Aproximación Analítica al Cálculo de la Volatilidad Implícita en Opciones Potencia

Director

Jhon Freddy Moreno Trujillo

Luz Adriana Mejía Cárdenas

Facultad de Finanzas, Gobierno y Relaciones Internacionales

Universidad Externado de Colombia

2014

1
 Índice

Resumen

Introducción

a. Planteamiento del problema

b. Objetivos

b.1 Objetivo general

b.2 Objetivos específicos

c. Justificación

Capítulo 1. Opciones Financieras

1.1 Definición

1.1.1 Clasificación

1.2 Modelo Black and Scholes

1.3 Volatilidad

1.3.1 Histórica

1.3.2 Implícita

1.3.3 Estocástica

1.3.4 Econométrica

Capítulo 2. Opciones Potencia

2.1 Definición

2.2 Fórmula de Valoración

2
Capítulo 3. Fórmula de Volatilidad

3.1 Aproximación de Taylor

3.2 Deducción de la expresión

Capítulo 4. Implementación en MATLAB

4.1 Simulación de datos y Código

4.2 Conclusiones

Bibliografía

3
Resumen

Dada la agilidad con que se deben tomar decisiones por parte de los agentes en el sector
financiero y teniendo en cuenta que uno de los principales problemas en las finanzas es el
cálculo de la volatilidad aplicada en el cálculo del valor de la prima de una opción, encontrar
una solución de forma cerrada para la volatilidad en los modelos de valoración de opciones se
hace más que necesario. Este trabajo pretende presentar e implementar una fórmula analítica
para el cálculo de la volatilidad implícita de una opción potencia, donde el pay off está dado
por (𝑆 − 𝐾) , con α>1, para simplificar la expresión resultante al buscar despejar el valor de
la volatilidad usando aproximaciones de Taylor. Luego en Matlab se implementan los
resultados.

Introducción

a. Planteamiento del problema

Los derivados además de entenderse como un producto de inversión, son usados en

operaciones de cobertura para reducir o eliminar el riesgo derivado de la fluctuación en el
precio o el valor del subyacente, su importancia es tal que han llegado a ser considerados
como la principal herramienta para la administración de riesgo en el sector real e instituciones
financieras a nivel mundial, al punto de haber multiplicado por siete su volumen de
negociación en los mercados internacionales en el periodo 2000-2013, Asobancaria (2013).

Dentro del estudio propio de las opciones financieras, la volatilidad se convierte en la variable
por excelencia a analizar, considerando que esta hace referencia a la velocidad con la que se
ajustan los precios de los activos financieros ante determinados hechos fundamentales y
técnicos.

Entre las metodologías más comunes para la medición de la volatilidad se cuentan:

 La histórica

 Futura

 Actual

 Implícita
4
  Estimada

 Estacional

Estas metodologías requieren de técnicas estadísticas y econométricas que permitan estimar la

volatilidad, entre ellas se tienen:

 Histórica (Observaciones pasadas)

 Dinámica (Mayor peso a las últimas observaciones)

 Modelos Arch y Garch (Series de Tiempo)

 Volatilidad Implícita (Volatilidad Esperada)

Es precisamente la amplia gama de metodologías para su cálculo lo que reafirma la necesidad

de encontrar cuál es la técnica que arroja resultados más acercados a la realidad y que al
tiempo permitan una ágil obtención de los mismos para la rápida toma de decisiones que
demandan los agentes del mercado financiero. Trabajos como el de Chambers (2001), Liu y
Chen(2012) y Li(2005), dejan ver el protagonismo que ha tomado la volatilidad implícita
cómo método de estimación de la volatilidad de opciones financieras gracias a la rapidez y
facilidad de su cálculo, pues los agentes del mercado requieren de información cada vez más
rápida y precisa para la toma de decisiones.

Por su parte y gracias al dinamismo y constante desarrollo del mercado financiero, se hace
necesario innovar en los productos que se ofrecen garantizando así un creciente flujo de
recursos por parte de los inversionistas, es por esto que las opciones potencia cobran
reconocimiento entre el abanico de opciones exóticas, convirtiéndose en un interesante
instrumento de inversión, gracias a su diseño exponencial.

La opción potencia en esencia se define como un contrato en el cual el agente que tiene la
posición larga, tiene el derecho a recibir, en una fecha futura, la diferencia entre el precio del
subyacente elevado a una determinada potencia y el precio de ejercicio.

b. Objetivos

c.1 General

Presentar, analizar e implementar una fórmula de aproximación analítica para el cálculo de

la volatilidad implícita en opciones potencia.

5
 c.2 Específicos.

1. Describir las opciones call y put y su modelo de valoración.

2. Describir las opciones potencia y su fórmula de valoración.

3. Describir el problema de determinación de la volatilidad implícita y la aproximación a su

solución por series de Taylor.

4. Desarrollar una expresión analítica para el valor de la volatilidad implícita en opciones

potencia.

5. Realizar la implementación en software para el cálculo de la volatilidad.

c. Justificación

Los agentes reclaman productos derivados que les permitan un mayor margen de ganancia y
una mejor cobertura del riesgo por lo que las opciones exóticas, como instrumentos
financieros de inversión y cobertura, se convierten en uno de los activos por excelencia dentro
de los portafolios de inversión. Las opciones potencia, como lo describe el profesor Francisco
Venegas Martínez en la segunda edición de su libro Riesgos Financieros y Económicos
publicada en 2006, vienen desarrollándose desde hace relativamente poco tiempo y gracias a
su diseño exponencial es visto por los inversionistas como un producto innovador y atractivo.

