Valuación de Instrumentos

Financieros Derivados

Gustavo Serenelli*

Buenos Aires- Marzo de 2008

*Actuario - Universidad de Buenos Aires – Facultad de ciencias económicas – Cátedra de

“Bases Actuariales de las Inversiones y Financiaciones”.

1
 Indice

Introducción…………………………………………………………………………… 6
Forwards………………………………………………………………………………... 6
Calls……………………………………………………………………………………... 7
Puts……………………………………………………………………………………… 8
Opciones Asiáticas…………………………………………………………………….. 10
Lookback Options……………………………………………………………………... 10

Modelo Discreto………………………………………………………………………. 14
Introducción……………………………………………………………………………………… 14
Modelo Binomial Uniperiódico…………………………………………………………………. 15
Modelo Binomial General………………………………………………………………………. 16
Profundización del Modelo Binomial………………………………………………………….. 22
Martingalas y Medidas de Probabilidad………………………………………………………. 25
Relaciones Básicas de Arbitraje………………………………………………………………. 29
Valuación de Forwards……………………………………………………………….. 29
Valuación de Calls y Puts Europeos y Relaciones de Arbitraje………………….. 31
Derivados sobre Divisas……………………………………………………………… 34
Valuación de Derivados Americanos en un Entorno Discreto……………………………... 36
Valuación de Calls Americanos……………………………………………………… 39
Modelo Multinomial…………………………………………………………………………….. 41
Mercado de Tasas de Interés………………………………………………………………… 48
Contrato de Fijación de Tasa Futura………………………………………………. 49
Forward de Tasa de Interés………………………………………………………… 50
Swaps…………………………………………………………………………………. 53
Derivados no Lineales………………………………………………………………. 57
Modelo de Black-Scholes…………………………………………………………… 64
Introducción……………………………………………………………………………………… 64
Procesos Brownianos…………………………………………………………....................... 68
Variación Cuadrática………………………………………………………………….. 70
Reflection Principle……………………………………………………………………. 71
Zero set (Conjunto 0)…………………………………………………………………. 74
No diferenciabilidad del Proceso Browniano……………………………………….. 75
Teorema de Girsanov………………………………………………………………………….. 77
Aplicaciones……………………………………………………………………………. 81

2
 Esperanzas Condicionadas……………………………………………………………………. 83
Ejemplo de Cálculo de Esperanza Condicionada Número 1……………………... 84
Ejemplo de Cálculo de Esperanza Condicionada Número 2……………………... 85
Teorema de Ito………………………………………………………………………………….. 90
Ejemplo de Aplicación del Teorema de Ito……………………………………….... 93
Teorema Generalizado de Ito……………………………………………………….. 94
Ejemplo de Aplicación del Teorema Generalizado de Ito…………………………. 96
Teorema de Representación de Martingalas………………………………………………… 99
Generación de la Estrategia Autofinanciable………………………………………………… 103

Aplicaciones del Modelo de Black Scholes……………………………………... 109

Introducción……………………………………………………………………………………… 109
Valuación de Derivados Europeos……………………………………………………………. 110
Ejemplo de Valuación de Derivados Europeos Número “1”………………………. 110
Ejemplo de Valuación de Derivados Europeos Número “2”………………………. 111
Ejemplo de Valuación de Derivados Europeos Número “3”………………………. 111
Hedging de Derivados Europeos…………………………………………………….. 112
Valuación Mediante Enfoque de Probabilidades “R”………………………………………... 116
Ejemplos de Valuación Mediante Enfoque de las Probabilidades “R”…………... 119
Valuación de Derivados sobre otros Subyacentes………..………………………………… 122
Derivados sobre Divisas 122
Derivados sobre Acciones con Dividendos Continuos 126
Derivados sobre Acciones con Dividendos Discretos 127
Valuación de Derivados Mediante Enfoque de Simulación………………………………… 130
Valuación de Path Dependent Options……………………………………………………….. 134
Forward Start Options…………………………………………………………………. 134
Chooser Options……………………………………………………………………….. 135
Cliquet Options………………………………………………………………………… 136
Compound Options……………………………………………………………………. 139
Barrier Options…………………………………………………………………………. 142
Fixed Payment Derivatives…………………………………………………………… 145
Apéndice 1: Definición y Propiedades de las Esperanzas Condicionadas.. 148
Apéndice 2: Variación Cuadrática de un Proceso Browniano ……………… 150
Apéndice 3: Teorema de Girsanov………………………………………………... 151
Apéndice 4: Ejemplo de Cálculo de Esperanzas Condicionadas…………… 152
Apéndice 5: Ejemplo de Hedging de Derivados Europeos…………………… 155

3
Apéndice 6: Cálculo de la Estrategia Asociada a un Call Europeo…………. 162
Bibliografía…………………………………………………………………………….. 166

4
 Abstract

El objetivo de este trabajo consiste en brindar un marco de referencia para los alumnos que cursan
la cátedra de Bases Actuariales de las Inversiones y Financiaciones para que puedan contar con
las herramientas teóricas y sus aplicaciones prácticas en un único cuerpo integrado. En el mismo
se explican los métodos de valuación de instrumentos financieros derivados mediante la teoría del
arbitraje.
El trabajo está dividido en la exposición de dos modelos. Uno basado en procesos estocásticos
discretos y el otro en procesos estocásticos continuos. El objetivo del primero es presentar los
conceptos financieros y familiarizar a los alumnos con los mismos, mientras que el del segundo es
proveer a los mismos de un modelo lo suficientemente complejo como para que su aplicación en la
realidad sea viable.

5
 Introducción

Los mercados financieros se encuentran compuestos por dos grandes grupos de instrumentos. Por
un lado se encuentran los activos “subyacentes” o de primera especie. Entre estos pueden
encontrarse las acciones, los bonos, las divisas y los commodities. El valor de estos activos en un
momento futuro es desconocido puesto que dependen de un conjunto de variables que se
modifican en el tiempo: Las percepciones del mercado sobre los dividendos de una compañía para
el caso de las acciones, la posibilidad de default del estado para el caso de los bonos, las
decisiones económicas tomadas por los distintos países para el caso de las divisas o las
innovaciones tecnológicas para el caso de los commodities.

A consecuencia de esta aleatoriedad en los activos de primera especie, surgen los activos de
segunda especie o, como se los conoce comúnmente, los instrumentos financieros derivados. Su
primer objetivo consistió en brindar una cobertura ante el riesgo en que se incurre al poseer una
cartera formada por los mencionados activos de primera especie. Sin embargo, a partir de la
explosión de los mercados financieros, los tipos de derivados se multiplicaron así como también
sus aplicaciones, motivo por el cual, estos instrumentos se convirtieron en tanto una manera útil de
eliminar riesgos como en un arma para abrirlos con un objetivo meramente especulativo.

1
A continuación se hará una breve descripción de solo algunos de los derivados existentes en el
mercado con el objetivo de reunirlos todos en una única definición. En lo sucesivo se denotará al
valor del activo subyacente en una fecha futura “t” a través de St.

Forwards:

Un forward es un contrato mediante el cual una parte se obliga a comprar a otra un activo
(subyacente) en una fecha futura a un valor determinado. El valor pactado en el contrato suele
denominarse “strike”. Puesto que el valor del activo subyacente en un momento futuro es aleatorio,
solo será posible conocer si la contratación de este instrumento fue beneficiosa o perjudicial a
vencimiento del mismo. El tenedor (comprador) de este contrato será favorecido si el valor del
activo subyacente es más alto que el strike y será perjudicado en caso contrario. En términos
matemáticos puede definirse el beneficio (o perjuicio) por tenencia de este instrumento a través de
la siguiente fórmula:

1
No se pretende realizar una extensa descripción de cada derivado denotando sus modalidades prácticas y
demás puesto que esto escapa a los objetivos del trabajo. Para ello puede recurrirse a Hull: Options, Futures
and Other Derivatives, Edit Prentice Hall 1997

6
Beneficio  ST  K (1)

En donde “T” representa la fecha de vencimiento del contrato, por lo que S T, representa el valor del
activo subyacente en fecha “T”, y K representa el strike del contrato. Básicamente, la fórmula (1)
indica cual es el valor de este contrato a fecha de vencimiento, puesto que en esa fecha se
realizará el siguiente intercambio:

K  Forward  ST

Por lo que es lógico decir que el valor del Forward a vencimiento coincide con la diferencia entre el
valor del activo subyacente y el strike. En términos gráficos esto es:

Calls

Como se vio, el tenedor de un forward se encuentra obligado a comprar el subyacente mas allá de
cuan perjudicado resulte. A consecuencia de esto, surge una natural modificación de este contrato,
la cual se suele denominar call. El tenedor de un call posee la opción de compra de determinado
activo subyacente a una fecha futura (“T”), a un determinado strike (“K”). Puesto que posee solo la
opción y no la obligación, esta será ejercida siempre que al tenedor de este contrato le convenga,
lo que equivale a decir que se ejercerá cuando el precio del subyacente supere al strike. Por este
motivo, puede formularse el beneficio por tenencia de este instrumento, a vencimiento del mismo
como:

7
Beneficio  MaxST  K ,0

Es decir, si el activo subyacente superase el strike la opción sería ejercida y el beneficio en que se
incurriría en ese caso coincide con el que se obtendría con el forward. Por el otro lado, si el activo
subyacente terminara siendo inferior al strike, la opción no sería ejercida y por ende el beneficio por
tenencia de un call coincidiría con 0. Al igual que en el caso de los forwards puede graficarse el
payoff de este derivado en función del valor del activo subyacente a vencimiento:

Estos instrumentos suelen tener dos modalidades, Europeas y Americanas. Los calls europeos
solo pueden ejercerse a vencimiento del contrato y los calls americanos pueden ser ejercidos en
cualquier momento anterior.

Puts

Surgen, como contraposición del instrumento recién mencionado, las opciones de venta o puts.
Estos instrumentos ofrecen a su tenedor el derecho a vender un determinado subyacente en una
fecha futura (“T”) a un determinado strike (“K”). Se deja a cargo del lector la comprobación de que
el beneficio por tenencia de este instrumento se puede definir de la siguiente manera.

Beneficio  MaxK  ST ,0

También existe para este tipo de instrumento su respectiva modalidad americana, la cual permite
ejercer la opción de venta en cualquier momento anterior al vencimiento del contrato. El
correspondiente gráfico del payoff es el siguiente:

8
En síntesis estos tres instrumentos pueden ser resumidos en contratos los cuales brindan a su
tenedor la posibilidad (y la obligación) de cambiarlo por una formula prefijada en el contrato. De
ahora en más estas “fórmulas contractuales” serán denominadas “payoff”, por lo que, para
sintetizar lo mencionado, las definiciones y los payoff de los contratos analizados son los
siguientes:

Instrumento Payoff Definición Intuitiva

Forward ST  K Obligación de Compra

Call MaxST  K ,0 Opción de Compra

Put MaxK  ST ,0 Opción de Venta

Ahora bien, así como existen estos instrumentos, podrían existir otros, cuyo payoff sea una función
arbitraria del valor a fecha de vencimiento del activo subyacente. Solo por citar algunos ejemplos
pueden proponerse los siguientes payoff:

X  ST2
 
X  ln ST
X  cosS  T

Si bien el conjunto de instrumentos de segunda especie cuyo payoff se encuentra en función del
valor del activo subyacente al momento de vencimiento del contrato puede parecer suficientemente
grande, existen en el mercado instrumentos financieros derivados que no están incluidos en dicho
conjunto.

9
Opciones Asiáticas

Una opción asiática es un instrumento financiero que, al igual que las opciones europeas, permite
cambiar un flujo cierto por uno incierto. En este caso, el call asiático viene definido a través del
siguiente payoff:

X  MaxPromST   K ,0

Donde el promedio puede ser calculado tomando datos diarios, semanales, mensuales, etc. El
caso del put asiático viene definido por este otro payoff:

X  MaxK  PromST ,0

Estos contratos suelen ser muy utilizados por empresas que por algún motivo compran o venden
commodities. Es muy común en estos casos que las ventas o compras se realicen mediante un
suministro constante de algún producto, por lo que el precio a cobrarse o pagarse por ese producto
suele surgir contractualmente como promedio de los distintos valores que toma el producto en
cuestión en un determinado lapso de tiempo. Por este motivo, a la hora de mitigar riesgos de
cambio de precio, es más útil utilizar este tipo de instrumentos de segunda especie que sus
contrapartes europeas.

LookBack Options

Básicamente las LookBack options provee al tenedor la posibilidad de conseguir el beneficio en

que se habría incurrido si se hubiera comprado un determinado activo en el momento en el que
tomó su mínimo valor (LookBack Call) o si se lo hubiera vendido en el momento en que tomó su
máximo valor y se lo hubiera recomprado a vencimiento (LookBack Put). En términos matemáticos
su payoff viene definido a través de las siguientes dos ecuaciones:

Instrumento Payoff
LookBack Call ST  mT
LookBack Put M T  ST

10
Donde mT y MT son, respectivamente, el mínimo y el máximo valor que alcanza el activo
subyacente entre el momento de inicio del contrato “0” y el momento de finalización “T”.

Como puede apreciarse, pueden existir tantos instrumentos de segunda especie como se desee.
Solo por nombrar algunos otros se presenta la siguiente tabla:

Instrumento Payoff
Straddle MaxST  K , K  ST 
Strangle MaxST  K , L  ST  L<K

Forward Start Call 

Max ST  ST0 ,0  T>T0

Forward Start Put MaxS T0  ST ,0 T>T0

Bull Spread MinMaxST  K ,0, L

Bear Spread MinMaxK  ST ,0, L
Cliquet Call 
Max ST  K , ST0  K ,0 
Cliquet Put MaxK  S T , K  ST0 ,0
Barrier Call MaxST  K ,0 si MT<L

0 si MT>L
Barrier Put MaxK  ST ,0 si MT<L

0 si MT>L
Cash or Nothing K si ST>K
0 si ST<K
Asset or Nothing ST si ST>K
0 si ST<K
Compound Call MaxPrimaCall T  K ,0
Compound Put MaxK  PrimaCall T ,0
Chooser Option MaxPrimaCall T , PrimaPut T 
2
Basket Options Opciones con varios Subyacentes. Ej.:


Max ST1  K , ST2  K 
Asian Strike Call X  MaxST  PromST ,0

2
El estudio de las Basket Options excede los objetivos de este trabajo. Para un análisis profundo de estas
opciones puede consultarse Shreve, Stochastic Calculus and Finance

11
 Asian Strike Put X  MaxPromST   ST ,0

Si bien se introdujo todo un conjunto de instrumentos que difieren entre sí, todos poseen algo en
común y es el hecho de que conocida la trayectoria del precio del activo subyacente, puede
conocerse el payoff del respectivo instrumento. Es decir, para todos estos instrumentos existe una
relación que vincula unívocamente trayectoria con payoff. Esta característica es la que se utiliza
para definir un derivado en sentido genérico.

3
Definición de Instrumento Financiero Derivado : Un instrumento financiero derivado es un contrato
4 5
a través del cual el tenedor de dicho contrato recibe en una fecha futura una cantidad de dinero
determinada a través de una función cuyo dominio es el conjunto de trayectorias futuras de precios
del activo subyacente y cuya imagen es la recta real.

En términos gráficos esto es,

Derivado  f (w)  R

Donde

Ejercicios

3
No incluye a los derivados de tipo americano. Su definición será estudiada en el capítulo relacionado a la
valuación de los mismos.
4
“Recibirá” debe interpretarse de manera amplia dado que el tenedor del contrato en algunos casos puede
llegar a tener que pagar una cierta cantidad de dinero, o lo que es lo mismo, recibir una cantidad negativa de
dinero.
5
En rigor, la fecha en que vence el derivado también puede depender de la trayectoria de precios del activo
subyacente.

12
 i. Grafique el payoff de un Straddle con determinado strike y vencimiento y demuestre que
este coincide con el payoff de una cartera formada por un call y un put con mismos strike y
vencimiento.
ii. Grafique el payoff de un Strangle y demuestre que este puede ser conseguido a partir del
de una cartera formada por calls y puts europeos.
iii. Demuestre que puede armarse una cartera formada por calls comprados y emitidos cuyo
payoff coincida con el del Bull Spread.
iv. Demuestre que puede armarse una cartera formada por Puts comprados y emitidos cuyo
payoff coincida con el del Bear Spread.

13
 Modelo Discreto

Introducción

En lo sucesivo se estudiarán los métodos de valuación de los instrumentos analizados en el

capítulo anterior. Estos métodos se basan en la teoría del arbitraje. En esencia esta teoría es una
continuación de los métodos de valuación que se vieron en cálculo financiero. Con un sencillo
ejemplo se podrá visualizar la afirmación anterior.

Supóngase que existe en un mercado un activo B al cual se lo denomina bono y que toma en el
momento 0 el valor 1 y en el momento 1 el valor 1+i (i>0). Supóngase además que se lanza al
mercado un instrumento financiero que ofrece al tenedor la posibilidad de cambiarlo por 1000
pesos en el momento 1. Si se quiere averiguar cual es el precio “justo” de este instrumento, surge

inmediatamente como respuesta que este es igual a 1000  (1  i) 1 . El fundamento de esta

respuesta es el siguiente.

Supóngase que el precio de este contrato al momento 0 se comercia a un valor “A” superior a

1000  (1  i) 1 . En ese caso se puede emitir este contrato, por lo que se cobraría “A” pesos, y con
ese dinero es posible comprar 1000  (1  i) 1 bonos. En el momento 1 los 1000 pesos necesarios
para resarcir al tenedor del contrato se consiguen con la cartera de bonos, por lo que finalmente se
1
logra un beneficio sin riesgo en el momento 0 de A- 1000  (1  i) pesos.

Si por el contrario “A” fuese menor a 1000  (1  i) 1 puede pedirse un préstamo de 1000  (1  i) 1
pesos obligándose a devolver en el momento 1 su equivalente en bonos. Con ese dinero se puede

comprar el documento consiguiendo así un beneficio en el momento 0 de 1000  (1  i) 1 -A. En el

momento 1 es saldo es nuevamente igual a 0.

Como se ve en estos ejemplo, si el precio del contrato no es igual a 1000  (1  i) 1 se puede

conseguir un beneficio sin riesgo en el momento 0. A un mercado en el que no existe la posibilidad
de conseguir un beneficio sin riesgo se le llama mercado en ausencia de arbitraje. La moraleja que
surge del ejemplo anterior es que si existe un contrato con un payoff que se puede conseguir
(replicar) con una cartera en bonos, entonces el valor de ese contrato en ausencia de arbitraje es

igual al de la cartera que lo replica (en este caso 1000  (1  i) 1 ).

14
Modelo binomial uniperiódico

La forma de valuar derivados será la misma que la del ejemplo anterior pero un poco más
compleja. Para cualquier derivado se intentará replicar su payoff pero ahora con carteras formadas
no solamente por bonos sino también por una cierta cantidad de activo subyacente. Para ello se
modelará el precio del activo subyacente de una manera muy simplificada con el objetivo de
esclarecer la idea. A medida que se avance a lo largo del presente trabajo el movimiento de
precios del activo subyacente se modelará de forma cada vez más compleja para que se pueda
representar mejor la realidad.

Gráficamente el modelo será el siguiente:

Activo Subyacente “S” Bono “B” Derivado

S1u 1+i Xu

S0 1 -
6

S1d 1+i Xd

Es decir el activo subyacente al momento 1 es una variable aleatoria que puede tomar 2 valores

S1u y S1d . Si se piensa a S0 también como una variable aleatoria (que puede tomar un solo valor),
S puede interpretarse como un proceso estocástico.

El objetivo es encontrar una cartera formada por  activos subyacente y  bonos que replique el
payoff del derivado. En lenguaje matemático esto significa encontrar un vector ;  que cumpla
con las dos ecuaciones siguientes:

X u    S1u    (1  i)
X d    S1d    (1  i)

6
En realidad se pone como restricción que 1+i esté entre el rendimiento máximo y el mínimo que pueda
tomar el activo subyacente ya que de otra manera se podría incurrir en un arbitraje con el activo subyacente y
el bono.

15
Ese vector representará la cartera cuyo valor en 1 replique el payoff del derivado donde  será la
cantidad invertida en activo subyacente y  la cantidad invertida en bonos. Tanto  como 
pueden tomar valores negativos. Si  toma un valor negativo significa que se debe tomar prestado

dinero con la obligación de restituirlo con más sus intereses un período después (un préstamo a
tasa de interés). Puede interpretarse esto como una venta en descubierto en bonos. Si  toma un
7
valor negativo significa que se vende en descubierto el activo subyacente .
Por lo dicho anteriormente el precio del derivado en ausencia de arbitraje será:

V0    S 0    B0

De hecho si el valor del derivado fuera mayor que V0 entonces se podría armar un arbitraje con la
cartera ( ;;1) donde el último campo indica la cantidad de derivados a comprar (en este caso
se emite un derivado). Si por el contrario el valor del derivado fuera menor que V0 la cartera que
habría que armar es (;;1) .

Finalmente nótese que en ambos casos el valor de la cartera en 0 es menor que 0 y en 1 es igual a
0. Esa es la definición matemática de arbitraje en este modelo simplificado. Es decir, en un
mercado como el descrIto existen posibilidades de arbitraje si es posible armar una cartera cuyo
8
valor en 0 sea menor que 0 y en 1 sea como mínimo igual a 0 .

7
Se dice que se realiza una venta en descubierto en determinado título cuando se toman prestados esos títulos
con la obligación de devolverlos en una fecha futura, vendiéndolos en el momento en que se toman prestados
y recomprándolos a la fecha de devolver el empréstito.
8
Eso implicaría que se podría comprar esa cartera a un valor negativo (se recibe dinero por comprar esa
cartera) y en el momento 1 el saldo queda en 0.

16
Modelo Binomial General

El modelo anterior es insuficiente ya que se está suponiendo que el activo subyacente solo puede
tomar dos valores a la fecha de vencimiento. Para resolver este problema se propone el siguiente
modelo binomial de dos períodos:

Activo Subyacente “S” Bono “B” Derivado

Las consideraciones que se hagan para este modelo de dos períodos pueden generalizarse al
caso de T períodos. Es innecesario que los árboles sean recombinables (es decir que las ramas

2  S2 ), pero se elige esta opción porque

Sud du
se encuentren, ya que por ejemplo podría ocurrir que

se relaciona con el modelo que se va a ver en el tiempo continuo. Por otro lado B es una función
siempre creciente (podría generalizarse modelando los bonos también como un proceso
estocástico).

Las incógnitas ahora son V1u , V1d , y V0 . Las dos primeras pueden resolverse de la misma
manera que en el modelo anterior. Es decir, una vez que el activo subyacente tomó, por ejemplo, el

valor S1u el payoff del derivado solo puede tomar los valores X uu y X ud , por lo tanto se puede
aplicar lo dicho en el apartado anterior. Lo mismo ocurre si el activo subyacente toma el valor S1d .

Ahora bien, siendo V1u y V1d los valores que debe tomar el derivado en ausencia de arbitraje, la
manera de hallar V0 también es la misma, nada mas que ahora lo que se intenta replicar no es un
payoff sino los dos valores que puede tomar el derivado en ausencia de arbitraje. Resumiendo, en

17
un primer momento deben resolverse los dos siguientes sistemas de ecuaciones (en los cuales las
incógnitas son las cantidades de activos subyacentes y de bonos a comprar):

X uu  1u  S 2uu   1u  B2
X ud  1u  S 2ud   1u  B2
y

X du  1d  S 2du   1d  B2
X dd  1d  S 2dd   1d  B2

Para conseguir los precios del derivado en el momento 1 en ausencia de arbitraje solo hay que
encontrar los precios de las carteras que replican el payoff en el momento 1, es decir:

V1u  1u  S1u   1u  B1

y

V1d  1d  S1d   1d  B1

Ahora hay que repetir el procedimiento con la rama inicial:

V1u  0  S1u   0  B1

V1d  0  S1d   0  B1

y entonces en ausencia de arbitraje:

V0  0  S 0   0  B0

Supóngase que en 0 el precio del derivado es mayor a V0 . En ese caso podría incurrirse en un
arbitraje emitiendo el derivado y comprando la cartera 0 ; 0  (consiguiendo así un beneficio en

0), la cual alcanzará para comprar la cartera 

1
u
; 1u  o la cartera 
1
d
; 1d  según el activo
subyacente suba o baje. Esta última cartera (cualquiera de las dos) replicará el payoff del derivado
y por ende se podrá atender a la obligación contraída en 0 con la emisión del derivado. Es decir
otra vez se obtiene un beneficio en 0 sin riesgo. Consideraciones similares merecen el caso en el

18
que el valor de mercado del derivado es menor al teórico. Es evidente además que el proceso
puede generalizarse a un árbol de T períodos, ya que lo único que debe hacerse es armar una
cartera por cada nodo (probar esto)

A una sucesión de carteras se le llama estrategia. Si la estrategia además cumple con que para un
momento genérico t:

t 1  S t 1   t 1  Bt 1  t  S t 1   t  Bt 1

entonces a la estrategia se la denomina autofinanciable. Es decir, una estrategia es autofinanciable

si, para todo “t”, puede comprarse la cartera del momento t+1 con la cartera del momento t. La
estrategia que se armó en el modelo anterior es autofinanciable ya que cumple con lo dicho
anteriormente. Además esa estrategia replica el valor del derivado –Es decir, su valor en el
momento “T” coincide para todo nodo con el payoff del derivado-. Reformulando la anterior
conclusión con esta nueva nomenclatura, si existe una estrategia autofinanciable que replique el
payoff del derivado entonces el valor del derivado en ausencia de arbitraje en un momento
genérico t debe ser igual al de la estrategia. En lenguaje matemático esto queda expresado de la
siguiente manera: Si existe un par de procesos estocásticos ;   que cumpla con las dos

siguientes condiciones:

Condición de autofinancabilidad

t 1  S t 1   t 1  Bt 1  t  S t 1   t  Bt 1

Condición de replicabilidad

T 1  ST   T 1  BT  X

Entonces el valor del derivado en ausencia de arbitraje en un momento genérico t debe coincidir
con:

Vt  t  S t   t  Bt

Ejercicios

19
i. Replique los siguientes payoffs con carteras formadas por calls, puts y bonos sin cupones.

ii. Calcule el valor actual esperado de los siguientes payoffs

ST2
ST  K 
ST  7   1M 13
T

(M(T) es una variable aleatoria que toma el máximo valor que alcanza el activo S entre 0 y
T)

utilizando el siguiente arbol binomial de tres períodos

20
 S

16
14
12 12
10 10
8 8
6
4
siendo la tasa de interés de mercado entre cada período constante e igual al 10% y la
probabilidad de suba del activo subyacente en cada nodo igual a 0,6
iii. Calcule el valor de los derivados en ausencia de arbitraje definidos por los payoffs del
ejercicio anterior.
iv. Calcule el valor en ausencia de arbitraje al momento “0” de un put asiático.
v. Calcule el valor en ausencia de arbitraje al momento “1” de un lookback call suponiendo
que el activo subyacente subió de precio entre “0” y “1”.
vi. Calcule el valor en ausencia de arbitraje de un bull spread.
vii. Compruebe que el valor de la cartera formada en el ejercicio iv del capítulo anterior
coincide con el valor del bull spread calculado en el ejercicio anterior.

21
Profundización del modelo binomial

Se reformulará la condición de autofinanciabilidad. Se tenía que una estrategia autofinanciable

cumple con que:

Vt 1  t 1  S t 1   t 1  Bt 1  t  S t 1   t  Bt 1

Lo cual implica que:

t  S t 1   t  Bt 1  t  S t   t  Bt  t  S t   t  Bt

Es decir, si una estrategia es autofinanciable se cumple que:

Vt 1  Vt  t  S t   t  Bt

Financieramente esto implica que el valor de la estrategia en t+1 se consigue con el valor de la
estrategia en t más el cambio en el valor de la cartera que se mantiene desde t hasta t+1.
Sumando desde un momento genérico “S” hasta un momento genérico “T” se llega a que:

T 1
VT  VS   t  S t   t  Bt  (1)
t S

Nuevamente, esto implica que el valor de la estrategia en “T” se consigue con el valor de la
estrategia en “S” más los sucesivos cambios en el valor de las carteras que componen la
estrategia. Ahora bien, esta reexpresión no es conveniente. En términos de las deducciones que
restan hacerse será necesario expresar el valor de estos activos (Bonos, Activo Subyacente,
Estrategia) en términos relativos: Esto es, en lugar de expresar el valor del activo subyacente o de
la estrategia en términos de pesos, se lo hará en términos de bonos (es decir, cuantos bonos se
pueden comprar con una acción o con una cartera de la estrategia). Para eso se introducen los
siguientes procesos estocásticos:

Et  Vt  Bt1
Z t  S t  Bt1

22
Siendo sus significados financieros los que ya se mencionaron. En estos términos una estrategia
es autofinanciable si se cumple lo siguiente:

Et 1  t  Z t 1   t

y repitiendo el razonamiento de mas arriba:

T 1
ET  E S   t  Z t (2)
t S

Es decir, la cantidad de bonos necesaria para comprar la estrategia en el momento “T” se consigue
con la cantidad de bonos que vale la estrategia en “S” más las sucesivas variaciones en términos
9
de bonos de cada una de las carteras . La condición de replicabilidad en términos de bonos queda
reformulada de la siguiente manera:

ET  X  BT1 (3)

Finalmente puede probarse una relación similar entre las variaciones de valor de las carteras que
componen una estrategia autofinanciable, pero expresando las mismas en términos de activo
subyacente. Esto es, a partir de los dos siguientes procesos:

Dt  Vt  S t1
Yt  Bt  S t1

Los cuales indican el valor de la estrategia y del bono medidos en términos de activo subyacente
(Esto es, cuantas acciones vale la estrategia o cuantas acciones vale un bono), puede
comprobarse fácilmente que si una estrategia es autofinanciable, es decir si:

Dt 1  t   t Yt 1

Entonces se cumple la siguiente relación

9
Puede surgir algún tipo de confusión en este punto, pero nótese que en términos de bonos el valor una
cartera genérica  t ; t  solo varía por el lado de las acciones ya que por el lado de los bonos lo que varía es
el precio de los mismos y no su cantidad.

23
Dt 1  Dt   t Yt

Y por ende, sumando sobre la última ecuación se cumple la siguiente:

T 1
DT  DS   t  Yt 10 (4)
t S

A esta nueva expresión de la condición de autofinanciabilidad puede añadírsele una nueva

expresión de la condición de replicabilidad:

DT  X  ST1 (5)

La cual implica ni mas ni menos que la cantidad de acciones que valdrá el payoff del derivado
coincidirá, en todos los nodos, con la cantidad de activo subyacente que valdrá la estrategia.

