las muestras?)
µ tn
N0 ( 1 + ) ! N0 e µ t
n
Se sabe que N0 e µt es solución de
dNt = µNt dt (1)
Recuerde que cuando la tasa µ 0, se tiene que Nt N0 e µ t .

0
Por otro lado, la ecuación Nt = µNt puede ser vista como
dNt /Nt N0
= t =µ
dt/1 Nt
dNt
= µdt (2)
Nt

¿Realmente, la tasa de creciemiento de una población permanece

constante en el tiempo?

Para que el modelo se asemeje más a la realidad debemos agregar a la

tendencia determinística una parte aleatoria (perturbación o shocks), un
primer paso puede ser agregando un movimiento Browniano Bt . Entonces
la ecuación (2) modi…cada sería:
dNt
= µdt + dBt
Nt
Donde los valores positivos de Bt , dBt > 0, indican perturbaciones
positivas, ya sea por aumento de alimentos o disminución de
depredadores, mientras dBt < 0, indican lo contrario. Pero, algunas
perturbaciones son grandes y otras pequeñas, entonces para mejorar el
modelo agregamos un parámetro σ > 0 multiplicando a las
perturbaciones.
dNt
= µdt + σdBt
Nt
¿Cómo se resuelve?

Una opción natural, sería perturbar la la solucíón de la parte

determinística. Podría ser de las siguientes formas:
a) dXt = µXt dt + rand
b) Yt = x0 e µt +rand
c) Yt = x0 e µt + rand
Se oberva que no modela bien.

S olución de dX =aX dt + rand S olución de dX =aX dt + rand

8 12
7
10
6
5 8
4
6
3
2 4
1
2
0
-1 0
0 0.5 1 1.5 2 0 0.5 1 1.5 2

P osible solución X * exp(mu* t+randn) P osible solución X * exp(mu* t+randn)

0 0
40 8
35 7
30 6
25 5
20 4
15 3
10 2
5 1
0 0
0 0.5 1 1.5 2 0 0.5 1 1.5 2

Solución
dNt 1 σ 2 )t + σ B
= µdt + σdBt ) Nt = N0 e [ ( µ 2 t ]
Nt
S olución estocástica de dX =aX dt

9
0
0 0.5 1 1.5 2

Teorema de Existencia y unicidad
Formula de Ito

Una ecuación diferencial estocástica es una ecuación de la forma
dXt = µ(t, Xt )dt + σ(t, Xt )dWt (3)
de…nida para t 2 [0, T ] y con condición inición inicial lavariable aleatoria

X0 que se asume que es A0 medible e independiente del movimiento
Browniano.
Una ecuación diferencial estocástica también es conocida como un
Proceso de Ito
En una ecuación diferencial estocástica se busca encontrar el proceso Xt
que satisfaga la ecuación (3), los coe…cientes µ, σ : [0, T ] R ! R se
les conocen como los coe…cientes de tendencia (drift o deriva) y de
difusión respectivamente.
Xt :Valor del subyacente
µ(t, Xt )dt :parte determinística
σ(t, Xt )dWt :parte estocástica

Formula de Ito
Resolver la ecuación diferencial estocástica (3) es equivalente a resolver

la siguiente ecuación integral
Z t Z t
Xt = X0 + µ(s, Xs )ds + σ(s, Xs )dWs (4)
s 0
en donde la primera es una integral de Riemann, mientras que la segunda

es una integral estocástica de Itô. Esta ecuación puede interpretarse
como la explicación de un proceso en la cual esta gobernado por dos
componentes, la primera es la parte deterministica y la segunda es la
parte aleatoria (estocástica) o perturbación que viene dado por la integral
estocástica.
A un proceso estocástico de la forma (4) se le llama proceso de Itô

Formula de Ito
Teorema (Existencia y Unicidad)

Sean µ, σ : [0, T ] R ! R que satisfacen la condición de Lipschitz en la
variable en la segunda variable y tienen el siguiente comportamiento de
crecimiento
jµ(t, x )j2 + jσ(t, x )j2 K (1 + jx j2 )
para alguna constante K > 0, entonces existe u proceso estocástico Xt
solución de (3) que es adaptado, continuo, uniformemente acotado en
L2 (P ), además es único en el sentido de indistinguibilidad.
Este teorema no establece la forma de encontrar la solución a una

ecuación estocástica dada.