Además de productos atractivos en el mercado, los agentes requieren de información ágil y

confiable que les permita una rápida toma de decisiones. Precisamente por esto se han venido
desarrollando trabajos que brindan soluciones alternativas para las estimaciones que
tradicionalmente se han realizado por medio de métodos numéricos, que en ocasiones resultan
demorados y engorrosos, bien por la necesidad de recopilación de grandes bases de datos para
sus cálculos o bien por la dificultad propia de los cálculos.

Es entonces cuando la volatilidad implícita toma relevancia, como lo muestran los trabajos de
Liu y Chen (2012), Li (2012) y Chance (1996), que demuestran que implementando fórmulas
de aproximación analítica es posible obtener una estimación rápida y confiable de la
volatilidad de las opciones call y put. Éste trabajo pretende precisamente implementar una
fórmula de aproximación analítica para el cálculo de la volatilidad implícita en opciones
potencia.

6
 Capítulo 1

Opciones Financieras

1.1 Definición

Como se mencionó anteriormente, una opción financiera es un contrato que a un precio

determinado y en una fecha específica, le brinda al poseedor el derecho de ejercer –comprar o
vender el activo subyacente– cuando las condiciones del precio de mercado le sean favorables
y al vendedor la obligación de transar el activo cuando el comprador así lo disponga. El
precio del subyacente y la fecha determinados en el contrato se denominan strike price o
precio de ejercicio y fecha de vencimiento respectivamente. Interviene un tercer agente, la
cámara de compensación, encargado de otorgar las garantías necesarias para el cumplimiento
de estándares propios de las operaciones con opciones, tales como, fecha de vencimiento,
precio de ejercicio y metodología de liquidación.

1.1.1 Clasificación

Existen dos tipos básicos de opciones financieras: la opción de compra y la opción de venta.
Una opción call u opción de compra le otorga al tenedor el derecho a comprar un activo a un
precio determinado en o antes de una fecha específica. Entre tanto, una opción put u opción
de venta otorga a su tenedor el derecho a vender un activo a un precio determinado en o antes
de una fecha específica.

Dependiendo del momento en que se ejerzan las opciones pueden dividirse en americanas y
europeas, siendo ambas estandarizadas por tener definido de manera previa el precio, el
vencimiento y la manera en que se ejerce. Las opciones americanas son aquellas que pueden
ejercerse en cualquier momento de su vida hasta la fecha de vencimiento, mientras que las
opciones europeas pueden ejercerse solo en la fecha de vencimiento.

7
Existe otro tipo de opciones, definidas como opciones exóticas, que buscan satisfacer las
necesidades propias de cada inversionista. Este tipo de acuerdos hechos a la medida, son
opciones no estandarizadas por no seguir con los parámetros establecidos en los contratos.
Dentro de las más sobresalientes se cuentan las opciones asiáticas, las opciones bermuda, las
opciones barrera y las opciones loockback. Las opciones asiáticas son aquellas cuyo valor
depende de la media del valor del subyacente en un periodo de tiempo estipulado previamente
antes del vencimiento de la opción, las opciones bermuda se consideran exóticas por su fecha
de ejercicio al ser similares a las americanas pero solo pueden ser ejercidas anticipadamente en
fechas específicas, por su parte las opciones barrera son aquellas que se activan (knock in) o
cancelan (knockout) cuando el subyacente alcanza un determinado precio límite o barrera y las
opciones loockback calculan su valor en función del precio máximo o mínimo alcanzado por
el subyacente en un periodo determinado de tiempo.

Una vez clara la definición de las opciones financieras, el problema se concentra en la

determinación de su precio, que en últimas es la prima que se debe pagar por el derecho a
ejercer. La prima de la opción se negocia en los mercados en función de la oferta y la
demanda, sin embargo, existen en la literatura financiera modelos teóricos que buscan
determinar su precio en función de parámetros como precio del activo subyacente, precio de
ejercicio, tipo de interés, tiempo hasta el vencimiento, volatilidad futura y otros relacionados
al activo subyacente.

1.2 Modelo Black-Scholes-Merton

El modelo más aceptado por los financistas es el desarrollado por Fisher Black y Myron
Scholes y Robert Merton en 1973. El modelo de Black-Scholes-Merton (BSM) presenta una
fórmula para la valoración de opciones europeas sobre acciones, partiendo de los siguientes
supuestos:

 El comportamiento del precio del activo subyacente es descrito por una distribución
logarítmica normal –lognormal–.

 Se asume un mundo sin costos de transacción ni impuestos.

8
  Durante la vida de la opción no se pagan dividendos sobre la acción.

 No se presentan oportunidades de arbitraje esto es, la no posibilidad de obtener

ganancias sin exponer recursos propios.

 La tasa de interés libre de riesgo de corto plazo –r–, es constante.

 Continuidad en la negociación del activo.

 Los agentes pueden apalancarse a la tasa libre de riesgo, lo que implica que
eventualmente los agentes pueden adquirir recursos en el mercado a la tasa libre
riesgo.

 Los activos son perfectamente divisibles y la tasa libre de riesgo se toma tanto para
invertir como para tomar prestado.

 Se asume volatilidad de los rendimientos del activo subyacente constante durante la

vida de la opción.

