T Discreto Sin Soluciones

VALORACIÓN DE DERIVADOS EN TIEMPO DISCRETO
1. INTRODUCCIÓN A LA VALORACIÓN NEUTRAL AL RIESGO

2. EL MODELO FINANCIERO
3. VIABILIDAD DE UN MERCADO
4. COMPLETITUD DE UN MERCADO
5. MODELO COX-ROSS-RUBINSTEIN
6. APROXIMACIÓN BINOMIAL A BLACK-SCHOLES
7. ACCIONES CON DIVIDENDOS
8. ESTIMACIÓN DE LAS LETRAS GRIEGAS EN EL ÁRBOL BINOMIAL
9. OPCIONES AMERICANAS
10. OPCIONES LOOKBACK
11. ARBOLES TRINOMIALES
12. OPCIONES BARRERA
13. OPCIONES ASIÁTICAS.
14. COMPLEMENTOS
15. EJERCICIOS
APÉNDICE. MARTINGALAS EN TIEMPO DISCRETO
1ª clase: 1 a 4
2ª clase: 5 a 7 con 2 ejercicios 9 y 11
3ª clase: 8 a 13
Apuntes preparados por:

Prof. Hipòlit Torró i Enguix (hipolit.torro@uv.es)
Universitat de València
BIBLIOGRAFÍA
Bingham, N. H. and Rudiger Kiesel (1998): ”Risk: Neutral Valuation : Pricing and
Hedging of Financial Derivatives”, Springer. Capítulo 4.
Hull, John C.(2003): “Options, Futures, and Other Derivatives”, fifth edition, Prentice
Hall, London. Capítulos 10, 11, 12, 13, 14, 18, 19 y 20.
Lamberton, Damien and Bernard Lapeyre (1996): “Introduction to Stochastic Calculus
Applied to Finance”, Chapman & Hall. Capítulos 1 y 2.
Pliska, Stanley R.(1997): “Introduction to Mathematical Finance : Discrete Time
Models”, Blackwell. Capítulos 1, 3 y 4.
Doctorado en Finanzas Cuantitativas, Derivados I Tiempo Discreto -1
1.- INTRODUCCIÓN A LA VALORACIÓN NEUTRAL AL RIESGO
El principal objetivo de este tema es la introducción a la valoración por arbitraje de

activos financieros y su generalización en lo que se conoce como enfoque riesgo-neutral
de valoración. A continuación se introducen, de forma intuitiva y a través de ejemplos,
las ideas básicas de este enfoque de valoración utilizando la estructura teórica más
sencilla posible: el modelo de mercado uniperiodal binario. En el siguiente apartado se
formalizarán con mayor rigor los conceptos aquí presentados incorporando mayor
estructura en el modelo.
MODELO DE MERCADO UNIPERIODAL BINARIO
Los elementos básicos del modelo son los siguientes:
(i) El modelo tiene dos instantes, t=0 como instante inicial y t=T como instante
final.
(ii) La aleatoriedad del modelo se representa a través de un dos sucesos posibles en
el instante final de probabilidad estrictamente positiva. Es decir, el conjunto de
los estados de la naturaleza y sus probabilidades es
Ω = {ω1, ω2} con Prob(ωi) > 0 para i = 1,2.
(iii) El mercado de activos financieros primarios esta compuesto por dos activos: una
acción que no paga dividendos, St, como activo arriesgado y un bono, Bt, como
Activo Libre de Riesgo (ALR). Cualquier estrategia de negociación con estos
dos activos se representa a través del par (φ, ψ), compuesta de φ posiciones en
acciones, y ψ posiciones en bonos. Las posiciones largas se recogen con signo
positivo y las posiciones cortas con signo negativo. El valor de estas carteras se
representa con Vt(φ, ψ) = φSt + ψBt. Finalmente, el valor final del bono BT es
independiente del estado de la naturaleza que se dé y su valor es BT = (1+r)T,
siendo “r” la tasa de rentabilidad libre de riesgo.
La representación gráfica de la evolución de los activos del modelo es la siguiente
ACCIÓN p ST(ω1)
S0
1- p ST(ω2)
BONO p BT(ω1) = (1+r)T

B0=1
1- p BT(ω2) = (1+r) T
t=0 t=T
Los supuestos del modelo son los siguientes
- Mercado sin fricciones: no existen costes de transacción, no existe horquilla de

precios, no hay impuestos, no hay depósitos de garantía, no hay restricciones a la
venta a corto pudiendo hacer uso libre de todo el importe de la venta a corto. Los
activos son completamente divisibles.
- No hay riesgo de impago (No default risk): no existe riesgo que el emisor de pasivos
no cumpla con su obligaciones en los pagos. Esto implica que el tipo de interés al
que se presta y pide prestado es el mismo. En general se hará el supuesto de un
mismo tipo de interés libre de riesgo para todos los horizontes temporales.
- El mercado es competitivo: los participantes toman precios del mercado, no pueden

influir sobre el precio del mercado, no pueden manipular los precios. Además
pueden operar en cualquier momento a precios de mercado encontrando
contrapartida.
- Agentes son racionales: en nuestro contexto de valoración por arbitraje lo

entenderemos simplemente como que los agentes prefieren más a menos, son
insaciables.
- Ausencia de oportunidades de arbitraje (AOA en adelante): si existiera alguna OA

esta sería aprovechada inmediatamente hasta que desapareciera y los precios se
reajustaran pues hemos supuesto que los agentes son insaciables.
LA LEY DEL PRECIO ÚNICO
Para introducir la mecánica del arbitraje se utiliza en primer lugar la Ley del Precio
Único (LPU en adelante).
Definición de la Ley del Precio Único (LPU)

Dos carteras que generan idénticos pagos finales deben tener el mismo precio inicial.
Por tanto, una forma de valorar un activo es construir una cartera con otros activos que
generen los mismos pagos que el activo que se desea valorar. Si los precios de ambas
alternativas difieren se generaría una oportunidad de arbitraje o beneficio libre de riesgo
a coste cero. Este beneficio resultaría de vender la alternativa más cara y con el dinero
obtenido comprar la alternativa más barata. Los pagos finales se cancelarían unos con
otros y por tanto, el beneficio obtenido en el inicio con esta estrategia de arbitraje sería
un beneficio seguro.
CARTERA REPLICANTE
En el modelo de mercado uniperiodal binario (dos estados de la naturaleza ω1 y ω2) con

dos activos: una acción que no paga dividendos, St, como activo arriesgado y un bono,
Bt, como activo libre de riesgo, cualquier activo contingente sobre la acción puede
valorarse a través de una cartera replicante, V(φ, ψ), compuesta de φ posiciones en
acciones, y ψ posiciones en bonos. Así, en general se puede establecer el siguiente
diagrama
Cartera replicante general VT(ω1) = φ ST(ω1) +ψ BT
V0(φ, ψ)=φ S0 +ψ B0
VT(ω2) = φ ST(ω2) +ψ BT
t=0 t=T
Para valorar cualquier activo contingente, XT, sobre el valor final de la acción (activo
arriesgado del modelo) se puede utilizar el concepto de la LPU valorando una cartera
que genere los mismos pagos que el activo contingente. Siguiendo el diagrama anterior,
bastaría con resolver el siguiente sistema de dos ecuaciones con dos incógnitas
φ ST(ω1) +ψ BT = XT(ω1)
φ ST(ω2) +ψ BT = XT(ω2)
Resolviendo se obtiene que
ψ = B T−1 (X T (ωi ) − φS T (ωi )) para i = 1,2

X T (ω1 ) − X T (ω 2 )
φ =
ST (ω1 ) − ST (ω 2 )
X T (ω 2 ) S T (ω1 ) − X T (ω1 )S T (ω 2 )
= B T−1
S T (ω1 ) − S T (ω 2 )
Si tuviéramos n estados de la naturaleza posibles, necesitaríamos disponer de n activos

independientes. Resolveríamos el sistema de n ecuaciones con n incógnitas y
obtendríamos la cartera a formar con las posiciones en cada activo independiente para
replicar perfectamente los n resultados posibles del activo derivado a valorar.
EJEMPLO: VALORACIÓN DE UNA OPCIÓN DE COMPRA
Sea un mercado uniperiodal binario representado por los siguientes diagramas
ACCIÓN p=¾ S1(ω1) = 180

S0=150
1- p S1(ω2) = 90
BONO p=¾ B1(ω1) = (1+r)

B0=1
1- p B1(ω2) = (1+r)
t=0 t=1
La probabilidad p, 0 < p < 1, digamos que refleja el sentir de los agentes del mercado
sobre los posibles valores que puede tomar la acción. De momento no se necesita saber
nada más de p.
En este mercado existe una call sobre la acción con vencimiento en t = 1 y precio de
ejercicio K = 150.
CALL p=¾ C1(ω1) = 30

C0=¿?
1- p C1(ω2) = 0
t=0 t=1
Para valorar este activo se van a estudiar dos alternativas. Una primera a la que se llama
valoración por expectativas actualizadas y una segunda a la que se llama valoración por
arbitraje.
VALORACIÓN DE LA CALL POR EXPECTATIVAS ACTUALIZADAS
Una primera forma de valorar este activo sería calcular el valor esperado en t = 1
teniendo en cuenta los flujos que genera dicho activo y actualizar dicho valor al
momento de inicio
C0 = (1+r)-1EP[C1]
Si el “experimento” puede repetirse una infinidad de veces, el vendedor que fije un

precio superior al anterior tendrá un beneficio a la larga. En cambio, si el precio es
inferior, es el comprador del activo quien tendrá un beneficio a largo plazo.
Si tomamos por sencillez r = 0 y p= ¾ se obtiene
C0 = (1+r)-1EP[C1] = (1+0)-1 [30·¾ + 0·(1-¾)] = 22,5.
Pero, qué pasa si el experimento no puede repetirse una infinidad de veces. Entonces
nada garantiza que el precio vaya a ser 22,5. Supongamos que se ofrece la call a 21,
entonces parece que sea un “chollo” comprarla. Sólo es un “chollo” si la compra de la
call y su desenlace (sube o baja) se repite una infinidad de veces. Así pues, el precio
aquí obtenido no se ajusta a la situación real de los mercados financieros.
VALORACIÓN DE LA CALL POR ARBITRAJE
Continuando con el ejemplo anterior se va a valorar la opción de compra utilizando la

LPU. Para ello, resulta necesario encontrar una cartera que genere los mismo pagos que
la call en el instante final. En el modelo de mercado uniperiodal binario que sirve de
marco, una cartera, V(φ, ψ), queda definida por las posiciones en acciones, φ, y en
bonos, ψ. La cartera de acciones y bonos que genera los mismos pagos que la call recibe
el nombre de cartera replicante. Si existe una cartera replicante debe tener en el inicio el
mismo precio que el derivado. En este caso, utilizando los resultados del apartado 2.3,
la cartera replicante es la siguiente:
Cartera replicante p V1(ω1) =1/3*180-30=30
V0(φ=1/3, ψ=−30) = 1/3*150-30 = 20
1- p V1(ω2) = 1/3*90-30 =0
t=0 t=1
Con esta cartera se obtienen los mismos flujos en t = 1 que con la opción, así pues
deben de valer lo mismo en t = 0. Esta valoración es la que predomina. Si el mercado
valorara a 22,5 la opción de compra (actualizando los pagos esperados), los arbitrajistas
sacarían un beneficio seguro a coste cero vendiendo la call y comprando la cartera
replicante para asegurarse los pagos finales de la call. Nótese que la valoración por
arbitraje no utiliza para nada la probabilidad real o esperada por el mercado para el
activo arriesgado.
Se puede concluir que la valoración por expectativas actualizadas no tiene porqué

verificarse en el mercado, tiene una validez estadística de carácter asintótico. Nada
fuerza en el mercado a que éste vaya a ser el precio. Si coincide, es pura casualidad.
Existe un criterio de valoración mucho más fiable y que se verifica siempre en los
activos derivados replicables: la valoración por arbitraje.
PROBABILIDAD NEUTRAL AL RIESGO
Vamos ahora a intentar reconciliar la valoración por expectativas actualizadas con la

valoración por arbitraje. El planteamiento es el siguiente ¿cuál debería ser la
probabilidad, q, para poder calcular el valor de la opción como una esperanza de los
flujos finales descontados al momento inicial o de valoración? Supongamos t=1 para
simplificar los cálculos.
C0 = B1-1EQ[C1] = B1-1[q C1(ω1) + (1-q) C1(ω2)]
Aquí, como se ha visto ya anteriormente, todo es conocido menos q. En un mercado

uniperiodal binario (dos únicos estados finales de la naturaleza) con dos activos (acción
y bono) cualquier derivado función de la acción puede ser valorado buscando la cartera
replicante adecuada. Así pues
B1C 0 − C1 (ω2 )
q=
C1 (ω1 ) − C1 (ω2 )
B1 (φS0 + ψB 0 ) − (φS1 (ω2 ) + ψB1 )

=
(φS1 (ω1 ) + ψB1 ) − (φS1 (ω2 ) + ψB1 )
...
B1S0 − S1 (ω2 )
=
S1 (ω1 ) − S1 (ω2 )
Llegándose, tras un poco de álgebra, a este resultado tras sustituir los valores de la
cartera replicante de (φ, ψ). Además para la acción también se verifica que
S0 = B1-1EQ[S1] = B1-1[q S1(ω1) + (1-q) S1(ω2)]

En el ejemplo anterior q = (150-90)/180-90 = 60/90 = 0.666666.
C0 = [0.66666*30 + 0.33333*0.0] = 20
S0 = [0.66666*180 + 0.33333*90] = 150
Es decir, bajo Q la acción tiene un valor esperado descontado igual al valor actual. Se
dice entonces que el precio de la acción descontado cumple la propiedad de
martingala. Así pues, la medida de probabilidad Q permite reconciliar la valoración
por expectativas con la valoración por arbitraje. Al valorar tomando expectativas bajo Q
sobre los flujos futuros descontados del derivado estamos obteniendo un precio de
valoración del derivado que esta libre de oportunidades de arbitraje. Igualmente, al
valorar la acción “descontada” en sus posibles estados de la naturaleza con expectativas
según Q se obtiene un valor igual a su valor actual. Implícitamente se está diciendo que
la acción espera crecer a la tasa libre de riesgo, sin ningún rendimiento adicional por
tratarse de un activo arriesgado. Es como suponer que los inversores son neutrales al
riesgo, no requieren una compensación adicional por un mayor riesgo. Sin embargo, la
exposición que antecede no hace mención expresa de las preferencias o actitudes frente
al riesgo de los agentes económicos implicados, salvo que sean insaciables y
aprovechen cualquier OA. Por tanto, la valoración neutral al riesgo es válida para
todos los agentes con independencia de cuáles sean sus preferencias. Este razonamiento
lleva a denominar a Q como probabilidad neutral al riesgo o medida de probabilidad
equivalente de martingala.
Doctorado en Finanzas Cuantitativas, Derivados I Tiempo Discreto - 10
VECTOR PRECIO-ESTADO Y MEDIDA DE PROBABILIDAD RIESGO NEUTRAL
Supóngase aquí que el espacio muestral Ω se compone de un número finito “N” de

estados de la naturaleza elementales disjuntos Ω ≡ {ω1, ω2, ..., ωj, ..., ωN} de
probabilidad positiva, P({ωj}) > 0 ∀ωj ∈ Ω, j = 1, 2, ..., Ν; siendo P una medida de
probabilidad
El vector Ψ se le llama en términos económicos vector precio-estado o factor de

descuento estocástico. La interpretación de ψj es el coste marginal en t = 0 para en t = T
obtener una unidad monetaria adicional en el estado de la naturaleza ωj.
Para relacionar la medida de probabilidad neutral al riesgo y el vector precio-estado,

basta con normalizar el vector Ψ’ =(ψ1 ,ψ2 ,...,ψΝ)’ definiendo ψ0 = ψ1 + ...+ ψΝ y para
el estado ωj igualar qj = ψj/ψ0. Ahora (q1,...,qN) pueden entenderse como probabilidades
y permiten definir una medida de probabilidad sobre el espacio de los estados de la
naturaleza Ω de forma intuitivamente clara. Para apreciar la equivalencia con el enfoque
de neutralidad al riesgo obsérvese que para cualquier activo “i” se verifica,
si (0) N ψ j i N
=∑ s (T, ω j ) = ∑ q jsi (T, ω j ) = E Q (si (T)) para i = 1,..., d+1
ψ0 ψ
j=1 0 j=1
Así pues, el valor esperado del activo bajo una medida de probabilidad específica Q, es
el precio inical del activo normalizado o dividido por ψ0. Obsérvese que no se menciona
para nada la medida P. Al estar normalizando por ψ0 podemos pensar que estamos
reexpresando el activo (todos los activos) en términos de un único activo, la única
condición que se le pide a este activo es que tome valores positivos en todos los estados.
En determinados modelos, la elección del númerario es clave y simplifica enormemente
el análisis. Lo más común es utilizar el ALR como numerario. Supongamos que el ALR
genera un flujo 1 en todos los estados de la naturaleza en t = T, si definimos ψ0 = (1+r)-T
se obtiene que
N s i (T , ω j )  s i (T ) 
s i (0) = ∑ q j = EQ  
(1 + r )T  (1 + r )T 
j =1  
o lo que es lo mismo
s i (0)  s i (T ) 
= EQ  
(1 + r )0  (1 + r )T 
 
Es decir, los precios de los activos descontados por el ALR, si(t)/(1+r)t, son Q-
martingalas. Como se verá en la sección siguiente se puede caracterizar la AOA de
forma indistinta como
AOA ⇔ existencia de vectores precio-estado.

AOA ⇔ existencia de medidas equivalentes de martingala
2. EL MODELO FINANCIERO
MODELO DE MERCADO
En adelante se referirá un modelo de mercado M al conjunto de cuatro elementos:

espacio de probabilidad, filtración, vector de precios de activos financieros y horizonte
temporal.
(Ω, F, P). El modelo se desenvuelve en un espacio de probabilidad (Ω, F, P)

con un número finito de estados de la naturaleza con probabilidad
positiva cada uno, P({ω}) > 0 ∀ω ∈ Ω.
T. Se especifica un horizonte temporal T. Si se trata de valorar
opciones puede ser entendido como el vencimiento de la opción.
{Ft }Tt = 0 . Una filtración es una familia de σ−álgebras tal que Fi ⊆ Fi +1
(t=0,1,2,...,T-1) y F0 = {Ω,∅}. Donde Ft representa la

información conocida en el instante “t”. FT = F, o información
completa.
S(t) ∈ Rd+1 . Representa el vector de d + 1 activos financieros. S(0) ∈ Rd+1
representa el vector de precios de los activos en t = 0, S(0) =
(s0(0),s1(0),...,sd(0))’, donde ’ representa el vector transpuesto o
matriz transpuesta. s0 representa el activo libre de riesgo y los d
activos restantes son activos arriesgados.
NUMERARIO
Es imprescindible que al menos uno de los activos siga un proceso estrictamente
positivo para evitar indefiniciones. Este activo se llama numerario. s0 representa el
numerario con s0(0) = 1.
Definición
Un activo es numerario si su precio sigue un proceso estrictamente positivo.
ESTRATEGIA DE NEGOCIACIÓN.
Una estrategia de negociación se representa a través de un proceso estocástico vectorial

Φ ∈ Rd+1
Φ = {Φ ( t )}Tt =1 = {(φ 0 ( t , ω), φ1 ( t , ω),..., φ d ( t , ω))'}Tt =1
Generalmente se le exigirá que sea predecible respecto a la información en un instante

anterior. Cada elemento del vector recoge las unidades compradas (positivas) o
vendidas a corto (negativas) de cada activo financiero.
VALOR DE LA CARTERA.
Definición
El valor de la cartera en el instante t es el producto escalar
∑i=0 φi (t) s i (t ),
d
V(t) = Φ ( t )' S( t ) = ( t = 1,2,..., T ) y V(0) = Φ (1) ′·S(0)
El valor de la cartera es en sí un proceso. V(0) es el valor, dotación o riqueza inicial.
PROCESO DE GANANCIAS
El valor de la cartera en t-1 es V(t-1)= Φ(t)’S(t-1) nada más establecerse. Un instante

después el valor de la cartera en t es V(t)= Φ(t)’S(t). Por tanto la variación en el valor de
la cartera con la estrategia previsible Φ(t) es
∆V(t) = V(t) – V(t-1) = Φ(t)’ (S(t)−S(t-1)) = Φ(t)’∆S(t).