Formula de Ito
Teorema
Sea Wt un movimiento Browniano, se cumple lo siguiente
(dt)2 = 0, (dt)(dWt ) = (dWt )(dt) = 0, (dWt )2 = dt

Formula de Ito
Formula de Ito
Teorema (Teorema Fundamental: Fórmula de Ito)

Sea Xt un proceso de Ito dado por la ecuación
dXt = µ(t, Xt )dt + σ(t, Xt )dWt
y sea f (t, x ) una función de clase C 1 en t y de clase C 2 en x, entonces

el proceso Yt = f (t, Xt ) es también un proceso de Ito y satisface la
ecuación
∂f ∂f 1 ∂2 f
df (t, Xt ) = (t, Xt ).dt + (t, Xt ).dXt + (t, Xt ).(dXt )2
∂t ∂X 2 ∂X 2
∂f ∂f 1 ∂2 f
df (t, Xt ) = .dt + .dXt + .(dXt )2
∂t ∂X 2 ∂X 2
Demostración. Con un simple cálculo luego usar expansión de Taylor
para la función f (t, x ) y el teorema anterior se llega a la demostración.
Formula de Ito
∂f ∂f 1 ∂2 f
df (t, Xt ) = .dt + .dXt + .(dXt )2
∂t" ∂X 2 ∂X 2 #
1 ∂2 f 1 ∂i f ∂j f
+ .(dt ) + ∑
2 2
(dt ) (dXt ) 2
2 ∂t 2 i +j 3
k! ∂X i ∂X j

Formula de Ito
Corolario
Si Xt es un proceso de Ito entonces Y = f (t, Xt ) también es un
proceso de Ito.
∂f ∂f 1 ∂2 f
dYt = (t, Xt ).dt + (t, Xt ).dXt + (t, Xt ).(dXt )2
∂t ∂X 2 ∂X 2
∂f ∂f
= (t, Xt ).dt + (t, Xt ). (µ(t, Xt )dt + σ(t, Xt )dWt )
∂t ∂X
1 ∂2 f
+ (t, Xt ).(µ(t, Xt )dt + σ(t, Xt )dWt )2
2 ∂X 2
∂f ∂f 1 ∂2 f
= (t, Xt ) + (t, Xt )µ(t, Xt ) + (t, Xt )σ2 (t, Xt ) dt
∂t ∂X 2 ∂X 2
∂f
+ (t, Xt ).σ(t, Xt ) dWt
∂X
dYt = [...] dt + [...] dWt
Formula de Ito
Ejemplo
Rt
Calcule 0 Ws dWs
Tomando Xt = Wt y la función f (t, x ) = x 2 , aplicando Ito a

f (t, Wt ) = Wt2
1
df (t, Wt ) = 2Wt .dWt + (2)(dWt )2
2
= 2Wt .dWt + dt
Equivalente a Z t Z t
Wt2 = 2 Ws dWs + dt
0 0
Entonces Z t
1 2 1
Ws dWs = W t
0 2 t 2

Formula de Ito
Ejemplo
Rt
Calcule 0 Ws2 dWs
Tomando Xt = Wt y la función f (t, x ) = x 3 , aplicando Ito a

f (t, Wt ) = Wt3
1
df (t, Wt ) = 3Wt2 .dWt + (6Wt )(dWt )2
2
2
= 3Wt .dWt + 3Wt dt
Equivalente a
Z t Z t
Wt3 W03 = 3 Ws2 dWs + 3 Ws ds
0 0
Entonces Z t Z t
1 2
Ws2 dWs = W Ws ds
0 3 t 0

Formula de Ito
Ejemplo
Rt
Calcule 0 sdBs
Use f (t, x ) = tx Rt Rt
0 sdBs = tBt 0 Ws ds

Formula de Ito
Así tenemos algunos resultados:

Z t
Ws dBs = 1 1 t.
2 Wt 2
Z0t Z t
Ws dBs = 1
3 Wt Ws ds
Z0t Z t 0
sdBs = tBt Ws ds
0 0

Formula de Ito
Theorem
Sea Xt un proceso de Ito dado por la ecuación
dXt = µ(t, Xt )dt + σ(t, Xt )dWt
y sean f (t, x ) y g (t, x ) funciónes de clase C 1 en t y de clase C 2 en x,

entonces
d (f .g ) = fd (g ) + gd (f ) + d (f )d (g )