Partiendo de los supuestos anteriores y de la ecuación diferencial estocástica que describe el

comportamiento del precio del activo 𝑆 :

𝑑𝑆 = μ𝑆 𝑑 + 𝑆 𝑑𝑊 (1)

Conμ y  constantes1 y 𝑑𝑊 el diferencial del movimiento browniano, se obtienen, usando

resultados del cálculo estocástico y principios de valoración por replicación y no arbitraje,
fórmulas para calcular los precios de una opción europea de compra (c) y de venta (p):

𝑐 = 𝑆 𝑁(𝑑 ) − 𝐾𝑒 𝑁(𝑑 )
(2)
𝑝 = 𝐾𝑒 𝑁(−𝑑 ) − 𝑆 𝑁(−𝑑 )

1
El supuesto de volatilidad constante ha sido uno de los aspectos más discutidos del modelo BSM dando pie al
desarrollo de diferentes mecanismos que permiten una estimación más acertada para la variabilidad de los
rendimientos de los activos.

9
Donde


𝑑 = √
(3)


𝑑 = √
= 𝑑 − √𝑇 (4)

𝑆 es el precio actual del subyacente, K es el precio de ejercicio, r la tasa libre de riesgo en

tiempo continuo,  la volatilidad y T el tiempo al vencimiento, todas estas consideradas como
constantes en el modelo Black-Scholes-Merton estándar.

En la práctica, la volatilidad de los activos financieros no es constante, no predecible e incluso

no directamente observable, todo esto debido a los altibajos de los mercados, donde pueden
presentarse periodos de tranquilidad o volatilidad baja seguidos de periodos de incertidumbre
donde la volatilidad es alta, describiéndose así una variable estocástica. Por todo lo expuesto,
la volatilidad se convierte en una excelente candidata a ser estimada como una variable
aleatoria, a partir de mediciones incorporadas en los diferentes modelos desarrollados para tal
fin: volatilidad histórica, implícita, estocástica y econométrica.

1.3 Volatilidad

La volatilidad puede entenderse como la incertidumbre acerca del comportamiento de una

determinada variable o activo financiero, en cuanto a la dirección (aumento o disminución) y
la velocidad (qué variación porcentual tendrá). Dicha variación debida a la sensibilidad de los
activos, a informes o rumores de diversa índole.

1.3.1 Volatilidad histórica

La volatilidad histórica se define como el cálculo de la volatilidad del precio de un activo a

partir de datos históricos, se entiende como una medición retrospectiva. A partir de los datos,

10
que deben ser observados en intervalos fijos, se calcula la desviación estándar de los retornos
logarítmicos.

Definiendo:

 n+1: número de observaciones

 𝑆 : precio del activo en el momento t, con t=1, …, n

Se calculan los retornos logarítmicos:

𝑟 = ln( ) (5)

Una estimación de la desviación estándar de 𝑟 , s, se obtiene:

𝑠= ∑ (𝑟 − 𝑟̅ ) (6)

Donde 𝑟̅ denota la media de los retornos.

Trabajando con el supuesto de distribución log normal para los precios del activo, planteado
en el modelo de Black –Scholes-Merton, se tiene que la media y la desviación estándar de 𝑙𝑛𝑆
son:


𝑙𝑛𝑆 + μ − 𝑇 (𝟕)
2

√𝑇 (𝟖)

Al suponerse que el precio del activo, en tiempo continuo, sigue un movimiento browniano, la
distribución de los posibles precios del mismo al final de un periodo de tiempo cualquiera es
log-normal, permitiendo que la variación del rendimiento del activo, producto de la variación
del precio, se distribuya de forma normal. Matemáticamente se tiene que la varianza de la
suma de n variables es igual a la suma de las varianzas de las mismas, siempre y cuando no
exista correlación entre las variables, de forma que:

𝜎 ⋯ = 𝜎 +𝜎 + ⋯+ 𝜎 (9)

11
1.3.2 Volatilidad Implícita

Se define como el valor de la volatilidad que iguala el precio de mercado de la opción al valor
teórico, calculado a partir de diferentes modelos como el modelo Black-Scholes o el modelo
binomial de Cox-Ross-Rubinstein. Así, conociendo el precio del activo y las variables que
determinan el precio, es posible obtener una única volatilidad despejando de la fórmula (2), -
página 9-.

𝐶 = 𝑐(𝑆, 𝑋, 𝑟, , 𝑇 − 𝑡) (10)

Ésta volatilidad hace referencia a la volatilidad futura que se pretende estimar. La volatilidad
implícita depende entonces de las expectativas que sobre el precio generen los flujos de
información del mercado. Para despejar la volatilidad implícita de la fórmula de valoración
deben implementarse métodos numéricos como bisección o Newton-Raphson, lo que dificulta
su estimación.

La volatilidad implícita se caracteriza por no ser constante para diferentes precios de ejercicio,
lo que implica que si el valor del subyacente, la tasa de interés y el tiempo están fijos a la
madurez, el precio de las opciones para diferentes precios de ejercicio debe reflejar un valor de
volatilidad uniforme de acuerdo al modelo BS, esto es, la volatilidad implícita difiere de los
supuestos básicos del modelo BS al ser no constante.

1.3.3 Volatilidad Estocástica

Se entiende la volatilidad estocástica como una variable aleatoria que describe la varianza del
proceso y que evoluciona en función del tiempo.

