Está en la página 1de 55

Derivados

Germán Daniel Fermo

Ph.D. in Economics, UCLA


Modelo de Black-Scholes para la Valuación de European Options
Replicación del payoff de un European Call mediante un Portfolio Equivalente.
El modelo de Black/Scholes (1973) se desarrolló para valuar equity options, es decir, opciones
sobre acciones de una empresa en particular. En particular, el modelo de B/S se desarrollo para
valuar un call sobre un stock. Si bien el modelo de B/S es complejo en el sentido que utiliza
calculo diferencial estocástico para encontrar una fórmula que exprese el valor de un call, el
concepto es muy simple. La idea se basa en lo siguiente: si se arma un portfolio compuesto de
una determinada cantidad de acciones (∆) y una determinada cantidad de bonos libre de riesgo
(B), esta combinación puede replicar perfectamente el payoff de un call en los distintos estados de
incertidumbre. Supongamos que el precio de la acción sigue un proceso binomial con dos estados
futuros posibles, en un estado el precio sube al valor uS (con probabilidad q), en el otro estado el
precio baja al valor dS (con probabilidad (1-q)). En este caso, el payoff del portfolio va a ser
uS∆+rB en el up node y dS∆+rB en el down node. Si lo que queremos es replicar el payoff de un
call, deberemos escoger ∆ y B tal que las siguientes dos condiciones se cumplan:
uS∆ + rB = C u
dS∆ + rB = C d

En donde Cu y C d son los payoffs de un call en el up y down node respectivamente. La solución


a este sistema de ecuaciones resulta en los siguientes valores:
∆ = (C u − C d ) /(u − d ) S B = (uC d − dC u ) /(u − d )r

De esta forma el valor del portfolio es S∆+B, el cual resulta en la siguiente expresión:

r−d u−r
[( )C u + ( )C d ] / r
u−d u−d

Recuerden que este portfolio en cualquier estado de la naturaleza genera exactamente el payoff
de un call. Es por esta razón que en ausencia de arbitraje dos activos que generan exactamente el
mismo payoff futuro en cualquier estado de la naturaleza tiene que valer exactamente lo mismo.
Es por esta razón que el valor del call es:
r−d u−r
C = [( )Cu + ( )C d ] / r
u−d u−d

Como vemos lo que hicimos fue generar un call sintético representado en un portfolio que
combina una determinada cantidad de la acción y un bono. B/S en su paper original plantearon el
problema un tanto diferente, ellos representaron el sistema de ecuaciones de la siguiente forma:
Cu − uS∆ = rB
C d − dS∆ = rB

La idea principal subyacente a este sistema de ecuaciones es que era necesario encontrar el
hedge ratio (∆) que inmunizase la incertidumbre contenida en los payoffs del call. Obviamente,
una vez encontrado este hedge ratio (∆), el portfolio compuesto del call y la acción no tiene riesgo
porque esta perfectamente hedgeado y por lo tanto en ausencia de arbitraje debe rendir lo mismo

1
que un activo libre de riesgo: rB. Pero ojo, este portfolio permanece libre de riesgo por un
pequeño periodo, una vez transcurrido este periodo, es necesario reajustar el portfolio y recalcular
el hedge ratio. Esta es la idea básica de B/S. Evidentemente el modelo de B/S es mas general en
el sentido que puede aplicarse a mas de un periodo en el futuro. Sin embargo el concepto es
exactamente el mismo, sin embargo se requiere en cada nuevo periodo reajustar las cantidades
relativas de bonos y acciones en el portfolio. Este es un supuesto fundamental del modelo de B/S,
en cada nuevo periodo una vez que la incertidumbre de ese periodo fue resuelta, es necesario
cambiar la composición del portfolio. Es por esta razón que el supuesto de costos de transacción
iguales a cero es tan importante en este modelo, porque cada reajuste es gratis. En términos de un
modelo binomial, el modelo se debe resolver de atrás para adelante (backwards) utilizando el
mismo concepto explicado anteriormente.
Utilización del Modelo Binomial y Definición de Probabilidades Neutrales al Riesgo
Volvamos a la fórmula que determina el valor del call recordando que r es el factor de interés y
no la tasa de interés.
r−d u−r
C = [( )Cu + ( )C d ] / r
u−d u−d

Como vemos los términos entre paréntesis, se pueden interpretar como probabilidades dado que
suman 1:
r −d u−r r −d +µ −r µ −d
( )+( )= = =1
u−d u−d µ −d µ −d

De esta forma el valor del call se puede expresar como:


C = [π Cu + (1 − π ) C d ] / r

Es muy importante destacar que esta nueva probabilidad π a la que se la llama risk neutral
probability es DISTINTA a la VERDADERA probabilidad de que el precio del la acción suba, q.
Para no confundirnos, recordemos que el primer aspecto necesario para valuar un derivado es
definir el proceso dinámico estocástico del underlying. La probabilidad q es uno de los
componentes del verdadero proceso estocástico del underlying.
Es fundamental entender entonces qué es π. Para entender el significado de π es necesario
analizar las consecuencias que esta variable tendría si la hacemos interactuar con los precios
futuros del underlying y el valor futuro de un plazo fijo constituido hoy (o sea, en t).
Recordemos que en este mundo binomial la variable precios futuros del underlying ( St +1 ) sólo
puede asumir dos valores en el próximo intervalo de tiempo:
Stµ+1 = St µ Std+1 = St d

En donde µ y d son los factores de crecimiento en los precios por unidad de tiempo. De esta
forma, en este simplificado mundo binomial, el precio en el futuro puede adquirir sólo dos
valores por unidad de tiempo.
Definamos ahora una variable que será muy útil para nuestro análisis: valor futuro (o sea, en
t+i) de un plazo fijo LIBRE DE RIESGO que se constituye INICIALMENTE hoy (o sea en t).
Supongamos que el monto con el que se constituye es inicialmente 1 peso, de esta forma, con el
transcurso del tiempo este activo irá incrementando su valor por el devengamiento de la tasa libre
de riesgo. Por ejemplo, en t+1 el valor del plazo fijo constituido en t es:
PFt +1 = r1AI

Siguiendo con el mismo razonamiento, en t+2 el valor del plazo fijo constituido en t es:

2
PFt + 2 = r 2 AI ⇒ PFt + i = r iAI

En donde la variable AI mide la distancia de tiempo como proporción anual entre t+1 y t y r se
define como el factor de interés ANUAL. Vemos que la variable PFt + i es NO ESTOCASTICA y
su cambio en el tiempo se explica exclusivamente por el devengamiento de interés adicional.
Definamos ahora UNA SEGUNDA variable estocástica que jugará un rol determinante para
explicar el significado de π: el ratio entre el precio futuro del underlying y el valor futuro del
plazo fijo:
St + i / PFt + i = St +i /( r iAI )

Concentrémonos en t+1. En nuestro simplificado mundo binomial, en el intervalo de tiempo


transcurrido entre t+1 y t la variable estocástica, precio futuro del underlying, puede solamente
adquirir dos valores diferentes:
St µ /(r1AI ) St d /( r1AI )

Recordemos que en t, o sea hoy, el valor del plazo fijo es 1 y el precio del underlying es St , de
esta forma el valor de nuestra nueva variable estocástica en t es:
St S
= t = St
PFt 1

Conclusión: Sólo en t, el valor de nuestra nueva variable estocástica y el precio del


underlying son idénticos.
Para simplificar supongamos que la distancia de tiempo como proporción anual entre t+1 y t es
igual a 1:
AI = 1

Es aquí en donde viene lo interesante: supongamos ahora que le calculamos la esperanza


matemática a esta nueva variable estocástica por unidad de tiempo utilizando como probabilidad
a π. Recordemos que nuestra nueva variable estocástica puede asumir en el próximo intervalo de
tiempo sólo dos valores:
St µ /(r ) St d /( r )

Entonces, la esperanza matemática EVALUADA CON π (y NO con otra probabilidad,


NUNCA olvidar esto) es:
St +1 Sµ Sd
E( ) = π t + (1 − π ) t
PFt +1 r r

Esto a su vez implica:


St +1 r − d St µ u − r St d
E( )=( ) +( )
PFt +1 u−d r u−d r

St +1 rS µ − dSt µ + µSt d − rSt d rSt ( µ − d )


E( )= t = = St
PFt +1 (µ − d )r (µ − d )r

Recordemos que, dado que PFt = 1 , el valor en t de nuestra nueva variable estocástica es:
S t / 1 = St

3
De esta forma, aplicar las probabilidades π a la nueva variable estocástica resulta en lo
siguiente:
St +1
E( ) = St =Valor en t de la Variable!!!!!!!!!!!!
PFt +1

Esto que acabamos de encontrar es lo que en estadística se conoce como un proceso estocástico
de martingala!!!!!. Antes de seguir, es absolutamente necesario recordar que el parámetro
responsable de este resultado es π. Este resultado NO PUDO HABERSE OBTENIDO si la
esperanza matemática se hubiera calculado con una probabilidad DISTINTA de π.
Una martingala es un proceso estocástico que NO TIENE DRIFT. Es decir, es un proceso que
no tiene ningún componente sistemático que explique el cambio intertemporal de la variable,
implicando entonces que su dinámica está explicada exclusivamente por ruidos intertemporales:
dxt = σdzt , dzt ⇒ N (0, dt )

Lo que nos está diciendo esta ecuación es que en un punto del tiempo, el diferencial de la
variable es afectado intertemporalmente sólo por un componente estocástico, es decir, no hay
nada sistemático que explique el cambio de la variable en el tiempo, TODO ES RUIDO. De
esta forma, el valor en t+1 de la variable es:
xt +1 = xt + dxt = xt + σdzt

Si ahora calculamos la esperanza matemática en t de esta variable tenemos:


E ( xt +1 ) = E ( xt + dxt ) = E ( xt ) + E (σdzt ) = xt + σE (dzt ) = xt

Es mas, observemos lo que ocurre a la variable en t+2:


xt + 2 = xt + σdzt + σdzt +1

Si ahora calculamos la esperanza matemática en t de esta variable tenemos:


E ( xt + 2 ) = E ( xt + dxt + dxt +1 ) = E ( xt ) + E (σdzt ) + E (σdzt +1 ) = xt + σE (dzt ) + σE (dzt +1 ) = xt

De esta forma, al ser el drift cero, una martingala tiene la siguiente consecuencia:
E ( xt +i ) = xt , ∀i

Como vemos, si el diferencial de la variable exhibe un proceso de martingala, el mejor


predictor del valor futuro de la variable es el valor de esa variable hoy, o sea, en t, ESTA ES
LA CARACTERISTICA PRINCIPAL DE UN PROCESO ESTOCASTICO DE
MARTINGALA!!!!. La intuición de por qué esto es así es muy sencilla: como en cada punto del
tiempo el diferencial de la variable es explicado por la variable dzt ⇒ N (0, dt ) , al tener la misma
una esperanza matemática igual a cero, se cancela en promedio, resultando entonces xt el mejor
predictor de xt +i . Si por el contrario, el proceso tuviera un drift, el mismo perduraría en el tiempo
implicando que el mejor predictor del valor futuro de la variable dejaría de ser xt .
La implicancia de esto es fundamental en teoría de opciones: si se FUERZA a que el valor
esperado en t+1 del ratio entre el precio en t+1 del underlying y el valor en t+1 de un plazo fijo
(constituido en t) sea idéntico al valor que ese ratio tiene hoy (recordemos que el precio spot del
underlying mide el valor hoy, en t, de ese ratio dado que un plazo fijo constituido en t no tuvo
tiempo de devengar interés y por lo tanto es 1), entonces la probabilidad responsable de esto, π,
puede ser utilizada para valuar el call simplemente por valor presente esperado.
Para entender mejor este párrafo, recordemos inicialmente dónde apareció pro primera vez π:

4
C = [π Cu + (1 − π ) C d ] / r

Con esta igualdad uno mira y dice: perfecto, el valor de un call después de haber agotado las
oportunidades de arbitraje puede ser expresado como un valor esperado EVALUADO con una
probabilidad π. Lo que hicimos en las ultimas paginas fue preguntarnos conceptualmente qué era
π. Ahora que lo sabemos, la idea es INVERTIR el proceso y de esta forma poder valuar opciones
mas rápido evitando la replicación sintética en cada punto del tiempo y ajuste continuo del
portfolio. El proceso invertido debe ser:
a) FORZAR a que el proceso estocástico referido al precio relativo entre el spot del
underlying y el valor de un plazo fijo sea una martingala. El resultado de esto es la famosa π!!!!;
b) Una vez encontrada la probabilidad π, simplemente se puede valuar el call utilizando
valor presente esperado, lo cual simplemente implica utilizar la siguiente fórmula:
C = [π Cu + (1 − π ) C d ] / r

Vemos ahora que esta fórmula es el final de la historia y no el comienzo, de ahí que decimos
que esto es un procedimiento invertido.
A qué es equivalente el paso a) de este procedimiento invertido?. FORZAR a que el proceso
estocástico del precio relativo sea una martingala es equivalente a suponer AGOTAMIENTO DE
ARBITRAGE. Es aquí en donde nace la equivalencia entre martingalas y agotamiento de
arbitraje y hace a la esencia del proceso de valuación de opciones!!!.
Por qué suponer martingalas es mejor que suponer agotamiento de arbitraje?. La razón es que
es mucho mas rápido y sencillo valuar backwards una opción aplicando esperanza matemática a
valor presente que generar en cada punto del tiempo un sintético que replique el payoff del
derivado.
Entonces: si forzamos a encontrar una probabilidad π tal que el valor esperado del ratio
entre el precio futuro del underlying y el valor futuro de un plazo fijo sea igual al valor que esa
variable tiene hoy, esa probabilidad habrá convertido al proceso estocástico para esta nueva
variable (el ratio) en una martingala. Bajo estas probabilidades, el valor del call simplemente
puede calcularse como el valor presente esperado utilizando como probabilidad a π y no a la
verdadera probabilidad q.
Para finalizar, valuar por martingalas implica utilizar un proceso estocástico para el underlying
que NO ES EL VERDADERO. Pero esto a nadie le importa dado que este proceso
MENTIROSO resulta en el VERDADERO valor del call!!!!.
Conclusión Fundamental: Las probabilidades de martingala son aquellas que convierten al
proceso estocástico de la nueva variable (ratio entre el precio spot del underlying y el valor del
plazo fijo) en una martingala. Es decir, π convierte al proceso estocástico de precios relativos
entre el spot del underlying y un plazo fijo en una martingala. Esta idea conforma la base
actual para valuar derivados de cualquier tipo.
Por que es esto útil?, un call puede valuarse de dos formas distintas:
a) dada la verdadera función de distribución del underlying asset impongo el supuesto de no
arbitraje y por replicación sintética de los payoffs del call en base a un portfolio constituido de
una determinada cantidad de acciones y bonos obtengo el precio del call;
b) ignoro por completo la condición de arbitraje y la verdadera función de distribución del
underlying asset (basada en q) y en su reemplazo supongo que el ratio entre el precio futuro del
underlying asset y el valor futuro de un plazo fijo sigue un proceso estocástico de martingala (lo
cual requiere obviamente calcular la incógnita π). El valor del call en este caso surge de calcular
simplemente el valor esperado presente de sus payoffs basado en la martingala equivalente π..
Obviamente los dos procedimientos generan exactamente el mismo valor para el call pero la
ventaja es que bajo el supuesto de martingalas el cálculo es mucho mas rápido y sencillo.

5
Recordemos que el cálculo de un call por replicación sintética requiere en cada nodo del árbol
binomial un recálculo de la cantidad de acciones y bonos que componen el portfolio, lo cual
puede ser muy engorroso. Es mas, como veremos mas adelante, esta ventaja es aun mas evidente
cuando trabajamos con procesos continuos (Brownian Motions).
Conclusión: Si suponemos que el ratio entre el precio futuro del underlying asset y el valor
futuro de un plazo fijo sigue una martingala, la valuación del call que resulte de valuarlo como
valor esperado de sus payoffs es equivalente a la que surgiría de suponer no arbitraje.
De esta forma si “exigimos” que el ratio entre el precio futuro del underlying asset y el valor
futuro de un plazo fijo constituido en t, siga una martingala, podremos utilizar las probabilidades
resultantes para valuar al call como valor esperado.
Conclusión Fundamental: Existe entonces una analogía entre lo siguiente: suponer
agotamiento de oportunidades de arbitraje y replicación sintética de activos es equivalente a no
suponer nada de esto y simplemente suponer que el ratio entre el precio futuro del underlying y
el valor futuro de un plazo fijo sigue una martingala.
Necesidad en la Utilización de Métodos Numéricos
Por suerte Black/Scholes pudieron derivar una fórmula para valuar un European Call.
Desafortunadamente en general, no existen fórmulas que nos permitan valuar american options.
Recordemos que la diferencia entre un european option y un american option es que las european
solo pueden ejercitarse una vez, en maturity. Por el contrario, las american options pueden
ejercitarse en cualquier momento durante la vida de la opción. Dado que las american options
tiene un sistema de payoffs mas complejo que las europeans, todavía nadie pudo encontrar una
fórmula que resuelva su valor en forma reducida. Es en estos casos por ejemplo, en donde es tan
útil y necesaria la utilización de métodos numéricos de resolución.
La fórmula de Black/Scholes
La fórmula de B/S es:
C = SN (d1 ) − Ke − r (T −t ) N (d 2 )
d1 = [ln(S / K ) + (r + 0.5σ 2 )(T − t )] /[σ (T − t ) ]
d 2 = d1 − σ T − t

Incrementos de volatilidad y su relación con la asimetría riesgo.


Quizá el parámetro mas importante para analizar es sigma, la volatilidad. La fórmula de B/S
nos dice que un aumento en la volatilidad de los retornos del underlying asset genera un aumento
en el valor del call, por qué? La razón es que dado que las opciones son asimétricas con respecto
al riesgo, un aumento en la volatilidad de los retornos del underlying asset implica
necesariamente un aumento en el valor esperado de los payoffs de la acción. Esto no pasa por
ejemplo, con los precios. Un aumento en la volatilidad deja constante el valor presente esperado
de la acción.
Definición de un proceso Brownian Motion
Black/Scholes asume que el cambio en el precio de un stock en particular sigue un proceso
estocástico Brownian Motion. La caracteristica fundamental de un proceso estocástico es que los
cambios de precios a traves del tiempo no se conocen con perfecta certidumbre, es decir, los
precios se asumen que son shoqueados por un componente estocástico en cada intervalo de
tiempo (el cual es infinitesimalmente pequeño y se lo denomina dt). El componente estocástico
simplemente captura el hecho de que ex ante, la evolución futura del precio de una acción es
totalmente desconocida. El proceso estocástico se representa matemáticamente con la siguiente
ecuación:
dS t = µS t dt + σS t dz t

Enfatiza que σ ES la varianza ANUAL de los retornos.