Ecuaciones Diferenciales Estocasticas Modelo Browniano Geométrico
Modelos Particulares Modelo Browniano Aritmético
Economía de Black Scholes Proceso Ornstein-Uhlenbeck
Modelo Browniano Geométrico
Este modelo es de amplio uso en …nanzas, sirve para representar el precio

de algunos activos que ‡uctúan siguiendo los schocks de los mercados
…nancieros. Su de…nición es la siguiente.
De…nición (Proceso Geométrico)

Sean µ,σ > 0 dos constantes, y x0 > 0. Un proceso estocástico
fXt : t 0g sera un proceso Browniano geométrico si
dXt = µXt dt + σXt dWt ,

X0 = x0 .
Teniendo en cuenta la fórmula de Ito, con un fácil cálculo se llega a

obtener la solución 1 2
X t = x0 e [ ( µ 2 σ ) t + σ W t ]

Solución:
Considerar la función f (t, x ) = ln(Xt )
1 1 1
d (ln Xt ) = . (dXt )2
Xt 2 Xt2
1 1 1 2 2
= dXt . σ Xt dt
Xt 2 Xt2
1 1 2
= (µXt dt + σXt dWt ) σ dt
Xt 2
1 2
= µ σ dt + σdWt
2
Entonces
1 2
ln(Xt ) ln(X0 ) = µ σ t + σWt
2
La solución es 1 σ 2 )t + σ W
X t = x0 e [ ( µ 2 t ]

S olución estocástica de un Mov. B row niano geométrico

S olución estocástica de dX =aX dt
12
9
8
10
6 8
5
6
3 4
2
2
1
0 0
0 0.5 1 1.5 2 0 0.5 1 1.5 2

Solución estocástica de un Mov. Browniano geométrico

25
20
15
10
0
0 0.5 1 1.5 2

Representación de 200 trayectorias Browniano Geométrico

800
700
600
500
400
300
200
100
0
0 0.5 1 1.5 2
Tiempo

Una opción natural, sería perturbar la la solucíón de la parte

c) Yt = x0 e µt + rand

S olución de dX =aX dt + rand S olución de dX =aX dt + rand

8 12
7
10
6
5 8
4
6
3
2 4
1
2
0
-1 0
0 0.5 1 1.5 2 0 0.5 1 1.5 2

P osible solución X * exp(mu* t+randn) P osible solución X * exp(mu* t+randn)

0 0
40 8
35 7
30 6
25 5
20 4
15 3
10 2
5 1
0 0
0 0.5 1 1.5 2 0 0.5 1 1.5 2

Propiedades
Para el movimiento Browniano Geométrico se cumple lo siguiente:
a) E [Xt ] = x0 e µt
2t
b) Var [Xt ] = x02 e 2 µt (e σ 1)
2t
c) Cov [Xt , Xs ] = x02 e µ(t +s ) (e σ 1), para 0 t s.

Modelo Browniano Aritmético
De…nición
fXt : t 0g sera un proceso Browniano arimético si
dXt = µdt + σdBt ,

X0 = x0 .

obtener la solución
Xt = x0 + µt + σBt

Ver la …gura.
Una opción natura, sería perturbar la la solucíón de la parte
a) dXt = µdt + rand
b) Yt = x0 + µ(t + rand)
c) Yt = x0 + µt + rand
Ver gráficas

Propiedades
Para el movimiento Browniano Aritmético se cumple lo siguiente:
a) E [Xt ] = x0 + µt
b) Var [Xt ] = σ2 t
c) Cov [Xt , Xs ] = ..., para 0 t s.

Proceso Ornstein-Uhlenbeck
De…nición
fXt : t 0g sera un proceso de Ornstein-Uhlenbeck si
dXt = k (µ Xt )dt + σdBt ,

X0 = x0 .

obtener la solución
Z t
kt k (t s )
Xt = µ + ( X0 µ )e +σ e ds
0

Propiedades
Para el proceso Ornstein-Uhlenbeck se cumple lo siguiente:
a) E [Xt ] = µ + (X0 µ )e kt !µ
σ2 2kt )
b) Var [Xt ] = 2k (1 e ! 0
2
c) σ
Cov [Xt , Xs ] = 2k ( e k (s t ) e k (s +t ) ) , para 0 t s.

Ejemplo
La variable Xt se interpreta como la velocidad de una partícula al tiempo
t. La parte determinista -αXt corresponde a la fuerza de fricción, y el
sumando σdBt es un ruido aleatorio.
dXt = αXt dt + σdBt , aqui µ = 0.

