Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ESCUELA DE INGENIERIA
EVALUACIÓN DE OPCIONES
REALES MEDIANTE SIMULACIÓN:
EL MÉTODO DE LOS MÍNIMOS
CUADRADOS
Profesor Supervisor:
GONZALO CORTÁZAR SANZ
GONZALO CORTÁZAR
GUSTAVO LAGOS
AUGUSTO CASTILLO
MARIO DURÁN
a mi tío Horacio,
y a Katherina.
ii
AGRADECIMIENTOS
iii
iv
INDICE GENERAL
Pág.
DEDICATORIA………………………………………………………………………....ii
AGRADECIMIENTOS…………………………………………………………………iii
INDICE DE TABLAS…………………………………………………………………..ix
INDICE DE FIGURAS…………………………………………………………………xv
RESUMEN……………………………………………………………………………xviii
ABSTRACT…………………………………………………………………………....xix
I. INTRODUCCIÓN .................................................................................................1
BIBLIOGRAFÍA ...........................................................................................................184
A N E X O S ..................................................................................................................191
Pág
Tabla 3.12 : Valores de las primeras cuatro opciones de la tabla (3.11) para distintos
números de polinomios de Laguerre (K) presentes en la base de regresión…..................71
Tabla 3.13 : Valores de las primeras cuatro opciones de la tabla (3.11) para distintos
números de potencias simples (K) presentes en la base de regresión……………………73
Tabla 3.14 : Valores de las primeras cuatro opciones de la tabla (3.11) para distintos
números de polinomios de Chebyshev (K) presentes en la base de regresión…………...75
Tabla 4.1 : Parámetros estimados por Schwartz (1997) para el proceso de precios
planteado por Gibson y Schwartz (1990)………………………………………………...85
Tabla 4.2 : Variables de estado iniciales para el día 2 de Enero de 1998. Estimación
realizada por Cortázar y Schwartz (1998)……………………………………………….86
ix
Tabla 4.3 : Producción y costos anuales del pozo de petróleo planteado por Cortázar
y Schwartz (1998)………………………………………………………………………..88
Tabla 6.7 : Parámetros del mercado, del precio del cobre y de la estructura
tributaria del ejemplo propuesto en Brennan y Schwartz (1985)………………………151
Tabla 6.8 : Valor de la mina para diferentes precios obtenida mediante el algoritmo
LSM (50.000 simulaciones) v/s el método de diferencias finitas utilizado por
Brennan y Schwartz (1985)…………………………………………………………......152
Tabla 6.9 : Valor de la mina para diferentes precios obtenida mediante el algoritmo
LSM (100.000 simulaciones) v/s el método de diferencias finitas utilizado por
Brennan y Schwartz (1985)…………………………………………………………….153
x
Tabla 6.10 : Valor de la mina para diferentes precios spot del commodity obtenida
mediante el algoritmo LSM (50.000 simulaciones) v/s el método de Barraquand-
Martineau……………………………………………………………………………….154
Tabla 6.13 : Valores de la mina para distintos niveles de la tasa de interés real
obtenidos mediante el algoritmo LSM (50.000 simulaciones) v/s el método de
diferencias finitas……………………………………………………………………….160
Tabla 6.14 : Valores de la mina para distintos niveles de riesgo político obtenidos
mediante el algoritmo LSM (50.000 simulaciones) v/s el método de diferencias
finitas…………………………………………………………………………………....162
xi
Tabla (D.4) : Valor de la mina cuando el algoritmo LSM se aplica considerando
100.000 simulaciones, tres oportunidades de ejercicio por año, tres potencias como
base de regresión y 50 años de plazo de concesión v/s el método de diferencias
finitas utilizado por Brennan y Schwartz (1985)……………………………………….201
xii
Tabla (D.10) : Valor de la mina cuando el algoritmo LSM se aplica considerando
50.000 simulaciones, tres oportunidades de ejercicio por año, tres potencias como
base de regresión y 50 años de plazo de concesión v/s el método de diferencias
finitas utilizado por Brennan y Schwartz (1985)……………………………………….207
xiii
Tabla (D.16) : Valor de la mina cuando el algoritmo LSM se aplica considerando
50.000 simulaciones, tres oportunidades de ejercicio por año, tres potencias como
base de regresión y 70 años de plazo de concesión v/s el método de diferencias
finitas utilizado por Brennan y Schwartz (1985)……………………………………….213
xiv
INDICE DE FIGURAS
Pág
Figura 4.2 : Valor de desarrollo óptimo del pozo en función del retorno por
conveniencia del petróleo………………………………………………………………..98
Figura (5.1) : Valor de la mina abierta (V), y cerrada (W) como función del precio
spot del commodity (S)…………………………………………………………………115
xv
Figura (5.2) : Estados de reservas relevantes para la implementación del algoritmo
LSM…………………………………………………………………………………….121
Figura (5.3) : Transiciones factibles entre los estados operacionales de la mina para
dos tiempos consecutivos……………………………………………………………….123
Figura (6.3) : Comparación de los precios críticos de cierre para distintos niveles
de inventario procedentes del algoritmo LSM, y del método de diferencias finitas……168
Figura (6.4) : Comparación de los precios críticos de abandono para distintos niveles
de inventario procedentes del algoritmo LSM y del método de diferencias finitas…….169
Figura (6.5) : Regresión para estimar el valor esperado de una mina cerrada que
cuenta con 140 MMLb. en inventario…………………………………………………..170
Figura (6.6) : Ajuste de la regresión exhibida en la figura (6.5) para aquéllos valores
de la mina cerrada cuyo precio spot del cobre es inferior a 0.5 US$/Lb.…………..…..171
xvi
Figura (6.7) : Política óptima de operación obtenida a través del algoritmo LSM
para los distintos niveles de inventario, con K1 = K 2 = f = 0 ………………………….174
el algoritmo LSM……………………………………………………………………….175
Figura (6.9) : Política óptima de operación obtenida a través del algoritmo LSM,
para distintos niveles de inventario, con K1 = K 2 = US $200.000 y f = 0 …………...176
Figura (6.11) : Política óptima de operación obtenida a través del algoritmo LSM
para los distintos niveles de inventario, para K1 = K 2 = 0 y f = 500.000 / año ……...178
xvii
RESUMEN
xviii
ABSTRACT
One of the most interesting extensions of the pricing methods for financial
options is using these algorithms for valuing investment proyects. This application is
known as Real Options Theory.
Upon the beginning of this investigation there has been none reference of
using the algorithm proposed by Longstaff and Scwartz (2001) for valuing real
options. The perception of this fact has motivated that in the present thesis we extend
the implementation of this new method to two of these options, these models are
those presented in Brennan and Schwartz (1985), and Cortazar and Schwartz (1998).
The obtained results include the valuation of the proyects and the generation of their
optimal operating policy. These solutions were compared with those founded by other
more traditional methods, which ratified the validity of this implementation. Due to
the greater difficulty for valuing real options instead of other derivatives, the adequate
valuation of this type of real assets means a major test for this algorithm. Therefore, it
can be concluded that the method proposed by Longstaff and Schwartz (2001) is a
very powerful valuation tool, whose potencial can be used in all areas where the
derivatives are traded, such as for example: the markets for stocks, bonds, mortgages,
commodities, sovereign debts, and currencies.
xix
1
I. INTRODUCCIÓN
Una buena parte del éxito alcanzado por una empresa se debe a la
capacidad de gestión de sus ejecutivos. Sin embargo, aún cuando el reconocimiento
de este hecho se encuentra debidamente documentado, la incorporación de esta
premisa a la hora de tomar las decisiones de asignación de capital fue postergada
durante mucho tiempo.
1
Este es el nombre con el cual se conocen aquellas opciones que se transan en los
mercados financieros, en general son opciones escritas sobre: acciones, índices accionarios, futuros,
tasas de interés, commodities, etc.
2
Gracias a trabajos como los de: Tourinho (1979), Brennan y Schwartz (1985) y
McDonald y Siegel (1985).
2
3
Este es el nombre con el cual se identifica a los activos derivados que sólo pueden
ejercerse en una fecha predeterminada.
4
Esta forma de resolución permite encontrar la política de ejercicio óptima, es decir,
permite dilucidar para qué instante de tiempo resulta más conveniente tomar la decisión de ejercicio.
La resolución adecuada de esta problemática resulta indispensable para valorizar cualquier activo
americano.
4
5
Véase por ejemplo: Stentoft (2001), Moreno y Navas (2001) y Clément, Lamberton y
Protter (2001).
5
2.1.1 Introducción
La semejanza entre las funciones que representan los flujos de caja de las
opciones financieras y muchos proyectos de inversión comenzó a detectarse a partir
de los años ochenta. Las opciones financieras al ser derechos contingentes otorgan a
sus poseedores la facultad de aprovechar los eventos favorables y al mismo tiempo
limitar las pérdidas en escenarios negativos. Esta asimetría puede caracterizarse
mediante funciones que representan flujos de caja no-lineales. Por ejemplo, una
opción de compra (call) que otorga el derecho pero no la obligación de comprar un
determinado activo a un precio preestablecido (precio de ejercicio), exhibe flujos de
8
Al igual que para el caso de las opciones financieras, las opciones reales
también pueden evaluarse usando la valorización neutral al riesgo. Esta metodología
señala que es válido asumir que todos los inversionistas son indiferentes al riesgo
(vale decir no requieren compensación cuando se aumenta la incertidumbre), cuando
se trata de evaluar activos derivados. Dada esta suposición, basta con calcular el
valor esperado de los pagos de la opción en un mundo neutral al riesgo para luego
descontarlos a la tasa libre de riesgo. Para aproximar las distribuciones de las
variables aleatorias que representan los pagos de la opción, generalmente se recurre a
la simulación de Monte Carlo.
que refleje el premio por riesgo de las variables consideradas. Esta prima, se obtiene
de un modelo de equilibrio de los mercados financieros. Esta metodología, a
diferencia de las opciones reales sobre commodities transables, tiene la ventaja de
prescindir de la modelación del retorno por conveniencia1(parámetro que se trata de
estimar mediante el uso de la estructura temporal de los contratos futuros).