Definición
El proceso de ganancias de la estrategia de negociación Φ se define como
G ( t ) =∑τt =1 Φ (τ)' (S(τ) − S(τ − 1)) = ∑τt =1 Φ (τ)' ∆S(τ), ( t = 1,2,..., T)
ESTRATEGIAS AUTOFINANCIABLES
Definición
Una estrategia Φ es autofinanciable si
Φ(t)’S(t) = Φ(t+1)’S(t) (t = 1,2,...,T-1).
Es decir, liquidando en t la cartera iniciada en el instante t-1 con la estrategia previsible

Φ(t) se obtiene Φ(t)’S(t). Esta cantidad es la necesaria (no necesita aportaciones ni se
obtienen sobrantes) para establecer la cartera marcada por la estrategia del instante
siguiente Φ(t+1) a los precios vigentes en t.
NOTA
Las estrategias autofinanciables no se modifican con el cambio de numerario, de tal

forma que si se tiene una estrategia que es autofinanciable, la misma estrategia es
autofinanciable respecto al vector de activos normalizado por el numerario. Así si
Φ(t)’S(t) = Φ(t+1)’S(t) ; t = 1,2,...,T-1, también se cumple que Φ(t)’S(t)/s0(t) =
Φ(t+1)’S(t)/s0(t).
3. PRIMER TEOREMA FUNDAMENTAL DE VALORACIÓN DE ACTIVOS:

VIABILIDAD DE UN MERCADO Y EXISTENCIA DE MEDIDAS
EQUIVALENTES DE MARTINGALA
OPORTUNIDAD DE ARBITRAJE, OA
Definición
Sea Φ el conjunto de todas las estrategias autofinanciables. Una estrategia Φ* ∈ Φ es
una OA si P{V(0) =Φ*(1)’S(0) = 0} = 1 y el valor final de la estrategia Φ* satisface
que
P{V(T) = Φ*(T)’S(T) ≥ 0} = 1 y P{V(T) = Φ*(T)’S(T) > 0} > 0.
Obsérvese que en el entorno multiperiodal hay que tener en cuenta que si existen flujos
negativos (positivos) intermedios son financiados (invertidos) sin la necesidad de
aportaciones (detracciones) adicionales de capital. Por ejemplo, se pueden tomar
posiciones cortas (largas) en el ALR para mantener la estrategia y comprobar si cumple
la definición de estrategia de arbitraje autofinanciable. En resumen, las estrategias de
arbitraje son estrategias de negociación autofinanciables de valor inicial nulo y valor
final mayor o igual que cero.
MERCADO ARBITRADO O MERCADO VIABLE
Definición
Un mercado de activos financieros M es viable si se encuentra libre de OA.
Es destacable un detalle que puede perderse en la generalización en un entorno

multiperiodal. En concreto se quiere resaltar que el principio de no arbitraje en un
entorno multiperiodal o global implica la ausencia de arbitraje para un entorno menor o
local.
La siguiente proposición señala que la estrategia de negociación multiperiodal para el

numerario queda implícitamente determinada y es predecible si se conoce la estrategia
predecible del resto de activos arriesgados, el valor inicial de la cartera y se exige que
conjuntamente sea autofinanciable.
Proposición
Para cualquier proceso predecible {φ1(t), ..., φd(t)}T≥t>0 y cualquier variable F0
medible V(0), existe un único proceso predecible {φ0(t)}T≥t>0 tal que la estrategia Φ =
(φ0, ..., φd) es autofinanciable y su valor inicial es V(0).
Demostración
Denotamos con ~ los procesos de precios divididos por el proceso del numerario, así
~ ( t ) = V( t ) .
V
s 0 (t)
Por ser autofinanciable
~ ( t ) = φ ( t ) + φ ( t )~s 1 ( t ) + ... + φ ( t )~s d ( t )

V 0 1 d
t
= V(0) + ∑ (φ1 (τ)∆~s 1 (τ) + ... + φ d (τ)∆~s d (τ))
τ =1
lo cual define φ0(t).
Sólo queda comprobar que φ0 es predecible. Esto último es obvio si se considera que la
siguiente transformación de la expresión anterior para definir φ0(t) a partir de la
información en t-1
t −1
φ 0 ( t ) = V ( 0) + ∑ (φ1 (τ)∆~s 1 (τ) + ... + φ d (τ)∆~s d (τ)) − (φ1 ( t )~s 1 ( t − 1) + ... + φ d ( t )~s d ( t − 1) )
τ =1
TEOREMA DE NO ARBITRAJE
Teorema
Un mercado M es viable si y sólo si existe una medida de probabilidad Q equivalente
a P bajo la cual los procesos de los precios de los ‘d’ activos arriesgados descontados
~
S son Q− martingalas.
Demostración
(⇐) Supóngase que existe Q y que es equivalente a P. Supóngase que Φ es una
~ ~
estrategia autofinanciable. S y V representan los procesos de los precios de los activos
~ ~
del mercado y el valor la cartera descontados respectivamente. S y V son martingalas
bajo Q. Para cualquier estrategia autofinanciable se verifica que
~ ~ ~
V( t ) = Φ ( t )' S( t ) = V(0) + ∑ i =1Φ (i)' ∆ S(i)
t
(t = 1,2,...,T).
Para t = T y tomando expectativas condicionadas respecto a Q, se tiene
~
E Q (V(T)) = E Q (V(0))
~
pues E Q (∆ S(i) Fi −1 ) = 0 por ser martingala los precios descontados y ser Φ es un
~ ~
proceso previsible. Así pues para cualquier estrategia con V(0) = 0, E Q (V(T)) = 0 y
~ ~ ~
V(T) ≥ 0 se tiene que V(T) = 0 y por lo tanto no existen OA. (NOTA. V(0) = V(0) )
(⇒) La prueba del inverso es más difícil. Se recomienda a los estudiantes interesados
que consulten la bibliografía.
Es estrictamente necesario para demostrar el teorema que las estrategias sean
predecibles (sin el ALR) y autofinanciables (al incluir el ALR por la proposición
anterior al teorema). Pero se permite que tomen valores intermedios negativos.

4. SEGUNDO TEOREMA FUNDAMENTAL DE VALORACIÓN DE

ACTIVOS: COMPLETITUD Y UNICIDAD DE LA MEDIDA DE
MARTINGALA.
ESTRATEGIA ADMISIBLE
Definición
Una estrategia Φ es admisible si es autofinanciable y V(t) = Φ(t)’S(t) ≥ 0 , t =
0,1,2,...,T.
Esto responde al principio económico de que la riqueza en cualquier momento no puede

ser negativa de forma ilimitada o simplemente que la venta a corto y el préstamo de
dinero tiene un límite para el inversor (limited liability). Sin embargo desde un punto de
vista matemático no existe ninguna motivación para restringir las estrategias
autofinanciables a ser admisibles. Esto quiere decir que no existe matemáticamente nada
que impida que el valor de la cartera durante alguno de los momentos intermedios tome
valores muy negativos. Desde un punto de vista matemático el requisito de carteras
autofinanciables es suficiente para las demostraciones que siguen.
ACTIVO REBPLICABLE
Definición
Sea un activo contingente X(t) con vencimiento en T y FT-medible. Dicho activo es
replicable si existe una estrategia admisible Φ tal que
X(T) = Φ(T)’S(T)
Es decir se pueden encontrar estrategias admisibles que tengan los mismos flujos que X
en T. De esta forma la LPU implica que el valor de X en cualquier instante debe ser
igual al de la cartera replicante. De lo contrario los arbitrajistas ajustarían los precios
rápidamente. A su vez, todas las carteras replicantes deben tener igual valor en
cualquier instante. Debe resaltarse que el requisito de cartera admisible no es

matemáticamente necesario. Cabe la posibilidad de que una cartera autofinanciable
tome valores negativos si al final del horizonte se recupera. Sin embargo, desde un
punto de vista económico conviene utilizar únicamente carteras de valor no negativo
para evitar el concepto riqueza negativa. La desventaja está en que la valoración y
réplica de contratos que pueden tomar valores negativos resulta imposible (por ejemplo
los contratos forward). Condiciones de admisibilidad más relajadas se pueden consultar
en la bibliografía.
Para activos derivados de tipo europeo replicables con estrategias autofinancibles, el

requisito de admisibilidad no es restrictivo. Suponiendo que bajo una medida de
probabilidad de martingala los activos básicos descontados cumplen que se comportan
como una martingala, la constitución de una cartera que obtenga los mismos flujos en T
que un activo derivado que genere flujos no negativos significa que su valor debe ser no
negativo en cualquier instante anterior al vencimiento. Es decir
~ ~ (T, Φ ) | F ) ≥ 0 ⇒ Φ es
V(T, Φ ) ≥ 0 para la estrategia autofinanciable Φ ⇒ E Q (V t
admisible
Aún más, las estrategias de arbitraje son estrategias admisibles por comodidad pues si
generan algún flujo negativo durante su vida puede trasladarse al final para generar
flujos no negativos.
Es importante resaltar que la estrategia replicante no tiene porqué ser única. Pueden
existir diferentes estrategias replicantes cuyo valor iguale en todo momento el valor de
derivado aunque el proceso para el valor del activo contingente tiene que ser único. Es
decir, si dos estrategias representadas por dos carteras de activos contingentes diferentes
generan los mismos flujos que el activo derivado en el vencimiento de éste, estas dos
carteras deben valer lo mismo en cualquier instante anterior. Si una de las dos es por
ejemplo más barata, esta debe prevalecer pues se generaría una oportunidad de arbitraje
inmediata que eliminaría esa anomalía. Este proceder hace converger el proceso del
precio del activo contingente y el de todas las estrategia replicantes en un único proceso.
VALORACIÓN NEUTRAL AL RIESGO
La valoración de los activos derivados no requiere otro supuesto respecto a las

preferencias de los inversores de que sean insaciables. De esta forma en una economía
de inversores neutrales al riesgo, los activos derivados deben valorarse de una única
manera. En este contexto la valoración de cualquier activo contingente replicable es el
valor esperado de los flujos descontados respecto una medida equivalente de martingala.
Más formalmente,
Proposición
En un mercado M viable existe al menos una medida de probabilidad de martingala
(teorema de no arbitraje) que permite valorar de forma única cualquier derivado para
cualquier estrategia replicante autofinanciable.
Demostración
~
X(t) = V(t) = exp (rt) V( t ) = ( t = 0,1,2,..., T)
~
= exp (rt) E Q (V(T) | Ft ) (por ser martingala)
= exp (rt) E Q (V(T) exp(−rT) | Ft )
= exp ( − r (T − t))E Q (X(T)| Ft ) (para una estrategia replicante Φ )
MERCADO COMPLETO
Definición
Un mercado es completo si todos los activos contingentes son replicables
La condición de mercado completo no tiene una clara significación económica como si

ocurre con el requisito de AOA. En general, cuando existen tantos factores de riesgo
como activos independientes, cuyo modelo de comportamiento se conoce, aunque sea
estocástico, el mercado es completo. En las aplicaciones empíricas, cuantos más
factores de riesgo se contemplen más realistas serán las valoraciones que se obtengan y,
en cierta manera, más cercanas al entorno de los mercados completos. Sin embargo, a
más factores de riesgo más complejos se vuelven los modelos de valoración. Lo que se
consigue bajo el requisito de completitud es diseñar una teoría simple de valoración y
cobertura (“hedging”). De todas formas el modelo de mercado que se sigue es un
mercado ideal en el que no existen restricciones sobre la riqueza inicial, ni limites o
restricciones en las posiciones a tomar, ni costes de transacción que invaliden las
estrategias replicantes. Además todas las fuentes de riesgo se pueden negociar en los
mercados y por tanto cubrir su riesgo, esa es la clave de los mercados completos.
Cuando alguna fuente de riesgo no se negocia en los mercados o simplemente no se
tiene en cuenta, surgen los mercados incompletos.
TEOREMA DE COMPLETITUD
Teorema.
Un mercado viable M es completo si y solo si existe una única medida de probabilidad
Q equivalente a P bajo la cual los precios de los activos son martingalas.
Demostración
(⇒) Supóngase AOA y mercado completo. Por el primer teorema fundamental existe
una medida de probabilidad Q bajo la cual los precios descontados de los activos son
martingalas.
Para cualquier activo contingente X en un mercado completo es posible establecer una

estrategia autofinanciable y replicante Φ con la cual V(T) = X(T). Por otro lado, se sabe
~
que V( t ) es una Q-martingala. Supóngase que existe otra medida Q´ bajo la cual los
~
precios de los activos descontados y por tanto V( t ) son Q´-martingalas, entonces
~ ~ ~
EQ (V(T)) = EQ ′ (V(T)) = V(0)
y por lo tanto
EQ (X(T)) = EQ ′ (X(T))
para todos los activos contingentes. En particular, puede escogerse la función indicador
para cada estado de la naturaleza ω tal que se defina el derivado
X(T) = I(ω)
Obteniendo que
Q(ω) = Q´(ω) ∀ω ∈ FT.
(⇐)El inverso es más complejo matemáticamente. Los estudiantes interesados pueden

acudir a la bibliografía recomendada.

MERCADOS INCOMPLETOS
Definición de Mercado Incompleto

Cuando no todos los activos contingentes pueden ser replicados con exactitud se dice
que el mercado es incompleto.
Si existe más de una medida de probabilidad neutral al riesgo el mercado es incompleto.

En este caso el derivado no es replicable de forma unívoca para las distintas medidas
neutrales al riesgo y por tanto se obtendrán valoraciones diferentes para cada medida, en
concreto puede obtenerse un intervalo para su valoración. El comprador debería elegir
la valoración más baja (extremo inferior del intervalo) para el derivado pues ningún
comprador estaría dispuesto a pagar más de aquello que puede generarse con la cartera
replicante más barata. Del mismo modo, el vendedor debería elegir la valoración más
alta para el derivado (extremo superior del intervalo), pues ningún vendedor estaría
dispuesto a vender un derivado por un precio inferior al necesario para realizar la
cobertura del mismo (comprando una cartera replicante que cubra los pagos máximos de
dicho derivado), exponiéndose a sufrir pérdidas, ya que con este máximo se garantiza la
replica del activo contingente en el peor de los escenarios e incluso puede tener algún
beneficio extra. Estos límites pueden determinarse por métodos de optimización.
Límite superior V+(X) ≡ sup {EQ[BT-1X] : para el grupo de todas las Q }

El límite inferior V-(X) ≡ inf {EQ[BT-1X] : para el grupo de todas las Q }
Si el precio es superior a V+  OA. Si el precio es inferior a V-  OA.

Si el activo es replicable, V-(X) = V+(X).
Los mercados incompletos aparecen en la realidad cuando el número de fuentes de

riesgo es superior al de activos primarios del mercado. Así por ejemplo si el precio y la
volatilidad de un activo son aleatorios y sólo se dispone del activo subyacente y un
bono, entonces el mercado es incompleto. Si se incluye en el modelo un activo primario
(o derivado) que dependa únicamente de dichas fuentes de riesgo, entonces el mercado
se completaría. Del mismo modo, en un mercado incompleto existen derivados cuyos

pagos no pueden ser replicados con exactitud.
mercado incompleto ⇔ la medida Q estrictamente positiva NO es única
Ejemplo
Tenemos 2 (=d+1) activos y 3 estados de la naturaleza Ω={ω1,ω2,ω3}. Suponemos que
los esquemas.
ALR s0(T,ω1) = 1.05 Activo 1 s1(T,ω1) =126
s0(0)=1 s0(T,ω2) = 1.05 s1(0)=100 s1(T,ω2) = 105
s0(T,ω3) = 1.05 s1(T,ω3) = 84
a) ¿Es un mercado completo o incompleto?

b) Considérese una call con precio de ejercicio en T de 100, ¿es replicable?, ¿Cuáles son
los límites de no arbitraje?
Solución
a) Tan sencillo como resolver un sistema de ecuaciones con los flujos descontados por
el numerario verificando la propiedad de martingala del propio numerario y del activo 1
100 = (126/1.05)*Q(T,ω1)+ (105/1.05)*Q(T,ω2)+ (84/1.05)*Q(T,ω3)

1 = Q(T,ω1)+Q(T,ω2)+Q(T,ω3)
⇓
100 = 120*Q(T,ω1)+ 100*Q(T,ω2)+ 80*Q(T,ω3)
1 = Q(T,ω1)+Q(T,ω2)+Q(T,ω3)
Tenemos dos ecuaciones con tres incógnitas. Así pues existen infinitas soluciones, por
ejemplo dejando Q(T,ω2) y Q(T,ω3) en función Q(T,ω1), el sistema se satisface para
cualquier número real Q(T,ω1) tal que
Q(T,ω2) = 1 – 2*Q(T,ω1) y Q(T,ω3) = Q(T,ω1)
Considerando que Q(T,ωj) > 0 para todo j  queda que para 1/2 > Q(T,ω1) > 0 se
tienen probabilidades neutrales al riesgo y por tanto se verifica entonces la AOA. Es un
mercado incompleto pues no existe una única probabilidad neutral al riesgo. No se
pueden replicar con exactitud todos los activos contingentes.
b) A partir de los resultados anteriores resulta fácil comprobar que
X(0)=EQ(X/ s0(T,ω1))=5/1.05+16/1.05*Q(T,ω1)
V + (X) = sup E Q (X / s 0 (ω j , T))

Q(ω1,T)
= sup {5/1.05 + 16 /1.05*Q(T,ω1 )}

Q(ω1,T)
= 5/1.05 + 16 /1.05*1/ 2
= 13/1.05
V − (X) = inf E Q (X / s 0 (ω j , T))

Q(ω1,T)
= inf {5/1.05 + 16 /1.05*Q(T,ω1 )}

Q(ω1,T)
= 5/1.05 + 16 /1.05*0
= 5/1.05
Se podrían obtener carteras replicantes para ambos extremos con sus medidas y por lo
tanto supone un intervalo de no arbitraje por cuyo interior puede fluctuar libremente el
precio de la opción sin generar OA.
5. MODELO DE COX-ROSS-RUBINSTEIN (CRR)
J.C. Cox, S.A. Ross and M. Rubinstein, “Option Pricing: A Simplified Approach”,
Journal of Financial Economics, 7, 229-263,1979.
ESTRUCTURA DEL MODELO
El horizonte de planificación es T dando lugar a t = 0, 1, 2, ..., T, puntos temporales.

Todos los períodos tienen la misma longitud por simplificar.
En el mercado existen sólo dos activos básicos: el ALR y una acción que no paga
dividendos como el activo arriesgado cuyos procesos son
B(t) = (1+r)t para t = 0, 1, 2, ..., T siendo r la tasa libre de riesgo por intervalo.
uS( t ) con probabilidad p

S( t + 1) =  para t = 0, 1, 2, ..., T-1
dS( t ) con probabilidad 1 − p
con 0 < d < 1+r < u. S(t) ∈ R 0+ (no negativo) .
Para cualquier nodo se tiene que S(t+1) = Z(t+1)S(t)
u con p
donde Z( t + 1) = 
d con 1 − p
El espacio de probabilidad (Ω’, F’, P’) que define Z, es Ω’={u,d}, F’={∅,{u},{d},Ω’},

P’ con P’({u}) = p y P’({d}) = 1-p con p ∈ (0,1).
El precio de la acción se puede escribir

t
S( t ) = S(0)∏ Z( j) para t = 1,...,T (*)
j =1
Para poder medir los derivados sobre el activo arriesgado es necesario definir su espacio
de probabilidad (Ω, P, F). Para un horizonte determinado existe una serie de
trayectorias o caminos limitados entre 0 y T. Como a partir de un único nodo existen
dos posibles resultados, resulta sencillo hacer los cálculos y asignar probabilidades a
cada nodo y a cada camino. Dada la expresión (*) el espacio de probabilidad se llama
espacio producto de los espacios que generan cada Z(j). Es decir
Ω = Ω’1 x ... x Ω’T = (Ω’)T = {u, d}T
Por tanto cada suceso ω ∈ Ω representa un posible recorrido de la variable Z(j), ω =

{ω’1, ..., ω’T }. La σ−álgebra F = σ(Z(1), ..., Z(T)) = σ(S(1), ..., S(T)) es lógicamente la
generada por todos los posibles resultados medibles también llamado el conjunto
potencia y fácil de filtrar.
La medida de probabilidad viene dada por
P({ω}) = P’1({ω1}) x ... x P’T({ωT}) = P’({ω1}) x ... x P’({ωT})
Este entorno de espacio producto resulta sólo adecuado para estudiar experimentos
sucesivos e independientes e idénticamente distribuidos.
VALORACIÓN NEUTRAL AL RIESGO
Para la valoración neutral al riesgo es necesario que los precios de los activos
descontados se comporten como martingalas. La medida de probabilidad que permite
que se cumpla esta propiedad debe ser equivalente a la medida de probabilidad original
y se representa por Q, donde Q({u}) = q y Q({d}) = 1− q. Para llegar a comprobar la
AOA y la completitud del modelo de CRR es necesario que exista Q y sea única.
Proposición: (1) existencia y (2) unicidad de Q
~
(1) Existe una medida de martingala Q ~ P para el precio descontado de la acción S si
y sólo si
d < 1+r < u
(2) Dado (1), Q es única y se caracteriza por
1+ r − d
q=
u −d
Demostración
~ ~ ~ ~
(1) E Q (S( t + 1) | Ft ) = S( t ) ⇔ E Q (S( t + 1) / S( t ) | Ft ) = 1 ⇔ E Q ( Z( t + 1) | Ft ) = 1 + r
pero por ser Z(j) variables i.i.d. la esperanza condicional no tiene efecto
1 + r = EQ ( Z( t + 1) | Ft ) = EQ ( Z( t + 1)) = uq + d(1 − q)
Por tanto al ser 0 < q < 1 queda demostrado (1). Hay que tener en cuenta que el
argumento de no arbitraje está claramente forzando este resultado. Si 1+r fuera menor
que u y d la compra de acciones darían siempre mejor resultado que los bonos y por
tanto el beneficio seria ilimitado. A su vez si 1+r fuera mayor que u y que d la venta a
corto de la acciones y la compra de bonos también daría un beneficio ilimitado. Es decir
la AOA fuerza este resultado. Finalmente, d > 0 para evitar precios negativos.
(2) La unicidad se deduce porque 1 + r = uq + d (1 − q ) sólo tiene una solución para q, la

recogida en el cuadro.
Aplicando los teoremas fundamentales el modelo de CRR se cumple la AOA y es

completo pues el modelo multiperiodal de CRR es la sucesión o espacio producto de los
espacios componentes y la existencia y unicidad en los mismos deriva en existencia y
unicidad en el espacio producto.
VALORACIÓN DE UNA OPCIÓN DE COMPRA EUROPEA
Proposición
Considérese una opción de compra con vencimiento en T y precio de ejercicio K sobre
la acción S. El precio por arbitraje en cualquier instante o proceso C(t) para t =
0,1,...,T de la opción viene dado por
T−t
T − t j
C( t ) = (1 + r ) −(T − t )
∑  q (1 − q )
T−t− j
(S( t ) u jd T − t − j − K )
+
j= 0  j 
Demostración
Aplicando la valoración neutral al riesgo
C( t ) = (1 + r ) − ( T − t ) E Q [(S(T) − K) + Ft ] =
+
 T
 
= (1 + r ) − ( T − t ) E Q  S( t ) ∏ Z(i) − K  Ft 
 i = t +1  
+
 T
 
= (1 + r ) −(T − t )
E Q  S( t ) ∏ Z(i) − K  
 i = t +1  
T−t T − t
= (1 + r ) − ( T − t ) ∑ 
  j
 q (1 − q )
T−t− j
(S( t ) u jd T − t − j − K )
+
j= 0  j 
Utilizando la definición de S(T) en función de Z(i) y la propiedad de independencia para

deshacerse de la condicionante en el operador de expectativas. “j” representa el número
de veces que Z(i) toma valor “u”. 
TEOREMA DE REPRESENTACIÓN BINOMIAL (TRB)