Para estudiar el comportamiento del precio de un activo financiero derivado en presencia de

volatilidad estocástica, se debe asumir que el valor del subyacente 𝑆 sigue un proceso de Itô
como el descrito en la ecuación (1), pero además se asume que la volatilidad del subyacente
sigue otro proceso de Itô:

𝑑𝑡 = 𝛼(𝑆, 𝜎, 𝑡)𝑑𝑡 + 𝛽(𝑆, 𝜎, 𝑡)𝑑𝑊 (11)

12
Teniendo en cuenta que el superíndice 2 se usa como distinción de los ruidos y no como
exponente, y donde𝑑𝑊 en la ecuación (1) y 𝑑𝑊 son procesos de Wiener estándar con
correlación  = 𝑑 = dW dW . La elección de las funciones 𝛼(𝑆, 𝜎, 𝑡)𝑑𝑡 y
𝛽 (𝑆, 𝜎, 𝑡)𝑑𝑊 depende del modelo que se considere.

Entre los modelos más conocidos para el desarrollo de la volatilidad estocástica se cuentan: el
modelo de Hull y White desarrollado en 1987 y el modelo de Heston en 1993.

 Modelo de Hull y White (1987): éste modelo de volatilidad estocástica plantea las
siguientes ecuaciones diferenciales estocásticas:

𝑑𝑆 = 𝜙𝑆𝑑𝑡 + √𝑉𝑆𝑑𝑤 (12)

𝑑𝑉 = μ𝑉𝑑𝑡 + 𝜉𝑉𝑑𝑧 (13)

Donde el parámetro𝜙 puede depender de 𝑆,  y 𝑡, por su parte, las variables μ y 𝜉 pueden

depender de  pero no supuestamente de 𝑆. Los procesos 𝑑𝑤 y 𝑑𝑧 son procesos de Wiener
con coeficiente de correlación . En éste modelo cabe la posibilidad de que la volatilidad no
esté perfectamente correlacionada con el precio del activo.

 Modelo de Heston (1993): se proponen procesos del tipo:

𝑑𝑆 = 𝜙𝑆𝑑𝑡 + 𝑆𝑑𝑤 (14)

𝑑𝑉 = 𝑘(𝜃 − 𝑉)𝑑𝑡 + √𝑉𝑑𝑤 (15)

Donde la correlación 𝑑𝑤 .𝑑𝑤 = dt y𝑘(𝜃 − 𝑉 )𝑑𝑡 es un proceso de reversión a la media y la

volatilidad en el proceso de precio es la raíz cuadrada del proceso V. Este modelo supone que
no hay correlación entre el activo y su volatilidad, dejando de lado importantes efectos
asimétricos que pueden existir entre ambas variables cuando están correlacionadas. El modelo
propuesto por Heston muestra que, al existir correlación entre ambas variables es posible
explicar los sesgos de precio de ejercicio generados por el modelo BS, permitiendo así,
obtener una solución analítica, de forma cerrada, para el valor de una opción sobre activos con
volatilidad estocástica.

13
La principal desventaja de la mayoría de modelos de volatilidad estocástica radica en la
dificultad de ser estimados por máxima verosimilitud y al ser complicado determinar la
función de densidad de 𝑉 , no es posible encontrar una solución analítica de forma cerrada,
haciéndose necesario el uso de técnicas numéricas como la simulación de Monte Carlo.

1.3.4 Volatilidad Econométrica

Cuando se afirma que la incertidumbre asociada al comportamiento de los rendimientos de un

activo financiero está asociada al tiempo, se habla de heteroscedasticidad, éste problema es
resuelto, en primera instancia, con el modelo ARCH (AutoregressiveConditional
Heteroskedasticity) que describe la predicción de la varianza en función de variables
observables actuales, propone el uso de medias ponderadas de los cuadrados de los errores de
predicción del pasado, es decir, una especie de varianza ponderada. Estas ponderaciones
pueden otorgarle mayor peso a las observaciones recientes y restarle importancia a las
observaciones más lejanas.

El avance propuesto por el modelo reside en la posibilidad de estimar las ponderaciones a

partir de datos históricos a pesar de no haber observado nunca la volatilidad real. El
procedimiento parte de calcular predicciones en cada día o en cada periodo, se examinan estas
predicciones para diferentes ponderaciones, así, se puede encontrar el conjunto de
ponderaciones que hacen que las predicciones sean tan cercanas como sea posible a la
varianza del siguiente rendimiento. Este procedimiento, basado en la máxima verosimilitud,
ofrece una solución sistemática al problema de estimar las ponderaciones óptimas. Una vez
determinadas las ponderaciones, este modelo dinámico de volatilidad variable en el tiempo
puede utilizarse para medir la volatilidad en cualquier periodo, así como para predecirla en el
futuro. Simbólicamente:
𝜎 =∑ 𝛼𝜎 (16),
Con ∑ 𝛼 = 1

Donde 𝜎 representa la volatilidad del activo n, 𝛼 ponderación i, 𝜎 observación pasada.

14
Es posible estimar y contrastar generalizaciones de distintos esquemas de ponderación. El
modelo usado con mayor frecuencia es el modelo GARCH (Generalized Autoregressive
Conditional Heteroskedasticity), éste modelo, en esencia, generaliza el modelo ARCH, que es
puramente autorregresivo, para lograr un modelo autorregresivo de medias móviles. Se
establece el supuesto de que las ponderaciones de los cuadrados de los residuos pasados
disminuyen geométricamente a una tasa que debe estimarse a partir de los datos.
Simbólicamente para un modelo GARCH (p,q):

𝑦 = 𝜀 .𝜎 (17)

𝜎 =𝜔+∑ 𝛼𝑦 +∑ 𝛽 𝜎 (18)

El modelo GARCH aborda desde su concepción el exceso de kurtosis y la volatilidad de las

series financieras, características que permiten una adecuada predicción de las varianzas y
covarianzas del retorno de los activos, gracias a la facilidad que aporta para modelar la
variación de las varianzas condicionales en el tiempo. El modelo permite medir la volatilidad
en cualquier periodo, así como predecirla en el futuro tanto cercano como lejano.