La gran ventaja del VAN es su simpleza, sin embargo, ésta puede ser
también su mayor desventaja, sobre todo cuando la estructura de la inversión a
valorizar no se adapta a los supuestos intrínsecos de esta metodología2.
1
Con este nombre se conoce al costo de oportunidad que significa poseer un contrato
futuro, en vez del activo subyacente.
2
Para una descripción detallada de las desventajas del VAN como método de
valorización de inversiones en recursos naturales, véase Cortázar (1999).
12
3
Para una excelente recopilación, de los principales artículos publicados en el área de
opciones reales, véase Schwartz y Trigeorgis (2001).
13
geométrico, y la política óptima está dada por tres precios críticos. Por último, se
incorpora la opción de diferir la inversión inicial, de manera de encontrar el
momento óptimo para llevarla a cabo.
2.2.1 Introducción
4
Este término corresponde al pago que se recibe por ejercer la opción, considerando el
valor de las variables de estado en ese momento.
17
a) Reseña histórica
5
La programación dinámica es un método ascendente, ya que primero divide el
problema original en subproblemas. Combinando las soluciones de estos subproblemas, se obtienen
las soluciones de ejemplares sucesivamente más grandes, hasta llegar a resolver el problema original.
18
Sin embargo, activos cada vez más complejos junto con productos
financieros altamente sofisticados han sido y continúan siendo introducidos al
mercado. Estos nuevos productos poseen características especialmente diseñadas
para aislar cualquier tipo de riesgo, por más refinado que éste sea. Esto provoca que
muchos de estos activos dependan de múltiples variables de estado. Por ejemplo, un
administrador de fondos que desee cubrir su posición en acciones tecnológicas ya no
necesita comprar un portafolio de opciones, le basta con adquirir una opción sobre el
índice Nasdaq-100. Así también, un inversionista que desee apostar a que las
acciones de empresas de biotecnología subirán más que las de empresas provenientes
del sector automotriz, pero desea un resguardo en caso de equivocarse, puede
comprar una opción escrita sobre la diferencia entre dos índices accionarios. Las
opciones de “canasta” (“basket options”) y las opciones sobre “spreads”, son sólo
dos ejemplos de derivados cuyos pagos dependen de múltiples activos. Muchos de
estos instrumentos, particularmente los swaptions de tasas de interés de tipo
“bermudiano”6, revisten gran importancia económica7.
6
El término bermudiano se utiliza para referirse a activos que otorgan un número finito
de oportunidades de ejercicio, a diferencia del término americano que se reserva para aquellos activos
que permiten tomar estas decisiones de manera continua.
7
Véase Longstaff, SantaClara y Schwartz (2001), para una descripción de las pérdidas
ocasionadas por el ejercicio subóptimo de los swaptions americanos.
19
a) Introducción
8
Algunos autores denominan a este problema "maldición de la dimensionalidad".
20
Hasta hace algunos años la creencia general era que los métodos de
simulación no eran aplicables a opciones americanas. Por ejemplo, Hull (1999)
señala: “Una limitación de los métodos de simulación de Monte Carlo, es que sólo
pueden utilizarse para evaluar derivados de tipo europeo”. Sin embargo, esta visión
empezó a cambiar a medida que numerosos algoritmos híbridos que combinan la
simulación con elementos de programación dinámica comenzaron a ganar
aceptación.
b) Reseña histórica
9
La medida de probabilidad neutral al riesgo es aquella que permite que los valores
esperados de los activos coincidan con las expectativas de inversionistas para los cuales la volatilidad
del retorno es irrelevante.
21
10
Este es el nombre con el cual se conoce a los procesos estocásticos cuya tasa de
crecimiento instantáneo esperado es cero. Es decir, E(St) = So. Para una explicación detallada, véase
Dudley (1989).
23
i) Algoritmo de agrupación
dos, agrupará a las trayectorias: ik +1 ,..., i2 k , etc. Para estimar la decisión óptima a
11
De esta manera, se está aproximando el valor de la opción americana por el de una
opción bermudiana equivalente.
12
Básicamente, una estrategia de ejercicio corresponde a un tiempo de parada si la
decisión de ejercer sólo depende de la información disponible hasta ese momento y no del
comportamiento futuro de los activos subyacentes o de las variables de estado.
13
Para facilitar la exposición de los distintos procedimientos, se asume que la tasa de
interés es igual a cero.
24
St
S0
t
0 = t0 t1 t2 t3 t4 td = T
vector de n dimensiones, por lo que: St (i ) = ( St1 (i ),..., Stn (i )) . Para cada bin k , en el
ct (k ) K
Q(t , k ) = max[ , ∑ pt (k , l )Q(t + 1, l )] (2.2)
at (k ) l =1
14
Esta manera de aproximar el valor esperado de continuar constituye la gran diferencia
con el algoritmo de agrupación, ya que esta metodología asume que la probabilidad de que una
trayectoria "salte" de un bin a otro es nula, por lo tanto, para estimar el valor de continuar para un
determinado bin, sólo utiliza el pago promedio de esa agrupación en el tiempo siguiente.
27
Pago
t
0 = t0 t1 t2 t3 t4 td = T
15
Este inconveniente se presenta cuando la política de ejercicio óptima depende de
múltiples variables de estado.
28
tiempo cualquiera t < T , la región de ejercicio óptimo de esta opción estará formada
por dos áreas disjuntas, como se ilustra en la figura (2.3).
S1
Ejercer
Ejercer
Continuar
S2
Figura 2.3 : Áreas de ejercicio disjuntas para una opción escrita sobre dos activos: S1
y S2 . El pago de la opción es: h(t , St1 , St2 ) = max(max( St1 , St2 ) − K ;0)) . Las lineas
punteadas representan curvas de “isopago”.
lo largo de esta curva, lo que provoca que el algoritmo de estratificación sea incapaz
de converger a la política de ejercicio óptima.
Q = max(a, µ ) (2.3)
b
En (2.4), X = ∑ h(T , X T (i )) / b
i =1
16
Raymar y Zwecher (1997a), demuestran que pueden obtenerse mejores resultados si
se divide en dos variables de estado el espacio de pago del derivado.
30
θ ( X T (1),..., X T (b), a ) = a si X1 ≤ a
17
Debe recordarse que cada nodo X t (i ) , representa un vector de n dimensiones, por
lo que: X t (i ) = ( X t (i ),..., X t (i )) .
1 n
31
X 2 (1,1)
X1(1) X 2 (1, 2)
Subárbol 1 X 2 (1, 3)
X 2 (1, 4)
X 2 (2,1)
X 2 (2, 2)
X 1 (2) X 2 (2, 3)
S0
X 2 (2, 4)
X 2 (3,1)
X 1 (3) X 2 (3, 2)
X 2 (3, 3)
X 2 (3, 4)
X 2 (4,1)
X 1 (4) X 2 (4, 2)
Subárbol 4 X 2 (4, 3)
X 2 (4, 4)
Figura 2.4 : Ilustración de un árbol simulado con b = 4 ramas por nodo y tres
oportunidades de ejercicio. El rectángulo punteado identificado como “Subárbol 1”
señala el subárbol que emana del nodo X 1 (1) .
ecuación (2.3). Luego, ϕ1 (1) puede definirse usando la ecuación (2.4) y esta
ϕ0 = max(h(0, S0 ), ϕ ) (2.6)
b
En esta ecuación, ϕ = ∑ ϕ1 (i ) / b . Este mismo procedimiento recursivo,
i =1
puede aplicarse en la definición del estimador θ sobre un árbol simulado que cuente
con un número de oportunidades de ejercicio finito.
18
A diferencia de los árboles binomiales “recombinatorios” propuestos por Cox, Ross y
Rubinstein (1979).
19
Para un refinamiento de este algoritmo, en cuanto al descarte de ramas que no aportan
información, como también, referente al uso de técnicas antitéticas. Véase Broadie y Glasserman
(1997c).
33
Q = max (τ ) E[h(τ , Sτ )]
Qˆ (T , X T (i )) = h(T , X T (i )) (2.7)
20
Si se tratara de un problema donde el activo subyacente sigue un movimiento
2
(ln( y ) − (ln( x) + r − σ
2
1 )
browniano geométrico, f (t , x, y ) = exp(− 2 ).
2πσ ∆t σ 2 ∆t
34
Donde ω (t , X t (i ), X t +1 ( j )) ≡ f (t , X t (i ), X t +1 ( j )) / g (t + 1, X t +1 ( j )) , es un
S1
X 2 (3)
X 1 (1)
X 2 (1)
X1(2)
S0 X2(2)
t2
t1 X1(3)
S2
Figura 2.5 : Ilustración de una malla estocástica para una opción que depende de dos
activos S 1 y S 2 . Para cada tiempo t = t1 , t2 se generan tres vectores aleatorios.
b
g (t , u ) = 1/ b∑ f (t − 1, X t −1 ( j ), u ) para t = 2,..., T (2.11)
j =1
36
21
Este procedimiento puede llegar a requerir de mucho trabajo computacional si el
parámetro b de la malla es elevado.