En este apartado se ha probado que las expresiones (1), (2) y (4) son condiciones necesarias para
que una estrategia sea autofinanciable (es decir, se ha probado que dado que una estrategia
genérica es autofinanciable, la misma cumple con (1), (2) y (4)). Las demostraciones sobre la
suficiencia de estas reexpresiones no han sido dadas y quedan a cargo del lector (Para ello habría
que probar que si una estrategia cumple con las ecuaciones (1), (2) y (4) entonces la misma es
autofinanciable)

10
Otra vez, puede verse esta ecuación como que la cantidad de acciones que valdrá la estrategia en el
momento “t” se consigue a través de las variaciones en el valor de cada una de las carteras que componen la
estrategia en términos de activo subyacente, las cuales vienen representadas únicamente por los cambios de
valor en términos de acciones de cada una de las carteras de bonos, puesto que las tenencias de activo
subyacente no modifican en términos de activo subyacente.

24
Martingalas y medidas de probabilidad

En el presente apartado se buscará reexpresar el valor del derivado para llegar a una fórmula más
maleable. Con este fin se introducirán las martingalas. Se dice que un proceso estocástico Y es
una martingala si se cumple que

E Yt / Fs   Ys s<t

Es decir la esperanza de la variable aleatoria Yt condicionada a la información (filtración) existente

en el momento s es igual a Ys 11 . Puede probarse mediante una aplicación de la Tower Property
que en un modelo discreto como el utilizado anteriormente que si un proceso estocástico “Y” es
una martingala entonces se cumple que:

Yt  EYT / Ft   EEYT / Ft 1  / Ft   EYt 1 / Ft 

Yt  E Yt 1 / Ft  (6)

Puede demostrarse también que la ecuación (6) es condición suficiente para que un proceso
estocástico discreto sea una martingala.

En el modelo binomial T-periódico será necesario convertir el activo subyacente valuado en

términos de bonos en una martingala. Al no haberse hecho referencia alguna sobre las
probabilidades de suba y de baja en cada nodo del activo subyacente, este proceso bien puede no
ser una martingala. De hecho, el valor del derivado es independiente de las probabilidades de suba
o de baja del activo subyacente (a las cuales se las denominarán probabilidades “P”). Ahora bien,
se demostrará que el proceso E sería una martingala si se trabajara con unas probabilidades “Q”
tales que Z fuera una martingala. En ese caso, Et cumpliría con la siguiente fórmula:

Et  EQ ( ET / Ft )  EQ ( X  BT1 / Ft )

Es decir, la prima del derivado en términos de bonos sería igual a la esperanza -calculada según
unas probabilidades “Q” que hacen que el proceso Z sea una martingala- de la variable aleatoria

11
Pueden estudiarse en profundidad las caracteristicas y definiciones relativas a las Esperanzas
Condicionadas en Cheng: A Course in Probability Theory o bien puede recurrirse al Apéndice 1 del presente
trabajo, el cual enumera y describe intuitivamente sus enunciados básicos

25
“payoff en términos de bonos”, condicionada a la filtración hasta el momento t. Este resultado es el
que se intentará demostrar.

En un primer momento se calcularán cuales son las probabilidades “Q” que hacen del proceso una
martingala. Para ello se utilizará la fórmula (6) aplicada a un momento “t” genérico.

Z t  EQ (Z t 1 / Ft )  qt  Z tu1  (1  qt )  Z td1

despejando se llega a que:

Z t  Z td1
qt  u
Z t 1  Z td1

Repitiendo esto para cada nodo del árbol se consiguen todas las probabilidades “Q”. De hecho,
12
estas son las probabilidades que cumplen con (6) . Recuérdese que estas no son necesariamente
las probabilidades con las que se mueve el proceso-.

Se sabe por otro lado que por (2) y por (3) se cumple para todo payoff:

T 1
X  BT1  E S   t  Z t S<T
t S

Es decir, la cantidad de bonos necesaria para replicar un payoff genérico se consigue con la
cantidad de bonos que vale la estrategia –autofinanciable que replica este payoff- en un momento
dado “S” más las sucesivas variaciones de cada una de las carteras que componen la misma en
términos de bonos. Aplicando esperanzas a ambos términos de la igualdad:

 
 
T 1 T
EQ X  BT1 / FS  EQ  E S   t  Z t / FS   EQ E S / FS    EQ t  Z t / FS 
 t S  i S

Dado que E S es una variable conocida en “S” y que los  t son variables aleatorias conocidas al
momento “t”, aplicando la “Tower Property”, se tiene que,

12
Estas probabilidades cumplen con que son menores que 1 y mayores que 0 si se cumplen las condiciones de
la nota al pie 2

26
  
T 1 T 1
EQ X  BT1 / FS  E S   EQ EQ t  Z t / Ft  / FS   E S   EQ t  EQ Z t / Ft  / FS )   E S
t S t S

ya que dado que Z es una martingala –utilizando las probabilidades “Q”-, se espera que su
variación sea igual a 0. Por ende, cada uno de los términos de la sumatoria es igual a 0 y entonces,

EQ X  BT1 / FS   E S (7)

que era el resultado al que se quería arribar. Esto implica que no es necesario conocer cada una
de las carteras para encontrar el valor del derivado en ausencia de arbitraje. Por ejemplo
suponiendo un árbol binomial de dos períodos, la prima en términos de bonos de un derivado al
momento 0 es igual a:

E0  X uu / B2  q0 q1u  X ud / B2  q0 (1  q1u )  X du / B2  (1  q0 )q1d  X dd / B2  (1  q0 )(1  q1d )

Y la prima, en términos de bonos, de un derivado al momento 1 es igual a:

E1u  X uuq1u  X ud (1  q1u )

E1d  Xduq1d  Xdd (1  q1d )

Ya sea que el activo subyacente suba o baje. En todos los casos puede calcularse la prima del
derivado en términos de dinero como Et  Bt .

Estas consideraciones que han sido hechas valuando la estrategia y el activo subyacente en
términos de bonos, pueden hacerse también pero valuando la estrategia y el bono en términos de
activos subyacentes. Van a encontrarse unas probabilidades “R” con las que el bono valuado en
términos de activos subyacentes se comportará como una martingala. Estas probabilidades “R”
surgirán como solución, para cada nodo, de la siguiente ecuación:

Yt  E R (Yt 1 / Ft )  rt  Yt u1  (1  rt )  Yt d1

De la misma manera que en el caso anterior puede probarse que el valor en ausencia de arbitraje
del derivado en términos de activos subyacentes se comporta bajo este esquema de
probabilidades como una martingala. Por ende la prima del derivado también se puede valuar de la
siguiente manera:

27
VS  S S  E R ( X  ST1 / Ft ) (8)

Es decir, el valor de un derivado es igual a su valor en ausencia de arbitraje en términos de activo

subyacente multiplicado por el valor del activo subyacente. Puede probarse algebraicamente (por si
la “Tower Property” no fuese prueba suficiente) que las ecuaciones (7) y (8) ofrecen los mismos
resultados numéricos.

Ejercicios

i. Calcule la prima de los derivados analizados en el ejercicio tres del capítulo

correspondiente al modelo binomial general a través del enfoque de las probabilidades “Q
ii. Repita el ejercicio anterior utilizando el enfoque de las probabilidades “R”
iii. Calcule utilizando el árbol binomial del ejercicio i la prima de un Asian Strike Call en
ausencia de arbitraje a través del enfoque de las probabilidades “Q”.
iv. Repita el ejercicio anterior utilizando el enfoque de las probabilidades “R”
v. Calcule a través del árbol binomial utilizado en el ejercicio i el precio de un derivado cuyo
payoff es igual a “K” y se paga en el primer momento en que la acción alcanza los 12
pesos (De no suceder esto antes del momento “3” el payoff es igual a 0)

28
Relaciones Básicas de Arbitraje

En función de lo visto en apartados anteriores se procederá a analizar un conjunto de relaciones

entre opciones y forwards muy utilizadas en la práctica.

Valuación de Forwards

Pueden aplicarse los conceptos analizados al cálculo de la prima de un Forward con strike
genérico “K” y vencimiento en “T”. Según lo estudiado en puntos anteriores, el payoff de un
Forward viene definido a través de la siguiente variable aleatoria:

X  ST  K

Puede valuarse este derivado a través del enfoque de las probabilidades “Q” estudiado en el
apartado anterior. En término de bonos la prima de este derivado en ausencia de arbitraje es igual
a:

      
Et  EQ X  BT1 / Ft  EQ ST  K   BT1 / Ft  EQ ST  BT1 / Ft  EQ K  BT1 / Ft 
Puesto que el proceso estocástico Z viene definido como S/B y que K y BT son constantes
conocidas al momento “t” se deduce que:

 
Et  EQ X  BT1 / Ft  EQ Z T / Ft   K  BT1

Y por ser Z una “Q” martingala (una martingala utilizando probabilidades “Q”),

 
Et  EQ X  BT1 / Ft  Z t  K  BT1

En términos de dinero esto quedaría de la siguiente manera:

Vt  Et  Bt  S t  K  BT1  Bt

Puede probarse la equivalencia entre los métodos de probabilidades “Q” y “R” para este caso en
particular, comprobándose que mediante ambos caminos se llega al mismo resultado. De hecho,

29
según lo visto en el apartado anterior, la prima de este derivado en ausencia de arbitraje en
términos de acciones es igual a:

       
Dt  E R X  S T1 / Ft  E R ST  K   ST1 / Ft  E R ST  ST1 / Ft  E R K  S T1 / Ft 
 1  ER K  S 1
T  BT  BT1 / Ft 
Por ser el proceso Y = B/S, modelado según las probabilidades “R”, una martingala se llega a que:

 
Dt  1  E R K  YT  BT1 / Ft  1  K  BT1 E R YT / Ft   1  K  BT1Yt

Y por ende, también se llega mediante este enfoque a que la prima de este derivado en ausencia
de arbitraje en términos de pesos es igual a:

Vt  Dt  S t  S t  K  BT1Yt  S t  S t  K  BT1 Bt

Es decir, la prima de este derivado en ausencia de arbitraje en cualquier momento anterior a su

-1
vencimiento es igual al valor de una cartera formada por una acción y una deuda de K•BT bonos,
por ende, a partir de la sola inspección del valor de este derivado puede determinarse que la
-1
estrategia que replica este derivado es (1,-K•BT ).

Puesto que ambos componentes de la estrategia no cambian con el tiempo, se suele decir que
esta estrategia es estática. Esta estrategia replica el payoff del Forward independientemente del
modelo que simule el comportamiento del activo subyacente. Por ende, esta relación entre la prima
de un Forward y el valor del activo subyacente suele darse en el mercado.

Finalmente vale la pena mencionar que en la práctica los Forwards que se operan en el mercado
son aquellos con strike y vencimiento tal que su prima sea igual a cero. Es decir, para un
vencimiento “T” dado, el strike “K” que se opera en el mercado suele ser el que surge como
solución de la siguiente ecuación:

S t  K T  BT1 Bt  0  K T  S t  BT  Bt1

A este strike (es decir, el strike para el cual la prima del Forward es igual a 0), se lo suele llamar
precio Forward.

30
Valuación de Calls y Puts Europeos y Relaciones de Arbitraje

Como se estudió en la introducción de este trabajo, el payoff de un call puede representarse a

través de la siguiente variable aleatoria:

X  MaxST  K ,0

Tal como se hizo en el punto anterior, podría valuarse este derivado a través del enfoque de las
probabilidades “Q” o a través del enfoque de las probabilidades “R”, puesto que ambos enfoques
debieran coincidir. Esto es:

  
Vt  Bt  EQ MaxST  K ,0  BT1 / Ft  S t  E R MaxST  K ,0  ST1 / Ft 
Sin embargo lo que se hará es utilizar ambos enfoques a la vez. El payoff de un call puede ser
reexpresado de la siguiente manera:

X  ST  K   1ST  K  ST  1ST  K  K  1ST  K  V1  V2

Donde se interpreta a 1A como una variable aleatoria que toma el valor uno si se cumple el evento
“A” o el valor 0 de lo contrario. De esta manera puede interpretarse este payoff como el que se
obtendría si se tuviera una cartera formada por un derivado comprado con payoff V 1 y por un
derivado emitido con payoff V2. Por ende, la prima del call en ausencia de arbitraje debiera coincidir
con la resta entre la prima en ausencia de arbitraje del derivado con payoff V 1 y la prima en
ausencia de arbitraje del derivado con payoff V2. Esta conclusión bien podría haberse derivado
matemáticamente. De hecho,

    
Bt EQ  X  BT1 / Ft  Bt EQ  ST  1ST  K  BT1 / Ft  Bt EQ  K  1ST  K  BT1 / Ft 
Valuándose el segundo derivado a través del enfoque de las probabilidades “Q” se puede llegar a
la siguiente relación:

   
Bt EQ K  1ST  K  BT1 / Ft  K  BT1  Bt  EQ 1ST  K / Ft 
 K  BT1  Bt  1  QS T  K / Ft   0  QS T  K / Ft   K  BT1  Bt  QS T  K / Ft 

31
Mientras que valuándose el primer derivado a través del enfoque de las probabilidades “R” se
prueba que:

 
S t  E R ST  1ST  K  ST1 / Ft  S t  RST  K / Ft 

Por ende:

 
Bt EQ  X  BT1 / Ft  S t  RST  K / Ft   K  BT1  Bt  QST  K / Ft 

Mas aún, modelando el activo subyacente mediante un arbol binomial n-periódico, cuyas ramas
cumplan con la siguiente relación:

Donde μ, ζ y el valor inicial del árbol son parámetros del modelo y modelando el precio del bono
como:

Bt  e rt

Puede probarse que, a medida que aumente “n” (es decir, a medida que aumenta la capacidad
descriptiva del modelo), el valor de un call en ausencia de arbitraje converge a una determinada
fórmula:

lim S t  RS T  K / Ft   K  BT1  Bt  QS T  K / Ft  

n 

  St  1    St  1 
 ln    (r  . 2 ).(T  t )   ln    (r  . 2 ).(T  t ) 
 S t  N      K  e  r .(T t )  N   K  
K 2 2
. T  t   . T  t 
   
   

32
En donde N(x) representa la función de distribución de una variable aleatoria normal estandar. Esta
fórmula es conocida como la fórmula de Black-Scholes y, como se ve, su fundamento se encuentra
basado íntegramente en un concepto de arbitraje. No se profundizará en esta formula ahora puesto
que se retornará a ella cuando se vuelva a arribar a este mismo resultado mediante el modelo
continuo.

Volviendo al modelo binomial, así como se valuó un call genérico, puede valuarse un put mediante
el mismo razonamiento. De hecho puede demostrarse (ejercicio que queda a cargo del lector), que
la prima de un Put con Strike “K” y vencimiento en “T” en ausencia de arbitraje es igual a:

 
Bt EQ  X  BT1 / Ft  K  BT1  Bt  QST  K / Ft   S t  RST  K / Ft 

En función de las dos primas calculadas en este punto puede conseguirse una interesante relación
entre la prima de un call, la de un put y la de un forward, conocida como Call-Put Parity. Esta
relación indica que la prima de un call con determinado strike y vencimiento, menos la prima de un
put con mismo strike y vencimiento debiera coincidir, en ausencia de arbitraje, con la prima de el
forward con ese strike y vencimiento. Si esto no ocurriese podría incurrirse en un arbitraje entre
estos tres instrumentos. De hecho, solo basta con comprobar que el payoff de un forward coincide
con el que se obtendría con una cartera formada por el call comprado y el put emitido.
Matemáticamente esto es:

ST  
 K   1ST  K  K  ST   1ST  K  ST  K   1ST  K  S T  K   1ST  K  ST  K   1ST  K  1ST  K 
 ST  K

Por ende, si el valor del forward fuese mayor al de la cartera formada por el call comprado y el put
vendido, se podría incurrir en un arbitraje vendiendo el forward y comprando la cartera y, en caso
contrario, si el valor del forward fuese inferior al de la cartera, el arbitraje podría llevarse a cabo
13
emitiendo la cartera y comprando el forward. Otra vez, dado que el arbitraje entre estos tres
instrumentos es estático, es común observar que esta relación se cumpla en los mercados.

Puede comprobarse que en el modelo discreto se satisface la mencionada relación simplemente

restando los valores en ausencia de arbitraje del call y del put. Esto es:

13
Esta “emisión” se llevaría a cabo emitiendo el call y comprando el put

33
  
S t  RS T  K / Ft   K  BT1  Bt  QS T  K / Ft   K  BT1  Bt  QS T  K / Ft   S t  RS T  K / Ft  
 S t  RS T  K / Ft   RS T  K / Ft   K  B  Bt  QS T  K / Ft   QS T  K / Ft  
1
T

 S t  K  BT1  Bt

Derivados sobre Divisa

Si bien se trata con detalle la valuación de derivados sobre divisa en el apartado del Modelo de
Black-Scholes, se introduce a continuación la metodología de valuación de estos instrumentos en
el contexto de los árboles binomiales.

La principal diferencia existente al valuar estos instrumentos se da en la estrategia de réplica. Esto

se debe a que si se quiere replicar el payoff de un derivado cuyo activo subyacente es una divisa,
en función de la metodología desarrollada en los apartados anteriores, debiera utilizarse en la
estrategia de replica una determinada cantidad de divisa, y otra determinada cantidad de bono libre
de riesgo. No obstante, invertir en una divisa en general es una decisión subóptima (o viceversa,
financiarse en una divisa es una decisión subóptima para el prestamista). Esto se debe a que en
general, cada divisa tiene asociada una tasa de interés, a partir de la cual es posible invertir
recibiendo de esta manera un rédito mayor del que se conseguiría si solo se mantuviera en cartera
una determinada cantidad de divisa.

En los términos del presente trabajo, puede pensarse que existe un árbol binomial (“C”) que
modela el valor de una divisa en términos de moneda local sobre la cual se lanza un derivado.
Existe además un árbol binomial (en general determinístico) de un bono (“B”) nominado en moneda
f
local y otro árbol binomial (también en general determinístico) de un bono (“B ”) nominado en
moneda extranjera. De esta manera, todo aquel que busque invertir en la divisa (“C”), en realidad lo
f
hará en el bono extranjero (“B ”). A los efectos de denotar el valor, en moneda local, de una
f
inversión en bono extranjero, se crea un nuevo árbol (“S”) que surge a partir del producto entre “B ”
y “C” (es decir, valor del bono en moneda extranjera por valor de la moneda extranjera en términos
de la moneda local).

De esta manera, al realizar la réplica de un derivado sobre divisa (es decir, cuyo payoff surge a
partir del árbol binomial “C”), la estrategia autofinanciable no debe armarse con los árboles “C” y
“B” sino con los árboles “S” y “B”. Por otro lado, si se quiere aplicar el método de las esperanzas
condicionadas, a los efectos de calcular las probabilidades “Q” (“R”), no deben buscarse aquellas
probabilidades que transforman en una martingala al proceso “C” en términos de “B” (“B” en

34
términos de “C”), sino las que transforman en una martingala al proceso “S” en términos de “B” (“B”
en términos de “S”)

Ejercicios

i. Demuestre que la cantidad de acciones que deben tenerse en cartera para replicar un call
menos la cantidad de acciones que deben tenerse en cartera para replicar un put debe ser
igual a 1.
ii. A través del árbol binomial utilizado en el ejercicio i del capítulo anterior compruebe la call
put parity.
iii. A través del árbol binomial utilizado en el ejercicio anterior compruebe que la prima de un
forward en cualquier momento coincide con:

St  K  BT1  Bt

iv. A través del árbol binomial utilizado en el ejercicio anterior compruebe que la prima de un
put coincide en cualquier momento con:

K  BT1  Bt  QST  K / Ft   St  RST  K / Ft 

v. Demuestre que el valor en ausencia de arbitraje de un derivado cuyo payoff viene definido
como:

S t  K  1A

siendo “A” un evento cualquiera contenido en los que se desprenden del árbol binomial que
modela el precio del activo subyacente, coincide con:

Vt  S t  RA / Ft   K  BT1  Bt  QA / Ft 

vi. Demuestre que si en un nodo en particular, “q”>1 entonces en ese nodo es posible
incurrirse en un arbitraje con una cartera formada por activo subyacente y bonos.
vii. Dado el siguiente árbol binomial calcule las primas de un call y un put asiático con strike 20
sobre el activo “S”.

35
 “S” “B”

30 1.3
25 1.2
20 20 1 1.3
15 1.2
10 1.3

viii. A partir de los dos valores conseguidos en el ejercicio anterior calcule la prima en ausencia
de arbitraje de un Forward Asiático con el mismo Strike y explique detalladamente como
podría incurrirse en un arbitraje entre estos tres instrumentos si la prima del Forward
Asiático fuera mayor a la calculada en este punto.
ix. A partir del siguiente árbol binomial del valor de la divisa “C”:

“C”
30 1.3
25 1.2
20 20 1 1.3
15 1.2
10 1.3

Suponiendo que la tasa del bono local es del 10% y la del bono extranjero es del 5%,
calcule el valor de un call sobre divisa con vencimiento en “2” y strike de 20.
x. A partir de las mismas hipótesis del ejercicio anterior, calcule el valor de un Forward con
las mismas condiciones.
xi. A partir de las mismas hipótesis del ejercicio anterior, calcule el valor de un Put Asiático
con las mismas condiciones.

36
Valuación de Derivados Americanos en un Entorno Discreto

Si bien el estudio de la valuación de derivados americanos en un contexto de ausencia de arbitraje

excede los límites del presente trabajo, puesto que comprende el análisis de herramientas
matemáticas que no serán abordadas, sí se llevará a cabo una introducción a través de una
aplicación del modelo estudiado en el apartado anterior. Gráficamente el modelo es, otra vez, el
siguiente:

Activo Subyacente “S” Bono “B” Derivado

En este contexto se define derivado americano como un instrumento con vencimiento en un

momento “T” el cual le brinda al tenedor el derecho a recibir en un momento anterior “t” (o en el
mismo momento “T”) una determinada variable aleatoria Xt fijada contractualmente, la cual surge
como función de la trayectoria que tome el activo subyacente en el intervalo (0;t). Dicho momento
de ejercicio queda determinado por el tenedor del derivado. Por ende, en este caso, un derivado
americano ya no queda determinado por una variable aleatoria “X”, sino que hace falta definir un
proceso estocástico “Xt” 0t T .

Para el caso de un call americano este proceso estocástico es:

X t  St  K

Mientras que para un put americano es:

37
X t  K  St

Supóngase que el modelo que rige el comportamiento del activo subyacente es el árbol binomial de
un período analizado al comienzo de este trabajo. En ese caso un derivado americano genérico
brinda la opción a su tenedor de recibir al momento “0” un monto igual a “X0”, o de esperar al
momento “1” y recibir en ese momento un monto igual a la variable aleatoria “X1”. Puesto que el
valor en ausencia de arbitraje de la variable aleatoria “X 1” es conocido en “0” es lógico suponer que
el tenedor de este derivado solo ejercerá la opción de recibir “X 0” si esta cuantía fuese mayor a la
14
prima en ausencia de arbitraje de “X1” . Por este motivo se podría inducir que el valor de este
derivado coincide con el máximo entre “X 0” y la prima en ausencia de arbitraje de “X1”. De hecho,
puede probarse que esta sería la única manera en la que sería imposible incurrir en un arbitraje.

Supóngase que el derivado se opera en el mercado a un valor “A” tal que,

 
A  Max X 0 , B0 EQ X 1  B11 / F0 
En ese caso podría emitirse el derivado. Si este es ejercido al momento “0”, por hipótesis se estaría
incurriendo en una ganancia ya que A>X 0. Si este no es ejercido podría comprarse con una porción
de “A” la cartera que replica “X 1”, por lo que de esta manera se podría hacer frente en el momento
“1” a la obligación contraída con la emisión del derivado. En ambos casos se estaría consiguiendo
una ganancia sin riesgo.

Supóngase por el contrario que,

 
A  Max X 0 , B0 EQ X 1  B11 / F0 
En ese caso podría comprarse el derivado y ejercerlo si “X0” fuese mayor a la prima en ausencia de
arbitraje de “X1” o emitirse la cartera que replica “X 1” en caso contrario. En este último caso se
estaría consiguiendo un flujo positivo en “0” a cambio de un “flujo nulo” en “1” puesto que el valor
final de la cartera coincidiría con el payoff del derivado americano no ejercido.

Como se vio en ambos casos se podría incurrir en un arbitraje, por lo que el único precio del
derivado mediante el cual el mercado se encuentra equilibrado es:

14
Si así no lo hiciera, estaría cambiando un flujo cierto “X0” por uno incierto “X1” pero que se podría
conseguir invirtiendo una cuantía menor que “X0”. En todo caso, el tenedor debería ejercer el derivado,
consiguiendo de esta manera “X0” al momento 0 y con una porción de este dinero comprar la estrategia que
replica “X1”

38
  
V0  Max X 0 , B0 EQ X 1  B11 / F0 
La generalización al caso multiperiódico es similar a la generalización estudiada para los derivados
europeos. Suponiendo el árbol binomial de dos períodos presentado al comienzo de esta sección,
por lo visto en el último párrafo, la prima en ausencia de arbitraje de este derivado un momento
anterior al vencimiento es igual a:

 
V1u  Max X 1u , B1 EQu X 2  B21 / F1 
Si el activo subyacente sube entre “0” y “1”, o igual a:

 
V1d  Max X 1d , B1 EQd X 2  B21 / F1 
En caso contrario. Ahora bien, al momento “0” lo que se tiene finalmente es de vuelta un arbol
binomial de un período, en este caso formado por los siguientes “payoff”

Es decir, el tenedor de este derivado elegirá en “0” entre un flujo cierto “X0” o uno incierto cuyo
u d
valor será “V1 ” si el activo subyacente sube o “V 1 ” en caso contrario. Aplicando las ideas
mencionadas anteriormente se concluye que el valor en ausencia de arbitraje al momento “0” de
este derivado es igual a:

 
V0  Max X 0 , B0 EQ V1  B11 / F0 
Finalmente, generalizando para el caso de un árbol “T” periódico, el valor en ausencia de arbitraje
de un derivado americano debe satisfacer la siguiente fórmula recursiva:

 
Vt  Max X t , Bt EQ Vt 1  Bt1 / Ft 

39
En donde debe interpretarse que VT=XT.

Valuación de Calls Americanos

Puede comprobarse numéricamente que, independientemente del árbol binomial elegido para
modelar el comportamiento del precio del activo subyacente, siempre la prima en ausencia de
arbitraje de un call americano con strike “K” y vencimiento “T”, contrariando la intuición, coincide
con la prima de un call europeo con mismo strike, vencimiento y subyacente. A continuación se
demuestra que si esto no fuera así, el mercado se encontraría en desequilibrio, existiendo
posibilidad de arbitrar.

Puesto que un call ofrece un payoff mayor que un forward, el valor del primero debe ser mayor que
el del segundo. En términos matemáticos debe comprobarse que:

Vt  S t  K  BT1  Bt

-1
Si esto no ocurriese podría emitirse la estrategia (1;K∙BT ) y con una porción del dinero recibido por
la cartera emitida comprarse un call. Puesto que la cartera emitida replica a vencimiento el payoff
de un forward, al momento “T” el payoff del call comprado siempre sería suficiente (Y en el caso en
que ST<K mas que suficiente) para soportar el pago de la deuda contraída.

Ahora bien, como Bt es una función creciente, se tiene que:

BT1  Bt  1
Vt  S t  K  BT1  Bt  S t  K

Es decir, el valor de un call europeo siempre tiene que ser mayor que S t-K. Por ende, dado que el
valor de un call americano en ausencia de arbitraje debe ser mayor o igual al de su contraparte
europea, se tiene que en ausencia de arbitraje el valor de un call americano a un momento
genérico “t” anterior al de vencimiento siempre tiene que ser mayor que St-K. De esta manera,
siempre que se ejercite el call americano antes de vencimiento se estaría llevando a cabo una
decisión subóptima porque puede conseguirse más dinero vendiendo el derivado que ejerciéndolo.

Ahora bien, si un call americano nunca debe ser ejercido hasta el vencimiento del contrato,
entonces su valor no puede ser mayor al del call europeo, puesto que si así fuera, podría incurrirse

40
en un arbitraje vendiendo el call americano y comprando el call europeo y sabiendo que en ningún
caso el valor del call europeo será menor que el de cada uno de los sucesivos payoff ofrecidos por
el call americano. En este caso se conseguiría una diferencia al comienzo de la operación sin
riesgo de realizar un desembolso intermedio o a vencimiento de las opciones.

Esta conclusión que se desprende para el call americano no se cumple para el caso del put
americano. Puede probarse que para no incurrirse en decisiones subóptimas, un put americano
debe ser ejercido, en muchas circunstancias, antes de vencimiento. Entre otras consecuencias se
encuentra el hecho de que un put americano puede (y en muchos casos debe) valer más que su
contraparte europea, por lo que en general no se comprueba en los mercados de derivados una
“Call-Put-Parity americana”

Ejercicios

i. A partir del árbol binomial utilizado en el ejercicio ii del capítulo anterior calcule el valor en
ausencia de arbitraje de un call americano y compruebe que este coincide en todo
momento con el de su contraparte europea.
ii. A partir del árbol binomial utilizado en el ejercicio ii del capítulo anterior calcule el valor en
ausencia de arbitraje de un put americano y compruebe que este puede no coincidir en
algún momento con el de su contraparte europea.

41
Modelo Multinomial

El modelo binomial multiperiódico puede ser generalizado a través de lo que se conoce como
modelo multinomial. En el modelo binomial el mercado contaba con dos activos que tomaban
valores en distintos momentos del tiempo (nodos). De un nodo en particular el mercado podía
avanzar a dos nodos posibles. A los efectos de la valuación a través de la réplica mediante
estrategias autofinanciables, esta aleatoriedad era “eliminada” al tratar a los dos nodos posibles
como un sistema de dos ecuaciones donde las dos incognitas eran las cantidades de cada uno de

los dos activos que debían mantenerse en cartera (  t y t ) a los efectos de replicar los dos
u
valores posibles del derivado a valuar ( Vt 1 y Vt d1 ).