Ejemplo (Vasicek)
Se tiene un Bono cupón cero donde rt es la tasa de rendimiento a tiempo
continuo t y r0 la tasa a vencimiento.
drt = k (r0 rt )dt + σdBt
Se observa, cuando la tasa de corto plazo di…ere de su media de largo

plazo r0 , el proceso se ajusta, donde la velocidad del proceso se rige por
k.
El término de tendencia k (r0 rt )dt representa una fuerza que jala al
proceso hacia su media de largo plazo r0 . La componente estocástica,
σdBt , la cual tiene una varianza instantánea constante σ2 , hace que el
proceso ‡uctúe, continuamente, alrededor del nivel de largo plazo r0 en
una forma errática.
La solución es
Z t
kt k (t s )
rt = r0 + (r0 µ )e +σ e dBs
0

Demuestre que la esperanza y varianza, condicionales, del proceso dado

el nivel
actual rt son, respectivamente.
k (T t )
E [rT j rt ] = r0 + (rt r0 )e ,0 t T
σ2
Var [rT j rt ] = (1 e 2k (T t)
), 0 t T
2k


Se sabe que el precio de un bono esta dado por:

r t (T t )
Pt = PT e ,0 t T
Lo que intetresa es calcular Pt .

Con un fácil cálculo y haciendo una replica del valor del bono, se tiene
que el precio del bono sigue una EDP parabólica
∂P 1 ∂2 P ∂P
+ σ2 2 + k (r0 rt ) rt P = 0
∂t 2 ∂rt ∂rt
con la condición …nal que corresponde al vencimiento del bono

P (T ) = PT .La cual puede ser resuelto.

Ecuaciones Diferenciales Estocasticas Réplica Sintética (Portafolio Réplica)
Modelos Particulares Forwards
Economía de Black Scholes Call europea

La característica fundamental en este mundo es que el agente económico
aprende y negocia continuamente.
Supuestos
No existen fricciones en el mercado: no hay impuestos, no hay costos de
transacción, ni restricciones de negociación.
En esta economía sencilla,solo necesitamos dos activos: uno riesgozo y
uno sin riesgo.
Supuestos
dBt = rBt dt (Activo sin riesgo)

dSt = µSt dt + σSt dWt (Activo …nan. riesgoso)
En esta economía sencilla se asume que los parámetros son constantes.

Cuya solución es:
Bt = B0 e rt = BT e r (T t)
1 σ 2 )t + σ W
St = S0 e ( µ 2 t (soluc del proc.geom.)

Para un derivado del estilo europeo

Supuestos
V = V ( St , t )
VT = f (ST ), condición terminal
Usando el lema de Ito, se tiene que el cambio en el valor del derivado va

a depender de dos variables:
i) El tiempo (totalmente determinístico)
ii) El subyacente


Réplica Sintética (Portafolio Réplica)
πt = α t B t + θ t St
πT = f ( ST )
d πt = αt dBt + θ t dSt
donde
Si αt < 0, te estas endeudando
Si αt > 0, estas prestando.
Supuesto: No existe arbitraje

Es decir:
πt = Vt
d πt = dVt = dV (St , t )
En cada instante del tiempo y siempre se deben mover igual.
d πt = αt rBt dt + θ t (µSt dt + σSt dWt )

d πt = (αt rBt + θ t µSt )dt + θσSt dWt

Usando el lema de Ito:

∂V ∂V 1 ∂2 V
dVt = dV (St , t ) = dSt + dt + (dSt )2
∂St ∂t 2 ∂St2
∂V ∂V 1 ∂2 V
= (µSt dt + σSt dWt ) + dt + (µSt dt + σSt dWt )2
∂St ∂t 2 ∂St2
∂V ∂V
= (µSt dt + σSt dWt ) + dt +
∂St ∂t
1 ∂2 V h 2 2 2 2 2 2
i
+ µ S t ( dt ) + 2µS t dtσS t dW t + σ S t ( dWt )
2 ∂St2
∂V ∂V 1 ∂2 V h 2 2 i
= (µSt dt + σSt dWt ) + dt + σ St dt
∂St ∂t 2 ∂St2
∂V ∂V 1 ∂2 V 2 2 ∂V
= µSt + + 2
σ St dt + σSt dWt
∂St ∂t 2 ∂St ∂St