22
A diferencia de lo que ocurre en el algoritmo del árbol simulado.
37
23
Una práctica sugerida por Broadie y Glasserman (1997b) consiste en efectuar
a) Soluciones intuitivas
Q = E[h(τ ∗ , Sτ ∗ )] (2.13)
Otra idea para estimar el precio de Q podría ser simular una trayectoria:
S = ( S0 , S1 ,..., ST ) para luego calcular el estimador P definido por la siguiente
expresión:
24
En términos prácticos una filtración corresponde a la forma en que la información es
revelada a los inversionistas (partición de eventos). Por ejemplo en t=0, todo evento es posible, en
t=1, la filtración revela que algunos eventos son imposibles, o muy improbables, y en t=T, los
inversionistas conocen el verdadero estado. Para una explicación más detallada, véase Dudley (1989).
39
25
El sesgo de este estimador es generalmente bastante severo, por lo que su
aproximación al valor de la opción resulta deficiente.
40
se produce debido a que las mismas trayectorias se utilizan para estimar las
decisiones de ejercicio óptimas y el valor de la opción. Por otro lado, el sesgo
inferior se genera debido a que la estrategia de ejercicio estimada no es la óptima. A
medida que se aumenta el número de simulaciones, en el algoritmo de Barraquand-
Martineau, el sesgo superior va desapareciendo, sin embargo, debido a que la
estrategia estimada no converge necesariamente a la política óptima, el sesgo inferior
podría mantenerse.
Q = max(a, µ )
ϕ = max(a, X )
b
donde, X = ∑ h(T , X T (i )) / b
i =1
≥ max(a, E[ X ]) (2.17)
= max(a, µ ) = Q (2.18)
26
La desigualdad de Jensen plantea que, para una función estrictamente convexa, la
esperanza de la función siempre será mayor que la función evaluada en la esperanza de su dominio.
42
θ ( X T (1),..., X T (b), a ) = a si X1 ≤ a
θ ( X T (1),..., X T (b), a) = X 2 si X1 ≥ a
= ap + µ (1 − p ) (2.20)
≤ max(a, µ ) = Q (2.21)
h(t , St1 , St2 ) = max( St1 St2 − K ;0) . Los autores utilizan el método de extrapolación de
Qˆ ∝ = 2Q2 d − Qd (2.22)
3.1 Introducción
1
Para resolver estos problemas mediante el método de diferencias finitas, debe
agregarse una dimensión al modelo para transformarlo en un problema markoviano.
45
de estado sigan procesos estocásticos muy generales, tales como: los procesos de
difusión planteados por Merton (1976), y por Cox y Ross (1976), procesos no-
markovianos, como los propuestos por Heath, Jarrow y Morton (1992), e incluso
semi-martingalas, como las usadas por Harrison y Pliska (1981)2.
2
Las semi-martingalas se caracterizan por ser los procesos estocásticos más generales
sobre los cuales pueden definirse las integrales estocásticas. Para una completa revisión de la teoría de
martingalas, véase Dudley (1989).
46
3
Una opción asiática corresponde a un derivado cuyo subyacente es un promedio de los
valores de un activo a lo largo de un período determinado.
47
espacio Ω representa el conjunto de todos los eventos factibles, lo cual puede ser
interpretado como todas las posibles evoluciones de una economía estocástica desde
el tiempo t = 0 hasta el tiempo t = T . Un elemento típico de Ω se representa por: ω
(lo que corresponde a una trayectoria simulada). F simboliza la topología de los
eventos que se pueden distinguir en el tiempo t = T (En este sentido F representa
una partición de los eventos incluidos en Ω , para el tiempo t = T ). P denota una
medida de probabilidad de los elementos de F ). Para definir la filtración generada
por el proceso de precios de los activos relevantes para esta economía se utiliza el
término F, luego F = ( Ft : t ∈ [0, T ] ), y se asume que F = FT . En este caso F
K
F (ω; tk ) = EQ [ ∑ exp(− ∫ tkj r (ω , s )ds )C (ω , t j : tk , T ) / Ftk ]
t
(3.1)
j = k +1
4
Cuando el algoritmo LSM se aplica a una opción americana financiera (“call” o "put")
cuyo subyacente sigue un proceso browniano geométrico, la ecuación (3.1) se conoce con certeza,
para el tiempo tk = t K −1 , ya que esta expresión se reduce a la fórmula de Black y Scholes para una
opción europea con tiempo de expiración: t K − t K −1 , donde el valor inicial del subyacente es igual a:
StK −1 (ω ) .
50
opción en el tiempo tk +1 .
serie discreta de funciones medibles con respecto a la partición generada por FtK −1 .
5
Para una descripción más detallada de los espacios de Hilbert, y en general de toda la
teoría referente al análisis real, véase Dudley (1989).
6
Para problemas no markovianos, las funciones base deben evaluarse en los valores
actuales de las variables de estado, como también en sus valores anteriores.
51
L0 ( X ) = exp(− X / 2) (3.2)
exp( X )d N
LN ( X ) = exp(− X / 2)( )( X N exp(− X )) (3.5)
N !dX N
∞
F (ω , t K −1 ) = ∑ a j L j ( X ) (3.6)
j =1
Otros tipos de funciones base pueden ser los polinomios de: Legendre,
Chebyshev, Gegenbauer y Jacobi7. Pruebas numéricas realizadas por Longstaff y
Schwartz (2001) indican que a pesar de no ser bases ortonormales las series de
Fourier y las series trigonométricas e incluso las potencias simples de las variables
de estado, también entregan resultados satisfactorios.
7
En el anexo A, se especifica la forma funcional de estos polinomios.
52
resulta óptimo ejercer el derivado. Para ello, FˆM (ω , t K −1 ) se compara con el valor
intrínseco de la opción, el cual se representa mediante la siguiente expresión:
VI (ω, t K −1 ) . Si VI (ω, t K −1 ) ≥ FˆM (ω , t K −1 ) , entonces: C (ω , s : t K − 2 , T ) = VI (ω, t K −1 ) . Pero
53
t K −1
Cabe destacar que la expresión: FˆM (ω , t K −1 ) se utiliza sólo para efectos de tomar la
decisión de ejercer. Esta forma de proceder evita el sesgo superior que se produciría
al establecer: C (ω , s, t K − 2 , T ) = Max(VI (ω , t K −1 ); FˆM (ω , t K −1 )) 8. La recursión procede
8
Para demostrar este sesgo debe calcularse el valor esperado de la siguiente expresión :
resulta del ejercicio de la opción, para luego promediar los pagos que provienen de
cada una de las trayectorias ω .
N
1
V ( X ) ≥ lim
N →∞ N
∑ LSM (ω , M , K )
i =1
i
9
La demostración de la proposición 3.1 se realiza en el anexo B.
55
aquélla determinada por el algoritmo LSM, generará precios menores o iguales que
aquél determinado por la estrategia óptima de parada.
10
Este procedimiento no puede aplicarse cuando el valor de la opción se calcula
directamente al descontar el máximo entre el valor de ejercicio inmediato y el valor estimado de
continuar: Max (VI (ω , t K −1 ); FˆM (ω , t K −1 )) , ya que con esto se genera un sesgo superior,
∫ 0∞ exp(− X ) * F 2 (ω , t1 ) * dX < ∞
∫ 0∞ exp(− X ) * F 2 X (ω , t1 ) * dX < ∞
1 N
lim Pr | V ( X ) − * ∑ LSM (ωi , M , K )> ε = 0
N →∞
N i =1
de integración (pertenencia de F (ω , t1 ) a L2 ).
Tabla 3.1 : Matriz de simulaciones. Esta tabla exhibe 8 simulaciones para el precio
de un activo subyacente que no paga dividendos. El precio inicial es: 1.00, la tasa de
interés es: 6% anual. El precio de ejercicio de la opción de venta a valorizar es: 1.10.
Tabla 3.2 : Matriz de flujos de caja para t = 3 . Los valores de la última columna
corresponden al pago que se obtiene al ejercer la opción de venta en t = 3 . Un cero
indica que para la trayectoria considerada resulta preferible no ejercer el derivado.
1 - - 0.00
2 - - 0.00
3 - - 0.07
4 - - 0.18
5 - - 0.00
6 - - 0.20
7 - - 0.09
8 - - 0.00
Trayectoria Y X
1 0.02 0.04
3 0.03 0.05
4 0.13 0.12
6 0.33 0.15
7 0.26 0.15
Tabla 3.5 : Matriz de flujos de caja para el tiempo t = 2 . Los valores de esta tabla
representan el flujo de caja que se obtiene al seguir la estrategia de ejercicio óptima
aproximada por el algoritmo, para los tiempos t = 2 y t = 3 .
1 - 0.00 0.00
2 - 0.00 0.00
3 - 0.00 0.07
4 - 0.13 0.00
5 - 0.00 0.00
6 - 0.33 0.00
7 - 0.26 0.00
8 - 0.00 0.00
vez que este derivado se ejerce no existen más flujos de caja, ya que este activo sólo
puede ejercerse una vez11.