Supongamos que tenemos una medida de probabilidad Q tal que el proceso S de la
acción es una martingala bajo Q. Para cualquier otro proceso N que sea martingala bajo
Q, existe un proceso previsible φi tal que
i
N i = N 0 + ∑ φ k ∆Sk
k =1
Demostración
Sin suma telescópica basta demostrar que φi =∆Ni /∆Si es previsible o Fi-1 medible.
Como S y N son Q-martingalas, se tiene que EQ(∆Ni |Fi-1) = EQ(∆Si |Fi-1)=0,
verificándose
q(Nup – Ni-1) + (1-q)(Ndown –Ni-1) = 0

q(Sup – Si-1) + (1-q)(Sdown –Si-1) = 0
dividiendo ambas ecuaciones se tiene que
N up − N i −1 N down − N i −1 ∆N i
= = = φi
Sup − Si −1 Sdown − Si −1 ∆Si
Así pues, tanto si el movimiento siguiente es hacia arriba como hacia abajo desde “i-1”,
tenemos que φi =∆Ni /∆Si es previsible. Desarrollando esta expresión a partir de un
punto inicial No se obtiene el resultado buscado. 
REPLICA
Como el modelo CRR es completo se puede encontrar la “única” estrategia replicante

que reproduzca los flujos de los activos contingentes. Se trata de encontrar la cartera de
los dos activos primarios, acción y bono, autofinanciable y previsible (φ(t),ψ(t)) tal que
su valor sea igual al del derivado en todo instante X(t)=Vt(φ,ψ)=φ(t)S(t)+ψ(t)B(t) o en
~ ~
términos descontados Vt (φ, ψ ) = φ( t )S( t ) + ψ ( t ) para t = 0, 1, ...,T. El siguiente sistema
de dos ecuaciones resuelve la determinación de la cartera
~ ~
X( t , u ) = φ( t )S( t , u ) + ψ ( t )
~ ~
X( t , d) = φ( t )S( t , d) + ψ ( t )
dando como resultado
~ ~
X( t, u ) − X( t, d ) X( t, u ) − X( t, d )
φ( t ) = ~ ~ =
S( t, u ) − S( t, d ) S( t − 1)( u − d )
~ ~ ~ ~ ~ ~
X ( t , d ) S ( t , u ) − X ( t , u ) S ( t , d ) X ( t , d ) u − X ( t , u )d
ψ( t ) = ~ ~ =
S( t, u ) − S( t, d ) (u − d)
siendo la estrategia predecible pues depende de S(t-1) ya que X(t,u) y X(t,d) pueden
obtenerse a través de fórmulas cerradas como en el caso de la call europea en la
proposición anterior.
Para la call europea se puede comprobar que la replica implica que no se van a tomar
nunca posiciones cortas en acciones (φ(t)>0 para todo t). φ(t) también se conoce como la
delta de la opción es decir la derivada del valor de la opción respecta al precio del activo
arriesgado o en términos discretos ∆C/∆S.
6. APROXIMACIÓN BINOMIAL A BLACK-SCHOLES (BS)
El resultado más importante de las matemáticas financieras modernas fue la derivación

del precio correcto de una opción de compra europea. Este logro se debe a Fisher Black
and Marion Scholes que en 1973 publicaron el famoso articulo The pricing of Options
and Corporate Liabilities en el Journal of Political Economy, 81, págs. 635-654. La
fórmula que Black y Scholes obtienen parte de un modelo de mercado en tiempo
continuo. Sin embargo aquí va a obtenerse la fórmula de valoración de Black-Scholes
para una call europea aproximando al tiempo continuo a través del modelo del árbol
binomial. Más adelante se obtendrá la fórmula de BS utilizando procesos brownianos.
En esencia la aproximación discreta al tiempo continuo consiste en estudiar que ocurre

cuando la longitud temporal de las ramas del árbol tiende a cero en cada tic.
Sean µ, σ, δt, r parámetros conocidos representando respectivamente la rentabilidad

esperada o tendencia, su volatilidad, la longitud temporal del intervalo o tic y la tasa
libre de riesgo. Supóngase un árbol recombinante
Instante 0 1 2 3 ... T
Nodos 1 2 3 4 ... T+1
Para cualquier nodo se tiene que
S(t+1) = Xt+1S(t)
Donde
u con p = 1 / 2
X t +1 = 
d con p = 1 / 2
Se definen u y d como
u = exp(µδt + σ δ t )
d = exp(µδt − σ δ t )
Esta definición permite adaptar la anchura de la rama binomial a la volatilidad del

activo subyacente. Para cualquier instante se tiene que conocido S(t)
p=1/2 S(t+1)=S(t)·u = S( t ) exp(µδt + σ δt )
S(t)
p=1/2 S(t+1)=S(t)·d = S( t ) exp(µδt − σ δ t )
En “t” después de “n” tics (n = t/δt) y partiendo de el instante inicial con precio en cero
S(0)
n
S( t ) = S(n ) = S(0)∏ X i =
i =1
= S(0) exp {µnδt + σ δt ( N n − (n − N n ))}

[2.5.−1]
= S(0) exp {µnδt + σ δt (2 N n − n )}
2 N n − n 
= S(0) exp µt + σ t  
  n 
donde Nn es una variable aleatoria que representa el número de movimientos hacia

arriba. Nn ~ binomial de media n/2 y varianza n/4. Aplicando el Teorema central del
límite (TCL)
2N n − n Nn − n / 2
= → N(0,1)
n n/4 n →∞
Así pues, tomando logaritmos en la expresión [2.5.−1] se tiene que S(t) tiene
distribución log-normal.
log S( t )   → N( log S(0) + µt,σ 2 t)

n →∞
Cambio de medida de P a Q
Recuérdese que el valor que intentamos concretar es el que resulte de
E Q (B T−1 (S(T) − K ) + ) con K precio de ejercicio y T vencimiento y Q es la medida que
hace que B T−1S(T) sea martingala. Recuérdese también que Bn = B0exp{r(nδt)} y que la
medida de martingala se puede calcular tal y como sigue
s exp( rδ t ) − s down
Probabilidad de subida Q(up) = q = ;
s up − s down
Probabilidad de bajada Q(down) = 1 – Q(up)

S 0 exp µt + σ t 
 2 N n − n  
(
 exp(rδ t ) − exp µδt − σ δt
n  
) 
 
q=

S 0 exp µt + σ t 
 2 N n − n  
( ) (
 exp µδt + σ δt - exp µδt − σ
n  
δt 

)
 
aproximando la función exponencial hasta términos δt (exp(x)≅1+x+1/2x2+...)
1 + rδt − 1 + µδt − σ δt + σ 2 δt 

1
 2 
q≈
1 + µδt+ σ δt + σ 2 δt  − 1 + µδt − σ δt + 1 σ 2 δt 
1
 2   2 
  µ + 1 σ2 − r 
1 
2

= 1 − δt  
2  σ  
 
  
Nótese que q es independiente de t. Con esta medida de probabilidad la aproximación

binomial queda,
2N n − n
tiene media
n
  µ + 1 σ2 − r 
1 
2

2n 1 − δt   − n
2  σ    µ + 1 σ2 − r 
2nq − n    
   2
= = − t  
n n   σ  
 
y varianza
2N n − n  4
VAR 
4
 = var (N n ) = nq(1 − q)   → 1
δt → 0
 n  n n
(compruébese).
Aplicando el Teorema central del límite
2N n − n
→ N − µ + σ 2 − r ,1
t  1
   
n n →∞  σ  2  
bajo Q
Bajo esta distribución de probabilidad límite y tomando logaritmos en [2.5.−1] se tiene

que
1 2
log S( t )   → N(log S(0) + (r − σ )t , σ 2 t)
n →∞ 2
{
S( t ) = S(0) exp σ t z + (r −
1 2
2
σ )t }
donde z ~ N(0,1). El efecto del cambio de medida repercute en el cambio de tendencia
de µ a (r−½σ2).
Una vez tenemos la distribución del activo bajo la medida de probabilidad neutral al
riesgo, resulta sencillo valorar activos derivados.
VALORACIÓN DE UNA CALL
El derivado “X” genera unos cash-flows en “T” de (ST-K)+ siendo K el precio de

ejercicio.
Valor de la opción en cero
EQ[(BT)-1(S(T)−K)+ | F0] =

 
{ 1
2 
} +
=E   S 0 exp σ T z − σ 2 T  − K exp ( − rT)  
 
Integrando teniendo en cuenta que z ~ N(0,1) y que hay que definir los límites de
integración de z para que el integrando sea positivo, ()+,

{
() + ⇒  S(0) exp σ T ⋅ z − σ 2 T 
1
2 
} > K exp ( − rT)
1 2
⇒ Ln(S(0) / K ) + σ T ⋅ z − σ T > − rT
2
 Ln(S(0) / K ) − 1 σ 2 T + rT 
 2 
⇒ z > − 
 σ T ⋅ 
 
⇒ z > −[d 2 ]
1 2
Ln(S(0) / K ) − σ T + rT
donde d2 = 2
σ T⋅
resulta que
∞ ∞
 z 2   z 2 
∫ ∫
1 1 1
= S(0) exp  σ T z − σ 2 T − dz − K exp ( − rT) exp − dz
2π  2 2  2π  2 
−d 2 −d 2
 z2 
1 1 2
(
Con  σ T z − σ2 T −  = − z − σ T se tiene que
 2 
2  2
)

∞ ∞
 z 2 
=
∫
1  1
( 2
)
S(0) exp − z − σ T dz −
1
K exp ( − rT)
∫ exp − dz
2π  2  2π  2 
−d 2 −d 2
y realizando el cambio de variable z = w + σ√T se tiene

∞ ∞
 1   z 2 
S(0) exp− (w )2 dw −
1 1
∫ 2π  2  2π
K exp ( − rT) ∫ exp− dz
 2 
− d1 −d 2
y por simetría de la distribución normal se invierten los límites de integración

d1 d2
∫ ∫
 z 
2
1  1  1
S(0) exp− w 2 dw − K exp ( − rT) exp− dz
2π  2  2π  2 
−∞ −∞
S(0) 1
log + (r + σ 2 )T
siendo d1 = d2 + σ√T = K 2
σ T
finalmente
 log S(0) + (r + 1 σ 2 )T   log S(0) + (r − 1 σ 2 )T 

   
... = S 0 N K 2  − K exp ( − rT)N K 2 
 σ T   σ T 
   
= S(0) N(d1 ) − K exp ( − rT)N(d 2 )
donde Ν representa la función de distribución de una N(0,1).
Para la put se tiene la siguiente fórmula p(0) = K exp ( − rT)N( − d 2 ) − S(0) N( − d1 )

Propiedades de la Fórmula
Que le ocurre a los precios de las opciones si
T → 0 ⇒ d 1 y d 2 → ∞ → N (d 1 ) = N (d 2 ) = 1 y N(− d1 ) = N(−d 2 ) = 0.
Si S(0)>K ⇒C(0)=S(0)-K y p(0)=0.

Si S(0)<K ⇒C(0)=0 y p(0)=K-S(0).
σ → 0 ⇒ d 1 y d 2 → ∞ → N (d 1 ) = N (d 2 ) = 1 y N(− d1 ) = N(−d 2 ) = 0.
Si S(0)>Kexp(-rT) ⇒C(0)=S(0)-Kexp(-rT) y p(0)=0.

Si S(0)<Kexp(-rT) ⇒C(0)=0 y p(0)= Kexp(-rT)-S(0).
Cuando la volatilidad tiende a cero, estamos ante un activo no arriesgado, resultando

lógicamente que
Call(0) = exp(-rT*)max((S(0)exp(rT)-K),0.0)
Put(0) = exp(-rT*)max((K-S(0)exp(rT)),0.0)
La interpretación de la fórmula deriva del planteamiento riesgo neutral:
Call (0) = exp(-rT)EQ[(S(T)−K)+ | F0] 

Call (0) = exp(−rT)[exp(rT)S(0) N( d1 ) − KN( d 2 )]
La conjunción de N(d1) y N(d2) miden la probabilidad de que la opción sea ejercida en

un mundo neutral al riesgo. Especialmente cierto en las opciones at the money.
La volatilidad implícita
El único parámetro de la fórmula que no puede ser obtenido directamente es la

volatilidad. Generalmente, este parámetro es el que determina el precio de la opción.
Tanto es así, que se negocian por igual primas o volatilidades. Cuando no se conoce la
volatilidad se puede utilizar un método iterativo para obtener la volatilidad que dado
todos los demás parámetros valore la opción por el precio de mercado. Esto es así
porque la volatilidad no se puede despejar.
Ejemplo (Hull(2003), 12.11)
Call(0) = 1.875
S(0) = 21
X = 20
‘r=10%
T=0.25
 log 21 + (0.1 + 1 σ 2 )0.25   log 21 + (0.1 − 1 σ 2 )0.25 

   
1.875 = 21N 20 2  − 20 exp ( − 0.1 * 0.25)N 20 2 
 σ 0.25   σ 0.25 
   
1.875 = 21N + 0.25σ  − 19.506198 N − 0.25σ 

0.1475803 0.1475803
 σ   σ 
Para sigma = 0.2


1.875 > 21N( 0.7879015) − 19.506198 N( 0.6879015) = 21 * 0.7846 − 19.506198 * 0.7534 = 1.7806
Para sigma = 0.3


1.875 < 21N( 0.5669 ) − 19.506198 N( 0.4169343) = 21 * 0.7145 − 19.506198 * 0.6616 = 2.0992
Este proceso sigue y se llega 23.5%.

Esta estimación implícita es muy útil cuando se quieren valorar opciones poco
negociadas. Las volatilidades implícitas de las muy negociadas pueden utilizarse como
input de las poco negociadas.
Dos hipótesis controvertidas del modelo son 1

- La distribución de los precios es lognormal
- Los parámetros del modelo son constantes
Para las fórmulas de las opciones sobre índices bursátiles, las opciones sobre divisas y
las opciones sobre futuros, el alumno puede consultar el capítulo 13 de Hull (2003).
Se puede argumentar por arbitraje que la fórmula continúa siendo la misma para índices
y divisas cambiando S(t) por S(t)exp(-δ(Τ−t)) donde δ es la tasa de dividendos en
tiempo continuo de la cartera índice. Para las divisas basta con sustituir δ por rf,
rentabilidad de la divisa extranjera. Para las opciones sobre futuro se sustituye S(t) por
F(t,T*)exp(-r(T-t)) siendo T* ≥ T el vencimiento del futuro.
1
El resto de hipótesis del modelo en su versión en tiempo continuo son:
- No hay restricciones a la venta a corto y se puede hacer uso libre de todo el importe de la venta
- No hay costes de transacción
- No hay impuestos
- Los activos son completamente divisibles
- Los activos o acciones no pagan dividendos
- No existen oportunidades de arbitraje
- Se puede negociar de forma continua
- La negociación de carteras replicantes no influye en los precios de las acciones
- Un mismo tipo de interés libre de riesgo para todos los horizontes temporales
- Es posible prestar y pedir prestado al tipo de interés libre de riesgo
CALIBRACIÓN DEL ÁRBOL
En el mundo riesgo neutral los activos tienen la tendencia del ALR y la volatilidad del
subyacente. La calibración consiste en adaptar los parámetros del modelo (u, d) y las
probabilidad riesgo neutral para que reflejen dicha tendencia y volatilidad.
Intuitivamente, la apertura de la rama del árbol debe reflejar la mayor o menor
volatilidad del activo. La rentabilidad libre de riesgo se incorpora internamente en la
medida riesgo-neutral. Así, si se resuelve el siguiente sistema
E Q [St + ∆t Ω t ] = St e r∆t ⇒ qu + (1 − q)d = e r∆t

VAR Q [St + ∆t / St Ω t ] = σ 2 ∆t
⇒ qu 2 + (1 − q)d 2 − [qu + (1 − q)d]2 = σ 2 ∆t

⇒ e r∆t (u + d) − ud − e 2r∆t = σ 2 ∆t
La primera ecuación viene a ser el precio forward y la segunda viene a representar la

varianza del rendimiento que es proporcional al tiempo. Teniendo en cuenta la
condición de recombinante d= 1/u, se obtiene la siguiente aproximación 2
e r∆t − d
q=
u−d
u = e σ ∆t
d = e − σ ∆t
2
Aproximando la función exponencial de forma que se descarten términos de (∆t)n para n≥2, se
comprueba que una solución a la ecuación anterior es
u = exp(σ ∆t )
d = exp(−σ ∆t )
demostración
(1 + r∆t )(1 + σ ∆t + 1 / 2∆tσ 2 + 1 − σ ∆t + 1 / 2∆tσ 2 ) − 1 − (1 + 2r∆t )
↓
(1 + r∆t )(2 + ∆tσ 2 ) − 1 − (1 + 2r∆t )
↓
( )
(2 + ∆tσ 2 ) + 2r∆t + r( ∆t ) 2 σ 2 − 1 − (1 + 2r∆t )
↓
( )
∆tσ 2 + r( ∆t ) 2 σ 2 → ∆tσ 2
Para no recargar la notación se utiliza también ‘r’ como tasa rentabilidad instantánea. Si
se quiere cambiar a capitalización compuesta basta con sustituirlo con su equivalente.
Para el caso de subyacentes como índices, divisas y futuros esta estructura puede
adaptarse muy fácilmente. En el caso de las divisas y de los índices se trata de resolver
qu + (1 − q)d = e ( r − ρ) ∆t
e ( r − ρ) ∆t (u + d) − ud − e 2( r − ρ) ∆t = σ 2 ∆t
donde ρ es la tasa continua de dividendos, la rentabilidad de la divisa extranjera o la

propia tasa libre de riesgo, respectivamente. Dando lugar a una única variación en la
probabilidad riesgo neutral,
e ( r −ρ) ∆t − d
q=
u−d
Nota: Anualización de volatilidades.
Si se tiene un conjunto de v.a.i.i.d. se demuestra que la varianza de la suma es la suma

de varianzas. Para una muestra de ‘m’ observaciones se tiene que
σ
σ 2 = m( σ ( m ) ) 2 → σ ( m ) =
m
Ejemplo: si la volatilidad anual es 20 la equivalente trimestral es 20 entre raíz de 4 igual

a 10%. Caso más controvertido es para días. En general se prefiere el año de días
negociables, aproximado por 250. Ejemplo: si la volatilidad anual es 20 la equivalente
diaria es 20 entre raíz de 250 igual a 1.265%. Los días sin negociación no se genera
volatilidad.
7. OPCIONES SOBRE ACCIONES CON DIVIDENDOS (véase Hull(2003), 18.3)
El modelo en tiempo discreto permite adaptar con gran flexibilidad la cuantía e instante
de pago de los dividendos en el que se producirá una bajada en el precio de la acción
igual a la cuantía del pago. Existen dos tratamientos posibles: (1) dividendos
proporcionales y, (2) cantidad de dinero.
Dividendos proporcionales al precio de la acción (δ)
S0u (1-δ)S0u3
S0 2
(1-δ)S0u
S0d (1-δ)S0u2d
(1-δ)S0ud
(1-δ)S0ud2
↑ (1-δ)S0d 2
Div. (1-δ)S0d3
Los días anteriores a la fecha del pago de dividendos los nodos se calculan de la forma
habitual. Los nodos posteriores al pago del dividendo el árbol sufre un escalón pero
continua siendo un árbol recombinante. Si existe más de una fecha de pago de
dividendos el tratamiento es similar, se van acumulando escalones.
Dividendos como cantidad de dinero

Lo más realista es conocer es la cantidad absoluta de dividendos (D) y la fecha de pago
del mismo. En el nodo siguiente al pago de dividendos se produce una bajada en todos
los precios posibles igual al dividendo anunciado. Pero a partir de esa bajada el árbol
deja de recombinar de forma que el número de nodos empieza a crecer
exponencialmente y complica el análisis.
Su3-Du
Su2-D
Su
Su-Dd
S Su-Du
S-D
Sd Sd-Dd
Sd-Du
↑ Sd2-D
Div.
Sd3-Dd
La solución estándar consiste en dividir el precio de la acción en dos partes
~
St = S*t + D t
~ la parte no aleatoria
Donde S*t representa la parte aleatoria del precio de la acción y D t
que recoge el valor actual de los dividendos futuros conocidos pagaderos antes del
vencimiento de la opción,
k
~ = exp(−r (τ − t ))D
D t ∑ i i ∀τi / T ≥ τi ≥ t
i =1
Si se supone que la volatilidad de S coincide con la de S*, el árbol de S* se puede

dibujar utilizando la mecánica habitual de CRR. Es decir, se calcula
~
S*t = St − D t
y se procede a aplicarle los shocks del binomial. Una vez construido este árbol se
procede a construir el árbol de S añadiendo el valor actual de los dividendos futuros en
cada nodo. Una vez hecho esto, se valora la opción de la forma habitual.
8. ESTIMACIÓN DE LAS LETRAS GRIEGAS EN EL ÁRBOL BINOMIAL
La cobertura con carteras replicantes que deben llevar a cabo los agentes emisores de
derivados resulta fundamental para no incurrir en pérdidas. Sin embargo la estrategia
replicante en la realidad debe asumir algunas restricciones que impiden llevar a la
práctica una cobertura perfecta. Si se consideran los costes de transacción, el número de
rectificaciones que hay que hacer para que la variación de los precios no afecte al
balance del emisor debe controlarse pues una frecuencia muy alta de rectificaciones
implicaría incurrir en unos costes de transacción muy altos. Por el contrario, si se
rectifica muy a la larga, el error de la replica se incrementa y la contingencia de ser
ejercida la opción puede ser muy onerosa. Encontrar un punto intermedio satisfactorio
es lo adecuado, aunque eso dependerá de las preferencias de los agentes implicados en
última instancia.
COBERTURA DELTA
La delta de un activo contingente es la derivada del precio del activo contingente
respecto del precio del activo subyacente. La aproximación en tiempo discreto es
~ ~
∂V( t ) V( t , u ) − V( t , d)
∆≡ ≅ ~ ~ ≡ φ( t )
∂S( t ) S( t , u ) − S( t , d)
Es decir, la ∆ se puede aproximar a través de un árbol binomial como el cociente de la

amplitud de las ramas del derivado y subyacente. La fórmula de BS para una call
europea que no paga dividendos proporciona 3 que ∆ = N(d1). Para la put ∆ = -N(-d1). El
alumno debe intentar obtener este resultado derivando directamente en la fórmula de
BS.
El valor de delta cambia con el paso del tiempo y con los cambios en S(t) por lo que es
necesario recalcularla para mantener la cartera cubierta. Los gráficos del capítulo 14 de
3
La demostración no es inmediata sobre la fórmula de BS pues dentro de d1 y d2 también figura S. Es
decir, la delta como derivada se obtiene tras un poco de cálculo.
Hull (2003) son ilustrativos al respecto. En definitiva la primera derivada es una