6
Esta expresión es equivalente a la siguiente expresión:
dS t / S t = µdt + σdz t

En donde la variable dz t es estocástica y tiene la siguiente distribución de probabilidad:


dz t ⇒ N (0, dt )

Es importante desengranar lo que es la ecuación de precios usada por B/S. En primer lugar,
para simplificar, hagamos dt=1. En segundo lugar hagamos que la ecuación sea no estocástica, es
decir dz t =0. Entonces, como vemos la ecuación de precios es simplemente una función
exponencial. Esto te analiza el proceso sin volatilidad. Obvio, luego cuando le meto volatilidad el
proceso muestra la misma forma pero con ruido.
dS t = µS t dt + σS t dz t ⇒
S1 = S 0 + S 0 µ = S 0 * (1 + µ )
S 2 = S1 + S1 µ = S1 * (1 + µ )
S1 = S 0 * (1 + µ )
S 2 = S 0 * (1 + µ ) * (1 + µ ) = S 0 * (1 + µ ) 2
S 3 = S 0 * (1 + µ ) 3

S t es el precio de la acción en t, dS t es el cambio en el precio de la acción en t, µ es la tasa


anual esperada de crecimiento en el precio de la acción, dt es el intervalo de tiempo en el que se
produce el shock estocástico, σ es la volatilidad, la cual se define como el desvío standard de los
retornos anuales de la acción. La variable dz t es estocástica y sigue un proceso Brownian Motion.
Una variable estocástica Brownian Motion por definición tiene tres características: i) se distribuye
como una normal con media cero, ii) tiene un desvío standard igual a la raíz cuadrada de dt, con
lo cual su varianza es dt, iii) son independientes a traves del tiempo, es decir, Cov(dz t , dz t +1 ) = 0 .
La ecuación dS t / S t = µdt + σdz t nos dice algo muy importante: en el modelo de Black/Scholes
el retorno de la acción tiene dos componentes: un componente determinístico que se conoce con
perfecta certidumbre, µdt, y un componente incierto: σdz t . Se puede demostrar además que el
valor esperado del retorno dS t / S t en un intervalo de tiempo (dt) es u*dt y la volatilidad del
retorno en un intervalo de tiempo es σ dt . La demostración es la siguiente:
E (dS / S ) = E (udt ) + E (σdz ) = udt + σE (dz ) = udt + σ * 0 = udt
Var (dS / S ) = Var (udt ) + Var (σdz ) + 2COV (udt , σdz ) = 0 + σ 2Var (dz ) + 0 = σ 2 dt

Es importante saber cómo calcular la volatilidad σ ya que es el único parámetro en la fórmula


de B/S que no se observa de datos de mercado. Hay dos formas de estimar la volatilidad. Primero,
se puede estimar la volatilidad a partir de datos históricos de mercado. Con lo cual podemos
estimar σ a partir de un vector de observaciones basadas en el logaritmo de los retornos brutos.
La segunda forma es a traves de calcular la implied volatility.
Martingalas Continuas y Ajuste de Drift
Los retornos siguen el siguiente proceso estocástico:

7
dS t
= µdt + σdz t dz t ⇒ N (0, dt )
St
Esto implica que el precio del underlying sigue el siguiente proceso:
S t +1 = S t e ( µdt +σdzt )
De esta forma, el precio en maturity del underlying es:
T
T ∑ ( µdt +σdzt )
S T = S 0 C e ( µdt +σdzt ) = S 0 e t =1
t =1
Definamos a la sumatoria precedente de la siguiente forma:
T
Z= ∑ (µdt + σdz ) ⇒ S
t =1
t T = S0e Z

Como vemos, la variable Z es obviamente estocástica y además es una suma de variables


normales con lo cual también es normal.
Conclusión 1: La variable Z se distribuye como una normal (esto es así porque dz son todas
normales).

La esperanza matemática de Z es:


T T T
E (Z ) = E ( ∑
t =1
( µdt + σdz t )) = E ( ∑ t =1
µdt ) + E ( ∑ (σdz ) = µT
t =1
t

La varianza de Z es:
T T
V (Z ) = V ( ∑ (µdt + σdz )) = ∑ σ
t =1
t
t =1
2
dt = σ 2 T

Recordemos que al ser µ constante y al exhibir los shocks dz t cero covarianza entre sí, la
varianza de la suma es una suma de varianzas.
Conclusión 2: La variable Z tiene una media igual a µT y una varianza igual a σ 2 T .

Definamos ahora a µT = µ1 y σ 2 T = σ 12 . El objetivo de esta sección es determinar cuál es la


esperanza matemática de S T . Un valor especifico de S Ti es:
S Ti = S 0 e Z i

Obviamente, existen infinitos valores posibles de esta expresión. De esta forma, pensando en
forma discreta, la esperanza matemática de S T es:
E

∑π
Zj
E (S T ) = S 0 je
j =1

en donde E indica la cantidad de estados posibles. Es en este paso en donde la distribución de la


variable Z nos ayuda a especificar la verdadera forma de la esperanza matemática. Recordemos
que al ser una normal, la esperanza matemática es:

∫e
Z
E (S T ) = S 0 f ( Z )dZ
−∞
Recordemos además que la función de densidad de una normal es:
1 1 ( x − E ( x)) 2
f ( x) = exp(− ( ) )
σ x 2π 2 σx
Dado nuestro caso particular, la función de densidad para la variable estocástica normal Z es:

8
1 1 ( Z − µ1 ) 2
f (Z ) = exp(− ( ) )
σ 1 2π 2 σ1
De esta forma, E ( S T ) es:

E (S T ) = S 0
−∞
∫ f (Z ) exp(Z )dZ

1 1 ( Z − µ1 ) 2
E (S T ) = S 0 ∫ (σ
−∞ 1 2π
exp(−
2
(
σ1
) )) exp( Z )dZ


1 1 ( Z − µ1 )
E (S T ) = S 0
σ 1 2π ∫ exp(Z − 2 (
−∞
σ1
) 2 )dZ

1 ( Z − µ1 ) 2
Concentrémonos en el termino Z − ( ) , si completamos cuadrados, se puede demostrar
2 σ1
que este término es equivalente a:
σ 2 1 ( Z − ( µ1 + σ 12 ) 2
µ1 + 1 − ( )
2 2 σ1
Reexpresando E ( S T ) tenemos:

1 σ 12 1 ( Z − ( µ1 + σ 12 ) 2
E (S T ) = S 0
σ 1 2π −∞
∫ exp( µ1 +
2

2
(
σ1
) )dZ

Reagrupando, tenemos:

σ 12 1 1 ( Z − ( µ1 + σ 12 ) 2
E ( S T ) = S 0 exp( µ1 +
2
)
σ 1 2π −∞
∫ exp(−
2
(
σ1
) )dZ

Definamos ahora a la siguiente variable:


Z − ( µ1 + σ 12 ) dZ
x= ⇒ dx = (esto nos permite usar el único sigma fuera de la integral)
σ1 σ1
De esta forma:

σ 12 1
∫ exp(− x)
2
E ( S T ) = S 0 exp( µ1 + )( )dx)
2 2π −∞
El término:

1
∫ exp(− x)
2
)dx = 1
2π −∞
Es el área cubierta por la función de densidad de una normal standard, por lo tanto esta integral es
exactamente igual a 1, de esta forma:
σ2
E ( S T ) = S 0 exp( µ1 + 1 )
2
Dado este resultado y aplicando la condición de martingalas resulta (recordar que en un mundo
continuo, el valor de un plazo fijo en maturity es: exp(rT ) ):
σ 12 σ 2T
S0 exp( µ1 + ) S0 exp( µT + )
ST 2 2
S0 = E ( )= = =
FT exp(rT ) exp(rT )

9
σ2
S 0 exp(( µ + )T )
2 σ2
⇒ exp(( µ + )T ) = exp(rT ) ⇒
exp(rT ) 2

σ2
µ =r−
2
Recordemos que forzar a que el proceso estocástico del precio relativo entre el spot del
underlying y el valor de un plazo fijo resulte en una martingala es equivalente a suponer
agotamiento de oportunidades de arbitraje. Para el ejemplo binomial simplificado de las secciones
anteriores demostramos cuál tenía que ser el valor de π para convertir al proceso en una
martingala.
Ahora nos concentraremos en el verdadero proceso continuo que subyace al modelo de
Black/Scholes y nos preguntaremos cuál tiene que ser el valor del drift del proceso estocástico del
underlying para que el mismo genere una martingala en el proceso estocástico referido al precio
relativo. De esta forma, toda la carga de la martingala para el caso continuo se le IMPONE al
DRIFT tal como lo observamos en las últimas ecuaciones.
Conclusión Fundamental: La martingala equivalente a un proceso continuo Brownian
Motion requiere que su drift sea la tasa libre de riesgo corregida. De esta forma, si suponemos
que el underlying sigue el proceso estocástico de Black/Scholes pero con un drift igual a la
tasa libre de riesgo corregida, habremos creado nuestro mundo equivalente (MENTIROSO) de
martingalas en forma continua. En este contexto, otra vez, una opción puede valuarse como el
valor presente esperado de sus payoffs.
Si el drift no se ajusta en la forma indicada en los párrafos precedentes, los precios finales
del underlying en T serán en promedio superiores a los que corresponden a una martingala
equivalente y en consecuencia, el valor del call europeo estaría sobrevaluado.
Modelo Binomial y su Relación con Black-Scholes
Análisis de la Función de Distribución Binomial
En primer lugar es importante analizar las características esenciales de un proceso estocástico
binomial. No todos los nodos en el árbol binomial se repiten con la misma frecuencia. Aquellos
nodos que están en el interior del árbol binomial se repiten con mas frecuencia. Esto es así porque
el árbol binomial se recombina implicando que los nodos del centro se repiten mas veces. La
frecuencia de cada nodo se representa por la siguiente fórmula:
n !
j !(n − j ) !

En donde en el primer periodo, es decir, en donde hay solo un resultado posible, n=0. En donde
hay dos resultados posibles, n=1, y así sucesivamente. El parámetro j también arranca de 0. La
frecuencia con la que se repiten los nodos se puede representar en los que se denomina triángulo
de Pascal.
Por otra parte, la probabilidad individual de que una secuencia ocurra esta dada por
q j (1 − q ) ( n − j ) , entonces la probabilidad de un nodo particular es:
n !
[q j (1 − q ) ( n − j ) ]
j !(n − j ) !

Finalmente, en el modelo binomial el precio puede tomar dos valores: U con probabilidad Q y
D con probabilidad (1-Q).
Parametrización del Modelo Binomial para Replicar Martingalas Equivalentes
Vamos a demostrar que el modelo binomial en el límite aproxima el proceso estocástico de
precios supuesto por Black/Scholes. Es decir, cuando los periodos binomiales se hacen

10
infinitesimalmente pequeños, el valor resultante del call equivale a la fórmula de Black/Scholes,
pero sólo en el límite!!!!. Sin embargo, para que esto sea cierto es necesario imponer ciertas
restricciones en los parámetros de la función binomial.
Siempre que se use un modelo binomial vamos a tener que usar para µ y d algo que responda
a la siguiente forma matemática: e adt . Como vemos, esta forma es la misma que la del Modelo 2,
con lo cual deberemos ajustar el drift.
Primer Conclusión: El modelo binomial debe utilizar el drift de martingala corregido:
r −σ 2 / 2 .
Ya demostramos que:
2
E ( St +1 ) ≅ St e( r −σ / 2 ) dt

Se puede demostrar además que la varianza es:


2
V ( St +1 ) ≅ St2 e 2[( r −σ
2
/ 2) d t ]
(eσ dt
− 1)

Es recién aquí en donde vamos a analizar dos especificaciones alternativas para calibrar un
modelo binomial que replique en el límite a la martingala equivalente implícita en el modelo de
agotamiento de arbitraje de Black/Scholes. Para que la especificación binomial replique
correctamente al proceso de martingalas implícito en el modelo de Black/Scholes es necesario
que el proceso binomial replique dos cosas:
a) La esperanza matemática de martingala equivalente correspondiente al precio por unidad de
2
tiempo: E ( S t +1 ) = S t e ( r −σ / 2) dt ;
b) La varianza de martingala equivalente correspondiente al precio por unidad de tiempo:
2 2
V ( S t +1 ) = S t2 e 2( r −σ / 2 ) dt
(e σ dt
− 1) .
El modelo binomial implica que en el instante siguiente la variable estocástica precios puede
asumir sólo dos valores:
S tµ+1 = S t µ = S t e adt S td+1 = S t d = S t e bdt

En donde los factores de crecimiento binomiales por unidad de tiempo son:


µ = e adt d = ebdt

De esta forma:
E ( S t +1 ) = πS t µ + (1 − π ) S t d

Reagrupando términos y relacionando al proceso binomial con el de martingala tenemos:


2
S t e ( r −σ / 2 ) dt
= St π ( µ − d ) + St d

Como vemos, el lado izquierdo de esta igualdad corresponde a la media de la martingala


equivalente, mientras que el lado derecho corresponde a la media del proceso estocástico
binomial. Todavía, estamos planteando las igualdades en forma general en el sentido que los
parámetros a , b , y π no han sido especificados. Ahora concentrémonos en la varianza.
Recordemos que por definición de varianza, lo siguiente es cierto:
V ( St +1 ) = E ( St2+1 ) − E ( St +1 )2

Como en este problema estamos replicando simultáneamente media y varianza, replicar la


varianza implica que solamente es necesario replicar el primer término de la ecuación de la
derecha, ya que el segundo corresponde a la ecuación de la media:

11
E ( St2+1 )

El segundo término ya está controlado en la ecuación de media. Pero cuidado, esto se puede hacer
solamente porque en este problema replico también media. De esta forma, replicar varianza en
este problema en particular, solamente requiere replicar: E ( St2+1 ) :
E ( St2+1 ) ≅ π ( S t µ ) 2 + (1 − π )( S t d ) 2

Reagrupando términos y relacionando al proceso binomial con el de martingala tenemos:


2
/ 2) dt +σ 2 dt
S t2 e 2( r −σ = S t2 (π ( µ 2 − d 2 ) + d 2 )

Eliminando S t de la primer ecuación y S t2 de la segunda ecuación, las dos ecuaciones a replicar


son:
2
e 2[( r −σ
2
/ 2 ) d t ] σ 2 dt
e ( r −σ / 2) dt
= π (µ − d ) + d e = (π ( µ 2 − d 2 ) + d 2 )

Especificación Alternativa 1
Supongamos la siguiente especificación binomial:
a = (r − σ 2 / 2) + σ / dt ⇒ adt = ( r − σ 2 / 2)dt + σ dt
b = (r − σ 2 / 2) − σ / dt ⇒ bdt = (r − σ 2 / 2) dt − σ dt
π = 0.5

Veamos si con esta especificación se cumple la condición para la media:


2
e ( r −σ / 2) dt
= π (µ − d ) + d

2 2 2 2
e ( r −σ / 2) dt
= 0.50[e ( r −σ / 2) dt +σ dt
− e ( r −σ / 2 ) dt −σ dt
] + e ( r −σ / 2) dt −σ dt

2
Dividiendo ambos términos por e ( r −σ / 2) dt
, tenemos:
σ dt
1 = [0.50[e − e −σ dt
] + e −σ dt
]

Si calculamos el límite del lado derecho de la expresión precedente cuando dt → 0 , resulta:


lim dt → 0 [0.50[eσ dt
− e −σ dt
] + e −σ dt
] = [0.50[1 − 1] + 1] = 1

Como vemos, el lado derecho converge al lado izquierdo en la medida en que dt → 0 . Una
conclusión muy importante que podemos sacar es que la calibración binomial solamente replica
al verdadero drift de la martingala equivalente cuando el intervalo de tiempo en el que se shoquea
binomialmente al modelo se hace infinitamente pequeño. Cuanto mas grande sea dt, mayor será el
error entre la dinámica de precios modelada por el método binomial y la martingala equivalente
implícita en el modelo de agotamiento de arbitraje de Black/Scholes.
Veamos ahora si con esta especificación se cumple la condición para la varianza:
2
e 2[( r −σ / 2 ) d t ] σ 2 dt
e = (π ( µ 2 − d 2 ) + d 2 )

2
e 2[( r −σ / 2) d t ] σ 2 dt 2 2 2
e = (0.50([e 2( r −σ / 2) dt 2σ dt
e ] − [ e 2 ( r −σ / 2 ) dt −2σ dt
e ]) + [e 2( r −σ / 2) dt −2σ dt
e ])

12
2
Dividiendo ambos términos por e 2[(r −σ / 2 ) d t ] σ 2 dt
e , tenemos:
2
2σ dt −2σ dt
1 = [(0.50([e ] − [e ]) + [e −2σ dt
])]e −σ dt

Es muy importante enfatizar que esta igualdad técnicamente no se cumple nunca. La razón es que
el lado derecho de la igualdad se aproximará a 1 en el límite, pero sólo en el limite. Si entonces
calculamos el límite del lado derecho de la expresión precedente cuando dt → 0 , resulta:
2
lim dt → 0 [(0.50([e 2σ dt
] − [e −2σ dt
]) + [e −2σ dt
])]e −σ dt
= (0.50(1 − 1) + 1)1 = 1

Una conclusión muy importante que podemos sacar es que la calibración binomial solamente
replica la verdadera varianza de los precios de la martingala equivalente solamente cuando el
intervalo de tiempo se hace infinitamente pequeño. Cuanto mas grande sea dt, mayor será el error
entre la dinámica de precios modelada por el método binomial y la resultante de un Brownian
Motion. De todas formas, vemos que la Especificación 1 funciona. Funcionar implica converger
en el límite.
Especificación Alternativa 2
Supongamos ahora la siguiente especificación binomial:
a = σ / dt ⇒ adt = σ dt
b = −σ / dt ⇒ bdt = −σ dt
π = 0.50 + [(r − 0.50σ 2 ) / 2σ ] dt

Veamos si con esta especificación se cumple la condición para la media:


2
e ( r −σ / 2) dt
= [0.50 + [(r − 0.50σ 2 ) / 2σ ] dt ][eσ dt
− e −σ dt
] + e −σ dt

2
Dividiendo todo por e ( r −σ / 2 ) dt
tenemos:
dt −( r −σ 2 / 2) dt dt −( r −σ 2 / 2 ) dt dt −( r −σ 2 / 2 ) dt
1 = [0.50 + [(r − 0.50σ ) / 2σ ] dt ][eσ 2
− e −σ ] + e −σ

Si calculamos el límite del lado derecho de la expresión precedente cuando dt → 0 , resulta:


(r − 0.5σ 2 ) dt − ( r −σ 2 / 2) dt dt − ( r −σ 2 / 2) dt dt − ( r −σ 2 / 2) dt
lim dt →0 [0.5 + [ ] dt ][eσ − e −σ ] + e −σ = 0.5(1 − 1) + 1 = 1

Como vemos otra vez, la ecuación sólo converge a 1 en el límite.


Veamos ahora si con esta especificación se cumple la condición para la varianza:
2
e 2[( r −σ / 2 ) d t ] σ 2 dt
e = (π ( µ 2 − d 2 ) + d 2 )

2
Si dividimos todo por e 2[(r −σ / 2) d t ] σ 2dt
e , tenemos:
2
(r − 0.5σ ) 2
1 = ([0.5 + [ ] dt ]([eσ dt 2
] − [e −σ dt 2
] ) + [e −σ ] )e −2[( r −σ
dt 2 / 2) d t ] −σ 2dt
e

El límite de esta expresión vuelve a ser igual a 1:


1 = ([0.5 + 0](1 − 1) + 1)1

Vemos nuevamente que la Especificación 2 también funciona. Funcionar implica converger en el


límite.
Utilización del Modelo Binomial para la Valuación de American Options

13
Es importante destacar que el método de simulación no puede utilizarse para valuar american
options. Recordemos que la diferencia entre una european y american option es que la american
option puede ejercitarse en cualquier momento incluyendo la fecha de expiración de la opción.
Por el contrario, una european option solo puede ejercitarse en la fecha de expiración. Sacando
casos particulares (como por ejemplo, un european call sobre un stock que no paga dividendos),
ceteris paribus, las american options valen mas que su european equivalent porque son opciones
mas amplias. Esta mayor opcionalidad surge porque la american option puede ejercitarse en
distintos momentos durante la vida de la opción y por lo tanto se pueden aprovechar
circunstancias favorables para su tenedor, que en el caso de european options no están
disponibles.
La valuación de american options sigue esencialmente la misma metodología que para el caso
de las europeans. Obviamente, vamos a utilizar risk neutral valuación implicando que
utilizaremos martingale probabilities. Dado que siempre vamos a forzar a que los parámetros de
la distribución binomial sean consistentes con el risk neutral Ito process que subyace a toda
valuación de derivados, u, d, y π, se calculan de acuerdo a lo que explicamos en la sección
“Equivalencia en el limite entre el Modelo Binomial y Black/Scholes”.
La valuación de american options tiene una diferencia fundamental respecto de su european
equivalent. Como la american option puede ejercitarse en cualquier momento dentro de la vida de
la opción, el ejercicio optimo obliga a que en cada nodo del árbol binomial el tenedor compare el
valor presente esperado de la opción correspondiente al próximo periodo (ojo, calculado con
martingale probabilities) con el payoff que obtendría si ejercitase la opción en este periodo. La
regla de ejercicio optimo que hay que seguir es para el caso de un american put es:
max(max(0, K − S t ),VP Esperado de la Opcion)

De esta forma, empezando de atrás hacia adelante se construye el árbol, hasta llegar al nodo
inicial el cual nos da el valor de la opción libre de arbitraje.
Método de Simulación de Montecarlo
Teorema Central del Limite y Simulación
Este teorema dice lo siguiente: Sean x1 , x 2 ,..........x n , variables aleatorias independientes e
idénticamente distribuidas (lo que en la literatura se conoce como variables “iid”) con igual
media, µ , e idéntico desvío standard, σ . Bajo estas condiciones, la media muestral
estandarizada, se distribuye de la siguiente forma:
x−µ
x ~ D ( µ ,σ ) ⇒ ~ N ( µ ,σ / n )
σ/ n