En el modelo multinomial multiperiódico se supone que el mercado puede avanzar de un nodo en

particular a “m” nodos posibles los cuales ya no serán denotados a través de las letras “u” y “d”
sino a través de un supraíndice numérico que tomará valores entre 1 y “m”. A su vez, como es de
esperar, a los efectos de armar replicas de derivados a través de estrategias autofinanciables, se
deberá contar en este mercado con “m” activos en dónde no es necesario suponer que alguno de
ellos es libre de riesgo y donde el precio de estos “m” activos será denotado a través de un vector
“S” (proceso estocástico “m” dimensional). A los efectos de esclarecer la nomenclatura, si se
tuviera un mercado con tres activos (S(1), S(2), S(3)) modelado a través del siguiente modelo
multinomial (en este caso trinomial) de dos períodos,

1.3 S(1) S(2) S(3)

1.1 14.40 21.97 12.10
12.00 13.20 14.82 13.47 11.00 12.10
10.00 8.77 12.10

13.20 13.47 12.10

10.00 11.00 12.10 10.00 9.09 8.26 10.00 11.00 12.10
9.17 5.38 12.10

10.00 8.77 12.10

8.33 9.17 5.92 5.38 11.00 12.10
6.94 3.50 12.10

Cada uno de estos árboles representaría un proceso estocástico en particular y se tendrían, por
ejemplo los siguientes vectores aleatorios:

42
 S(1)2 S(2)2 S(3)2
Estado 1 14.40 21.97 12.10
Estado 2 13.20 13.47 12.10
Estado 3 10.00 8.77 12.10
S2  Estado 4 13.20 13.47 12.10
Estado 5 12.10 8.26 12.10
Estado 6 9.17 5.38 12.10
Estado 7 10.00 8.77 12.10
Estado 8 9.17 5.38 12.10
Estado 9 6.94 3.50 12.10

S(1)1 S(2)1 S(3)1

Estado 1 12.00 14.82 11.00
S1  Estado 2 11.00 9.09 11.00
Estado 3 8.33 5.92 11.00

Y, por ejemplo, las siguientes realizaciones de dichos vectores aleatorios:

S (1) 22,1  ”Precio del activo 1 al momento 2 si transitó en el momento 1 por el estado 2 y al
momento 2 por el estado 1” = 12.10

S (2)13  ”Precio del activo 2 al momento 1 si transitó en el momento 1 por el estado 3” = 5.92.

En estos términos, en el caso general S(i) representará el proceso estocástico del i-ésimo activo

(i  m ), S t representará la variable aleatoria “m” dimensional “precio de los “m” activos al

momento “t” ( t  T )”, y el payoff del derivado a valuar vendrá representado por una variable
aleatoria “X” que surja como función de algunas (o todas) de las variables aleatorias mencionadas.
Entre otros, se estarían contemplando los siguientes payoff:

X  S i T  K  : Call sobre el i-ésimo activo



 m S i T


X    K  : Call sobre cartera de “m” activos
 i 1 m 

 T S i t


X    K  : Call asiático sobre i-ésimo activo
 i 0 T  1 

S i t

 m

 T  

X   i 1 m
 K  : Call asiático sobre cartera de “m” activos
 t 0 T  1 
 
 

43
 m
M i T m
S i T
X   : Lookback Call sobre cartera de “m” activos
i 1 m i 1 m
Etc.

A los efectos de resolver el problema de la valuación de un derivado con payoff genérico “X” a
través de un método análogo al del sistema de ecuaciones, deben armarse recursivamente (desde
el momento “T-1” hasta el momento “0”), tantos sistemas de ecuaciones como nodos haya. En los
primeros sistemas a armar (los correspondientes al momento “T-1”), para cada nodo, deben
buscarse las cantidades  (i)T 1 i  m , que hagan que los valores al momento “T” de las

carteras conformadas por dichas cantidades coincidan con el payoff a replicar. En términos
formales, para cada nodo del momento “T-1”, debe armarse el siguiente sistema de ecuaciones:

Activos
X   (1) T 1  S 1   (2) T 1  S 2T  ...   (m) T 1  S m T
E 1 1 1 1
s T
t
X 2   (1) T 1  S 1T   (2) T 1  S 2T  ...   (m) T 1  S m T
2 2 2
a
d ...
o
X m   (1) T 1  S 1T   (2) T 1  S 2T  ...   (m) T 1  S m T
m m m
s

Donde cada fila de este sistema de ecuaciones representa cada uno de los “m” estados hacia
donde el mercado puede “fluctuar”. Este sistema puede expresarse a través de la siguiente
ecuación matricial (En donde entre paréntesis se esclarecen las dimensiones de cada matriz):

X ( m x1)  ST
( m x m)
 T 1
( m x 1)
 T 1
( m x 1)

 X ( m x1)  ST 
( m x m ) 1

Una vez obtenidas las cantidades de cada uno de los activos que deben mantenerse en cartera, a
través de un argumento similar al estudiado en el capítulo de árboles binomiales, puede calcularse
el valor del derivado en ausencia de arbitraje al momento “T-1”, calculando el valor en “T-1” de la
cartera conseguida a través de la ecuación anterior, de la siguiente manera:

m
VT 1  S T 1  T 1   S (i) T 1   (i) T 1
(1 x m ) ( m x 1)

i 1

De la misma manera que en los árboles binomiales, a los efectos de encontrar los valores en
ausencia de arbitraje del derivado a valuar, para momentos anteriores a “T-1” debe operarse de
manera recursiva, aplicando sucesivamente la metodología desarrollada, pero buscando replicar,

44
ya no los posibles valores del payoff, sino los posibles valores del derivado en ausencia de arbitraje
en el momento inmediato posterior. En términos formales esto es:

m
Vt  S t 1  t   S (i) t 1   (i) t
(1 x m ) ( m x 1)

i 1

dónde


t ( m x1)  Vt 1( m x1)  S t 1( m x m) 
1

Al igual que en el caso de los árboles binomiales, es posible calcular cada uno de los valores en
ausencia de arbitraje a través del enfoque de esperanzas condicionadas. Para ello debe escogerse
un activo “j”  j  m , expresar todos los árboles en términos del árbol de este activo, armando de
esta manera un nuevo proceso estocástico “m” dimensional Z  S / S ( j ) y buscando las
probabilidades “q” que hacen que cada uno de los procesos unidimensionales que componen el
proceso “Z” sea una martingala. Para esto debe tenerse en cuenta que, como de cada nodo se
puede pasar, en el momento siguiente, a “m” nodos, las probabilidades “q” vendrán representadas,
ya no por dos probabilidades por cada nodo ( q t y 1  qt ) sino por “m” probabilidades
m 1
1 2
( qt , qt ,..., qtm1 , qtm  1   qti ) por cada nodo.
i 1

A fin de que el valor de cada uno de los activos en términos de S(j) sea una martingala, las
mencionadas probabilidades “q” deben cumplir, para cada nodo, con las siguientes “m-1”
ecuaciones (una para cada activo distinto de S(j), que en términos de S(j) es obviamente una
martingala que siempre toma el valor 1):

45
  m 1 
Z (1) t  qt1  Z (1)1t 1  qt2  Z (1) t21  ...  qtm 1  Z (1) tm1  1   qti   Z (1) tm1
 i 1 
 m 1

Z (2) t  qt1  Z (2)1t 1  qt2  Z (2) t21  ...  qtm 1  Z (2) tm1  1   qti   Z (2) tm1
 i 1 
...
 m 1 
Z ( j  1) t  qt1  Z ( j  1)1t 1  qt2  Z ( j  1) t21  ...  qtm 1  Z ( j  1) tm1  1   qti   Z ( j  1) tm1
 i 1 
 m 1

Z ( j  1) t  qt1  Z ( j  1)1t 1  qt2  Z ( j  1) t21  ...  qtm 1  Z ( j  1) tm1  1   qti   Z ( j  1) tm1
 i 1 
...
 m 1 
Z (m) t  qt1  Z (m)1t 1  qt2  Z (m) t21  ...  qtm 1  Z (m) tm1  1   qti   Z (m) tm1
 i 1 

Este sistema puede expresarse en términos matriciales de la siguiente manera:

Zt
( m1) x1
 Z tm1
( m1) x1

 Z t1:(1m1)
( m1) x ( m 1)
 Z tm1
( m1) x1

 11x ( m1)  q ( m1) x1

(1xm)
Siendo 1 un vector de 1 fila y “m” columnas en el que todos sus componentes son iguales a 1 y
1:( m 1)
Z t 1 una matriz que representa las “m-1” primeras realizaciones del valor de los activos al

momento “t+1” en términos de S(j). Resolviendo este sistema de ecuaciones se tiene que el vector
de probabilidades “q” para un nodo genérico de un momento genérico “t” surge a través de la
siguiente expresión:

q ( m1) x1  Z t  ( m 1) x1
 Z tm1
( m 1) x1
 Z 1:( m 1) ( m 1) x ( m 1)
t 1  Z tm1
( m 1) x1
 11x ( m1) 
1

Puede comprobarse que esta ecuación matricial aplicada sobre un arbol binomial arroja los mismos
resultados que los que se conseguirían con el algoritmo propuesto en el capítulo del modelo
binomial.

Tal como ocurriera con los árboles binomiales, una vez encontradas las probabilidades “q” que
transforman en martingalas al valor de los activos no utilizados como numerario en términos del
activo utilizado como numerario (S(j)), es posible calcular el valor en ausencia de arbitraje, a un
momento genérico “t” de un derivado con payoff genérico “X” pagadero en un momento “T” a través
de la siguiente ecuación:

46
 
Vt  S ( j ) t  EQ X  S ( j ) T1 / Ft 
Puede comprobarse, a través de una demostración similar a la desarrollada en el capítulo de
árboles binomiales, que esta metodología de valuación arroja exactamente los mismos valores que
la metodología de los sistemas de ecuaciones. Al igual que como ocurre con los árboles
binomiales, en donde ya sea que se utilice el bono como numerario y las probabilidades “q” o el
activo subyacente como numerario y las probabilidades “r”, puede comprobarse que la metodología
expuesta es independiente del activo utilizado como numerario (es decir, si se utilizara otro activo
como numerario, si bien variarían las probabilidades que se calcularían, los valores que arrojaría la
última ecuación no sufrirían modificación alguna).

Ejercicios

i. A partir del árbol trinomial presentado en este capítulo, calcule el valor en ausencia de
arbitraje de cada uno de los payoff expuestos en las páginas 41 y 42 mediante el método
de los sistemas de ecuaciones.
ii. Repita el ejercicio anterior pero utilizando el método de las esperanzas condicionadas
utilizando como numerario el activo 1.
iii. Compruebe que al variar el numerario los valores en ausencia de arbitraje permanecen
inalterables.
iv. Repita el ejercicio 2 pero utilizando como numerario una cartera conformada por una
unidad de activo 1 tres unidades de activo 2 y dos unidades de activo 3.
v. Repita el ejercicio 2 pero utilizando como numerario la estrategia autofinanciable que
replica el siguiente payoff:


X  S (2) 2 2

47
Mercado de Tasas de Interés

Alrededor del 90% de los derivados operados en el mundo son derivados de tasa de interés. No
obstante, las características de este mercado son mas complejas que las de los mercados
analizados hasta el momento. Por este motivo se pospuso la discusión acerca de la vauación de
los derivados sobre tasas de interés hasta este capítulo.

La literatura existente usualmente supone que en el mercado de tasas de interés no existe spread
entre las tasas activas y las tasas pasivas. Sin embargo, no suele suponerse que existe una única
tasa de interés sino que la misma depende del plazo de la operación. A esta función “Plazo de la
Operación → Tasa de Interés” es lo que se conoce como Estructura Temporal de Tasas de Interés
(ETTI). A su vez, se suele trabajar con modelos estocásticos de la ETTI. Esto es, modelar la ETTI a
través de un proceso estocástico multidimensional sin suponer de esta manera que las tasas de
interés a las cuales se podrá operar en el futuro sean conocidas de antemano.

A continuación se denotará a través de i(t,0,p) a la tasa de interés nominal realizada en el momento

“t” para operaciones de plazo “p”. Es decir, si en el momento “t” se colocaran “C” pesos por un
plazo de “p” períodos, se conseguirían a vencimiento C  1  it ,0, p   p  pesos. Esta tasa es
conocida en los mercados de tasa de interés como “tasa spot”, en contraposición a las
denominadas “tasas forward” que serán descriptas en la siguiente sección. De la misma manera, si
se quisiera conseguir 1 peso al momento “p” a través de una colocación a realizar en “t”, debieran

colocarse en dicho momento 1  it,0, p   p 1 . Se denotará a través de P(t,T) al valor en “t” de
un bono cupón cero con vencimiento en “T” con valor nominal (en este contexto valor nominal
coincide con lo que en este trabajo fue denominado como payoff) de 1 peso. En términos formales
esto es:

Pt , T  
1
1  it ,0, T  t   T  t 

Se tratarán en primer lugar los derivados lineales (es decir, aquellos derivados cuyo payoff surge
como una función lineal de alguna / algunas de las variables mencionadas) puesto que sus valores
en ausencia de arbitraje surgen a través de argumentos que prescinden de la suposición de un
modelo subyacente (como ocurría con los forwards sobre activos), y en segundo término los
derivados no lineales, para los cuales la utilización de un modelo de tipo multinomial multiperiódico
será necesaria.

48
Contrato de Fijación de Tasa Futura

El primero de los contratos a analizar es el de fijación de tasa futura. A través del mismo es posible
realizar operaciones de interés en donde, a pesar de que el momento de colocación del monto a
invertir (“C”) se lleva a cabo en un momento futuro (llámese “h”) por un plazo genérico de “p”
períodos, la tasa de interés a la cual se invertirán dichos fondos es fijada en un momento anterior
(supóngase para simplificar que dicho momento es “0”). Suponiendo que dicha tasa es “k” (a la
cual se la denominará “tasa pactada”), la inversión de “C” pesos otorgará un flujo de fondos al
inversor al momento “h” mas “p” de:

FFh p  C  1  k  p 

Ahora bien, si es posible pactar en el momento “0” la tasa para operaciones a realizar desde “h”
hasta “h” mas “p”, entonces es posible invertir dinero a una tasa fija desde el momento “0” hasta el
momento “h” mas “p” de dos maneras distintas. Por un lado esto puede llevarse a cabo
simplemente invirtiendo fondos a la tasa existente en “0” para operaciones hasta “h” mas “p”
(i(0,0,h+p)) mientras que por el otro es posible invertir los mismos fondos a la tasa existente en “0”
para operaciones hasta “h” y pactar en el mismo momento que los flujos resultantes de dicha
operación serán reinvertidos a partir de dicho momento y hasta el momento “h” mas “p” a la
mencionada tasa “k”. Como es de esperar, para un mismo capital inicial, ambas operaciones
debieran otorgar el mismo flujo de fondos en el momento “h” mas “p” puesto que de otra manera
sería posible incurrir en un arbitraje (invirtiendo a la operación mas ventajosa y financiando dicha
inversión a través de la operación menos redituable). Para que ambos flujos de fondos sean
iguales debe ocurrir necesariamente que:

 1  i0,0, h  p   h  p   1
1  i0,0, h  p   h  p   1  i0,0, h   h   1  k  p   k    1 
 1  i0,0, h  h  p

De esta manera, la tasa pactada que elimina las oportunidades de arbitraje es entonces la que
surge de dividir el factor de capitalización desde “0” hasta “h” mas “p” por el factor de capitalización
desde “0” hasta “h” (restándole 1 a los efectos de transformar dicho factor de capitalización en tasa
efectiva y dividiendo por “p” dicha tasa a los efectos de nominalizarla). A los efectos de generalizar
la relación mencionada, si se quiere pactar en un momento genérico “t”, una operación a realizar
desde “h” períodos después por un plazo de “p” períodos, la tasa que debiera fijarse a los fines de
eliminar las oportunidades de arbitraje sera denotada a través de i(t,h,p), será denominada “tasa

49
forward” o “tasa futura” o “tasa implicita” y surgirá a partir de las tasas spot a través de la siguiente
relación:

 1  it ,0, h  p   h  p   1
it , h, p     1 
 1  it ,0, h  h  p

Este contrato de fijación de tasa futura también puede ser visto com un derivado que “otorga” dos
payoff, uno de “-C” pesos al momento “h” correspondiente a la inversión a realizar y otro de
“ C  1  k  p  ” a recibir en el momento “p” producto el resultado de dicha inversión. El valor en “0”
de este contrato entonces debe surgir como el valor actual de estos dos flujos calculado el primero
con la tasa para operaciones hasta el momento “h” y el segundo con la tasa para operaciones
hasta el momento “h” mas “p”. En términos formales esto es:

V0  C  1  k  p   1  i0,0, h  p   h  p   C  1  i0,0, h  h
1 1

Cuando este monto es positivo, para pactar un inversión a tasa “k” es necesario pagar una prima
igual a V0 (puesto que en este caso la tasa “k” es demasiado alta en relación a las tasas de
mercado), mientras que cuando este monto es negativo, para pactar una inversión a tasa “k”
debiera requerirse una prima igual a V0, (puesto que en este caso la tasa “k” es demasiado baja en
relación a las tasas de mercado). Igualando esta ecuación a 0 se comprueba que la tasa a pactar
para que el contrato no deba tener ningún flujo en el momento de su pactación tiene que coincidir
con la respectiva tasa forward (i(0,h,p)).

Forward de Tasa de Interés

Un contrato muy similar al de Fijación de Tasa de Interés es el de Forward (o Futuro) de Tasa de

Interés. En el caso mas sencillo el tenedor del contrato recibe un payoff en un momento “h” mas
“p”, el cual viene definido como la diferencia entre los intereses que generaría una inversión de “C”
pesos a realizar desde el momento “h” hasta el momento “h” mas “p”, en función de las condiciones
de mercado existentes en el momento “h”, y los intereses que generaría una inversión idéntica pero
pactada a una tasa “k” conocida de antemano. En términos formales, el payoff en el momento “h”
mas “p” de este derivado viene definido a través de la siguiente ecuación:

X  C  ih,0, p   p  k  p 

50
Puede simplificarse la valuación de este instrumento, añadiéndole a este payoff, un flujo de fondos
de una financiación a tasa de interés. De hecho, si se pidiesen prestados en el momento “h”, “C”
pesos por un plazo de “p” períodos, a la tasa existente en dicho momento para el plazo
mencionado (i(h,0,p)), al momento “h” mas “p” habría que devolver el capital (“C”) mas los intereses
generados por dicha financiación (“ C  i(h,0, p)  p ”). De esta manera, el flujo de fondos al
momento “h” mas “p” de las dos operaciones juntas coincidiría con la siguiente ecuación:

FFh p  X   C  C  i(h,0, p)  p   C  i(h,0, p)  p  C  k  p  C  C  i(h,0, p)  p  C  C  k  p

Desapareciendo así la parte aleatoria del flujo de fondos. Al haber agregado la mencionada
financiación al payoff del derivado a valuar, no solo se modificó el flujo de fondos del momento “h”
mas “p” sino que “apareció” un nuevo flujo de “C” pesos en el momento “h” producto de la
financiación realizada. Por ende, para calcular el valor de estas dos operaciones juntas, deben
actualizarse, a las tasas correspondientes, estos dos flujos de fondos (“C” pesos en el momento “h”
y “C Ck  p ” en el momento “h” mas “p”). Ahora bien, como para llevar a cabo la financiación
agregada al payoff, no es necesario pagar o recibir prima alguna al momento “0” (puesto que el
resarcimiento se paga al momento “h” mas “p”), agregar esta financiación a una cartera compuesta
por el Forward de Interés no modifica el valor de esta cartera. Dicho en otros términos, el valor del
derivado debe coincidir con el valor del derivado mas la financiación. Por este motivo debe darse
que:

V0  C  1  i(0,0, h)  h  C  1  k  p   1  i(0,0, h  p)  h  p 
1 1

Notese que el valor de este derivado es exactamente igual al del derivado anterior pero con signo
opuesto, lo cual no debiera sorprender puesto que los flujos de fondos que se terminaron
actualizando fueron exactamente iguales a los actualizados en el contrato de Fijación de Tasa de
Interés con el signo opuesto. Por ende, en función de lo comentado con respecto al contrato de
Fijación de Tasa de Interés, los Forward de Tasa de Interés también toman un valor de 0
únicamente cuando las tasa pactada “k” coincide con la tasa forward (“i(0,h,p)” en este caso).

Este contrato resulta de gran utilidad a los efectos de la valuación de flujos de fondos sujetos a
tasa de interés variable. De hecho, supóngase que se debe calcular el valor (en “0”) del siguiente
flujo de fondos:

FFh p  C  i(h,0, p)  p

51
Esto es, un flujo de fondos que si bien se realizará en el momento “h” mas “p”, se conocerá a partir
de la tasa de interés que se revele en el momento “h” para operaciones de plazo “p”. Aplicando una
idea similar a la utilizada en la valuación de Forwards de Tasa de Interés, puede añadírsele a este
flujo de fondos, el payoff de un Forward de Tasa de Interés emitido con tasa pactada igual a la
Tasa Forward, puesto que, al tener este último contrato un valor de “0”, al valuar el flujo de fondos
resultante, se está valuando indirectamente el flujo de fondos que se pretendía. El flujo de fondos
resultante al añadir el payoff del derivado mencionado queda expresado de la siguiente manera:

FFh* p  FFh p  X  C  i(h,0, p)  p  C  i(h,0, p)  p  C  i(0, h, p)  p   C  i(0, h, p)  p

Nótese que el flujo de fondos resultante coincide con el flujo de fondos del que se partió en el caso
particular en el que la tasa de interés que se revele en el momento “h” para operaciones de plazo
“p” coincida con la tasa forward que existe en “0” para operaciones con dichas características. De
esta manera, el flujo de fondos a valuar deja de ser aleatorio y puede ser valuado a través de una
simple actualización:

V0  C  i(0, h, p)  p  1  i(0,0, h  p)  h  p 
1

Este proceso de “estimación” de la tasa a revelarse en el futuro a partir de las tasas forward
actuales suele ser una herramienta útil y ágil a la hora de valorar flujos sujetos a la incertidumbre
de las tasas de interés. No obstante, debe tenerse en cuenta que al llevar a cabo este proceso de
“estimación” de tasas, lo que en realidad se está haciendo es añadir al flujo de fondos inicial el
payoff de un derivado que se sabe de antemano que su valor es igual a 0.

Swaps

Los Swaps de Tasas de Interés constituyen una generalización natural de los Forwards de Interés.
La única diferencia radica en que el intercambio de flujos variables por flujos fijos se realiza en
varias fechas y no en un solo momento. Supóngase para simplificar que se desea valuar un Swap
de Tasa de Interés cuyos flujos son los que se muestran en el siguiente eje de tiempo:

52
Es decir, el flujo de fondos de este instrumento puede entenderse como un intercambio de
intereses sobre un capital de “C” (a este capital sobre el cual se calculan los intereses se lo conoce
como Monto Nocional o Nominal). El tenedor de este contrato se hace acreedor periódicamente de
los intereses que se encuentran en función de las condiciones de mercado que se den en cada
momento mientras que se obliga a pagar intereses fijados de antemano a una tasa “k”.

La valuación de este contrato suele hacerse separando los flujos fijos de los flujos variables. Los
primeros, pueden ser valuados simplemente actualizando sus valores hasta el momento “0”:

1
2, 4, 6,8,10,12
2  i 
V0
Fijo
   C  k   1  i0,0, i   
i 12  12 
Los flujos variables pueden ser valuados a través de una estrategia estática de réplica. De hecho,
nótese que si se invirtieran “C” pesos en el momento “0” por un plazo de 2 períodos, se recibiría en
el momento “2” el siguiente flujo de capital e intereses:

FF2Capital Intereses  C  C  i(0,0,2)  2

Si de ese flujo se tomara únicamente el capital y se lo reinvirtiera de nuevo por 2 períodos a la tasa
existente en ese momento, se obtendría en el momento 4 el siguiente flujo de fondos:

FF4Capital Intereses  C  C  i(2,0,4)  2

Si esta estrategia se llevara a cabo durante toda la vida del Swap, todos los flujos que se recibirían
coincidirían con los flujos variables del Swap (puesto que de los flujos de capital e intereses es
reinvertido constantemente el capital, quedando unicamente los intereses a disposición del
inversor), salvo en el vencimiento del Swap en el que volvería a “sobrar” el capital invertido. Ahora
bien, si además de llevar a cabo esta inversión, se tomara una financiación en “0” por un plazo
equivalente al del vencimiento del Swap (en este ejemplo este vencimiento se da en el momento
“12”) por un monto equivalente al valor actual de “C” pesos (calculado con la tasa para operaciones
hasta el vencimiento del Swap), se tendría que a vencimiento, no solo se recibirían los flujos de
capital e intereses de la inversión realizada sino que se tendría llevar adelante el pago de la
financiación tomada, por lo que nuevamente (y por última vez) se cancelaría el flujo de capital de la
inversión y se terminaría replicar los flujos variables del Swap.

53
La diferencia entre la inversión a realizar (“C” pesos) y la financiación que se toma

(“ C  1  i(0,0,12)  ”) es lo que cuesta replicar los flujos variables del Swap. Si se junta este
1

resultado con la valuación realizada sobre los flujos fijos se llega a que, en ausencia de arbitraje, el
valor de este instrumento debe coincidir con la siguiente ecuación:

1
2, 4, 6,8,10,12
2  i 
V0  C  C  1  i(0,0,12)  12    1  i0,0, i   
1
Ck 
i 12  12 

De hecho, si este contrato valiera mas en el mercado que el valor téorico encontrado, podría
incurrirse en un arbitraje vendiendo el swap y comprando la cartera que lo replica (obteniendo de
esta manera una diferencia en el momento “0”). Esto es, invirtiendo “C” pesos y aplicando la
estrategia de reinversión mencionada, y tomando dos financiaciones. Una equivalente al valor
actual de “C” pesos colocados en el momento del vencimiento del Swap y otra equivalente al valor
actual de los flujos de intereses fijos. De esta manera, las “cuotas de amortización” de la segunda
financiación tomada serían pagadas a partir de los flujos de intereses fijos recibidos del Swap,
mientras que los intereses variables a pagar por el Swap vendido serían conseguidos a partir del
producido por la subcartera conformada por la inversión de “C” pesos y la primera financiación
mencionada (cancelándose así todas las obligaciones contraídas al momento “0” y sin tener que
pagar entonces resarcimiento alguno por el monto a favor conseguido en dicho momento)

Es posible también valuar los flujos variables del Swap aplicando la metodología de “estimación” a
partir de las Tasas Forward. Esto es, calcular el valor actual de los flujos variables “suponiendo”
que las tasas de interés que se revelerán coincidirán con las respectivas tasas forward que existen
actualmente en el mercado (donde debe recordarse nuevamente que “suponer” y “estimar” en
realidad significan “añadir al flujo de fondos una sucesión de forwards con tasa pactada igual a las

54
respectivas tasas forward a fin de simplificar el flujo de fondos resultante sin modificar el valor de la
cartera a valuar”). En estos términos, el valor de los flujos variables es posible calcularlo a partir de
la siguiente ecuación:

2, 4, 6,8,10,12

 C  i0, i  2, i   2  1  i0,0, i   i 
1
V0FlujosVariables 
i

Puede chequearse que efectivamente esta valoración de los flujos variables coincide exáctamente
con la valoración realizada anteriormente. Uniendo este valor, con el valor actual de los flujos fijos
se tiene que el valor del Swap debe coincidir con la siguiente ecuación:

2, 4, 6,8,10,12

 C  i0, i  2, i   k   2  1  i0,0, i   i 
1
V0 
i

En los mercados de tasa de interés se conoce como “Tasa Swap” (“TS”) a la tasa pactada “k” que
hace que el valor del Swap sea igual a 0. Igualando a 0 la última ecuación y despejando “k”, puede
comprobarse fácilmente que la Tasa Swap coincide con el promedio ponderado de las tasas
forward que estiman los intereses variables del swap, siendo las ponderaciones mencionadas, los
valores actuales de los nocionales del instrumento.

Las afirmaciones realizadas en esta sección pueden generalizarse al caso en que el Swap tenga
nocionales variables y cualesquieran sean las fechas de pagos de intereses. De hecho,
suponiendo que dichas fechas vienen denotadas a partir de “t i” ( i  n; i, n  N ) el valor de un
Swap genérico al momento “0” con nocionales “Cti” puede ser calculado a partir de la siguiente
expresión:

n
V0   Cti  i0, t i 1 , t i  t i 1   k   t i  t i 1   1  i0,0, t i   t i 
1

i 1

Y la Tasa Swap asociada a estas fechas (“ti”) y estos nocionales (“Cti”) puede ser calculada de la
siguiente manera:

 i0, t i 1 , t i  t i 1   Cti  t i  t i 1   1  i0,0, t i   t i 

1

TS ti ,Ct  i 1
n

 C  t  t i 1   1  i0,0, t i   t i 
i
1
ti i
i 1

En donde se entiende que “t0” hace referencia al momento “0”. Se deja como ejercicio para el lector
el cálculo del valor de un Swap genérico y de su respectiva Tasa Swap para un momento genérico
“t” no necesariamente igual a “0”.

55
Derivados no Lineales

Como se comentara en la introducción, los derivados no lineales son aquellos cuyo payoff no surge
directamente a partir de una transformación lineal de las tasas de interés que se realicen en el
mercado. Así como en los mercados de derivados sobre activos los derivados no lineales mas
comunes son los Calls y los Puts, en los mercados de tasa de interés los instrumentos análogos
son los conocidos como CAPs y Floors:

X CAP  C  p  iT  p ,0, p  k 



X Floor  C  p  k  iT  p ,0, p 


Como puede verse, el CAP otorga a su tenedor el beneficio que se tendría si se tuviera solamente
el derecho (y no la obligación como en el caso de los Forwards de Tasa de Interés) a recibir
intereses variables a cambio de intereses fijos sobre un capital nocional de “C”. En este caso, este
instrumento puede entenderse como una póliza de seguro destinada a cubrir el exceso de
intereses variables a pagar sobre una financiación a interés variable por sobre los intereses que se
debieran pagar si los intereses de la financiación estuvieran pactados a una tasa “k” (una
interpretación similar puede hacerse para el caso de los Floors).

Estos dos instrumentos (sumados a los lineales ya estudiados) no agotan la totalidad de derivados
sobre tasa de interés existentes. De hecho, de manera similar a como ocurre en el caso de los
derivados sobre activos, por cada función que vincule una realización de la trayectoria de la ETTI
con un número real, se tiene un flujo de fondos que puede ser entendido como un potencial
derivado a valuar. No sería de extrañar entonces que la metodología a aplicar para la valuación de
un derivado genérico sobre tasa de interés sea similar a la metodología aplicada para la valuación
de derivados sobre activos.