Dado que esta opción sólo puede ejercerse una vez12, los flujos de caja
provenientes de este activo, ocurren ya sea en el tiempo t = 2 o en el tiempo t = 3 ,
pero no en ambos momentos. Los flujos de caja que se reciben en el tiempo t = 2 , se
descuentan un período, mientras que aquéllos percibidos en el tiempo t = 3 , deben
ser descontados dos periodos.
11
Si se observa las tablas (3.2) y (3.5), éstas entregan los valores estimados de:
C (ω , s, t = 2, t = 3) y de C (ω , s, t = 1, t = 3) respectivamente, según la notación utilizada en la
sección anterior.
12
Aún cuando la mayoría de los derivados tradicionales se ejercen una sola vez,
también debe tenerse en cuenta aquellos instrumentos anidados, los cuales permiten percibir flujos de
caja en más de una oportunidad. Para estos activos generalmente resulta difícil descartar trayectorias
de la regresión, ya que los valores intrínsecos de estos derivados no son fijos pues dependen de las
estimaciones de los valores esperados de continuar. Esto debe tenerse en cuenta cuando se valoriza la
mina de Brennan y Schwartz (1985).
64
Al igual que antes X representa los precios del activo subyacente para
aquellas simulaciones en las cuales la opción presenta un valor intrínseco positivo
para el tiempo t = 1 . Los vectores X e Y se reportan en la siguiente tabla:
Trayectoria Y X
13
Según Longstaff y Schwartz (2001), si la función (3.8) se estimara considerando las
ocho trayectorias simuladas, la base de regresión debiera incluir por lo menos seis términos.
65
1 0.01 0.013
4 0.17 0.11
6 0.34 0.29
7 0.18 0.12
8 0.22 0.15
Tabla 3.8 : Estrategia de parada generada por el algoritmo LSM. El valor uno indica
en qué momento resulta óptimo ejercer la opción considerada. Según esta regla de
detención sólo resulta óptimo ejercer el derivado para las trayectorias: tres, cuatro,
seis, siete y ocho.
1 0 0 0
2 0 0 0
3 0 0 1
4 1 0 0
5 0 0 0
6 1 0 0
7 1 0 0
8 1 0 0
Tabla 3.9 : Matriz de flujos de caja de la opción. Los valores de esta tabla
representan los pagos que se obtienen al seguir la estrategia de ejercicio generada por
el algoritmo LSM, para la opción de venta considerada. Para aproximar el precio del
derivado deben descontarse estos flujos, para luego promediarlos.
Una vez computados los flujos de caja generados por esta opción
americana de venta para cada oportunidad de ejercicio, y en cada trayectoria
68
14
Esta técnica consiste en generar un punto de una trayectoria mediante la obtención de
un número aleatorio, para luego utilizar el inverso aditivo de éste, en la generación del mismo punto
pero en la trayectoria siguiente. Para una revisión de las técnicas de reducción de varianza, véase Hull
(1999).
70
Tabla 3.11 : Valores de las primeras cuatro opciones presentadas en la tabla (3.10)
para distintos números de polinomios de Laguerre (K) presentes en la base de
regresión. Análisis realizado por Stentoft (2001).
individuales: 0.012, 0.012 ,0.011 y 0.014 respectivamente. Para los demás aumentos
en el número de polinomios, no todas las opciones incrementan su valor y aquéllas
que lo hacen no presentan cambios que puedan considerarse estadísticamente
significativos. Por lo que la pregunta a resolver es, si el número adecuado es dos o
tres polinomios. Para dilucidar esta disyuntiva Stentoft (2001) compara los
resultados de usar ambas bases con los precios aproximados por diferencias finitas,
(éstos pueden encontrarse en la tabla (3.10)). Al considerar este aspecto, resulta
evidente que, los precios obtenidos para K=2, son significativamente distintos de
aquéllos calculados por diferencias finitas, sin embargo, para K=3, los precios de
ambas metodologías (como se constató anteriormente), resultan prácticamente
indistinguibles. De esta manera Stentoft (2001) concluye que, al menos para su
aplicación práctica, el algoritmo LSM debiera usar los tres primeros polinomios de
Laguerre, cuando se escoge esta forma funcional para especificar la base de
regresión a utilizar para aproximar la función esperanza de continuar.
Tabla 3.12 : Valores de las primeras cuatro opciones presentadas en la tabla (3.10)
para distintos números de potencias simples (K) presentes en la base de regresión.
Análisis realizado por Stentoft (2001).
que las potencias simples permiten la convergencia más rápida del método, ya que
sólo la mitad de los precios reportados para K = 2 resultan significativamente
distintos de los precios calculados por diferencias finitas exhibidos en la tabla (3.10).
(1 − (2 x − 1) )
2 0.5
(3.10)
Tabla 3.13 : Valores de las primeras cuatro opciones presentadas en la tabla (3.10)
para distintos números de polinomios de Chebyshev (K) presentes en la base de
regresión. Análisis realizado por Stentoft (2001).
Precio de ejercicio 40
35
30
25
0 10 20 30 40 50
Tiempo
Precio de ejercicio 40
35
30
25
0 10 20 30 40 50
Tiempo
40
Precio de ejercicio
35
30
25
0 10 20 30 40 50
Tiempo
Dado que las reservas con que cuenta el pozo son conocidas, se puede
proyectar con certeza el esquema de extracción junto con los costos unitarios de
producción. Además, como el mercado de futuros de petróleo presenta gran liquidez,
los precios a los cuales puede venderse la producción resultan conocidos de
antemano. Todo lo anterior provoca que el valor presente de los flujos de caja
generados por este proyecto pueda determinarse con precisión al momento de
efectuar la inversión.
λ
αˆ = α − (4.8)
κ
1
Para una completa descripción del concepto “precio de mercado del riesgo” para
activos no-transables, véase Brennan y Schwartz (1982), y Cox, Ingersoll y Ross (1985).
84
1 σ 2 2 σ 1σ 2 ρ σ 2 2 (1 − exp(−2κ T )
A(T ) = r − αˆ + − T +
2 κ2 κ 4 κ3
σ 2 1 − exp(−κ T )
+ ακ
ˆ + σ 1σ 2 ρ − 2 (4.10)
κ κ2
Tabla 4.1 : Parámetros estimados por Schwartz (1997) para el proceso de precios
planteado por Gibson y Schwartz (1990). Los datos se generan a partir de contratos
futuros de petróleo, transados entre Enero de 1993 y Mayo de 1996.
r 0.050
κ 1.187
α 0.090
σ1 0.212
σ2 0.187
ρ 0.845
λ 0.093
Tabla 4.2 : Variables de estado iniciales para el día 2 de Enero de 1998. Estimación
realizada por Cortázar y Schwartz (1998), considerando los datos de la tabla (4.1).
S0 17.390
δ0 -0.057
Una vez que las inversiones necesarias para habilitar la explotación del
pozo se efectúan, éste puede considerarse como un yacimiento “desarrollado”, el
cual como se dijo anteriormente, presenta condiciones de explotación conocidas. Por
ejemplo: los costos asociados a la extracción y a la comercialización, junto con los
niveles de producción anuales se consideran fijos. Una vez realizada la inversión
para habilitar el pozo se utiliza una variante del método del Valor Actual Neto
(VAN) conocida con el nombre de “Equivalentes ciertos” para valorizar los flujos
generados por la explotación del pozo. Un equivalente cierto del valor del precio del
petróleo en un año más corresponde al precio al que actualmente se transa un
contrato futuro sobre petróleo en los mercados financieros. Una vez valorada la
producción mediante el uso de estos equivalentes ciertos, resulta fácil obtener el
valor presente del proyecto, ya que los flujos se descuentan a la tasa libre de riesgo.
87
N
VD( S , δ ) = ∑ exp(− rt ) { PF
t ( S , δ , t ) − Ct } (1 − τ ) + τ Dt
(4.11)
t =1
Donde:
Tabla 4.3 : Producción y costos anuales del pozo de petróleo planteado por Cortázar
y Schwartz (1998).
1 1,70 3,00
2 1,00 2,00
3 0,55 1,40
4 0,34 1,10
5 0,23 0,97
6 0,16 0,87
7 0,07 0,47
4.3.1 Simulación
2
Para una resolución de este problema mediante el algoritmo de Raymar-Zwecher,
véase Osorio (1999).
90
1 − e −κ∆t σ 12k
∆X = −δ + A( ∆ t ) − + σ 1k ε1 (4.13)
κ 2
σ 22 2σ 1σ 2 ρ σ 22 (1 − e −2κ∆t ) σ 2 1 − e −κ∆t
σ 12k = σ 12 + − ∆ t + + 2σ 2 ρσ − (4.15)
κ2 κ 2κ 3
1
κ κ 2
1 − e −2κ∆t
σ 22k = σ 22 (4.16)
2κ
1 − e −2κ∆t σ2 1 − e−κ∆t
σ
2
+ σ 2 ρσ 1 − κ
2
2κ 2
κ
ρ (∆t ) = (4.17)
σ 1k σ 2 k
Para la fecha de expiración del contrato (la cual se denota por T ) el valor
del proyecto definido por Q se conoce con certeza para cualquier trayectoria
simulada. Este valor se define mediante la siguiente ecuación:
92
yˆ (ωT −1 ) = βˆ0 + βˆ1 SωT −1 + βˆ2 Sω2T −1 + βˆ3 Sω3T −1 + βˆ4 SωT −1 δ ωT −1 + βˆ5δ ωT −1
M
1
Q( S0 , δ 0 , t = 0) = Max(
M
∑ Q(Sω
j =1
1
j , δ ω j , t = 1)e − r∆t , VD( S0 , δ 0 ) − I ) (4.25)
1
derecho.