Es muy importante enfatizar el significado de x ~ D( µ , σ ) . Como vemos, se utilizó la letra D


para denotar genéricamente a una función de distribución de probabilidad que NO tiene que ser la
distribución normal. Es ahí en donde observamos lo poderoso de este teorema: aun cuando la
variable subyacente x no se distribuya como una normal, su media x SIEMPRE se distribuirá
como una normal!!!. Este no es un resultado para nada trivial. Por otra parte, el teorema dice que
el desvío standard de la media muestral es inferior al de la variable subyacente (dado que divide
por n ). La intuición detrás de esto es sencilla: dado que la media promedia a la variable
subyacente, los extremos se diluyen, resultando en menor volatilidad.
Esperanza Matemática e Intervalos de Confianza
Entonces el valor del european call es:
C = E t [(e − r (T −t ) max(0, S T − K )]

14
Recordemos que en este caso S T es incierto dado que es función del proceso estocástico neutral
al riesgo.
Finalmente los intervalos de confianza para el valor del derivado se calculan de acuerdo a lo
siguiente. Supongamos que queremos armar un intervalo con el 95% de confianza, en este sentido
los limites de la distribución normal standard son: -1.96 y 1.96. Entonces, el intervalo de
confianza para la media poblacional (u) se arma de acuerdo al siguiente criterio:
x−µ
− 1.96 ≤ ≤ 1.96 ⇒ x + 1.96(σ / n ) ≥ µ ≥ x − 1.96(σ / n )
σx / n

Es importante enfatizar qué es x y σ . En primer lugar, x es el valor del call:


N
x = Ct = ( ∑ [(e
n =1
− r (T −t )
max(0, S Tn − K )]) / N

En donde N es el numero total de simulaciones. Ahora vamos a ver cómo se calcula la


volatilidad, recordemos que la variable subyacente en el caso de un call es:
[e− r (T −t ) Payoff n ]

La varianza de esta variable es:


Varianza([e− r (T −t ) Payoff n ]) = e−2 r (T −t )Varianza ( Payoff n )

Esto es a nivel poblacional, pero yo tengo una muestra, entonces Varianza ( Payoff n ) se estima
así:
N
Varianza Estimada de Payoff = ( ∑ ( Payoff
n =1
n − Media Payoff ) 2 ) /( N − 1)

Entonces, la varianza estimada de la variable subyacente es:


N
e− 2 r (T −t ) [( ∑ (Payoff
n =1
n − Media Payoff ) 2 ) /( N − 1)]

Entonces, la volatilidad estimada de la variable subyacente es:


N
Volatilidad Payoff = e− 2r (T −t ) [( ∑ (Payoff
n =1
n − Media Payoff ) 2 ) /( N − 1)]

Pero ojo, todavía no se terminó la historia. Recordemos que lo que quiero es calcular la
volatilidad de x = C t , que es un PROMEDIO y por lo tanto tiene menor volatilidad:
Volatilidad del Call = Volatilidad Payoff /( N )

Entonces, el intervalo de confianza resulta:


C t + 1.96(Volatilidad Payoff /( N )) ≥ µ ≥ C t − 1.96(Volatilidad Payoff /( N ))

En nuestro caso particular, la media muestral y el desvío standard que se utiliza en el intervalo
surge de los payoffs simulados.
Técnicas de Reducción de Varianza: Antithetic Variates

15
Supongamos que tengo un european call sobre una acción en particular cuyo precio sigue un Ito
Process:
dS1 = rS1dt + σS1dz

Supongamos que creamos un activo hipotético, S 2 , que esta perfectamente y negativamente


correlacionado con S1 , siguiendo el siguiente proceso:
dS 2 = rS 2 dt − σS 2 dz

Es decir, en cada intervalo de tiempo, el random shock es idéntico pero con signo contrario. Es
importante destacar que la volatilidad del activo 2 es la misma que la del activo 1, con lo cual un
call sobre el activo 2 vale exactamente lo mismo que un call sobre el activo 1 (obvio, ceteris
paribus). Con lo cual si suponemos que compramos 0.5 de un call sobre el activo 1 y 0.5 de un
call sobre el activo 2, obtendríamos el mismo valor que si valuamos directamente el call sobre el
activo 1. Este resultado es muy importante porque implica que la variable antitética no sesga el
valor del call.
Ahora bien, el payoff del portfolio creado tiene menor varianza que el payoff sobre el activo 1
porque el hecho de combinar dos calls sobre activos negativamente correlacionados me elimina
gran parte de la volatilidad resultando en una menor varianza. Esto es así porque si los dos calls
se analizan por separado, cuando a un call le va muy bien, al otro le va muy mal. El portafolio
esta promediando los payoffs de ambos calls y en general siempre te va mas o menos implicando
menor volatilidad. Esto evidentemente incrementa la precisión de la simulación.
Una cosa mas, se puede calcular cual es el tamaño de muestra necesario para alcanzar la misma
eficiencia que en el método de la variable antitética. Supongamos que el desvío standard del call
basado en el activo 1 es: σ 1 / n , y el correspondiente al portfolio hipotético es: σ P / n .
Entonces el tamaño de simulación necesario se calcula en base a la siguiente expresión:
σ1 σ σ1
= P ⇒ Nuevo n = ( )2
Nuevo n n σP / n

Hedging error
Recordemos que un supuesto fundamental en B/S es que en cada intervalo infinitesimalmente
pequeño de tiempo dado que el modelo recibe un nuevo shock, es necesario reajustar el portfolio
en sus cantidades relativas. Es decir debemos ajustar las cantidades relativas de acciones y deuda
formando un nuevo portfolio. Obviamente, en la practica es imposible reajustar el portfolio en
cada infinitésimo de tiempo, con lo cual, si queremos replicar el payoff de un european call
vamos a tener que asumir el costo de un tracking error. Podemos expresar la ecuación de B/S en
tiempo continuo de la siguiente forma:
dC
C= S+B
dS

Como vemos el hedge ratio, dC / dS , mide la cantidad de acciones que conforman el portfolio
(el cual replica el payoff del call). Es precisamente este ratio el que junto con la cantidad de
deuda, B , debe ajustarse constantemente. Evidentemente, cuanto mas frecuente sea este ajuste
relativo, mas exacta será la replicación de este call sintético con respecto al verdadero payoff del
call. La conclusión de esto es que dado que es imposible ajustar constantemente el portfolio, los
valores que surgen de B/S no son totalmente exactos.
Modelos alternativos a Black-Scholes y el Método de Simulación de Montecarlo
Entre otras cosas, B/S supone que los cambios en el precio del underlying asset son continuos a
traves del tiempo y además que la varianza de los retornos anuales es constante. Evidentemente,

16
los dos supuestos son irreales. Con respecto a los cambios continuos en el precio del underlying
asset, sabemos que muchas veces los precios exhiben cambios bruscos (o saltos) que se apartan
de la continuidad en la dinámica de precios. En segundo lugar, la varianza en los retornos
generalmente tampoco se comporta en forma constante. El hecho de que la empresa que esta
detrás del underlying asset este sometida a shocks inciertos que afectaran su rentabilidad en el
futuro evidentemente afecta la volatilidad esperada de sus retornos en forma dinámica. Es decir,
en la medida que transcurre el tiempo, el inversor obtiene nueva información y por lo cual
reestima sus expectativas de volatilidad. Por ejemplo, supongamos que compramos un call de una
empresa y dado el tipo de inversiones que la empresa posee estimamos que su volatilidad futura
de retornos debería ser superior a la actual. En este contexto, el modelo de B/S subvaluaría el call
dado que supone una volatilidad constante en contraposición de la volatilidad creciente que
esperamos evidencie la firma.
Valuación de european options con volatilidad estocástica: procesos con reversion a la media
Generalmente, el proceso estocástico que define a la dinámica de la volatilidad no es totalmente
random en el sentido que también tienen un drift que le da una cierta estructura a la dinámica de
la volatilidad. Los procesos que se usan en estos casos se llaman “procesos con reversion a la
media” y tienen la siguiente estructura:
dσ t = a(b − σ t )dt + σ ' dz t

b es el nivel de equilibrio de largo plazo de la volatilidad, a es la tasa de convergencia, las otras


variables son las mismas que antes. En este caso, σ es el desvío standard del diferencial ANUAL
de la volatilidad. En un intervalo de tiempo dt, el desvío standard del diferencial de la volatilidad
( dσ t ), es σ ' dt . Es muy importante entender bien qué es σ ' . La forma mas fácil de entenderlo es
la siguiente: supongamos que corro la ecuación diferencial dσ t = a(b − σ t )dt + σ ' dz t 5000 veces.
Entonces, voy a generar un vector con 5000 renglones, cada uno con un valor especifico de dσ t .
Si le calculo el desvío standard a ese vector, me dará σ ' dt . Con lo cual el diferencial anual (T=1)
de la volatilidad tiene un desvío standard igual a σ ' :
T / dt
Desvio Sd = std ( ∑ dσ
t =1
t ) =σ '

La caracteristica mas importante de un proceso con reversion a la media es que el drift se


autocorrige en su dinámica en el sentido que si una observación en particular difiere del valor de
equilibrio de largo plazo “b”, hay una corrección inmediata. Es por esta razón que si comparamos
un proceso con reversion contra otra idéntico pero sin reversion, este ultimo se va abriendo en
promedio, mientras que el que tiene reversion exhibe una forma horizontal mas o menos, es decir,
es como que el proceso se mantiene entre rangos de variación y de ahí no sale. Los procesos que
vamos a comparar son:
σ t +1 = σ t + a (b − σ t )dt + σ ' dz t
σ t +1 = σ t + σ ' dz t

Como vemos, el segundo proceso es idéntico al primero con la excepción de que no ofrece
reversion a la media.
Después, concentrémonos en que ocurre si el proceso con reversion tiene un drift positivo, es
decir b>que tasa de volatilidad inicial.
Otra vez, nos podemos hacer la pregunta de qué ganamos al introducir esta variación a B/S. la
respuesta es muy sencilla, supongamos que creemos que la empresa del underlying asset dada las
características de su negocio experimentara una varianza en promedio creciente que se
estabilizara en el nivel de largo plazo “b”. Como “b” es mayor que la tasa inicial, este modelo en

17
promedio tiene una volatilidad mayor a B/S el cual usa la volatilidad inicial. El resultado de esto
es que el modelo con mean reversion te genera un valor mayor de la opción que B/S. Una vez
introducida la volatilidad estocástica en el modelo, el valor de las opciones queda ahora
determinado por dos ecuaciones diferenciales en vez de una:
dS t / S t = rdt + σ t dz t
σ t = σ t −1 + a (b − σ t −1 )dt + σ ' dz t' ⇒
dS t / S t = rdt + (σ t −1 + a(b − σ t −1 )dt + σ ' dz t' )dz t

Opciones Exóticas y métodos numéricos


A.Path-Dependent Options
A path-dependent option es una opción en la que su payoff depende no solo del precio final del
underlying asset sino también de la secuencia o historia de precios seguida por el underlying
asset. Vamos a analizar tres tipos de path-dependent options: i) barrier options, ii) arithmetic
asian options, y iii) lookback options.
Barrier Options
En un barrier option, el payoff depende de si el underlying asset alcanza un determinado nivel
durante un determinado intervalo de tiempo. Analicemos por ejemplo un european “Down and
Out Call”: en este caso el call tiene una barrera, por ejemplo, 80. Si en un intervalo
preespecificado de tiempo dentro de la vida de la opción, el precio del underlying asset es inferior
a 80, el payoff del european call es cero. Entonces para una secuencia dada de precios (I) el
payoff de la opción se puede expresar de la siguiente forma:
if S I t ; t = a,....b ≤ BARRIER ⇒ Payoff = 0;
if S I t ; t = a,....b > BARRIER ⇒ Payoff = max(0, S T − K )

Observamos que se tiene que establecer un intervalo dentro del cual se aplique la regla de que si
el precio del underlying asset es inferior a BARRIER (en este caso 80) el payoff del call se hace
cero. Obviamente, si a=1 y b=T, el intervalo va abarcar toda la vida de la opción. Por el contrario,
si a>1 y b<T, el intervalo será menor a la vida de la opción. Hay un par de cosas interesantes para
analizar con respecto a al efecto del intervalo sobre el precio de la opción.
Ceteris paribus, un aumento en el tamaño del intervalo, genera una disminución en el valor del
european call. La intuición detrás de esto es muy sencilla, el aumento del intervalo, incrementa la
probabilidad de que el precio del underlying asset sea inferior a BARRIER y por lo tanto el
payoff del call sea cero.
Ceteris paribus, aun cuando el tamaño del intervalo se mantenga constante si:
a1 > a 2 y b1 > b2 ⇒ C1 > C 2

Dado que el drift de estos modelos es positivo (tasa libre de riesgo), cuanto mas lejos este el
limite inferior del intervalo, los precios habrán tenido una mayor oportunidad de crecer y en
consecuencia, menor será la probabilidad de que el precio del underlying asset sea inferior a
BARRIER.
Ceteris paribus, si se establece un valor de BARRIER muy pequeño relativo al precio inicial del
underlying asset, esto quiere decir que es casi imposible que dentro del intervalo el precio sea
inferior al BARRIER (es decir, el BARRIER no es binding en este caso). Por lo tanto, en este
caso, el valor del Down and Out Call va a ser idéntico al de un standard european call.
Ceteris paribus, en la medida que el intervalo sea suficientemente grande, un aumento en la
volatilidad del precio del underlying asset DISMINUYE el valor de un Down and Out call.
Mucho cuidado con esto, recordemos que para standard options, un aumento de volatilidad
SIEMPRE genera un aumento en el valor de la opción. Sin embargo, para un Down and Out Call,
un aumento de volatilidad puede en algunos casos (dependiendo del valor de los parámetros),

18
generar una disminución en el valor del Down and Out Call. La intuición de esto también es
sencilla: un aumento de volatilidad puede hacer que los precios del underlying asset casi siempre
sean menores que BARRIER y de esta forma el payoff de la opción tiende a cero. Como dije
antes, hay que ser muy cuidadosos con esto, porque no es una verdad absoluta, depende de el
valor relativo de los parámetros.
Arithmetic Asian Options
En una arithmetic asian european call, el payoff de la opción se define de la siguiente forma:
max(0, media( S I t , t = a........b) − K )

Observamos también que se tiene que establecer un intervalo dentro del cual se aplique la regla.
Obviamente, si a=1 y b=T, el intervalo va abarcar toda la vida de la opción. Por el contrario, si
a>1 y b<T, el intervalo será menor a la vida de la opción. Hay un par de cosas interesantes para
analizar con respecto a al efecto del intervalo sobre el precio de la opción.
Ceteris paribus, dado un drift positivo, un aumento en el tamaño del intervalo, genera un
aumento en el valor del european call. La intuición detrás de esto es muy sencilla, si los precios
tienen un drift positivo, agrandar el intervalo implica capturar mayor crecimiento de precios y en
consecuencia, mayor promedio.
Ceteris paribus, aun cuando el tamaño del intervalo se mantenga constante si:
a1 > a 2 y b1 > b2 ⇒ C1 > C 2

Dado que el drift de estos modelos es positivo (tasa libre de riesgo), cuanto mas lejos este el
limite inferior del intervalo, los precios habrán tenido una mayor oportunidad de crecer y en
consecuencia, mayor será su promedio.
Ceteris paribus, un aumento en la volatilidad del precio del underlying asset SI genera cambios
en el valor del arithmetic asian european call. La razón de esto es que como el payoff depende de
un promedio si la volatilidad de la variable subyacente aumenta, también aumenta la volatilidad
de una media basada en la variable subyacente.
Lookback Options
En un lookback european call option, para una secuencia dada de precios (I), el payoff de la
opción se puede expresar de la siguiente forma:
max(0, max( S I t ; t = a,....b) − K )

Observamos también que se tiene que establecer un intervalo dentro del cual se aplique la regla.
Obviamente, si a=1 y b=T, el intervalo va abarcar toda la vida de la opción. Por el contrario, si
a>1 y b<T, el intervalo será menor a la vida de la opción. Hay un par de cosas interesantes para
analizar con respecto a al efecto del intervalo sobre el precio de la opción.
Ceteris paribus, dado un drift positivo, un aumento en el tamaño del intervalo, genera un
aumento en el valor del european call. La intuición detrás de esto es muy sencilla, si los precios
tienen un drift positivo, agrandar el intervalo implica aumentar la probabilidad de encontrar un
precio máximo mayor.
Ceteris paribus, aun cuando el tamaño del intervalo se mantenga constante si:
a1 > a 2 y b1 > b2 ⇒ C1 > C 2

Dado que el drift de estos modelos es positivo (tasa libre de riesgo), cuanto mas lejos este el
limite inferior del intervalo, los precios habrán tenido una mayor oportunidad de crecer y en
consecuencia, mayor será la probabilidad de encontrar un precio máximo mayor.
Ceteris paribus, un aumento en la volatilidad del precio del underlying asset genera un aumento
en el valor del lookback european call. La razón es muy sencilla, mas volatilidad implica que los
precios van a tener picos de alta mas acentuados (en donde ejerzo el call) y picos de baja mas

19
acentuados (en donde no ejerzo el call). Obviamente esta relación es la misma que en una
standard european call.
B. Non Path-Dependent Options
Compound Options
Compound Options (opciones compuestas) son opciones sobre opciones. Existen básicamente
cuatro clases: i) call sobre call, ii) call sobre put, iii) put sobre call, y iv) put sobre put.
Supongamos un european call sobre call. En este caso los payoffs de ambos calls se definen de la
siguiente forma. Para el call que expira en T:
Payoff = max(0, S T − K 1 )

En donde K 1 es el strike price del call que expira en T.