La principal diferencia existente entre los derivados sobre activos y los derivados sobre tasa de
interés consiste en que no se ve claramente un “activo subyacente” en este contexto. No obstante,
este problema queda solucionado cuando se ve a la tasa de interés no como un factor de riesgo en
si mismo, sino como un algoritmo que surge a partir del valor del respectivo bono cupón 0 (“P”). De
esta manera, los derivados sobre tasa de interés pueden verse también como derivados sobre
activos subyacentes, donde el activo subyacente es en este caso el bono cupón 0 asociado a la
tasa de interés que genera aleatoriedad en el payoff a valuar. De hecho, bajo este enfoque, los
payoff de los CAPs y los Floors analizados pueden expresarse de la siguiente manera:

56
 
  1 
 C  p  iT  p ,0, p  k 
1
 C  p     1   k 
CAP 
X
  PT  p, T   p 

   1
 C  p  k  iT  p ,0, p 
1
 C  p   k    1  
Floor 
X
  PT  p, T   p 

De esta manera, si se utilizaran los árboles binomiales para la valuación de estos instrumentos, la
metodología a aplicar consistiría en modelar el valor del bono cupón cero con vencimiento en “T”
en los momentos anteriores a “T” y calcular que estrategia conformada por bono cupón cero (“P”) y
bono libre de riesgo (“B”) debiera armarse para replicar este payoff. No obstante surgen en este los
siguientes problemas:

1. En el contexto de los derivados sobre activos se supuso la existencia de un bono libre de

riesgo, no porque en el mercado existan estos bonos sino porque el “riesgo” de estos
bonos (la volatilidad, en términos mas formales) es despreciable en relación a la volatilidad
de los activos subyacentes de los derivados a valuar. En este contexto, dado que el activo
subyacente es en sí mismo un bono, despreciar el “riesgo” del segundo activo a utilizar
debiera ser un supuesto a abandonar.
2. No necesariamente los payoff de los derivados sobre tasa de interés se encuentran
referenciados a una única tasa de interés. Puede ocurrir que el payoff a valuar contemple
el valor que tomen varios puntos de una ETTI futura. En este caso, no se tendría uno sino
varios “activos subyacentes” (un bono cupón cero por cada tasa de interés que participe
del payoff a valuar).

Estos dos inconvenientes sugieren abandonar la idea de trabajar con un árbol binomial y utilizar en
contraposición un árbol multinomial, donde los “m” activos que se utilizarían para la réplica serían,
por un lado el bono cupón cero que funcione de activo subyacente en el payoff a valuar (o bien los
“n” bonos cupón cero que funcionen de “activos subyacentes” en el caso de trabajar con derivados
sobre varias tasas –siendo “n” un número menor que “m”-) y por el otro, los bonos cupón cero
representantes de los puntos de la ETTI que no participan en la formación del payoff. De esta
manera, no solo se estaría resolviendo el segundo problema, sino que también se estaría
resolviendo el primero, puesto que se estaría dejando de suponer que existe un instrumento libre
de riesgo en la economía pasando a una metodología que involucra la generación de estrategias
autofinanciables que requieren la participación de todos los puntos de una ETTI modelada de
manera estocástica.

57
En función de lo mencionado en el párrafo anterior, aplicando las ideas estudiadas en el capítulo
de árboles multinomiales, el valor de un derivado genérico con payoff “X” y vencimiento en “T”
viene representado por la siguiente ecuación:


Vt  S ( j ) t  EQ X  S ( j ) T1 / Ft 
Donde, en función de lo comentado, cada uno de los activos (“S(j)”) utilizados en el modelo son en
realidad los “m” bonos cupón cero existentes en la economía. Utilizando la nomenclatura del
presente capítulo, se tiene que el valor del derivado puede expresarse a través de la siguiente
ecuación:


Vt  Pt ,U   EQU X  PT ,U  / Ft
1

U
Donde “U” es el vencimiento del bono cupón cero usado como numerario y “Q ” las probabilidades
asociadas a este numerario. Es bastante usual a los efectos de simplificar las expresiones, utilizar
como numerario al bono cupón cero con vencimiento en el mismo momento en que el derivado
otorga su payoff (“T”), puesto que en dicho momento, el valor de este bono cupón cero (P(T,T)),
por como fue definido en la introducción, es igual a 1. De esta manera, el valor de un derivado
genérico queda resumido a la siguiente expresión:

Vt  Pt , T   EQT X / Ft 

Las principales aplicaciones y relaciones asociadas a la valuación de derivados sobre tasa de

interés se encuentran al aplicar estas mismas ideas en un contexto continuo (lo cual excede los
límites del presente trabajo). Puede consultarse a tal efecto los trabajos que se citan en la
bibliografía.

Por último deben hacerse dos aclaraciones. En primer lugar, nótese que los derivados a valuar,
dado un modelo compuesto por “m” bonos cupón cero con “m” estados, deben tener un
vencimiento anterior (o igual) al vencimiento mas cercano de dichos bonos, puesto que una vez
que un bono vence, el producido en por la inversión en dicho bono se transforma en dinero a ser
invertido en alguno de los “m-1” bonos remanentes en el modelo. Por ende, a partir de dicho
momento, solo se contarán con “m-1” instrumentos para invertir a fin de replicar “m” estados y por
ende no será posible replicar cualquier flujo.

58
En segundo término, cualquier bono cupón cero con vencimiento anterior a los “m” bonos incluidos
en el modelo puede verse como un derivado en si mismo cuyo payoff es igual a 1. De esta manera,
el valor de cualquier bono cupón cero con vencimiento anterior a los vencimientos de los “m” bonos
incluidos en el modelo (denótese a través de “T” a dicho vencimiento) puede surgir a partir de la
siguiente ecuación:


Vt  Pt ,U   EQU 1  PT ,U  / Ft
1
 U T

Cabe destacarse que la restricción de valuar únicamente derivados o bonos con vencimiento
anterior (o igual) al vencimiento del bono mas cercano puede eliminarse si en vez de trabajar con
tantos bonos cupón cero como estados (“m”), la cantidad de bonos modelados (denótese a través
de “n” a esta cantidad) fuera mayor a la de estados. De esta manera, se podrían valuar no
únicamente aquellos derivados o bonos que venzan con anterioridad al vencimiento del primer
bono cupón cero modelado, sino que se podrían valuar todos aquellos que no venzan después del
vencimiento número “n-m+1”. No obstante, debe tenerse cierto cuidado en el desarrollo de estos
modelos puesto que al contarse con mas bonos que estados, el payoff de los “n-m” bonos con
vencimiento mas cercano podría ser replicado a partir de los árboles multinomiales de los “m”
bonos mas lejanos por lo que se podría estar trabajando en un modelo que implícitamente suponga
posibilidades de arbitraje entre los mismos bonos de la economía. Para que esto no ocurra, el
modelo desarrollado debiera cumplir para los “n-m” bonos con vencimiento mas cercano con la
siguiente igualdad:


Pt , T   Pt ,U   EQU 1  PT ,U  / Ft
1

Es decir, el valor de un bono con vencimiento en “T” (siendo “T” un momento anterior al
vencimiento de cualquiera de los “m” bonos cupón cero con vencimiento mas lejano) debe coincidir
con el valor de la estrategia autofinanciable de los “m” bonos con vencimiento mas lejano que
u
replica un payoff de 1 peso con vencimiento en “T”. En esta ecuación, “Q ” representa a las
probabilidades que transforman al valor de los “m-1” bonos no elegidos como numerario
pertenecientes al conjunto de los “m” bonos mas con vencimiento mas lejano en términos del bono
restante (en este caso, el bono con vencimiento en “U”) en una martingala.

Ejercicios

i. Dada la siguiente estructura de tasas:

59
 Plazo Tasa
1 4%
2 4.00%
3 4.00%
4 4.10%
5 4.10%
6 4.10%
7 4.20%
8 4.20%
9 4.20%
10 4.30%
11 4.40%
12 4.50%

Calcule el valor de un swap con frecuencia bimestral, con vencimiento en un año, con tasa
pactada igual al 4,5% y con valor nominal de $100:
ii. A partir de la misma estructura calcule la tasa swap para operaciones con frecuencia
bimestral y con vencimiento en 10 meses.
iii. A partir de la misma estructura calcule la tasa forward para operaciones a realizar desde el
mes 3 por un plazo de 4 meses.
iv. A partir de la miesma estructura calcule el valor de un forward para operaciones a realizar
desde el mes 3 por un plazo de 4 meses con tasa pactada del 4.1%.
v. Desarrolle, para el caso de un Swap genérico, como podría armarse la estrategia que
replica el payoff de dicho instrumento y explique, tanto en el caso en que Swap valiese
mas que su valor teórico como en el caso en que valieses menos, como podría armarse un
arbitraje.
vi. Dado el siguiente arbol multinomial de precios de bonos cupón cero:

60
 P(t.4) P(t.8) P(t.12) P(t.16)

1.0000 0.9382 0.8759 0.8137

1.0000 0.9386 0.8773 0.8166
0.9820 0.9268 0.8707 0.8141
1.0000 0.9513 0.9002 0.8475
1.0000 0.9517 0.9018 0.8507
1.0000 0.9386 0.8773 0.8166
1.0000 0.9389 0.8785 0.8190
0.9820 0.9274 0.8724 0.8175
1.0000 0.9517 0.9018 0.8507
1.0000 0.9521 0.9030 0.8534
0.9680 0.9186 0.8678 0.8163
1.0000 0.9513 0.9002 0.8475
1.0000 0.9517 0.9018 0.8507
0.9855 0.9401 0.8924 0.8431
1.0000 0.9604 0.9173 0.8715
1.0000 0.9608 0.9189 0.8748
1.0000 0.9517 0.9018 0.8507
1.0000 0.9521 0.9030 0.8534
0.9855 0.9408 0.8943 0.8467
1.0000 0.9608 0.9189 0.8748
1.0000 0.9612 0.9203 0.8777
1.0000 0.9386 0.8773 0.8166
1.0000 0.9389 0.8785 0.8190
0.9820 0.9274 0.8724 0.8175
1.0000 0.9517 0.9018 0.8507
1.0000 0.9521 0.9030 0.8534
1.0000 0.9389 0.8785 0.8190
1.0000 0.9392 0.8794 0.8211
0.9820 0.9280 0.8739 0.8203
1.0000 0.9521 0.9030 0.8534
1.0000 0.9524 0.9041 0.8556
0.9682 0.9195 0.8700 0.8201
1.0000 0.9517 0.9018 0.8507
1.0000 0.9521 0.9030 0.8534
0.9855 0.9408 0.8943 0.8467
1.0000 0.9608 0.9189 0.8748
1.0000 0.9612 0.9203 0.8777
1.0000 0.9521 0.9030 0.8534
1.0000 0.9524 0.9041 0.8556
0.9856 0.9413 0.8959 0.8498
1.0000 0.9612 0.9203 0.8777
1.0000 0.9615 0.9214 0.8801
0.9574 0.9129 0.8668 0.8197
1.0000 0.9513 0.9002 0.8475
1.0000 0.9517 0.9018 0.8507
0.9855 0.9401 0.8924 0.8431
1.0000 0.9604 0.9173 0.8715
1.0000 0.9608 0.9189 0.8748
1.0000 0.9517 0.9018 0.8507
1.0000 0.9521 0.9030 0.8534
0.9855 0.9408 0.8943 0.8467
1.0000 0.9608 0.9189 0.8748
1.0000 0.9612 0.9203 0.8777
0.9751 0.9354 0.8931 0.8488
1.0000 0.9604 0.9173 0.8715
1.0000 0.9608 0.9189 0.8748
0.9890 0.9533 0.9143 0.8724
1.0000 0.9693 0.9343 0.8955
1.0000 0.9698 0.9360 0.8991
1.0000 0.9608 0.9189 0.8748
1.0000 0.9612 0.9203 0.8777
0.9890 0.9540 0.9163 0.8764
1.0000 0.9698 0.9360 0.8991
1.0000 0.9702 0.9374 0.9021
1.0000 0.9517 0.9018 0.8507
1.0000 0.9521 0.9030 0.8534
0.9855 0.9408 0.8943 0.8467
1.0000 0.9608 0.9189 0.8748
1.0000 0.9612 0.9203 0.8777
1.0000 0.9521 0.9030 0.8534
1.0000 0.9524 0.9041 0.8556
0.9856 0.9413 0.8959 0.8498
1.0000 0.9612 0.9203 0.8777
1.0000 0.9615 0.9214 0.8801
0.9753 0.9363 0.8954 0.8530
1.0000 0.9608 0.9189 0.8748
1.0000 0.9612 0.9203 0.8777
0.9890 0.9540 0.9163 0.8764
1.0000 0.9698 0.9360 0.8991
1.0000 0.9702 0.9374 0.9021
1.0000 0.9612 0.9203 0.8777
1.0000 0.9615 0.9214 0.8801
0.9891 0.9546 0.9180 0.8797
1.0000 0.9702 0.9374 0.9021
1.0000 0.9705 0.9386 0.9047

61
 Calcule el valor de un Cap con Nocional de 100,000 pesos, con vencimiento en “4” con
tasa pactada del 2% y cuya tasa de interés subyacente es la tasa para operaciones hasta
el momento 8.
vii. Con el mismo árbol multinomial, calcule el valor de un bono cupón cero con vencimiento en
“3”.
viii. Con el mismo árbol multinomial, calcule el valor de un derivado cuyo payoff viene definido
por el siguiente payoff:


 4,8,12 i(4,0, t ) 
X     k 
 t 3 
ix. Con el mismo árbol multinomial, calcule el valor de un derivado cuyo payoff viene definido
por el siguiente payoff:


 1, 2,3, 4 i(t ,0,8  t ) 
X     k 
 t 4 

62
 Modelo de Black-Scholes

Introducción

En el modelo binomial, a efectos de crear una metodología para calcular el valor de un derivado se
generaba una estrategia autofinanciable que replique su payoff. En ese caso el valor del derivado
en ausencia de arbitraje en un momento “t” anterior al de vencimiento era igual al de la estrategia.

Esto en lenguaje matemático se expresaba a través de la existencia de dos procesos  ;  que

cumplían con las siguientes ecuaciones:

Valor de la estrategia

Vt  t  S t   t  Bt

Condición de autofinanciabilidad

T 1
VT  VS   t  S t   t  Bt 
t S

Condición de replicabilidad

VT  X T

Si se expresaba esto en términos de bonos las ecuaciones eran las siguientes:

Valor de la Estrategia

Et   t  Z t   t

Condición de autofinanciabilidad

T 1
ET  E S   t  Z t
t S

63
Condición de replicabilidad

ET  X T  BT1

Financieramente la condición de autofinanciabilidad en términos de bonos implica que la cantidad

de bonos que se necesita para comprar la cartera en un momento genérico “t”, se consigue con la
cantidad de bonos que se tiene con la cartera en “s”, más las variaciones en el valor en términos de
bonos de las sucesivas carteras de la estrategia.

En el tiempo continuo, si se quiere replicar un derivado habría que operar en cada instante, y eso
es imposible, por lo tanto, lo que se hará encontrar una estrategia  ;  que cumpla con las

siguientes condiciones:

 
n
ET  E S   ti  Z ti 1  Z ti   n (9)
i 0

ET  X T  BT1

donde  n es una variable aleatoria que converge a 0 a medida que n tiende a infinito. En sentido
intuitivo, lo que se hará es subdividir el intervalo de tiempo (0;T) (Momento inicial y vencimiento del
derivado) en “n” subintervalos iguales:

0 ; 0  (T ; T ) ( 2T ; 2T ) (3T ; 3T ) (i 1T ; i 1T ) (iT ; iT ) (n 1T ; n 1T )
n n n n n n n n n n n n

T
0 T 2
T
3
T
i 1 T i
T
n 1 T
n n n n n n

Y se operará una estrategia en esos momentos. Se comprobará que para cada derivado existe una
estrategia autofinanciable que replica su payoff con una precisión que se encuentra en función de
la cantidad de momentos en que se opere la estrategia y de la trayectoria que tome el activo
subyacente y que esa precisión aumentará a medida que se incremente la cantidad de momentos
en que se opere la estrategia. Esta “precisión” viene medida por la mencionada variable aleatoria
“εn”.

64
Se puede expresar la igualdad (9) de la siguiente manera:

T
ET  E S   t  dZ t
S

Donde la integral del miembro derecho representa el miembro derecho de (9). En realidad, la
verdadera definición de la integral con respecto a un proceso estocástico fue dada por Ito (ver
Karatzas and Shreve).

Conjuntos de probabilidad 0 y 1

Lo que se quiere hacer es imposible. Se está diciendo que hay que encontrar una estrategia
autofinanciable que replique el valor del derivado, cualquiera sea el camino que siga el precio del
activo subyacente. Lo que se hace en realidad es conseguir una estrategia autofinanciable que
replique el valor del derivado, si el camino que sigue el activo subyacente esta dentro de un
conjunto de caminos cuya probabilidad de ocurrencia es 1. Si bien esto es en apariencia igual a lo
anterior, se verá con unos ejemplos que esto no es así.

Ejemplo 1

Supóngase una V.A. (variable aleatoria) X con distribución uniforme en el intervalo [0;1] y una V.A.
Y que sea igual a X siempre que X<1, y que sea igual a 0 si X=1. Esta variable aleatoria es distinta
a X, pero cumple con que P(Y=X)=1, es decir, Y=X en un conjunto con probabilidad 1.

Ejemplo 2

Supóngase la misma variable aleatoria X y una variable aleatoria Y que sea igual a X en todo punto

del intervalo salvo en los puntos de la forma (1 / 2) n (con n natural) en donde es igual a 0. Se
puede ver intuitivamente que Y es distinta a X pero que P(Y=X)=1. Matemáticamente se puede
demostrar de la siguiente manera:

 n
P  X  1  P
1
 P  X 
1  1

1 1 1
P( Y X)  X   ....  2 1
2  4 2 8 4
n 1
 
Ejemplo 3

65
Supóngase la misma variable aleatoria X y una variable aleatoria Y que sea igual a X en todo punto
del intervalo, salvo en aquellos donde X toma un valor racional en donde es igual a 0. Se ve
fácilmente que Y no es igual a X, pero contrariamente a lo que indica la intuición, puede probarse
15
que P(Y=X)=1. La demostración de esta afirmación excede los límites del presente trabajo .

Con estos ejemplos queda claro que el conjunto de todos los caminos posibles que puede seguir el
precio del activo subyacente bien puede diferir de algún conjunto con probabilidad 1 (es decir, ser
mas grande). De ahora en mas si dos variables X e Y cumplen con que P(Y=X)=1, se va a decir
Y=X (a.s.) (del ingles almost surely). Con esta nomenclatura, las ecuaciones a cumplir por los

procesos  ;  son las siguientes:

T
ET  E S   t  dZ t (as)
S

ET  X T  BT1 (as)
16

Es decir, la probabilidad de que el activo subyacente tome una trayectoria tal que la estrategia
17
autofinanciable (θ,ψ) replique al derivado es igual a 1.

15
Ver Kolmogorov Fomin: Elementos de Análisis Funcional y Teoría de Funciones
16
En realidad, la integral estocástica definida por Ito lleva implicito el concepto de “igualdad casi con
seguridad”, por lo que agregar “(as)” al final de la ecuación es innecesario. Aún así, con el objetivo de fijar el
concepto, se insistirá con esta nomenclatura a lo largo de todo el trabajo.
17
“replique” debe interpretarse como que dada una trayectoria del activo subyacente, el valor final de la
estrategia converja al payoff del derivado a medida que se incremente los momentos del tiempo en los cuales
se opere la misma.

66
Procesos Brownianos

Se debe utilizar un modelo para simular el movimiento del activo subyacente tal que el mismo sea
lo suficientemente complejo como para poder representar razonablemente la realidad, pero
además lo suficientemente maleable como para que se cumplan para cualquier derivado las
condiciones de autofinanciabilidad y replicabilidad. Con este fin se introducirán los procesos
brownianos.

Un proceso browniano es un proceso estocástico (sucesión de variables aleatorias “Wt”) que

cumple con las siguientes condiciones:

1) Wt es una función continua

2) W 0=0
3) Wt-Ws es una V.A. normal con media 0 y varianza t-s
4) Cov(Wt-Ws;Wv-Wu)=0 si v>u>t>s

La condición 1 implica que la realización del proceso W no puede tener saltos. Gráficamente es
imposible que el proceso W tenga como realización un camino como el siguiente:

La condición 3 puede interpretarse de manera tal que una vez llegado el momento “s” sea cual
fuere el valor que tome el proceso browniano, la V.A. Wt se distribuirá como una normal con media
Ws y varianza t-s.

La condición 4 implica que las diferencias entre los valores que toma el proceso en intervalos de
tiempo disjuntos son variables aleatorias independientes.

67
A continuación se presentan algunas simulaciones de trayectorias de procesos brownianos para
100 momentos en el tiempo ubicados uniformemente en el intervalo (0,10).

Gráfico Número 1. Trayectoria del Proceso Browniano

Gráfico Número 2. Trayectoria del Proceso Browniano

68
 Gráfico Número 3. Trayectoria del Proceso Browniano

Las mismas han sido realizadas simulando en distintos momentos los cambios en el proceso
browniano a través de distintas realizaciones de variables aleatorias normales con media 0 y
varianza 0,1 y luego sumando esos cambios.

W0,1  W0  W0,1  W0   0  N 0;0,1

W0, 2  W0,1  W0, 2  W0,1   W0,1  N 0;0,1
...

Puede apreciarse que las trayectorias del proceso browniano tienden a “temblar”
considerablemente. A continuación se analizarán algunas propiedades de las trayectorias de los
procesos brownianos y, entre otros resultados, se encontrará una justificación matemática de la
característica mencionada.

Variación Cuadrática

Defínase una variable aleatoria “Yn” de la siguiente manera:

n
Y( n)   W T   W
i  
T 
( i1)  
2

i 1   n  n 

69
Esta variable aleatoria eleva al cuadrado las diferencias que toma el proceso browniano en
intervalos de tiempo de longitud T/n, desde la diferencia cuyo valor es W0  WT / n hasta la

diferencia cuyo valor es WT  WT T / n . De esta manera, Yn representa una medida de la

variabilidad del proceso browniano. La esperanza de cada uno de los intervalos por la propiedad 3
es igual a T/n, y por lo tanto la esperanza de Yn es igual T. Por su parte, puede probarse que la

2T 2
varianza de Y(n) es igual a (Ver apéndice 2). Llámese Variación Cuadrática a:
n

lim Y(n)
n

Esta es una variable aleatoria con esperanza igual a T y varianza igual a 0. Nótese que esto no
implica que esta variable aleatoria no pueda tomar otro valor que no sea T. Por ejemplo el proceso
W puede tomar para todo t en el intervalo (0;T) el valor 0. En ese caso Yn tomara para todo n el
valor 0, y por ende la Variación Cuadrática será igual a 0. Lo que simplemente se afirma es que la
probabilidad de que la Variación Cuadrática tome el valor T es igual a 1, o como se convino
previamente:

V.C.=T (a.s.)

Este resultado tiene implicancias importantes. Los caminos que puede tomar con probabilidad 1 el
proceso browniano, tienen que tener una variabilidad tal que su V.C. entre 0 y T sea igual a T. Esto
sugiere que los caminos que siga el proceso browniano tienen que ser diferentes a aquellas
funciones que se suelen estudiar en el cálculo infinitesimal de una variable, es decir las funciones
diferenciables, ya que, puede probarse que las mismas tienen una Variación Cuadrática igual a 0.

Reflection principle

Se estudiará en este punto otro tipo de propiedades de los procesos brownianos, las cuales vienen
relacionadas con funciones de densidades de variables aleatorias generadas a partir de ellos.
Denótese a través de MT a la variable aleatoria que surge como máximo valor que toma el proceso
browniano en cada trayectoria en el intervalo (0;T). El reflection principle indica que:

  x2
PM T  m;WT  b  PWT  2m  b 
1
2T
e
2 m b
2T
 dx (10)

70
Es decir, la probabilidad de que la trayectoria del proceso browniano en un intervalo (0,T) sea tal
que su máximo valor sea mayor a “m” y que su valor final sea menor a “b” coincide con la
probabilidad de que el valor final de la trayectoria del proceso browniano en un intervalo (0,T) sea
mayor a 2m-b. Esta afirmación surge intuitivamente tras inspeccionar el siguiente gráfico:

2m-b
m
b

Lo que el gráfico intenta mostrar es que una vez que una trayectoria del proceso browniano toma el
valor “m” es igual de probable descienda mas de “m-b” unidades o bien que ascienda mas de “m-b”
unidades. En términos matemáticos esto es:

PM T  m;WT  b  PM T  m;WT  2m  b

Ahora bien, puesto que 2m-b es mayor o igual a m, si se cumple que el valor final de una
trayectoria del proceso browniano es mayor a 2m-b, necesariamente el máximo valor de esa
trayectoria tiene que se mayor a m, por lo que,

PM T  m;WT  2m  b  PWT  2m  b

A partir de esta expresión puede calcularse la función de densidad conjunta de M T y de W T.

Sabiendo que si se conociese esa función de densidad conjunta podría calcularse la probabilidad
de ocurrencia del evento mencionado de la siguiente manera:

71
 b 
PM T  m;WT  b  F m, b     f M T ,WT dM T dWT
 m

Derivando apropiadamente esta expresión se llega a que:

F m, b 


b
  f M
m
T ,WT dM T dWT

 F m, b  
 
 b    f M ,W dM dW
m
T T T T

Aplicando estas ideas al problema en cuestión se tiene que:

 1  x    x 
2 2

    e 2T  dx 
F m, b 

 2T
 e 2T
 dx
  2 m b  2m  b   ( 2 m b ) 2
    
2 m b 1 1
 e 2T
b b 2T 2m  b  b 2T

 1  ( 2 m b ) 
2

 F m, b     e 2T 
   2T  2(2m  b)  ( 2 mb ) 2
b 
     e 2T
m m T 2T

Esta función de densidad será de gran utilidad a la hora de calcular primas de derivados cuyo
payoff dependa del máximo valor que tome el subyacente en determinado intervalo de tiempo
(Barrier Options, Lookback Options, etc.)

Haciendo un paréntesis en la discusión anterior, podría haberse calculado probabilidad de

ocurrencia del evento estudiado, para el caso en que m=b. A partir de la fórmula (10) se puede
concluir que,

  x2
PM T  m;WT  m  PWT  m 
1
2T
e
m
2T
 dx

72
Por otro lado, dado que es igual de probable que luego de que el proceso browniano alcance el
valor “m” este tome al momento “T” un valor menor a “m” a que tome un valor mayor a “m” se tiene
que:

PM T  m;WT  m  PM T  m;WT  m

Y dado que si el proceso W toma en el momento “T” un valor mayor a “m” entonces MT es
necesariamente mayor a “m” se tiene que:

PM T  m;WT  m  PWT  m

Utilizando estas dos últimas ecuaciones puede calcularse la probabilidad de que MT sea mayor a
“m” a través del siguiente razonamiento:

  x2

PM T  m  PM T  m; WT  m  PM T  m; WT  m  2  PWT  m  2 

1
2T e
m
2T
 dx

Zero set (Conjunto 0)

Para el caso particular en que m=0 se tiene que:

PM T  0  2  PWT  0  2  0,5  1

Y por simetría del proceso browniano:

PM T  0  PmT  0  1

De aquí puede deducirse una interesante característica de los procesos brownianos. Dado que en
el intervalo (0;T) la probabilidad de que el proceso browniano tome en algún momento un valor
positivo y uno negativo es igual a 1 se tiene que en algún momento posterior a 0 el proceso
browniano retornará a 0 (con probabilidad 1). Llamando a este momento “t1” puede realizarse el
mismo análisis que se llevó a cabo en el intervalo (0;T) pero ahora aplicado al intervalo (0; t1). De
esta manera se encontrará otra vez que el proceso browniano tomará en un momento “t 2” anterior
a “t1” el valor 0.

73
El razonamiento aplicado en el párrafo anterior puede repetirse indefinidamente, por lo que se
deduce que el proceso browniano cruza infinitas veces el eje “x” en el intervalo (0;T). Si bien este
resultado puede contradecir la intuición, en realidad no hace más que reafirmar lo estudiado en el
punto anterior con respecto a la tendencia a “temblar” de los procesos brownianos. Puede probarse
que esos “ceros” de las trayectorias de los procesos brownianos se encuentran “todos juntos”. Es
decir, en sentido intuitivo, el proceso browniano “tiembla” tanto que antes de escaparse del “0” este
18
cruza infinitas veces el eje “x” .

No diferenciabilidad del proceso browniano

Finalmente, a partir de las ideas deducidas en este apartado puede probarse que la probabilidad
de que la trayectoria que tome el proceso browniano sea diferenciable en un momento genérico “t”
es igual a 0. Por simplicidad se probará esta afirmación para el caso en que t=0. Supóngase que
en realidad el proceso browniano fuera diferenciable en “0”. En ese caso el cociente (W t-0)/(t-0)
debiera ser acotado para todo “t” perteneciente a cierta “vecindad” del 0 (Es decir, no debiera ser
igual a infinito cerca del “0”). En términos formales, para algún A menor a infinito y algún ε>0 se
tiene que cumplir que:

Wt  0
A t  
t 0

Dado que:

 Wt  0  M  0 
P A t     P   A
 t 0    0 

Y teniendo en cuenta que que,

W
 N (0;1)


Se tiene que

18
En términos matemáticos, lo que se comprueba es que para una trayectoria dada del proceso browniano, el
conjunto de momentos en los cuales el valor que toma esta trayectoria coincide con 0 es un conjunto perfecto.
Es decir, este conjunto es cerrado y para cada “t” perteneciente a este conjunto existe una sucesión de
elementos “tn” para la cual el límite de esta sucesión para “n” tendiendo a infinito coincide con “t”.

74
 M  0
P 
 W 

 A  PM   A     2  PW  A     2  P    A     2  P N 0,1  A   
  0    

Y por ende

 Wt  0 
P
t  0
A 
t     1  2  P N 0,1  A   
 

Dado que, para cualquier “A”, el término de la derecha converge a 0 –conforme ε tiende a 0-,
entonces necesariamente el término de la izquierda debe ser igual a 0. Es decir, con probabilidad
1, para ningún “ε” existirá algún valor “A” para el que.

