Upload
palacios-jor-eliecer
View
223
Download
0
Embed Size (px)
Citation preview
8/18/2019 Simulación montecarlo para valoraropciones
1/29
Algunos conceptos de Finanzas y Valoración de
Opciones Europeas con Métodos SMC
Alexander Guaŕın López
Maestŕıa en Ciencias Económicas
Universidad Nacional de Colombia
Bogotá, Colombia
8/18/2019 Simulación montecarlo para valoraropciones
2/29
Clase 6A: Contenido
1 Algunos conceptos teóricos en FinanzasProceso EstocásticoProceso de MarkovProceso de Wiener (Movimiento Browniano)Proceso de Wiener GeneralizadoProceso de Ito
2 Lema de Ito
DerivaciónEjemplo: Precio de las acciones (Distribución LogNormal).
3 Métodos de Simulación Monte Carlo
4 Ejemplo: Valoración de Opciones
8/18/2019 Simulación montecarlo para valoraropciones
3/29
Algunos Conceptos Teóricos en
Finanzas
8/18/2019 Simulación montecarlo para valoraropciones
4/29
Proceso Estocástico
Definición
Es el proceso seguido por cualquier variable cuyos cambios a través del tiempo son
aleatorios.
Clasificación
Tiempo:
Discreto: los valores de las variables pueden cambiar sólo en ciertos
puntos del tiempo fijos.Continuo: los cambios pueden tomar lugar en cualquier momento deltiempo.
Variable aleatoria
Continua: la variable subyacente puede tomar cualquier valor dentro deun cierto rango.Discreta: la variable sólo puede tomar ciertos valores discretos.
En finanzas, en general se trabaja con variables continuas y en tiempo continuo.
8/18/2019 Simulación montecarlo para valoraropciones
5/29
Proceso de Markov
Proceso de Markov:
El valor esperado de una variable aleatoria S t condicional sobre toda su historia,sólo depende de su valor previo S t −∆t
Un proceso de Markov es un proceso estocástico donde ...
Movimientos futuros en una variable dependen sólamente de la últimaobservación, y no de su historia completa.
La historia pasada de la variable es irrelevante.
8/18/2019 Simulación montecarlo para valoraropciones
6/29
Proceso de Wiener
El proceso de Wiener es usado en f́ısica para describir el movimiento de unapart́ıcula que está sujeta a un número grande de pequeños choques. También esllamado Movimiento Browniano.
Una variable z sigue un proceso de Wiener si:Propiedad 1. El cambio ∆z durante un pequeño periodo de tiempo ∆t es
∆z = √
∆t
donde tiene una distribución N (0, 1).Propiedad 2. Los valores de ∆z para cualquier dos intervalos cortos de tiempo∆t son independientes.
∆z tiene una distribución normal con
Et [∆z ] = 0
Var t [∆z ] = ∆t
Std t [∆z ] =√
∆t
P d Wi
8/18/2019 Simulación montecarlo para valoraropciones
7/29
Proceso de Wiener
P d Wi G li d
8/18/2019 Simulación montecarlo para valoraropciones
8/29
Proceso de Wiener Generalizado
Un proceso de Wiener tiene un drift (i.e. el cambio promedio por unidad detiempo) de 0 y una varianza de 1.
En el proceso de Wiener generalizado, la drift y la varianza pueden ser fijadosigual a cualquier constantes.
La variable x sigue un proceso de Wiener generalizado con drift a y una varianzab 2 si
dx = adt + bdz
La equivalencia en tiempo discreto es
∆x = a∆t + b √
∆t
∆x tiene una distribución normal con
Et [∆x ] = a ·∆t Std t [∆x ] = b
√ ∆t
Var t [∆x ] = b 2 · ∆t
P d Wi G li d
8/18/2019 Simulación montecarlo para valoraropciones
9/29
Proceso de Wiener Generalizado
P d Wi G li d
8/18/2019 Simulación montecarlo para valoraropciones
10/29
Proceso de Wiener Generalizado
Por qué este proceso no es apropiado para un activo?
Para el precio de un activo, es posible suponer que
el cambio porcentual esperado en un periodo corto de tiempo es constante
sin embargo, no sucede lo mismo con el cambio absoluto esperado
La incertidumbre de un activo (i.e. definida como el tamaño de futuros movimientosen su valor)
son proporcionales al precio.
El P d It
8/18/2019 Simulación montecarlo para valoraropciones
11/29
El Proceso de Ito ....