aproximación lineal al valor de la opción que es una función parabólica.
Si se quiere hacer una cartera de opciones insensible a las variaciones de los precios del
activo subyacente una primera aproximación es que la delta de la cartera tome valor
nulo. Dicha cartera debe reportar la rentabilidad libre de riesgo como se desprende de la
estrategia replicante de una opción utilizando bonos y acciones. La cobertura delta tiene
una validez a corto plazo pues al ser la función del valor de la opción una curva, para
distintos valores de S(t) la delta será diferente. Resulta más comodo de realizar la
cobertura utilizando futuros por ser más barato y rápido. La delta de un contrato a plazo
es ∂ (S( t ) − e − r (T − t ) K ) ∂S( t ) = 1 . Para un contrato de futuro debe tenerse en cuenta que

si bien su precio debe coincidir con el forward su delta va a diferir por la liquidación
diaria de pérdidas y ganancias. La delta de un contrato de futuro es
∂F( t , T) ∂S( t ) = e r (T − t ) . Por tanto para cubrir una cartera de opciones con delta ∆t
deben comprarse e − r (T − t ) ∆t futuros. Por último la delta de una cartera es la suma de las
deltas de sus componentes.
Ejemplo
Delta de una call europea que no paga dividendos
Sea T – t = 0.5, σ = 0.16, r = 6% y K = 0.9S(t)  d1 = 1.253, ∆=N(d1) = 0.8949.
Si la cartera la componen 10000 opciones call vendidas, basta con incorporar 8949
posiciones largas en el activo subyacente a la cartera para que ésta sea delta neutral.
∂ 2 V( t )
GAMMA: Γ ≡
∂S( t ) 2
Es necesario estudiar tantas sensibilidades como sean posible pues la cobertura es
discreta y los modelos suelen ser imperfectos. Cuanto más convexa sea la función del
valor de la opción mayor importancia tendrá tener controlada la gamma. La gamma de
una acción, plazo o futuro es cero. Para hacer que una cartera sea gamma neutral se
necesita un activo con gamma distinta de cero lo cual implica que no se pueden utilizar
activos derivados lineales (forward, futuro,...) o activos primarios. Es decir, es necesario
utilizar otras opciones. Así si se tiene una cartera de opciones con gamma negativa se
necesario comprar activos con gamma o viceversa. Sin embargo esto puede descontrolar
una cartera delta neutral. Con lo que un ajuste con activos lineales resulta en última
instancia necesario.
Ejemplo de Hull (2003, sección 14.6): Se tiene una cartera delta neutral y con gamma
de –3000. Hay una opción negociable call con delta 0.62 y gamma de 1.5. Para hacerla
gamma y delta neutral hay que comprar en primer lugar 2000 de la opción negociable lo
cual hace la cartera gamma neutral. Ahora en cambio queda descontrolada la delta de la
nueva cartera con 0.62*2000 = 1240. Si se toman posiciones cortas de –1240 en un
activo lineal (activo primario, plazo o -1240*exp(-r(T-t)) futuros) la cartera queda
neutralizada en gamma y delta.
THETA: Θ ≡ ∂V( t ) ∂t
Es normalmente negativa como consecuencia de que a más lejanía de vencimiento más
posibilidades de que se incremente el valor intrínseco de la opción. La theta no puede
neutralizarse pues el tiempo no es negociable (de momento) además carece de sentido
intentar neutralizar el paso del tiempo pues es inexorable.
VEGA : υ ≡ ∂V( t ) ∂σ (rho : ρ ≡ ∂V( t ) ∂r )
Para acciones, plazo y futuros la vega vale cero. Por tanto la vega neutralidad de una
cartera de opciones se alcanza únicamente añadiendo opciones u otros derivados que
dependan de la volatilidad, es decir opciones. La vega neutralidad es interesante porque

la estimación de la volatilidad esta sujeta a error y puede variar en el tiempo.
Ejemplo
Sea una cartera delta neutral y gamma = -5000 y vega = -8000. Existen dos opciones
negociables en el mercado (es decir inagotables y no impactables). Opción A:
∆=0.6, Γ=0.5, υ=2.0. Opción B: ∆=0.5, Γ=0.8, υ=1.2. Para conseguir la neutralidad en
delta gamma y vega hay que montar un sistema de 2 ecuaciones
-5000+XA0.5+XB0.8 = 0
-8000+XA2.0+XB1.2 = 0 ; XA= 400 , XB = 6000
Pero ahora la delta queda en 3240 con lo que es necesario vender 3240 acciones o
forwards para restaurar la delta neutralidad sin alterar el resto.
En general, aunque los modelos matemáticos se usan con gran extensión para la
valoración no es así para la cobertura, son menos útiles pues pueden llevar a errores.
Además los agentes no pretenden estar neutralizados completamente frente a toda clase
de riesgos sino que el riesgo se mantenga en niveles tolerables. De todas formas las
sensibilidades expuestas tienen un patrón de comportamiento pues cambian con el
tiempo y con los cambios de S(t).
ESTIMACIÓN DE LAS LETRAS GRIEGAS EN EL ÁRBOL BINOMIAL

~ ~
V( t , u ) − V( t , d)
Para la delta ya se ha expuesto que ∆ ≅ ~ ~
S( t , u ) − S( t , d )
Para la gamma se deben estimar dos deltas en el instante 2∆t pues hay que ver cuanto
varia la delta por variaciones cuadráticas del spot. Cuando S = (Suu+S)/2 (a mitad
camino entre el segundo y tercer nodo) entonces delta (Vuu –Vud)/(Suu-Sud). Cuando
S = (Sdd+S)/2 (a mitad camino entre el primer y el segundo nodo)entonces delta (Vud –
Vdd)/(Sud-Sdd). La difencia entre los valores de S es h = 0.5(Suu-Sdd). La gamma es la
variación de delta dividida por h. Es decir
(Vuu − Vud) /(Suu − Sud ) − (Vud − Vdd) /(Sud − Sdd )

Γ=
0.5(Suu − Sdd )
Para la theta se tiene que la aproximación (Entre Vud y V pasan dos instantes de
tiempo)
( Vud − V )
Θ=
2∆t
Para la vega y la rho hay que restimar el derivado con dos valores diferentes de la
volatilidad y el tipo de interés y calcular el cociente respecto a la variación en la
volatilidad y el tipo de interés respectivamente.
uu
du
dd
∆t ∆t
9. OPCIONES AMERICANAS
En este apartado se supone un modelo de mercado completo y viable. Sea U una

supermartingala 4 que representa el proceso para el valor de una opción americana con
vencimiento en T y Z el valor intrínseco de la opción. La descomposición de Doob de
supermartingalas permite expresar
Ut = Mt - At
para una martingala M y un proceso A no decreciente y previsible con A0 = 0.

Descontando todos los procesos por el ALR la igualdad anterior se puede expresar
~ ~ ~
U t = M t - A t . Como el mercado es completo y viable debe existir un estrategia
autofinanciable Φ tal que para cualquier derivado exista una cartera cuyo valor
descontado sea una martingala y replique los flujos del activo derivado, es decir
~ ~
V(T, Φ ) = M T (pensemos en una opción europea) y por la propiedad de martingala se
verificará que
~ ( t ) = E [V
Q (T ) Ft ] = E Q [M T Ft ] = M t
V ~ ~ ~
donde Q es la medida de probabilidad bajo la cual el los precios de los activos

~ ~ ~ ~
descontados S( t ) son martingalas. En consecuencia se tiene que U t = V( t ) - A t o
alternativamente
U t = V( t ) - A t
4
Si Z = {Z t }Tt =0 adaptada a la filtración {Fn} representa el valor intrínseco de una opción americana con
vencimiento en T, la secuencia U = {U t }Tt =0 definida por
U T := Z T ,

U t := max( Z t , E( U t +1 | Ft )) t ≤ T − 1
se llama envoltura Snell de Z y constituye la supermartingala más pequeña que domina Z.
Así pues, si el emisor valora por U0 la opción americana, dicho valor le permite cubrir
“con creces” el valor de la opción en el momento ‘t’ con la estrategia replicante Φ, pues
Ut ≤ V(t). Sin embargo parece existir una OA aparente cuando el poseedor de la opción
la ejerza, Ut < V(t) obteniendo un beneficio. Para eliminar esta inconsistencia, es decir
que al ejercer la opción el emisor no obtenga un beneficio, se restringe a que el
comprador de la opción la ejerza de forma óptima. Por otro lado, tendría menos sentido
ejercer la opción cuando Ut > Zt pues es preferible la venta en el mercado. Por tanto, el
ejercicio óptimo de la opción americana ocurre cuando su precio iguala al valor
intrínseco, Uτ = Zτ siendo τ un tiempo de parada óptimo. Por otro lado, no existe
ninguna razón para ejercer la opción después del último tiempo de parada óptimo τm.
Como τ ≤ τm, y sabiendo que UtΛτ es una martingala (se puede demostrar fácilmente) y
que τ es también óptimo. En consecuencia, el criterio de parada óptima se resume en
que en el instante τ
Uτ = Zτ y τ ≤ τm
con τm = sup{n : Un = Zn}. Cualquier otro tiempo que no sea óptimo, bien Uτ > Zτ (antes
de τm), bien Aτ > 0 (después de τm), el ejercio anticipado no óptimo implica
V(τ)−Zτ = Uτ +Aτ − Zτ >0
Por lo que el emisor obtiene un beneficio si le ejercen en fecha no optima, es un regalo

un free lunch. Antes de τm siempre es preferible vender en el mercado. Despues de τm
resulta que Aτ > 0 con lo que se está regalando dinero al emisor pues la cartera que
cubre genera un flujo positivo y seria preferible dicha cartera a la opción.
Las opciones americanas deben valer igual o más que su correspondientes europeas por
ofrecer más fechas de ejercicio. Por otro lado, el ejercicio anticipado de las call
americanas sobre acciones que no pagan dividendos no es óptimo, dando lugar a que
calls europeas y americanas tengan el mismo valor. Ahora podemos establecer este
resultado en un modelo de mercado. Supóngase que el mercado es completo y viable,

entonces se verifica el siguiente lema
Lema
Sea U el valor de una opción americana con respecto a la secuencia adaptada
contingente Z y fecha de expiración T. Sea V el valor de la opción Europea con activo
contingente ZT. Entonces se verifica que Ut ≥ Vt. Además, si Vt ≥Zt para todo t
entonces, V=U.
Demostración.
~
El valor descontado de la opción americana U t es una supermartingala. Por tanto,
~ ~ ~ ~
U t ≥ E Q ( U T | Ft ) = E Q (V(T) | Ft ) = V( t ) .
~
Lo cual implica que U t ≥ V( t ) para todo t. Para la segunda parte, como V es una
~ ~
supermartingala (toda martingala es una supermartingala) dominando Z y U es una
~ ~
envoltura Snell, V( t ) ≥ U t y por tanto Ut = V(t) para todo t. 
Recordemos el razonamiento para las calls. Utilizando la terminología habitual: c para

la call europea y C para la americana, r la tasa libre de riesgo y el símbolo ~ para los
valores descontados por el ALR se tiene que
Q [ t Q]
~c = (1 + r ) − T E (s(T ) − K )+ | F ≥ E [~s (T ) − K (1 + r ) − (T − t ) | F ] = ~s ( t ) − K (1 + r ) − (T − t )
t t
utilizando la propiedad de martinagala con ~s ( t ) . Se tiene pues que
c t ≥ s( t ) − K (1 + r ) −(T − t ) ≥ s( t ) − K
para r positivo. Como c t ≥ 0 , se tiene que

c t ≥ (s( t ) − K )+
Entonces por la segunda parte del lema anterior se tiene que ct = Ct.
Esta propiedad no es válida para las puts ni para el caso de calls sobre divisas o acciones
que pagan dividendos.
Ejemplo
Supóngase una acción con árbol recombinante de u = 1.25 y d = 1/u. Valorar una call
americana K=80 y una put americana K=100. Supóngase r=5% periodal en
capitalización continua.
195.31
156.25
125 125
100 100
80 80
64
51.2
e 0.05S( t ) − S( t ) / 1.25
La medida equivalente de martingala es q = = 0.55838 y 1-q =
S( t )·1.25 − S( t ) / 1.25
0.44162
Call 115.31
Max(Z2=76.25; EQ...=80.15)
Max(Z1=45; EQ...=52.62) 45
Max(Z0=20; EQ...=33.28) Max(Z2=20; EQ...=23.90)
Max(Z1=0;EQ...=12.69) 0.0
0.0
No es óptimo ejercer anticipadamente. Además se pueden simular para diferentes u, d y

r para comprobar que nunca va a ser óptimo ejercer anticipadamente.
Put 0.0
Max(Z1=0; EQ...=3.528) 0.0
Max(Z0=0; EQ...=10.28) Max(Z2=0; EQ...=8.4)
Max(Z1=20;EQ...=19.585)* 20.0
Max(Z2=36; EQ...=31.12)*
* es óptimo ejercer 48.8
10. OPCIONES LOOKBACK 5 (Hull (2003), 20.5 y 20.6)
Los pagos de las lookback son función del máximo o mínimo del precio del subyacente
durante la vida de la opción. Por ejemplo, una call lookback europea paga al
vencimiento la diferencia entre el precio final y el mínimo alcanzado. Una put lookback
europea paga la diferencia entre el máximo alcanzado y el precio final. Las lookback se
utilizan con mercaderías para garantizarse precios mínimos de compra y máximos de
venta. Las opciones lookback son una clase de opciones dependientes del camino
seguido por el subyacente y no sólo del valor del subyacente en el vencimento. Las
opciones asiáticas y las opciones lookback son dos ejemplos de opciones dependientes
del camino. Para que la metodología del binomial se pueda aplicar a las lookback se
requieren dos condiciones:
1. El pago de la opción dependende de una única función, F, del camino seguido

por el subyacente.
2. La función F debe ser predecible un instante hacia delante en el árbol binomial.
En el caso de la Figura 20.1 se trata de una put americana.
5
Las opciones lookback de estilo europeas tienen solución cerrada (Hull (2003), 19.8)
En el nodo A hay dos posible valores según los caminos seguidos:
Camino superior => max [(Smax-St),EQ… ] => Smax-St= 6.12

Camino inferior => max [(Smax-St),EQ… ] => EQ…= 2.66
Cuando la función del camino toma un gran número de valores, por ejemplo una opción
asiática sobre media arimética en la que la función F toma tantos valores como caminos,
esta metodología se puede utilizar de forma aproximada para no elevar el número de
cálculos. Véase Hull 2003, 20.5.
Ejemplo: Put Americana Lookback (Figure 20.1, p. 463)
S = 50, σ = 40%, r = 10%, ∆t = 1 mes, 70.70

70.70
62.99 0.00
62.99 56.12
56.12
3.36 62.99 56.12
56.12 50.00 6.87 0.00
50.00
4.68 A
5.47
56.12 50.00 44.55
44.55
6.12 2.66 56.12 50.00
50.00 11.57 5.45
39.69
6.38
50.00 35.36
10.31 50.00
14.64
1 1
10%× − 40%×
e 12 − e 12
q= = 0.5073196
1 1
40%× − 40%×
e 12 − e 12
Un metodo eficiente de valoración de opciones lookback aparece en Hull 2003, 20.6.

Consiste en diseñar un árbol alternativo con el cociente
F (t )
Y (t ) =
S (t )
Donde F(t) es el valor máximo del subyacente en el camino. El árbol se expresa en
función de unidades de activo, ver más detalles en el libro.
En realidad, tanto para asiáticas como para lookback, lo más didáctico es trabajar con
árboles no recombinantes y camino a camino, según se presenta en el capítulo 4 de
Pliska (1997).
11. ARBOLES TRINOMIALES (Hull (2003), pág. 408)
Los árboles trinomiales presentan una mayor flexibilidad que los árboles binomiales.
Son especialmente adecuados para situaciones tales como las que contemplan activos
subyacentes cuyas medias y volatilidades dependen del nivel del activo subyacente. El
modelo trinomial en un período adopta la siguiente forma
uSt
qu
St mSt
qm
qd
dSt
En general para que el árbol sea recombinante es necesario que u·d = m2. En Hull
(2003) se simplifica para que m=1, dando lugar a que u=1/d.
Consideraciones de eficiencia numérica sugieren una amplitud de rama de 2·σ 3∆t (se
puede utilizar una formulación más general adaptable a un browniano geométrico al que
se le añade una tendencia riesgo neutral). A partir de esta consideración, de la
condición de recombinante y de una ecuación en media y varianza que debe satisfacer el
árbol riesgo neutral se resuelven las probabilidades riesgo neutrales.
u = e σ 3∆t d = 1/ u m =1
Entonces se plantea que
E Q [S t + ∆t Ft ] = S t exp(r∆t )
1
1 + r∆t ≈ ( q u − q d )σ 3∆t + 1 + ( q u + q d )σ 2 3∆t
2
VAR Q [log ∆S t +1 Ft ] = σ dt
2
[ ]
= E Q ( log ∆S t +1 ) 2 Ft − E Q [log ∆S t +1 Ft ] 2
= σ 2 3dt (q u + q d ) − ( rdt ) 2
≈ σ 2 3dt (q u + q d )
Resolviendo se tiene que

∆t  σ 2  1
qd = − r − +
12σ 2  2  6
2
qm =
3
∆t  σ 2  1
qu = r − +
12σ 2  2  6
Con ∆t suficientemente pequeño para que sean probabilidades positivas.
12. OPCIONES BARRERA (Véase Hull (2003), 20.7)
Las opciones barrera pertenecen al grupo de las llamadas opciones exóticas y son muy
similares a las opciones ordinarias. Existen puts y calls y europeas, americanas y
bermudas (un conjunto de fechas de ejercicio). Al igual que las europeas la mayoría
tienen solución cerrada. Aquí se va a ilustrar como se utilizan los árboles
binomiales/trinomiales para aproximar su valor y las griegas para su cobertura. Es
habitual en las opciones barrera encontrar compensaciones (cash rebate) a vencimiento
o al cruze si la opción vence inactiva. Una primera clasificación de las opciones con una
única barrera es
Knock-out
Son opciones que empiezan con valor y pueden anularse si el precio del subyacente
supera un determinado nivel. Pueden tener la barrera arriba (up and out) o abajo (down
and out).
Knock-in
Son opciones que empiezan sin valor y si el precio del subyacente cruza el nivel se
vuelven activas. Pueden tener la barrera arriba (up and in) o abajo (down and in).
Paridad in-out europeas

Opción Ordinaria Europea = Opción in + Opción out.
Sólo una de las dos será ejercida.
Una característica que comparten la mayoría de las opciones barrera es que a medida
que la barrera es más cercana al precio del subyacente la posibilidad de activar o
desactivar la opción aumenta y con ello las griegas toman valores extremos en esa zona
(deltas superiores a | 2 | son muy comunes, gammas infinitas,…). Es la zona que más
interesa tener cubierta pero es a la vez la más dificil de cubrir de forma permanente.
Ejemplo Up and out European call option

Ejemplo de valoración de una opción call barrera con el modelo de CRR.
(Hoek and Elliott (2005))
Sea S(0) = 100, K = 80, σ = 0.20, T=1, Δt = 0.25, r = 0.05. Sea una opción barrera con
barrera B = 120. Cuando el subyacente toca esta barrera la opción deja de existir.
1. Valore la opción.
2. Si cuando la opción deja de existir se le compensa al comprador con la
devolución (cash rebeat) de la cuantía pagada al inicio, valore nuevamente la
opción.
Solución
1.
El número de pasos es n =4 (=T/ Δt),
u = exp( σ ∆t ) =1.105170918...
d = exp( −σ ∆t ) =0.904837418...
exp( r∆t ) − d
q= = 0.537808372...
u−d
0 (149>120)
0
0 (122>120) 0 (122>120)
4.6054 9.1299
6.2572 10.088 20
8.3484 11.4769
6.5495 1.87307
0.9933
0
Sin barrera la opción hubiera valido 24.64, lo que supone una diferencia considerable.
2.
X (*) X (**)
(*) Aquí sólo hay un camino posible

(**) Aquí hay 4 caminos posibles pero 2 serian anulados pues pasan por (*)
Por lo que la probabilidad de recibir la devolución, actualizada al inicio, es

q2 (1 − q )q 3
+2 = 0.2821 + 0.1368 = 0.4189
exp( r 2∆t ) exp( r 4∆t )
El valor de la opción es por tanto
X = 6.2572+0.4189XX=10.7679
Si el cash rebate fuera un porcentaje α·100 del precio inicial, entonces
X = 6.2572+0.4189αX
6.2572
X=
1 − 0.4189α
La aplicación del trinomial es la siguiente: desde el final hacia el principio. Lo ideal es

que la barrera caiga sobre una fila de nodos de forma que se reduzca al maximo el error
de la aproximación, de lo contrario la convergencia es muy lenta. En los nodos que
sobrepasan la barrera la opción se anula, toman valor cero en el árbol y si hay alguna
recompensa adicional hay que añadirla a los nodos de la barrera o en los del
vencimiento, según se trate. És interesante tener la valoración para diferentes número de
pasos en el árbol. Habitualmente a partir de 250 pasos el error cometido es despreciable.
Como es mucho más eficiente el modelo trinomial, se usa en este caso. Léase, Hull
(2003), sec.20.7. Lo que se hace básicamente es ajustar el árbol para que las barreras
caigan sobre nodos o bien valorar con las dos filas de nodos más cercanas al árbol y
luego interpolar.
Barrera real vs barrera del árbol binomial en una opción knockout
Barrera en el árbol
Barrera real
Barrera real vs barrera en el árbol trinomial en una opción Knockout
Barrera del árbol
Barrera real
13. OPCIONES ASIÁTICAS
Average price call ( X − K ) +
Average price put (K − X ) +
Average Strike call (X(T) − X ) +
Average Strike put ( X − X(T)) +
Valoración de asiáticas por simulación

La valoración de opciones asiáticas de media aritmética puede realizarse por simulación
pues no tiene solución exacta a diferencia de las medias geométricas. Lo primero que
hay que simular es el comportamiento del subyacente sobre el que se emite la opción
asiática. Resulta fácil demostrar que si el proceso del subyacente es un browniano
geométrico entonces el proceso riesgo-neutral se puede escribir de forma aproximada y
recursiva a partir de una condición inicial X0 conocida como
X t = X t −1 exp  r − σ 2 ∆t + σ ∆t z t 
1
(*)
 2  
donde z ~N(0,1).
Supongamos que el pago de una opción de compra asiática a vencimiento es ( X − K ) +
donde X es la media del subyacente en el periodo de computo de la opción. De la

ecuación (*) se pueden obtener fácilmente simulaciones “enchufando un generador de
normales” disponible en la mayoría de programas informáticos. La opción de compra se
puede simular con la siguiente fórmula:
+
e − rT m  1 n 

call = ∑ ∑ Xij − K 
m i =1 n j=1 
donde “m” es el número de simulaciones y “n” el número de pasos en que se divide el

intervalo [0,T].
Simulando la Delta de la opción

Dado que
+
 n
1 
call ≈ e − rT E 
n ∑ j
X −K (**)

 j=1 
donde
X j = X j −1 exp  r − σ 2 ∆t + σ ∆t Z j 
1
 2  
 1 2  j 
X j = X 0 exp  r − σ  j·∆t + σ ∆t ∑ Z i 