Tabla 4.4 : Comparación del valor obtenido mediante el algoritmo LSM y el algoritmo
de Barraquand Martineau para el pozo de petróleo de Cortazar y Schwartz (1998).
algoritmo LSM se obtiene una política óptima de operación que depende tanto del
precio spot del petróleo como de su retorno por conveniencia.
y (ω ) = VD( S , δ ) − I (4.26)
t ωt ωt
25
20
15
-0.10 -0.05 0.00 0.05 0.10
R et o r no p o r co nveni enci a
45
44
43
42
41
Valor de desarrollo óptimo año 1
40
-0.10 -0.05 0.00 0.05 0.10
R et o r no p o r co nveniencia
Figura 4.2 : Valor de desarrollo óptimo del pozo en función del retorno por
conveniencia del petróleo.
25
Precio spot(US$/barril)
20
25
Precio spot(US$/barril)
20
25
Precio spot(US$/barril)
20
4.4.3 Conclusiones
1
Algunas extensiones o modificaciones de este modelo pueden encontrarse en: Cortázar
y Schwartz (1993), Casassus (1996), Castillo (1999), Cortázar y Casassus (2000) y Cortázar,
Schwartz y Casassus (2001).
104
dS
= µ dt + σ dz (5.1)
S
anual de producción puede variar sin costo entre un límite superior denotado por q y
un límite inferior simbolizado por q (el cual sólo se alcanza cuando la mina se
encuentra cerrada).
V = V ( S , Q, t ; j , φ ) (5.2)
1
dV = VS dS + VQ dQ + Vt dt + VSS (dS ) 2 (5.3)
2
2
En cierto sentido este lema constituye una especie de regla de la cadena en la teoría
del cálculo diferencial estocástico. Para un análisis detallado de su deducción, véase Itô (1951).
107
dQ = − qdt (5.4)
FC = q( S − A) − M (1 − j ) − λ jV − T (5.5)
arbitraje este retorno debe ser igual a la tasa libre de riesgo (denotada por ρ ), esto
provoca que se deba cumplir la siguiente ecuación diferencial parcial:
1 2 2
σ S VSS + ( ρ S − C y )VS − qVQ + Vt + q( S − A) − M (1 − j ) − T − ( ρ + λ j )V = 0 (5.7)
2
por: φ ∗ = {q* , S0* S1* , S 2* } , el valor de la mina además satisface el siguiente problema
de optimización:
V ( S , Q, t ) = maxφ V ( S , Q, t ,1, φ )
W ( S , Q, t ) = maxφ V ( S , Q, t , 0, φ )
1
max q∈( q ,q ) σ 2 S 2VSS + ( ρ S − C y )VS − qVQ + Vt + q( S − A) − T − ( ρ + λ1 )V = 0 (5.8)
2
1 2 2
σ S WSS + ( ρ S − C y )WS + Wt − M − ( ρ + λ0 )W = 0 (5.9)
2
V ( S , Q = 0, t ) = W ( S , Q = 0, t ) = 0 (5.10)
Por último, si se supone que los precios críticos de cierre y apertura que
maximizan el valor de la mina (denotados por: S1* y S2* ) son conocidos por todos los
inversionistas del mercado, se obtienen las siguientes condiciones de equilibrio:
WS ( S 2* , Q, t ) = VS ( S2* , Q, t ) (5.14)
WS ( S0* , Q, t ) = 0 (5.15)
Este modelo no cuenta con una solución analítica y como está definido
por un sistema de ecuaciones diferenciales parciales de segundo orden en tres
dimensiones, su resolución numérica resulta extremadamente compleja.
f = M (t )e −π t (5.17)
s = Se −π t (5.20)
w( S , Q) = W (q, Q, t )e −π t (5.21)
v ( s , Q ) = V ( q, Q, t )e −π t (5.22)
Al hacer este cambio se asume que las variables sólo suben de precio
debido a la tasa de interés real. Para estas nuevas definiciones, el valor de la mina en
términos reales para ambos estados de operación se encuentra dado por las siguientes
expresiones:
1
max q∈( q ,q ) σ 2 s 2 vSS + (r − k ) svS − qvQ + q ( s − a ) − τ − (r + λ1 )v = 0 (5.23)
2
1 2 2
σ s wSS + (r − k ) swS − f − (r + λ0 ) w = 0 (5.24)
2
v( s, Q = 0) = w( s, Q = 0) = 0 (5.26)
w ( s* , Q ) w( s1* , Q) − k1 (Q) ≥ 0
vS ( s1* , Q) = S 1 si * (5.29)
0 w( s1 , Q) − k1 (Q) ≤ 0
τ = t1 qs + t2 q [ s(1 − t1 ) − a ] (5.31)
1 2 2
σ s vss + (r − k ) svs + ms − n − (r + λ )v = 0 (5.32)
2
1 2 2
σ s wss + (r − k ) sws − (r + λ ) w = 0 (5.33)
2
Donde:
m = q* (1 − t1 )(1 − t2 ) (5.34)
n = q* a(1 − t2 ) (5.35)
Las soluciones generales para las ecuaciones (5.23) y (5.24) están dadas
por las siguientes expresiones:
w( s ) = β1 s γ1 + β 2 s γ 2 (5.36)
ms n
v( s) = β3 sγ1 + β 4 sγ 2 + + (5.37)
λ +k r+λ
r−k 2(r + λ )
γ 1 = α1 + α 2 , γ 2 = α1 − α 2 y α1 = 1 2 − 2 , α 2 = α12 +
σ σ 2
w( s ) = β1 s γ1 (5.38)
ms n
v( s) = β 4 sγ 2 + − (5.39)
λ +k r+λ
3
En el Anexo Nº3 se presenta la demostración de esta afirmación.
114
abrir esta mina (representada por los precios críticos s1* y s2* ), se determinan
mediante el sistema conformado por las ecuaciones: (5.27), (5.28), (5.29) y (5.30),
cuando éstas no consideran a Q como variable de estado.
γ1 γ2
β1 s2* = β 4 s2* + ds2 + b (5.27')
γ2 γ1
β 4 s1* + ds1 + e = β1 s1* (5.28')
γ 2 −1 γ 2 −1
γ 2 β 4 s1* + d = γ 1 β1 s1* (5.29')
γ 1 −1 γ 2 −1
γ 1 β1 s2* = γ 2 β 4 s2* +d (5.30')
Donde: e = k1 − n , b = − k2 − n , d =m
(r + λ ) (r + λ ) (λ + k )
ds2* (γ 2 − 1) + bγ 2
β1 = γ1
(5.40)
(γ 2 − γ 1 ) s2*
ds2* (γ 1 − 1) + bγ 1
β4 = γ2
(5.41)
(γ 2 − γ 1 ) s2*
4
El valor para β4 encontrado en esta investigación resulta distinto del reportado en
ds2* (γ 1 − 1) + bγ 1
Brennan y Schwartz (1985), ya que en esta publicación β4 = γ2 .
(γ 2 − γ 1 ) s1*
115
γ 2 (e − bxγ ) 1
s2* = (5.42)
( xγ − x)d (γ 2 − 1)
1
s1*
Donde x = corresponde a la raíz de la siguiente ecuación no-lineal:
s2*
V
V,W
k2
W
k1
S
S1* S2*
Figura (5.1) : Valor de la mina abierta (V) y cerrada (W) como función del precio
spot del commodity (S); k1 : costo de cerrar la mina; k2 : costo de abrir la mina; S1* :
Cuando los precios del commodity son muy bajos la mina vale más
cerrada que abierta, ya que el costo que significa cerrar la mina resulta menor que las
pérdidas generadas durante la operación. Sin embargo, para precios mayores del
mineral, la mina vale más abierta que cerrada, ya que conviene comenzar la
explotación a pesar del desembolso de los costos de apertura. Resulta evidente al
observar la figura (5.1) que, a medida que los costos de cierre y apertura se
aproximan a cero, los valores para los precios críticos denotados por: s1* y s2* se
hacen cada vez más similares, provocando que ambas curvas tiendan a juntarse.
Por otro lado, a medida que el costo de cierre se hace muy grande la
opción de cierre de la mina disminuye y en el límite el valor de la mina abierta se
hace igual al valor representado por la línea punteada en la figura (5.1).
1
dX = (r − k − σ 2 )dt + σ dz (5.45)
2
σ2
∆X = r − k − ∆t + σε ∆t (5.46)
2
σ2
S (t + ∆t ) = S (t ) exp r − k − ∆t + σε ∆t (5.47)
2
NB = Q = Qη (5.48)
q * ∆t q*
cual no se han iniciado aún las labores productivas, mientras que Q = 0 , simboliza el
evento para el cual se ha extraído todo el mineral. Considerando entonces esta
discretización, se definen NB + 1 estados de reservas posibles.
V ( S , Q = 0, t ) = 0 (5.49)
l , t = T − i ) = V ( S , Q = i, t = T − i )
V (S , Q = Q (5.50)
l = i, i + 1,..., NB
Para: i = 0,1,..., NB y Q
para esta fecha aún no se ha comenzado la producción, por lo tanto, no pueden existir
estados en los cuales las reservas sean menores.