Para el call que expira en TT:
Payoff = max(0, C 1 − K 2 )

En donde C 1 es el valor en TT del call que expira en T y K 2 es el strike price del call que expira
en TT y C 2 es el valor del call que expira en TT, con TT<T. Es muy importante destacar que
C 2 depende de C 1 , mientras que C 1 no depende de C 2 .
Spread Options
Un european call spread option es una opción cuyo payoff se define de la siguiente forma:
Payoff = max(0, ( S1T − S 2T ) − K )

En donde los activos siguen el siguiente proceso:


dS1 = rS1 dt + σ 1 S1 dz1
dS 2 = rS 2 dt + σ 2 S 2 dz 2
ρ = correlacion entre dz1 y dz 2

Expansión de Taylor en Condiciones de Total Certidumbre


Supongamos en primer que tenemos la siguiente función:
G ( x, t )

En donde las variables x y t inicialmente las consideraremos NO estocásticas. De esta forma, si


queremos determinar el diferencial de esta función podemos aproximarlo con una expansión de
Taylor de segundo grado:
∂G ∂G 1 ∂ 2G 2 1 ∂ 2G 2 ∂ 2G
dGt = dxt + dt + dxt + dt + dxt dt
∂x ∂y 2 ∂x 2 2 ∂t 2 ∂x∂y

Es muy importante entender el rol que juega EL GRADO de una variable en este análisis. La
expresión precedente se puede simplificar en lo siguiente:
∂G ∂G
dGt = dxt + dt
∂x ∂t

Como vemos, solamente sobrevivieron aquellos diferenciales con grado igual al de la variable
que se intenta analizar: dado que el diferencial de la función es de grado 1 ( dGt1 ), en términos
relativos solamente son significativos los siguientes dos diferenciales ( dx1t , dt1 ). Los restantes
diferenciales ( dxt2 , dt 2 , dxt dt ) tienen TODOS un grado SUPERIOR a 1 y por lo tanto se
relacionan a condiciones de SEGUNDO ORDEN (e incluso mucho mas en la medida que la

20
expansión de Taylor involucre términos polinomicos de grado n) que relativamente son MENOS
importantes que las de primer orden.
Conclusión Importante: En un mundo libre de incertidumbre, el diferencial de una función
de dos variables no estocásticas se puede aproximar solamente con los diferenciales de grado 1
dado que el resto pierde relevancia respecto a ellos.
Lema de Ito y Expansión de Taylor en Condiciones de Parcial Certidumbre
El término parcial certidumbre proviene del hecho que supondremos que la variable x es
estocástica y que la variable t es no estocástica. Supongamos ahora que la función G ( x, t )
depende de una variable estocástica, x, y una no estocástica, t (en este caso, tiempo). Supongamos
que la variable x exhibe la siguiente ecuación diferencial estocástica:
dxt = xt µdt + xtσdzt

En donde dzt se distribuye de la siguiente forma:


dz t ⇒ N (0, dt )

Si a esta variable estocástica continua la discretizamos, resulta en lo siguiente:


dzt ⇒ ε t dt

En donde ε t se distribuye de la siguiente forma:


ε t ⇒ N (0,1) ⇒ dxt = xt µdt + xtσε t dt

Para ganar mas intuición utilizaremos una aproximación discreta del proceso continuo y vamos
a ver que la introducción de una variable estocástica genera un cambio ENORME en la
expansión de Taylor:
∂G ∂G 1 ∂ 2G 2 1 ∂ 2G 2 ∂ 2G
dGt = dxt + dt + dxt + dt + dxt dt
∂x ∂t 2 ∂x 2 2 ∂t 2 ∂x∂t

Los términos primero y segundo del lado derecho sobreviven dado que tienen un grado igual a
1. Vamos a concentrarnos ahora en el tercer término, dxt2 :
dxt2 = xt2 µ 2dt 2 + 2 xt2 µσε t dt1.5 + xt2σ 2ε t2 dt

Como observamos, los primeros dos términos del lado derecho tienen orden superior a 1 y por
lo tanto pueden ignorarse dado que pierden relevancia en relación a los de orden 1. Sin embargo,
el tercer término tiene grado 1 y por lo tanto NO PUEDE IGNORARSE (esta es la gran
diferencia respecto al caso de total certidumbre):
xt2σ 2ε t2 dt

Vamos a concentrarnos en el cuarto término, dt 2 , obviamente como tiene orden superior a 1 no


sobrevive. Finalmente, concentrémonos en el quinto término:
dxt dt = ( xt µdt + xtσε t dt )dt = xt µdt 2 + xtσε t dt1.5

Al ser los dos términos de grado superior a 1 no sobreviven. De esta forma, la expansión de
Taylor en este mundo estocástico resulta:
∂G ∂G 1 ∂ 2G 2 2 2
dGt = dxt + dt + ( xt σ ε t dt )
∂x ∂t 2 ∂x 2

21
Conclusión Importante: Cuando una de las variables es estocástica, sobrevive un término
adicional en la expansión de Taylor que no está presente cuando ambas variables son no
estocásticas.
Es recién en este punto en donde el Lema de Ito juega su rol. Este Lema dice que cuando dt
tiende a cero, solamente sobrevive el drift del siguiente término:
xt2σ 2ε t2 dt

La varianza de este término tiene grado 2 y por lo tanto también puede ser ignorada. De esta
forma vamos a calcular el drift (o lo que es lo mismo, la esperanza matemática de este término)
recordando que:
ε t ⇒ N (0,1) ⇒ E (ε t2 ) − E (ε t ) 2 ⇒ E (ε t2 ) − 0 = 1 ⇒ E (ε t2 ) = 1

De esta forma, el drift es:


E ( xt2σ 2ε t2dt ) = xt2σ 2 dt

Finalmente, la expansión de Taylor resulta:


∂G ∂G 1 ∂ 2G 2 2
dGt = dxt + dt + ( xt σ dt )
∂x ∂t 2 ∂x 2

Conclusión Importante: El Lema de Ito demuestra que el término estocástico converge a uno
NO ESTOCASTICO cuando el diferencial de tiempo se hace infinitamente pequeño. La
intuición es que la varianza del término estocástico es cuadratica y por lo tanto termina
teniendo orden 2 el cual se torna irrelevante respecto a los diferenciales de orden 1. De esta
forma, en la medida que el diferencial de tiempo se torne infinitamente pequeño, lo único que
tiene orden 1 es el drift del término estocástico o sea, su esperanza matemática.
Utilidad del Lema de Ito: Gracias a que existe el Lema de Ito, el tercer término de la
expansión de Taylor que es estocástico, termina convergiendo a uno NO ESTOCASTICO en la
medida que el diferencial de tiempo sea infinitamente pequeño. Ito entonces elimina la
incertidumbre del tercer término reduciéndola al drift.
Pero cuidado, no toda la incertidumbre se elimina. La única incertidumbre que se puede
eliminar a traves del Lema de Ito es la correspondiente al término cuadrático:
dxt2

Sin embargo, recordemos que el término no cuadrático, dxt , sigue presente en la expansión de
Taylor:
dxt = xt µdt + xtσdzt

De esta forma, la expansión de Taylor después de haber aplicado Ito en este mundo estocástico
es:
∂G ∂G 1 ∂ 2G 2 2
dGt = ( xt µdt + xtσdzt ) + dt + ( xt σ dt )
∂x ∂t 2 ∂x 2

Reagrupando términos, dejemos al único término estocástico al final de la ecuación:


∂G ∂G 1 ∂ 2G 2 2 ∂G
dGt = ( xt µdt ) + dt + ( xt σ dt ) + ( xtσdzt )
∂x ∂t 2 ∂x 2 ∂x

Como podemos ver, Ito eliminó la incertidumbre contenida en dxt2 pero no pudo eliminar el
término:

22
∂G
( xtσdzt )
∂x

Es recién aquí en donde Black/Scholes juegan su rol. Primero, cambiemos solamente ahora el
nombre de las variables para introducirnos en el mundo de las opciones, la variable x ahora pasa a
ser S y la variable t permanece siendo lo que era, tiempo. Vemos entonces que la variable
estocástica es S y la no estocástica es t. Finalmente, la variable G ahora para a ser C, por call. De
esta forma, las ecuaciones son:
dSt = St µdt + Stσdzt

La expansión de Taylor resulta:


∂C ∂C 1 ∂ 2C 2 2 ∂C
dCt = ( St µdt ) + dt + ( St σ dt ) + ( Stσdzt )
∂S ∂t 2 ∂S 2 ∂S

Es muy importante para comenzar, resaltar el no trivial detalle que tanto la ecuación de precios
del underlying como la ecuación del diferencial del call COMPARTEN exactamente la misma
fuente de incertidumbre:
Stσdzt

De esta forma es en donde Black/Scholes juegan su rol. La idea es armar un portfolio


conformado por –1 call y ∂C / ∂S acciones. De esta forma, el valor del portfolio en t es:
∂C
Pt = −Ct + St
∂S

El payoff en dólares por el próximo intervalo de tiempo dt es:


∂C
dPt = − dCt + dSt
∂S

Utilicemos ahora las dos ecuaciones estocásticas definidas para el underlying y el call:
∂C ∂C 1 ∂ 2C 2 2 ∂C ∂C
dPt = −( ( St µdt ) + dt + ( St σ dt ) + ( Stσdzt )) + ( St µdt + Stσdzt )
∂S ∂t 2 ∂S 2 ∂S ∂S

Distribuyendo términos:
∂C ∂C 1 ∂ 2C 2 2 ∂C ∂C ∂C
dPt = − ( St µdt ) − dt − ( St σ dt ) − ( Stσdzt ) + St µdt + Stσdzt
∂S ∂t 2 ∂S 2 ∂S ∂S ∂S

Como vemos, cuatro de estos términos se cancelan, resultando:


∂C 1 ∂ 2C 2 2
dPt = − dt − ( St σ dt )
∂t 2 ∂S 2

Es muy importante entender cuáles son las implicancias de haber armado este portfolio. Veamos
que el payoff en dólares por el siguiente infinitésimo de tiempo dt CARECE del término
estocástico. Esto es la contribución Black/Scholes al problema: armando un portfolio compuesto
por –1 call (short position) y ∂C / ∂S acciones, se genera un portfolio cuyo payoff es totalmente
libre de riesgo sólo por el próximo infinitésimo de tiempo. De esta forma, este portfolio está
INMUNE al riesgo sólo por el próximo instante de tiempo. En ese instante debe ganar la tasa
libre de riesgo u oportunidades de arbitraje aparecerían.

23
En condiciones de ausencia de arbitraje el dinero que se invirtió en este portfolio ( Pt ) pudo
haberse invertido en un bono zero-coupon del tesoro americano (libre de riesgo), el cual en un
infinitésimo de tiempo genera el siguiente payoff:
rPt dt

En este caso, r es la yield del mencionado bono. De esta forma, en condiciones de ausencia de
arbitraje ambos portfolios deben rendir lo mismo:
∂C 1 ∂ 2C 2 2
− dt − ( St σ dt ) = rPt dt
∂t 2 ∂S 2

Recordemos que el valor del portfolio en t es:


∂C
Pt = −Ct + St
∂S

Reemplazando, resulta:
∂C 1 ∂ 2C 2 2 ∂C
− dt − 2
( St σ dt ) = r (−Ct + St )dt
∂t 2 ∂S ∂S

Distribuyendo:
∂C 1 ∂ 2C 2 2 ∂C
− dt − St σ dt = − rCt dt + r St dt
∂t 2 ∂S 2 ∂S

Al compartir todos los términos el término dt, el mismo se elimina:


∂C 1 ∂ 2C 2 2 ∂C
− − 2
St σ = − rCt + r St
∂t 2 ∂S ∂S

De esta forma:
∂C ∂C 1 ∂ 2C 2 2
+r St + St σ = rCt
∂t ∂S 2 ∂S 2

Esta es la famosa ecuación diferencial de Black/Scholes con la cual se ganaron el Nobel. Esta
ecuación tiene una fórmula de resolución la cual dependerá del las condiciones de transversalidad
aplicables al derivado en cuestión. Lo importante a destacar es que esta ecuación diferencial es
NO ESTOCASTICA por el siguiente infinitésimo de tiempo dt y seguirá siendo no estocástica
en la medida que constantemente se ajuste el hedge ratio:
∂C
∂S

Además, esta ecuación diferencial se aplica no solamente a calls sino a cualquier otro derivado.
Lo que distingue a los derivados no es la ecuación sino las condiciones terminales aplicables a
cada derivado. Para generalizar, reemplacemos C por f refiriéndonos entonces a cualquier
derivado con un underlying de:
dSt = St µdt + Stσdzt

De esta forma:
∂f ∂f 1 ∂2 f 2 2
+r St + St σ = rft
∂t ∂S 2 ∂S 2

24
Vemos entonces que mientras que el Lema de Ito elimina la incertidumbre contenida en el
término cuadrático, dSt2 , Black/Scholes eliminaron la incertidumbre contenida en el término dSt .
Finite Difference Method
Hasta ahora analizamos dos formas de valuar opciones: método binomial y método de
simulación de Montecarlo. Existe otra metodología para valuar opciones la cual se denomina
“Finite Difference Method”. Esta metodología se caracteriza porque resuelve directamente la
ecuación diferencial que el derivado satisface descripta en la sección precedente. En este método,
la ecuación diferencial se “discretiza” y se la expresa en distintos momentos de tiempo
convirtiendo esto en un conjunto de ecuaciones en diferencia que se resuelven iterativamente.
Determinación de la Grilla para la Aplicación del Método y Valuación de Opciones
Empecemos por recordar cual es la ecuación diferencial en Black/Scholes:
∂f ∂f ∂2 f
+ rSt + 0.5σ 2 St2 2 = rft
∂t ∂S ∂S

En donde f puede ser un call, un put, u otro derivado sobre el underlying asset. Supongamos
que la vida de la opción es T. Supongamos además que dividimos T en N intervalos, con lo cual
tendremos N+1 limites de intervalos (por ejemplo, si divido 10/2, tendré: 0, 5, y 10, como
límites). El tamaño de cada intervalo es T/N y resulta en los siguientes límites de intervalos:
0, ∆t ,2∆t ,........T .
Para poder calcular el valor de opciones siguiendo esta metodología es FUNDAMENTAL
establecer límites extremos a los valores de las opciones (boundary conditions) porque de lo
contrario el sistema de ecuaciones en diferencias va a tener mas incógnitas que ecuaciones y sería
imposible de resolver. Como ejemplo, concentrémonos en valuar un American Put.
El primer límite extremo que estableceremos se refiere al precio del underlying asset S.
Debemos escoger un precio lo suficientemente alto como para que el valor del put con ese precio
y para cualquier maturity sea siempre cero, llamemos a este precio S max , el cual se define
arbitrariamente por quien define la grilla. Ahora tenemos que definir una secuencia discreta de
precios desde 0 a S max . En los próximos párrafos analizaremos también la utilidad de que el
rango de precios comience con el valor de cero, es decir Smin = 0 .
Definamos el tamaño de la variación de precios por intervalo haciendo: ∆S = S max / M , en
donde M es la cantidad de intervalos de precios definidos. Esto resulta en M+1 precios:
0, ∆S ,2∆S ,........S max . Definamos a la grilla de la siguiente forma: el eje vertical corresponde a la
dimensión precios del underlying y el eje horizontal a la dimensión tiempo. Es importante notar
que en la media que nos movamos de izquierda a derecha en la dimensión tiempo, el tiempo que
reste para que la opción madure irá decreciendo hasta hacerse cero.
Ahora vamos a ver cómo la secuencia de precios que definimos genera dos boundary
conditions. Primero, cuando S = S max , el valor del american put es SIEMPRE cero POR
DEFINICION, con lo cual ya sabemos el valor del put cuando S = S max (esto nos permite
determinar el borde superior de la grilla). Segundo, cuando S = 0 , el valor del american put es
SIEMPRE el strike price K, con lo cual también sabemos el valor del put cuando S = 0 (esto nos
permite determinar el borde inferior de la grilla). Finalmente cuando T=0 (es decir, cuando el
tiempo transcurrió de izquierda a derecha en la grilla hasta llegar a su límite derecho), sabemos
que indiscutiblemente el precio del american put será max( K − S T ,0) . Esta es la tercer boundary
condition (esto nos permite determinar el borde derecho de la grilla).
Ahora nos tenemos que concentrar en determinar los puntos interiores de la grilla. Para ello
primero es necesario determinar cómo podemos discretizar a las tres derivadas presentes en la
ecuación diferencial no estocástica derivada por Black/Scholes: ∂f / ∂S ; ∂ 2 f / ∂S 2 ; ∂f / ∂t .

25
Primero, concentrémonos en ∂f / ∂S . Es importante concentrarse en lo que significan los
subíndices de f. La letra i representa la cantidad de intervalos de tiempo transcurridos, es decir,
cuando i=N, esto implica que el tiempo que resta para que la opción madure es 0. Es por eso que
f N corresponde al valor de la opción en maturity, o sea en T. La letra j permite identificar cuál
es el precio spot inicial con el que se está haciendo el cálculo. Un precio spot determinado inicial
se expresa de la siguiente forma:
S j = j∆S

Recordemos que en la grilla habrá M+1 precios spot iniciales posibles. Para cada uno de ellos
resultará un valor en i=0 correspondiente al derivado. Estos valores son los que aparecerán en la
primer columna vertical de la izquierda de la grilla y serán el resultado de nuestro análisis. Este
diferencial se puede expresar de dos formas distintas. Lo que vamos a hacer es promediar estas
dos formas:
∂f / ∂S = ( fi , j +1 − fi , j ) / ∆S
∂f / ∂S = ( fi , j − fi , j −1 ) / ∆S
⇒ ∂f / ∂S = ( fi , j +1 − fi , j −1 ) / 2∆S

La primer expresión se refiere a la forward derivative, la segunda se refiere a la backward


derivative y finalmente la tercer expresión promedio ambas. Segundo, concentrémonos en ∂f / ∂t :
∂f / ∂t = ( fi +1, j − fi , j ) / ∆t

Tercero, concentrémonos en ∂ 2 f / ∂S 2 :
∂2 f (( fi , j +1 − fi , j ) / ∆S − ( fi , j − fi , j −1 ) / ∆S ) ( fi , j +1 − 2 fi , j + fi , j −1 )
2
= =
∂S ∆S (∆S ) 2

De esta forma, las tres derivadas discretizadas son:


a) ∂f / ∂S = ( fi , j +1 − fi , j −1 ) / 2∆S

b) ∂f / ∂t = ( fi +1, j − fi , j ) / ∆t

∂2 f ( fi , j +1 − 2 fi , j + fi , j −1 )
c) 2
=
∂S (∆S ) 2

Utilicemos estas derivadas en la ecuación de Black/Scholes:


∂f ∂f ∂2 f
+ rSt + 0.5σ 2 St2 2 = rft
∂t ∂S ∂S

( fi +1, j − fi , j ) rS j ( fi , j +1 − fi , j −1 ) ( fi , j +1 − 2 fi , j + fi , j −1 )
+ + 0.5σ 2 S 2j = rfi , j
∆t 2∆S ( ∆S ) 2

Recordemos que por construcción de la grilla, un precio spot determinado inicial puede
expresarse de la siguiente forma:

26
S j = j∆S

Reemplazando este término, tenemos entonces:


( f i +1, j − f i , j ) rj∆S ( f i , j +1 − f i , j −1 ) ( f i , j +1 − 2 f i , j + f i , j −1 )
+ + 0.5σ 2 j 2 ∆S 2 = rf i , j
∆t 2∆S ( ∆S ) 2

Pasando el lado derecho de la ecuación al izquierdo y simplificando, tenemos:


( fi +1, j − fi , j ) rj ( fi , j +1 − fi , j −1 )
+ + 0.5σ 2 j 2 ( fi , j +1 − 2 fi , j + fi , j −1 ) − rfi , j = 0
∆t 2

Reagrupando términos tenemos:


1 1 rj rj
fi + 1, j ( ) − fi, j ( + σ 2 j 2 + r ) + fi, j + 1( + 0.5σ 2 j 2 ) + fi, j − 1(− + 0.5σ 2 j 2 ) = 0
∆t ∆t 2 2

Multiplicando todo por ∆t tenemos:


fi + 1, j − fi, j (1 + σ 2 j 2∆t + r∆t ) + fi, j + 10.5(rj∆t + σ 2 j 2∆t ) + fi, j − 10.5( −rj∆t + σ 2 j 2∆t ) = 0

Esto implica:
fi, j − 10.5(rj∆t − σ 2 j 2∆t ) + fi, j (1 + σ 2 j 2∆t + r∆t ) + fi, j + 10.5( −rj∆t − σ 2 j 2∆t ) = fi + 1, j

De esta forma, la ecuación precedente se puede expresar como:


a j fi, j − 1 + b j fi, j + c j fi, j + 1 = fi + 1, j

Esta es la ecuación diferencial discretizada, en donde a j , b j , c j , son variables que dependen


de los parámetros del modelo:
a j = 0.5(rj∆t − σ 2 j 2∆t )

b j = (1 + σ 2 j 2∆t + r∆t )

c j = 0.5( −rj∆t − σ 2 j 2∆t )

Para ver cómo se resuelve esto, supongamos que tenemos 4 intervalos de precios definidos por
cinco puntos:
0, S1, S 2 , S3, S max

Definamos además 11 intervalos de tiempo. Entonces, concentrándonos en los últimos dos


periodos (10 y 11), el sistema de ecuaciones en diferencias resultaría:
a1 f10,0 + b1 f10,1 + c1 f10, 2 = f11,1
a2 f10,1 + b2 f10, 2 + c2 f10,3 = f11, 2
a3 f10, 2 + b3 f10,3 + c3 f10, 4 = f11,3

Es importante primero destacar que la tercer boundary condition me permite saber cuál es el
precio de la opción en i=T, es decir cuando expira la opción. Es por eso que debemos empezar
con 10 periodos transcurridos, es decir cuando resta un periodo para que la opción madure. Ahora
empecemos a usar todos los boundaries que calculamos antes. Todo lo que lleve el subíndice 11
fue ya determinado y conocido por la boundary condition 3. La boundary condition 1 me

27
determina el valor de la opción en último intervalo de precios (es decir, f10, 4 es CONOCIDA e
igual a cero). La boundary condition 2 me determina el valor de la opción en el primer intervalo
de precios (es decir, f 10, 0 es CONOCIDA e igual a K). Es por eso que podemos reexpresar el
sistema de ecuaciones en diferencias con los conocidos boundaries:
a1 K + b1 f10,1 + c1 f10, 2 = max( K − S1,0)
a2 f10,1 + b2 f10, 2 + c2 f10,3 = max( K − S 2 ,0)
a3 f10, 2 + b3 f10,3 + c3 0 = max( K − S3 ,0)