 2  i =1 
Derivando se tiene
∂X j  j  Xj
= exp  r − σ 2  j·∆t + σ ∆t ∑ Z i  =
1
∂X 0  2  i =1  X 0
Con lo que se obtiene la siguiente aproximación si se deriva sobre (**)
 e − rT 1 n 1 n 
 X n∑ X j si  ∑ X j > K 
 0 =  n j=1 
∆ˆ =  j 1
 0 1 n 
si  ∑ X j ≤ K 
  n j=1 
Si se repite “m” veces el proceso se obtiene la siguiente estimación
e − rT m 1  1 n  1 n 
∆ˆ = ∑ ∑ X j  ⋅ INDICADOR ∑ X j > K 
X 0 i =1 m  n j=1  n
 j=1


Para obtener un intervalo de confianza de la estimación del valor de la opción y de la

delta basta con tener en cuenta la distribución asintótica de la media de una muestra,
s
Y ~ N(u, ) siendo ‘s’ la desviación típica de la variable Y.
m
Prof. Hipòlit Torró. Facultat d'Economia. Universitat de Valencia.
14. COMPLEMENTOS DE ‘DERIVADOS I’ EN TIEMPO DISCRETO
1. Valoración binomial de opciones sobre indice, divisas y futuros

2. Futuros: Valoración binomial y su uso en la cobertura de opciones
3. La fórmula para opciones sobre índices, divisas y futuros.
4. Volatilidad implícita
5. Las letras griegas: la cobertura delta o delta hedging.
6. Aplicación a los bonos bolsa
7. Aplicación al portfolio insurance
8. Simulación del proceso BS y valoración: un ejemplo.
BIBLIOGRAFÍA
Hull (2009), caps. 12, 13, 14, 15, 16.6 y 17.
14.1. Valoración binomial de opciones / indice, divisas y futuros.
• q: tasa logarítmica de dividendos, interés libre de riesgo de la

divisa o tipo de interés libre de riesgo doméstico (r)
– En el mundo riesgo neutral se comprueba que
St = e-Dt·rEQ[St+Dt|Ft] = e-Dt·r[qSt(eDt·q)u+(1-q)St(eDt·q)d]
e ( r -q )·Dt - d
q=
u-d
2
Máster en Banca y Finanzas Cuantitativas 1

Call americana sobre futuros sobre índice

(Ejemplo 1, págs. 411-412 Hull (2002))
F(0,T’)=300, X=300, r=0.08, s=0.3, T=4/12 y Dt=1/12

1
-0.3
1- e 12
1 - 0.9170
q= = = 0.4784
0.3
1
-0.3
1 1.0905 - 0.9170
e 12
-e 12
(424.19-300)+
Max[(389.01-300)+;88.42]*
Max[(356.73-300)+;56.36]* (356.73-300)+
Max[(327.14-300)+;33.64] Max[(327.14-300)+;26.96]*
Max[(300-300)+;19.16] Max[(300-300)+;12.90] (300-300)+
Max[(275.11-300)+;6.13] Max[(275.11-300)+;0.00]
Max[(252.29-300)+;0.00] (252.29-300)+
Max[(231.36-300)+;0.00]
(212.17-300)+
¿por qué es óptimo el ejercicio anticipado (*) en una call sobre futuros?
Pues por los “dividendos”.
La posición en futuros cuesta cero y su beneficio esperado debe ser
3
cero. Luego q = r. (véase 13.6 y 13.7 de Hull (2002))
Put americana sobre divisas

(Ejemplo 2, págs. 411-412 Hull (2002))
S(0)=1.61$/£, X=1.60$/£, r=0.08, r£=0.09, s=0.12, T=1 y Dt=3/12

3
-0.12
e (0.08-0.09)´0.25 - e 12 0.9975 - 0.9418
q= = = 0.4642
0.12
3
-0.12
3 1.0618 - 0.9418
e 12 -e 12
(1.6-2.0467)+
Max[(1.6-1.9275)+;0.00]
Max[(1.6-1.8153)+;0.00] (1.6-1.8153)+
Max[(1.6-1.7096)+;0.0249] Max[(1.6-1.7096)+;0.00]
Max[(1.6-1.61)+;0.071] Max[(1.6-1.6100)+;0.0475] (1.6-1.6100)+
Max[(1.6-1.5162)+;0.1136] Max[(1.6-1.5162)+;0.0904]
Max[(1.6-1.4279)+;0.1752] (1.6-1.4279)+
Max[(1.6-1.3448)+;0.2535]*
(1.6-1.2665)+
(*) ejercicio anticipado

Put americana sobre acción que paga un dividendo (págs. 416-417 Hull (2002))
D(3.5/12)=2.06$ ,S(0)=52$, X=50$, r=0.1, s=0.40, T=5/12 y Dt=1/12
1 1
0.1´ -0.40
e 12 -e 12
1.0084 - 0.8909
q= = = 0.5073
0.40
1
-0.40
1 1.1224 - 0.8909
e 12
-e 12
Árbol de la parte estocástica suponiendo que s*=0.40

50uuuuu
50uuuu
50uuu 50duuuu
50uu 50uuud
50u 50uud 50dduuu
50 50ud 50uudd
50d 50udd 50ddduu
50dd 50uddd
50ddd 50ddddu
50dddd 5
50ddddd
Árbol de la parte estocástica más el valor actual de los dividendos

~
S t = S*t + D t
con
3.5 2.5 1.5 0.5
~ -0.1´ ~ -0.1´ ~ -0.1´ ~ -0.1´
D 0 = 2.06 ´ e 12 ; D
1 = 2.06 ´ e
12 ; D
2 = 2.06 ´ e
12 y D 3 = 2.06 ´ e 12
12 12 12
89.06
79.35
72.75 70.70
65.02 62.99
58.14 58.17 56.12
52.00 52.03 50.00
46.56 46.60 44.55
41.72 39.69
37.41 35.36
31.50
28.07 6

Árbol de la put americana donde (*) indica ejercicio óptimo
0.00
0.00
0.00 0.00
0.64 0.00
2.16 1.30 0.00
4.44 3.77 2.66
6.86 6.38 5.45
10.16 10.31*
14.22 14.64
18.50*
21.93
14.2 Futuros: Valoración binomial y su uso en la cobertura de

opciones
Ejemplo: Supóngase una acción con árbol recombinante con s = 20%
anual. Valorar un futuro con vencimiento en 2 meses. Supóngase r=3%
anual en capitalización continua, Dt = 1/12 y S(0) = 100.
El árbol del subyacente es

112.24009
105.94342
100 100
94.39
89.09473
La probabilidad riesgo neutral es

1 1
0.03´ - 0.20´
e 12 -e 12 1.0025031 - 0.9439
q= = = 0.5072361
0.20´
1
- 0.20´
1 1.0594342 - 0.9439
e 12 -e 12
8
y 1-q = 0.4927638

El árbol del futuro, aplicando backwards induction es

112.24009
106.20861
100.50124 100
94.626268
89.09473
Por otro lado sabemos que F(0,2/12)=100*exp(0.03·2/12)=100.50125
Los precios de los futuros verifican la propiedad de martingala

bajo la medida riesgo neutral del subyacente
Por la LDPG se tiene: 0 = e-Dt·rEQ[DF(t+Dt,T) |Ft]
Þ F(t,T) = EQ[F(t+Dt,T) |Ft] 9
Cobertura de opciones con futuros
Call Europea con X=100 y T=2/12

(112.24009-100)+
6.1931134
3.1335271 (100-100)+
0.00
(89.09473-100)+
e(0.03·2/12)
(0.03·1/12)
e
1 e(0.03·2/12)
(0.03·1/12)
e
e(0.03·2/12)
10

Nodo intermedio superior
f(u) (112.24009 – 106.20861) + y(u) e(0.03·2/12) = 12.24009

f(u) (100.00 – 106.20861) + y(u) e(0.03·2/12) = 0
f(u) (6.031480) + y(u) e(0.03·2/12) = 12.24009

f(u) (-6.20861) + y(u) e(0.03·2/12) = 0
f(u) = 1.00 ; y(u) = 6.1776444
LPU
c(u) = 1.00·0.00 + 6.177l444· e(0.03·1/12)
= 6.1931079 (error de quinto orden)
11
Nodo inicial
f(0) (106.20861 – 100.50124) + y(0) e(0.03·1/12) = 6.1921134

f(0) (94.626268 – 100.50124) + y(0) e(0.03·1/12) = 0
f(0) (5.707370) + y(0) e(0.03·1/12) = 6.1921134

f(0) (-5.874972) + y(0) e(0.03·1/12) = 0
f(0) = 0.5346166 ; y(0) = 3.1330158
LPU
c(0) = 0.5346166·0.00 + 3.133058·1
= 3.133058 (error de cuarto orden)
12

14.3. La fórmula para opciones sobre índices, divisas y futuros

• Para dividendos como cantidad de dinero
– Se sustituye S por S* (véase apartado 7) en la fórmula
• Ejemplo (pag. 279 Hull(2002)):
– Call europea sobre acciones que pagan dividendos
– S(0)=40; X=40; D(2/12)=0,5; D(5/12)=0,5; s=30%; r=9%;T=6/12
2 5
~ -0,09´ -0,09´
D0 = 0,5 ´ e 12 + 0,5 ´ e 12 = 0,9741 Þ S* = 40 - 0,9741 = 39,0259
0
æ log 39.0259 + (0.09 + 1 0.32 ) ´ 0.5 ö

ç ÷
call = 39.0259 ´ N ç 40 2 ÷
çç 0.3 0.5 ÷÷
è ø
æ log 39.0259 + (0.09 - 1 0.32 ) ´ 0.5 ö
ç ÷
- 40e -0.09´0.5 ´ N ç 40 2 ÷
çç 0.3 0.5 ÷÷
è ø
= 39.0259 ´ N (0.2017) - 40e -0.09´0.5 ´ N (- 0.0104) = 39.0259 ´ 0.58 - 40e -0.09´0.5 ´ 0.4959 = 3.67
13
Para dividendos en tasa continua (índices)

Pagar una tasa “q” de dividendos supone perder valor entre [0,T]. Si queremos tener
una acción en “T” al precio ST, necesitamos S0e-qT acciones hoy y reinvertir todos los
dividendos en acciones.
El valores mínimo de la call europea es c 0 ³ max S0 e
- qT
- Xe - rT ;0( )
t=0 t=T
ST<X ST>X
No ejecuto Ejecuto
Cartera A
Compra Call c0 0 ST-X
Compra ALR X × e - r ×T X X
Saldo neto c0 + X × e- r×T X ST
Cartera B
Compra acción con reinversión S0 × e - q×T ST ST
continua de dividendos en acciones
Luego la cartera A siempre paga igual o más que la cartera B y por tanto debe valer
igual o más al inicio. Si se incumplen OA: Se compra call y ALR por Xe-rt y se venden
S0e-qT acciones cuyos dividendos se reinvierten comprando acciones. Sacando un 14
beneficio al inicio y otro al final si la bolsa baja y ninguna pérdida si la bolsa sube.

El valores mínimo de la put europea es p 0 ³ max (Xe - rT - S0 e - qT ;0)

t=0 t=T
ST<X ST>X
No ejecuto Ejecuto
Cartera A
Compra put p0 X-ST 0
Compra acción con reinversión S0 × e - q×T ST ST
continua de dividendos en acciones
Saldo neto S0 × e - q×T + p0 X ST
Cartera B
Compra ALR X × e - r ×T X X
Si se incumplen OA: Se compra put y S0e-qT acciones cuyos dividendos se reinvierten

comprando acciones y se vende ALR por Xe-rt . Sacando un beneficio al inicio y otro al
final si la bolsa sube y ninguna pérdida si la bolsa baja.
15
Fórmulas de Black-Scholes para opciones sobre

acciones con dividendos en tasa continua (índices)
c = S0e-qT N(d1) - Xe-rT N(d2)

p = Xe-rT N(-d2) - S0e-qT N(-d1)
ln(S0/X) + (r - q + σ 2/2)T
donde d1 =
σ T
ln(S0/X) + (r - q - σ 2/2)T
d2 =
σ T
16

• Ejemplo (pag. 299 Hull(2002)):

– Call europea sobre S&P500
– S(0)=930; X=900; s=20%; r=8%;T=2/12; q=3%
æ 930 1 2 ö
-0.03´
2 ç ln + (0.08 - 0.03 + 0.2 2 ) ´ ÷
call = 930e 12´ N ç 900 2 12 ÷
ç 2 ÷
ç 0.2 ÷
è 12 ø
æ 930 1 2 ö
-0.08´
2 ç ln + (0.08 - 0.03 - 0.2 2 ) ´ ÷
- 900e 12 ´ N ç 900 2 12 ÷
ç 2 ÷
ç 0.3 ÷
è 12 ø
2 2
-0.03´ -0.08´
= 930e 12 ´ N (0.5444) - 900e 12 ´ N (0.4628)
2 2
-0.03´ -0.08´
= 930e 12 ´ 0.7069 - 900e 12 ´ 0.6782 = 51.83 17
Relaciones de paridad en opciones con pago continuo de dividendos
Europeas c + Xe - rT = p + S0 e - qT
Americanas S0 e - qT - X < C - P < S0 - Xe - rT
Queda como ejercicio para el estudiante su comprobacion
Es interesante destacar que para el caso de las DIVISAS todos los

resultados y razonamientos anteriores son aplicables cambiando
“q” por “rf”, siendo “rf”, la rentabilidad libre de riesgo de la divisa.
Así para tener 1 dólar en T basta con tener 1·e-rfT dólares hoy en
una cuenta bancaria en dólares que pague “rf” dólares en tasa
continua compuesta.
18

• Opciones sobre Futuros

– se sustituye “q” por “r” y “S0” por “F(0,T*)”con T*³T.
– El ajuste de “q” por “r” es fácil de entender. Las fórmulas estan
pensadas para activos con inversión distinta de cero que bajo
neutralidad al riesgo deben crecer a la tasa libre de riesgo. Pero en
los futuros la inversión es cero, luego la riesgo neutralidad exigirá
una renta nula para una inversión nula.
• Las fórmulas para opciones Europeas sobre futuros

son conocidas como modelo de Black:
c = e rT[ F0 N (d1) - X N (d2 )] p = e rT[ X N ( - d2 ) - F0 N ( - d1)]

- -
2
donde ln( F / X ) + σ T/2
d1 = 0
σ T 2
ln( F0 / X ) - σ T / 2
d2 = = d1 - s T 19
σ T
• Ejemplo (pág. 320 Hull(2002)):

– Put europea sobre futuro sobre petroleo
– F(0,T*)=20; X=20; s=25%; r=9%;T=4/12
é æ 20 1 4 ö æ 20 1 4 öù
-0.09´
4
ê ç ln - 0.252 ´ ÷ ç ln + 0.25 2 ´ ÷ú
put = e 12 ´ ê20 ´ N ç - 20 2 12 ÷ - 20 ´ N ç - 20 2 12 ÷
ú
ê ç 4 ÷ ç 4 ÷ú
ç 0.25 ÷ ç 0.25 ÷ú
ëê è 12 ø è 12 øû
4
-0.09´ é æ1 4 ö æ 1 4 öù
=e 12 ´ ê20 ´ N çç 0.25 ÷÷ - 20 ´ N çç - 0.25 ÷÷ú
ë è 2 12 ø è 2 12 øû
4
-0.09´
= 20 ´ e 12 ´ [N (0.07216 ) - N (- 0.07216 )]
4
-0.09´
= 20 ´ e 12 ´ [0.5288 - 0.4712]
= 1.12 dólares
20

Relaciones de paridad en opciones sobre futuros
Europeas c + Xe - rT = p + F(0, T * )e - rT (Demostrada en el tema 6)
Americanas F(0, T * )e - rT - X < C - P < F(0, T * ) - Xe - rT
Límites c 0 ³ max [(F(0, T * ) - X ) e - rT ;0]
p 0 ³ max [(X - F(0, T * ) ) e - rT ;0]
C 0 ³ max [(F(0, T * ) - X ) ;0]

P0 ³ max [(X - F(0, T * ) ) ;0]
Para tipos positivos las americanas tienen límites superiores. Esto se
debe a que con las americanas sobre futuros puede ser óptimo su
21
ejercicio anticipado y por tanto valdrán más.
14.4. La sonrisa de la volatilidad o curva de volatilidad (cv)

•Volatilidad implícita (vi), véase apartado 6.
•Relación entre la vi con el precio de ejercicio: vi = f(X)
•Proposición: “cv(calls)”= “cv(puts)”Û “vi(call)”= “vi(put)”
•Demostración
– La relación de paridad se cumple por la LPU para un valor particular de la
volatilidad que se utiliza para sustituir en la fórmula de “BS”.
– La relación de paridad se cumple a los precios de “Mdo” con sus “vi”
– Mostrando que el error de valoración con BS es el mismo para calls y puts.
– Si utilizamos la “vi” de la call en el mercado en la fórmula de BS el error será nulo.
Implicando el mismo resultado para las puts.
(+) c BS + Xe - rT = p BS + S0
( -) c Mdo + Xe -rT = p Mdo + S0
( =) c BS - c Mdo = p BS - p Mdo 22

La “cv” para opciones sobre divisas (sonrisa o smile)

“vi” densidad
Distr. implícita
Distr. normal
X
S0=X X’’ X’
• Esta “cv” se interpreta como que la distr. prob. “implícita”
es leptocúrtica en correspondencia con la distribución real.
Esto encarece las opciones “deep out” y “deep in” :
– Si X’>>X, la call estaría “deeply out” y la put “deeply in”.
La mayor “vi”, eleva la prob. de ejercicio y las encarece.
– Si X’’<<X, la put estaría “deeply out” y la call “deeply in”.
La mayor “vi”, eleva la prob. de ejercicio y las encarece. 23
La “cv” para opciones sobre acciones (mueca o sneer)

Con la “cv” se genera una
“vi” dist.implicita y luego se densidad
dibuja la normal con la
media y la desv. típica de la Distr. implícita
distrib. implícita.
Distr. normal
X S
S0=X X’’ X’
Esta “cv” se interpreta como que la distr. prob. “implícita”

es asimétrica:cola izquierda más pesada que cola derecha.
– Si X’>>X, la call estaría “deeply out” y la put “deeply in”.
La menor “vi”, reduce la prob. de ejercicio y las abarata.
– Si X’’<<X, la put estaría “deeply out” y la call “deeply in”.
24
La mayor “vi”, eleva la prob. de ejercicio y las encarece.

14.5. Cobertura delta o delta hedging (véase apartado 8).

calls : D = N(d1)
puts : D = - N(-d1) = -[1 - N(d1)] = [N(d1) - 1]
Interpretación gráfica para una call
Precio de
la opción
Pendiente = Δ
B
A Precio de la acción 25
Utilización de futuros para la cobertura delta

• Resulta más comoda, rápida y barata la cobertura delta con futuros.
• La delta de un contrato de futuro que no pague dividendos es
¶F( t, T) ¶S( t ) = e r (T - t )
• Si se quiere cubrir una opción con delta Dt, la posición a tomar en futuros es
e- r ( T - t ) D t
• Si se tratase de cobertura de una cartera que simula un índice y se cubriese con
futuros, el número de contratos se calcularía de la siguiente forma
K1
calls : e -( r -q )·T* ´ e -qT N (d1 ) ´
K2
K1
puts : e -( r -q )·T* ´ e -qT [N (d1 ) - 1] ´
K2
– Siendo K1 el número de veces que la cartera contiene el índice
– Siendo K2 el múltiplicador del futuro
26

Ejemplo de cobertura delta (tema 15, Hull 2002)
• Un banco vende call por 300.000$

• Subyacente: 100.000 aciones que no pagan
dividendos.
• S(0)=49$, X=50$, r=5%, s=20%, T=20/52
• Call(0)=260.000$ con BSàBeneficio: 40.000$
• Delta =0.522àcomprar 52200 acciones
• Prestamo: 52200 x 49 =2.557.800$
• Coste financiero de la primera semana:
2557800·exp(0.05/52)= 2460$ o redondeando 2500$
• Se simulan 20 precios spot suponiendo µ = 13%
27
Simulación alcista y cobertura delta semanal

S(t) D Nºacc Coste Coste Intereses
acciones acumulado
0 49,00 0,522 52200 2.557.800 2.557.800 2.500
1 48,12 0,458 -6400 -308.000 2.252.300 2.200
2 47,37 0,400 -5800 -274.700 1.979.800 1.900
… … … … … … …
19 55,87 1,000 1000 55.900 5.258.200 5.100
20 57,25 1,000 0,000 0,00 5.263.300
El coste total de emitir la opción y cubrirla es de 263.300$ ~ BS
Si hacemos números, la posición negativa que va adquiriendo en la

call la compensa con la positiva en acciones con lo que su posición
28
neta prácticamente no se altera.