Q=NB
Q=1 t
Q=0
t=NB t=T-NB t=T
Figura (5.2) : Estados de reservas relevantes para la implementación del algoritmo LSM.
Sólo entre el tiempo t = NB y t = T − NB se consideran todos los estados de reservas,
en cambio, para el tiempo t = 0 y t = T , sólo un estado de reserva resulta relevante.
122
V(Q-1)
V,W -k1-f
V(Q) W(Q-1)
AB.
-k2
V(Q-1)
-f
W(Q) W(Q-1)
AB.
t
t t+1
Figura (5.3) : Transiciones factibles entre los estados operacionales de la mina para dos
tiempos consecutivos. Los flujos negativos simbolizan los costos involucrados en las
transiciones. (k1) costo de cierre, (k2) costo de apertura y (f) costo de mantención.
lo que debe cancelarse cada vez que se decide cerrar o mantener cerrada la mina.
Estos desembolsos se representan mediante flujos negativos en la figura (5.3).
Cada vez que se decide continuar con la producción o abrir la mina, los
dueños del proyecto perciben un ingreso que es función del precio spot S y de la
tasa de producción anual q * . Este flujo de caja se define a partir de la siguiente
ecuación:
Como se mencionó en la sección anterior, para cada precio spot del cobre
generado en la simulación, el algoritmo distingue entre la mina abierta y cerrada, y
entre sus distintos niveles de inventario. Luego si Sωt se define como el precio spot
estimación, que se tiene cuando el precio spot equivale a S , del valor presente en el
tiempo t de una mina que se encuentra abierta en el tiempo t + 1 y que cuenta con Q
ˆ
bloques de mineral en inventario. De igual modo, Wespt ( Sωt , Q, t + 1) denotará la
estimación, con que se cuenta para un precio spot S , del valor presente en el tiempo
Si la mina se encuentra abierta los dueños del proyecto pueden tomar las
siguientes decisiones:
decide optar por mantener abierta la mina hasta el tiempo t + 1 , su valor estimado
estará dado por la siguiente ecuación:
ˆ
V ( Sωt , Q, t ) = FC ( Sωt , q*) + Vespt ( Sωt , Q − 1, t + 1) (5.56)
Para decidirse por esta opción los dueños deben contar con una
estimación del valor presente en el tiempo t de una mina cerrada que posee Q
bloques de mineral en inventario en el tiempo t + 1 , ya que este es el estado en el
cual se encontrará la mina si se toma la determinación de cerrar. Así entonces, el
ˆ
valor fundamental para este caso es: Wespt ( S , Q, t + 1) . Luego, si se decide cerrar la
ˆ
V ( Sωt , Q, t ) = − K1 − f + Wespt ( Sωt , Q, t + 1) (5.57)
V ( Sωt , Q, t ) = 0 (5.58)
De esta forma, los dueños de la inversión optarán por el valor que resulte
más favorable al comparar las ecuaciones (5.56), (5.57) y (5.58), lo cual determinará
la decisión óptima de operación.
1. Reiniciar la producción.
ˆ
W ( Sωt Q, t ) = − K 2 + FC ( Sωt , q*) + Vespt ( Sωt , Q − 1, t + 1) (5.59)
ˆ
W ( Sωt , Q, t ) = − f + Wespt ( Sωt , Q, t + 1) (5.60)
Esta alternativa supone que resulta más valioso abandonar la mina, así:
W ( Sωt , Q, t ) = 0 (5.61)
W ( Sωt , Q, t ) = 0 (5.66)
de regresión para esta estimación sólo incluye funciones que se evalúan en el precio
spot S , ya que esta es la única variable que diferencia a las distintas "observaciones"
que se tiene de la variable independiente. (Valor de minas abiertas, las cuales en el
133
ˆ ˆ ˆ ˆ 2 ˆ 3
Vespt ( Sωt , Q − 1, t + 1) = β 0 + β1 Sωt + β 2 Sωt + β 3 Sωt (5.68)
(5.67).
aplicar sin problemas para valorizar la mina según sus distintos estados hasta el
tiempo t = 1 .
N
1
ˆ
Vespt = 0 ( S0 , Q = NB − 1, t = 1) =
N
∑ V ( Sω , Q = NB − 1, t = 1)e
i =1
i 1
− ( r + λ1 ) ∆t
(5.70)
135
N
1
ˆ
Wespt = 0 ( S 0 , Q = NB, t = 1) =
N
∑W (Sω , Q = NB, t = 1)e
i =1
i 1
− ( r + λ0 ) ∆t
(5.71)
ˆ
Max( FC ( S0 , q*) + Vesp t = 0 ( S 0 , Q = NB − 1, t = 1);
(5.72)
ˆ
− K − f + Wesp ( S , Q = NB, t = 1);0)
1 t =0 0
ˆ
V ( S0 , Q = NB, t = 0) = FC ( S0 , q*) + Vespt = 0 ( S 0 , Q = NB − 1, t = 1) (5.73)
ˆ
V ( S0 , Q = NB, t = 0) = − K1 − f + Wespt = 0 ( S 0 , Q = NB, t = 1) (5.74)
V ( S0 , Q = NB, t = 0) = 0 (5.75)
ˆ
Max(− K 2 + FC ( S0 , q*) + Vespt = 0 ( S 0 , Q = NB − 1, t = 1);
(5.76)
ˆ
− f + Wesp ( S , Q = NB, t = 1);0)
t =0 0
ˆ
W ( S0 , Q = NB, t = 0) = − K 2 + FC ( S0 , q*) + Vespt = 0 ( S 0 , Q = NB − 1, t = 1) (5.77)
ˆ
W ( S0 , Q = NB, t = 0) = − f + Wespt = 0 ( S 0 , Q = NB, t = 1) (5.78)
W ( S0 , Q = NB, t = 0) = 0 (5.79)
Avanzando por la misma trayectoria ω , el precio del spot será Sω1 para
Dado que las decisiones tomadas en esta sección son iguales a las
elecciones efectuadas en la sección (5.4.1), el valor del proyecto resulta idéntico ya
que se utilizan las mismas simulaciones. Sin embargo, el avanzar hacia adelante en el
tiempo descontando los flujos de caja correspondientes, permite obtener una
aproximación de algunos datos que pueden resultar relevantes para el análisis del
proyecto de inversión. Por ejemplo, puede registrarse para qué proporción de las
simulaciones se decide abandonar el yacimiento, la vida media del proyecto, el
tiempo de explotación medio, etc. Además, esta forma de valorizar el modelo es
capaz de incorporar otras complejidades cómo por ejemplo: estructuras impositivas
que distingan distintos niveles de inventario, distintos costos de apertura y cierre
considerando el tamaño del yacimiento, y en general cualquier modificación que
haga depender el valor de la mina de la trayectoria que siguen las variables de estado
del modelo.
139
ˆ
AA( S ) = FC ( S , q*) + Vespt ( S , Q − 1, t + 1) (5.80)
140
ˆ
AC ( S ) = − K1 − f + Wespt ( S , Q, t + 1) (5.81)
ˆ
CA( S ) = − K 2 + FC ( S , q*) + Vespt ( S , Q − 1, t + 1) (5.82)
ˆ
CC ( S ) = − f + Wespt ( S , Q, t + 1) (5.83)
CC ( S ) − K1 = AC ( S ) (5.85)
141
de cierre y por S2 al precio crítico de apertura. Los pasos a seguir para determinar
estos valores se detallan a continuación:
V,W
V
k2
W k1 S
S0 S1 S2
V
V,W
k2
W
S
k1
S1 S2
resulta mayor que el precio crítico S1 . Esto se produce cuando los costos de
mantención resultan demasiado altos, lo que provoca que el valor de la mina abierta
siempre sea mayor que el de la mina cerrada. La representación de este caso se
exhibe en la siguiente figura:
V
V,W
k2
S
S1 S0 S2
Figura (5.7) : Política óptima de operación para el tercer caso considerado. S0 representa
el precio crítico de abandono, S1 simboliza el precio crítico de cierre, el cual en este
caso también corresponde a un precio crítico de abandono, y S2 corresponde al precio
crítico de apertura.
144
raíz de la función CA( S ) , mientras que el precio crítico de cierre continúa siendo la
raíz de la curva AA( S ) . Sin embargo, para este caso la mina nunca estará cerrada
sólo abierta o abandonada, por lo que los precios críticos S0 y S1 coinciden. La
figura que ilustra este caso especial, se exhibe a continuación.
V,W V
k2
S
S0=S1 S2
La razón por la cual una mina con inventario infinito posee un valor
acotado está dada por la imposibilidad de extraer todas las reservas de una sola vez,
lo cual provoca que el valor presente de los ingresos obtenidos por las ventas de
mineral para un tiempo muy lejano sean prácticamente despreciables, permitiendo
entonces que el valor de la mina no diverja.
VP = ( S0 e( r −κ )t )e − rt (6.1)
Tabla 6.4 : Aproximación del valor analítico de la mina infinita mediante un yacimiento
que cuenta con 300 MMLb. de mineral en inventario y un plazo de concesión de 70 años
Tabla 6.5 : Aproximación del valor analítico de la mina infinita mediante un yacimiento
que cuenta con 400 MMLb. de mineral en inventario y un plazo de concesión de 90
años.