Wt  0
A t  
t 0

19
por lo que la trayectoria del proceso browniano en el momento 0 será no derivable .

Ejercicios

i. Calcule la variación cuadrática de f(x)=C

ii. Calcule la variación cuadrática de f(x)=ax

iii. Calcule la variación cuadrática de f(x)= ax 2

iv. Demuestre que la variación cuadrática de una función diferenciable coincide con 0.

19
Existe una generalización de este teorema dada por Paul Erdos la cual afirma que, con probabilidad 1 el
proceso browniano es no diferenciable en ningún momento (Ver Karatzas, Shreve, An Introduction to
Brownian Motion and Stochastic Calculus).

75
Teorema de Girsanov:

Así como en el modelo binomial se podía calcular la prima del derivado como una esperanza
utilizando unas probabilidades “Q”, en el tiempo continuo se hará algo similar. Pero para eso es
necesario darle cierto rigor al concepto.

A partir de lo estudiado en el apartado anterior, se sabe que

2
a 1W
1   T
P(a  WT  b)    e 2 T  dWT
b
2T

Ahora bien, también se puede calcular la probabilidad de que el camino que siga el proceso
browniano pase en el momento “T/2” entre a 1 y b1 , y en el momento “T” entre a 2 y b 2 . Esta
probabilidad va a estar dada por:

1 WT / 2  1 WT WT / 2 

2 2
b2 b1
 
Pa1  WT / 2  b1 ; a2  WT  b2  
1 1

a2 a1 2
e 2 T /2

2
e 2 T /2
dWT / 2 dWT

_
Defínase un nuevo proceso Wt =Wt+ t . Este proceso no es un proceso browniano, ya que tiene
una tendencia igual a t . Ahora bien, supóngase que es en realidad este último proceso el que es
un proceso browniano, y por lo tanto W es un proceso con tendencia igual a - t . La probabilidad
de que la variable aleatoria WT este entre a y b ahora será igual a:

b 1 WT T 2
1  
Q(a  WT  b)   e 2 T
 dWT
a 2T

Se utilizará la nomenclatura Q(a<WT<b) para simbolizar que se está calculando probabilidades

pensando que el proceso W tiene tendencia - t . Nótese la siguiente relación:

b 1 WT T  2 b 1 1 WT 2 1
1   WT   2T 1   WT   2T
Q(a  WT  b)   e 2 T
 dWT   e 2
 e 2 T
 dWT  E P (1( a;b )  e 2
)
a 2T a 2T

Entonces:

1
WT  2 T
Q(a  WT  b)  E P (1( a ;b )  e 2
) (11)

76
Es decir, la probabilidad de que la variable aleatoria WT este entre a y b, calculada suponiendo que
el proceso W tiene tendencia igual a - t , es igual a la esperanza, calculada según la hipótesis
original de W, de,

1
 WT  2 T
1( a ;b )  e 2

Para el caso bivariado puede llevarse a cabo el mismo razonamiento, esto es:

1 W T  1 W WT / 2  (T T / 2 ) 
2 2
b2 b1
1   T /2 1   T
Q(a1  WT / 2  b1 ; a1  WT / 2  b2 )  
a 2 a1 2T / 2
e 2 T /2

2T
e 2 T /2
 dWT / 2 dWT 

1 W WT / 2 
2 2
b2 b1 1 1 1W
 WT / 2   2 T / 2  WT   2 (T T / 2 ) 1   T /2 1   T
 e
a 2 a1
2
e 2

2T / 2
e 2 T /2

2T
e 2 T /2
 dWT / 2 dWT 

1 W WT / 2 
  WT   2 T 
2 2
b2 b1 1 1W 1
 WT   2 T 1   T /2 1   T
 e 2

2T / 2
e 2 T /2

2T
e 2 T /2
 dWT / 2 dWT  E P 1a1 WT / 2 b1 ; a2 WT / 2 b2  e 2

a 2 a1  

Se puede extender este resultado de manera similar a conjuntos de caminos un poco más
generales. Su demostración es meramente algebraica y sigue los lineamientos de la demostración
anterior (Ver apéndice 3):

1
WT   2T
Q(a1  Wt1  b1 ; a2  Wt 2  b2 ;...; an  WT  bn )  E P (1(( a1 ;b1 ), ( a2 ;b2 ),...,( an ;bn ))  e 2
) (12)

Se ve que existe una gran similitud entre (11) y (12). En ambos casos se cumple que la
probabilidad, calculada bajo el esquema Q, de ocurrencia de determinado evento es igual a la
esperanza, calculada bajo el esquema P, de la multiplicación de dos variables aleatorias. Una de
ellas toma el valor 1 o 0 según ocurra ese evento o no y la otra es igual a :

1
 WT  2 T
2
e

Llámese “conjuntos elementales” a aquellos conjuntos de trayectorias posibles del proceso

browniano que pueden representarse de la siguiente forma:

(a1  Wt1  b1; a2  Wt2  b2 ;...; an  WT  bn ) n

77
 Si bien estos conjuntos pueden parecer lo suficiente genéricos como para abarcar todos los
distintos tipos de conjuntos de trayectorias posibles del proceso browniano, existen conjuntos que
no pertenecen a la clase de los conjuntos elementales. Pueden nombrarse por ejemplo algunos de
los conjuntos estudiados en el apartado anterior:

(Wt  b t / 0  t  T )
(13)
(Wt  b t / 0  t  T  WT  a)

La relación encontrada en (12) solo fue demostrada, en el presente trabajo para el caso de los
conjuntos elementales. La extención a los conjuntos abstractos (como por ejemplo los de la forma
(13)) fue dada por Girsanov, constituyendo esta demostración lo que se conoce como el teorema
de Girsanov. En términos matemáticos comprobo que

1
WT   2T
Q(W  A)  E P (1A  e 2
) (14)

20
Para conjuntos lo “suficientemente” abstractos . La idea intuitiva de la demostración es la
siguiente: Cualquier conjunto “A” (como puede ser, por ejemplo, el conjunto de caminos que en
ningún momento entre 0 y T toman un valor mayor a L) puede ser aproximado lo suficientemente
bien por conjuntos elementales. En términos gráficos, para el caso del conjunto mencionado esta
aproximación sería la siguiente:

t t t
Por lo que si la relación se cumple para las aproximaciones del conjunto A, no importa cuan fieles
sean las mismas, también debería cumplirse para el mismo conjunto A.

20
Intuitivamente, para aquellos conjuntos que surgen como unión o intersección finita o infinita de conjuntos
elementales.

78
Este teorema tiene dos consecuencias importantes. La primera es la relación en si. Se puede
calcular la probabilidad Q haciendo uso solamente de las probabilidades P. Esto se hace necesario
21
en el cálculo analítico de la prima de ciertos derivados .

La otra consecuencia es un poco más sutil. Supóngase que un conjunto de caminos tiene
probabilidad P de ocurrencia 0. Ya se estudió un ejemplo de estos conjuntos cuando se vio que el
conjunto de caminos que tiene entre 0 y T una variación cuadrática distinta de T tiene probabilidad
de ocurrencia 0. A partir del teorema de Girsanov puede concluirse que la probabilidad de
ocurrencia Q de ese conjunto también tendrá probabilidad 0. Intuitivamente, al calcular la
probabilidad Q de ocurrencia de un evento cualquiera mediante la esperanza según un esquema P
se estarían sumando los distintos valores de la variable aleatoria

1
WT  2 T
1A  e 2

Multiplicados cada uno por sus respectivas probabilidades. Esto es:

1 1 1
  x1   2T   x2   2T   xn   2T
1A  e 2
 P A;WT  x1   1A  e 2
 P A;WT  x2   ...  1A  e 2
 P A;WT  xn 

Ahora bien, puesto que cada una de estas probabilidades se calculan sobre eventos contenidos en
un evento con probabilidad 0 de ocurrencia, también todas estas probabilidades serían iguales a 0.
En consecuencia, también la probabilidad “Q” de ocurrencia del evento “A” será igual a 0. Esta
propiedad también se da a la inversa. Puede comprobarse que cualquier evento con probabilidad Q
de ocurrencia igual a 0 también tendrá una probabilidad P de ocurrencia igual a 0. A las medidas
de probabilidad que cumplen esta propiedad se las denominan absolutamente continuas. Este
resultado resultará sumamente útil a la hora de buscar la estrategia que replica el payoff del
derivado, ya que lo que se hará es utilizar un esquema de probabilidades Q, absolutamente
continuo con el esquema P que sirva de modelo para el movimiento del activo subyacente, que
resulte cómodo. Se demostrará que bajo ese esquema Q una estrategia en particular (; )
replicará el payoff del derivado con probabilidad 1. Esto entonces implicará que la probabilidad de
replicar el payoff del derivado con la estrategia (; ) bajo el esquema inicial P también será 1.
Esto se debe a la condición de absoluta continuidad que cumplen las medidas P y Q. De hecho:

Q(de no replicar el derivado con (; ) )=0  P(de no replicar el derivado con (; ) )=0

21
Ver por ejemplo el capítulo correspondiente a la valuación de Barrier Options

79
Y por ende:

Q(de replicar el derivado con (; ) )=1  P(de replicar el derivado con (; ) )=1

Es decir, se probará la replicabilidad de un payoff bajo un esquema de probabilidades P, mediante

la utilización de un esquema Q absolutamente continuo a P.

Aplicaciones:

Dado que por lo visto en el capítulo anterior la función de densidad conjunta de M T y W T es la

siguiente:

( 2 M T WT ) 2
2(2M T  WT ) 
f M T ,WT   e 2T
T 2T

se puede aplicar el teorema de Girsanov para este caso en particular:

1
WT   2T
Q(W  A)  E P (1A  e 2
)

A  M T  a;WT  b

Entonces,

  ( 2 M T WT ) 2
2(2M T  WT ) 
1
WT   2T
Q( M T  a;WT  b)   
max(WT , 0 )
1( M T a;WT b )  e 2

T 2T
e 2T
dM T dWT

Puede prescindirse de la función indicador si solo se integra donde esta toma el valor 1. Por este
motivo se tiene que,

( 2 M T WT ) 2
2(2M T  WT ) 
b a 1
WT   2T
Q( M T  a;WT  b)   
max(WT , 0 )
e 2

T 2T
e 2T
dM T dWT

80
Puesto que la función de densidad conjunta de MT y W T cumpliría con la siguiente relación:

b a
Q( M T  a;WT  b)    f M Q
max(WT , 0 )
T ;WT   dM T dWT

Se tiene que:

( 2 M T WT ) 2
2(2M T  WT ) 
1
WT   2T
f Q M T ;WT   e 2
 e 2T
T 2T

Esta función de densidad conjunta será utilizada en el cálculo del valor en ausencia de arbitraje de
una Barrier Option. En función de este resultado pueden calcularse probabilidades cualesquiera
relativas a MT y W T. Solo por citar un ejemplo, la probabilidad “Q” de que MT sea menor a “b”,
independientemente del valor de W T puede calcularse como:

( 2 M T WT ) 2
b MT b MT
2(2M T  WT ) 
1
WT   2T
  f M
0 
Q T ;WT   dWT dM T   e
0 
2

T 2T
e 2T
 dWT dM T

Ejercicios

i. A través de un esquema de simulación estime la probabilidad de que la trayectoria de un

proceso browniano con tendencia “–θ” este entre el momento “0” y el momento “T” siempre
por debajo de un valor “L”.
ii. Estime esa misma probabilidad a través de un esquema de simulación pero aplicando el
teorema de Girsanov. Es decir, estimando:

 WT  12 2T 
E P e  1M T  L 
 

81
Esperanzas Condicionadas

En el modelo binomial han resultado de gran utilidad las esperanzas condicionadas puesto que a
través de ellas podía expresarse el valor de cualquier derivado en ausencia de arbitraje. En el
contexto de los procesos brownianos, las esperanzas condicionadas tienen la misma función. Por
este motivo, resulta necesario hace un abordaje de las mismas aplicadas a este entorno. Para ello
primero se llevará a cabo un recordatorio intuitivo de su significado y luego se presentarán algunos
ejemplos de cálculo.

La idea de las esperanzas condicionadas viene a generalizar el concepto de esperanza. Por

ejemplo, a través de las condiciones que definen a un proceso browniano se sabe que la
esperanza de cualquier valor futuro del proceso browniano es igual a 0. Esto implica que si se
realizasen simulaciones del valor futuro del proceso browniano, en promedio las mismas debieran
ser iguales a 0. Ahora bien, este razonamiento llevado a cabo al momento “0”, bien puede ser
hecho en algún momento posterior. Es decir, cabe preguntarse a que número tiende el promedio
de las simulaciones del valor del proceso browniano en un momento “T”, dado que hasta un
momento “t” anterior a “T” este tomó determinada trayectoria.

La solución intuitiva al problema planteado en el párrafo anterior consiste en realizar distintas

simulaciones del proceso browniano hasta el momento “T”, condicionando sus trayectorias a que
su realización hasta “t” sea la misma. Por ejemplo, siendo “t” igual a 3 y “T” igual a 10, y dado que
hasta el momento “3” el proceso browniano tomó la siguiente trayectoria.

Algunas de las realizaciones condicionadas a la información hasta el momento “3” de la trayectoria

del proceso browniano podrían ser las siguientes:

82
 Wt

Puesto que para resolver el problema del cálculo de la esperanza condicionada, al menos
mediante una estimación, habría que llevarse a cabo un conjunto de simulaciones lo
suficientemente grande como para que el mismo se considere representativo de la población, lo
que suele intentarse hacer, al menos en primera instancia, es arribar a fórmulas analíticas
dependientes de unos pocos parámetros las cuales indiquen a que valor converge el promedio de
las simulaciones de la variable aleatoria a la cual se desea calcular la esperanza condicionada. Por
ejemplo, en el caso que se está considerando se sabe que:

WT  Wt  WT  Wt  (15)

Y puesto que W T-W t es una variable aleatoria cuya media, por definición del proceso browniano, es
igual a 0, se tiene que la esperanza de la variable aleatoria W T, condicionada a la información
conocida en “t” debe coincidir con el valor que toma el proceso browniano al momento “t”. En el
ejemplo que se está analizando, esto implica que si se realizasen un número suficientemente
grande de simulaciones de W 10, condicionadas a que la trayectoria del proceso browniano hasta el
momento “3” fue la descripta en el ejemplo, el promedio de esas simulaciones debería coincidir
aproximadamente con 1,63.

Ejemplo de Cálculo de Esperanza Condicionada Número 1

Podría intentarse llevar a cabo la misma metodología pero aplicada a otras variables aleatorias.
Por ejemplo, en el caso de la siguiente variable aleatoria:

83
X (1)  a  b  WT

Puesto que por (15):

X (1)  a  b  Wt  b  WT  Wt 

Se tiene que:

 
E X 1 / Ft  Ea  b  Wt  b  WT  Wt  / Ft  
 Ea / Ft   Eb  Wt / Ft   Eb  WT  Wt  / Ft   (16)
a  b  Wt  0
Por lo que en este caso, siguiendo al ejemplo utilizado en este capítulo, se tiene que la esperanza
(1)
de X , condicionada a la información existente en “3” debe coincidir con:

a  b  1,63

Ejemplo de Cálculo de Esperanza Condicionada Número 2

Puede generalizarse lo analizado en el ejemplo anterior. Supóngase que se tiene una variable
aleatoria de la forma:

X 2   F WT 

En este caso puede aplicarse la condición “4” de la definición de proceso browniano, la cual hace
referencia a la “normalidad” del mismo. Puesto que:

X 2   F Wt  WT  Wt 

Y dado que W t es conocido al momento “t” y que:

WT  Wt   N 0;T  t 

(2)
Puede expresarse la esperanza condicionada de la variable aleatoria X como:

84
  WT Wt 2
EX 2 

/ Ft   F Wt  WT  Wt  
1
e T t
d WT  Wt  (17)
 2 T  t 

2
Por ejemplo, para el caso en que F(W T)=W T y siguiendo el ejemplo utilizado en este capítulo se
tiene que:

 WT Wt 2


E W / F3 
2
  1,63  W  Wt 
2

1
e 103
d WT  Wt  (18)
2  10  3
T T


Integral la cual puede resolverse mediante los momentos primero y segundo de la distribución
normal.

Estos ejemplos sugieren que muchas esperanzas condicionadas pueden ser calculadas mediante
métodos analíticos. Sin embargo, existen ciertos casos en los que resulta necesario utilizar
métodos numéricos o simulación de montecarlo. Tal es el caso de por ejemplo:


E WT
MT
/ Ft 
EmT / M T / Ft 
etc

Como se ve, existen infinitas esperanzas condicionadas. Más allá de su diversidad todas ellas
tienen ciertas características en común. La primera de ellas es que todas son variables aleatorias,
puesto que su valor depende del comportamiento que tenga la fuente de aleatoriedad (el proceso
browniano) desde el momento inicial (“0”) hasta el momento de cálculo (“t”). Por ende, al variar el
momento de cálculo de esta esperanza condicionada, lo que se tiene es una sucesión de variables
aleatorias, o lo que es lo mismo, un proceso estocástico:

La segunda reside en el hecho de que la última variable aleatoria debe coincidir con la variable
aleatoria a la cual se cálcula la esperanza. En términos matemáticos esto es:

85
EX / FT   X

Esto quiere decir que, cualquiera sea la realización del proceso browniano, la esperanza de una
variable aleatoria X condicionada a la información existente al momento de su realización debe
coincidir con la misma variable aleatoria. Esto si bien puede parecer intuitivo y lógico, tiene en
22
realidad una demostración matemática, la cual no será expuesta en este trabajo .

La última propiedad de las esperanzas condicionadas que se mencionará surge a través de una
aplicación de la (“Tower Property”). Genérese el siguiente proceso estocástico:

Et  EX / Ft  t  0; T 

Entonces se tiene que para s<t:

EEt / Fs   EEX / Ft / Fs   EX / Fs   Es

Es decir, se espera que el proceso estocástico formado como sucesión de esperanzas

condicionadas no cambie con el tiempo, o, lo que es lo mismo, este proceso estocástico es una
martingala. Esta ley general, la cual se desprende de un propiedad no comprobada en este trabajo
(Tower Property), puede corroborarse para, por ejemplo, los casos sencillos estudiados en este
capítulo. Por ejemplo, para el caso en que:

X  a  b  WT

Se tiene que:

EEt / Fs   EEX / Ft  / Fs   EEa  b  WT / Ft  / Fs   Ea  b  Wt / Fs  

a  b  EWt / Fs   a  b  Ws  Ea  b  WT / Fs   E s

En otras palabras, se comprueba que la esperanza de la esperanza de la variable aleatoria “X”

condicionada a la información existente al momento “t”, condicionada a la información existente al

22
Ver Chung, A course in probability theory

86
momento “s”, coincide con la esperanza de la variable aleatoria “X” condicionada a la información
23
existente en “s” .

Ejercicios

i. Compruebe mediante simulaciones que el promedio de un conjunto de simulaciones de

una variable aleatoria definida como:

X  a  b  W8

condicionadas a que al momento “4” el proceso browniano tome el valor 3, coincide con la
correspondiente esperanza condicionada.
ii. Compruebe mediante simulaciones que el promedio de un conjunto de simulaciones de
una variable aleatoria definida como:

X  W92

condicionadas a que al momento “3” el proceso browniano tome el valor 1, coincide con la
correspondiente esperanza condicionada.
iii. Compruebe para la variable aleatoria estudiada en el ejercicio anterior, que el valor final de
la esperanza condicionada coincide con la variable aleatoria y que el proceso estocástico
formado como sucesión de esperanzas condicionadas de esta variable aleatoria es una
martingala.
2
iv. Sabiendo que, siendo “Y” una variable aleatoria normal con media μ y varianza ζ , se
comprueba que:

 
1
  2
E eY  e 2

Encuentre una función analítica de “t” y de “W t” que coincida con:


E eWT / Ft 
v. A partir del resultado del ejercicio anterior compruebe que el proceso estocástico formado
como sucesión de esperanzas condicionadas de:

eWT
Es una martingala y que su “último” valor coincide con la variable aleatoria a la cual se le
calcula la esperanza.

23
Pueden encontrarse mas ejemplos de cálculo de esperanzas condicionadas mas la comprobación de las
mencionadas propiedades en el apéndice 4 del presente trabajo.

87
 vi. Compruebe mediante simulaciones que el promedio de un conjunto de simulaciones de la
variable aleatoria utilizada en el ejercicio anterior, condicionadas a que W 2 sea igual a -1,
coincide con la esperanza calculada en el punto iv.
vii. Estime, mediante simulaciones condicionadas a que W 1 sea igual a 1 y a que M1 sea igual
a 3, la esperanza condicionada a esta información de una variable aleatoria definida de la
siguiente manera:
W10
X 
M8
viii. Estime, mediante simulaciones condicionadas a que W 1 sea igual a -0.4 y a que M1 sea
igual a 0.3 y m1 sea igual a -1.1, la esperanza condicionada a esta información de una
variable aleatoria definida de la siguiente manera:
 m10
X  M 10

88
Teorema de Ito

Se han estudiado todo un conjunto de características y propiedades relacionadas con los procesos
brownianos. Sin embargo, los procesos brownianos, por si solos, no sirven para modelar, por
ejemplo, el movimiento de precios de una acción. Las acciones suelen tener una tendencia, y los
procesos brownianos tienen tendencia (Esperanza) igual a 0. Por ende, para modelarlas, podría
sugerirse el siguiente modelo:

S t  S 0  t  Wt

En este modelo el valor de la acción tiene un componente aleatorio y uno tendencial, lo cual
soluciona el problema anterior, pero sin embargo este modelo también tiene fallas. St es una

variable aleatoria normal con media t y varianza  2T , y por ende existe una probabilidad mayor
a cero de que la acción tome un valor negativo, lo cual no ocurre en la realidad. Es por eso que se
suele utilizar como modelo el siguiente proceso estocástico:

S t  S 0  e t Wt

Algunas simulaciones de este proceso estocástico muestran el siguiente comportamiento:

89
Las trayectorias que este proceso es capaz de simular representan acabadamente, no solo las
trayectorias de precios de las acciones, sino también las de índices y tipos de cambio.

El proceso estocástico propuesto es de la forma:

S t  F t ,Wt  (19)

Es decir, para conocer su valor es necesario conocer el momento en que se calcula su valor, y el
valor que toma el proceso browniano en ese momento. Si bien esta clase de procesos no agota el
conjunto de procesos que se desprende de las trayectorias del proceso browniano (El proceso M t
por ejemplo ya no puede ser representado a través de (19)), estos cumplen con una importante
propiedad, la cual es conocida como teorema de Ito. En este apartado se mostrara una explicación
24
intuitiva de la demostración de este teorema sin entrar en detalles matemáticos .

El teorema de Ito no es más que una extrapolación del teorema fundamental del cálculo a un
contexto estocástico. Básicamente, el teorema fundamental del cálculo aplicado a funciones de una
variable demostraba que dada una función F(t) y su derivada F’(t) podía encontrarse una relación
entre ellas a través de la siguiente relación:

T
F T   F 0   F ' t dt
0

Ahora bien, puesto que los procesos analizados en este apartado surgen como funciones de dos
variables se extraeran herramientas del cálculo multivariable. Se sabe que una función
diferenciable de dos variables z=F(x,y) cumple con que:

z  Fx ' x, y   x  Fy ' x, y   y

Donde el error en que se incurre en esta aproximación depende de la magnitud que tome ∆x y ∆y.
Si se quisiese llevar a cabo una mejor aproximación podría aplicarse el teorema de Taylor
utilizando términos de segundo orden. Esto es:

24
La demostración del teorema de Ito puede encontrarse en Karatzas and Shreve, Introduction to Brownian
Motion and Stochastic Calculus

90
z  Fx ' x, y   x  Fy ' x, y   y  Fxx ' ' x, y   x   Fxy ' ' x, y   yx  Fyy ' ' x, y   y 
1 2 1 2

2 2

Supóngase además que se toma una variación de “y” tal que:

y   x

Y que se utilizan en la aproximación solamente aquellos términos que, expresados en términos de

∆x, no converjan a 0 a medida que ∆x converja a 0. En ese caso la aproximación quedaría de la
siguiente manera:

z  Fx ' x, y   x  Fy ' x, y   y  Fyy ' ' x, y   y 

1 2

Ahora bien, el caso analizado posee características similares. Se tiene una función de dos
variables cuya segunda variable (el proceso browniano) tiene variaciones cuadráticas similares a
∆t. Por este motivo, el cambio en el proceso estocástico “S” debería poderse aproximar de la
siguiente manera:

S t  Ft ' t ,Wt   t  FWt ' t ,Wt   Wt  Fyy ' ' t ,Wt   Wt 
1 2

O lo que es lo mismo podría decirse que:

T T T T

0 t 0 t t
S  F ' t , W   t  0 Wt t
F ' t , W   Wt  0 2 Fyy ' ' t ,Wt   Wt  
1 2

T T T
 S T  S 0   Ft ' t , Wt   t   FWt ' t , Wt   Wt   Fyy ' ' t , Wt   Wt  
1 2
(20)
0 0 0 2
T T T
 S T  S 0   Ft ' t , Wt   t   FWt ' t , Wt   Wt   Fyy ' ' t , Wt   Wt 
1 2

0 0 0 2

A partir de estas ideas intuitivas, y dado que debería darse que:

Wt 2  t

Ito finalmente demostró que:

91
 
t ,Wt   dt   FW' t ,Wt   dWt
T T
S T  S 0    Ft ' t ,Wt   FWW
1 ''
(as)
0 
2 0

Intuitivamente esto implica que puede aproximarse el valor del proceso “S” al momento “T” a través
de las sumas de la ecuación (20) y que el error de esa aproximación convergirá a 0 a medida que
la amplitud de los intervalos de tiempo que se tomen (“∆t”) tiendan a “0”, o lo que es lo mismo, a
medida que la cantidad de subperiodos en los que se divide el intervalo (0;T) tienda a infinito. A su
vez, el “almost surely” implica que esta aproximación no es siempre exitosa sino que solo se dará
en un conjunto de trayectorias que tiene probabilidad de ocurrencia igual a “1”.

Ejemplo de Aplicación del Teorema de Ito

Sea “S” un proceso estocástico definido por la siguiente ecuación:

S t  10  e 0.03t 0.02Wt

Supóngase que “T” es igual a 10 y que se subdivide el intervalo (0;10) en 100 subintervalos. En
ese caso, sabiendo que:

F
 0.03  10  e 0.03t 0.02Wt  0.03  S t
t
F
 0.02  10  e 0.03t  0.02Wt  0.02  S t
Wt
2F
 0.02 2  10  e 0.03t  0.02Wt  0.02 2  S t
Wt 2

Podría aproximarse la variable aleatoria S10 a través de las siguientes sumatorias:

99   99
1
S10  S 0    0.03  S i  0.02 2  S i   0.1   0.02  S i  W i
i 0  10
2 10  i 0 10 10

92
A continuación se muestran un conjunto de simulaciones del proceso “S” (color claro) y de las
sumatorias que aproximan este proceso (color oscuro) para comprobar que se cumple la
afirmación del teorema de ito para este caso en particular.

Puede apreciarse que es prácticamente indiferente trabajar con el proceso estocástico original o
con la aproximación propuesta.

Generalización del teorema de Ito:

En este punto se tratará una generalización del teorema anterior, y, al igual que en ese teorema, no
se pretende llevar a cabo una demostración rigurosa del teorema generalizado de Ito sino que solo
se mostrará los motivos por los que es dable suponer que la relación propuesta por este teorema
debe cumplirse. Supóngase que en vez de tenerse un proceso de la forma F(t;Wt), se tiene uno de
la forma V(t)=F(t;St), donde de St se conoce solamente su representación integral:

T T
S T  S 0    t  dt    t dWt
0 0

Donde αt y βt pueden ser constantes, funciones del tiempo, funciones del tiempo y del proceso
browniano o procesos estocásticos más generales (Mt y mt por ejemplo). En este caso pueden

93
aplicarse las mismas ideas que en el punto anterior. Es decir, puesto que “F” es una función de dos
25
variables se tiene que:

Vt  Ft ' t , S t   t  FSt ' t , S t   S t  Ftt ' ' t , S t   t   FtSt ' ' t , S t   tS t  FSt St ' ' t , S t   S t 
1 2 1 2

2 2

Ahora bien, puesto que:

S t   t  t   t Wt

Intuitivamente se tiene que:

Vt  Ft ' t , S t   t  FSt ' t , S t    t  t   t Wt   Ftt ' ' t , S t   t 2 ...

1
2
 FtSt ' ' t , S t   t  t  t   t Wt  
1
 
FS S ' ' t , S t    t  t   t Wt   Ft ' t , S t   FSt ' t , S t    t  t...
2 tt
2

1 
 FSt ' t , S t    t Wt   Ftt ' ' t , S t   FtSt ' ' t , S t    t2  FSt St ' ' t , S t    t2 t  ...
1 2

2 2 
 
 FtSt ' ' t , S t    t   t  FSt St ' ' t , S t    t   t  t  Wt  FSt St ' ' t , S t    t  Wt 
1
2
2 2

Y dado que los términos tercero y cuarto de la última igualdad, expresados en términos de ∆t,
convergen a 0 a medida que este también lo hace, puede expresarse esta última igualdad como:

 
Vt  Ft ' t , S t   FSt ' t , S t    t  t  FSt ' t , S t    t Wt 
1
2
FSt St ' ' t , S t    t  Wt 
2 2

Finalmente, puesto que en general las diferencias cuadráticas del proceso browniano deben ser
similares a ∆t podría expresarse la aproximación del cambio en el proceso V de la siguiente
manera:

 2
Vt   Ft ' t , S t   FSt ' t , S t    t  FSt St ' ' t , S t    t   t  FSt ' t , S t    t Wt
1
 2 

Finalmente, al igual que en el teorema anterior, sumando en el primer miembro y en el segundo se

tiene que:

25
A su vez en este teorema se asumen ciertos supuestos de diferenciabilidad de la función “F”

94
 T
 T
2
T

 V    F ' t , S   F ' t , S    FSt St ' ' t , S t    t   t   FSt ' t , S t    t Wt 

1
t t t St t t 
0 0 2  0
T
 2
T
 VT  V0    Ft ' t , S t   FSt ' t , S t    t  FSt St ' ' t , S t    t   t   FSt ' t , S t    t Wt
1
0  2  0

Siguiendo los razonamientos esbozados en este apartado, Ito finalmente demostró que el proceso
estocástico “V” debe cumplir con la siguiente igualdad:

 F (t; S t ) F (t; S t )
T
1  2 F (t ; S t ) 2
T
F (t;Wt )
VT  V0     t     t   dt     t  dWt (as)
0
t S t 2  St
2
 0
S t

Ejemplo de Aplicación del Teorema Generalizado de Ito:

Supóngase que se tiene un proceso estocástico con una representación integral igual a:

t t
S t  1   M u du   mu dWu
0 0

Que toma valores en el intervalo de tiempo (0;10). Supóngase que existe además un proceso V
definido como:

S t2
Vt  F t ; S t  
1 t

Entonces, puesto que:

F t ; S t  S t2

t 1  t 2
F t ; S t  2  S t

S t 1  t 
 2 F t ; S t  2

 St
2
1  t 

Puede aproximarse la variable aleatoria V10 a través de las siguientes dos sumatorias:

95
 99 S t2i 2  S ti 1 2  99 2  S
VT  1       M ti   mti t i  
2
 mti  Wti
ti

i 0  1  t i  1  t i 
2
2 1  t i  
 i 0 1  t i 

Donde:

i
ti 
10

A continuación se expone el correspondiente gráfico de simulaciones del proceso V y de su

aproximación a través del teorema de Ito generalizado:

Vale hacerse unos comentarios sobre este ejemplo. En primer lugar puede verse que distintas
trayectorias del proceso “V” tienen distinto comportamiento en cuanto a su volatilidad. Esto se debe
a que el coeficiente de volatilidad de “S” es aleatorio, por lo que en algunos casos este puede ser
muy pequeño y entonces “V” se comporta casi como una función diferenciable, mientras que en
otros puede ser muy grande por lo que las trayectorias de “V” se asemejarían a las de los procesos
brownianos.