Simulación bajista y cobertura delta semanal

S(t) D Nºacc Coste Coste Intereses
acciones acumulado
0 49,00 0,522 52.200 2.557.800 2.557.800 2.500
1 49,75 0,568 4.600 228.900 2.789.200 2.700
2 52,20 0,705 13.700 712.000 3.504.300 3.400
… … … … … … …
19 46,63 0,007 -17.600 -820.700 290.000 300
20 48,12 0,000 -700 -33.700 256.600
El coste total de emitir la opción y cubrirla es de 256.600$.
Con mil simulaciones el intervalo de confianza del 95% es +/- 2826$
Para ajustes diarios y mil simulaciones el intervalo de confianza del 95%

se reduce a +/- 1.300$ aprox. 29
1 - (d1 )2 2
GAMMA: 2 e
¶ V( t ) N¢(d1 ) 2p
Gc / p º = =
2 S(0)s T S(0)s T
¶S( t )
Es siempre positiva.
Gamma Cuando se emiten “at” tienen

gamma alta pero con el tiempo si se
vuelven “deep” la gamma se anula.
La Gamma neutralidad protege
contra grandes cambios entre fechas
S(t) de reajustes de la delta.
X
Ejemplo: Put europea sobre índice bursátil
S(0)=305; X=300; q=3%; r=8%; s=25%; T=4/12
N¢(d1 )e- qT
Gput -indices = = 0.00866
S(0)s T
Si el índice sube de 305 a 306 la delta sube 0.00866 aprox. 30

Error de cobertura introducido

por la curvatura, o gamma
(Figura 15.7, pág. 359)
Precio de la opción de
compra
C’’
C’
C
Precio de la acción
S S
’ 31
VEGA: ¶V( t )
nc / p º = S(0) T N¢(d1 )
¶s
Vega
Cuando se emiten “at” tienen
vega alta pero con el tiempo si
se vuelven “deep” la vega se
anula. La vega neutralidad
protege de cambios de
S(t) volatilidad.
X
Ejemplo: Put europea sobre índice bursátil
S(0)=305; X=300; q=3%; r=8%; s=25%; T=4/12
nindices = S(0) T N¢(d1)e-qT = 66,44
Dc = Ds ´ n = 0,01´ 66,44 = 0,6644$ 32

14.6. Aplicación a los bonos bolsa
• Dedica una parte del capital 85-95% a comprar renta fija

a vencimiento
• El resto compra opciones de renta variable (europeas,
americanas o asiáticas) con precio de ejercicio igual al
del índice de renta variable en la fecha de constitución
del fondo garantizado.
• Cuanto más altos estan los tipos de interés más dinero se
tiene para opciones
• Cuanto más volátil está el mercado más caras estan las
opciones
• Cuanto más opciones compres mayor será el porcentaje
garantizado de la subida. 33
• Qué porcentaje se puede garantizar en un fondo

de 1.000.000 euros a 5 años (interés 3%)
referenciado al IBEX-35 (8000 puntos)
sabiendo que las call con precio de ejercicio de
8000 están 3000.
• Capital a renta fija
• 1.000.000/1.035 = 862609
• Nº de opciones para el 100%
• 1.000.000/8.000= 125
• Nº de opciones que puede comprar
• 137.391/3000 = 45,8
• % garantizado 45,8/125 x 100 = 36% aprox. 34

35
14.7. Portolio Insurance

• Una forma de proteger una cartera de acciones es construir
sintéticamente una put vendiendo acciones/futuros de forma que la
delta de la cartera sea idéntica a put deseada .
• Cartera réplica vs cartera de cobertura:
– Cobertura: venta opciones con compra cartera replicante
– La venta de calls se cubre + AA y - ALRs
– La venta de puts se cubre - AA y + ALRs
– El portfolio insurance se compra una put sintética: - AA y + ALRs
• Razones para el Porfolio insurance:
– Los gestores de fondos necesitan “X” y “T” que no coinciden con las opciones
negociadas en el mercado.
– Los grandes fondos pueden no encontrar liquidez suficiente en los mercados de
opciones.
• El portfolio insurance falla cuando varía mucho la volatilidad y hay
saltos, el “tracking error” se descontrola. Si se quiere evitar esta
situación, la alternativa es comprar puts, no “fabricarla”. Además
agravaron la bajada del 19 octubre de 1987 y amplifican las subidas:
Ds. 36

• ALTERNATIVA 1: Negociando la cartera:

– Tomando en todo instante una posición corta en acciones igual a la
delta de la put e invirtiendo en ALR
Dput
índices = e -qT
[N(d1 ) - 1]
– Cuando la bajan las acciones, aumenta la delta (se hace más

negativa), lo cual lleva a vender más acciones
– Cuando las acciones suben, disminuye la delta, y parte de las
acciones vendidas se recomprarán
– Coste del seguro: vende en un mercado que baja pero compra
después de que el mercado haya subido
37
•Ejemplo:
–90.000.000$ en una cartera S&P500 con el S&P500 a un nivel de 900
–Sea una cobertura con T=6/12, X=87.000.000, r=9%, q=3%; s=25%
90 1 6
ln + (0.09 - 0.03 + 0.25 2 ) ´
d1 = 87 2 12 = 0,4499
6
0.25
12
– Y la delta de la opción:
Dput
índices = e
-qT
[N(d1 ) - 1] = -0,3215
– Debería venderse un 32,15% de la cartera para obtener la delta del
opción requerida.
– Si pasado un día la cartera baja a 88 mill., la delta sería -0,3679 y debe
venderse un 4,64% adicional de la cartera original.
– Si el valor de la cartera sube a 92 mill., la delta cambia a -0,2787 y
debe recomprarse un 4,28% de la cartera original. 38

• ALTERNATIVA 2: Negociando futuros:

– Tomando en todo instante una posición corta en futuros y larga en
ALR
K1
e -( r -q )·T* ´ e -qT [N(d1 ) - 1] ´
K2
– Siendo K1 el número de veces que la cartera contiene el índice
– Siendo K2 el múltiplicador del futuro
– Cuando la bajan las acciones, aumenta la delta, lo cual lleva a
vender más futuros
– Cuando las acciones suben, disminuye la delta, y parte de los
futuros vendidos se recomprarán
– Coste del seguro: vende en un mercado que baja pero compra
después de que el mercado haya subido
39
•Ejemplo anterior continuado:

–F(0,9/12)
–S&P500: 900
–Multiplicador 250
–Futuros a vender
250 ´ 900
e (
90.000.000 -( r -q ) T* -qT
)
´ e [N(d1 ) - 1] =
250
e(
100.000 -( r -q ) T* -qT
)
´ e [N(d1 ) - 1] = -123,2 @ -123
– A medida que pasa el tiempo, la posición en futuros se va reajustando

al igual que antes. Sin embargo, con futuros se incurrira en menores
costes de transacción. El tracking error disminuye si se reajusta con
mayor frecuencia y con menores costes de transacción y menor coste
de aseguramiento. 40

14.8. Simulación del proceso de BS: un ejemplo

• Sabemos que para una acción que no paga dividendos el
proceso riesgo neutral o de valoración es
1
log S( t ) ~ N(log S(0) + (r - s 2 ) t , s2 t )
2
La simulación Monte Carlo consiste en:
1. Simular el proceso del activo “n” veces
2. En cada simulación se obtiene la función de pagos en “T” si es
europea o en la fecha de ejercicio óptimo si es americana,
…bermudas, …asiáticas,...
3. Descontar a t = 0 y calcular la media de las “n” simulaciones.
4. Utilizar una medida de bondad del error de valoración: el error de
la media muestral respecto a la poblacional se distribuye como
n
V s2
å ni - Vpoblacional ~ N(0; n
)
41
i =1
• Simulación Monte Carlo para comprobar BS

1 A B C D E F G H
2 r S(0) K Sigma T
3 5% 50 50 30% 0.5
4
5 S(T)=S(0)exp[(r-0.5*sigma^2)T+sigma*epsilon*T^0.5]
6
7 =$C$2*EXP(($B$2-0.5*$E$2^2)*$F$2+$E$2*DISTR.NORM.ESTAND.INV(ALEATORIO())*($F$2)^0.5)
8
9 CALL(0)=MAX(S(T)-K;0)*EXP(-rT)
10 1 66.32 15.91
11 2 51.67 1.63
12 3 50.29 0.28 d1 d2 precio BS
13 4 33.36 0.00 0.2239 0.0118 4.8174
14 5 55.40 5.26
15 6 67.99 17.54
16 7 36.28 0.00
· . . .
· . . .
· . . .
1005 998 64.24 13.89
1006 999 43.99 0.00 • SD/(1000)^0.5= 0.24
1007 1000 66.64 16.22
1008 • SD/(10000)^0.5=0.07
1009 MEDIA 4.85
1010 SD 7.47
42

Ejemplo Bono Bolsa.

Un cliente acude a una entidad bancaria y desea invertir 10.000.000 euros, no quiere
arriesgar el capital y quiere beneficiarse de un determinado porcentaje de la subida
del índice XXX que se produzca dentro de 2 años. Datos del mercado:
XXX = 3.200 puntos

i(2 años) anual= 10,80%
Dividendo medio= 4%
Call at the money (2 años)= 525 puntos del índice XXX.
X=3200 ptos (at the money)
Multiplicador del contrato de opción: 100 u.m.
Se pide:
1.- Calcular el número de contratos opciones sobe el índice XXX, mínimo que
tendría que comprar el cliente para beneficiarse de subidas en un 100%.
2.-Calcular el número de contratos que puede comprar para construir un Bono-Bolsa.
3.- ¿En qué porcentaje participa de la subida del índice?
4.- Calcular el resultado de la operación para los siguientes escenarios:
XXX : 6.000; 5.000; 4.000; 3.000; 2.000.
5.- Compara los resultados de invertir en la bolsa directamente o en el Bono Bolsa
6.-Recalcular los resultados si el tipo de interés fuera de un 5% y compararlos con los
43
obtenidos previamente.
1. Para asegurarse el 100% de la subida

10.000.000
= 31,25 » 31
3.200 × 100
2. Efectivo para la compra de renta fija a vencimiento

10.000.000
E(1 + i ) n = C0 Þ E = = 8.145.551 euros
(1 + 0,108) 2
C0-E=10.000.000-8.145.551=1.854.448 euros
1.854.448
Nº opciones que puede comprar = 35.22 » 35
525 × 100
3. Porcentaje de la subida del índice a obtener si sube la bolsa
35
%= = 112.90%
31
44

4.-
I A B [A + B] - I
I
Índice Variación Resultado con opciones Bono Rentabilidad total:
XXX Índice Cupón cero Opción+bono (2 Años)
6.000 87.50% (6.000-3.200)·100·35=9.800.000 10.000.000 87.5·112.9=98%
5.000 56.25% (5.000-3.200)·100·35=6.300.000 10.000.000 56.25·112.9=63%
4.000 25% (4.000-3.200)·100·35=2.800.000 10.000.000 25·112.9=28%
3.000 -6.25% No se ejecutan 10.000.000 0%
2.000 -37.5% No se ejecutan 10.000.000 0%
5. Bolsa vs bono bolsa

Índice Div. Bº en Total Rent.
XXX (4%) bolsa total
6.000 843.200 8.750.000 9.593.000 95.93%
5.000 843.200 5.625.000 6.468.000 64.68%
4.000 843.200 2.500.000 3.343.000 33.43%
3.000 843.200 -625.000 218.000 2.18%
2.000 843.200 -3.750.000 -2.906.800 -29.07%
Rentabilidad por dividendos:

4% (10.000.000) = 400.000 (primer año)
10.80% (400.000) = 43.200 (Inversión dividendos)
4% (10.000.000) = 400.000 (segundo año) -->TOTAL = 843.200
45
Índice XXX Variación RENT. RENT.

Bono Bolsa en Bolsa
6.000 87.50% 98% 95.93%
5.000 56.25% 63% 64.68%
4.000 25% 28% 33.43%
3.000 -6.25% 0% 2.18%
2.000 -37.5% 0% -29.07%
-Es necesario que la bolsa suba un 70.26% para que el bono bolsa se más
rentable que invertir directamente en Bolsa.
-Si la Bolsa baja más de un 8,43% es mejor invertir en Bonos Bolsa.
-Si la Bolsa sube más de un 70,26% o baja más de un 8,43% es mejor
invertir en un Bono Bolsa.
46

6. Rehacer el ejercicio para el 5% de interés

10.000.000
E(1 + i ) n = C0 Þ E = = 9.070.295 euros
(1 + 0,05) 2
C0-E=10.000.000-9.070.295=929.705 euros para calls
Calls que puede comprar 929.705 = 17.7 » 18

525 × 100
Porcentaje de la bolsa si sube 18
%= = 58.06%
31
I A B [A + B] - I
I
Índice D% Resultado con opciones Bono cupón Rentabilidad total:
XXX Índice Opción+bono (2 Años)
6.000 87.50% (6.000-3.200)·100·18=5.040.000 10.000.000 87.5·58.06=50.80%
5.000 56.25% (5.000-3.200)·100·18=3.240.000 10.000.000 56.25·58.06=32.65%
4.000 25% (4.000-3.200)·100·18=1.440.000 10.000.000 25·58.06=14.51
3.000 -6.25% No se ejecutan 10.000.000 0%
2.000 -37.5% No se ejecutan 10.000.000 0%
47
Ejercicio. Demostrar que la delta de una opción call que no paga

dividendos es N(d1)
S æ 1 ö
ln 0 + ç r + s 2 ÷T
X è 2 ø
c0 = S0 N(d1 ) - Xe - rT N(d 2 ) ; d1 = ; d 2 = d1 - s T
s T
¶c ¶d ¶d
= N(d1 ) + S0 × N¢(d1 ) × 1 - Xe - rT × N¢(d 2 ) 2
¶S ¶S ¶S
1 - 2 (d1 -s T )
1 1 2
1 - 2 (d1 )
2
1 1
= N(d1 ) + S0 × e × - Xe- rT × e ×
2p S0s T 2p S0s T
48

- (d - s )
1 1
- (d ) Xe- rT
2 2
1 T
= N(d1 ) + -
1 1
e 2 e 2
s T 2p S0s T 2p
- (d ) é - s2T ù
1 1
Xe- rT d s
2
1
= N(d1 ) + ê1 - T 2
ú
1
e 2 e 1
e
s T 2p êë S0 úû
1
- (d )
2
1
= N(d1 ) + e 2 [1 - 1] = N(d1 ) □
1
s T 2p
49
Ejercicio. Demostrar que la vega de una opción call/put que no paga

dividendos es u = S0 T N¢(d1 )
S æ 1 ö
ln 0 + ç r + s 2 ÷T
X è 2 ø
c0 = S0 N(d1 ) - Xe - rT N(d 2 ) ; d1 = ; d 2 = d1 - s T
s T
¶c
¶s
¶d
= S0 × N¢(d1 ) × 1 - Xe -rT × N¢(d 2 )
¶s
¶
¶s
(
d1 - s T )
æ -d ö æ -d ö
= S0 × N¢(d1 ) × ç 2 ÷ - Xe - rT × N¢(d 2 )ç 2 - T ÷
è s ø è s ø
æ S0 æ 1 2 ö ö S
ç ln + ç r + s ÷T ÷ ln 0 + rT
¶ ç X è 2 ø ÷ 1 d
Nota : =- X + T =- 2
¶s ç s T ÷ 2
s T 2 s50
ç ÷
è ø

1 - 2 (d1 -s T ) æ d 2
1 1 2
1 - 2 (d1 ) d 2
2
ö
= -S0 × e × + Xe - rT × e ×ç + T ÷
2p s 2p è s ø
1 2é 1 ù
1 - 2 (d1 ) ê d2 - rT d1s T
- s 2T æ d ö
= e - S0 × + Xe ×e ·e 2 × ç 2 + T ÷ú
2p ê s è s øú
ë û
é d æd öù
= N¢(d1 )ê- S0 × 2 + S0 × ç 2 + T ÷ú = S0 T N¢(d1 )
ë s è s øû □
51
Fin
• Muchas gracias por vuestra atención
• Email: hipolit.torro@uv.es
52

Derivados I. Tiempo discreto (Ejercicios) 1
15. EJERCICIOS TIEMPO DISCRETO
Nota. Se recomienda resolver los ejercicios 18, 19 ó 20, utilizando algún lenguaje de programación
(MatLab, Visual Basic,…). La resolución con un programa permite contemplar la convergencia a
medida que se van elevando el número de pasos o iteraciones en el valor de la opción y en las
sensibilidades o griegas, se puede ilustrar con gráficos, etc. No conviene acostumbrarse a paquetes
comerciales u otros programas de valoración de opciones.
Ejercicio 1
Supongamos que tenemos una acción s(0)=10. La distribución del activo es log-normal, es decir su
rendimiento es normal, x = log[s(T)/s(0)] ~ N(). Para T=1 se tiene que N(0.1,0.04).
Supongamos que el tipo libre de riesgo expresado en capitalización continua es del 7%.
a) Calcule el precio a plazo T de la acción libre de oportunidades de arbitraje.

b) Calcule el precio esperado. Si el precio esperado es superior al precio a plazo, explique como el
comprador del contrato a plazo ganará y el vendedor perderá en media.
c) ¿Cuál es la probabilidad de obtener pérdidas por parte del vendedor del contrato a plazo si no
realiza una cobertura?
Ejercicio 2
Considérese un contrato a plazo en el que se acuerda en t=0 intercambiar en t=T el activo X por “a”
unidades del activo Y. Determine el valor de la constante “a” para que se cumpla la AOA y el
contrato a plazo tenga valor nulo al inicio, tal y como debe ser. Supóngase un tipo de interés libre
de riesgo en capitalización continua de “r”.
Ejercicio 3
A- Considérese dos opciones de compra europeas son idénticas excepto en el precio de ejercicio.
Demostrar
(a) Ct(K1)  Ct (K2) si K2  K1
(b) e – r(T-t) (K2 – K1)  Ct (K1) - Ct (K2) si K2  K1
(c) Ct (K1)+(1-Ct (K2)  Ct (K) si K2K1 y para   [0, 1] siendo K = (K1 + (1-) K2)
En (c) hay que tener en cuenta que hay 4 estados finales posibles
ST < K1 K1< ST  K K< ST  K2 K2 < ST
B- Considérese dos opciones de compra europeas que tienen idénticas excepto en el vencimiento.
Demostrar
Ct (T2)  Ct (T1) si T2  T1
NOTA: Intentar construir cuadros de arbitraje tendiendo en cuenta los límites de las opciones.
Ejercicio 4
Tenemos dos activos arriesgados s1 y s2 y 2 estados de la naturaleza para el período
[0,T] Estos dos activos se mueven juntos, esto es si los precios suben (1) o bajan (2) lo hacen a
la vez ambos activos. También contamos con el ALR (expresado en capitalización continua
s0(T)=exp(rT)). Demostrar que la AOA implica
e rT s1 (0)  s1 (T,  2 ) e rT s 2 (0)  s 2 (T,  2 )

 
s1 (T, 1 )  s1 (T,  2 ) s 2 (T, 1 )  s 2 (T,  2 )
 recibe la denominación de precio de mercado al riesgo en finanzas en tiempo continuo con la

forma de rEs decir el exceso de rentabilidad por unidad de riesgo.
Ejercicio 5
Tenemos 2 (=d+1) activos y 3 estados de la naturaleza  Suponemos que los
esquemas.
ALR: Numerario s0(T,1) = 10/9 Activo 2 s1(T,1) = 20/3

S0(0)=1
s0(T,2) = 10/9 s1(0)=5 s1(T,2) = 40/9
s0(T,3) = 10/9 s1(T,3) = 30/9
a) ¿Es un mercado completo o incompleto?

b) Considérese el activo contingente X(T,j) = (30,20,10), ¿es replicable?, ¿Cuáles son los límites
de no arbitraje?
Ejercicio 6
Tenemos 3 (=d+1) activos y 3 estados de la naturaleza ¿Es un mercado completo o
incompleto?, ¿Existen OA? Suponemos que los esquemas siguientes
ALR
Numerario s0(T,1) = 10/9
s0(0)=1 s0(T,2) = 10/9
s0(T,3) = 10/9
Activo 1 s1(T,1) = 60/9
s1(0)=5 s1(T,2) = 60/9
s1(T,3) = 40/9
Activo 2 s2(T,1) = 40/3
s2(0)=10 s2(T,2) = 80/9
s2(T,3) = 80/9
Ejercicio 7
Extensión del modelo binomial
En el contexto de CRR supóngase que existen dos activos arriesgados independientes (S1(t), S2(t))
y el ALR (B(t) = (1+r)t). Cada activo arriesgado genera su propio árbol binomial recombinante (por
tanto existen dos pares (u1,d1) y (u2,d2)). Demostrar que para el caso uniperiodal y por extensión
para cualquier número de períodos se verifica la AOA pero el modelo es incompleto.
Ejercicio 8
Modelos multinomiales
En el contexto de CRR supóngase que existen dos activos arriesgados (S1(t), S2(t)) y el ALR (B(t)
= (1+r)t). Cada activo arriesgado genera su propio árbol trinomial recombinante con probabilidades
reales p1, p2 y p3 con los respectivos cambios proporcionales para cada activo y rama ((u11, u12, u13)
y (u21, u22, u23)) con p(u11, u21) = p1, p(u12, u22) = p2, p(u13, u23) = p3. Demostrar que para el caso
uniperiodal se verifica la AOA y la completitud del modelo. Razone la respuesta.
Ejercicio 9
Considérese un modelo de árbol binomial para el proceso del precio de una acción {Sn : 0  n  3}.
Sea S0 = 100 y en cada rama o paso la acción puede subir o bajar un 10%. Asúmase que el tipo de
interés es del 5% en capitalización continua. El ALR es un depósito que acumula intereses. El
contrato que se desea valorar es una put europea con precio de ejercicio de 110 y vencimiento en 3.
(a) Encontrar la medida de probabilidad en (,F) que hace que el precio descontado de la acción
sea una martingala.
(b) Valore el derivado
(c) Si los movimientos de los precios fueran arriba y arriba, calcular la estrategia replicante para
cubrir la posición del emisor y comprobar que es autofinanciable.
(d) Repítanse los tres apartados anteriores para un derivado que paga 10 unidades si el último
movimiento de la acción es hacia abajo (baja entre dos y tres).
Ejercicio 10
Un activo subyacente con proceso para el precio S tiene tanto opciones europeas de venta como de
compra activamente negociadas en un mercado financiero. Suponiendo el mismo precio de ejercicio
K y vencimiento T ambas opciones pueden relacionarse a través de la relación de paridad put-call
europeas.
(a) Derívese la relación de paridad considerando el enfoque de valoración de martingalas
C(t) – P(t) = S(t)  Ke-r(T-t), 0  t  T
(b) Verifique que no es posible que se incumpla la relación de paridad pues ello implicaría una OA.
Ejercicio 11
Una acción que paga dividendos (véase Hull(2003) apartado 18.3)
Un acción que paga dividendos puede modelizarse de diferentes formas. Se asume un tipo de interés
constante r. Se investigan dos modelos.
(a) El activo paga un dividendo  expresado en capitalización continua. Esto implica que el activo
ya no es negociable pues se necesita considerar el flujo de dividendos asociado. Sea S ( t ) la
cartera formada por la reinversión de los dividendos en la acción. En el instante t el valor de esta
cartera es S ( t )  e t S( t ) . Explíquese la relación entre el precio del activo contingente sobre una
acción que paga dividendos y el activo contingente sobre una acción que no paga dividendos.
(b) Supóngase que la rentabilidad por dividendos  se deriva de un único pago por dividendos en el
instante  El pago de dividendos va a afectar al precio de la acción en que Sdiv es el precio de la
acción que paga dividendos, Sdiv(t) = (1-)S(t) para t  . Para un árbol binomial de tres pasos
con S(0) = 100, r = 5%, subidas y bajadas de un 10% y dividendos = 5% en t = 2, valore
opciones de compra con K = 95.
(c) Supóngase que la acción paga un dividendo de cuantía absoluta D = 4 al final de cada período.
Para un árbol binomial de dos pasos con S(0) = 100, r = 6% periodal en tiempo continuo, u =
1.12 y d = 0.90, encontrar la cartera replicante para una put K= 100 y T=2.
Ejercicio 12
Para un contrato a plazo en una acción con proceso para su precio representado por S, demostrar
que el proceso para el precio a plazo para un contrato con vencimiento en T sobre una unidad de la
acción viene dado por F(t) = EQ(S(T)|Ft).
Ejercicio 13
Considérese un árbol binomial para el proceso del precio de una acción {S(t) : 0  t  3}. Sea S(0) =
100 y sea S(t+1) = S(t)X(t+1) donde {X(i) : i  1}es una secuencia de v.a. independientes con X(i)
= u = exp() o X(i) = d = 1/u. Suponiendo r = 10% en capitalización continua y la volatilidad del
mercado = 20%. El contrato que se desea valorar es una opción de venta americana con K=110 y
T=3.
(a) Encontrar la medida de probabilidad en (,F) que hace que el proceso del precio descontado sea
una martingala.
(b) Valore el activo contingente
(c) Si los movimientos del activo fueran arriba, abajo y abajo, determinar la estrategia replicante si
no ejerce inmediatamente en cero la opción y comprobar que se trata de cartera autofinanciable
hasta la fecha óptima de ejercicio anticipado.
Ejercicio 14
La relación de paridad put-call para americanas se expresa en forma de desigualdad. Sea S el
proceso del precio de una acción y C y P los procesos de los precios para la call y put americanas
con vencimiento T y precio de ejercicio K. Demostrar, considerando las relaciones entre europeas y
americanas, que para las opciones americanas se verifica
S(t)  K  C(t) – P(t)  S(t)  Ke-r(T-t), 0  t  T

Para la resolución de los ejercicios 15 a 20, consultar Hull (2003), Capítulos 18 y 20.
Ejercicio 15. Americana sobre cobre y Europea con pago igual a ST2
Ejercicio 16. Lookback americana
Ejercicio 17. Asiática
Ejercicio 18.
Sea una opción Average price call con pago final ( X (T)  K )  siendo K el precio de ejercicio y
X (T) la media aritmética de una acción en el período [0,T]. Valorar la opción y la su delta con un
intervalo de confianza del 5% utilizando la metodología de la simulación. Utilizar el número de
iteraciones necesarias para que el valor de la opción se encuentre en un intervalo de confianza de
bandas aproximadas de +/ 2.00€. DATOS:   40% , K= X(0)  500.00 €, T=1 año, r=10%.
Ejercicio 19. Binomial Americana sobre futuro.
Ejercicio 20. Binomial Americana con dividendos.