En donde S1 corresponde al segundo precio de menor a mayor y es conocido (con lo cual


max( K − S1 ,0) también es conocido), S 2 corresponde al tercer precio de menor a mayor y es
conocido y S 3 corresponde al cuarto precio y es conocido. Entonces, comenzando por la primer
ecuación, f10,1 se puede expresar como función de f10,2 ⇒ f10,1 = F1 ( f10,2 , coef ) . Si ahora paso a la
ecuación 2 y expreso a f10,1 como función de f 10,2 , puedo resolver para f 10,2 como función de
f10,3 ⇒ f10, 2 = F2 ( f10,3 , coef ) ⇒ f10,1 = F3 ( f10,3 , coef ) . Si ahora paso a la tercer ecuación, como esta es
la última ecuación, tiene una sola incógnita: f 10,3 . Entonces resuelvo su valor y una vez
encontrado voy para atrás y resuelvo recursivamente para f10,2 = F2 ( f10,3 , coef ) y para
f10,1 = F3 ( f10,3 , coef ) . Una vez terminado con este proceso iterativo vemos que obtuvimos todos los
valores para f 10 con (i=0………11). Entonces me muevo una celda para la izquierda de la grilla y
hago lo mismo para N=9 y así sucesivamente hasta llegar a la primer columna de la izquierda de
la grilla.
Es importante recordar que la ecuación diferencial que satisface el derivado se diferencia entre
un derivado y otro en las boundary conditions. Para el caso de un american put, una vez que se
encontró todo el vector correspondiente a un j:
f i , j , ∀i

Se debe realizar la siguiente comparación y elegir el mayor:


f i , j = max( K − j∆S ; f i , j )

Es ahora en donde nos podemos preguntar en donde está matemáticamente expresado el hecho
de que se trata de un put americano y no de uno europeo. En primer lugar, y respecto a las
boundary conditions, recordemos que cuando S = 0 , el valor del american put es SIEMPRE el
strike price K. Esto sólo es posible porque se trata de un put americano el cual puede ser
ejercitado en cualquier punto de tiempo. Si esto no hubiera sido así, no se hubiera podido igualar
a K el eje inferior horizontal ∀i < T , solo se hubiera podido hacer esto para i = T . El mismo
razonamiento aplica para S = S max . Finalmente, respecto a los puntos interiores, la americanidad
del put es evidente por lo siguiente:
f i , j = max( K − j∆S ; f i , j )

Analicemos ahora qué pasaría si este put fuera europeo. Dos de las tres boundary conditions
aplicadas para el put americano son inaplicables aquí. Me refiero al eje horizontal inferior y al eje
horizontal superior. Dado que este derivado NO PUEDE ejercitarse en puntos del tiempo
anteriores a T, es imposible aplicar el razonamiento utilizado anteriormente para definir el límite
horizontal inferior y superior. Comencemos con el análisis para el derivado europeo:
a) Para el caso de un put europeo lo siguiente es aproximadamente cierto:

28
dP
= 0 Cuando S es MUY grande (limite segundo superior de la grilla, j=M)
dS

Es decir, a un precio muy grande el valor del put en cualquier punto del tiempo (digo valor y
NO payoff) es casi insensible respecto a variaciones marginales del precio del underlying.
b) Para el caso de un put europeo lo siguiente también es aproximadamente cierto:
dP
= −1 Cuando S es ES muy bajo (limite segundo inferior de la grilla, j=2)
dS

Si discretizamos la primer derivada evaluada en M y la EVALUAMOS FORWARDS tenemos:


( f i , M +1 − f i , M )
= 0 ⇒ f i ,M +1 = f i ,M
( S i , M +1 − S i ,M )

Esto aproximadamente se cumple para j=M. Recordemos que la forma de la ecuación es:
a M f i, M − 1 + bM f i, M + c M f i, M + 1 = f i + 1, M

Aplicando la igualdad precedente tenemos:


f i , M +1 = f i , M

De esta forma ELIMINAMOS una variable del sistema de ecuaciones, la última ecuación del
sistema resulta:
a M f i, M − 1 + (bM + c M ) f i, M = f i + 1, M

Si discretizamos ahora la segunda derivada evaluada en j=2 y la EVALUAMOS FORWARDS


tenemos:
( f i , 2 − f i ,1 )
= −1 ⇒ − f i ,1 = ( S i ,1 − S i , 2 ) − f i , 2 ⇒ f i ,1 = S i , 2 − S i ,1 + f i ,1
( S i , 2 − S i ,1 )

De esta forma ELIMINAMOS otra variable del sistema de ecuaciones, la primer ecuación del
sistema resulta (j=2):
a2 f i,1 + b2 f i,2 + c2 f i,3 = f i + 1,2

Aplicando la ecuación precedente tenemos:


f i ,1 = S i , 2 − S i ,1 + f i , 2

De esta forma ELIMINSAMOS una variable del sistema de ecuaciones, la primera ecuación del
sistema resulta:
a 2 f i,1 + b2 f i,2 + c 2 f i,3 = f i + 1,2 ⇒ ( a 2 + b2 ) f i,2 + c 2 f i,3 + a 2 ( S i , 2 − S i ,1 ) = f i + 1,2

De esta forma, eliminamos dos incógnitas del sistema para un periodo dado y el mismo puede
resolverse. Finalmente es importante destacar que si la grilla tiene M+1 precios posibles, habrá
por cada periodo de tiempo M-1 ecuaciones en diferencias.
Derivación de la Ecuación Diferencial cuando el Underlying paga Dividendos en Efectivo
Recordemos la expansión de Taylor analizada anteriormente una vez aplicado el Lema de Ito:
∂f ∂f 1 ∂2 f 2 2
dft = dSt + dt + ( St σ dt )
∂S ∂t 2 ∂S 2

29
Introducir un activo que paga un determinado retorno constante por unidad de tiempo en términos
de dividendos en efectivo implica que la ecuación estocástica del underlying es:
dSt = St µdt − St qdt + Stσdzt

En donde q es la tasa de dividendo en efectivo. Es importante entender que el término − St qdt es


negativo porque el pago de dividendo en efectivo le resta retorno al underlying dado que
disminuye su precio. Si ahora armamos un portfolio conformado por –1 derivado y ∂f / ∂S
acciones, el valor del portfolio en t es:
∂f
Pt = − ft + St
∂S

El payoff en dólares por el próximo intervalo de tiempo dt es:


∂f
dPt = − dft + dSt
∂S

Utilicemos ahora las dos ecuaciones estocásticas definidas para el underlying y el call:
∂f ∂f ∂f 1 ∂2 f 2 2 ∂f ∂f
dPt = −( ( St µdt ) − ( St qdt ) + dt + 2
( St σ dt ) + ( Stσdzt )) + ( St µdt + Stσdzt )
∂S ∂S ∂t 2 ∂S ∂S ∂S

Distribuyendo términos:
∂f ∂f ∂f 1 ∂2 f 2 2 ∂f ∂f ∂f
dPt = − ( St µdt ) + ( St qdt ) − dt − ( St σ dt ) − ( Stσdzt ) + St µdt + Stσdzt
∂S ∂S ∂t 2 ∂S 2 ∂S ∂S ∂S

Como vemos, cuatro de estos términos se cancelan, resultando:


∂f ∂f 1 ∂2 f 2 2
dPt = St qdt − dt − ( St σ dt )
∂S ∂t 2 ∂S 2

En condiciones de ausencia de arbitraje el dinero que se invirtió en este portfolio pudo haberse
invertido en un bono zero-coupon, el cual en un infinitésimo de tiempo rinde:
rPt dt

De esta forma, en condiciones de ausencia de arbitraje ambos portfolios deben rendir lo mismo:
∂f ∂f 1 ∂2 f 2 2
St qdt − dt − ( St σ dt ) = rPt dt
∂S ∂t 2 ∂S 2

∂f ∂f 1 ∂2 f 2 2 ∂f
St qdt − dt − ( St σ dt ) = r (− ft + St )dt
∂S ∂t 2 ∂S 2 ∂S

∂f ∂f 1 ∂2 f 2 2 ∂f
St qdt − dt − 2
St σ dt = −rft dt + r St dt
∂S ∂t 2 ∂S ∂S

Al compartir todos los términos el término dt, el mismo se simplifica:


∂f ∂f 1 ∂ 2 f 2 2 ∂f
St q − − St σ = −rft + r St
∂S ∂t 2 ∂S 2 ∂S

De esta forma:

30
∂f ∂f 1 ∂2 f 2 2
+ ( r − q ) St + St σ = rft
∂t ∂S 2 ∂S 2

Esta es la ecuación diferencial de Black/Scholes modificada en presencia de un stock que para


una tasa constante de dividendos en efectivo. Vemos que lo único que cambia es que el segundo
término del lado izquierdo de la igualdad utiliza a (r-q) en lugar de r.
Derivación de la Ecuación Diferencial cuando el Underlying es un Futuro y no una Acción
Supongamos un derivado cuyo underlying ya no es una acción sino un futuro sobre una acción.
Como vemos, lo que haremos es cambiar al underlying. Supongamos que el precio del futuro
sigue el siguiente proceso estocástico:
dFt = Ft µdt + Ftσdzt

Aplicando el Lema de Ito resulta:


∂f ∂f 1 ∂2 f
dft = dFt + dt + ( Ft2σ 2dt )
∂F ∂t 2 ∂F 2

Reemplazando por la ecuación del underlying tenemos:


∂f ∂f 1 ∂2 f
dft = ( Ft µdt + Ftσdzt ) + dt + ( Ft2σ 2dt )
∂F ∂t 2 ∂F 2

Distribuyendo términos tenemos:


∂f ∂f 1 ∂2 f ∂f
dft = ( Ft µdt ) + dt + 2
( Ft2σ 2 dt ) + ( Ftσdzt )
∂F ∂t 2 ∂F ∂F

Ahora, armemos un portfolio conformado por –1 derivado y ∂f / ∂F futuros. De esta forma, el


valor del portfolio en t es:
∂f
Pt = − ft + Ft
∂F

Pero cuidado, recordemos que entrar en un contrato de futuro en t, cuesta cero, de esta forma:
Ft = 0

Esto implica:
∂f
Pt = − ft + 0 = − ft
∂F

Es precisamente en esta ecuación en donde un derivado sobre un futuro y un derivado sobre


una acción difieren. Recordemos que para el caso de un derivado sobre una acción, el valor del
portfolio tenia dos términos:
∂f
Pt = − ft + St
∂S

En cambio, para el caso de un derivado sobre futuros, existe un sólo término:


Pt = − ft

Entonces, un infinitésimo de tiempo después, el payoff de este portfolio es:


∂f
dPt = − dft + dFt
∂F

31
Utilicemos ahora las dos ecuaciones diferenciales estocásticas tanto para el underlying ( dFt )
como para el derivado ( dft ):
∂f ∂f 1 ∂2 f ∂f ∂f
dPt = −( ( Ft µdt ) + dt + 2
( Ft2σ 2dt ) + ( Ftσdzt )) + ( Ft µdt + Ftσdzt )
∂F ∂t 2 ∂F ∂F ∂F

Esto es igual a:
∂f ∂f 1 ∂2 f ∂f ∂f ∂f
dPt = − ( Ft µdt ) − dt − ( Ft2σ 2dt ) − ( Ftσdzt ) + ( Ft µdt ) + ( Ftσdzt )
∂F ∂t 2 ∂F 2 ∂F ∂F ∂F

Otra vez, cuatro términos se cancelan, resultando en:


∂f 1 ∂2 f
dPt = − dt − ( Ft2σ 2dt )
∂t 2 ∂F 2

Como este portfolio no tiene incertidumbre por el próximo periodo de tiempo dt, debe rendir en
ese infinitésimo de tiempo, la tasa libre de riego:
dPt = rPt dt

De esta forma:
∂f 1 ∂2 f
− dt − ( Ft2σ 2dt ) = r (− f )t dt
∂t 2 ∂F 2

Eliminando dt resulta:
∂f 1 ∂ 2 f
+ ( Ft2σ 2 ) = rft
∂t 2 ∂F 2

Comparemos esta ecuación diferencial con la que obtuvimos antes cuando el underlying no era
un futuro sino una acción que pagaba dividendos en efectivo:
∂f ∂f 1 ∂2 f 2 2
+ ( r − q ) St + St σ = rft
∂t ∂S 2 ∂S 2

Vemos que lo único que las diferencia es el término:


∂f
(r − q) St
∂S

Deducimos entonces que el precio del derivado cuando tiene como underlying a un futuro puede
ser tratado de la misma forma que una acción que genera una tasa de dividendos igual a la tasa
libre de riesgo para el propósito de valuar a este derivado.
Explicit Finite Difference Method
Si suponemos que los valores de las siguientes dos derivadas:
df d2 f
dS dS 2

Son iguales en los siguientes dos puntos:


(i, j ) (i + 1, j )

Dos de las tres derivadas discretizadas anteriores resultan:

32
( fi , j +1 − fi , j −1 ) ( fi +1, j +1 − fi +1, j −1 )
∂f / ∂S = ⇒
2∆S 2 ∆S

∂2 f ( fi +1, j +1 − 2 fi +1, j + fi +1, j −1 )


2
=
∂S (∆S ) 2

Si ahora utilizamos estas dos derivadas junto con ∂f / ∂t en la ecuación de Black/Scholes,


resulta:
( f i +1, j − f i , j ) rS j ( f i +1, j +1 − f i +1, j −1 ) ( f i +1, j +1 − 2 f i +1, j + f i +1, j −1 )
+ + 0.5σ 2 S 2j = rf i , j
∆t 2∆S (∆S ) 2

Si reemplazamos en la misma forma hecha para el caso del implicit finite difference method,
llegamos a la siguiente ecuación:
a j fi + 1, j − 1 + b j f i + 1, j + c j fi + 1, j + 1 = f i, j

Si comparamos esta ecuación con la encontrada anteriormente tenemos:


a j fi, j − 1 + b j fi, j + c j fi, j + 1 = fi + 1, j

Vemos que la diferencia resulta porque el explicit finite difference method produce una
ecuación en diferencias en las que un valor de la opción en t=i genera tres valores de la opción en
t=i+1. Por el contrario, el explicit finite difference method produce una ecuación en diferencias
en las que tres valores de la opción en t=i generan un solo valor de la opción en t=i+1.
Derivación de la Ecuación Diferencial cuando el Underlying paga Dividendos en Efectivo
Recordemos la expansión de Taylor analizada anteriormente una vez aplicado el Lema de Ito:
∂f ∂f 1 ∂2 f 2 2
dft = dSt + dt + ( St σ dt )
∂S ∂t 2 ∂S 2

Introducir un activo que paga un determinado retorno constante por unidad de tiempo en términos
de dividendos en efectivo implica que la ecuación estocástica del underlying es:
dSt = St µdt − St qdt + Stσdzt

En donde q es la tasa de dividendo en efectivo. Es importante entender que el término − St qdt es


negativo porque el pago de dividendo en efectivo le resta retorno al underlying dado que
disminuye su precio. Si ahora armamos un portfolio conformado por –1 derivado y ∂f / ∂S
acciones, el valor del portfolio en t es:
∂f
Pt = − ft + St
∂S

El payoff en dólares por el próximo intervalo de tiempo dt es:


∂f
dPt = − dft + dSt
∂S

Utilicemos ahora las dos ecuaciones estocásticas definidas para el underlying y el call:
∂f ∂f ∂f 1 ∂2 f 2 2 ∂f ∂f
dPt = −( ( St µdt ) − ( St qdt ) + dt + ( St σ dt ) + ( Stσdzt )) + ( St µdt + Stσdzt )
∂S ∂S ∂t 2 ∂S 2 ∂S ∂S

33
Distribuyendo términos:
∂f ∂f ∂f 1 ∂2 f 2 2 ∂f ∂f ∂f
dPt = − ( St µdt ) + ( St qdt ) − dt − ( St σ dt ) − ( Stσdzt ) + St µdt + Stσdzt
∂S ∂S ∂t 2 ∂S 2 ∂S ∂S ∂S

Como vemos, cuatro de estos términos se cancelan, resultando:


∂f ∂f 1 ∂2 f 2 2
dPt = St qdt − dt − ( St σ dt )
∂S ∂t 2 ∂S 2

En condiciones de ausencia de arbitraje el dinero que se invirtió en este portfolio pudo haberse
invertido en un bono zero-coupon, el cual en un infinitésimo de tiempo rinde:
rPt dt

De esta forma, en condiciones de ausencia de arbitraje ambos portfolios deben rendir lo mismo:
∂f ∂f 1 ∂2 f 2 2
St qdt − dt − ( St σ dt ) = rPt dt
∂S ∂t 2 ∂S 2

∂f ∂f 1 ∂2 f 2 2 ∂f
St qdt − dt − ( St σ dt ) = r (− ft + St )dt
∂S ∂t 2 ∂S 2 ∂S

∂f ∂f 1 ∂2 f 2 2 ∂f
St qdt − dt − 2
St σ dt = −rft dt + r St dt
∂S ∂t 2 ∂S ∂S

Al compartir todos los términos el término dt, el mismo se simplifica:


∂f ∂f 1 ∂ 2 f 2 2 ∂f
St q − − St σ = −rft + r St
∂S ∂t 2 ∂S 2 ∂S

De esta forma:
∂f ∂f 1 ∂2 f 2 2
+ ( r − q ) St + St σ = rft
∂t ∂S 2 ∂S 2

Esta es la ecuación diferencial de Black/Scholes modificada en presencia de un stock que para


una tasa constante de dividendos en efectivo. Vemos que lo único que cambia es que el segundo
término del lado izquierdo de la igualdad utiliza a (r-q) en lugar de r.
Derivación de la Ecuación Diferencial cuando el Underlying es un Futuro y no una Acción
Supongamos un derivado cuyo underlying ya no es una acción sino un futuro sobre una acción.
Como vemos, lo que haremos es cambiar al underlying. Supongamos que el precio del futuro
sigue el siguiente proceso estocástico:
dFt = Ft µdt + Ftσdzt

Aplicando el Lema de Ito resulta:


∂f ∂f 1 ∂2 f
dft = dFt + dt + ( Ft2σ 2dt )
∂F ∂t 2 ∂F 2

Reemplazando por la ecuación del underlying tenemos:

34
∂f ∂f 1 ∂2 f
dft = ( Ft µdt + Ftσdzt ) + dt + ( Ft2σ 2dt )
∂F ∂t 2 ∂F 2

Distribuyendo términos tenemos:


∂f ∂f 1 ∂2 f ∂f
dft = ( Ft µdt ) + dt + ( Ft2σ 2 dt ) + ( Ftσdzt )
∂F ∂t 2 ∂F 2 ∂F

Ahora, armemos un portfolio conformado por –1 derivado y ∂f / ∂F futuros. De esta forma, el


valor del portfolio en t es:
∂f
Pt = − ft + Ft
∂F

Pero cuidado, recordemos que entrar en un contrato de futuro en t, cuesta cero, de esta forma:
Ft = 0

Esto implica:
∂f
Pt = − ft + 0 = − ft
∂F

Es precisamente en esta ecuación en donde un derivado sobre un futuro y un derivado sobre


una acción difieren. Recordemos que para el caso de un derivado sobre una acción, el valor del
portfolio tenia dos términos:
∂f
Pt = − ft + St
∂S

En cambio, para el caso de un derivado sobre futuros, existe un sólo término:


Pt = − ft

Entonces, un infinitésimo de tiempo después, el payoff de este portfolio es:


∂f
dPt = − dft + dFt
∂F

Utilicemos ahora las dos ecuaciones diferenciales estocásticas tanto para el underlying ( dFt )
como para el derivado ( dft ):
∂f ∂f 1 ∂2 f ∂f ∂f
dPt = −( ( Ft µdt ) + dt + ( Ft2σ 2dt ) + ( Ftσdzt )) + ( Ft µdt + Ftσdzt )
∂F ∂t 2 ∂F 2 ∂F ∂F

Esto es igual a:
∂f ∂f 1 ∂2 f ∂f ∂f ∂f
dPt = − ( Ft µdt ) − dt − 2
( Ft2σ 2dt ) − ( Ftσdzt ) + ( Ft µdt ) + ( Ftσdzt )
∂F ∂t 2 ∂F ∂F ∂F ∂F

Otra vez, cuatro términos se cancelan, resultando en:


∂f 1 ∂2 f
dPt = − dt − ( Ft2σ 2dt )
∂t 2 ∂F 2

Como este portfolio no tiene incertidumbre por el próximo periodo de tiempo dt, debe rendir en
ese infinitésimo de tiempo, la tasa libre de riego:

35
dPt = rPt dt

De esta forma:
∂f 1 ∂2 f
− dt − ( Ft2σ 2dt ) = r (− f )t dt
∂t 2 ∂F 2

Eliminando dt resulta:
∂f 1 ∂ 2 f
+ ( Ft2σ 2 ) = rft
∂t 2 ∂F 2

Comparemos esta ecuación diferencial con la que obtuvimos antes cuando el underlying no era
un futuro sino una acción que pagaba dividendos en efectivo:
∂f ∂f 1 ∂2 f 2 2
+ ( r − q ) St + St σ = rft
∂t ∂S 2 ∂S 2