Tabla 6.7 : Parámetros del mercado, del precio del cobre y de la estructura tributaria del
ejemplo propuesto en Brennan y Schwartz (1985)
Tabla 6.8 : Valor de la mina para diferentes precios obtenida mediante el método de
diferencias finitas utilizado por Brennan y Schwartz (1985) v/s el algoritmo LSM
(50.000 simulaciones)
Tabla 6.9 : Valor de la mina para diferentes precios obtenida mediante el método de
diferencias finitas utilizado por Brennan y Schwartz (1985) v/s el algoritmo LSM
(100.000 simulaciones).
Tabla 6.10 : Valor de la mina para diferentes precios spot del commodity obtenida
mediante el método de Barraquand-Martineau v/s el algoritmo LSM (50.000
simulaciones).
1
En el Anexo D se muestran tablas similares a las (6.8), (6.9) y (6.10). En ellas se
realiza una comparación entre las soluciones entregadas por el método de diferencias finitas y el
algoritmo LSM, para distintos parámetros de su implementación.
2
Todos los resultados obtenidos mediante el método de diferencias finitas expuestos en
este capítulo, se generan a partir del programa “EXPLOTA”, el cual fue desarrollado para el proyecto
FONDEF D92I1026.
156
Tabla 6.11 : Valores de la mina para distintos niveles de volatilidad obtenidos mediante
el método de diferencias finitas (MDF) v/s el algoritmo LSM (50.000 simulaciones).
US$ 0,6 US$ 0,8 US$ 1,0 US$ 0,6 US$ 0,8 US$ 1,0
dS
= (r − κ )dt + σ dz (6.1)
S
Tabla 6.12 : Valores de la mina para distintos niveles del retorno por conveniencia
obtenidos mediante el método de diferencias finitas (MDF) v/s el algoritmo LSM
(50.000 simulaciones).
US$ 0,6 US$ 0,8 US$ 1,0 US$ 0,6 US$ 0,8 US$ 1,0
Tabla 6.13 : Valores de la mina para distintos niveles de la tasa de interés real obtenidos
mediante el método de diferencias finitas (MDF) v/s el algoritmo LSM (50.000
simulaciones).
US$ 0,6 US$ 0,8 US$ 1,0 US$ 0,6 US$ 0,8 US$ 1,0
F = ( S0 e( r −κ )t − A)q * ∆t (6.2)
VP = ( S0 e − (κ + λ ) t − Ae− ( r + λ )t )q * ∆t (6.3)
Tabla 6.14 : Valores de la mina para distintos niveles de riesgo político obtenidos
mediante el método de diferencias finitas (MDF) v/s el algoritmo LSM (50.000
simulaciones)
US$ 0,6 US$ 0,8 US$ 1,0 US$ 0,6 US$ 0,8 US$ 1,0
0.90
0.80
0.70
Precio Crítico (US$/Lb.)
0.60
0.50
0.40
0.30
0.20
0.00
150 140 130 120 110 100 90 80 70 60 50 40 30 20 10
Reservas físicas (MMlbs.)
Figura (6.1) : Política óptima de operación de la mina para distintos niveles de inventario
obtenida mediante el algoritmo LSM, con oportunidades de ejercicio cada cuatro meses.
165
Para cuantificar este efecto resulta útil comparar las políticas óptimas
exhibidas en la figura (6.1) las cuales se obtienen considerando tres oportunidades de
ejercicio por año, con aquellas curvas que resultan de la aplicación del método de
diferencias finitas, el cual asume que las decisiones de ejercicio pueden tomarse de
forma continua.
0.90
0.80
0.70
Precio Crítico (US$/Lb.)
0.60
0.50
0.40
0.30
0.20
0.00
150 140 130 120 110 100 90 80 70 60 50 40 30 20 10
Reservas físicas (MMlbs.)
Figura (6.2) : Comparación de los precios críticos de apertura para distintos niveles de
inventario procedentes del algoritmo LSM, y del método de diferencias finitas.
0.60
0.50
Precio Crítico (US$/Lb.)
0.40
0.30
0.20
0.10
Algoritmo LSM Diferencias finitas
0.00
150 140 130 120 110 100 90 80 70 60 50 40 30 20 10
Reservas físicas (MMlbs.)
Figura (6.3) : Comparación de los precios críticos de cierre para distintos niveles de
inventario procedentes del algoritmo LSM, y del método de diferencias finitas.
169
0.60
0.50
Precio Crítico (US$/Lb.)
0.40
0.30
0.20
0.10
Algoritmo LSM Diferencias finitas
0.00
150 140 130 120 110 100 90 80 70 60 50 40 30 20 10
Reservas físicas (MMlbs.)
Figura (6.4) : Comparación de los precios críticos de abandono para distintos niveles de
inventario procedentes del algoritmo LSM y del método de diferencias finitas.
900
Valor mina cerrada (MMUS$)
800
700
600
500
400
300
200
100
0
-100
0 0.5 1 1.5 2 2.5 3 3.5
Precio spot (US$/Lb.)
Figura (6.5) : Regresión para estimar el valor esperado de una mina cerrada que cuenta
con 140 MMLb. en inventario. Los valores observados corresponden a las 50.000
simulaciones, y la base de regresión considera a las tres primeras potencias del precio
spot del commodity.
171
180
160
Valor mina cerrada (MMUS$)
140
120
100
80
60
40
20
0
-20
0 0.5 1 1.5
Precio spot (US$/Lb.)
Figura (6.6) : Ajuste de la regresión exhibida en la figura (6.5) para aquellos valores
de la mina cerrada cuyo precio spot del cobre es inferior a 0.5 US$/Lb.
172
Una posible solución para este inconveniente y por ende una extensión
para futuras investigaciones consiste en dividir el dominio del precio spot del
commodity donde se realiza la estimación. De esta manera, las regresiones pueden
realizarse por tramos, logrando así una mejor aunque más compleja estimación del
valor esperado de la mina.
Estructura de costos 1:
Estructura de costos 2 :
Estructura de costos 3 :
3
Estos son los mismos casos considerados por Acosta (1999).
174
abandono coincide con el eje de las abscisas. La siguiente figura, exhibe la estrategia
óptima de operación cuando todos los costos son nulos.
1.40
1.20
Precio Crítico (US$/Lb.)
1.00
0.80
0.60
0.40
Figura (6.7) : Política óptima de operación obtenida a través del algoritmo LSM para los
distintos niveles de inventario, con K1 = K 2 = f = 0 .
Las curvas de apertura y cierre coinciden para este caso, debido a que
pasar de un estado a otro no significa costo alguno, así lo único importante es saber
el estado operacional actual. Éste se encuentra definido por la curva de apertura de la
figura (6.7), ya que para precios mayores a este nivel, la mina estará produciendo,
mientras que para valores inferiores las faenas se habrán detenido temporalmente.
1.60
1.40
1.20
Precio Crítico (US$/Lb.)
1.00
0.80
0.60
0.40
apertura LSM apertura MDF abandono
0.20
0.00
150 140 130 120 110 100 90 80 70 60 50 40 30 20 10
Reservas físicas (MMlbs.)
Figura (6.8) : Comparación de las políticas óptimas de operación para distintos niveles
de inventario, para K1 = K 2 = f = 0 , encontradas mediante el algoritmo LSM y el
método de diferencias finitas (MDF).
176
Cuando los costos de apertura y cierre son distintos de cero, pero el costo
de mantención es nulo, la mina también posee sólo dos estados operacionales: abierta
y cerrada. La diferencia con el caso anterior es que para esta estructura de costos las
curvas de apertura y cierre se diferencian notablemente, debido a que en estas
circunstancias sí resulta relevante el estado inicial de la mina. La siguiente figura,
ilustra la política óptima de operación para esta estructura de costos.
1.80
1.60
1.40
Precio Crítico (US$/Lb.)
1.20
1.00
0.80
0.60
0.40
apertura LSM cierre LSM abandono
0.20
0.00
150 140 130 120 110 100 90 80 70 60 50 40 30 20 10
Reservas físicas (MMlbs.)
Figura (6.9) : Política óptima de operación obtenida a través del algoritmo LSM, para
distintos niveles de inventario, con K1 = K 2 = US $200.000 y f = 0 .
177
2.00
1.80
1.60
Precio Crítico (US$/Lb.)
1.40
1.20
1.00
0.80
0.60
0.40 apertura LSM apertura MDF cierre LSM
0.20 cierre MDF abandono
0.00
150 140 130 120 110 100 90 80 70 60 50 40 30 20 10
Reservas físicas (MMlbs.)
0.70
0.60
Precio Crítico (US$/Lb.)
0.50
0.40
0.30
0.20
0.00
150 140 130 120 110 100 90 80 70 60 50 40 30 20 10
Reservas físicas (MMlbs.)
Figura (6.11) : Política óptima de operación obtenida a través del algoritmo LSM para
los distintos niveles de inventario, para K1 = K 2 = 0 y f = 500.000 / año .
179
0.70
0.60
0.50
Precio Crítico (US$/Lb.)
0.40
0.30
0.20
0.00
150 140 130 120 110 100 90 80 70 60 50 40 30 20 10
Reservas físicas (MMlbs.)
Figura (6.12) : Comparación de las políticas óptimas de operación para distintos niveles
de inventario, para K1 = K 2 = 0 y f = 500.000 / año encontradas mediante el algoritmo
LSM y el método de diferencias finitas (MDF).
180
VII. CONCLUSIONES
BIBLIOGRAFÍA
BRENNAN, M.J. (1991) The price of convenience and the valuation of commodity
contingent claims. En D. Lund y B. Øksendal (eds.) Stochastic models and option
values, Elsevier, North Holland.