.... es definido comodx = a (x , t ) dt + b (x , t ) dz
donde a es el retorno esperado (i.e. drift) y b es la volatilidad (varianza) del proceso.
La equivalencia en tiempo discreto para el proceso en tiempo continuo es
∆x = a (x , t ) ∆t + b (x , t ) √
∆t
lo cual es verdad en el ĺımite cuando ∆t → 0.
Suponga que el proceso de Ito para el precio de un activo
dS = µSdt + σSdz
donde µ es el retorno esperado y σ es la volatilidad. La equivalencia en tiempodiscreto para el proceso en tiempo continuo es
∆S = µS ∆t + σS √
∆t
8/18/2019 Simulación montecarlo para valoraropciones
12/29
El Lema de Ito
Lema de Ito
8/18/2019 Simulación montecarlo para valoraropciones
13/29
Lema de Ito
Si conocemos el proceso estocástico seguido por la variable x t
entonces, el Lema de Ito nos dice el proceso estocástico seguido por una funciónG (x , t )
Dado que el precio de un derivado es una función del precio de un activo subyacente yel tiempo,
entonces, el Lema de Ito juega un role crucial en el análisis de contratos de
derivados.
Derivación del Lema de Ito:
La expansión en series de Taylor de una función G (x , t ) de dos variables x y t es igual a
∆G = ∂ G
∂ x ∆x +
∂ G
∂ t ∆t +
1
2
∂ 2G
∂ x 2 ∆x 2 +
∂ 2G
∂ x ∂ t ∆x ∆t +
1
2
∂ 2G
∂ t 2 ∆t 2 + . . .
Sustitución de ∆x
8/18/2019 Simulación montecarlo para valoraropciones
14/29
Sustitucion de ∆x
Ahora considere el proceso
dx = a (x , t ) dt + b (x , t ) dz
La anterior expresión se puede discretizar como
∆x = a (x , t ) ∆t + b (x , t ) √
∆t
y por simplicidad, vamos a borrar los argumentos de las variables a y b , tal que
∆x = a∆t + b √
∆t
Si..... calculamos ∆x 2
, entonces llegamos a que a
∆x 2
= a2∆t 2 + 2ab ∆t 3/2 + b 22∆t
Si omitimos los términos de segundo o mayor orden, entonces obtenemos
∆x 2
= b 22∆t
Note que ∆x 2 tiene un componente que es de orden ∆t , y por tanto, no puedeser ignorado.
El término 2∆t
8/18/2019 Simulación montecarlo para valoraropciones
15/29
El termino 2∆t
Dado que N (0, 1), entoncesE () = 0E2− [E ()]2 = 1
E2
= 1
De las expresiones anteriores sigue que
E2∆t
= ∆t
Var2∆t
= ∆t 2
Note que el valor 2
∆t puede aproximado por su valor esperado ∆t yconsiderado como no estocástico cuando ∆t → 0. Esta última conclusión sederiva de que la Var
2∆t
→ 0 cuando ∆t → 0, y por tanto, desaparece el
componente aleatorio .
Ignorar términos de orden mayor que ∆t
8/18/2019 Simulación montecarlo para valoraropciones
16/29
Ignorar terminos de orden mayor que ∆t
De la expansión en las Series de Taylor,
∆G = ∂ G
∂ x ∆x +
∂ G
∂ t ∆t +
1
2
∂ 2G
∂ x 2 ∆x 2 +
∂ 2G
∂ x ∂ t ∆x ∆t +
1
2
∂ 2G
∂ t 2 ∆t 2 + . . .