Vemos que lo único que las diferencia es el término:


∂f
(r − q) St
∂S

Deducimos entonces que el precio del derivado cuando tiene como underlying a un futuro puede
ser tratado de la misma forma que una acción que genera una tasa de dividendos igual a la tasa
libre de riesgo para el propósito de valuar a este derivado.
Aplicaciones del Enfoque de Opciones para Valuar Activos Corporativos y Reales
A.Uso del Enfoque de Opciones para valuar el Equity y las Liabilities de una Empresa
Hasta ahora utilizamos los distintos modelos para valuar opciones sobre activos financieros: es
decir, un call o put sobre un stock particular. Sin embargo, el concepto de opcionalidad se puede
utilizar en una forma MUCHISIMO mas amplia. Con ciertas simplificaciones (en algunos casos,
hay que reconocer que son simplificaciones muy fuertes), vamos a demostrar que tanto el equity
como el pasivo de una firma no son otra cosa que opciones sobre determinados conceptos que
definiremos. Vamos a analizar seis estructuras diferentes.
1.Unico Pasivo Compuesto por Zero Coupon Bonds
Supongamos el caso de una empresa que tiene un único pasivo que expira en una fecha futura
T. Supongamos que el valor total del pasivo es K. Bajo este modelo tan simple, cuando llegue el
momento de vencimiento del pasivo la empresa va a valer una determinada suma de dinero,
llamémosla V. Recordemos que en equilibrio V debería ser el valor presente de cash-flows
descontados. Evidentemente, existe la posibilidad de que la empresa en el momento T valga
menos que las liabilities, es decir V<K. En este caso y suponiendo que no hay endeudamiento
adicional y que la firma se liquida para pagar el pasivo (como vemos, son supuestos muy fuertes)
cuando V<K, la firma defaulteará al menos parcialmente sobre sus acreedores. Bajo este
escenario vamos a ver cuales son los payoffs de los accionistas (equity) y de los acreedores
(pasivo).
Las implicancias de este enfoque son muy poderosas. Este enfoque me dice que poseer el
underlying asset (S) es poseer un call (C(V,K)) que me da la opción de defaultear o pagar todo el
pasivo (K) y quedarme con lo que quede la empresa. Nunca antes se había pensado en el precio
del stock como un call en si mismo.
Precisamente de este efecto surge un efecto secundario muy importante. Recordemos que a
mayor volatilidad, mayor es el valor del call. Este efecto es especialmente marcado en opciones
que no están ni muy out of the money ni muy deep in the money. Concentrándonos en el caso
particular que estamos analizando, esto quiere decir que si los accionistas aumentan la volatilidad
del valor de la firma (V), aumentaran el valor de su participación (nS). Como vemos entonces, en

36
empresas muy endeudadas (es decir V casi igual a K, lo que hace que no este ni deep out of the
money ni deep in the money) los accionistas van a tener el incentivo de tomar decisiones de
inversión muy arriesgadas y de esa forma aumentar significativamente la volatilidad esperada de
su empresa, así entonces el valor de C(V,K) aumenta. Es importante ver la intuición de esto la
cual es muy sencilla: tomo decisiones muy arriesgadas, si sale mal, defaualteo y me quedo con
nada, si sale bien me quedo con VT-K (recordar que VT es el valor de la firma en T).
Como vemos, el efecto descripto en el párrafo anterior revela una diferencia fundamental
entre opciones financieras y este tipo de opciones (que las vamos a llamar corporate options).
En una opción financiera en la que el underlying asset es S, el dueño de la opción NUNCA
puede afectar la volatilidad de S. Por el contrario, en el caso de corporate options, sus dueños
tienen la posibilidad de afectar la volatilidad de V. Esta es una diferencia fundamental.
Obviamente, los acreedores tiene incentivos para comportarse en una forma simétricamente
opuesta. Ellos quieren cobrar y por lo tanto si VT esta cerca de K, van a querer adoptar proyectos
mas seguros con muy poca volatilidad. Vemos qué interesante es el esquema de incentivos entre
los accionistas y acreedores.
Finalmente, un concepto muy común que se utiliza en deuda es el del “Yield to Maturity”. Si
corremos el modelo desde la celda b27 para abajo vemos que utilizamos un simple modelo de
Black/Scholes para valuar el equity y liability. Vamos a evaluar este modelo en dos dimensiones
distintas.
Primero, evaluemos que pasa cuando dado un valor constante de la firma (V) y una volatilidad
constante, aumentamos el valor de la deuda. Ir a la celda K1 y ver los resultados. Vemos que
cuando el valor de la deuda (K) es muy pequeño relativo al valor de la firma (V), el yield de la
deuda es igual a la tasa libre de riesgo. Sin embargo, cuando el valor de la deuda aumenta, el
yield empieza a ser superior a la tasa libre de riesgo, la razón es muy sencilla, como aumenta la
probabilidad de default aumenta el spread sobre la tasa libre de riesgo.
Segundo, evaluemos que pasa cuando dado un valor constante de la firma (V) y un valor
constante de la deuda (K), aumentamos la volatilidad. Ir a la celda T1 y ver los resultados, los
cuales son los mismos que en el caso anterior. Cuando la volatilidad es muy pequeña y dado que
la deuda es pequeña relativa al valor de la firma, el yield de la deuda es igual a la tasa libre de
riesgo. Sin embargo, cuando la volatilidad aumenta, aumenta el yield de la deuda el cual supera
ahora a la tasa libre de riesgo. Otra vez hay un spread que compensa el mayor riesgo de default.
2.Dos Pasivos Compuesto por Senior y Junior Zero Coupon Bonds
En este caso hay dos tipos de acreedores: los seniors que son los que cobran primero y los
juniors que son los que cobran después. Vamos a ver como podes ahora valuar el equity y los dos
pasivos (senior y junior). Supongamos que la obligación senior en maturity es KS y que la
obligación junior en maturity es KJ.
Ir a la celda G1 y analizar como varia el valor del equity y del senior y junior liability con
cambios en los valores de la volatilidad. No es un análisis fácil. La intuición principal es la
siguiente. Empecemos en una situación en donde el valor de la firma (V) es casi idéntico al dl
senior liability y con muy poca volatilidad. En este escenario el único que cobra es el senior
liability. Entonces, el junior liability dado que no cobra puede convenirle un poco mas de
volatilidad, vemos que inicialmente el valor del junior liability aumenta. Este aumento ocurre
porque un poco mas de volatilidad hace que el valor de la firma (V) supere aveces al valor de la
deuda senior y en estos casos entonces los juniors cobran. Pero ojo, este aumento de volatilidad
también tiene limites. Si el aumento es muy grande los dos acreedores se termina perjudicando
(senior y junior). La razón es que mas volatilidad aumenta la probabilidad de un outcome
desastrosos en el que ni el senior ni el junior cobran. Obvio, esto esta compensado por un
outcome excelente pero el payoff de este excelente outcome se lo apropia el equity y es por eso
que a grandes niveles, mayor volatilidad perjudica al junior y al senior.
Conclusión: El junior liability se comporta un poco como liability y un poco como equity.
3.Un Pasivo Compuesto por Convertible Bonds

37
Un bono convertible puede convertirse a opción de su dueño en acciones a la tasa k. Es decir, si
ejercito la opción, me dan k por cada bono Lambda. Es importante tener en cuenta que el
ejercicio de esta opción genera un dilution effect, con lo cual, después de ejercitar la opción de
convertibilidad la proporción de la empresa que poseen los tenedores de bonos es:
λ = mk /( mk + n)

En donde m es la cantidad de bonos convertibles, k es la tasa a la que se convierten en acciones


y n es la cantidad de acciones antes del ejercicio de la opción de convertibilidad. Supongamos
además que el valor total de la deuda sin convertir en maturity es K. Es importante analizar en
primer lugar cuando es optimo no ejercitar la opción de convertibilidad y cuando si es optimo
ejercitarla. Analicemos caso por caso.
VT<K:
Si no se ejercita la opción de convertibilidad, los bondholders se llevan VT.
Si se ejercita la opción de convertibilidad, los bondholders se llevan λVT. Dado que λ siempre es
<1, λVT es siempre menor que VT. Entonces sabemos que λVT<VT.
Con lo cual vemos que en este caso, no es optimo ejercitar la opción de convertibilidad y el
payoff es VT.
K<VT<= K/λ:
Si no se ejercita la opción de convertibilidad, los bondholders se llevan K.
Si se ejercita la opción de convertibilidad, los bondholders se llevan λVT. Para que no se ejercite
la opción de convertibilidad es necesario que: K>λVT, lo que implica que K/λ>VT.
Con lo cual vemos que si K/λ>VT, no es optimo ejercitar la opción de convertibilidad. Entonces
si K<VT<= K/λ, el payoff será K.
VT>K/λ:
Aquí es optimo ejercitar la opción de convertibilidad, el payoff será λV.
Es muy importante analizar el caso en el que V=K=10,000. Aquí empieza a correr el modelo con
valores crecientes de volatilidad, y veras que el convertible Bond en un rango inicial de
volatilidad se comporta como un pasivo cualquiera, es decir, perdiendo valor cuando aumenta la
volatilidad. Sin embargo, llega un punto a partir del cual incrementos de volatilidad ya no afectan
el valor del convertible Bond: la razón es muy sencilla, llega un punto en donde el convertible
Bond se convierte a equity y en consecuencia toda la firma es ahora equity. Si toda la firma es
ahora equity, extermine por completo el concepto de opcionalidad y por lo cual el convertible
Bond se vuelve insensible a cambios en volatilidad.
Ir a Celda G1 y ver como varían el valor del equity y liability cuando aumenta la volatilidad. Ver
también el gráfico.
Conclusión fundamental: El convertible bond es una forma de evitar que los accionistas
(especialmente cuando la opción no esta ni deep in ni deep out of the money) aumenten la
volatilidad perjudicando a los bondholders. Hay un rango de volatilidad (determinado por k)
en el que los shareholders pueden perjudicar a los bondholders. Pasado ese rango los
bondholders están protegidos.
4.Un Pasivo Compuesto por Callable Bonds
En este caso la empresa lanza un bono cuya maturity es T y en maturity debe pagar K. Pero
además, la empresa se reserva el derecho de poder rescatar el bono en una fecha W, con W<T, y
al valor KW. Evidentemente, esto no es ni mas ni menos que un american call con strike price
igual a KW para t<T, y K para t=T: C(V,KW,K).
5.Un Pasivo con Safety Covenants
El safety covenant es otra forma de proteger a los acreedores contra los accionistas. El safety
covenant especifica que la firma pasara a ser propiedad de los bondholders si en un rango de
tiempo (T1:T2) con T1>=0 y T2<=T el valor de la firma es menor a un limite inferior H. Como

38
vemos esto no es ni mas ni menos que un “down and out call” con limite inferior igual a H y
strike price igual a K: C(V,H,K).
B.Uso del Enfoque de Opciones para Valuar Opciones Estratégicas
El concepto básico de la opcionalidad es la FLEXIBILIDAD. Tener una opción me permite
ejercitarla si el escenario resultante es favorable para mi, o no ejercitarla si el escenario resultante
no me conviene. Esto evidentemente es tener flexibilidad de acción. Como vamos a ver ahora,
esta flexibilidad no solo esta presente en las opciones financieras, en las cuales la opcionalidad es
explícita. En general, cuando uno evalúa proyectos de inversión, los mismos tienen opciones
implícitas que incrementan el valor del proyecto en cuestión porque incrementan la flexibilidad
de acción en el management.
Generalmente, toda empresa tiene un management dinámico que ajusta sus decisiones en
función al conocimiento de nueva información. Esta es en general la forma en la que todo el
mundo hace negocios, ajustándose constantemente a los nuevos escenarios que ofrece el mercado.
Si bien, todo el mundo esta de acuerdo en reconocer que los managers cambian de decisiones
para ajustarse a una nueva realidad, desafortunadamente, al momento de evaluar esos mismos
proyectos muchas veces se ignora el OBVIO hecho de que el management es FLEXIBLE.
El método tradicional de evaluación de proyectos (DCF, discounted cash flows) en general
ignora este concepto de flexibilidad. Esto es así porque aun cuando reconoce proyecciones futuras
de cash flows, las mismas son en general el resultado de supuestos realizados al momento de la
valuación que afectan ESTATICAMENTE la vida del proyecto. En general DCF no reconoce
REACCION ante escenarios cambiantes en el futuro. Cual es entonces el efecto de ignorar
flexibilidad? Obviamente, el efecto es que se subvaluan proyectos y es mas, como lo vamos a
demostrar en los párrafos siguientes, ciertos proyectos pueden llegar a ser totalmente rechazados
porque el valor de la opcionalidad no fue tenido en cuenta.
Vamos a analizar dos casos en donde se valúan opciones estratégicas: i) opción de esperar y
ejecutar el proyecto mas tarde, ii) opción de expandir la escala de la empresa si el escenario
futuro resulta favorable.
Caso 1: Opción de esperar y ejecutar el proyecto mas tarde
En este ejemplo estamos frente a un caso en el que la economía se simplifica en dos escenarios
futuros: si a la economía le va bien nuestros cash flows se ven bien, si a la economía le va mal,
nuestros cash flows se ven mal. En este contexto, supongo que por razones que desconocemos, la
empresa tiene la opción de iniciar el proyecto hoy o de esperar un año y si la cosa va bien
ejecutarlo, y de lo contrario no ejecutarlo. Como vemos, la empresa tiene una flexibilidad en el
management, y dado los parámetros del modelo le conviene esperar un año. De ahí que el valor
de la flexibilidad surge de comparar el valor del proyecto si se ejecutara hoy contra el valor del
proyecto si se ejecuta en un año. La diferencia de estos dos valores me determina el VALOR DE
LA FLEXIBILIDAD. En este caso, el valor de la flexibilidad es $18.
Supongamos ahora que este proyecto tiene un contrato que dice que si se lo posterga por un año
se deberá pagar una multa $X. Cual es el máximo valor de la multa para que a la firma le
convenga postergar el proyecto un año? (Respuesta: $18).
Caso 2: Opción de expandir la escala de la empresa en un año
Supongamos ahora el caso de una empresa que puede duplicar su escala de aquí a un año si a la
economía le va bien y no duplicarla si le va mal. Por razones que vamos a ver luego, el árbol no
se va a recombinar si se ejercita la opción de agrandar la escala. Vamos entonces a calcular las
risk neutral probabilities suponiendo otra vez que el underlying asset es un index del mercado.
Veamos ahora el cash flow en caso que no se incremente la escala y en caso en que sí se
incremente la escala. Es muy importante ahora analizar el valor del proyecto en ambos casos.
Como vemos, si no se duplica la escala, el proyecto genera un NPV negativo de -$6.67. Por el
contrario, si se duplica la escala, el proyecto genera un NPV de $6.71. Evidentemente, el valor de
la opción de duplicar la escala surge de hacer: $6.71-(-6.67)=$13.38.

39
Hay un aspecto de los resultados numéricos que es muy importante analizar. Supongamos que
hubiéramos valuado a este proyecto utilizando el enfoque tradicional de DCF. Especialmente,
supongamos que no hubiéramos contemplado la flexibilidad de duplicar la escala en el primer año
si a la economía le va bien. En este caso, el NPV es $-6.67, con lo cual hubiéramos rechazado un
proyecto que en realidad vale $6.71.
El segundo aspecto de los resultados numéricos que hay que resaltar es que para poder
mantener “viva” a la opción de duplicar el tamaño de la empresa en el año 1 es necesario invertir
en el año cero.
Supongamos ahora que para expandir la escala de la firma es absolutamente fundamental
comprar tierra sin la cual no habrá espacio para incrementar el tamaño de la planta. Supongamos
además que la tierra hay que comprarla hoy porque sino un competidor nuestro la va a comprar y
nos dejaría sin terreno para duplicar el tamaño de la planta. Recordemos que sin terreno, la opción
de duplicar no tiene absolutamente ningún valor. Cual es el máximo valor del terreno que la firma
estaría dispuesta a abonar para poder duplicar su escala en un año? (Respuesta: $13.38).

Derivados de Tasas de Interés sin Riesgo de Default. Modelos Binomiales y Continuos de


Valuación
Todos los modelos que vamos a estudiar intentan generar procesos estocásticos de tasas de
interés que sean lo mas consistente posibles con la verdadera curva de tasas de interés observada
en el mercado (la cual se obtiene en forma implícita del mercado de bonos). La pregunta obvia es,
para qué necesito generar procesos estocásticos que traten de replicar una yield curve que ya
conozco. La respuesta a esta pregunta es la siguiente: si el objetivo fuera exclusivamente valuar
bonos, estos modelos no tendrían razón de ser porque los bonos ya sabemos que se pueden valuar
esencialmente con la información contenida en la yield curve, es mas, si los bonos en cuestión
son aquellos que se utilizaron para calcular la yield curve, ya están valuados.
La razón por la cual esencialmente existen estos modelos es para valuar fixed income
derivatives. Recordemos que para valuar una opción no solamente es necesario conocer la yield
curve (que suministra información referida a la media de una tasa incierta) sino además y esto es
fundamental, es necesario conocer la volatilidad de las yields. Es por eso que una única tasa en
cada punto de decisión (esa es la información que suministra la yield curve) no es suficiente. Lo
que hay que hacer entonces es encontrar un proceso estocástico de tasas de interés que sea lo mas
consistente posible con la yield curve observada en el mercado, tanto en valor esperado como en
volatilidad.
Observamos que hay dos palabras claves. Primero, el proceso tiene que ser estocástico porque
si no es estocástico no tiene volatilidad, lo cual es indispensable para valuar una opción. Segundo,
el proceso tiene que ser lo mas consistente posible con la yield curve del mercado, la razón es
sencilla: el proceso estocástico utilizado debería poder pricear sin error a los bonos del mercado
utilizados para calcular la yield curve, de lo contrario seria inconsistente. La razón de esto es
sencilla, si para valuar una opción, partimos de un proceso estocástico que ni siquiera me permite
valuar correctamente los bonos del mercado (que son los underlying assets de este tipo de
opciones), esto quiere decir que las yields resultantes van a ser distintas a la yield curve del
mercado y por lo tanto el valor de la opción no va a ser consistente con la información de
mercado.
Existen dos grupos de modelos que se utilizan para resolver estos problemas. El primer grupo
está compuesto por modelos de equilibrio y el segundo grupo por modelos libres de arbitraje.
Como vamos a ver, los modelos libres de arbitraje son mejores que los de equilibrio porque
replican perfectamente y sin error la yield curve, por lo menos en cuanto a su valor esperado
(algunos incluso lo hacen en su estructura de volatilidad también).
Es decir, los modelos libres de arbitraje, generan un proceso estocástico que es perfectamente
consistente con la yield curve observada en el mercado. Esto quiere decir que si este proceso
estocástico se utiliza para valuar los bonos que generaron la yield curve (no la opción), el precio

40
resultante es idéntico al observado en el mercado. La razón es que en los modelos libres de
arbitraje el proceso estocástico se calibra de forma tal que permita replicar exactamente la yield
curve del mercado y la volatility curve del mercado (a veces). En los modelos libres de arbitraje,
el equilibrio se exige al momento de su calibración.
En cambio, en los modelos de equilibrio, no existe esa disciplina de mercado, se asume que el
mercado está en equilibrio y por lo tanto el proceso estocástico es un input del modelo,
obviamente, uno va a probar con los parámetros de este proceso hasta que aproximadamente nos
replique la yield curve de mercado. Los modelos libres de arbitraje surgieron después de que se
desarrollaran los de equilibrio dado que son una refinación de los mismos.
Modelos de Equilibrio
Los modelos de equilibrio en contraposición a los modelos de arbitraje suponen que el mercado
de bonos está siempre en equilibrio resultando entonces en una valuación libre de arbitraje. El
modelo de equilibrio mas utilizado es el de Vasicek. Antes de analizar el modelo de Vasicek, es
necesario definir un proceso estocástico con reversion a la media.
Definición de Procesos Estocásticos de Tasas de Interés con Reversión a la Media
El modelo de Vasicek supone que el diferencial de la tasa de interés sigue el siguiente proceso
estocástico con reversión a la media:
dr = α (r − rt )dt + σdz t ⇒
rt +1 = rt + α (r − rt )dt + σdz t