Por otro lado puede verse que las aproximaciones no resultan tan exitosas como en el ejemplo
anterior. Esto se debe a que la cantidad de subintervalos en que debe dividirse el intervalo (0;10)

96
para conseguir una “buena” aproximación depende del proceso que se quiera simular. Mientras
que utilizar 100 subintervalos en el ejemplo anterior parecía suficiente, en este caso es necesario
utilizar una mayor cantidad de subintervalos para lograr que las aproximaciones se asemejen al
proceso “V”.

Ejercicios:

i. Utilice el lema de ito para encontrar la representación integral de:

X t  Wt 2
X t  t  Wt
X t  e  Wt
X t  Wt t

ii. Mediante un proceso de simulación explique que significan esas representaciones

iii. Encuentre las representaciones de X t2  t mediante el lema de ito y mediante el lema
generalizado de ito. Compruebe que esas representaciones coinciden
iv. Siendo
t t
Yt   M s  ds   ms dWs
0 0

Encuentre la representación integral de Exp(Y(t)). Explique mediante un modelo de

simulación que significa esa representación

97
Teorema de Representación de Martingalas

En el último apartado se mostró que es posible expresar ciertos procesos estocásticos mediante
una representación integral. Sin embargo, los procesos que pueden ser expresados de dicha
manera no agotan el conjunto de procesos estocásticos que se desprenden de la trayectoria del
proceso browniano (El ejemplo clásico es el de Mt). En este apartado se presenta una
generalización de lo estudiado en el apartado anterior.

Supóngase que se tiene un proceso definido como:


H t  E ST2 / Ft 
Siendo St el proceso elegido para modelar el movimiento de precios del activo subyacente. Según
lo estudiado en el capítulo de esperanzas condicionadas dicho proceso es una martingala. A su
vez, según el apéndice iv se prueba que:

 
E ST2 / Ft  S t2  e 2  T t 
2

Puede comprobarse a su vez que para este proceso también se cumplen las dos propiedades
mencionadas en el capítulo dedicado a las esperanzas condicionadas. Por un lado se tiene que el
último valor del proceso coincide con la variable aleatoria a la cual se le calcula la esperanza
condicionada:

 
H T  E ST2 / FT  ST2  e 2  T T   ST2
2

Mientras que por el otro se comprueba que “H” es una martingala:

    
EH t / Fs   E E S T2 / Ft / Fs  E S t2  e 2   T t  / Fs  S s2  e 2   t  s   e 2  T t  
2 2 2

S s2  e 2   T  s   H s
2

Ahora bien, puesto que para este caso en particular se tiene que “H” viene definido como una
función de “S” y de “t” puede aplicarse sobre este proceso el teorema generalizado de Ito. De esta
manera se comprueba que:

98
  
   
t
H t  S 02  e 2   T     2    2 S u2  e 2   T u   2  S u  e 2   T u       2   S u   2  e 2   T u    2  S u2 du 
2 2 2 1 1 2

0  2  2 
t

 2 S  e 2   T u   S u  dWu
2

u
0
t
Ht  S  e    2  S 2  e 2  T u   dW
2   2 T
 u
2
2
0 u
0

Como puede verse, esta representación integral tiene un término tendencial igual a 0. Esto tiene
una explicación intuitiva sencilla. Por como se encuentra definido el proceso “H”, es esperable que
este no cambie ante cambios en el tiempo (Es decir, que “H” sea una martingala). Puesto que la
representación integral de este proceso debe coincidir con el proceso que intenta aproximar, de
esta representación tampoco debe esperarse que varíe con el tiempo. Esta condición que debe
cumplir la representación integral se concreta al tener solamente término de “volatilidad”. De hecho,
puesto que:

s t
H t  S 02  e 2   T   2  S u2  e 2   T u   dWu   2  S u2  e 2   T u   dWu
2 2 2

0 s
t
H t  S s2  e 2   T  s    2  S u2  e 2   T u   dWu
2 2

s
t
H t  H s   2  S u2  e 2   T u   dWu
2

Solo se esperará que “H” varíe desde el momento “s” hasta el momento “t” si se espera que el
segundo sumando del segundo miembro así lo hiciera. Ahora bien, el segundo miembro está
formado por sumas del tipo:

 u  Wu u  Wu 

Donde δ es un proceso cuyo valor al momento “u” depende de información que se determina a
través de la trayectoria que tome el proceso browniano desde “0” hasta “u”. Por este motivo, el
valor que tome δu no influencia a la variable aleatoria W u+∆u- W u y por ende, cada uno de los
sumandos tendrá esperanza igual a “0”.

El hecho de que la representación integral de este proceso “H” no posea término de tendencia
debiera comprobarse para cualquier proceso definido como sucesión de esperanzas
condicionadas, puesto que se ha demostrado que estos procesos son martingalas. Es decir, si un

99
proceso definido como sucesión de esperanzas condicionadas de una determinada variable
aleatoria tiene una representación integral, esta no puede tener un término de tendencia. Sin
embargo, cabe hacerse la siguiente pregunta. ¿Es posible encontrar para todo proceso definido
como sucesión de esperanzas condicionadas una representación integral?

La pregunta planteada en el párrafo anterior se responde afirmativamente a través del teorema de

representación de martingalas. El mismo afirma que todo proceso definido según lo mencionado en
el párrafo anterior tiene una determinada representación integral. Sin embargo no determina un
mecanismo para encontrar dicha representación. Por ejemplo, si se quisiese encontrar la
representación integral de:

M 
H t  E  T / Ft 
 mT 

A priori lo único que puede concluirse a partir del teorema de representación de martingalas es que
esta existe y que no tiene término tendencial. Es decir que existe un proceso λ para el cual:

M  t
H t  E  T / F0    u dWu (as)
 mT  0

Este teorema será aplicado al demostrarse en el próximo apartado que cualquier payoff puede ser
replicado a través de una estrategia autofinanciable. Por un lado se demostrará que el cambio de
precio relativo del activo subyacente con respecto a un bono puede ser expresado a través de una
ecuación del siguiente tipo:

Z t   t  Wt

A su vez, dado un payoff “X” se armará una estrategia cuyo valor al momento “t” en términos de
bonos sea igual a:


Et  E X  BT1 / Ft 
Por el teorema de la representación de martingalas existe un proceso estocástico λ a partir del cual
puede aproximarse el cambio en el proceso estocástico “H”. Esto es:

100
    
H t  E X  BT1 / Ft t  E X  BT1 / Ft  t Wt

Por ende, existe una cantidad de acciones “θ” a través de la cual puede representarse el cambio
en el valor de la estrategia que se pretende armar. Esta cantidad es:

t
t 
t

Si a su vez al momento “t” se comprasen una cantidad “ψ” de bonos tal que el valor en términos de
bonos de la cartera formada por “θ” acciones y “ψ” bonos sea igual al valor que se pretendía que
valga esta cartera:

t  Z t   t  EX  BT1 / Ft 

Entonces, puesto que las tenencias de bonos no varían en términos de bonos, se tiene una
estrategia cuyo valor en términos de bonos al momento “t” coincide con la esperanza condicionada
del payoff en términos de bonos, y cuya variación medida también en términos de bonos hace que
la cartera tome un valor igual a la “siguiente” esperanza condicionada de la misma variable
aleatoria. Esto es:

t  Z t   t  t  Z t  EX  BT1 / Ft   EX  BT1 / Ft  t   EX  BT1 / Ft   EX  BT1 / Ft  t 

Este valor que alcanza la cartera al momento “t+∆t” es el necesario para armar la siguiente cartera.
Este proceso puede repetirse hasta el momento de vencimiento del derivado en cuyo caso el valor
de la estrategia coincide con:

 
ET  E X  BT1 /FT  X  BT1

Que es, al fin y al cabo, el payoff del derivado medido en términos de bonos. Es decir, si se supone
que el cambio de precio en el valor relativo del activo subyacente con respecto a un bono puede
expresarse a través de solamente un término de volatilidad, entonces el teorema de la
representación de martingalas asegura que es posible replicar cualquier derivado a través de una
estrategia autofinanciable. En el próximo apartado se mostrará que para que la condición
mencionada sea cierta, debe utilizarse otro esquema de probabilidades.

101
Generación de la estrategia autofinanciable

Se supondrá que existe un derivado cuyo payoff “X” está en función de la trayectoria del precio de
un determinado activo subyacente “S” el cual se encuentra modelado a través de la siguiente
ecuación:

S t  S 0  e  t  Wt (21)

A su vez se supondrá que en el mercado existe un bono cuyo valor a un momento genérico “t” es
igual a:

Bt  e rt

Recuérdese el problema inicial. Se debía encontrar, para un derivado con payoff genérico X, una
estrategia ( ; ) tal que cumpla con las siguientes condiciones expresadas en términos de bonos:

Valor del derivado:

Et   t  Z t   t

Condición de Autofinanciabilidad:

t
Et  E s   t  dZ t (as)
s

Condición de Replicabilidad:

ET  X  e  rT

En el presente modelo, “Z” es un proceso estocástico definido a través de la siguiente ecuación:

Z t  S t / Bt  S 0  e  r t  Wt (22)

102
Una aplicación del teorema de Ito permite comprobar que no es posible expresar la variación del
precio relativo a través de solo un término de volatilidad bajo este modelo del activo subyacente. Es
decir,

 
Z t    r   S 0  e    r t  Wt   2  S 0  e    r t  Wt  t    S 0  e    r t  Wt  Wt 
1
 2 
 1 
    r   2   Z t  t    Z t  Wt
 2 

Sin embargo, este problema se resuelve a través de una aplicación del teorema de Girsanov.
Puesto que por el teorema de Girsanov se sabe que si una propiedad se cumple “Q” almost surely,
entonces se cumple “P” almost asurely, se trabajará utilizando un esquema de probabilidades en el
que sea posible expresar el cambio en el valor del proceso “Z” a través de solo un término de
26
volatilidad. Generándose un proceso definido de la siguiente manera :

 1 2

  r   t
W t  Wt  
2 
(23)


y despejando “W” en la ecuación anterior, el proceso estocástico “S” puede expresarse de la

siguiente manera:

26
Este proceso ha sido definido de esta manera por dos motivos. Por un lado se sabe que todo evento que se
cumple con probabilidad 1 bajo el supuesto de que este proceso es el que en efecto se comporta como proceso
browniano (“Q”) se cumple con probabilidad 1 bajo el supuesto verdadero (“P”). Por ende, la ecuación:

 1 
Z t     r   2   Z t  t    Z t  Wt
 2 

que se cumple “P” almost surely se cumple también “Q” almost surely. Ahora bien, de la ecuación (23) se
deduce que:


 1 
W t  Wt     r   2   t
 2 

y por ende despejando de esta última ecuación y reemplazando en la anterior se tiene que la siguiente
ecuación se cumple “Q” almost surely:


Z t    Z t   W t

103
  1 2 
   r   

 t   W t  2 t

    1 2
   r    t  W t
St  S0  e  
 S0  e  2 
(24)

y por ende el proceso “Z” de esta otra:

1 
 2 t  W t
Z t  S t / B t  S0  e 2
(25)

A su vez puede verse tras una aplicación del teorema de Ito que el cambio en el proceso “Z” puede
expresarse a través de la siguiente ecuación:


Z t    Z t   W t

Esto implica que si el proceso generado en la ecuación (23) fuera un proceso browniano, entonces
podría expresarse el cambio en el valor relativo del activo subyacente a través de solo un término
de volatilidad. Ahora bien, puede suponerse que, en efecto, el proceso generado en la ecuación
(23) es un proceso browniano porque, por como se define este proceso, todo evento que se
demuestre que se cumple con probabilidad 1 bajo este supuesto, automáticamente se demostrará
que se cumple con probabilidad 1 bajo el supuesto verdadero.

La estrategia se armará de forma tal que su precio en términos de bonos sea:

Et  t  Z t   t  EQ ( X  e  rT / Ft )

Donde el subíndice “Q” indica que dicha esperanza se calcula suponiendo que el proceso
generado en la ecuación (23) es un proceso browniano. Según la Tower Property, se ve que E es
27
una “Q” martingala . En efecto:

EQ ( Et / Fs )  EQ ( EQ ( X  e  rT / Ft ) / Fs )  EQ ( X  e  rT / Fs )  Es

EQ ( Et / Fs )  Es

27
Es decir, una martingala suponiendo que es el proceso definido en la ecuación (23) el se comporta como un
proceso browniano

104
Entonces tanto Z como E son “Q” martingalas por ende admiten las siguientes representaciones (la
de Z ya se conoce):

t _
Zt   Z s   d W s
0

t _
Et    s  d W s
0

Eligiendo entonces como t a:

t
Zt 

y como t a:

Et  t  Z t

Se tiene que esta estrategia, como se había previsto, tiene un precio en términos de bonos igual a

Et. Su valor en el momento T será ET  EQ ( X  e  rT / FT )  X  e  rT por lo que replicará el

derivado. Para comprobar la autofinanciabilidad de la cartera puede recurrirse al razonamiento
descripto al final del apartado anterior o bien basta con comprobar que:

t _ s _ t _ t _
E t  E o   u  d W u  E 0   u  d W u   u  d W u  E s   u  d W u 
0 0 s s
Q (as)
t _ t
 E s    u Z u   d W u  E s    u  dZ u
s s

Es decir, el valor que necesita conseguirse al momento “t” se obtiene a través del valor inicial mas
el de los sucesivos cambios en el valor de la estrategia.

Esto demuestra que es posible replicarse el payoff de cualquier derivado a través de una estrategia
autofinanciable con la precisión que se desee. De hecho, supóngase que se ingresa al mercado en
un momento genérico “t” y que el precio del activo subyacente se comporta según la ecuación.
Puede comprarse la estrategia (θ;ψ) y operarse la misma en los siguientes intervalos de tiempo:

105
 t t
T  t  t
2T  t 
t
iT  t 
t
i  1T  t  t
nT  t 
T
n n n n n

Período de Réplica

Es decir, comprarse una cartera formada por θt activos subyacentes y ψt bonos cuyo valor en
términos de bonos será igual a Et, y esperar hasta el momento t+(T-t)/n en donde se venderá la
cartera inicial y se comprara una cartera formada por θ t+(T-t)/n acciones y ψt+(T-t)/n bonos cuyo valor
en términos de bonos será igual a Et+(T-t)/n. En este intercambio se produce un error de
aproximación, el cual se puede suponer que se financia (en el caso en el que la cartera inicial valga
menos que la cartera final) o se invierte (en el caso contrario) en bonos. Es decir, se compra la
siguiente cantidad de bonos:

 t (T t ) / n  t  Z t (T t ) / n   t   t (T t ) / n  Z t (T t ) / n   t (T t ) / n 

Esta operación se repite hasta llegado el momento “T” en donde se cambia la cartera comprada al
momento t+(n-1)*(T-t)/n por la cantidad de bonos que valga el payoff del derivado que se quiere
replicar. Por ende, el último error a invertirse en bonos es el siguiente:

 T  t  Z T   t   X  e  rT

Puesto que por cumplir esta estrategia con la condición de autofinanciabilidad y replicabilidad se
comprueba que:

n 1
Et    T t   Z T  t 
 X  e  rT
t i t i
i 0 n n

a medida que “n” tiende a infinito, y por representar esta última ecuación la evolución del valor en
términos de bonos de la estrategia (θ,ψ), se tiene que el valor final de los errores invertidos en
bonos deben converger a 0, ya que de otra manera no se estaría verificando esta última ecuación.

106
Ahora bien, todo esto ocurre si el activo subyacente medido en términos de bonos fuera una
martingala (es decir, si el activo subyacente se modelase según la ecuación (24)), sin embargo, por
hipótesis, el activo subyacente se modela según la ecuación (21). El concepto para pasar de la
medida de probabilidades que hace martingala a Z (“Q”), a la medida original (“P”) es el siguiente.
Si el derivado tuviese otro precio, se demostró que es posible incurrir en un arbitraje en un
28
esquema “Q” con probabilidad 1 . Por ende también podrá incurrirse en un arbitraje con
probabilidad 1 bajo el esquema original “P”. Esto implica que el precio que elimina la posibilidad de
arbitraje tiene que ser el mismo bajo un esquema “Q” que bajo un esquema “P”. Finalmente para
obtener el valor del derivado en términos de dinero, multiplíquese el valor del derivado en términos
de bonos por el valor del bono:

Vt  e rt  EQ ( X  e  rT / Ft )

La conclusión de este capítulo es que la prima de cualquier derivado en términos de bonos a un

momento genérico “t” debe coincidir con la esperanza condicionada de su payoff en términos de
bonos suponiendo, a pesar que el precio del activo subyacente se modele según la ecuación (21),
que este se modela según la ecuación (24). En el próximo capítulo se aplicará este resultado a un
gran conjunto de derivados con el objetivo de entender, primero, como se lleva a cabo el cálculo de
dicha esperanza condicionada y, en los casos en que sea posible, el de la cantidad de activo
subyacente a mantenerse en cartera si se desease armar un arbitraje en los casos en los que el
mercado se encuentre en posibilidades de ser arbitrado, segundo, de que manera puede llevarse a
cabo el arbitraje teniendo en claro que ocurre con los errores en las aproximaciones, y tercero, con
un alto nivel de precisión, las consecuencias que se desprenden de dichas conclusiónes.

28
Afirmar que se puede replicar un derivado con probabilidad 1 es equivalente a afirmar que la probabilidad
que el proceso browniano arroje una trayectoria tal que la trayectoria correspondiente al precio del activo
subyacente sea tal que pueda replicarse el payoff de dicho derivado con un error que converja a 0 a medida
que se aumente el número de momentos en el tiempo en los que se opera la cartera, es igual a 1.

107
 Aplicaciones del modelo de Black y Scholes

Introducción:

En los dos capítulos anteriores se mostraron en primer lugar las ideas sobre las que se cimienta la
teoría de la valuación por arbitraje y en segundo lugar los teoremas matemáticos que son
necesarios utilizar para aplicar esas ideas en un contexto en el cual los modelos que simulan el
comportamiento de los activos subyacentes son lo suficientemente representativos como para ser
aplicados en la práctica. Finalmente, el último apartado del capítulo anterior unió esos conceptos
matemáticos para demostrar que todo derivado cuyo activo subyacente pueda ser modelado según
la ecuación (21) puede ser valuado a través de una misma fórmula.

En el presente capítulo se desarrollaran aplicaciones de los conceptos antedichos. Con este fin se
valuará en ausencia de arbitraje derivados europeos (para los cuales también se encontrarán
fórmulas analíticas que describan la cantidad de acciones a tener en cartera que es necesaria para
que los mismos sean replicados), derivados cuyo payoff dependa no solo del valor que tome el
activo subyacente a vencimiento de los mismos sino que también lo haga de otros valores y
derivados cuyo subyacente no cumpla con las hipótesis planteadas en el capítulo anterior (Entre
los cuales se encuentran las acciones que pagan dividendos o las divisas). Adicionalmente,
también se presentarán métodos numéricos útiles para valuar derivados que no admitan fórmulas
analíticas que representen su valor en ausencia de arbitraje y la contraparte continua a lo que
resultó la valuación de derivados en términos de activos subyacentes en el campo discreto.

108
Valuación de Derivados Europeos

Supóngase que el payoff del derivado que se pretende valuar se define a través de la siguiente
ecuación:

X  F S T 

Como se vio, para calcular la prima de un derivado en una fecha genérica “t”, debe calcularse la
esperanza de su payoff descontado suponiendo que el activo subyacente en términos de bonos es
una martingala, condicionada a la información hasta el momento “t”. Esto, según lo visto en el
apartado anterior y en el correspondiente al cálculo de esperanzas condicionadas, se reduce al
cálculo de la siguiente integral:

2
 _ _ 
 W T W t 
 
 1 _ _
1 
( r   2 )( T  t )  (W T W t ) 1  _ _
E Q ( F ( S T )  e  rT / Ft )   e  F (S t  e
 rT 2
) e 2 T t
 d (W T  W t ) (26)
 2 (T  t )

Esta Integral puede resolverse en algunos casos mediante métodos analíticos y en otros mediante
métodos numéricos. A continuación se citan dos ejemplos de cálculo de estas esperanzas
condicionadas:

Ejemplo de Cálculo de Primas de Derivados Número 1:

Supóngase que:

F S T   S T2

Puede resolverse la integral planteada en la ecuación (26) utilizando el apéndice “4” y

2
reemplazando μ por (r-0.5*ζ ). En este caso la esperanza condicionada que sirve para calcular, en
términos de bonos, el valor en ausencia de arbitraje del derivado en cuestión queda representada a
través de la siguiente fórmula analítica:

2 _ _
   r  1  2  T t   W T W t   1 W T W t 2
 (
 rT  
_ _
1 )
EQ ( ST2  e rT / Ft )   e  St e 2  
  e 2 T t  d (W T  W t ) 
  2 (T  t )
  
 St2  er  T t   e rt
2

109
Por ende el respectivo valor en términos de dinero es igual a:

Vt  ert EQ (ST2  e rT / Ft )  St2  er  T t 

2

Ejemplo de Cálculo de Primas de Derivados Número 2:

Supóngase en este otro caso que:

F S T   ln S T 

Al igual que en el ejemplo anterior, según el apéndice (4) se deduce que reemplazando μ por (r-
2
0.5*ζ ) el valor en ausencia de arbitraje de este otro derivado es igual a:

  
Vt  e rt EQ (ln S T   e  rT / Ft )  e  r T t    r   2 T  t   ln S t 
1
 2  

Ejemplo de Cálculo de Primas de Derivados Número 3:

En este último ejemplo supóngase que:

F S T   cos S T  
En este caso la prima de este derivado en término de bonos a un momento genérico “t” queda
expresada a través de la siguiente integral:

_ _
   r    T  t   W T W t  
 1 2    
1 W T W t 2
 (
 
_ _
1 )
e
 rT  rT
EQ ( S  e
2
/ Ft )   cos St  e  2  
  e 2 T t  d (W T  W t ) 
T
  2 (T  t )
  

_ _
 _ _
  g
 
 W T  W t   d (W T  W t )


Donde la función “g” puede graficarse aproximadamente de la siguiente manera:

110
Puesto que no hay una fórmula analítica que sirva para representar el valor de esta última integral,
debe resolverse la misma a través de métodos numéricos. Uno de estos métodos se reduce al
cálculo aproximado del área entre el eje “x” y la función “g” a través de funciones escalonadas. Es
decir, aproximar el gráfico de la función “g” a través de rectángulos para luego calcular el área de
este gráfico aproximado.

Volviendo al caso general que se estaba analizando (el caso en el que el payoff puede expresarse
como función del valor que toma el activo subyacente a vencimiento del derivado) lo único que
resta por conocerse es si existe una función analítica que describa la cantidad de acciones que
debe mantenerse en cartera para replicar este derivado. Si bien se vio que, puesto que el teorema
de la representación de martingalas no define un algoritmo de cálculo del proceso estocástico λ, no
existe una fórmula general que resuelva este problema, es posible hacerlo para el caso particular
que esta siendo analizado.

Hedging de Derivados Europeos:

Puesto que el valor de la fórmula (26) depende del momento de valuación del derivado (“t”) y del
valor que tome el activo subyacente en ese momento, la prima, en términos de dinero, de un
derivado europeo es al fin y al cabo un proceso estocástico definido a través de alguna función de
las dos variables mencionadas. Esto es:

Vt  V t , S t 

A su vez, dado que, por lo visto en el capítulo anterior, la cantidad de activo subyacente a
mantener en cartera para replicar el payoff de un derivado cualquiera debe ser la misma ya sea
que se suponga que el activo subyacente se modela según la ecuación (21) o (24), se utilizará por
simplicidad esta última alternativa. Es decir:


 1 2
 r    t  W t
St  S0  e  2 

111
A través de una aplicación del teorema de Ito puede comprobarse que:

t t _
S t  S0   Ss rds   Ss d W s (27)
0 0

Por ende, aplicando la generalización del teorema de Ito sobre el proceso estocástico “V” se tiene
que:

T
V ( S t ; t ) 1 2 2  2V ( S t ; t ) V ( S t ; t ) T
V ( S t ; t ) _
VT  V0   (rS t   St  )  dt  0 S d W t (28)
S t  2 St t S t
t
0
2

Ahora bien, dado que según la condición de autofinanciabilidad se cumple que:

T T
VT  V0   t  dS t   t  dBt
0 0

y dado que:

dBt  re rt dt

Y que “S” puede expresarse según (27) se tiene a su vez que “V” puede expresarse de la siguiente
manera:

T _ T
VT  V0   S t t  d W t   (rSt t  r t e rt )  dt (29)
0 0

Es decir, existen dos representaciones integrales que aproximan el mismo proceso ((28) y (29)),
por lo que cada uno de sus componentes deben coincidir. Igualando los términos que acompañan
a dt y a dWt puede verse por un lado que

V(St ; t )
t  (30)
St

Con la otra igualdad, teniendo en cuenta (30) y que

112
 V (S t ; t )  t S t
V ( S t ; t )  t S t   t  e rt   t 
e rt

29
se llega a que, para que ambas representaciones integrales coincidan , el precio del derivado
debe cumplir con la siguiente ecuación en derivadas parciales:

1 2 2  2V V V
 S  2  rS    rV  0 (31)
2  S S t

Esta ecuación es conocida como ecuación de Black y Scholes. Puede probarse que esta ecuación
y el hecho de que a vencimiento del derivado el valor del mismo debe coincidir con su payoff:

V (S T ; T )  F (S T ) (32)

definen unívocamente la función “V”. Es decir, existe una única función de dos variables que
cumple con estas dos condiciones, y, puesto que la prima en ausencia de arbitraje de cualquier
derivado europeo satisface a ambas, esta función debe coincidir con la mencionada prima. Si bien
no es este el caso, en contextos mas complejos (tales como el de la valuación de derivados
exóticos o de derivados sobre bonos) suele resultar mas sencillo probar que una determinada
función analítica expresa el valor en ausencia de arbitraje de un derivado dado, mostrando que la
misma cumple con una correspondiente ecuación en derivadas parciales, que buscando que la
respectiva esperanza condicionada coincida con la función elegida. Por ejemplo, para el ejemplo
“1” de este apartado, con solo verificar que:

V St , t   St2  er  T t 

2

Cumple con la mencionada ecuación en derivadas parciales y con que:

V (S T ; T )  S T2

Se hubiera podido probar que esta fórmula indicaba efectivamente el valor en ausencia de arbitraje
30
de este derivado .

29
El hecho de que ambas representaciones integrales deban coincidir no ha sido rigurosamente demostrado en
este trabajo. Para ello puede consultarse: Karatzas and Shreve, Introduction to Brownian Motion and
Stochastic Calculus

113
Finalmente, solo resta mencionar que, a modo de ejemplo, la cantidad de acciones y de bonos a
mantener en cartera para replicar este derivado en particular, según lo visto en este apartado
deben ser:

t  

V St , t   St2  er  T t 
2

 2  St  er  T t 
2

St St

V St , t   t  St  St2  er  T t 

2

t  
ert ert

Ejercicios

i. Demuestre que la fórmula calculada en el ejemplo “1” cumple con las ecuaciones (31) y
(32)
ii. Demuestre que la fórmula calculada en el ejemplo “2” cumple con las ecuaciones (31) y
(32)
iii. Aproxímese numéricamente la fórmula que describe el valor en ausencia de arbitraje del
derivado definido en el ejemplo “3”
iv. Calcúlese la cantidad de acciones y de bonos necesaria a mantener en cartera para
replicar el derivado definido en el ejemplo “2”
v. Calcule el valor en ausencia de arbitraje de un derivado definido a través de la siguiente
fórmula:

F S T   S Tn

30
Puede consultarse el apéndice “5” para analizar un ejemplo de hedging de este derivado a través de
simulaciones del proceso browniano que brinda aleatoriedad al proceso “S”.

114
Valuación de Derivados a Través del Enfoque de las
Probabilidades “R”

A continuación se expondrá un útil método de valuación de derivados. El mismo ya ha sido

analizado al abordarse el modelo discreto. En ese caso este método consistió en valuar el bono en
términos de activo subyacente, encontrar que probabilidades deben utilizarse para que este precio
relativo sea una martingala y calcular la prima de cualquier derivado en términos de activos
subyacentes como esperanza del payoff en términos de activos subyacentes utilizando estas
nuevas probabilidades. En el presente apartado se mostrará en primer lugar que dicho
razonamiento sigue siendo lícito en el contexto continuo y, en segundo lugar, el mecanismo
mediante el cual deben ser aplicadas estas ideas.