15
 Capítulo 2

Opciones Potencia

2.1 Definición

Una opción potencia, al igual que las opción estándar, es un contrato en el que una de las
partes adquiere el derecho, mas no la obligación de comprar (call) o vender (put) un
determinado activo a un determinado precio y en un determinado tiempo, la diferencia radica
en que en una opción potencia el pay-off depende de una potencia, de tal forma que el pago de
una opción potencia está dado por la diferencia entre el precio de un activo elevado a una
potencia y el precio de ejercicio. Es precisamente esta diferencia la que inscribe a la opción
potencia dentro de las opciones exóticas.

2.2 Fórmula de Valoración

Se busca calcular el valor de una opción call europea en la que el valor del activo subyacente,
elevado a una potencia i,se compara con el precio de ejercicio. El criterio para ejercer o no la
opción es el mismo planteado por el modelo Black and Scholes.

Partiendo del supuesto de que el activo subyacente sigue un movimiento geométrico

browniano se obtiene una fórmula para la valoración de opciones europeas sobre una potencia
del precio del activo subyacente. Como en las opciones potencia el pay-off depende del precio
del subyacente y del precio de ejercicio pero en potencia, se tiene:

𝑃𝑜𝑤 = (𝑆 − 𝐾) (19)

Con 𝛼 ϵ 𝑅 . El valor de la opción en t=0 es de la forma:

𝑃𝑜𝑤 = 𝑒 𝐸 [(𝑆 − 𝐾) ] (20)

16
Donde rf denota la tasa libre de riesgo, que se asume como constante y Q es la medida de
probabilidad riesgo neutral. Además el precio del activo𝑆 en el tiempo t sigue un movimiento
browniano, así:

= 𝑟𝑓𝑑 + 𝜎𝑑𝑊 (21)

Con el fin de determinar específicamente el valor de la opción en t=0 veamos que si hacemos
a 𝑑𝑆 = 𝑟𝑓𝑆 𝑑 + 𝜎𝑆 𝑑𝑊 y considerando la función f(x)=ln(x), la fórmula de Ito nos lleva a:

𝑑[ln(𝑆 )] = 𝑑𝑆 + (− )(𝑑𝑆 ) (22)

Por lo que,

𝑑[ln(𝑆 )] = [𝑟𝑓𝑆 𝑑 + 𝜎𝑆 𝑑𝑊 ] − (𝜎 𝑆 𝑑𝑡)

= 𝑟𝑓𝑑 + 𝜎𝑑𝑊 ] − 𝑑𝑡

= 𝑟𝑓 − 𝑑𝑡 + 𝜎𝑑𝑊 (23)

Y como 𝑑[ln(𝑆 )] = ln 𝑆 − ln(𝑆 ), entonces:

ln 𝑆 = ln(𝑆 ) + 𝑟𝑓 − 𝑑𝑡 + 𝜎𝑑𝑊 (24)

Tomando exponente:

𝑆 =𝑆𝑒 (25)

Considerando el incremento entre 0 y T, llegamos a:

𝑆 =𝑆 𝑒 (26)

De ésta ecuación tenemos entonces,

17
 𝑆 =𝑆 𝑒 (27)

Haciendo 𝑌 = − ~𝑁(0,1), entonces:

√

√
𝑆 =𝑆 𝑒 (28)

Usando las ecuaciones (27) y (28) se obtiene:

√
𝑃𝑜𝑤 = 𝑒 𝐸 {[𝑆 𝑒 ] } (29)

La variable aleatoria en ésta expresión es Y, la cual se considera normal estándar bajo la

medida de probabilidad riesgo neutral, Q, por lo que la expresión (29) se transforma en:

√
𝑃𝑜𝑤 = 𝑒 ∫ 𝑒 (𝑋 𝑒 − 𝐾) 𝑑𝑦 (30)
√

Donde X=𝑆 dato conocido.

Tenemos entonces que:

√
𝑋 𝑒 −𝐾 ≥0
√
𝑋 𝑒 ≥𝐾

√ 𝐾
𝑒 ≥
𝑋

𝛼 𝑟𝑓 − 𝑇 − 𝛼𝜎√𝑇𝑌 ≥ ln( )

−𝛼𝜎√𝑇𝑌 ≥ ln − 𝛼 𝑟𝑓 − 𝑇

18
 𝛼𝜎√𝑇𝑌 ≤ − ln + 𝛼 𝑟𝑓 − 𝑇

𝛼𝜎√𝑇𝑌 ≤ ln + 𝛼 𝑟𝑓 − 𝑇

𝑌≤ =𝑑 (31)
√

Así las cosas la integral presentada en la fórmula (30) se transforma en:

1 √
𝑃𝑜𝑤 = 𝑒 𝑒 (𝑋 𝑒 − 𝐾)𝑑𝑦
√2𝜋

𝑒 √ 𝑒
= 𝑒 𝑋 𝑒 𝑑𝑦 − 𝑒 𝐾𝑑𝑦
√2𝜋 √2𝜋

Por simplicidad denotaremos

𝑒 √
𝐴= 𝑒 𝑋 𝑒 𝑑𝑦
√2𝜋

𝑒
𝐵= 𝑒 𝐾𝑑𝑦
√2𝜋

Considerando B, tenemos:

1
𝐵=𝑒 𝐾 𝑒 𝑑𝑦
√2𝜋

19
 𝐵=𝑒 𝐾𝑁(𝑑 )
Considerando ahora A, tenemos:

𝑒 √ }
𝐴= 𝑒{ 𝑋 𝑒 𝑑𝑦
√2𝜋

1
=𝑋 𝑒 𝑒( 𝑒 𝑒 𝑒 √ )
𝑑𝑦
√2𝜋

1
=𝑋 𝑒 𝑒 𝑒( √ )
𝑑𝑦
√2𝜋

Sumo y resto 𝛼 𝜎 𝑇

1
= 𝑋 𝑒( )
𝑒( √ )
𝑑𝑦
√2𝜋

Obteniendo entonces:

1
= 𝑋 𝑒( )
𝑒{ √ }
𝑑𝑦
√2𝜋

1
= 𝑋 𝑒( )
𝑒{ √ ( )}
𝑑𝑦
√2𝜋

( ) 1
= 𝑋 𝑒( )
𝑒 𝑒{ √ }
𝑑𝑦
√2𝜋

20
Sustituyendo ahora 𝑣 = 𝑌 + 𝛼𝜎√𝑇, tenemos que 𝑑𝑣 = 𝑑𝑦 pasando la integral a:

( )
𝑥 𝑒 ∫ 𝑒 𝑑𝑣 (32)
√

Donde ∫ 𝑒 𝑑𝑣 = 𝑁(𝑑 + 𝛼𝜎√𝑇)

√

Ahora,

𝑑 + 𝛼𝜎√𝑇 = + 𝛼𝜎√𝑇
√

= =
√ √

( ) ( )
= =
√ √

ln + 𝛼(𝑟𝑓 + )𝑇
= + (𝛼 − 1)𝜎√𝑇
𝛼𝜎√𝑇

( )
Haciendo 𝑑 = , tenemos:
√

𝑑 + 𝛼𝜎√𝑇 = 𝑑 + (𝛼 − 1)𝜎√𝑇

Por lo que A es igual a:

( ) √
( )[ ] 1
𝐴=𝑥 𝑒 𝑒 𝑑𝑣
√2𝜋

( )[ ]
𝐴=𝑥 𝑒 𝑁[𝑑 + (𝛼 − 1)𝜎√𝑇]

21
Se puede concluir entonces que la prima de una opción potencia call es:

( )[ ]
𝑃𝑜𝑤 = 𝑆 𝑒 𝑁 𝑑 + (𝛼 − 1)𝜎√𝑇 − 𝑘𝑒 𝑁(𝑑 ) (33)

Dónde:

𝑑 = (34)
√

𝑑 = (35)
√

De éstas fórmulas de valoración se evidencia que la fórmula de Black and Scholes es un caso
particular en el cual 𝛼 = 1. De igual forma se observa que de los parámetros necesarios para
su cálculo la volatilidad, 𝜎, es el de mayor complejidad en su estimación, por ello se pretende
desarrollar una expresión analítica que permita estimar éste parámetro para éste tipo de
opciones.

22
 Capítulo 3

Fórmula de Volatilidad

3.1 Aproximación de Taylor

Una serie de Taylor es una representación de una función mediante una suma infinita de
términos, los cuales se calculan a partir de las derivadas de la función para un valor
determinado de la variable que se está derivando, es decir, un punto en particular sobre la
función. Formalmente se definen las series de Taylor como la siguiente serie de potencias
(para una función infinitamente diferenciable alrededor de a):

( ) ( ) ( )
𝑓 (𝑎) + (𝑥 − 𝑎) + (𝑥 − 𝑎) + (𝑥 − 𝑎) + ⋯
! ! !

Dado que el polinomio de Taylor puede definirse como un proceso iterativo de derivación de
funciones de variable real, de forma que se obtiene la segunda, tercera, y sucesivas derivadas
de una función, la existencia de la derivada n-ésima en un punto determinado da lugar a una
muy buena aproximación a la función.

Teorema: suponiendo a 𝑓 como una función para la cual existen 𝑓 , 𝑓 , … , 𝑓 ( )

, en un
entorno de a y existe además 𝑓 (𝑎), sea 𝑃 , (𝑥) el polinomio de Taylor de grado 𝑛 para la
función 𝑓 en el punto 𝑎, entonces:

( ) , ( )
lim =0
→ ( )

Resumiendo, se puede demostrar que si una función f tiene derivadas de orden n en x=a, existe
un único polinomio de grado menor o igual a n que coincide con f y sus primeras n derivadas
en x=a, quedando expresado así:

( )( )
∑ (𝑥 − 𝑎)
!

23
3.2 Deducción de la Expresión

Para comenzar consideramos la integral:

𝑁(𝑥 ) = ∫ 𝑒 𝑑𝑧 = ∫ 𝑒 𝑑𝑧 (36)
√ √

Aplicando la expansión de Taylor:

(−𝑧 ⁄2)
𝑒 =
𝑛!

Se obtiene entonces:

( ⁄ )
𝑁(𝑥 ) = ∫ ∑
!
𝑑𝑧 (37)
√

Agrupando se llega a:

( )
𝑁(𝑥 ) = ∫ ∑ 𝑑𝑧
√ !

Como la función converge e posible intercambiar la sumatoria y la integral:

( )
𝑁(𝑥) = ∑ ∫ 𝑑𝑧 (38)
√ !