y dado que
∆x 2
= b 22∆t
si omitimos los términos de orden mayor que ∆t, llegamos a la expresión
∆G = ∂ G
∂ x ∆x +
∂ G
∂ t ∆t +
1
2
∂ 2G
∂ x 2 b
22∆t
Además, al reemplazar el valor 2∆t por su valor esperado ∆t , llegamos al Lema deIto
∆G = ∂ G
∂ x ∆x +
∂ G
∂ t ∆t +
1
2
∂ 2G
∂ x 2 b
2∆t
Lema de Ito
8/18/2019 Simulación montecarlo para valoraropciones
17/29
Lema de Ito
A partir del Lema de Ito,
∆G = ∂ G ∂ x
∆x + ∂ G ∂ t
∆t + 12∂ 2G ∂ x 2
b 2∆t
y dado ∆x → 0 y ∆t → 0, el Lema de Ito se puede aproximar en tiempo continuo a
dG = ∂ G
∂ x dx +
∂ G
∂ t dt +
1
2
∂ 2G
∂ x 2 b
2dt
Además, si se sustituye dx por si
dx = a (x , t ) dt + b (x , t ) dz
llegamos a la famosa expresión del Lema de Ito
dG =
∂ G
∂ x a +
∂ G
∂ t +
1
2
∂ 2G
∂ x 2 b
2
dt +
∂ G
∂ x bdz
Lema de Ito para la Función G (S t) = lnSt
8/18/2019 Simulación montecarlo para valoraropciones
18/29
Lema de Ito para la Funcion G (S , t ) = lnS t
Considere el Lema de Ito para derivar el proceso seguido por el ln S ,
dado que el cambio en el precio de la acción S sigue el proceso estocástico
dS = µSdt + σSdz
donde µ y σ son constantes, y dz es un movimiento Browniano.
Para una función G (S , t ) la dinámica dG es dada por
dG =
∂ G
∂ S µS +
∂ G
∂ t +
1
2
∂ 2G
∂ S 2 σ2S 2
dt +
∂ G
∂ S σSdz
y dado que
G = lnS , ∂ G
∂ S = 1
S , ∂ 2G
∂ S 2 = −1
S 2 , ∂ G
∂ t = 0
entonces
d ln S t =
µ− σ
2
2
dt + σdz
Precio de las Acciones: Distribución Lognormal
8/18/2019 Simulación montecarlo para valoraropciones
19/29
Precio de las Acciones: Distribucion Lognormal
La función G = lnS sigue un proceso generalizado de Wiener, con tasa drift
µ− σ22
y una tasa para la varianza σ2.
Por tanto, el cambio en lnS entre una fecha 0 y T , sigue una distribuciónNormal, tal que
lnS T − lnS 0 ∼ N
µ− σ2
2
T , σ2T
donde S T es el precio de la acción en el tiempo futuro T y S 0 es el precio de laacción en el tiempo 0.
El lnS T sigue una distribución Normal, entonces S T sigue una distribuciónLognormal.
Si S T sigue una distribución lognormal, entonces
Et [S T ] = S 0 expµT
Var t [S T ] = S 20 exp
2µT
expσ2T −1
La Ecuación de Black-Scholes-Merton
8/18/2019 Simulación montecarlo para valoraropciones
20/29
La Ecuacion de Black Scholes MertonSupuestos
No existen oportunidades de arbitraje.
En ausencia de arbitraje, el retorno debe ser igual a la tasa libre de riesgo
El portafolio es libre de riesgo porque, el precio de la acción y del derivado sonafectados por la misma fuente subyacente de incertidumbre
movimientos en el precio de la acción
En periodos cortos de tiempo, el precio del derivado es perfectamentecorrelacionado con el precio de la acción.
La Ecuación de Black-Scholes-Merton
8/18/2019 Simulación montecarlo para valoraropciones
21/29
La Ecuacion de Black Scholes Merton
Suponemos que cambios en el precio de una acción (en periodos muy cortos)
siguen un procesodS t = rS t dt + σS t dW t
donde dW es un proceso de Wiener, r y σ son, respectivamente, el drift y ladifusión del proceso.
También suponemos que f (S , t ) es el precio de una opción call ( o cualquierderivado) cuyo activo subyacente es la acción S .
Por el lema de Ito
df =
∂ f
∂ S rS t +
∂ f
∂ t +
1
2
∂ 2f
∂ S 2σ2S 2t
dt +
∂ f
∂ S σS t dW t
La Ecuación de Black-Scholes-Merton
8/18/2019 Simulación montecarlo para valoraropciones
22/29
La Ecuacion de Black Scholes Merton
Considere una acción y un derivado. Con estos dos activos podemos construir unportafolio donde la incertidumbre del proceso de Wiener pueda ser eliminada ?
Si, debemos crear un portafolio libre de riesgo.
Suponga el siguiente portafolio:
Una posición corta en una opción call: −f Una posición larga en ∂ f
∂ S
acciones.