Dado un derivado cuyo payoff es “X” según lo visto al final del capítulo anterior se tiene que el
mismo puede ser replicado mediante una estrategia autofinanciable. Estas dos condiciones unidas
podían representarse en términos de dinero o de bonos. En términos de dinero se podía comprobar
que:

T T
X  Vs   t  dS t   t  dBt Q(as) y P(as)
s s

Y en términos de bonos:

T
X  e rT  E s   t  dZ t Q(as) y P(as)
s

Ambas ecuaciones se interpretaban como que era posible conseguirse el payoff “X” mediante el
valor de una estrategia al momento “s” más los sucesivos cambios en el valor de las carteras que
componen la misma. A su vez se había mostrado que, en realidad, estas ecuaciones se cumplen
con probabilidad “1” si el activo subyacente se modela según la ecuación (21) y por absoluta
continuidad automáticamente se comprobaba que la misma también se cumple si el activo
subyacente se modela según la ecuación (24).

Ahora bien estas ecuaciones podrían haber sido planteadas ya no en términos de bonos o de
dinero, sino en términos de activos subyacentes. Es decir:

115
 T
X  ST  Ds   t  dYt Q(as) y P(as) (33)
s

Donde:

D V /S
Y  B/S

Es decir, la cantidad de activo subyacente que representa el payoff del derivado puede conseguirse
a través de la cantidad de activos subyacentes que vale la mencionada estrategia a un momento
“s” mas los sucesivos cambios en términos de activos subyacentes de valor de cada una de las
carteras que componen la misma. También en este caso valen hacerse las mismas
consideraciones que en el párrafo en cuanto al hecho de que esta ecuación también se cumple
Q(as) y P(as)

Genérese ahora un proceso estocástico de la siguiente manera:

 1 2
  r   t
W t  Wt  
_
2 
(34)


Es decir, este nuevo proceso surge como una modificación en la tendencia del proceso browniano
original. Utilizando este proceso puede expresarse ahora el precio del activo subyacente a través
de la siguiente ecuación:

 1 2 _
 r   t  W t
St  S0  e  2 
(35)

Ahora bien, dado que este nuevo proceso cumple con las condiciones del teorema de Girsanov (es
decir que surja como una modificación en la tendencia del proceso browniano), se tiene que todo
evento que se cumpla con probabilidad 1 bajo el supuesto original, se cumple con probabilidad 1
bajo el supuesto de que es este proceso el que se comporta como un proceso browniano. Por
ende, denotando a este supuesto a través de la letra “R” puede afirmarse que la ecuación (33)
también se cumple R(as).

A su vez, dado que:

116
 _
1
1  2 2t  W t
Yt  Bt / S t  e
S0

A través de una aplicación del teorema de ito se tiene que:

_
dYt    Yt  d W t R(as) (36)

Es decir, el proceso “Y” es una martingala bajo el supuesto “”R”.

Dado que por lo antedicho la ecuación (33) se cumple R(as), puede expresarse la esperanza
condicionada suponiendo ahora que “Y” es una martingala como esperanza condicionada del
miembro derecho de esa ecuación. Es decir:

T  T 
E R X  S T / Fs   E R Ds / Fs   E R   t  dYt / Fs   Ds  E R  t  dYt / Fs 
s  s 

Ahora bien, dado que por (36)

T T _

 t  dYt   t    Yt  d W t
s s
R(as)

Y que, por hipótesis, el proceso generado en la ecuación (34) es un proceso browniano bajo el
esquema “R” se tiene que la esperanza de la integral de la última ecuación es igual a 0. Por ende:

E R X  S T / Fs   Ds  Vs / S s

Igualdad que puede escribirse de la siguiente manera:

Vs  Bs  EQ X  BT / Fs   S s  E R X  S T / Fs 

Es decir, dado un derivado cuyo payoff sea “X”, puede arribarse a su valor en ausencia de arbitraje
a través del enfoque de las probabilidades “Q” o bien mediante el cálculo de la esperanza
condicionada del payoff en términos de activos subyacentes suponiendo que los mismos se

117
modelan según el esquema “R”. Ambas aproximaciones debieran arrojar idénticos resultados
numéricos.

Para esclarecer el planteo a continuación se muestra un ejemplo de aplicación de este enfoque a la

valuación de derivados euopeos.

Ejemplos de Valuación Mediante Enfoque de Probabilidades “R”

Supóngase que se pretende valuar en ausencia de arbitraje un derivado cuyo payoff este definido a
través de la siguiente fórmula:

X  ST2

Por lo estudiado en el último apartado se sabe que este derivado en ausencia de arbitraje tiene un
valor determinado por la siguiente fórmula.

Vt  ert EQ (ST2  e rT / Ft )  St2  er  T t 

2

Ahora bien, por lo visto en este apartado, este derivado, valuado a través del enfoque de las
probabilidades “R” debiera arrojar el mismo resultado. Es decir, debiera comprobarse que:

St ER (ST2  ST1 / Ft )  St ER ST / Ft   St2  er  T t 

2

Lo cual puede deducir fácilmente a partir de lo estudiado en el apéndice “4” reemplazando

2
convenientemente (r+0.5ζ ) por μ.

Para el caso particular de un call, pueden aplicarse las mismas ideas que en el modelo discreto. Es
decir puede valuarse una parte en términos de activos subyacentes y otro en términos de bonos.
Así se llega a la siguiente fórmula:

Bt
Vt  S t  PR ( S T  K / Ft )   K  PQ ( S T  K / Ft )
BT

Donde las probabilidades deben calcularse suponiendo que el activo subyacente se modela según
la ecuación (35) y según la ecuación (24). El cálculo en el primer caso puede simplificarse de la
siguiente manera:

118
  K  1  
 1 2  _ _ 
 _ ln     r   2 T  t  
 r    T t   W T W t  St   2 
    / Ft 
_
 
PR ( S T  K / Ft )  PR ( S t e  K / Ft )  PR W T  W t  
 
2
   
 
 
 _  K  1  
ln     r   2 T  t   St 
_
 W T  W t   1
 ln  (r  . 2 ).(T  t ) 
 
PR     t  S 2
/ Ft   N  K 2 
 T t  T t   . T  t 
   
 
 
Normal(0,1)

La segunda puede calcularse de manera similar llegándose a que:

 St 1 
 ln  (r  . 2 ).(T  t ) 
PQ ( S T  K / Ft )  N  K 2 
 . T  t 
 
 

Por ende, la prima de un call está determinada por la siguiente fórmula:

 St 1   St 1 
 ln  (r  . 2 ).(T  t )   ln  (r  . 2 ).(T  t ) 
Vt  S t  N  K 2   K  e  r .(T t )  N  K 2  (37)
 . T  t   . T  t 
   
   

A su vez puede demostrarse que la cantidad de activo subyacente necesaria a tener en cartera en
cualquier momento para replicar el payoff de un call coincide con la probabilidad calculada según el
31
supuesto “R” :

La fórmula (37) coincide con la determinada en el apartado de relaciones básicas de arbitraje

correspondiente al modelo discreto. Como se mencionara en aquel apartado esta fórmula es
conocida como de Black y Scholes. Vale la pena remarcar que el valor numérico que surge de
dicha fórmula debe coincidir tanto con el valor que arroja el cálculo de la prima de un call según el

31
Puede encontrarse una demostración de dicha afirmación en el apéndice “6”

119
enfoque de las probabilidades “Q” como con el que surge del cálculo de la misma según el enfoque
de las probabilidades “R”.

Ejercicios

i. Supóngase que la volatilidad de la acción de Acindar para un período anual es de 0.25,

que la misma cotiza a $ 38, que no paga dividendos y que la tasa de interés nominal anual
con capitalización mensual es igual a 0.05. Calcule la prima en ausencia de arbitraje de un
call con subyacente Acindar, strike igual a 39 y vencimiento igual a 3 meses.
ii. Compruebe que la fórmula de Black y Scholes satisface la ecuación en derivadas parciales
de Black y Scholes .
iii. Demuestre que la prima de un Put Europeo en ausencia de arbitraje puede calcularse a

 PQ S T  K   S t  PR ST  K 
Bt
través del siguiente algoritmo: Vt  K 
BT
A partir de esta expresión compruebe que en el contexto continuo se vuelve a comprobar
la Call-Put parity.
iv. A partir del ejercicio anterior y utilizando los datos del ejercicio “i” calcule el valor de un Put
con subyacente Acindar, strike igual a 37 y vencimiento igual a 5 meses
v. Calcule el valor en ausencia de arbitraje de los derivados utilizados en el ejercicio “i” del
apartado correspondiente al modelo binomial general.

120
Valuación de Derivados Sobre Otros Subyacentes

En este apartado se analizará como se aplican las ideas anteriores a derivados sobre subyacentes
que no se modelen directamente según la ecuación (21). Con este fin se estudiarán tres casos:
Derivados sobre divisas, derivados sobre subyacentes con pago discreto de dividendos y derivados
sobre subyacentes con pago continuo de dividendos. Se verá en todos los casos que las ideas
esbozadas en los capítulos anteriores siguen funcionando en los contextos mencionados aplicando
solamente pequeñas modificaciones sobre las fórmulas encontradas.

Derivados sobre divisas

Se supondrá un mercado en el que existe una moneda local y una moneda extranjera. El precio de
la moneda extranjera en términos de la moneda local (tipo de cambio) vendrá dado por un proceso
estocástico (“Ct”) definido a través del mismo proceso que el definido en la ecuación (21).

Ct  C0  e t  Wt

Tal como ocurriera en el modelo discreto, al valuar derivados sobre divisa, existirán en este
mercado dos bonos. Uno de ellos (“B”) se opera en moneda local y se comporta de la siguiente
manera:

Bt  e r t (38)

f
Mientras que el otro (“B ”) se opera en moneda extranjera y su valor viene dado por la siguiente
ecuación:

t
Bt f  e r
f

Por lo que se deduce que su valor en términos de moneda local (“S”) viene dado por la siguiente
ecuación:

S t  Bt f  Ct  e r t
 C0  e t  Wt  S 0  e  t  Wt
f
(39)

En dónde:

  r f 

121
Y

S 0  C0

Como puede deducirse de la nomenclatura utilizada, el instrumento que se utilizará a los efectos de
replicar derivados no es la divisa en sí, sino que dicha función será cumplida por el bono operado
en moneda extranjera. Esto se debe a que, de manera similar a como se comentar en el modelo
discreto, en un mercado perfecto, la divisa no es un bien operable, en el sentido que si se pudiera
comprar y vender libremente, podría armarse un arbitraje endeudándose en divisas e invirtiendo
dicho monto en los bonos operados en moneda extranjera.

Según las ecuaciones (38) y (39), se tiene un mercado conformado por dos activos los cuales se
comportan tal como se previó en los apartados anteriores. Por ende, cualquier derivado con payoff
“X” debiera ser valuado, en ausencia de arbitraje, utilizando por ejemplo el enfoque de las
probabilidades “Q”, a través de la siguiente fórmula:


Vt  e rt  EQ X  e  rT / Ft  (40)

Ahora bien, si bien la ecuacion (40) es equivalente a las halladas anteriormente, las fórmulas que
se utilizan en la práctica suelen estar expresadas de manera diferente. Esto se debe a que los
derivados sobre tipo de cambio se encuentran en función del proceso “C” (valor en moneda local
de la moneda extranjera) y no en función de “S” (valor en moneda local del bono extranjero). Por
ejemplo, en el caso de un call sobre tipo de cambio se tiene que:


S 
X  CT  K 
 1

  Tf  K   f S T  K * 


 BT  BT

Dónde:

K *  K  BTf

f
Es decir, un call sobre “C” y con strike “K” debe entenderse como uno sobre “B T“ calls sobre “S”
con strike “K*”. De esta manera, utilizando la fórmula de black y scholes se tiene que:

122
   St 1   St 1 
 ln *  (r  . 2 ).(T  t )   ln *  (r  . 2 ).(T  t ) 
1 
Vt  f  S t  N  K 2   K *  e  r .(T t )  N  K 2 
BT   . T  t   . T  t 
    
   

Y despejando “K*” y S se tiene que

 Ct  e  r f T t  1   Ct  e  r f T t  1 
 ln  (r  . 2 ).(T  t )   ln  (r  . 2 ).(T  t ) 
 N   K  e  r .(T t )  N  
 r T t  K 2 K 2
Vt  Ct  e f
 . T  t   . T  t 
   
   

Un resultado similar puede encontrarse para el caso de un put sobre tipo de cambio. La
metodología aplicada para valuar el call último refleja los tres pasos que deben seguirse para
valuar cualquier derivado sobre tipo de cambio:

1. Expresar el payoff en función de “S”.

2. Aplicar la metodología de valuación en ausencia de arbitraje
3. Expresar el valor del derivado en función de “C”

Las fórmulas encontradas hasta ahora reflejan la metodología que aplicaría un agente local. Sin
embargo, cabe hacerse las siguientes dos preguntas: ¿Cómo hace un agente externo para valuar y
replicar derivados sobre tipo de cambio?, ¿Es su metodología de valuación equivalente a la del
agente local?.

En términos formales, la fórmula (40) refleja el valor, en moneda local, de un payoff “X” expresado
en moneda local. El agente externo ve al payoff en su propia moneda. En términos formales, el
payoff expresado en términos de moneda extranjera es:

X f
 X  CT1

f
Por otro lado, su activo libre de riesgo es el bono externo “B T” y su “activo subyacente” es:

S t f  Bt  Ct1  S 0f  e  t  f Wt
f

Dónde:

123
S 0f  C01

 f  r 
 f  

f f f
Con esta nomenclatura, siendo “Q ” la medida de probabilidad que transforma al proceso “S /B ”, el
agente externo se encuentra también en un contexto en dónde, para cada derivado con payoff “X”,
existe un único valor (en términos de moneda extranjera) que elimina la posibilidad de arbitraje,
dado por la siguiente fórmula:


Vt f  e r t  EQ f X f  e  r
f f
T
/ Ft  (41)

De esta manera la segunda pregunta formulada se reduce a la verificación de la siguiente igualdad:

?
Vt  Ct  Vt f

Lo cual puede llevarse a cabo viendo que:

f

Ct  Vt f  Ct  e r t  EQ f X f  e  r
f
T
 
/ Ft  Ct  e r t  EQ f X  CT1  e  r
f f
T
 
/ Ft  S t  EQ f X  ST1 / Ft 
Y que, dado que:

Stf B B
 1 t f  t
Bt f
Ct  Bt St

f
Se comprueba que la medida de probabilidad “Q ” es simplemente la medida de probabilidad “R” se
tiene que:

  
Ct  Vt f  S t  E R X  ST1 / Ft  e rt  EQ X  e  rT / Ft  Vt 

Aplicando estas ideas de vuelta al caso de un call europeo se tiene que:



X f  CT1  CT  K   1  K  CT1   1  K  C 

T
f 

124
Dónde

CTf  CT1

Representa el tipo de cambio visto por un agente externo (es decir, cuantas unidades de moneda
externa deben utilizarse para comprar una unidad de moneda local). De esta manera puede verse
que el agente externo ve este instrumento como un put con subyacente igual a “K” unidades de
moneda local (pero externa para el agente externo), y con strike igual a una unidad de moneda
externa (pero local para el agente externo). Queda como ejercicio para el lector la comprobación de
que el valor de este put, valuado según el agente externo y expresado posteriormente en términos
de la moneda local, coincide con el valor del call conseguido en este capítulo.

Derivados sobre acciones con dividendos continuos

Supóngase que en el mercado existe una acción cuyo valor, para ser consistente con la
nomenclatura utilizada en este capítulo, se simbolizará a través del proceso “C” definido según la
siguiente ecuación:

Ct  C0  e t  Wt

Supóngase además que esta acción paga dividendos proporcionales al valor de la acción de
f
manera continua con tasa instantánea igual a “r ”. Si se deseara reinvertir estos dividendos en la
misma acción, se tendría que la cantidad de acciones que se tendrían en un momento “t”, a partir
de la inversión de una acción en el momento “0” es igual a:

t
Bt f  e r
f

Por lo que el valor de esta cartera conformada por la acción inicial mas los dividendos reinvertidos
es igual a:

S t  Bt f  Ct  e r t
 C0  e t  Wt  S 0  e  t  Wt
f

En dónde otra vez:

  r f 

125
Y

S 0  C0

Como puede apreciarse a través de la nomenclatura utilizada, se está en un contexto idéntico al de

los derivados sobre tipo de cambio. En este caso, el proceso “C” también puede verse como un
instrumento no operable puesto que su valor coincide con el de una estrategia que
sistemáticamente deshecha los dividendos generados por la acción. De hecho si se operase este
instrumento pudiera emitirse el mismo y con dicho monto comprarse una acción, reinvertir los
dividendos en dicha acción y así obtener un arbitraje. No obstante, mas allá de no ser el proceso
“C” operable, los derivados suelen estar relacionados directamente con este proceso y no con el
proceso “S” (que es el realmente utilizado para la replica). Por ende, al igual que en el caso de los
derivados sobre tipo de cambio, en primer lugar debe expresarse el payoff en función del proceso
“S”, luego aplicarse la metodología usual de valuación y finalmente expresar el valor conseguido en
función del proceso “C”. Por ejemplo, en el caso de un call sobre una acción que paga dividendos
continuos, el valor de dicho instrumento coincide con el valor encontrado en la fórmula que
f
reflejaba el valor de un call sobre tipo de cambio, con la salvedad de que “r ” debe ser interpretado
como la tasa continua de dividendo de la acción (demostrar esto).

Derivados sobre acciones con dividendos discretos

El último modelo desarrollado posee el inconveniente de que los dividendos no suelen ser pagados
de manera continua sino que, en general, existen fechas de pago preestablecidas. Denominando a
través de “ti” a las fechas de pago de dividendos entre “0” y “T”, a través de “α” a la tasa de
dividendos respecto de la acción y a través de “Ct” al valor de la acción en un momento “t”, para
armarse un modelo que se adecue a la realidad debiera darse que:

Cti  Ct   1   
i

Es decir, el valor de la acción al momento de pago de los dividendos debiera ser igual al valor
inmediato anterior menos los dividendos pagados. Por este motivo se propone modelar el precio de
la acción a través del siguiente modelo:

Ct  C0  e t  Wt  1    t
n

126
Siendo

nt  1ti t
ti

Este proceso se comporta de manera idéntica al usado durante todo este trabajo entre las distintas
fechas de pago de dividendos y “salta” al llegar alguna de esas fechas. Al igual que en el caso
anterior, no es este el instrumento que se utiliza para replicar derivados puesto que este proceso
muestra el valor de un cartera que “deshecha” los dividendos que genera la acción. El activo que
se utilizará para replicar derivados es el de una cartera que reinvierta los dividendos que paga la
acción. Dicho en otros términos, sabiendo que el dividendo que paga la acción es:


Divti    Ct   C
i
1 t i

Se tiene que la cantidad de acciones que se tendrá, en un momento genérico “t”, en una cartera
que reinvierte los dividendos es:

 t  1 
n nt

Bt f  1     (42)
 1  1  

Y expresada en términos de dinero el valor de esta cartera es:

S t  Ct  Bt f  S 0  e  t  Wt

Siendo

S 0  C0

Como se demostró en este trabajo, utilizando este “activo” (es decir esta cartera) y un bono “B” sin
riesgo se puede replicar cualquier payoff “X”. Al igual que en los dos casos anteriores del presente
capítulo, los derivados en general estarán nominados en términos del activo “C” (y no de “S”), por
lo que será necesario expresar el payoff en términos de “S” y luego expresar el valor del derivado
en términos de “C”. Por ejemplo, para el caso de un call:

127
 
S 
X  CT  K 
 1

  Tf  K   f S T  K * 

 BT  BT

Dónde:

K *  K  BTf

Por lo que aplicando Black y Scholes se tiene que:

  St 1   St 1 
 ln *  (r  . 2 ).(T  t )   ln *  (r  . 2 ).(T  t ) 
1 
Vt  f  S t  N  K 2   K *  e  r .(T t )  N  K 2 
BT   . T  t   . T  t 
    
   

f
Dónde, al estar expresado “B ” en función de la fórmula (42) se tiene en este caso que:

 Ct  1   nT  nt 1 2   Ct  1   nT  nt 1 
 ln  (r  . ).(T  t )   ln  (r  . 2 ).(T  t ) 
Vt  Ct  N  K 2   K  e  r .(T t )  N  K 2 
 . T  t   . T  t 
   
   

128
Valuación de Derivados Mediante Simulación de Montecarlo

En los capítulos anteriores se han valuado solamente derivados europeos. Ahora bien, como se
puede inferir del apartado relativo al cálculo de las esperanzas condicionadas, las fórmulas
arribadas en este trabajo permiten valuar no solo estos tipos de derivados sino también todos
aquellos cuyo payoff no surja necesariamente como función del valor que toma el activo
subyacente a vencimiento del contrato. En este trabajo se han nombrado alguno de ellos.

Puesto que no existe una fórmula general para el cálculo de las esperanzas condicionadas,
tampoco existe una para el cálculo de la prima de cualquier derivado. Sin embargo si puede
exponerse un mecanismo. Dado que una esperanza condicionada surge intuitivamente como el
valor al que converge el promedio de realizaciones de una determinada variable aleatoria puede,
en vez de intentar conseguirse este valor límite, simularse la variable aleatoria en cuestión una
determinada cantidad de veces y luego promediar estas realizaciones. Esto es básicamente
resolver el problema a través de Simulación de Montecarlo.

Supóngase que se lanza al mercado un call asiático que toma valores una vez por mes, cuyo
vencimiento ocurre 10 meses posteriores a su emisión, que su precio de ejercicio es de 12, que la
tasa instantánea de interés mensual es de 2%, que la volatilidad mensual de la acción es del 10 %
y que se desea valuar el mismo al mes “3”. Lo que se ha mencionado es que puede resolverse
este problema según lo que se propone a través del siguiente gráfico.

30

25

20

15

10

0
1 11 21 31 41 51 61 71 81 91 101

129
Es decir, restringiendo a que el activo subyacente tome hasta el mes “3” la trayectoria descripta por
la línea gruesa, simular la trayectoria del activo subyacente una cierta cantidad de veces a través
’
del supuesto “Q”. Denotando, para todo “t” menor o igual a 3, a través de S t , a los sucesivos
valores tomados por el activo subyacente hasta el momento “t”, estas simulaciones debieran
generarse a través del siguiente algoritmo:

Si t 3
S t  S t'
De otra manera
 1 2    
 r    t 3   W t W3 
St  S  e
'
3
 2   

 
En donde las sucesivas variables aleatorias W t W 3 surgen a través del siguiente algoritmo:

Si t 3
 
W t W 3  0
Si t  3 h
 
W t  W 3  N 0, h 
Si t  3  2h
       
W t  W 3  W t  W 3 h  W 3 h  W 3  N 0, h  W 3 h  W 3
…

A través de estas simulaciones del activo subyacente pueden obtenerse simulaciones del payoff
expresado en términos de bonos. Para estas trayectorias del activo subyacente se obtuvieron los
siguientes payoff.

Formula Simulación
 S
10 1

Max  i  K ,0   e 0.0210 0.00
 i 1 10 
 10 S i2 
Max   K ,0   e 0.0210 0.00
 i 1 10 
 10 S 3 
Max  i  K ,0   e 0.0210 3.65
 i 1 10 

130
  10 S i4 
Max   K ,0   e 0.0210 0.00
 i 1 10 
 S
10 5

Max  i  K ,0   e 0.0210 0.33
 i 1 10 
 S
10 6

Max  i  K ,0   e 0.0210 0.00
 i 1 10 
 10 S i7 
Max   K ,0   e 0.0210 0.00
 i 1 10 
 S
10 8

Max  i  K ,0   e 0.0210 1.40
 i 1 10 
 10 S 9 
Max  i  K ,0   e 0.0210 1.40
 i 1 10 
 10 S 10 
Max  i  K ,0   e 0.0210 0.48
 i 1 10 
 S
10 11

Max  i  K ,0   e 0.0210 0.18
 i 1 10 

Por ende, la esperanza de este payoff expresado en términos de bonos debiera acercarse al valor
que surge como promedio de estos once valores. Por ende, el valor en ausencia de arbitraje de
este derivado debiera ser aproximadamente igual a la siguiente expresión:

0  0  3.65  0  0.33  0  0  1.4  1.4  0.48  0.18

V3  B3  EQ X  BT / Fs   e 0.023
11

Esta aproximación obviamente se vuelve más veraz a medida que la cantidad de simulaciones
aumenta. A su vez, este método puede aplicarse a todo tipo de derivados, por ende, el problema
de la valuación en ausencia de arbitraje se encuentra resuelto. Sin embargo este método presenta
un inconveniente y consiste en que es necesario realizar una gran cantidad de simulaciones para
que el estimador se concentre alrededor de algún valor. Por ende, mas allá de que esta solución
sirva para todo tipo de derivados, siempre que pueda conseguirse alguna solución analítica, el
valor conseguido mediante este camino será preferible al que arroje el método de simulación de
32
montecarlo.

32
El enfoque utilizado en este apartado ha sido el de aproximar la esperanza calculada según las
probabilidades “Q” del payoff en términos de bonos a través del método de Simulación de Montecarlo. Se
deja a cargo del lector el desarrollo de la misma metodología pero aproximando en este caso la esperanza

131
Ejercicios

i. Calcule prima y estrategia de S t2 y de ln S t  según el modelo de Black y Scholes.

Explique como se replican esos derivados mediante un esquema de simulación.
ii. Calcule la prima de un barrier call genérico.
iii. Calcule mediante un esquema de simulación la prima de un call asiático (tomando
promedios diarios)
iv. Calcule mediante un esquema de simulación la prima de un lookback put
v. Calcule a través de simulación de montecarlo utilizando el enfoque de las probabilidades
“R” las prima de un derivado cuyo payoff sea S(T)^n. Calcule la misma prima a través de
simulación de montecarlo pero utilizando el enfoque de las probabilidades “Q”. Compruebe
que ambos resultados son identicos
vi. Calcule mediante un esquema de simulación la prima de un call mediante el enfoque de las
probabilidades “Q”. Compárese el resultado con el valor que arroja la fórmula de Black y
Scholes.

calculada según las probabilidades “R” del payoff expresado en términos de activo subyacente, y la
comprobación numérica de que ambas metodologías ofrecen los mismos resultados.

132
Valuación de Path Dependent Options

Durante todo el trabajo se han aplicado los teoremas relativos a la valuación de derivados a casos
simples. Estos básicamente se restringieron a valuación de derivados europeos. El objetivo de este
apartado consiste en aplicar las ideas desarrolladas en este trabajo a derivados mas sofisticados.
De esta manera se podrá comprobar el poder de la teoría desarrollada en este trabajo puesto que
unas pocas fórmulas genéricas serán válidas para todos los derivados que aquí se exponen.
Solo por simplicidad las valuaciones desarrolladas en este apartado se llevarán a cabo en el
momento de emisión del contrato.

Forward Start Options

Considérense tres momentos, 0<T 0<T. A la fecha de vencimiento “T”, el payoff de una Forward
Start Option queda determinado a través de la siguiente ecuación

X  ST  ST 0   1ST ST0

Es decir, es igual a un call con strike igual al valor que tome el subyacente en un determinado
momento del tiempo. En T0 el valor del strike ya es conocido por lo que la prima de este derivado
en ese momento debiera coincidir con la del call con strike S T0, la cual se resuelve a través de
Black Scholes. Sabiendo que es posible arribar a dicha resolución a través del enfoque de las
probabilidades R, esto puede expresarse de la siguiente manera:

  1

S T0  E R S T  S T0  1ST  ST0  S T / FT0 
  ST      ST   
 ln  0    r  1  2 T  T    ln  0    r  1  2 T  T  
  ST   2 
0
   ST   2 
0

 S T0  N   0 
  S T0  e  r T T0 
 N  0 

  T  T0    T  T0 
   
   
  1 2   1  
   r   T  T0     r   2 T  T0  
 S T0   N  
2    e  r T T0   N   2    S  A
   T  T0    T  T0  T0

    
    

133
Puesto que “A” no depende del valor que tome el subyacente en T 0, sino que está en función de los
parámetros del modelo solamente, al momento 0 su valor es conocido. Por lo tanto, puede
conseguirse este monto en T 0 adquiriendo “A” acciones en 0, por lo que el valor del derivado en el
momento 0 en ausencia de arbitraje será igual a:

 
S 0  E R S T  S T0  1ST  ST0 S T
1

/ F0  S 0  A

Ahora bien, en términos matemáticos lo que se hizo fue aplicar esperanza condicionada sobre el
payoff utilizando probabilidades R y aplicando convenientemente la Tower Property. Esto es:

 
S 0  E R S T  S T0  1ST  ST0  S T
1
  
/ F0  S 0  E R E R S T  S T0  1ST  ST0  S T  1
 
/ FT0 / F0 

 S 0  E R S T0 E R S T 
 S T0  1ST  ST  S T
0
1
/ FT0  S
T0
1
 
/ F0  S 0  E R S T0  A  S T0 / F  S
1
0 0 A

Chooser Options

Considérense tres momentos, 0<T<T 2. A la fecha de vencimiento, el payoff de una Chooser Option
puede representarse a través de la siguiente ecuación:

   
X  Max EQ e r T2 T  ST 2  K   1ST2  K / FT , EQ e r T2 T  K  ST2  1K ST2 / FT   
Es decir, provee al tenedor de esta opción de la elección al momento “T” entre un Call y un Put con
mismo strike y vencimiento en T 2. A través de la Call-Put parity puede deducirse que,

     
X  Max EQ e r T2 T  S T 2  K   1ST2  K / FT , EQ e r T2 T  S T 2  K   1ST2  K / FT  S T  K  e r T2 T   
  
EQ e r T2 T  S T 2  K   1ST2  K / FT  Max K  e r T2 T   S T ,0  V1  V2 
Es decir, el payoff de este derivado es igual a la obtención de la prima de un call al momento T mas
la diferencia entre la prima de un Put y un Call si esta fuese positiva. Se valuará este instrumento
calculando, por separado, la prima de un derivado cuyo payoff viene representado por V1 y la de un
derivado cuyo payoff viene representado por V2. Este segundo derivado puede pensarse como un
Put con strike K*exp(-r(T2-T)), mientras que el primero es igual a la prima en el momento “T” de un
call con vencimiento en T2. Si bien es esperable que la prima de este último derivado en el
momento “0” sea igual que la de un call con vencimiento en T 2, puede corroborarse la intuición a
través de una aplicación de la tower property:

134
        
EQ V1  e rT  EQ EQ e rT2 ST 2  K   1ST2  K / FT / F0  EQ e rT2 ST2  K  1ST2  K / F0  
Por todo lo mencionado, la prima de un Chooser Call queda definida a través de la siguiente
expresión:

  
EQ e rT2 S T 2  K   1ST2  K / F0  EQ K r ,T  S T   1K r ,T  ST / F0 
K r ,T  K  e r T2 T 

Cuyas resoluciones analíticas se consideran conocidas.