Examen 2007. Chooser option. Valoración riesgo-neutral en tiempo discreto.
Una opción chooser (CHt) da el derecho a elegir en un momento concreto del tiempo t, con 0 < t <
T, entre una opción de compra (Ct) y una opción de venta (Pt) europeas, ambas con el mismo
subyacente St, precio de ejercicio e y vencimiento T. Sea Bt = (1+r)t el precio de un bono libre de
riesgo siendo r una constante, r  0. Sabiendo que el pago final de la opción chooser en T es
CH T   ST  e   I Ct  Pt   e  ST   I Ct  Pt 
Donde I son funciones indicadores tales que
1 Ct  Pt 1 Ct  Pt
I Ct  Pt    I Ct  Pt   
0 Ct  P 0 Ct  P
Demostrar que la opción chooser se puede descomponer en
CH 0  C0  P0
Es decir, la suma de una opción de compra europea (C0) con precio de ejercicio e y vencimiento T y
una opción de venta europea ( P0 ) con precio de ejercicio e1  r t T y vencimiento t.
Nota. La demostración debe realizarse utilizando el enfoque riesgo-neutral de valoración de

derivados. Es decir, esperanzas bajo la probabilidad riesgo-neutral de los flujos finales descontados.
Examen 2007. Chooser option. Ejercicio de valoración en a 2 períodos.

Sea un modelo de mercado en tiempo discreto con T = 2. El modelo sólo incluye un activo
arriesgado cuya evolución es la siguiente
9
8
6
5
6
4
3
t=0 t=1 T=2
Sea Bt = (1+r)t el precio de un bono libre de riesgo. Por simplicidad en los cálculos se asume r = 0.
Sobre el activo arriesgado se emite una opción chooser con precio de ejercicio e = 7, vencimiento T
= 2 y tiempo de decisión t = 1. Se pide,
1. Obtener las probabilidades riesgo-neutrales

2. Construya el árbol de los valores de la opción chooser.
3. Obtenga la estrategia replicante de la opción.
4. Verifique que la estrategia replicante es autofinanciable.
Nota. La definición de la función de pagos de una opción chooser aparece en el enunciado de la

pregunta #3.
Examen 2006. Opciones de compra americanas sobre activos que pagan dividendos.
3.1. Demostrar la siguiente proposición
Sea S(t) el proceso de un activo arriesgado en el marco de un modelo de mercado multiperiodal.
Sea D(ti) un proceso conocido (no aleatorio) y no negativo que representa la cuantía monetaria de
los dividendos pagados por el activo arriesgado S(t) en los n instantes ti para i=1, ..., n. Nótese que ti
representa un momento justamente anterior al pago del dividendo D(ti), siendo 0 < t < t1 < t2 < ...<
tn < T.
Sea r el tipo de interés expresado en tasa continua compuesta.
Sea U(t) el valor de una opción de compra americana sobre S(t), precio de ejercicio K y vencimiento
T. Nótese que si la opción americana se ejerce en ti, el inversor recibe (S(ti) – K)+. De no ejercerse la
opción en ti, el proceso del activo bajará a S(ti) – D(ti).
Sea V(t) el valor de la opción de compra europea con pago final V(T) ={(S(T) – K)+}.
Demostrar que
U(t)  V(t) para todo t (T > t > 0)
3.2. Sea un modelo de CRR calibrado del que se conocen los siguientes parámetros
 S(0) = 100
 
 u = exp  t = exp(0.15)
 n  T/t  3
 d= 1/u
 exprt   exp(0.01) .
a) Valore en t = 0 una opción europea de compra y una opción americana de compra ambas
con precio de ejercicio K = 80 si el activo subyacente paga en el instante 2 un dividendo
D(2) = 1.
b) Repetir el apartado a) pero cambiando la cuantía del dividendo a D(2) = 10.
c) Compare de forma razonada los resultados de los apartados anteriores.
Examen 2010. Cobertura delta o delta hedging
a) Defina y relacione los siguientes conceptos
- Cobertura delta de una opción

- Aseguramiento de carteras o porfolio insurance
- Estrategia replicante de una opción
b) Sea un banco que vende una opción de venta europea sobre un índice bursátil. Sobre dicho
índice bursátil existe un futuro con vencimiento dentro de 1 año que cotiza a su precio
teórico y tiene multiplicador 10.
b1) Diseñe la cartera inicial de la estrategia de cobertura delta de la opción vendida

utilizando futuros sobre índices, teniendo en cuenta la siguiente información
Indice subyacente: S(0) = 9000

Precio de ejercicio: X=9000
Tasa libre de riesgo: r = 4%
Tasa de diviendos: q = 2%
Vencimiento: T=26 semanas
Volatilidad del índice: =40%
Nominal del contrato de opción: euros
b2) Si la estrategia de cobertura delta se modifica semanalmente y pasada una semana el

índice cambia a 8500:
i. calcule el resultado de la primera semana de la cobertura delta con futuros,

ii. explique cómo modificará el banco su estrategia de cobertura delta con futuros, y
iii. calcule la posición neta del banco teniendo en cuenta la variación en la valoración
teórica de la opción. Por posición neta del banco se entiende la variación de la opción
vendida junta el resultado de la cobertura delta con futuros.
b3) Explique cómo puede acabar la estrategia de cobertura anterior llegado el

vencimiento de la opción contemplando dos escenarios posibles: que la opción acabe
“in the money” o “out of the money”.
b4) Cuál será el coste aproximado de la estrategia teniendo en cuenta una modificación
semanal de la estrategia de cobertura.
Fórmula de Black-Scholes para opciones europeas sobre índices con dividendos en tasa continua:

ln(S0/X) + (r - q + σ 2/2)T
donde d1 
σ T
ln(S0/X) + (r - q - σ 2/2)T
d2 
σ T
Pregunta 2010. Aseguramiento de carteras o portfolio insurance
a) Respecto del portfolio insurance :
a1) Explique en qué consiste.

a2) En que situaciones resulta especialmente adecuada esta estrategia.
a3) Explique cuál es el coste más importante de esta estrategia.
a4) Explique por qué se dice que el portfolio insurance provoca un aumento de la volatilidad de
los mercados bursátiles.
b) Sea un fondo que replica perfectamente un índice bursátil con un capital constituido de
100.000.000 de euros. Sobre dicho índice bursátil existe un futuro con vencimiento dentro de 1
año que cotiza a su precio teórico y tiene multiplicador 100.
b1) Diseñe la cartera inicial de la estrategia de aseguramiento de cartera utilizando futuros

sobre índices, teniendo en cuenta la siguiente información
Indice subyacente: S(0) = 10.000

Precio de ejercicio: X=10.000
Tasa libre de riesgo: r = 4%
Tasa de diviendos: q = 2%
Vencimiento: T=26 semanas
Volatilidad del índice: =40%
b2) Si pasada una semana el índice cambia a 9500
i. calcule el resultado de la primera semana de la estrategia con futuros,

ii. explique como modificará el gestor del fondo la posición en futuros, y
iii. calcule la posición neta del fondo teniendo en cuenta la variación en la valoración
teórica de la opción. Por posición neta del fondo se entiende la variación teórica de la
opción replicada junto el resultado de la cobertura con futuros realizada.
b3) Explique cómo puede evolucionar la estrategia de anterior hasta el vencimiento de la

opción
Fórmula de Black-Scholes para opciones europeas sobre índices con dividendos en tasa continua:

ln(S0/X) + (r - q + σ 2/2)T
donde d1 
σ T
ln(S0/X) + (r - q - σ 2/2)T
d2 
σ T
APENDICE: MARTINGALAS EN TIEMPO DISCRETO
A.1. INTRODUCCIÓN
- INFORMACIÓN Y FILTRACIONES
- PROCESOS ESTOCASTICOS
A.2. MARTINGALAS
- DEFINICIÓN
- DESCOMPOSICIÓN
A.3. TRANSFORMACIÓN DE MARTINGALAS
A.4. TIEMPOS DE PARADA (STOPPING TIMES)
A.5. ENVOLTURAS SNELL (SNELL ENVELOPES)
Bibliografía
Williams(97), capítulos 10 a 14.
Bingham-Kiesel(98), capítulo 3.
Doctorado en Finanzas Cuantitativas, Derivados I Apéndice Tiempo Discreto - 1
A.1. INTRODUCCIÓN
INFORMACIÓN Y FILTRACIONES
En nuestro ámbito el conjunto de información de referencia es la información pública disponible

para todos los agentes del mercado, es decir no existen asimetrías informativas. Se asumirá que la
información no se olvida es decir el mercado tiene memoria. Para modelizar el flujo de información
se utiliza el concepto de filtración.
En un contexto estático nos basta disponer de un espacio de probabilidad y el operador de

expectativas condicionadas para manejar todas las situaciones con aleatoriedad. Sin embargo en un
contexto dinámico es necesario modelizar el flujo de información en el tiempo junto la evolución de
la aleatoriedad. Aleatoriedad e información son dos fuerzas que se contraponen. A medida que pasa
el tiempo se tiene mayor información pues hemos supuesto que la información no se olvida. En el
caso de información completa, la aleatoriedad desaparece.
Las álgebras representan información sobre los sucesos a los que es posible asignar una
probabilidad. Por tanto para representar el flujo de información que se genera en un mercado
financiero es necesario disponer de una secuencia de álgebras crecientes.
Una filtración es una familia de álgebras tal que Fi  Fi +1 (i=0,1,2,...) y F0 = {,}. Donde Fi
representa la información conocida en el instante “i”.
Un espacio de probabilidad filtrado es un espacio de probabilidad dotado de una filtración y se

representa por (,{Fi}, F, P). En el contexto discreto la filtración se puede modelizar a partir de las
álgebras generadas por particiones disjuntas cada vez más refinadas en el espacio muestral .
PROCESOS ESTOCÁSTICOS
Para manejar situaciones dinámicas en las que interviene el tiempo y variables aleatorias que
representen dichas evoluciones se utilizan los procesos estocásticos.
Un proceso estocástico X={Xt : t  I} es una familia de v.a. definidas sobre un espacio de

probabilidad común. “I” representa el conjunto de indexación, aquí el tiempo. Para horizontes
finitos I = {0,1,2,...,T} y para horizontes infinitos I = {0,1,2,...}.
Proceso estocástico adaptado. El proceso estocástico X  X n 
n  0 se llama adaptado a la
filtración Fn n 0 si Xn es Fnmedible.
Así pues, si X es adaptado, el valor de X en el instante n, Xn, es conocido si Fn = (X0, X1, ...,Xn).
A Fn se le conoce como la filtración natural o generada por los propios valores del proceso
estocástico y es la que se tomará por omisión. 
Ejemplo
Sea el proceso de una acción “St” con distribución binomial no recombinante de dos períodos con
probabilidades del “mundo real” de ½ para cada paso en el árbol
s7=180
Nodo 7
s3=120 Nodo 3 ½
. ½ s6=80
Nodo 6
½
s1=80
Nodo 1 s5=72
Nodo 5
. s2=60 Nodo 2 ½
½ s4=36
Nodo 4
½
Instante 0 1 2
La filtración Fi es la historia de la acción hasta el instante “i” en el gráfico
Nodo 1 2 3 4 5 6 7
Fi {1} {1,2} {1,3} {1,2,4} {1,2,5} {1,3,6} {1,3,7}
Esta seria la llamada filtración natural del proceso al incluir sólo la información referente a la
propia historia del proceso y ninguna información externa.
Así un derivado X con vencimiento en T es una función de la filtración FT
Nodos en t=2 S2 Call ( K=70)

7 180 110
6 80 10
5 72 2
4 36 0
Y el operador de esperanzas condicionadas EP( · | Ft) según la filtración nos da
EP(S2 | F0)= (180+80+72+36)/4 = 92

EP(S2 | F1)= en nodo 3 = ½ (180+80) = 130
en nodo 2 = ½ (72+36) = 54
EP(S2 | F2)= S2
A.2. MARTINGALAS
DEFINICIÓN
El vocablo martingala tiene una serie de significados variados aunque el más común es el de juego
de azar. En probabilidad se interpreta como un juego justo donde el precio de la apuesta está
ajustado para que resultado esperado sea cero independientemente de la estrategia de juego seguida.
En concreto, el término nació para designar al juego de doblar la apuesta hasta conseguir ganar en el
juego. Es decir, si se representa el resultado de un juego justo por una variable aleatoria xt que
puede tomar los valores 1 y 0 con probabilidad ½ cada uno y la sucesión de juegos se suponen
independientes, la estrategia de doblar hasta ganar empezando por 1 unidad monetaria de tal forma
que si se gana se recupera el total apostado hasta ese momento y se obtiene una unidad de ganancia.
El único inconveniente es una estrategia de este tipo es que se necesita una cantidad infinita de
riqueza para ganar en el juego.
En el presente contexto las martingalas son una clase de procesos que carecen de tendencia en
media. Dos de las razones para utilizar esta clase de procesos en la modelización financiera son
- El entendimiento de la propiedad de convergencia de las martingalas permitirá demostrar

resultados límites sobre el comportamiento de los procesos estocásticos.
- Los procesos de martingalas proporcionan una vía de formulación del teorema fundamental de
valoración bajo el supuesto de AOA pudiéndose valorar los derivados al tomar expectativas.
Definición
Una secuencia de variables aleatorias {Mn : n0} es una martingala con respecto a la filtración {Fn :
n0} bajo la medida P si
(i) está adaptada a la filtración {Fn : n0},

(ii) E | Mn | <  n0,
(iii) E(Mn+1|Fn) = Mn n0.
{Mn : n0} es una supermartingala si en lugar de (iii) se tiene
(iii’) E(Mn+1|Fn)  Mn n0.
{Mn : n0} es una submartingala si en lugar de (iii) se tiene
(iii’’) E(Mn+1|Fn)  Mn n0.

La propiedad de martingala de un proceso también se puede expresarse de forma alternativa como
E(Mn+1  Mn |Fn) = 0
pues Mn está adaptada a la filtración Fn = (M0, M1, ...,Mn).
Utilizando las propiedades de las expectativas condicionadas se tiene que
E(E(Mn+1|Fn)) = E(Mn)
E(Mn+1) = E(Mn)
iterando se tiene que E(Mn) = E(M0) n0. Muy a menudo el valor inicial de una martingala es una
constante. Para las super y sub martingalas se tiene que en media son decrecientes E(Mn+1)  E(Mn)
y crecientes E(Mn+1)  E(Mn) respectivamente.
Lo importante de poder utilizar los procesos de martingala para modelizar el mercado financiero
reside en la amplia teoría que sobre los mismos existe y los potentes resultados a los que es posible
llegar. A través de los siguientes ejemplos se muestra como encontrar martingalas donde
aparentemente no existen de forma inmediata.
Ejemplo. El paseo aleatorio. Sea {Xi : i  0 } una secuencia de v.a. i.i.d. con E(Xi) = 0 y E|Xi| < 
i  0. Un paseo aleatorio se puede formar agregando estas variables de forma sucesiva
S n  S0   in1 X i con S0 = X0. Este es un modelo de comportamiento para los precios de una
acción siempre y cuando no pueda tomar valores negativos. Se comprueba ahora que Sn cumple los
requisitos para ser martingala. Sea Fn=(S0,...,Sn), entonces E|Sn|   in1 E X i  nE X1   y
E(Sn+1|Fn) = E(Sn+Xn+1|Fn) = Sn + E(Xn+1|Fn) = Sn. Por lo tanto {Sn : n  0} es una martingala.
Ejemplo. Proceso de ramificación o branching process. Sea Zn el tamaño de la población en la

generación “n” donde cada individuo produce un número de descendientes Xi con media m y todos
se reproducen independientemente y con Z0 = 1. La población una generación posterior es
Zn
Z n 1   X . Si se define W
i 1
i n = Zn / mn entonces se tiene que {Wn : n  0 } con
Fn=(W0,...,Wn) y por tanto E(Wn) = m  n E( Z n 1X)  m  n mE( Z n 1 )  ...  m  n m n  1   por

ser Zn y X v.a. independientes y positivas. Además E(Wn+1|Fn) = m-n-1E(Zn+1|Fn) = m-n-1m Zn = m-n
Zn = Wn. Por lo tanto {Wn : n  0} es una martingala.
Ejemplo. Producto de v.a. independientes no negativas de media 1. Sea {Xi : i  1 } una secuencia
de v.a. independientes no negativas con E(Xi) = 1 i. Si se define Mn  X1X2...Xn, y Fn  ( X1 ·
X2 · ... · Xn) con M0 1 y F0  {, }. Para n  1 se tiene que E(Mn|Fn-1) = E(Mn-1Xn|Fn-1) =
Mn-1E(Xn|Fn-1) = Mn-1E(Xn) = Mn-1. Con lo que M es una martingala.
DESCOMPOSICIÓN
Proposición
Descomposición de Doob.
Toda supermartingala U tiene una única descomposición
Un = Mn - An
Donde Mn es una martingala y An es un proceso predecible no decreciente con A0 = 0.
Demostración. La elección U0 = M0 es forzosa. En un instante cualquiera n se tiene
Un - Un-1 = Mn - Mn-1- (An - An-1)
entonces aplicando expectativas condicionadas E(·| Fn 1 ) y teniendo en cuenta que A es previsible

y M una martingala
E(Un |Fn-1) - Un-1 = - (An - An-1) (es previsible y no decreciente)
Y por tanto
Un - E(Un |Fn-1) = Mn - Mn-1 (claramente martingala)
Las dos igualdades anteriores muestran que tanto A como M están determinados unívocamente en
términos de U y dotadas de las propiedades correctas.
A.3. TRANSFORMACIÓN DE MARTINGALAS
Definición
Proceso previsible
Un proceso C = {Cn : n  1} se dice que es previsible si Cn es Fn-1 medible n  1.
La idea de los procesos previsibles para los juegos de apuestas se interpreta como la cantidad a
apostar que se determina antes de realizar la apuesta y el resultado es por tanto proporcional a dicho
proceso. En la construcción de carteras tiene una interpretación similar pues se trata de estrategias
de inversión predeterminadas.
Si se tiene una martingala {Mn : n  0} y Cn es la cantidad de dinero a apostar en el juego ‘n’. El

resultado del juego es desconocido al realizar la apuesta y por tanto Cn  Fn-1. Si se trata de un
juego justo, el proceso ‘X’ de ganancias será a su vez una martingala. Las ganancias del juego ‘n’
pueden calcularse como el incremento de la martingala M y por tanto el resultado, ‘Xn’, de utilizar
la estrategia previsible como apuesta, se pueden calcular como el incremento de la martingala,
n
X n   C i (M i  M i 1 )  (C  M) n
i 1
El incremento de los beneficios es
X n  X n 1  C n (M n  M n 1 )
El proceso estocástico X = C·M es una integral discreta estocástica y se le llama la transformación

de martingala de M por C. Resulta fácil demostrar que si M es una martingala (super/sub
martingala) su transformación por un proceso previsible y acotado también es una martingala
(super/sub martingala). Se deja como ejercicio para el estudiante.
Como se verá en a lo largo del curso este análisis está muy conectado con el teorema de
representación de martingalas el cual nos dice que si se tiene una martingala ‘M’ en el espacio de
probabilidad (, F, P) entonces cualquier otra martingala ‘X’ en este espacio puede ser
representada como una transformación de M por un proceso predecible C. En el caso discreto se
verá una aplicación a través del Teorema de Representación Binomial. De momento se puede
estudiar el lema de transformación de martingala. La aplicación importante del lema siguiente
reside en que todas las martingalas respecto al mismo espacio de probabilidad filtrado pueden
relacionarse a través de un proceso previsible.
Lema de transformación de martingalas

Una secuencia adaptada de variables aleatorias reales integrables {Mn : n =1,2,...} es una martingala
si y solo si para cualquier secuencia previsible y acotada C = {Cn : n1},
 n 
E  C i (M i  M i 1 )   0 (n = 1, 2, ...)
 
 i 1 
Demostración.
() Si Mn es una martingala, X definido como la transformación
n
X n   C i (M i  M i 1 )  (C  M ) n para  1 con X0 = 0
i 1
Es la transformación C·M que es una martingala (basta con comprobar que E(Xn)=0).
 n 
() Si E  C i (M i  M i 1 )   0 (n=1,2,3...), se puede definir que para cualquier conjunto ‘A’
 
 i 1 
Fj-medible Cn = 0 para todo n  j+1 y Cn+1=IA (indicador cero/uno de A). Entonces Cn es previsible
y la condición del lema se queda en
 
E I A (M j1  M j )  0 .
Como esto es válido para todo ‘A’ Fj-medible, tomando expectativas condicionadas se tiene que
 
E M j1 | F j  M j j
Es decir, (Mn) es una martingala.
INTEGRABILIDAD UNIFORME
La convergencia casi segura no implica convergencia en Lp y por tanto no necesariamente la

martingala que converge casi seguramente converge en L1. De hecho hay muchos ejemplos en los
cuales la martingala converge pero no se tiene que E(M) = E(M0).
1 p( x )  (n  1) 1
Ejemplo. Sea Mn = xn con x n   . Las xn son v.a. i.i.d. con media 1/n+1.
0 p( x )  1  (n  1) 1
Sin embargo Mn  0 casi seguramente cuando n   y por tanto E(M) = 0  E(M0) = 1.
Esta clase de problemas ocurren por que se asignan a probabilidades pequeñas a valores grandes
que puede tomar la martingala. Esto puede mantener la media constante mientras las variables
aleatorias sucesivas van convergiendo a otra cosa distinta.
Para tener siempre la convergencia en L1 junto con convergencia casi segura se requiere que la
integrabilidad uniforme.
Definición
Una colección de v.a. {Xi : i  C} se dice que es uniformemente integrable (UI) si para todo  > 0
existe un K <  tal que
E(|Xi| : |Xi| > K) < i  a la clase de v.a. C.
Esta condición es a menudo difícil de verificar pero a continuación se recogen dos condiciones
suficientes
1. Si la colección de v.a. está acotada en Lp para algún p > 1 entonces es UI.