El valor del portafolio es
π = −f + ∂ f ∂ S
S t
El cambio en el valor del portafolio a través del tiempo es dado por
d π = −df + ∂ f ∂ S
dS t
La Ecuación de Black-Scholes-Merton
8/18/2019 Simulación montecarlo para valoraropciones
23/29
A partir de la expresión para el proceso dS t , el cambio en el valor del portafoliod π puede ser expresado como
d π = −
∂ f
∂ S rS t +
∂ f
∂ t +
1
2
∂ 2f
∂ S 2σ2S 2t
dt − ∂ f
∂ S σS t dW t
+ ∂ f
∂ S (rS t dt + σS t dW t )
d π =−
∂ f ∂ t −
12∂ 2f ∂ S 2
σ2S 2
dt
Como la ecuación d π no incorpora dW , el portafolio debe ser libre de riesgo en
el tiempo dt .Por tanto, debe ganar la tasa libre de riesgo r , tal que
d π = r π∂ t
La Ecuación de Black-Scholes-Merton
8/18/2019 Simulación montecarlo para valoraropciones
24/29
Entonces
d π = d π∂ f
∂ t +
1
2
∂ 2f
∂ S 2σ2S 2
dt = r πdt
∂ f
∂ t
+ 1
2
∂ 2f
∂ S 2
σ2S 2 dt = r f −∂ f
∂ t S dt
∂ f
∂ t +
1
2
∂ 2f
∂ S 2σ2S 2 = rf − r ∂ f
∂ t S
Con algo de algebra, llegamos a la famosa Ecuación Diferencial de
Black-Scholes-Merton
∂ f
∂ t + rS
∂ f
∂ t +
1
2σ2S 2
∂ 2f
∂ S 2 − rf = 0
8/18/2019 Simulación montecarlo para valoraropciones
25/29
Métodos de Simulación Monte Carlo
Simulación Monte Carlo: Algoritmo
8/18/2019 Simulación montecarlo para valoraropciones
26/29
g
Considere un derivado f cuyo subyacente es un activo S que proporciona un payoff en
la fecha T .
Bajo el supuesto de una tasa de interés constante,
el precio del derivado f puede ser calculado a partir del siguiente algoritmo
Algoritmo:
1 Generar una ruta aleatoria para S t en un mundo neutral al riesgo.
2 Calcular el payoff del derivado.
3 Repetir los pasos 1 y 2, hasta obtener un total de N simulaciones.
4 Calcular el valor esperado del payoff a partir del promedio de los payoffs de las
N simulaciones.5 Computar el valor presente del pago esperado a la tasa libre de riesgo.
Cómo llevar a cabo la simulación de un proceso estocástico?
8/18/2019 Simulación montecarlo para valoraropciones
27/29
Supongamos que una variable aleatoria S sigue un proceso estocásticolognormal tal que
d ln S t =
r − σ
2
2
dt + σdW t
donde dW es un proceso de Wiener,r − σ2
2
y σ son, respectivamente, el drift
y la difusión del proceso.
Discretización:
d ln S t =r −
σ2
2dt + σdW t
lnS (t + ∆t ) − lnS (t ) =r − σ
2
2
∆t + σ∆W t
lnS (t + ∆t ) = lnS (t ) +
r − σ
2
2
∆t + σ
√ ∆t
S (t + ∆t ) = expln S (t )+
r −σ2
2
∆t +σ
√ ∆t
S (t + ∆t ) = S (t )exp
r −σ
2
2
∆t +σ
√ ∆t
donde S (t ) denota el valor de S en el tiempo t , ∆W =√
∆t es el proceso deWiener y
∼N (0, 1).
8/18/2019 Simulación montecarlo para valoraropciones
28/29
Ahora vamos a Matlab a mirar un ejemplo de
Valoración de Opciones
Referencias
8/18/2019 Simulación montecarlo para valoraropciones
29/29
Brandimarte, P.: 2006, Numerical methods in finance and
economics: A Matlab based introduction. John Wiley & Sons.Fusai, G. and A. Roncoroni: 2008, Implementing Models in
Quantitative Finance: Methods and Cases . Berlin: Springer.
Glasserman, P.: 2004, Monte Carlo methods in financial
engineering . Springer.Hull, J.: 2006, Options, Futures and Other Derivatives . New
Jersey: Pearson Prentice Hall, sixth edition.
Jackel, P.: 2002, Monte Carlo methods in finance . John Wiley &
Sons.
McLeish, D.: 2000, Monte Carlo methods in finance .
Wilmott, P.: 1998, Derivatives: The Theory and Practice of
Financial Engineering . Chichester: John Wiley & Sons.