En donde α es la tasa de convergencia a la media, es decir, es la velocidad con la que el


proceso corrige la discrepancia entre el equilibrio de largo plazo y el valor de mercado de la tasa
de interés, r es la tasa de equilibrio de largo plazo. Es muy importante concentrarse en qué es σ .
σ es la volatilidad del diferencial de la tasa de interés cuando este diferencial es calculado con
frecuencia anual y el proceso estocástico no exhibe reversion a la media. Es decir, el proceso
que se corresponde con esta definición de volatilidad es el siguiente:
dr = σdz t ⇒
rt +1 = rt + σdz t
dz t ~ N (0, dt )

En este proceso, σ es la volatilidad de dr cuando dr se calcula con frecuencia anual, σ dt es la


volatilidad de dr cuando se lo define en un intervalo de tiempo inferior a uno y dz t es el shock
estocástico que se distribuye como una normal con media cero y volatilidad dt . A los efectos
comparativos, recordemos que en el modelo de Black/Scholes, σ es la volatilidad de los retornos
cuando los mismos se calculan con frecuencia anual. La conclusión obvia de esto, es que, ceteris
paribus, un proceso con reversion a la media exhibe una volatilidad anual inferior a σ .
Volviendo al proceso con reversion a la media, lo que esta ecuación nos dice es que la tasa de
interés está constantemente afectada por shocks estocásticos pero existe un factor de disciplina
representado por el primer término de la ecuación el cual ante cualquier desvío respecto de la tasa
de equilibrio de largo plazo corrige y lo encauza de nuevo hacia el equilibrio de largo plazo.
Evidentemente, este factor de corrección, ceteris paribus, reduce la volatilidad de la tasa de
interés comparada con la resultante de procesos meramente estocásticos. Es mas, cuanto mas
cercano a uno sea α , mas rápida será la corrección y menor la volatilidad resultante.
Desarrollo Conceptual del Modelo de Vasicek
En un contexto de tasas de interés estocásticas, un zero coupon bond se valúa de la siguiente
forma, suponiendo que su principal es F:

41
T

∏e
P (t , T ) = F ( E (
i =t
− ri dt
))

Es decir, los agentes económicos tienen expectativas respecto a la evolución futura de las tasas
spots y en función de eso calculan el precio del bono. Vemos que en esta expresión, el signo
multiplicatoria se refiere solamente a una secuencia estocástica en particular de tasas instantáneas
de interés. Obviamente, como hay una infinita cantidad de secuencias estocásticas, es necesario
valuar el bono utilizando esperanza matemática que no es ni mas ni menos que un promedio
ponderado por la probabilidad de ocurrencia de cada evento incierto. P (t , T ) es el precio de un
zero coupon bond en el momento t que madura en T, con T>t. F es el principal del bono.
Sabemos también que el precio de un bono se puede expresar en términos de su yield:
P(t , T ) = Fe −YIELD(t ,T )( dT )

dT se define como la proporción de año entre t y T. Combinando las dos expresiones


precedentes, llegamos a la siguiente expresión:
T
YIELD(t , T ) = −(1 / dT ) ln( P (t , T ) / F ) = −(1 / dT ) ln( E ( ∏ei =t
− ri dt
))

Esta ecuación nos dice algo fundamental: una vez que definimos el proceso estocástico de la
tasa instantánea de interés, definimos absolutamente todo lo que necesitamos para describir la
estructura de yields y estructura de volatilidades.
Recordemos sin embargo que el problema fundamental que tienen estos modelos es que
asumen el equilibrio. Es decir, los precios P (t , T ) son precios teóricos resultantes en su totalidad
del proceso estocástico de tasas de interés supuesto, no son precios de mercado. El mercado no
pone ninguna disciplina (esto cambia cuando analicemos los modelos consistentes de tasas de
interés o libres de arbitraje). Esto quiere decir que el modelo de Vasicek no replica
necesariamente la estructura de yields de mercado, obvio uno al usarlo debería probar con
distintos valores parametricos hasta que los valores resultantes de las yields se parezcan
aproximadamente a las observadas en el mercado.
Como vemos, esto todavía es un marco general porque no supusimos ningún proceso
estocástico para la tasa instantánea de interés. Vasicek supone que el proceso es el siguiente:
dr = α (r − rt )dt + σdz t

Dado este proceso, Vasicek encontró una formula reducida para la estructura de yields y de
volatilidad de yields. El primer resultado importante de Vasicek es referido a la forma que exhibe
la estructura de volatilidad de las yields. La misma es exponencialmente decreciente, es decir, a
medida que aumenta la maturity de los bonos, menor es la volatilidad del yield asociada a ese
bono especifico. Obviamente, la intuición es sencilla, como hay un proceso de reversion a la
media, cuanto mayor sea el horizonte futuro de tiempo (es decir, mayor maturity), mayor será la
oportunidad que el modelo tiene de retornar a la media y por lo tanto, menor la volatilidad.
Obvio, esto no se condice necesariamente con la realidad, este es un aspecto que revela que este
es un modelo de equilibrio y no de arbitraje.
Cual es un problema básico del modelo de Vasicek? Como se supone que los shocks son
normales, las tasas instantáneas de interés pueden ser negativas. Este es un problema. Cox,
Ingersoll, and Ross elaboraron un modelo muy similar al de Vasicek en donde las tasas nunca
pueden ser negativas.
Conceptualización del Modelo de Vasicek (Discretización del Modelo Original)

42
Secuencias Estocásticas de Tasas Spots Instantáneas

r1 r21 r31 r41 r51 r61

r1 r22 r32 r42 r52 r62

r1 r23 r33 r43 r53 r63

r1 r24 r34 r44 r55 r65

r1 r25 r35 r45 r55 r65

Como podrán observar, la PRIMER tasa de cada secuencia ( r1 ) carece del supraíndice dado
que es común a todas la secuencias porque la tasa inicial se conoce y NO ESTA sujeta a
incertidumbre (es decir, todas las secuencias estocásticas nacen del mismo punto inicial).
Supongamos que cada renglón se refiere a una secuencia estocástica de tasas spots instantáneas
“a lo Vasicek”. Supongamos que cada una de estas cinco secuencias respectivamente tiene
asociadas las siguientes probabilidades: π 1 , π 2 , π 3 , π 4 , π 5 , con π 1 + π 2 + π 3 + π 4 + π 5 = 1 . De
esta forma, si estas fueran las únicas secuencias poblaciones, el valor de un zero-coupon bond que
madura al final del periodo 6 (suponga que dt=1) es:
P(0,6) =
[exp(− r1 ) exp(− r21 ) exp(− r31 ) exp(− r41 ) exp(− r51 ) exp(− r61 )]Fπ 1 +
[exp(− r1 ) exp(− r22 ) exp(− r32 ) exp(− r42 ) exp(− r52 ) exp(− r62 )]Fπ 2 +
[exp(− r1 ) exp(− r23 ) exp(− r33 ) exp(− r43 ) exp(− r53 ) exp(− r63 )]Fπ 3 +
[exp(− r1 ) exp(− r24 ) exp(− r34 ) exp(− r44 ) exp(− r54 ) exp(− r64 )]Fπ 4 +
[exp(− r1 ) exp(− r25 ) exp(− r35 ) exp(− r45 ) exp(− r55 ) exp(− r65 )]Fπ 5

Modelo de Jamshidian
Concentrémonos ahora en el modelo de Jamshidian para valuar opciones europeas sobre
bonos zero-coupon. El modelo se refiere a un call option europeo que madura exactamente al
final del periodo “T” sobre un zero-coupon que madura exactamente al final del periodo
“TT”. Recuerden, y esto es fundamental, que el modelo utiliza el contexto de incertidumbre
condicional de tasas. La condicionalidad ocurre en el punto del tiempo en el que se debe
ejercitar la opción europea sobre el bono zero-coupon. Recuerden que existen dos puntos
del tiempo relevantes:

a) el que compete al ejercicio del call, “T”;


b) el que compete a la maturity del zero-coupon, “TT”.

Las secuencias condicionales exclusivamente se deben aplicar en el intervalo (T+1 /TT). El


único objetivo de utilizarlas es determinar el valor esperado del bono en la fecha de ejercicio
de la opción dada una secuencia incondicional. Es otra vez importante determinar que “T”
corresponde al último instante del periodo “T”. Una vez en “T” y habiendo calculado el
payoff del call, se necesita entonces calcular el valor presente del mismo con todas las
secuencias definidas entre “t=1” (o sea, en el primer instante del periodo 1) y “T” (o sea,
hasta el último instante del periodo T).
Denominamos secuencias incondicionales de tasas, a las que aplican al periodo
comprendido en el intervalo “1/T”, es decir, desde el primer instante del periodo 1 hasta el
último instante del periodo T, describiendo su respectiva incertidumbre. Dada una secuencia

43
incondicional, al FINAL (último instante) del décimo periodo de shock “T” se debe ejercitar
el call. Para ello es necesario calcular en ese punto del tiempo el valor presente esperado del
zero-coupon que madura en “TT” (es decir, último instante del periodo “TT”), de esta
forma, se hace necesario considerar la incertidumbre CONDICIONAL de tasas comprendida
en el intervalo de tiempo “T+1/TT”, es decir, entre el primer instante del intervalo “T+1” y
el último instante del intervalo “TT”. Para una secuencia incondicional dada, la fórmula a
aplicar en el último instante de “T” debería ser:
TT
Payoff = max( F ( ET +1 ( ∏e
j =T +1
− r j dt
)) − K ,0)

Como podrán observar, el subíndice en la expresión ET +1 (........) indica que el cálculo se


realiza al INICIO del periodo “T+1” (lo que es idéntico al final del periodo “T”). Una vez
resuelto este problema, abría que calcular el valor de la opción en “t=1” (o sea, al inicio del
periodo 1) de la siguiente forma:
T TT


Call = E1 (
i =1
e − ri dt [ max( F ( ET +1 ( ∏e
j =T +1
− r j dt
)) − K ,0)])

Es muy importante considerar que el término:


TT

∏e
− r j dt
max( F ( ET +1 ( )) − K ,0)
j =T +1

está condicionado a la existencia de una secuencia incondicional “i” dada. Esto quiere decir
que para cada secuencia incondicional “i”, existe una esperanza matemática condicional y
distinta correspondiente a cada secuencia “i”, llamada “j”.
El modelo utiliza el marco del modelo de Vasicek para valuar opciones. Cuando se valúa una
fixed income option es necesario mirar hacia el futuro la evolución de las tasas de interés. Esta es
una diferencia fundamental con equity options. Con equity options, la incertidumbre llega hasta el
momento de ejercicio de la opción. Con fixed income options, la incertidumbre empieza en el
momento de ejercicio de la opción. En segundo lugar, mayor volatilidad en las tasas de interés,
genera un mayor valor de la opción. La razón principal es que como los bonos son convexos con
respecto a cambios en las tasas de interés, mayor volatilidad implica mayor valor esperado del
bono y en consecuencia, mayor valor de la opción.
Conceptualización del Modelo de Jamshidian
Recordemos que en el caso de Jamshidian es necesario identificar dos tipos de secuencias
estocásticas de tasas spots instantáneas: 1) las secuencias incondicionales, 2) las secuencias
condicionales. Supongamos que la incertidumbre poblacional de tasas spots puede describirse de
la siguiente forma:

1 1 1 1 1
r14 r15 r16 r17 π1

r1 r21 r31 1
r24 1
r25 1
r26 1 1
r27 π2

π1 1
r34 1
r35 1
r36 1 1
r37 π3

2 2 2 2 2
r14 r15 r16 r17 π1

r1 r22 r32 2
r24 2
r25 2
r26 2 2
r27 π2

π2 2
r34 2
r35 2
r36 2 2
r37 π3

44
Como podemos observar, y para simplificar los cálculos, estamos suponiendo que
poblacionalmente sólo existen dos secuencias incondicionales:
a) r1 r21 r31
b) r1 r22 r32
Cada una de ellas con probabilidades π 1 y π 2 , con π 1 + π 2 = 1 . Observemos que al igual que
en el modelo de Vasicek, TODAS las secuencias incondicionales NACEN de una misma tasa
inicial, de ahí que la misma carece del supraíndice. La primer secuencia incondicional (el
supraindice indica a qué secuencia incondicional nos referimos) se “expande” en tres
secuencias condicionales (cuyos inicios coinciden con el momento de ejercicio de la opción, T):
1 1 1 1
a) r14 r15 r16 r17
1 1 1 1
b) r24 r25 r26 r27
1 1 1 1
c) r34 r35 r36 r37
En donde π 11 es la probabilidad condicional de que la secuencia condicional 1 ocurra, π 12 es
la probabilidad condicional de que la secuencia condicional 2 ocurra, y π 31 es la probabilidad
condicional de que la secuencia condicional 3 ocurra. Obviamente, π 11 + π 12 + π 31 = 1 .
La segunda secuencia incondicional se “expande” en tres secuencias condicionales:
a) r142 r152 r162 r172
2 2 2 2
b) r24 r25 r26 r27
c) r342 r352 r362 r372
En donde π 12 es la probabilidad condicional de que la secuencia condicional 1 ocurra, π 22 es
la probabilidad condicional de que la secuencia condicional 2 ocurra, y π 32 es la probabilidad
condicional de que la secuencia condicional 3 ocurra. Obviamente, π 12 + π 22 + π 32 = 1 .
Es importante entender el significado de los supraíndices y subíndices. Decimos que la tasa
r jti proviene de la secuencia incondicional " i" , pertenece a la secuencia condicional " j" , y
corresponde al periodo " t" de tiempo. Es por esta razón que, dada una secuencia incondicional,
todas las secuencias condicionales que provienen de ella exhiben EL MISMO
SUPRAINDICE. La única diferencia entre TODAS las secuencias condicionales que provienen
de una MISMA secuencia incondicional es que el PRIMERO de los dos subíndices cambia
secuencia por secuencia. La razón es que este primer subíndice indica a qué secuencia
condicional nos referimos.
Supongamos que queremos valuar una opción europea “a lo Jamshidian” que madura al
final del tercer periodo (T=3, es decir, cuando finalizan las secuencias incondicionales) sobre
un underlying zero-coupon bond que madura al final del séptimo periodo (es decir, al final de
las secuencias condicionales, TT=7) con un principal de F. De esta forma:
Secuencia Incondicional 1
a) Determinación del Precio del Underlying en T

P1 =
1 1 1 1
[exp(−r14 ) exp(−r15 ) exp(−r16 ) exp(−r17 )]Fπ 11 +
1 1 1 1
[exp(−r24 ) exp(− r25 ) exp(−r26 ) exp(− r27 )]Fπ 12 +
1 1 1 1
[exp(−r34 ) exp(− r35 ) exp(−r36 ) exp(− r37 )]Fπ 31

en donde P 1 es el precio del bono underlying al final de la secuencia incondicional 1.

45
b) Determinación del Payoff de la Opción en T

max( P 1 − K ,0)

Secuencia Incondicional 2
a) Determinación del Precio del Underlying en T

P2 =
[exp(−r142 ) exp(− r152 ) exp(−r162 ) exp(− r172 )]Fπ 12 +
2 2 2 2
[exp(−r24 ) exp(− r25 ) exp(−r26 ) exp(− r27 )]Fπ 22 +
[exp(− r342 ) exp(−r35
2
) exp(−r362 ) exp(−r372 )]Fπ 32

en donde P 2 es el precio del bono underlying al final de la secuencia incondicional 2.


b) Determinación del Payoff de la Opción en T

max( P 2 − K ,0)

Valor del Call

C = [(exp(− r1 ) exp(− r21 ) exp(− r31 )) max( P1 − K ,0)]π 1 + [(exp(− r1 ) exp(− r22 ) exp(− r32 )) max( P 2 − K ,0)]π 2

Obviamente, esto es fácilmente generalizable para el caso de “n” secuencias incondicionales y


“m” secuencias condicionales.

Modelos Discretos Libres de Arbitraje. Diferencia con Modelos de Equilibrio


La diferencia fundamental entre los modelos de equilibrio y los modelos libres de arbitraje es
que en los modelos de equilibrio la estructura de yields es un output, dado que la estructura de
yields depende totalmente de los supuestos acerca del proceso estocástico que genera las tasas
instantáneas de interés los cuales son totalmente independientes de la verdadera estructura de
mercado. Obviamente, para que los modelos de equilibrio funcionen correctamente, es necesario
aplicar un proceso de prueba y error hasta que el proceso estocástico de interés que suponemos
replique aproximadamente la estructura de tasas realmente observadas en el mercado. Por el
contrario, en los modelos libres de arbitraje, la estructura de yields es un input del modelo, los
parámetros del proceso estocástico se calibran en función de la estructura de yields del mercado y
en consecuencia ajustan a ese input. Es decir, el proceso estocástico se calibra en función de la
verdadera estructura de curvas del mercado. Como veremos, el proceso estocástico de spot rates
en los modelos de arbitraje depende en su totalidad de la estructura de yields de mercado (y en
ocasiones, de la estructura de volatilidad también).
Conclusión:
1-En los modelos de equilibrio (Vasicek, por ejemplo), el proceso estocástico de spot rates es
un INPUT mientras que la estructura de Yields y Volatilidad son un OUTPUT. Es decir, la
estructura de Yields y Volatilidad son endógenas al modelo.
2- En los modelos libres de arbitraje, el proceso estocástico de spot rates es un OUTPUT,
mientras que la estructura de yields y volatilidad son un INPUT. Es decir, la estructura de
Yields y Volatilidad son exógenas al modelo y los parámetros del modelo se ajustan a las
mismas.