2. Si existe una v.a. integrable Y que domina la colección, entonces la colección es UI.
En muchos casos es más fácil establecer la convergencia de la martingala demostrando que la

martingala está acotada en L2. El siguiente teorema formaliza est1a idea
Teorema
 
Sea M una martingala acotada en L2  sup E(M 2n )   n  entonces M converge casi seguro y en
 n 
L2 si y solo si

 E((M i  M i 1 ) 2 )  
i 1
Demostración. Véase Williams (1997) páginas 110-111. Se utiliza la propiedad de ortogonalidad

de los incrementos de martingala.
Si una martingala M es UI entonces M converge casi seguramente y en L1

A.4. TIEMPOS DE PARADA (STOPPING TIMES)
Definición
Un tiempo de parada o stopping time ‘T’ es una aplicación
T:  {0, 1, 2, 3, ..., n, ...+}
Tal que el suceso {T  n}={: T()  n} es Fn-medible.
Un tiempo de parada es un suceso basado en la historia del proceso en el sentido de que el tiempo
de parada llega porque se da alguna condición. Esta condición debe estar basada en la historia hasta
ese instante y no en el futuro.
Así desde un punto de vista intuitivo el siguiente símil es esclarecedor. El conductor de un coche
que desconoce la ruta y cuyas instrucciones son tomar la tercera salida de una autopista después de
una ciudad es capaz de tomarla pues está basado en el recorrido que se sigue. Si por ejemplo las
instrucciones fueran las de tomar la tercera salida antes de una ciudad determinada, esta decisión
sólo se puede tomar si se llega a la ciudad con lo que la decisión correcta no puede tomarse a
tiempo por no estar basada la decisión en la “historia del proceso”.
La idea del tiempo de parada es que “se puede determinar cuando parar el proceso basándose
únicamente en la información de la que se dispone hasta el instante de decidir la parada”.
Una cuestión de interés es si se puede hacer una elección cuidadosa del tiempo de parada para ganar
en un juego justo. Por ejemplo, si recordamos el juego de apuestas de martingala de ir doblando
hasta ganar una unidad y salirse, es posible encontrar el instante óptimo de salida de forma
sistemática y preconcebida para ganar en el juego, siendo éste un juego justo. Esto lleva la
pregunta ¿ Cuándo es E(MT) = E(M0) para una martingala M ?. Siendo MT la martingala referida
al tiempo de parada “T” que es “FT-1” medible. Es decir, una martingala con tiempo de parada
¿continua siendo martingala?. Si la respuesta es afirmativa, entonces se puede aplicar la teoría de
martingalas estudiada y aplicar los teoremas fundamentales de valoración. Si la respuesta fuera
negativa o condicionada a definir el tiempo de parada con ciertas propiedades, entonces se debería
comprobar cada vez dichas propiedades o caracterización para volver a aplicar la teoría de
martingalas.
Para contestar a esta pregunta se puede empezar por considerar una estrategia previsible como la
siguiente. Sea C(T) una estrategia de apostar una unidad cada juego hasta el tiempo de parada T. Es
decir
C (nT )  I{T  n} , n
Esta estrategia está acotada y es previsible y por tanto la transformación de la martingala M por esta
estrategia previsible es a su vez una martingala. Luego se tiene que
C(T) · M n  M T  n  M 0
y tomando esperanzas
E(M T  n )  E(M 0 ) n (1)
Pero ¿cuando se puede afirmar que E(M T )  E(M 0 ) ?. El teorema del tiempo de parada óptimo de
Doob da algunas condiciones suficientes para establecer esta igualdad.
Teorema
Teorema del tiempo de parada óptimo de Doob.
Sea M una martingala y sea T un tiempo de parada, entonces E(MT) <  y E(MT) = E(M0) si se
verifica alguna de las siguientes condiciones
1. El tiempo de parada T esta acotado en el sentido que existe un N  N tal que T()  N 
2. La martingala está acotada en el sentido que existe un K, K  R+, tal que |Mn()|  K y
n  N y T es c.s. finito.
3. Los incrementos de martingala están acotados en el sentido que existe un K, K  R+, tal que
|Mn()-Mn-1()| < K y n  N, y E(T) < .
Demostración. La primera condición es obvia pues se puede utilizar (1) de la página anterior con n
= N. Para la condición 2 se utiliza el teorema de la convergencia dominada tomando como función
dominante la constante K. Esto permite tomar límites en (1) y obtener el resultado deseado.
Para la condición 3, se utiliza nuevamente el teorema de convergencia dominada
Tn
MTn  M0   | M i  M i 1 |  KT
i 1
Tomando la función dominante a KT se puede aplicar el teorema de convergencia dominada y
como T debe ser c.s. finito si tiene media finita se puede tomar límite a la expresión (1). 
Proposición
(i) Si {Mn : n = 0,1,2,...} es un proceso adaptado y T un tiempo de parada, la secuencia parada
{Mn^T} es adaptada.
(ii) Si {Mn : n = 0,1,2,...} es una martingala y T un tiempo de parada, la secuencia parada
{Mn^T} es una martingala (válido también para super y sub martingalas).
Demostración. Véase Bingham-Kiesel (1998) página 76.
Ejemplo. Paseo aleatorio simple. Sea {Xi : i  0 } una secuencia de v.a. i.i.d. representando
lanzamientos sucesivos de una moneda. Si se crea un juego de apuestas tal que asigne un premio de
1 o una perdida de –1 para los dos resultados posibles con probabilidad ½. El paseo aleatorio se
puede formar agregando estas variables de forma sucesiva S n  S0   in1 X i con S0 = X0.
Supongamos que se decide jugar hasta que se consiga que un resultado de +1 y entonces se
abandona el juego. Sea T el momento de salida. T es un tiempo de parada. Nótese que
(i) T <  c.s. : el jugador ganará con certeza una unidad finalmente.
(ii) E(T) = + : El tiempo de espera hasta la salida es infinito.
(iii) No puede establecerse un límite a la pérdida máxima del jugador antes de conseguir su
primer beneficio de +1.
Esta estrategia de juego es una es una prueba de tontos pues se necesita recursos ilimitados de
tiempo y capital para llevarla a cabo!. Es destacable que ninguna de las condiciones del teorema de
parada óptima se cumplen en este caso.
Para UI martingalas se puede condensar la condición requerida en el teorema de parada óptimo al

siguiente teorema.
Teorema
Sea M una martingala UI y T un tiempo de parada. Si el T es c.s. finito y E(|MT|) <  entonces
E(MT) = E(M0).
Demostración. Como M es un martingala se tiene que E(M T  n )  E(M 0 ) n . Considérese
E(M T ) E(M T I{T  n} )  E(M T I{T  n} )

 E(M T  n )  E(M T  n I{T  n} )  E(M T I{T  n} )
 E(M 0 )  E(M n I{T  n} )  E(M T I{T  n} )
Ahora es necesario justificar el tomar límites en los dos últimos términos. Para E(M T I{T  n} ) se
tiene que T es c.s. finito y E|MT| <  y por lo tanto es posible tomar el límite cuando n y
obtener que E(M T I{T  n} )  0. Para el otro término se puede utilizar la propiedad de UI pues
E(M n I{T  n} )  E( | M n | ;T  n) . Como el conjunto {Tn} es Fn-medible y decreciente cuando
n se puede utilizar la propiedad UI para obtener E( | M n | ;T  n)   para un ‘n’
suficientemente grande. Así pues, este término tiende a cero cuando n y se obtiene el resultado
deseado. 
Si se examina la estrategia de martingala (doblar hasta ganar) es fácil ver que el proceso de
ganancias no es UI y por esta razón no se verifica que E(MT) = E(M0).
A.5. ENVOLTURAS DE SNELL
Definición
Si Z  Z n nN 0 adaptada a la filtración {Fn}, la secuencia U  U n nN 0 definida por
U N : Z N ,

U n : max( Z n , E( U n 1 | Fn )) n  N  1
se llama envoltura Snell de Z.
Esta definición se utilizará para definir el valor de una opción americana en el tema siguiente.
Piénsese de momento la secuencia U como el valor de una opción americana y Z como el flujo
generado por el ejercicio de la opción. Solo se ejerce y no se vende en el mercado de opciones si su
valor intrínseco es superior al precio esperado de la opción para el período siguiente.
Proposición
La envoltura de Snell U de Z es una supermartingala y es la supermartingala más pequeña que
domina Z.
Demostración. U n  max ( Z n , E( U n 1 | Fn ))  E( U n 1 | Fn ) y por tanto es una supermartingala. U

domina Z por definición. Supongamos que Mn es otra supermartingala que domina Z tal que UN =
MN = ZN. Supóngase que en el instante n Mn  Un. Entonces, Mn-1  E(Mn|Fn-1)  E(Un|Fn-1) y por
tanto M n 1  max( Z n 1 , E( U n | Fn ))  U n 1 . Entonces por inducción hacia atrás se tiene que M
domina a U. 
Lema
Sea 0  inf {n  0 | Un = Zn}. Entonces 0 es un tiempo de parada respecto a la {Fn} y U 0  n es
una martingala.
Demostración. Como UT = ZT entonces 0  {0, 1, 2, ..., T} y { 0 = 0} = {U0=Z0}  F0. Para n  1

se tiene que
{ 0 = n} = {U0 > Z0}  ...  {Un-1 > Zn-1}  {Un = Zn}  Fn
Ahora téngase en cuenta que U  0  ( n 1)  U  0  n  ( U n 1  U n ) I ( 0  n  1) . Pero si 0  n+1

entonces Un > Zn y esto se debe a que U n  E( U n 1 | Fn ) . Finalmente se tiene que
U  0  ( n 1)  U  0  n  ( U n 1  E( U n 1 | Fn )) I ( 0  n  1)
Como {  0  n+1} = {  0 < n}c  Fn entonces aplicando expectativas condicionadas E(·| Fn ) a la

expresión anterior se tiene que E( U  0  ( n 1)  U  0  n | Fn ) = 0 y por lo tanto U  0  n es una
martingala. 
Se designará por n,N al conjunto de tiempos de parada tomando valores en {n, n+1, ..., N}. La
envoltura Snell resuelve el problema de parada óptima. Es decir, se busca el tiempo de parada
óptimo, 0, que pueda dar el mayor valor posible a la secuencia Z dada la información inicial. El
valor óptimo al inicio debe ser el valor esperado más alto de la secuencia Z de entre todos los
posibles tiempos de parada.
Proposición
0 resuelve el problema de parada óptima de Z:
U 0  E( Z  0 | F0 )  sup {E( Z  | F0 )}
 0  
o de forma más general
U n  E( Z  0 | Fn )  sup {E( Z  | Fn )}
 n   
Demostración. Obviamente U 0  E( U n   0 | F0 )  E( U  0 | F0 )  E( Z  0 | F0 ) por ser martingala

U n   0 y verificarse que U  0  Z  0 . Para cualquier tiempo de parada   0,N , U n   es una
supermartingala (véase la proposición del apartado anterior), por tanto
U 0  E( U n   | F0 )  E( U  | F0 )  E( Z  | F0 )

Es decir no se puede parar en ningún otro tiempo de parada distinto de 0 porque se tiene entonces
una supermartingala y en ningún otro punto salvo el caracterizado por la proposición se obtiene el
valor más alto. Este resultado se reconduce ahora para obtener un teorema de caracterización del
tiempo de parada óptimo.
Definición
Un tiempo de parada 0 es óptimo para la secuencia {Z} si
E( Z  0 | F0 )  sup E( Z  | F0 )
  0,T
Nótese que aunque 0 sea óptimo puede no ser el único óptimo. En el siguiente teorema sirve para
identificar el tiempo de parada óptimo.
Teorema
Un tiempo de parada  es óptimo si y solo si Z = U y U n   es una martingala. 
Demostración
()Si la secuencia parada U n   es una martingala entonces U0 = E(U|F0) y por lo tanto con Z =
U, se tiene con la proposición anterior que  es un tiempo de parada óptimo.
()Supóngase ahora que  es óptimo, entonces E( Z  0 | F0 )  sup E( Z  | F0 ) = U0 por la

  0,T
proposición anterior y por lo tanto U0 = E(Z|F0)  E(U|F0). Pero también se tiene el resultado de
que U n   es una supermartingala, lo que implica que U0 E(U|F0) y en consecuencia E(Z|F0) =
E(U|F0) y finalmente Z= U.
Ahora ya puede afirmarse que U0 = E(U|F0). No obstante, como U n   es una supermartingala,

también se tiene que U0  E(U n   | F0)  E(U| F0), lo cual implica que E(U n   | F0) = E(U| F0)
= E(E(U| Fn)| F0). Como U es la envoltura Snell de Z entonces U n    E(U| Fn) y en
consecuencia de la frase anterior se deduce que U n   = E(U| Fn) lo cual otorga a U n   la
propiedad de martingala a través de la propiedad de las expectativas condicionadas reiteradas. 

Proposición
El tiempo de parada óptimo mayor o último para una secuencia {Z} viene dado por
N si A N  0
m  
inf(n , A n 1  0) si A N  0
Siendo A el proceso no decreciente y predecible que se obtiene de la descomposición de Doob de

una supermartingala.
Demostración
Se puede demostrar como se ha hecho antes que U n   m es una martingala. Para demostrar que m
es óptimo basta con demostrar que U  m = Z  m por el teorema anterior. Nótese que
T T 1
Um   U j I( m  j)   max{Z j , E( U j 1 | F j )} I( m  j)  Z T I( m  T ) .
j 0 j 0
Pero E(Uj+1|Fj) = E(Mj+1Aj+1|Fj) = Mj Aj+1 y cuando m = j, Aj = 0 y Aj+1 >0. Por lo tanto, m = j

implica que Uj = Mj y
E( U j 1 | F j )  M j  A j 1  M j  U j .
Como U es la envoltura Snell de Z se fuerza a que Uj = Zj y así se obtiene que
T
Um   Z j I( m  j)  Z  m
j 0
Para demostrar que m es el tiempo de parada óptimo mayor, supóngase que  es otro tiempo de
parada tal que  m. Eligiendo E(At) > 0 se tiene que
E( U  )  E( M  )  E( A  )  E( U 0 )  E( A  )  E( U 0 ) (pues A 0  0)
(Se ha utilizado el teorema de parada óptima de Doob E(M  )  E(M 0 )  E( U 0 ) ). Por

contradicción, U n   m no puede se una martingala pues ello implicaría
E( U   n )  E( U  )  E( U 0 ) . Es decir no se cumple la condición del teorema anterior de
optimalidad. 

T Discreto Sin Soluciones

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

T Discreto Sin Soluciones

Cargado por

Copyright:

Formatos disponibles

VALORACIÓN DE DERIVADOS EN TIEMPO DISCRETO

1. INTRODUCCIÓN A LA VALORACIÓN NEUTRAL AL RIESGO

Apuntes preparados por:

1.- INTRODUCCIÓN A LA VALORACIÓN NEUTRAL AL RIESGO

El principal objetivo de este tema es la introducción a la valoración por arbitraje de

MODELO DE MERCADO UNIPERIODAL BINARIO

Los elementos básicos del modelo son los siguientes:

Ω = {ω1, ω2} con Prob(ωi) > 0 para i = 1,2.

La representación gráfica de la evolución de los activos del modelo es la siguiente

BONO p BT(ω1) = (1+r)T

Los supuestos del modelo son los siguientes

- Mercado sin fricciones: no existen costes de transacción, no existe horquilla de

- El mercado es competitivo: los participantes toman precios del mercado, no pueden

- Agentes son racionales: en nuestro contexto de valoración por arbitraje lo

- Ausencia de oportunidades de arbitraje (AOA en adelante): si existiera alguna OA

LA LEY DEL PRECIO ÚNICO

Definición de la Ley del Precio Único (LPU)

En el modelo de mercado uniperiodal binario (dos estados de la naturaleza ω1 y ω2) con

Cartera replicante general VT(ω1) = φ ST(ω1) +ψ BT

Resolviendo se obtiene que

ψ = B T−1 (X T (ωi ) − φS T (ωi )) para i = 1,2

Si tuviéramos n estados de la naturaleza posibles, necesitaríamos disponer de n activos

EJEMPLO: VALORACIÓN DE UNA OPCIÓN DE COMPRA

Sea un mercado uniperiodal binario representado por los siguientes diagramas

ACCIÓN p=¾ S1(ω1) = 180

BONO p=¾ B1(ω1) = (1+r)

CALL p=¾ C1(ω1) = 30

VALORACIÓN DE LA CALL POR EXPECTATIVAS ACTUALIZADAS

Si el “experimento” puede repetirse una infinidad de veces, el vendedor que fije un

Si tomamos por sencillez r = 0 y p= ¾ se obtiene

C0 = (1+r)-1EP[C1] = (1+0)-1 [30·¾ + 0·(1-¾)] = 22,5.

VALORACIÓN DE LA CALL POR ARBITRAJE

Continuando con el ejemplo anterior se va a valorar la opción de compra utilizando la

Cartera replicante p V1(ω1) =1/3*180-30=30

V0(φ=1/3, ψ=−30) = 1/3*150-30 = 20

Se puede concluir que la valoración por expectativas actualizadas no tiene porqué

PROBABILIDAD NEUTRAL AL RIESGO

Vamos ahora a intentar reconciliar la valoración por expectativas actualizadas con la

C0 = B1-1EQ[C1] = B1-1[q C1(ω1) + (1-q) C1(ω2)]

Aquí, como se ha visto ya anteriormente, todo es conocido menos q. En un mercado

B1 (φS0 + ψB 0 ) − (φS1 (ω2 ) + ψB1 )

S0 = B1-1EQ[S1] = B1-1[q S1(ω1) + (1-q) S1(ω2)]

En el ejemplo anterior q = (150-90)/180-90 = 60/90 = 0.666666.

VECTOR PRECIO-ESTADO Y MEDIDA DE PROBABILIDAD RIESGO NEUTRAL

Supóngase aquí que el espacio muestral Ω se compone de un número finito “N” de

El vector Ψ se le llama en términos económicos vector precio-estado o factor de

Para relacionar la medida de probabilidad neutral al riesgo y el vector precio-estado,

AOA ⇔ existencia de vectores precio-estado.

En adelante se referirá un modelo de mercado M al conjunto de cuatro elementos:

(Ω, F, P). El modelo se desenvuelve en un espacio de probabilidad (Ω, F, P)

{Ft }Tt = 0 . Una filtración es una familia de σ−álgebras tal que Fi ⊆ Fi +1

(t=0,1,2,...,T-1) y F0 = {Ω,∅}. Donde Ft representa la

Una estrategia de negociación se representa a través de un proceso estocástico vectorial

Φ = {Φ ( t )}Tt =1 = {(φ 0 ( t , ω), φ1 ( t , ω),..., φ d ( t , ω))'}Tt =1

Generalmente se le exigirá que sea predecible respecto a la información en un instante

El valor de la cartera es en sí un proceso. V(0) es el valor, dotación o riqueza inicial.

El valor de la cartera en t-1 es V(t-1)= Φ(t)’S(t-1) nada más establecerse. Un instante

∆V(t) = V(t) – V(t-1) = Φ(t)’ (S(t)−S(t-1)) = Φ(t)’∆S(t).

G ( t ) =∑τt =1 Φ (τ)' (S(τ) − S(τ − 1)) = ∑τt =1 Φ (τ)' ∆S(τ), ( t = 1,2,..., T)

Φ(t)’S(t) = Φ(t+1)’S(t) (t = 1,2,...,T-1).

Es decir, liquidando en t la cartera iniciada en el instante t-1 con la estrategia previsible

Las estrategias autofinanciables no se modifican con el cambio de numerario, de tal

3. PRIMER TEOREMA FUNDAMENTAL DE VALORACIÓN DE ACTIVOS:

P{V(T) = Φ(T)’S(T) ≥ 0} = 1 y P{V(T) = Φ(T)’S(T) > 0} > 0.

100 = (126/1.05)Q(T,ω1)+ (105/1.05)Q(T,ω2)+ (84/1.05)*Q(T,ω3)