Luego, como
d π t = dVt
d πt = (αt rBt + θ t µSt )dt + θσSt dWt

∂V ∂V 1 ∂2 V 2 2 ∂V
dVt = µSt + + 2
σ St dt + σSt dWt
∂St ∂t 2 ∂St ∂St
Igualando se tiene:
∂V ∂V 1 ∂2 V 2 2
αt rBt + θ t µSt = µSt + + σ St
∂St ∂t 2 ∂St2
∂V
θ t σSt = σSt
∂St

Entonces se tiene que:
∂V
θt =
∂St
1 ∂V 1 ∂2 V 2 2
αt = + σ St
rBt ∂t 2 ∂St2
Entonces, reemplazamos en π t = αt Bt + θ t St se tiene
1 ∂V 1 ∂2 V 2 2 ∂V
Vt = π t = + σ S t Wt + St
rBt ∂t 2 ∂St2 ∂St
De donde tenemos
∂V 1 ∂2 V ∂V
+ σ2 St2 2 + rSt rVt = 0 (EDP Black & Scholes)
∂t 2 ∂St ∂St

En resumen:
Si tenemos
dBt = rBt dt (Activo sin riesgo)

dSt = µSt dt + σSt dWt (Activo …nan. riesgoso)
Haciendo la réplica del valor del derivado:
Vt = π t = α t Bt + θ t St
VT = π T = f ( ST )
d πt = αt dBt + θ t dSt
Entonces el valor del derivado Vt satisface
∂V 1 ∂2 V ∂V
+ σ2 St2 2 + rSt rVt = 0 (EDP Black & Scholes)
∂t 2 ∂St ∂St

Hemos llegado a que si yo le doy valor a un activo, entonces éste tiene

que validar la ecuación de Black & Scholes.
¿Qué pasó con µ?
Anomalías: es muy costoso al comprar o vender a cada momento.
Ejercicio: cuando la acción paga dividendos ctes q.
∂V 1 ∂2 V ∂V
+ σ2 St2 2 + (r q ) St rVt = 0
∂t 2 ∂St ∂St
d π t = αt dBt + θ t dSt
d π t = αt dBt + θ t dSt + θ t (qSt )dt

Forwards
Tenemos el siguiente problema
∂F ∂2 F ∂F
+ 12 σ2 St2 2 + rSt rFt = 0
∂t ∂St ∂St
FT = F (ST , T ) = f (ST ) = ST K condición …nal (t = T )
F (0, T ) = 0
Resolviendo se tiene:
F (St , t ) = St Ke r (T t)

Call europea
En el caso de una Opción Call Europea
∂C ∂2 C ∂C
+ 12 σ2 St2 2 + rSt rCt = 0
∂t ∂St ∂St
CT = C (ST , T ) = f (ST ) = m«axfST K , 0g condición …nal (t = T )
C (0, T ) = 0
l«¬mS !∞ C (S, t ) = S Ke r (T t ) (condición en el in…nito)
σ es la volatilidad
r es la tasa libre de riesgo
T es el vencimiento
K es el precio de ejercicio (el valor al que se va a comercializar en tiempo
T el activo S)


Haciendo un cambio de variables:

S = Ke x
τ = 12 σ2 (T t )
C (S, t ) = KV (x, τ )
Calculando las derivadas parciales

∂V 2 ∂C
∂τ = K σ 2 ∂t
∂V 1 ∂C
∂x = K ∂S S
∂2 V 2 1 ∂2 C 2
∂S 2
= K1 ∂∂SC2 St2 + ∂C
∂S S = K ∂ S 2 St + ∂V
∂x
La condición inicial queda
1 1
V (x, 0) = C (S, T ) = m«axfST K , 0g = m«axfe x 1, 0g
K K

Teniendo en cuenta
∂x
∂S = S1
∂x
∂t =0
∂τ
∂t = 21 σ2
Luego haciendo otro cambio
V (x, τ ) = e ax +b τ u (x, τ )
donde
λ = 2r
σ2
1
a= 21 λ
(1 λ )2
b= 4