BRENNAN, M.J. y SCHWARTZ, E.S. (1977). The valuation of the american put
options. The Journal of Finance Vol. 32, N° 2, 449-462.
185
CARRIERE, J. F. (1996) Valuation of the early exercise price for derivative securities
using simulation and splines. Insurance: Mathematics and Economics. Vol. 19, 19-30.
COX, J.C y ROSS, S.A. (1976) The Valuation of Options for Alternative Sthocastic
Processes. Journal of Financial Economics Nº 3, 145-166.
DUDLEY, R.M. (1989) Real Analysis and Probability. 2ª ed. Chapman&Hall, New
York.
GARCIA, D. (1999) A Monte Carlo Method for pricing American Options. Documento
de trabajo. Darmouth College.
GESKE, R. y JOHNSON, H. (1984) The American put options valued analytically. The
Journal of Finance, Vol. 39, Nº 5, 1511-1524.
GIBSON, R. y SCHWARTZ, E.S. (1990) Stochastic convenience yield and the pricing
of oil contingent claims. The Journal of Finance, Vol. 45, N° 3, 959-976.
HEATH, D., JARROW, R. y MORTON, A. (1992 ), Bond pricing and the term structure
of interest rates. Econometrica, Vol. 60, 77-106.
188
HULL, J. (1999) Options, Futures & Other Derivatives. 4ª ed. Prentice Hall, Upper
Saddle River,NJ.
LAUGHTON, D.G. y JACOBY, H.D. (1993) Reversion, timing options, and long-term
decision-making. Financial Management. Vol. 22, N° 3, 225-240.
MERTON, R.C. (1976) Option pricing when underlying stock returns are discontinous.
The Journal of Financial Economics. Nº 3, 125-144.
189
SCHWARTZ, E.S. y SMITH, J.E. (2000) Short-term variations and long-term dynamics
in commodity prices. Management Science, Vol. 46, 893-911.
ANEXOS
192
P0 ( x) = 1
P1 ( x) = x
1
P2 ( x) = (3 x 2 − 1)
2
1
P3 ( x) = (5 x 3 − 3 x)
2
1
P4 ( x) = * (35 x 4 − 30 x 2 + 3)
8
1
P5 ( x) = (63x 5 − 70 x 3 + 15 x)
8
1
P6 ( x) = (231x 6 − 315 x 4 + 105 x 2 − 5)
16
T0 ( x) = 1
T1 ( x) = x
T2 ( x) = 2 x 2 − 1
T3 ( x) = 4 x3 − 3x
T4 ( x) = 8 x 4 − 8 x 2 + 1
T5 ( x) = 16 x 5 − 20 x 3 + 5 x
193
C0λ ( x) = 1
C1λ ( x) = 2λ x
C2λ ( x) = −λ + 2λ (1 + λ ) x 2
4
C3λ = −2λ (1 + λ ) x + λ (1 + λ )(2 + λ ) x 3
3
P0(α , β ) ( x) = 1
1
P1(α ,β ) ( x) = [ 2(α − 1) + (α + β + 2)( x − 1)]
2
1
P2(α , β ) ( x) = 4(α − 1) 2 + 4(α + β + 3)(α + 2)( x − 1) + (α + β + 3) 2 ( x − 1) 2
8
194
opción resulta medible con respecto a Ftk . Por construcción FˆM (ω , tk ) es una
función lineal de X tk por lo que también resulta medible con respecto a Ftk . Luego,
por el algoritmo LSM consistente en ejercer la opción cuando este evento ocurre,
195
ms n
La motivación de este anexo es demostrar que, el término −
λ+k r+λ
de la ecuación (5.39) representa el valor de una mina infinita, que está obligada a
producir, y por ende no cuenta con la opción de cerrar.
∫e ∫e
− (κ + λ ) t − ( r +λ )t
VP = ( dt ) sm −( dt )n (C.5)
t =0 t =0
ms n
VP = − (C.6)
λ +k r+λ
198
Tabla (D.1) : Valor de la mina obtenida por Brennan y Schwartz (1985) mediante el
método de diferencias finitas v/s el algoritmo LSM cuando éste se aplica considerando
10.000 simulaciones, tres oportunidades de ejercicio por año, tres potencias como base
de regresión y 50 años de plazo de concesión.
Tabla (D.2) : Valor de la mina obtenida por Brennan y Schwartz (1985) mediante el
método de diferencias finitas v/s el algoritmo LSM cuando éste se aplica considerando
25.000 simulaciones, tres oportunidades de ejercicio por año, tres potencias como base
de regresión y 50 años de plazo de concesión.
Tabla (D.3) : Valor de la mina obtenida por Brennan y Schwartz (1985) mediante el
método de diferencias finitas v/s el algoritmo LSM cuando éste se aplica considerando
50.000 simulaciones, tres oportunidades de ejercicio por año, tres potencias como base
de regresión y 50 años de plazo de concesión.
Tabla (D.4) : Valor de la mina obtenida por Brennan y Schwartz (1985) mediante el
método de diferencias finitas v/s el algoritmo LSM cuando éste se aplica considerando
100.000 simulaciones, tres oportunidades de ejercicio por año, tres potencias como base
de regresión y 50 años de plazo de concesión.
Tabla (D.5) : Valor de la mina obtenida por Brennan y Schwartz (1985) mediante el
método de diferencias finitas v/s el algoritmo LSM cuando éste se aplica considerando
50.000 simulaciones, una oportunidad de ejercicio por año, tres potencias como base de
regresión y 50 años de plazo de concesión.
Tabla (D.6) : Valor de la mina obtenida por Brennan y Schwartz (1985) mediante el
método de diferencias finitas v/s el algoritmo LSM cuando éste se aplica considerando
50.000 simulaciones, dos oportunidades de ejercicio por año, tres potencias como base
de regresión y 50 años de plazo de concesión.
Tabla (D.7) : Valor de la mina obtenida por Brennan y Schwartz (1985) mediante el
método de diferencias finitas v/s el algoritmo LSM cuando éste se aplica considerando
50.000 simulaciones, tres oportunidades de ejercicio por año, tres potencias como base
de regresión y 50 años de plazo de concesión.
Tabla (D.8) : Valor de la mina obtenida por Brennan y Schwartz (1985) mediante el
método de diferencias finitas v/s el algoritmo LSM cuando éste se aplica considerando
50.000 simulaciones, cuatro oportunidades de ejercicio por año, tres potencias como
base de regresión y 50 años de plazo de concesión.
Tabla (D.9) : Valor de la mina obtenida por Brennan y Schwartz (1985) mediante el
método de diferencias finitas v/s el algoritmo LSM cuando éste se aplica considerando
50.000 simulaciones, tres oportunidades de ejercicio por año, dos potencias como base
de regresión y 50 años de plazo de concesión.
Tabla (D.10) : Valor de la mina obtenida por Brennan y Schwartz (1985) mediante el
método de diferencias finitas v/s el algoritmo LSM cuando éste se aplica considerando
50.000 simulaciones, tres oportunidades de ejercicio por año, tres potencias como base
de regresión y 50 años de plazo de concesión.
Tabla (D.11) : Valor de la mina obtenida por Brennan y Schwartz (1985) mediante el
método de diferencias finitas v/s el algoritmo LSM cuando éste se aplica considerando
50.000 simulaciones, tres oportunidades de ejercicio por año, cuatro potencias como
base de regresión y 50 años de plazo de concesión.
Tabla (D.12) : Valor de la mina obtenida por Brennan y Schwartz (1985) mediante el
método de diferencias finitas v/s el algoritmo LSM cuando éste se aplica considerando
50.000 simulaciones, tres oportunidades de ejercicio por año, cinco potencias como base
de regresión y 50 años de plazo de concesión.
Tabla (D.13) : Valor de la mina obtenida por Brennan y Schwartz (1985) mediante el
método de diferencias finitas v/s el algoritmo LSM cuando éste se aplica considerando
50.000 simulaciones, tres oportunidades de ejercicio por año, tres potencias como base
de regresión y 40 años de plazo de concesión.
Tabla (D.14) : Valor de la mina obtenida por Brennan y Schwartz (1985) mediante el
método de diferencias finitas v/s el algoritmo LSM cuando éste se aplica considerando
50.000 simulaciones, tres oportunidades de ejercicio por año, tres potencias como base
de regresión y 50 años de plazo de concesión.
Tabla (D.15) : Valor de la mina obtenida por Brennan y Schwartz (1985) mediante el
método de diferencias finitas v/s el algoritmo LSM cuando éste se aplica considerando
50.000 simulaciones, tres oportunidades de ejercicio por año, tres potencias como base
de regresión y 60 años de plazo de concesión.
Tabla (D.16) : Valor de la mina obtenida por Brennan y Schwartz (1985) mediante el
método de diferencias finitas v/s el algoritmo LSM cuando éste se aplica considerando
50.000 simulaciones, tres oportunidades de ejercicio por año, tres potencias como base
de regresión y 70 años de plazo de concesión.
)
214
Para cumplir con este objetivo, la siguiente figura exhibe las funciones
obtenidas para distinto número de potencias en la base de regresión.
40
30
Valor esperado (MMUS$)
20
10
0
0.00 0.50 1.00 1.50
-10 Precio spot (US$/Lb.)
-20
-30
3 potencias 4 potencias
5 potencias 6 potencias
Figura (E.1) : Valor esperado de la mina abierta para distintos números de potencias que
conforman la base de regresión