Cliquet Options

Considérense tres momentos, 0<tc<T. A la fecha de vencimiento, el payoff de una Cliquet Option
puede representarse a través de la siguiente ecuación:

Max(  (ST  K ),   (S tc  K ),0)

Donde κ puede tomar el valor 1 en cuyo caso se estaría tratando de un Cliquet Call o el valor -1 en
cuyo caso se estaría tratando de un Cliquet Put. A través de “Cliquet Date” se estará haciendo
referencia a tc .

El valor de este derivado al momento 0 para el caso de un call puede escribirse de la siguiente
manera:


EQ X  BT
1
    
/ Ft  e rT  EQ 1( Stc  ST ,Stc  K )  (S tc  K )  e rT  EQ 1( ST Stc ,ST  K )  (ST  K )  V1  V2

Usando la Tower Property, dado que:

1( Stc  ST , Stc  K )  1Stc  K  1Stc  ST (43)

Y que el factor de la derecha del segundo miembro de (43) es el único que depende de información
posterior a la “Cliquet Date” puede expresarse el primer término como:

135
V1  e  rT  EQ 1St  K  1St  ST   
 ( S tc  K )  / F0  e  rT  EQ EQ 1St K  1St  ST  
 ( S tc  K ) / Ftc / F0 
   
c c c c

 e  rT  EQ 1( Stc  K )  ( S tc  K )  EQ 1Stc  ST / Ftc / F0

Pero,

 1 2    
 r    T tc   W T W t c 
S T  S tc  e  2   

Y por ende

  r  1  2 T tc   W T W t c  

  
E Q 1St c  ST / Ftc  Q S tc  S T  Q e  2 

  

  
 1  Q  W T  W tc
  1 2 
   r   T  t c  
      2  
   1 2     
 W T  W tc 

 r    T  t c     r   2  T  t c  
1

Q       N   
2 2
 T  t      
 c
  
   
Normal(0,1)

Donde N(x) representa la función de distribución de una Variable Aleatoria normal con media 0 y
varianza 1. Como esta expresión es constante, ya que no depende de S tc puede sacarse fuera de
la esperanza. Por ende,

  1  
   r   2   T  tc 
V1  e  rT  N  

2

 E 1
 Q ( Stc  K )

 ( S tc  K ) / F0  
 
 
  1  
   r   2   T  tc 
 e  r T tc   N  

2

   e  rtc E 1


Q ( S t c  K )  ( S t c  K ) / F0 
 
 
  1  
   r   2   T  tc 
 e  r T tc   N      C (S , K , t ,  , r )
2
   0 c

 
 

136
Donde C(a,b,c,d,e) representa la prima en ausencia de arbitraje de un call con strike “b”,
vencimiento “c”, precio inicial “a”, volatilidad “d” y tasa instantánea de interés “e”.

El segundo término es la prima de un derivado cuyo payoff es igual a:

1( ST  Stc , ST  K )  (ST  K )  1( ST  Stc , ST  K )  ST  1( ST  Stc , ST  K )  K

Se valuará el primer miembro a través de las probabilidades “R” y el segundo a través de las
probabilidades “Q”. De esta manera puede decirse que:

     
V2  S 0  E R 1( ST  Stc , ST  K )  K  e rT  EQ 1( ST  Stc , ST  K )  S 0  R 1( ST  Stc , ST  K )  K  e rT  Q 1( ST  Stc , ST  K )  
Puede demostrarse que,

2 2
      
1 W t  1  W T W t c 
    c    

QS  K 
1 2  tc  1 2  T tc   
T  S tc , S T
 
  2 t c 
e  

2 T  t c 
e  
d W T d Wtc
 1 2
   r    T t c  
Max W t c   , a K , Q 
2 

 
 

Donde,

K  
   r   2 T
1
ln 
a K ,Q   0
S   2 


Ya que aK,Q es el mínimo valor que puede tomar W T para que ST, modelado a través de las
2
probabilidades Q, sea mayor que K, y que W tc – (r-0.5ζ )(T-tc)/ζ es el mínimo valor que puede
tomar W T para que ST sea mayor a Stc,, lo que se está haciendo es integrar para todos los valores
de W tc, y para aquellos valores de W T para los cuales ST es mayor a Stc y a K a la vez. Finalmente,
a través de un razonamiento similar puede llegarse a que:

137
 2 2
 _   _ _ 
1 W t  1  W T W t c 
    c    

   1 2  tc  1 2  T t c  _ _
R S T  S tc , S T  K 
 
  2 t c 
e  

2 T  t c 
e  
d W T d Wtc
 1 2
 _  r    T t c  
Max W t c   , a K , R 
2 

 
 

Donde,

K  
   r   2 T
1
ln 
a K ,R   0
S   2 


Compound Options

Considérense tres momentos, 0<T<T 2. A la fecha de vencimiento, el payoff de una Compound

Option puede representarse a través de la siguiente ecuación:

 
X  Max EQ e r T2 T  ST 2  K   1ST2  K / FT  L,0  
Es decir, este payoff coincide con el de un call con strike “L” y vencimiento “T” cuyo subyacente es
justamente otro call, en este caso con strike “K” y vencimiento en T 2. Puesto que la prima del Call
subyacente depende del valor que toma el activo “S” en “T” y que a medida que este valor crece la
prima del Call subyacente aumenta, existe un único valor de “S” para el cual la prima del Call
subyacente es igual a “L”. En términos matemáticos existe un “A” para el cual:

  A  1     A  1  
 ln     r   2 T2  T    ln     r   2 T2  T  
A N   
K 2    K  e  r T2 T   N   K   2  L
  T2  T    T2  T 
   
   

Gráficamente esto es:

138
Por ende, el payoff de un Compound Call puede expresarse de la siguiente manera:

       
X  S T  E R 1ST2  K / FT  K  e  r T2 T  EQ 1ST2  K / FT  L  1E  e  r T2 T  ST 2  K 1ST K 
/ FT  L


  / F   K  e   E 1 / F   L  1
Q
2

 r T2 T
 S T  E R 1ST K T Q 
S T2  K T ST  A

 E 1 / F   K  e   E 1 / F  L 1
2
(44)
 r T2 T
 ST R ST2  K 1ST  A T 1  Q S T2  K ST  A T ST  A

 ST  E 1
R ST2  K , ST  A / F   K  e   E 1
T / F  L  1
 r T2 T
Q  V V S T2  K , S T  A T ST  A 1 2  V3

Donde el pasaje del segundo al tercer renglón se desprende de que al momento “T”, 1ST>A es una
variable aleatoria conocida, por ende, puede introducirse como constante en la esperanza
condicionada.

El segundo miembro de la ecuación puede valuarse a través del enfoque de las probabilidades Q.
Utilizando la Tower Property se desprende que,

     
EQ V1  e rT / F0  K  e rT2  EQ EQ 1ST2  K , ST  A / FT / F0  K  e rT2  EQ 1ST2  K , ST  A / F0   

 K  e rT2  Q S T2  K , S T  A 
Donde,

2 2
      
1 W T  1  W T2 W T 
       

    1 2 T  1 2  T2 T   
Q S T2  K , S T  A  e  
 e  
d W T2 d WT
bA , Q a K , Q 2 T  2 T2  T 

139
Siendo aK,Q y bA,Q los mínimos valores que pueden tomar W T2 y W T respectivamente para que ST2
sea mayor a K y ST sea mayor a A. Esto es,

 A  
   r   2 T2
1
ln 
a K ,Q   0
S   2 


 A  
   r   2 T
1
ln 
b A,Q   0
S   2 


El primer miembro de (39) puede valuarse de manera similar a través de las probabilidades R
llegándose a las siguientes fórmulas:

 1
 
S 0  E R V1  ST / F0  S 0  R ST2  K , ST  A 
Donde

2 2
 _   _ _ 
1 W T  1  W T2 W T 
       

    1 2 T  1 2  T2 T  _ _
R S T2  K , S T  A  e  
 e  
d W T2 d WT
bA, R aK , R 2 T  2 T2  T 

Siendo,

 A  
   r   2 T2
1
ln 
a K ,R   0
S   2 


 A  
   r   2 T
1
ln 
b A, R   0
S   2 


140
Por último, el tercer término de (44) puede valuarse fácilmente a través del enfoque de las
probabilidades Q:


 1WT2
 

EQ L  1ST  A  e rT / F0  L  e rT  QS T  A / F0   L  e rT 
1 

bA , Q 2  T
e 2 T
d WT

Barrier options

Un barrier call tiene el siguiente payoff:

X  ( ST  K )  1( S *  L )
T

donde

S T*  max S t
0t T

Es decir, tiene el mismo payoff que un call si el máximo valor que toma el activo subyacente en el
intervalo (0;T) es menor o igual a L.

Para simplificar se valuará este derivado al momento 0, sabiendo que esto no implica una pérdida
de generalidad. Se sabe que:


V0  e rT E Q (ST  K) 1(S* L)
T

Dado que se está utilizando las probabilidades Q:

 1 
  (r   2 ) 
 W t  2 t
 1   
 W t ( r   2 )t  
St  S0e 2
 S0e  

S t  S 0 e Wt

donde:

141
 
Wt  Wt  t
1 (45)
(r   2 )
  2


Entonces:

S T*  S 0 e M t

donde

 
M t  max W t (46)
0t T

Puesto que el proceso definido por la ecuación (45) es un proceso browniano con tendencia, para
conocer la función de densidad conjunta entre este proceso y el definido a través de la ecuación
(46) debe recurrirse al capítulo referido al teorema de Girsanov. En dicho capítulo se comprobó que
si a un proceso browniano se le agregaba una tendencia igual a –θ entonces:

   
 ( 2 M T W T ) 2
 W T   T 2( 2 M T  W T ) 
1
  

2

f  M T ;W T   e 2
 e 2T

  T 2T

Hechas estas aclaraciones puede expresarse el valor de este derivado a través de la siguiente
fórmula:


V0  e rT EQ (ST  K )  1( S *  L )
T

 
V0  e rT EQ  ( S T  K )  1  
 ( S 0 e M T  L ) 

 
V0  e  rT EQ  ( S T  K )  1  1 L  1 K  
  M T  ln ;W T  ln  
  S 0  
   S0

Dónde

142
1 L
ln m
 S0
1 K
ln b
 S0

Con estos datos se puede conseguir un valor analítico de la esperanza:

   
( 2 M T W T ) 2 
2(2 M T  W T ) 
m m 1
 S  e W T  K 
 W T   2T  


V0     0 e 2T 2
d M T dW T
b    T 2T
max  W T , 0 
 

Se puede evaluar esta integral numéricamente o mediante algún programa matemático. Puede
simplificarse aun mas esta expresión mediante un desarrollo meramente algebraico llegándose a la
siguiente expresión:

  m T T  b T T  rT   m T T  b T T 
V0  S0  N r    N

   
 T  r    2    e K  N T  r    2   N T  r    2  

  T  2        
  m T T  2m  b T T   rT  2 m
 r 
     m T T  2m  b T T 
 S0  N r    N
  r    e

 2
 N r    N
  r  
  T  2   T  2    T  2   T  2 

Fixed Payment Derivatives

Supóngase que se emite un “derivado” cuyo payoff es constante:

X C

Puede verse fácilmente que su valor es igual a:

 
Vt  e rt  EQ C  e  rT / Ft  C  e  rT t 

Y, como puede intuirse, la estrategia autofinanciable que replica este “derivado” es simplemente la
compra de una cantidad de bonos igual al valor actual (llevado al momento “0”) de “C”.

143
t  0
 t  e r T  C

Supóngase ahora que el derivado que se emite tiene el mismo payoff pero la fecha de pago de
dicho payoff es el primer momento en que “S” alcanza el valor “L” (y se denominará η). En este
caso, si se utilizan probabilidades “R” se tiene que:

   
Vt  S t  E R C  S1 / Ft  S t  E R C  L1 / Ft  S t  L1  C 33

En donde otra vez puede intuirse fácilmente la estrategia que replica este payoff:

t  L1  C
t  0

Es decir, comprando esta cantidad de activo subyacente, cuando este alcance el valor “L”, la
estrategia autofinanciable diseñada tomará el valor “C”.

En estos dos casos la valuación resultó sencilla puesto que las estrategias autofinanciables
resultaron estáticas. No es este el caso del siguiente derivado. No obstante, combinando ambos
enfoques puede obtenerse otra vez un sencillo método de valuación.

Supóngase que el payoff del derivado que se desea valuar es “C” pero la fecha de pago es la
menor entre “η” y “T”. En ese caso puede verse que:

X  C  1 T  C  1 T

La metodología de valuación de este instrumento es, otra vez, valuar una parte a través del
enfoque de las probabilidades “R” y otra mediante el enfoque de las probabilidades “Q”. Fijando
para simplificar t=0 y aplicando al primer término las probabilidades “R” (y dejando a cargo del
lector el desarrollo de la valuación del segundo término a través de las probabilidades “Q”) se tiene
que:

33
Puede demostrarse que, para este tipo de derivados (con fecha de pago dependiente de la trayectoria de
“S”), también puede aplicarse las distintas metodologías de valuación desarrolladas en este trabajo (Ver
Karatzas and Shreve).

144
    
V01  S 0  E R C  1 T  S1 / F0  S 0  E R C  1S *  L  L1 / F0  S 0  C  L1  R ST*  L / F0
T
 

Dónde,

ST*  S 0  e M T

Siendo

 
M t  max W t
0t T

Dónde


Wt  Wt  t
1 (47)
(r   2 )
  2


Luego, dado que:

   L 1     L 1 
RS  L / F   R S  L / F0   R M T  ln    / F0   R M T  ln     WT   / F0 
 
 M T
*
e
   S0    S0  
T 0 0
   

Sabiendo que el proceso generado en la ecuación (47) es un proceso browniano con tendencia “-θ”
y aplicando la función de densidad utilizada en la valuación del Barrier Call se tiene que:

  
 
( 2 M T W T ) 2
 

2(2 M T  W T ) 
b MT 1
 W T   2T  
R S  L / F0   
*
e 2T 2
dWT d M T
T 2T
T
0 

Dónde:

 L  1
b  ln   
 S0  

Por lo que:

145
   
 
( 2 M T W T ) 2
 

2(2 M T  W T ) 
b MT 1
 W T   2T  
V01  S 0  C  L1  R S T*  T / F0  S 0  C  L1    e 2T 2
dWT d M T
0  T 2 T

En dónde la doble integral puede ser calculada a través de algún algoritmo numérico.

146
Apéndice 1: Esperanzas condicionadas

Dada una variable aleatoria X con realización en T, se define como “esperanza condicionada a la

filtración de t” E ( X / Ft ) (siendo t menor o igual a T) a toda variable aleatoria que cumpla con
que:

a- Tenga realización en t
b- Para todo evento A conocido en t:

E E ( X / Ft )  1A / F0   E X  1A / F0 

Se puede probar, en el caso en el que se trabaja con variables aleatorias “X” “suficientemente
34
regulares” , la existencia y unicidad de las esperanzas condicionada. Es decir, se puede probar
que existe al menos una variable aleatoria que cumple con estas dos condiciones y que de existir
más de una las mismas coinciden (con probabilidad 1).

De esta definición se pueden inferir las siguientes propiedades:

a- Si Z es una variable con realización en t entonces

E  X  Z / Ft   Z  E  X / Ft 

b- Si t=T

E  X / Ft   X

c- (Tower property) siendo t>s

E E ( X / Ft ) / Fs   E X / Fs 

A modo de ejemplo se demostrará solo la tercer propiedad. Puesto que para todo evento A con

realización en s, por definición de E E ( X / Ft ) / Fs  se cumple que:

34
Esta condición de regularidad viene reflejada por la siguiente restricción:
 
E X2 

147
EEE ( X / Ft ) / Fs   1A / F0   EE ( X / Ft )  1A / F0  (1)

y por definición de E ( X / Ft ) , dado que el evento A al tener realización en s también se conoce

en t se termina cumpliendo que:

E E ( X / Ft )  1A / F0   E X  1A / F0 

y entonces, para todo evento A conocido en “s” se cumple que:

EE E ( X / Ft ) / Fs   1A / F0   E  X  1A / F0  (2)

Ahora bien, recordando la definición de E  X / Fs  , se tiene que:

E E X / Fs   1A / F0   E X  1A / F0  (3)

Entonces, por (2) y (3):

EEE ( X / Ft ) / Fs   1A / F0   EE X / Fs   1A / F0   E X  1A / F0 

Resumiendo, las variables aleatorias E  X / Fs  y E E ( X / Ft ) / Fs  son variables aleatorias que

cumplen con la condición “a” – es decir, son conocidas al momento “s”- y con la condición “b”.
Entonces, según lo comentado al comienzo de este anexo, son iguales con probabilidad 1.

148
Apéndice 2: Variación Cuadrática de un proceso browniano

La demostración de que la esperanza de Y(n) es igual a T surge prácticamente de la definición del

proceso browniano:

n 2
 
E  WTi / n  WT (i 1) / n     E WTi / n  WT (i 1) / n    T / n  T
n n
2

 i 1  i 1 i 1

La demostración de la varianza es un poco mas compleja. Definase la siguiente sucesión de

variables aleatorias:

 i  WTi / n  WT (i 1) / n  
2 n
T

 WTi / n  WT (i 1) / n  n / T 
2

Nótese que la variable aleatoria que esta elevada al cuadrado en la última igualdad se distribuye

como una N(0;1), por ende  i se distribuye como una  2 con 1 grado de libertad (Es una normal
al cuadrado). Utilizando esta nomenclatura redefínase la variable Y(n):

T n
Y(n )   i
n i 1

Nótese que la suma de n  i es una  2 con n grados de libertad (n normales al cuadrado).

Recuérdese que la esperanza de una  2n es igual a n, y su varianza es igual a 2n. Finalmente
queda que:

2
T  n  2T 2
VY(n )      V   i  
n  i 1  n

149
Apéndice 3: Teorema de Girsanov:

Se demostrará el teorema de Girsanov para conjuntos elementales. Es decir, los conjuntos de

caminos de la forma a 1  Wt1  b1; a 2  Wt 2  b 2 ;...; a n  WT  b n . Se tiene por un lado que: 


1 Wti  Wti1 2
 
b1 b 2 bn n
1 
P a1  Wt1  b1 ; a 2  Wt 2  b 2 ;...; a n  WT  b n    ...   e 2 t i  t i1
dWt i
a1 a 2 a n i 1 2t i  t i 1 

Siendo t 0  0 y t n  T . Desarrollando la probabilidad para el mismo conjunto, pero suponiendo

que W tiene tendencia igual a  t se tiene que:


1 Wti  Wti1   ( t i  t i1 ) 2
 
b1 b 2 bn n
1 
Q a1  Wt1  b1 ; a 2  Wt 2  b 2 ;...; a n  WT  b n    ...   e 2 t i  t i1
dWt i
a1 a 2 a n i 1 2t i  t i 1 
b1 b 2 bn n 
1 Wti  Wti1 2
  ( Wti  Wti1 )   2  t i  t i1 
 1
1
   ...   e 2 t i  t i1
e 2
dWt i 
a1 a 2 a n i 1 2t i  t i 1 
 n 1 Wti  Wti1     ( Wti  Wti1 )  1 2  t i  t i1 
2 n
b1 b 2 bn
 1 
 i1
   ...     e 2 t i  t i1   e dWt1 dWt 2 ...dWT 
2


a1 a 2 a n i 1

2 t i  t i 1  
1 Wti  Wti1 
 2
b1 b 2 bn 1
 WT   2 T n
1    WT   2 T 
1
   ...  e 2
 2t i  t i 1 
e 2 t i  t i1
dWt i E P 1a1  Wt  b1 ;a 2  Wt  b 2 ;...;a n  WT  b n e 2 

 
1 2
a1 a 2 an i 1

Es decir para estos conjuntos de caminos, puede expresarse su probabilidad “Q” de ocurrencia
como una esperanza bajo un esquema “P” de la variable aleatoria
1
WT  2 T
2
1a1  Wt1 b1 ;a 2  Wt2 b 2 ;...;a n  WT b n e

150
Apéndice 4: Ejemplo de Cálculo de Esperanza Condicionada:

Teorema (1):

 2

E ST / Ft  S t2  e 2 T t 
2
T t 

Siendo:

S t  S 0  e  t  Wt

Demostración

En primer lugar se representa al valor del proceso estocástico “S” al momento “T” de la siguiente
manera:

ST  S t  e  (T t ) WT Wt 

Esto se deduce fácilmente de la representación del mismo proceso. De hecho:

ST  S 0  e t  Wt   (T t ) WT Wt   S 0  e t  Wt  e  (T t ) WT Wt   S t  e  (T t ) WT Wt 

Es decir, la variable aleatoria “ST” puede expresarse como el valor que toma el proceso “S” al
momento “t” por un factor (aleatorio también) que indica cuantas veces este valor es este mismo
proceso al momento “T”.

Llamando X a la siguiente variable aleatoria,

X   (T  t )   WT  Wt 

Puede calcularse la esperanza del término izquierdo de la siguiente ecuación calculando la

esperanza del término derecho:

 

E ST / Ft  S t  E e X / Ft  (1)

151
Dado que la función generatriz de momentos de una variable aleatoria normal genérica se puede
expresar a través del siguiente algoritmo,

X  N (a, b 2 )

  e
1
a  b 2 2
X 2
Ee (2)

La esperanza que se debe calcular en el miembro derecho de la ecuación (1) no es más que el
algoritmo del miembro derecho de la ecuación (2). Reemplazando convenientemente la media (“a”)
y la varianza (“b”) de la Variable Aleatoria “X” por sus respectivos valores puede llegarse a la
siguiente expresión,

   
1
  T t    2 T t  2
E ST / Ft  S t  E e X / Ft  S t  e 2

Que para el siguiente caso particular

 2

Toma la forma pretendida:

 2

E ST / Ft  S t2  e 2 T t 
2
T t 

Puede reemplazarse, si se quiere, el valor del proceso “S” al momento “t” por su respectiva fórmula
analítica.

Teorema (2):

Otra vez siendo:

S t  S 0  e  t  Wt

Se cumple que:

152
  
E ln S T  / Ft  ln S t     T  t 

Demostración

Otra vez dado que:

ST  S t  e  (T t ) WT Wt 

Se cumple que:

ln S T   ln S t    (T  t )   WT  Wt 

Y dado que la esperanza del cambio del valor que toma el proceso browniano entre “t” y “T” es
igual a 0 y que el valor que toma el activo subyacente en el momento “t” deja de ser aleatorio en
ese momento se cumple lo siguiente:

Eln S T  / Ft   Eln S t  / Ft   E (T  t ) / Ft   E WT  Wt  / Ft   ln S t    (T  t )

Que es lo que se pretendía demostrar.

153
Apéndice 5: Ejemplo de Hedging de Derivados Europeos

En el presente apéndice se mostrará mediante un ejemplo la efectividad de la réplica de derivados

explicada en este trabajo. El derivado que se replicará viene definido a través del siguiente payoff:

X  S T2 / 10

Donde T es igual a 10 y se decide operar la estrategia autofinanciable que replica este derivado
100 veces (n=100).

El valor de este derivado es igual a:

 e / Ft )  t  er  T t 
ST2  rT S2
Vt  ert EQ (
2

10 10

Y las cantidades de acciones y bonos a mantener en cartera surgen a través de las siguientes
ecuaciones:

Vt 2  St r  2 T t 
t   e
St 10

Vt  t  St
  t  er  T t  r t
S2
t 
2

rt
e 10

Los siguientes tres ejemplos se han realizado suponiendo probabilidades “Q”. A través de estas
probabilidades se vio que una aplicación del teorema de la representación de martingalas lleva a
comprobar que es posible replicar cualquier derivado con la precisión que se desee.
En estos ejemplos la primer columna indica los momentos en que se realiza cada operación. La
segunda los cambios en el proceso browniano, generados a través de variables aleatorias
normales. La tercera los valores del proceso browniano. La cuarta los valores del activo
subyacente calculados según la fórmula (24). La quinta los sucesivos valores del precio del bono.
La sexta, séptima y octava los valores del derivado y las cantidades de acciones y bonos a
mantener en cartera.
La novena columna indica el error en que se incurre en cada momento por no poderse operar
continuamente. Este viene definido como:

154
et   T  St  T  Bt  t  S t   t  Bt 
t t
n n

Finalmente, la última columna muestra la evolución de una “cuenta corriente” que financia los
errores si estos fuesen negativos (es decir, si la cartera a comprar tuviese un precio mayor al de la
cartera a vender) o los invierte de lo contrario. En términos matemáticos esto es:

T
r
t   T e n
 et
t
n

155
156
Como se vio en este trabajo, el activo subyacente bien puede tener una tendencia distinta a la
elegida a través de las probabilidades “Q”. Sin embargo se vio que esto no era un problema puesto
que, a través de una aplicación del teorema de Girsanov, con la misma estrategia que en los
últimos tres ejemplos era posible seguir replicando este derivado. Los siguientes tres ejemplos
muestran las mismas columnas que las analizadas en los otros ejemplos. La única diferencia surge
en la generación del precio del activo subyacente, que, por tener este una tendencia distinta a la
que surge a través de las probabilidades “Q”, vienen calculados a través de la ecuación (21).

157
158
159
160
Apéndice 6: Cálculo de la Estrategia Asociada a un Call Europeo

Podría calcularse la cantidad de acciones que debe tenerse en cartera en cada momento para
replicar el payoff de un call simplemente derivado la fórmula de Black y Scholes con respecto al
valor del activo subyacente. Esto es:

  St 1   St 1 
  ln  (r  . 2 ).(T  t )   ln  (r  . 2 ).(T  t ) 
 S t  N  K 2   K  e  r .(T t )  N  K 2 
   . T  t    . T  t 
    
Vt    
t  
S t S t

Sin embargo resulta muy complejo llegar desde esta expresión a la relación mencionada en la
página 96 del presente trabajo. Es decir:

 St 1 
 ln  (r  . 2 ).(T  t ) 
 t  PR ( S T  K / Ft )  N  K 2 
 . T t 
 
 

Por este motivo se propone seguir otro camino. Este camino consiste en abordar la valuación de
este derivado a través de puramente el enfoque de las probabilidades “R”. Esto es:

  
Vt  S t  E R X  S T1 / Ft  E R MaxS T  K ;0  S T1  S t / Ft  
       
       
K K
 E R  Max1  ;0   S t / Ft   E R  Max S t  ;0  / F 
   1 2  _ _ 
 r    T  t   W T W t       1 2  _ _ 
 r    T  t   W T W t  
t

  St e
2        e
2   
 
 

Puesto que puede expresarse el valor de un call a través de esta última fórmula, con el objetivo de
calcular la cantidad de acciones a mantener en cartera para replicarlo, puede derivarse esta última
expresión:

161
    
  K  
E R  Max S t   _ 
;0  / Ft 
 1 2
 
_
 r    T  t   W T W t 
 
Vt   e  2   
 

S t S t
 
2
 _ _ 
   W T W t 
  K  1 
1 



 _ _

   Max S t  ;0   e 2 T t
d  W  W 
2 T  t 
T t
  _

_ 
  1 2
 r    T  t   W T W t   
  e  2   
 
  
S t

Como la derivada de una esperanza es igual a la esperanza de la derivada (puesto que una
esperanza es al fin al cabo una integral, y esta última un límite de una sumatoria) se tiene que:

 
2
 _ _ 
   W T W t 
  K  1 
1 


 
  Max S t  ;0   e 2 T  t 
  2 T  t  
 1 2  _ _ 
  r    T  t   W T W t 
  
 
2 
Vt  e  
   d W  W 
    T t 
S t  S t  

La función a la que debe calcularse la derivada es una función que toma el valor 0 siempre que:

K
St   _ _ 
(1)
 1 2
 r    T t   W T W t 
 2   
e

Y a partir de que la desigualdad anterior se transforma en igualdad en adelante, esta función crece
con pendiente igual a:

2
 _ _ 
 W T W t 
1  

1 
F e 2 T t (2)
2 T  t 

Gráficamente esto es:

162
 2
 _ _ 
   W T W t 
 K  1  
Max St   1  ;0   e T t

 
 _ _ 
r   2  T t   W T W t 
 2 T  t 
 e 2   


2
 _ _ 
 W T W t 
 
1 T t
e
2 T  t 

K
 1 2  _ _ 
 r    T t   W T W t 
 2   
e

St
Por ende, la derivada de esta función con respecto al valor del activo subyacente será igual a 0 o
St
igual a la pendiente definida por la ecuación (2), dependiendo de si el cambio en el proceso
browniano tome un valor tal que la desigualdad (1) se cumpla o no se cumpla. Esto es:

 
2
 _ _ 
   W T W t 
  K  1  
1  
 
  Max S t  ;0   e 2 T  t 
  2 T  t  
 1 2  _ _ 
  r    T  t   W T W t 
  e  2   
 
 
S t
2
 _ _ 
 W T W t 
 
  
1
1
 e 2 T t
1 
2 T  t 
K
St 
  _ _ 
 r   2   T  t     W T W t 
1
 2   
e  

2
 _ _ 
 W T W t 
 
  
1
1
1  e 2 T t

2 T  t 
 1 2 _ _ 
 
 r     T  t     W T W t 
 2    K
St e

Por ende, la integral a calcularse puede reducirse al cálculo de la última expresión en los puntos en
los que la misma toma valores distintos a 0, los cualos son aquellos valores que debe tomar el
proceso browniano al momento “T” para que el activo subyacente en es momento termine siendo
mayor a “K”. De esta manera se deduce que:

163
 2
 _ _ 
 W T W t 
 

Vt   
_ 
1
d W T  W t   PR S T  K / Ft 
_
1
t    e 2 T t
S t W * 2 T  t   
t

Lo cual constituye la afirmación que se quería demostrar.

164
 Bibliografía

 Baxter, Rennie: Financial Calculus.

 Chung: A course in probability theory.
 Hull: Options, futures and other derivatives
 Karatzas, Shreve: Brownian Motion and Stochastic Calculus.
 Kolmogorov, Fomin: Elementos de la teoría de funciones y del análisis. funcional.
 Lamberton, Lapeyre: Introduction to Stochastic Calculus applied to finance.
 Malliavin: Stochastic Analysis.
 Musiela, Rutkowski: Martingale Methods in Financial Modelling.
 Shreve: Stochastic Calculus and Finance I.
 Shreve: Stochastic Calculus and Finance II.

165