Donde al reemplazar se obtiene la EDP (Ecuación del Calor)
∂2 u ∂u
=
∂x 2 ∂τ λ +1 λ 1
u (x, 0) = m«axfe 2 x e 2 x , 0g
l«¬mx ! ∞ u (x, τ ) = 0
l«¬mx !+∞ u (x, τ ) = +∞
λ +1 λ 1
u (x, 0) = u0 = e 2 x e 2 x , si x 0
0 , si x 0
La solución del Calor tiene solución conocida, hay varias formas de

calcularla, la cual es
Z +∞
1 (x s )2
u (x, τ ) = p u0 (s )e ds
2 πτ ∞

Haciendo un cambio de variable y = s x, y reemplazando todos los

2τ
cambios respectivos
Z d1 Z d2
1 s2 r (T t ) s2
C (S, t ) = St p e 2 ds Ke e 2 ds
2π ∞ ∞
r (T t )
C (S, t ) = St N (d1 ) Ke N (d2 )
donde
ln (S t /K )+(r + 21 σ2 )(T t )
d1 = p
σ T t
ln (S t /K )+(r 12 σ2 )(T t )
d2 = p
σ Tp t
d1 + d2 = σ T t

Veri…cando la condición terminal:

1 Caso ST > K (in the money) CT = ST K
t ! T entonces d1 ! +∞ ) N (d1 ) ! 1
d2 ! +∞ ) N (d2 ) ! 1
Entonces: C (ST , T ) = ST K
2 Caso ST < K (out the money) CT = ST K
t ! T entonces d1 ! ∞ ) N (d1 ) ! 0
d2 ! ∞ ) N (d2 ) ! 0
Entonces: C (ST , T ) = 0

Las griegas
Teniendo en cuenta
∂C 1 ∂2 C ∂C
+ σ2 St2 2 + rSt rCt = 0
∂t 2 ∂St ∂S t
∂C σ N 0 (d 1 )
S t .p r (T t ) N ( d )
1 Theta: ∂t = 2 T t
rKe 2 <0
∂C
2 Delta: ∂S = N (d1 ) > 0
∂2 C N 0p
(d 1 )
3 Gamma: ∂S 2
= S .σ T t
>0

Teorema de Girsanov
Forward
Paridad Put-Call
Opción Call y Opción Put

Teorema de Girsanov
De…nición
E (Xt j Fs ) = Xs , si s t
El portafolio réplica debe estar comformado por activos tranables.

Generalmente: No ponemos en el portafolio al subyacente sino uno
equivalente.
Teorema (Girsanov)
Un movimiento Browniano con deriva Bt + λt puede verse como una
movimiento Browniano sin deriva, cambiando la probabilidad.
dBt = rBt dt
dSt = µSt dt + σSt dWt

Teorema de Girsanov
Forward
Paridad Put-Call
Proposición
St
es una martingala.
Bt
St 1 1 1
d = dSt + St d + dSt .d
Bt Bt Bt Bt
1 1 1
= dSt +d + St d
Bt Bt Bt
1 r r
= (µSt dt + σSt dWt ) dt St dt
Bt Bt Bt
µSt σSt r
= dt + dWt St dt
Bt Bt Bt
St σSt
= (µ r ) dt + dWt
Bt Bt
En el mundo normal crece a µ r.
Teorema de Girsanov
Forward
Paridad Put-Call
St 1 1 1
d = dSt + St d + dSt .d
Bt Bt Bt Bt
1 1 1
= dSt +d + St d
Bt Bt Bt
1 r r
= (µSt dt + σSt dWt ) dt St dt
Bt Bt Bt
µSt σSt r
= dt + dWt St dt
Bt Bt Bt
σSt (µ r )
= dWt + dt
Bt σ
σSt
= dWt
Bt
Por el teorema de Girsanov, cambaindo las probabilidades

Teorema de Girsanov
Forward
Paridad Put-Call
Ahora observe que
dSt = µSt dt + σSt dWt

(µ r)
= µSt dt + σSt dWt + dt
σ
= rSt dt + σSt dWt
Se observa que estamos en un mundo neutral al riesgo.

1 2 1 2
St S e [ (r 2 σ )t + σ W t ] S0 e [ ( 0 2 σ ) t + σ W t ]
= 0 =
Bt B0 e rt B0
Tomando esperanza
St S0
E =
Bt B0

Teorema de Girsanov
Forward
Paridad Put-Call
Entonces
St Sr
=E j Ft ,para t r
Bt Br
De donde se tiene rápidamente que
Vt Vr
=E j Ft ,para t r
Bt Br
Teorema
Se tiene
Vt VT
=E j Ft ,para t T
Bt BT
r (T t )
Vt = e .E [VT j Ft ] ,para t T