46
Desarrollo Conceptual del Modelo de Ho-Lee (Versión Binomial)
En primer lugar, es muy importante aclarar qué tipos de tasas son las que este modelo calcula y
de qué información exógena dispone el modelo. Supongamos que los intervalos de tiempo tienen
un año de amplitud (dt=1). Nosotros sabemos que bajo estas condiciones la yield curve del
mercado nos da la siguiente información:
SPOT (0,1) , tasa spot a un año vigente al inicio del periodo 0;
SPOT (0,2) , tasa spot a dos años vigente al inicio del periodo 0;
SPOT (0,3) , tasa spot a tres años vigente al inicio del periodo 0;
y así sucesivamente.
Por otra parte, dado que estas tasas cambian diariamente, se tiene una serie de tiempo de las
mismas y por la tanto se puede estimar su volatilidad anual. Es por esta razón que también
contamos con la siguiente información:
Vol (SPOT (0,1)) , volatilidad de la tasa spot a un año;
Vol (SPOT (0,2)) , volatilidad de la tasa spot a dos años;
Vol (SPOT (0,3)) , volatilidad de la tasa spot a tres años;
y así sucesivamente.
El modelo que vamos a desarrollar genera un proceso estocástico de tasas spots a un año.
Vemos que esta información no está contenida directamente en la yield curve. El modelo genera
lo siguiente:
SPOT (0,1) , tasa spot a un año vigente al inicio del periodo 0;
SPOT (1,2) , tasa spot a un año vigente al inicio del periodo 1 (en realidad genera dos tasas spot
en este periodo por el supuesto de proceso binomial estocástico);
SPOT (2,3) , tasa spot a un año vigente al inicio del periodo 2 (en realidad genera tres tasas por
recombinacion del árbol binomial);
Antes de comenzar es importante destacar que como en el caso de equity options, se aplica el
teorema de las martingalas el cual dice que si fuerzo al proceso estocástico a que se comporte
como una martingala, los precios resultantes son libres de arbitraje y en consecuencia se puede
valuar el derivado utilizando esperanza matemática.
Recordemos que en los modelos de fixed income generalmente la única fuente de
incertidumbre se supone que es la tasa de interés. En este contexto, un modelo de fixed income se
comporta como una martingala cuando:
T

∏e
P (t , T ) = F ( E (
i =t
− ri dt
))

Vemos que esta ecuación es la misma que en el modelo de Vasicek. Sin embargo, en los
modelos libres de arbitraje, ri es una incógnita, mientras que en Vasicek ri surge directamente
de los parámetros supuestos que caracterizan al proceso estocástico y que no están
disciplinados por ninguna información de mercado. La esencia fundamental de los modelos
libres de arbitraje es que el mercado le impone disciplina al proceso estocástico subyacente de la
tasa de interés. Esta disciplina se manifiesta por la ecuación precedente la cual le exige al proceso
estocástico que genere un valor igual al precio del bono hoy. Es precisamente en este paso en
donde los modelos de equilibrio se diferencian de los libres de arbitraje.
El modelo de Ho and Lee supone que las tasas spot de interés se distribuyen en forma binomial
de acuerdo al siguiente proceso:

47
r0 conocida
r11 = µ + σ 1
r12 = µ − σ 1 ⇒ r11 = r12 + 2σ 1

En primer lugar, es muy importante entender que r0 se conoce al aplicar el modelo. Esto es así
porque la primer tasa spot coincide con la primer yield de la curva:
SPOT (0,1) = YIELD(0,1)

Esto no ocurre con las otras tasas spots.


r11 se refiere a la tasa spot a un año del periodo uno en el primer nodo, r12 se refiere a la tasa
spot a un año del periodo uno en el segundo nodo. Vemos que el spread entre las tasas lo
determina la volatilidad esperada. σ 1 es la volatilidad esperada de las tasas spot r11 y r12 , σ 2 es
la volatilidad esperada de las tasas spots r21 , r22 , r23 y r24 . Es fundamental tener en claro que
las σ ' s se refieren a las volatilidades de las tasas spots pero no a las volatilidades de las yields,
lo cual implica una diferencia conceptual muy importante de destacar.
σ 1 = Vol ( SPOT (1,2)) ≠ Vol ( SPOT (0,2)) = Vol (YIELD(0,2))
σ 2 = Vol ( SPOT (2,3)) ≠ Vol ( SPOT (0,3)) = Vol (YIELD(0,3))

Calibración del Proceso de Tasas de Interés con Volatilidad Spot Exógena y Endógena
Caso 1: Volatilidad Exógena de las Tasas Spots
En esta versión del modelo se supone que las σ ' s están dadas. Es importante tener en cuenta
que la primer tasa spot, es decir, r0 , se conoce con perfecta certidumbre al momento de calibrar el
proceso y es igual a la yield de un año ( SPOT (0,1) ). Este es el único caso en el modelo en el cual
la tasa spot de un año coincide con la yield rate. Es por esta razón que r0 no exhibe ninguna
volatilidad.
P(0,1) = (e − r0 ) * F ⇒ − ln( P(0,1) / F ) = r0

Aclaremos que P (0,1) es el precio de un bono hoy (de ahí el cero) que madura a un año desde
hoy (de ahí el 1). Observamos que r0 se calcula respetando sólo una restricción (como es
conocida, no hay restricción de volatilidad con lo cual solo se aplica la restricción de precio). Es
fundamental destacar que a las σ ' s , se las considera exógenas, es decir son parámetros cuyos
valores los escogemos arbitrariamente al momento de la calibración (sin ningún tipo de disciplina
de mercado, esta es la única diferencia con el caso 2 que analizaremos a continuación).
Con respecto al segundo periodo, las tasas r11 y r12 se calculan respetando dos restricciones:
Restriccion 1 : r11 = r12 + 2σ 1

Restriccion 2 : P(0,2) = F (e − r0 )(0.5e − r11 + 0.5e − r12 )

Una vez respetadas estas dos restricciones, se pueden calcular iterativamente los valores de r11
y r12 .
Con respecto al tercer periodo, es importante recordar que generalmente los modelos
binomiales se recombinan. Es decir, en vez de tener cuatro tasas spot a un año posibles,
tendremos sólo tres. Esto es así porque r22 = r23 . Entonces, simplifiquemos esto definiendo sólo

48
tres tasas posibles: r21 , r22 , r24 . Entonces, con respecto al tercer periodo, las tasas se calculan
respetando tres restricciones:
Restriccion 1 : r22 = r23

Restriccion 2 :
r21 = r22 + 2σ 2
r23 = r24 + 2σ 2
como r22 = r23 ⇒ r22 = r24 + 2σ 2 ⇒ r21 = r24 + 4σ 2 ⇒
r21 = r24 + 4σ 2
r22 = r24 + 2σ 2
r23 = r24 + 2σ 2
r24 = r24

Restriccion 3 :
− r0
P (0,3) = F [(e )(0.5e − r11
)(0.5e − r21
+ 0.5e − r22 ) + (e − r0 )(0.5e − r12 )(0.5e − r23 + 0.5e − r24 )]

Reemplazando, nos queda que:


P (0,3) = F ((e − r0 )0.5[(e − r11 )(0.5(e − ( r24 + 4σ 2 ) + e − ( r24 + 2σ 2 ) )) + (e − r12 )(0.5(e − ( r24 + 2σ 2 ) + e − r24 )))]

Como r0 , r11 y r12 son conocidas, la única incógnita en la ecuación precedente es r24 . Iterando
encontramos su valor y luego aplicando las ecuaciones relevantes hayamos r21 , r22 , r23 .
El proceso es idéntico para periodos siguientes. Como vemos, este es un proceso iterativo, no
existe una forma reducida, es decir, no hay una formula que describa cuál va a ser el valor de las
tasas spot. A riesgo de ser redundante, es fundamental resaltar que este proceso no estima las
yields de los bonos sino un proceso de tasas spots a un año que sean consistentes con la yields
observadas en el mercado.
Limitación de este enfoque: con esta variante del modelo, el proceso estocástico que se calibra
replica perfectamente la estructura de yields del mercado, pero no replica la estructura de
volatilidades de yields del mercado. Observamos que sólo exigimos que el proceso fuera capaz
de replicar el precio de los bonos (lo cual implica replicar el valor esperado de la yields) pero en
ningún momento impusimos ninguna restricción de volatilidad. El problema con esta limitación
es que dado que estos modelos se utilizan para valuar opciones, tener estimaciones inconsistentes
de volatilidad puede resultar en un serio misspricing de las opciones.
Caso 2: Volatilidad Endógena de las Tasas Spot
Ya dijimos en repetidas ocasiones que las σ ' s son las volatilidades de las tasas spots, no de las
yields. Cómo se pueden calcular endogenamente las (n-1) volatilidades σ ' s (recordar que son n-1
porque la tasa spot del primer periodo se conoce con perfecta certidumbre)?. La única volatilidad
que conozco es la volatilidad de las yields o lo que es lo mismo, spot rates de un año, dos años,
tres años, etc. Es decir conozco las siguientes volatilidades de mercado:
Vol (SPOT (0,2)) , volatilidad tasa spot a dos años;
Vol (SPOT (0,3)) , volatilidad tasa spot a tres años.
En cambio, el modelo necesita calcular las siguientes volatilidades:

49
Vol (SPOT (1,2)) , volatilidad tasa spot a un año, en el periodo 1 (σ 1 ) ;
Vol (SPOT (2,3)) , volatilidad tasa spot a un año, en el periodo 2 (σ 2 ) .
El algoritmo correcto es aquel que toma a las σ ' s como endógenas y no como exógenas
(recordemos que hasta ahora, siempre consideramos que las σ ' s eran exógenas). Por lo tanto,
supongamos que estamos tratando de estimar las tasas spot de hoy a un año (es decir, r11 y r12 ).
Como dijimos antes, la volatilidad de SPOT (0,2) la conozco, es un dato del mercado, en realidad
conozco las volatilidades de toda la yield curve. Entonces, el modelo tendría que calcular tres
cosas: σ 1 , r11 y r12 . Como hacemos esto? Obviamente, como hay tres incógnitas, necesitamos
tres ecuaciones (una mas que en el Caso 1). Las tres ecuaciones son las siguientes:
Dos ecuaciones ya las conocemos las cuales provienen del Caso 1 y son:
Restriccion 1 : r11 = r12 + 2σ 1

Restriccion 2 : P (0,2) = F (e − r0 )(0.5e − r11 + 0.5e − r12 )

Ahora bien, cual es la tercer restricción? El yield de un bono a dos años es:
P (0,2)
P (0,2) = F (e − 2 SPOT (0, 2) ) ⇒ SPOT (0,2) = − ln( )/2
F

Con lo cual, la volatilidad del yield se puede expresar como:


P(0,2)
Vol ( SPOT (0,2)) = Vol (− ln( ) / 2)
F

En donde − ln[(P(0,2) / F ) / 2] es la variable estocástica que exhibe volatilidad. Es muy


importante destacar que al calcular la volatilidad es necesario dar variación al precio P(0,2) .
Recordemos que el árbol binomial tiene distintas ramas que se corresponden con distintos eventos
posibles. Es por esta razón que en cada uno de esos distintos eventos, el precio P(0,2) (que hasta
ahora fue siempre tratado como un valor esperado) difiere y genera en consecuencia una yield
distinta. Es precisamente este hecho el que dentro del modelo binomial le da volatilidad a las
yields resultantes en cada escenario posible y son estas yields resultantes las que deben ser
forzadas a ser iguales a las observadas en el mercado a traves de la calibración de los
parámetros σ ' s .
Supongamos por ejemplo que estamos calibrando la volatilidad de la yield que corresponde a
las tasas spots r11 y r12 , en este caso la calibración se realiza a traves de σ 1 . Dado que sólo
pueden ocurrir dos eventos posibles, la volatilidad de las yields resultantes es la siguiente:
P (0,2)1 P (0,2) 2
Restriccion 3 : Vol ( SPOT (0,2)) = Vol (− ln( ) / 2, − ln( ) / 2)
F F

Como vemos, el precio P(0,2) exhibe ahora los subíndices 1 y 2, lo que a su vez implica que la
yield del periodo debe exhibir los subíndices 1 y 2, veamos por qué:
Fe − r0 e − r11
P(0,2)1 = Fe − r0 e − r11 ⇒ Y (0,2)1 = − ln( ) / 2 = − ln(e − r0 e − r11 ) / 2
F

50
Fe − r0 e − r12
P(0,2) 2 = Fe − r0 e − r12 ⇒ Y (0,2) 2 = − ln( ) / 2 = − ln(e − r0 e − r12 ) / 2
F

Como vemos, en el periodo 1 dado que estamos trabajando con un modelo binomial tenemos
solamente dos alternativas posibles. Recordemos que el calculo de la volatilidad cuando sólo hay
dos variables estocásticas x1 , x 2 es:
Varianza ( x) = 0.5( x1 − x ) 2 + 0.5( x 2 − x ) 2

x1 + x 2
x=
2

En nuestro caso especifico:


x1 = Y (0,2)1 = − ln(e − r0 e − r11 ) / 2

x 2 = Y (0,2) 2 = − ln(e − r0 e − r12 ) / 2

− ln(e − r0 e − r11 ) / 2 − ln(e − r0 e − r12 ) / 2 − ln(e − r0 e− r11 ) − ln(e − r0 e − r12 )


x= =
2 4

Entonces, la varianza de Y (0,2) es:


Varianza (Y (0,2)) =
− ln(e − r0 e − r11 ) − ln(e − r0 e − r11 ) − ln(e − r0 e − r12 ) 2 − ln(e − r0 e − r12 ) − ln(e − r0 e − r11 ) − ln(e − r0 e − r12 ) 2
0.5[( − ) +( − ) ]
2 4 2 4

La volatilidad de Y (0,2) es:


Vol (Y (0,2)) =

− ln(e − r0 e − r11 ) − ln(e − r0 e − r11 ) − ln(e − r0 e − r12 ) 2 − ln(e − r0 e − r12 ) − ln(e − r0 e − r11 ) − ln(e − r0 e − r12 ) 2
0.5[( − ) +( − ) ]
2 4 2 4

Entonces, resumiendo las tres restricciones para estimar simultáneamente r11 , r12 , σ 1 son:
Restriccion 1 : r11 = r12 + 2σ 1

Restriccion 2 : P (0,2) = F (e − r0 )(0.5e − r11 + 0.5e − r12 )

Restriccion 3 : Vol (Y (0,2)) =

− ln(e − r0 e − r11 ) − ln(e − r0 e − r11 ) − ln(e − r0 e − r12 ) 2 − ln(e − r0 e − r12 ) − ln(e − r0 e − r11 ) − ln(e − r0 e − r12 ) 2
0.5[( − ) +( − ) ]
2 4 2 4

51
En donde, Vol (Y (0,2)) es la volatilidad OBSERVADA de Y (0,2) . Tengo tres incógnitas σ 1 ,
r11 y r12 , y tres ecuaciones representadas por las tres restricciones.
Resolviendo las tres ecuaciones simultáneamente, encuentro los valores requeridos. Esto se
hace sucesivamente en la medida en que se progrese a lo largo del árbol binomial. Es decir,
fuerzo a que los parámetros del árbol binomial no sólo me repliquen el valor esperado de las
yields de mercado sino también su volatilidad asociada. Recordemos que este enfoque difiere
del caso anterior porque las σ ' s son ahora una incógnita mas. En este caso, utilizo las
volatilidades de las yields para calibrar las σ ' s que son a su vez las volatilidades de las tasas
spot.
Como vemos, el enfoque del Caso 2 es mucho mejor que el del Caso 1 porque calibra al
proceso estocástico de tasas de interés de forma tal que el mismo replica exactamente no sólo la
estructura de yields (valor esperado) sino también la estructura de volatilidades del las yields.

Proceso Binomial de Tasas: Valuación de Bonos y Opciones


Supongamos que una vez calibrado el árbol binomial implícito de tasas spots utilizando el
algoritmo de Ho and Lee, llegamos al siguiente resultado:

Interest Rate Lattice (Ya Calibrada)

r41

r31

r21 r42

r1 r32

r22 r43

r33

r44

Supongamos que dt=1. Notacionalmente, como verán, a diferencia de las notas


correspondientes al modelo de Ho and Lee, comienzo con el periodo 1 y no con el 0, es por esta
razón, que el árbol binomial de tasas comienza con r1 y no con r0 . Supongamos que queremos
determinar al INICIO de cada periodo, el valor de un zero-coupon bond que madura al FINAL
del periodo cuarto (cuarta columna del árbol binomial, TT=4). Asignemos letras a cada punto de
este árbol:

52
B 41

B31

B 21 B 42

B1 B32

B 22 B 43

B33

B 44

Recordemos que cada letra “B” con su respectivo subíndice corresponde al valor que tendría el
zero-coupon bond al INICIO de cada periodo. Por ejemplo, B 41 es el valor que tendría el zero-
coupon al inicio del cuarto periodo en el primer nodo, y así sucesivamente.
1- Valuación de un Zero-Coupon Bond
Valuación del Zero-Coupon al Inicio del Periodo 4
B 41 = exp(−r41 ) F Valor al INICIO del periodo 4
B 42 = exp(−r42 ) F Valor al INICIO del periodo 4
B 43 = exp(−r43 ) F Valor al INICIO del periodo 4
B 44 = exp(−r44 ) F Valor al INICIO del periodo 4

Valuación del Zero-Coupon al Inicio del Periodo 3


B31 = exp(− r31 )[0.5B 41 + 0.5B 42 ] Valor al INICIO del periodo 3
B32 = exp(− r32 )[0.5B 42 + 0.5 B 43 ] Valor al INICIO del periodo 3
B33 = exp(−r33 )[0.5 B 43 + 0.5 B 44 ] Valor al INICIO del periodo 3

Valuación del Zero-Coupon al Inicio del Periodo 2


B 21 = exp(−r21 )[0.5 B31 + 0.5 B32 ] Valor al INICIO del periodo 2
B 22 = exp(−r22 )[0.5 B32 + 0.5 B33 ] Valor al INICIO del periodo 2

Valuación del Zero-Coupon al Inicio del Periodo 1


B11 = exp(−r1 )[0.5 B 21 + 0.5B 22 ] Valor al INICIO del periodo 1

2- Valuación de una Opción Europea


Supongamos que la opción madura al FINAL del tercer periodo (T=3) y se refiere a un
underlying zero-coupon bond que madura al FINAL del cuarto periodo (TT=4) con un strike de
K.

53
B41

C31

C21 B42

C1 C32

C22 B43

C33

B44

Para el periodo 4 aplica el procedimiento descripto anteriormente.

Valuación del Call Europeo al Inicio del Periodo 3


C 31 = exp(−r31 )[0.5max( B 41 − K ,0) + 0.5max( B 42 − K ,0)]
C 32 = exp(−r32 )[0.5max( B 42 − K ,0) + 0.5max( B 43 − K ,0)]
C 33 = exp(− r33 )[0.5max( B 43 − K ,0) + 0.5max( B 44 − K ,0)]

Recordemos que técnicamente, el final del periodo 3 coincide con el inicio periodo 4.

Valuación del Call Europeo al Inicio del Periodo 2


C 21 = exp(−r21 )[0.5C 31 + 0.5C 32 ]
C 22 = exp(− r22 )[0.5C 32 + 0.5C 33 ]

Valuación del Call Europeo al Inicio del Periodo 1


C1 = exp(− r1 )[0.5C 21 + 0.5C 22 ]

3- Valuación de una Opción Americana


Supongamos que la opción madura al FINAL del tercer periodo (T=3) y se refiere a un
underlying zero-coupon bond que madura al FINAL del cuarto periodo (TT=4) con un strike de
K.

Valuación del Call Americano al Inicio del Periodo 3


C 31 = max( B31 − K , [exp(− r31 )[0.5max( B 41 − K ,0) + 0.5max( B 42 − K ,0)]])
C 32 = max( B32 − K , [exp(− r32 )[0.5max( B 42 − K ,0) + 0.5max( B 43 − K ,0)]])
C 33 = max( B33 − K , [exp(−r33 )[0.5max( B 43 − K ,0) + 0.5max( B 44 − K ,0)]])

Valuación del Call Americano al Inicio del Periodo 2


C 21 = max( B 21 − K , [exp(−r21 )[0.5C 31 + 0.5C 32 ]])
C 22 = max( B 22 − K , [exp(−r22 )[0.5C 32 + 0.5C 33 ]])

Valuación del Call Americano al Inicio del Periodo 1


C1 = max( B1 − K , [exp(− r1 )[0.5C 21 + 0.5C 22 ]])

54
Obviamente, una vez entendido este procedimiento, el mismo puede fácilmente generalizarse
para n periodos.

a- Callable Bonds
Un callable bond es aquel que tiene una embedded option. Esta embedded option implica
que el bono puede ser rescatado por su emisor a un precio dado, el cual es el strike price de
la opción. Con lo cual, el payoff del call (supongamos que es europeo) es:
max(Valor del Bono − K ,0) (1)

Una vez determinado este valor, valuamos el derivado en la misma forma que la explicada
anteriormente, es decir, descontado a valor presente esperado.
b- Convertible Bonds
En este caso, el tenedor del bono tiene la opción de convertirlo en equity a una tasa dada (la
cual se denomina convertibility ratio). Es por esta razón, que la valuación de un bono convertible
exige dos fuentes de incertidumbre: 1) incertidumbre sobre tasas de interés, 2) incertidumbre
sobre la evolución del equity.
Obviamente, podemos seguir aplicando teoría de martingalas para calibrar el underlying
process del equity y del interest rate binomial tree, no hay nada nuevo en esto. Supongamos que
la opción de convertibilidad es europea. En este caso, el payoff es:
max(Valor del Equity * Convertibility Ratio − Valor del Bono,0) (1)

Evidentemente, ceteris paribus, el valor de un bono convertible es mayor o igual que el de un


bono no convertible. La diferencia en el valor de ambos bonos es el valor de la opción de
convertibilidad.
c- Callable-Convertible Bonds
Estos son bonos mas complicados porque se juntan dos opciones: 1) el emisor del bono tiene
una opción de call para rescatar al bono a un determinado strike price, 2) el tenedor del bono tiene
la opción de convertir al bono en equity a la tasa de conversión. Supongamos que el momento de
ejercicio de ambas opciones coincide pero tiene prelación el tenedor del bono. En este caso, el
payoff del bono (ojo, no de la opción) es:
max(min(Q1 ; Q 2 ); Q3 ) (1)

En donde, Q1 es el valor que tendría el bono en un nodo en particular, Q 2 es el strike price del
call, y Q3 es el valor de conversión.
A su vez, el payoff de la opción de convertibilidad es:
max(Q3 − min(Q1 ; Q 2 );0) (2)

Se puede observar un detalle muy importante: cuanto menor es el strike price del call, mayor es
el valor de la opción de convertibilidad. La razón es muy sencilla: la opción de convertibilidad
PROTEGE al tenedor del bono contra la callability del emisor.
Como detalle final es importante aclarar que la mejor forma de valuar a un convertible bond es
usando dos tasas distintas de interés. Cuando la opción de convertibilidad se ejerce (lo cual
convierte al cash flow del bono en un cash flow seguro, dado que es ahora equity) se debería
utilizar una tasa de descuento libre de riesgo. Cuando la opción de convertibilidad no se ejerce, es
decir, el bono SIGUE siendo un bono (lo cual implica riesgo de crédito) y por lo tanto la tasa de
descuento debería contener un spread por riesgo de default.

55