Teorema de Girsanov
Forward
Paridad Put-Call
Forward
Ejemplo (Forward)
Se tiene la condición terminal VT = ST K , halle Vt =?
Vt VT
= E j Ft
Bt BT
ST K
= E j Ft
BT
ST K
= E j Ft E j Ft
BT BT
St K
= E j Ft
Bt Bt .e r (T t)
St K
=
Bt Bt .e r (T t )
Teorema de Girsanov
Forward
Paridad Put-Call
Entonces
r (T t )
V t = St Ke

Teorema de Girsanov
Forward
Paridad Put-Call
Paridad Put-Call
Ejemplo (Paridad Put-Call)

Se tiene la condición terminal VT = CT PT , donde
CT = m«axfST K , 0g y PT = m«axfK ST , 0g. halle Vt =?
Note que VT = ST K (es un forward). Asi se tiene la paridad Put-Call
Vt = Ct Pt
r (T t )
St Ke = Ct Pt

Teorema de Girsanov
Forward
Paridad Put-Call
Opción Call
Ejemplo (Call)
Se tiene la condición terminal VT = m«axfST K g, halle Vt =?
r (T t )
Vt = e .E [m«axfST K g j Ft ]
Z +∞
r (T t )
= e . m«axfST K gf (r )dr
0
Z +∞
r (T t )
= e . ( ST K ) f (r )dr , dondeST > K
K
Z +∞ Z +∞
r (T t ) r (T t )
= e . ST f (r )dr e Kf (r )dr
K K
r (T t )
= St N (d1 ) Ke N (d2 )

Teorema de Girsanov
Forward
Paridad Put-Call
donde
ln (S t /K )+(r + 12 σ2 )(T t )
d1 = p
σ T t
ln (S t /K )+(r 12 σ2 )(T t )
d2 = p
σ Tp t
d1 + d2 = σ T t

Teorema de Girsanov
Forward
Paridad Put-Call
Opción Put
Ejemplo
Del ejemplo anterior y de la paridad Put-Call se tienen el valor de una Put
r (T t )
Pt = Ke N ( d2 ) St N ( d1 )

Teorema de Girsanov
Forward
Paridad Put-Call
Ejercicio: crecimiento Logístico
Esta típica aplicación de la ecuación logística es un modelo común del

crecimiento poblacional según el cual:
1 la tasa de reproducción es proporcional a la población existente.
2 la tasa de reproducción es proporcional a la cantidad de recursos
disponibles.
El segundo término modela, por tanto, la competición por los recursos
disponibles, que tiende a limitar el crecimiento poblacional.
Si X representa el tamaño de la población y t representa el tiempo, este
modelo queda formalizado por la ecuación diferencial:
dX X
= X 0 = rX (1 )
dt K
donde la constante r de…ne la tasa de crecimiento y K es la capacidad de
persistencia.

Teorema de Girsanov
Forward
Paridad Put-Call
La solución general a esta ecuación es una función logística. Con una

población inicial X0 :
KX0 e rt
X (t ) =
K + X0 (e rt 1)
donde
l«¬m X (t ) = K .
t !∞

Teorema de Girsanov
Forward
Paridad Put-Call

Teorema de Girsanov
Forward
Paridad Put-Call
Si le damos algo de realismo al modelo de crecimiento logístico,

agregándole una parte estocástica. Obtenemos la siguiente la E.D.E.:
X
dX = rX (1 )dt +σXdBt
K
¿Cómo será la solución?
Ejercicio para el lector

Teorema de Girsanov
Forward
Paridad Put-Call
Referencias
Hull - Options, Futures and Other Derivatives 9vo ed (2011).

Wilmott - Introduces quantitative …nance (2007).
Higham, An Introduction to Financial Option Valuation Maths,
stochastics and computation (2005), Cambridge University.

Teorema de Girsanov
Forward
Paridad Put-Call
Muchas Gracias !!!

Ecuaciones Diferenciales Estocásticas - Notas de Clase

Cargado por

Información del documento

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

Ecuaciones Diferenciales Estocásticas - Notas de Clase

Cargado por

Copyright:

Formatos disponibles

Movimiento Browniano

Ecuaciones Diferenciales Estocasticas

Luis Javier Vásquez Serpa

Notas de clases 2018-I

LUIS JAVIER VÁSQUEZ SERPA VII International Symposium of Applied Mathematics

LUIS JAVIER VÁSQUEZ SERPA VII International Symposium of Applied Mathematics

De…nición (Movimiento Browniano)

LUIS JAVIER VÁSQUEZ SERPA VII International Symposium of Applied Mathematics

De la de…nición, un proceso estocásticos Bt es un moviento Browniano si

donde B0 = 0 casi siempre y ξ t N (0, 1) i.i.d..

LUIS JAVIER VÁSQUEZ SERPA VII International Symposium of Applied Mathematics

Ahora veamos el Movimiento Browniano

LUIS JAVIER VÁSQUEZ SERPA VII International Symposium of Applied Mathematics

LUIS JAVIER VÁSQUEZ SERPA VII International Symposium of Applied Mathematics

LUIS JAVIER VÁSQUEZ SERPA VII International Symposium of Applied Mathematics

LUIS JAVIER VÁSQUEZ SERPA VII International Symposium of Applied Mathematics

LUIS JAVIER VÁSQUEZ SERPA VII International Symposium of Applied Mathematics

LUIS JAVIER VÁSQUEZ SERPA VII International Symposium of Applied Mathematics

LUIS JAVIER VÁSQUEZ SERPA VII International Symposium of Applied Mathematics

LUIS JAVIER VÁSQUEZ SERPA VII International Symposium of Applied Mathematics

LUIS JAVIER VÁSQUEZ SERPA VII International Symposium of Applied Mathematics

LUIS JAVIER VÁSQUEZ SERPA VII International Symposium of Applied Mathematics

LUIS JAVIER VÁSQUEZ SERPA VII International Symposium of Applied Mathematics

LUIS JAVIER VÁSQUEZ SERPA VII International Symposium of Applied Mathematics

LUIS JAVIER VÁSQUEZ SERPA VII International Symposium of Applied Mathematics

LUIS JAVIER VÁSQUEZ SERPA VII International Symposium of Applied Mathematics

Movimiento Browniano Bidimensional

LUIS JAVIER VÁSQUEZ SERPA VII International Symposium of Applied Mathematics

Movimiento Browniano Tridimensional

LUIS JAVIER VÁSQUEZ SERPA VII International Symposium of Applied Mathematics

Aplicación: tasa de crecimiento

Se sabe que N0 e µt es solución de

dNt = µNt dt (1)

Recuerde que cuando la tasa µ 0, se tiene que Nt N0 e µ t .

LUIS JAVIER VÁSQUEZ SERPA VII International Symposium of Applied Mathematics

¿Realmente, la tasa de creciemiento de una población permanece

LUIS JAVIER VÁSQUEZ SERPA VII International Symposium of Applied Mathematics

Para que el modelo se asemeje más a la realidad debemos agregar a la

LUIS JAVIER VÁSQUEZ SERPA VII International Symposium of Applied Mathematics

Una opción natural, sería perturbar la la solucíón de la parte

LUIS JAVIER VÁSQUEZ SERPA VII International Symposium of Applied Mathematics

a) dXt = µXt dt + rand

S olución de dX =aX dt + rand S olución de dX =aX dt + rand

LUIS JAVIER VÁSQUEZ SERPA VII International Symposium of Applied Mathematics

P osible solución X * exp(mu* t+randn) P osible solución X * exp(mu* t+randn)

LUIS JAVIER VÁSQUEZ SERPA VII International Symposium of Applied Mathematics

S olución estocástica de dX =aX dt

LUIS JAVIER VÁSQUEZ SERPA VII International Symposium of Applied Mathematics

Ecuaciones Diferenciales Estocasticas

dXt = µ(t, Xt )dt + σ(t, Xt )dWt (3)

de…nida para t 2 [0, T ] y con condición inición inicial lavariable aleatoria

LUIS JAVIER VÁSQUEZ SERPA VII International Symposium of Applied Mathematics

Resolver la ecuación diferencial estocástica (3) es equivalente a resolver

en donde la primera es una integral de Riemann, mientras que la segunda

LUIS JAVIER VÁSQUEZ SERPA VII International Symposium of Applied Mathematics

Teorema (Existencia y Unicidad)

Este teorema no establece la forma de encontrar la solución a una

LUIS JAVIER VÁSQUEZ SERPA VII International Symposium of Applied Mathematics

(dt)2 = 0, (dt)(dWt ) = (dWt )(dt) = 0, (dWt )2 = dt

LUIS JAVIER VÁSQUEZ SERPA VII International Symposium of Applied Mathematics

Teorema (Teorema Fundamental: Fórmula de Ito)

dXt = µ(t, Xt )dt + σ(t, Xt )dWt

y sea f (t, x ) una función de clase C 1 en t y de clase C 2 en x, entonces