Como estamos al frente de una integral impropia se desarrolla como tal:

( ) ( )
𝑁(𝑥) = ∑ lim ∫ !
𝑑𝑧 = ∑ lim !
∫ 𝑧 𝑑𝑧
√ → √ →

( )
𝑁(𝑥) = ∑ lim ! ( )
√ →

( )
𝑁(𝑥) = ∑ lim −
√ → !

( )
𝑁(𝑥) = ∑ lim −
√ ! →

( )
𝑁(𝑥) = ∑ − lim
√ ! →

24
 ( ) ( )
𝑁(𝑥 ) = ∑
!
− ∑
!
lim (39)
√ √ →

Puede afirmarse, dada la relación entre la fórmula y error y la función de distribución de la

normal, que:

( )
∑ lim = − (40)
√ ! →

Por lo que la ecuación quedaría así:

( )
𝑁(𝑥 ) = + ∑ ∗ (41)
√ !

Desarrollando la sumatoria:

𝑁(𝑥) = + 𝑥− + −⋯
√

En donde los términos + − ⋯ no se consideran por ser una aproximación de primer

orden, quedando así:

𝑁(𝑥) = + 𝑥 (42)
√

De la fórmula (35) de valoración de opción potencia que se dedujo en el capítulo anterior

tenemos que si 𝜀 = 𝜎√𝑇 y 𝑥 = 𝑒 𝑘, entonces:

( )
𝑃𝑜𝑤 = 𝑆 𝑒 + 𝑑 + (𝛼 − 1)𝜎√𝑇 − 𝑥[ + 𝑑 ]
√ √

( )
=𝑆 𝑒 + 𝑑 + (𝛼 − 1)𝜎√𝑇 − 𝑥[ + (𝑑 − 𝜎√𝑇)] (43)
√ √

Lo anterior debido a quepuede escribirse a 𝑑 en términos de 𝑑 , así:

Como 𝑑 + 𝛼𝜎√𝑇 = 𝑑 + (𝛼 − 1)𝜎√𝑇

25
Entonces 𝑑 + 𝛼𝜎√𝑇 = 𝑑 + 𝛼𝜎√𝑇 − 𝜎√𝑇

Por lo que eliminando la expresión 𝛼𝜎√𝑇 a ambos lados de la igualdad se obtiene:

𝑑 = 𝑑 − 𝜎√𝑇 (44)

Así las cosas, la fórmula de valoración de una opción potencia se convierte en:

( )
𝑃𝑜𝑤 = 𝑆 𝑒 + 𝑑 + (𝛼 − 1)𝜎√𝑇 − 𝑥[ + 𝑑 − 𝜎√𝑇] (45)
√ √

Reduciendo tenemos:

( ) ( )
𝑃𝑜𝑤 = 𝑆 𝑒 ( )
𝑒 + 𝑆 𝑒( )
𝑒 𝑑 + (𝛼 − 1)𝜎√𝑇 − 𝑥 −
√

𝑥 (𝑑 − 𝜎√𝑇)
√

1 ( ) 1 ( )
= [𝑆 𝑒 ( )
𝑒 − 𝑥] + [𝑆 𝑒 ( )
𝑒 − 𝑥]𝑑
2 √2𝜋
1 ( ) 1
+ 𝑆 𝑒( )
𝑒 [(𝛼 − 1)𝜎√𝑇] + 𝑥 𝜎√𝑇
√2𝜋 √2𝜋

( ) ( )
= [𝑆 𝑒 ( )
𝑒 − 𝑥] + [𝑆 𝑒 ( )
𝑒 − 𝑥]( )+
√ √

( )
[𝑆 𝑒 ( )
𝑒 (𝛼 − 1) + 𝑥]𝜀
√

Entonces:

( ) ( )
𝑃𝑜𝑤 = 𝑆 𝑒( )
𝑒 −𝑥 + 𝑆 𝑒( )
𝑒 −
√

( )
𝑥 + [𝑆 𝑒 ( )
𝑒 (𝛼 − 1 + 𝑥]𝜀 (46)
√

26
Usando expansiones de Taylor en ésta expresión y considerando solo la una aproximación de
orden 1 de la expresión exponencial, llegamos a:

( ) [ ( ) ]
𝑒 =∑ = 1 + 𝛼 (𝛼 − 1)𝜀 + ⋯
!

De lo anterior tenemos que:

𝑃𝑜𝑤 = 𝑆 𝑒( )
1 + 𝛼 (𝛼 − 1)𝜀 −𝑥 + 𝑆 𝑒( )
1 + 𝛼(𝛼 − 1)𝜀 −
√

𝑥 + 𝑆 𝑒( )
1 + 𝛼(𝛼 − 1)𝜀 (𝛼 − 1) + 𝑥 𝜀
√

Si hacemos 𝑃𝑜𝑤 = 𝐶, y multiplicamos a ambos lados por la expresión 2√2𝜋𝛼𝜀, llegamos a:

2√2𝜋𝛼𝜀𝐶 = 𝑆 𝑒 ( )
√2𝜋𝛼𝜀 1 + 𝛼 (𝛼 − 1)𝜀 −𝑥 +2 1 + 𝛼(𝛼 − 1)𝜀 −

𝑥 ln + 𝛼𝑟𝑓𝑇 + 𝜀 + 2𝛼𝜀 [ 1 + 𝛼(𝛼 − 1)𝜀 (𝛼 − 1) + 𝑥]}

Resolviendo:

√
2√2𝜋𝛼𝜀𝐶 = 𝑆 𝑒 ( )
{√2𝜋𝛼𝜀 + 𝛼 (𝛼 − 1)𝜀 − 𝑥√2𝜋𝛼𝜀 + 1 + 𝛼(𝛼 − 1)𝜀 −

𝑥 2 ln + 2𝛼𝑟𝑓𝑇 + 𝛼𝜀 + 2𝛼𝜀 1 + 𝛼(𝛼 − 1)𝜀 (𝛼 − 1) + 2𝛼𝜀 𝑥}

√
2√2𝜋𝛼𝜀𝐶 = 𝑆 𝑒 ( )
{√2𝜋𝛼𝜀 + 𝛼 (𝛼 − 1)𝜀 − 𝑥√2𝜋𝛼𝜀 + 1 + 𝛼(𝛼 −

1)𝜀 2 ln + 1 + 𝛼 (𝛼 − 1)𝜀 2𝛼𝑟𝑓𝑇 + 1 + 𝛼(𝛼 − 1)𝜀 𝛼𝜀 − 𝑥2 ln −

𝑥2𝛼𝑟𝑓𝑇 − 𝑥𝛼𝜀 + 2𝛼𝜀 [ 1 + 𝛼(𝛼 − 1)𝜀 (𝛼 − 1)] + 2𝛼𝜀 𝑥}

Simplificando:

2√2𝜋𝛼𝜀𝐶 = 𝑆 𝑒 ( )
{√2𝜋𝛼𝜀 + 2 ln + 2𝑟𝑓𝑇 + 𝛼𝜀 + 2𝛼(𝛼 − 1)𝜀 + 𝛼(𝛼 −

1) ln 𝜀 + 𝛼(𝛼 − 1)𝑟𝑓𝑇𝛼𝜀 − 𝑥[√2𝜋𝛼𝜀 + 2 ln + 2𝑟𝑓𝑇𝛼 − 𝛼𝜀 ] (47)

27
Puede escribirse ésta última expresión como una ecuación cuadrática en 𝜀 tal que:

( ) ( )
𝑆 2𝛼 − 1 + 𝛼 (𝛼 − 1) ln + 𝑟𝑓𝑇 + 𝑥 𝜀 + √2𝜋 𝑆 −𝑥−

( )
2𝐶 𝜀 + 2 ln + 𝑟𝑓𝑇 𝑆 −𝑥 =0 (48)

( )
Si hacemos𝐹 = 𝑆 tenemos que el primer término de la ecuación (48) es:

2𝛼 − 1 + 𝛼(𝛼 − 1) ln + 𝑟𝑓𝑇 = 2(𝛼 − 1) + (𝛼 − 1) ln =𝑤

Quedando entonces la ecuación (48) así:

𝑆 𝐹
2𝛼 − 1 + 𝛼 (𝛼 − 1) ln + 𝑟𝑓𝑇 = 2𝛼 − 1 + (𝛼 − 1) ln =𝑊
𝑘 𝑥

Por lo que la totalidad de la ecuación (48) quedaría así:

(𝐹𝑊 + 𝑥 )𝜀 + √2𝜋[(𝐹 − 𝑥) − 2𝐶 ]𝜀 + 2 ln (𝐹 − 𝑥) = 0 (49)

Ahora, definiendo a, b y c como sigue:

𝑎 = (𝐹𝑊 + 𝑥)

𝑏 = √2𝜋[(𝐹 − 𝑥 ) − 2𝐶 ]

𝑐 = 2[ ln ](𝐹 − 𝑥)

Se tiene una expresión similar a la ecuación general:

√
𝜀=

Lo anterior si 𝐹𝑊 + 𝑥 > 0.

Como tenemos que 2[ ln ](𝐹 − 𝑥) ≥ 0, entonces desarrollamos la ecuación general como

sigue:

28
 −√2𝜋[(𝐹 − 𝑥) − 2𝐶] 2𝜋[(𝐹 − 𝑥) − 2𝐶] − 4(𝐹𝑊 + 𝑥)[2 ln ](𝐹 − 𝑥)

+ 2 1 𝐹
= −√2𝜋[(𝐹 − 𝑥) − 2𝐶] − 2𝜋[(𝐹 − 𝑥) − 2𝐶] − 8(𝐹𝑊 + 𝑥)[𝛼 ln 𝑥
](𝐹 − 𝑥)

Obtenemos entonces que:

√ [( ) ] √∆
𝜀 = 𝜎√𝑇 = ( )
(50)

En donde el término ∆ se entiende como:

∆= 2𝜋[𝐹 − 𝑥 − 2𝐶 ] − 8[𝐹𝑊 + 𝑥 ] 𝑙𝑛 (𝐹 − 𝑥 ) (51)

Se deriva entonces una fórmula para estimar la volatilidad de una opción potencia, quedando
así:

√ [( ) ] √∆
𝜎= (52)
√ ( )

29
 Capítulo 4

Implementación en MATLAB

4.1 Simulación de datos y Código

Cabe aclarar que para el contraste y análisis de los datos arrojados por la simulación, se usará
como métrica la distancia en valor absoluto entre el valor real y el valor calculado por la
fórmula que se dedujo en el capítulo anterior.

Código

Para poner en práctica la fórmula de estimación inferida es necesario seguir los siguientes
pasos:

1. Ingresar los datos requeridos por el programa: 𝑆 ,𝑘, 𝑟𝑓, 𝑇,𝜎 y 𝛼.

2. Encontrar 𝜎 usando la ecuación (52)
√ [( ) ] √∆
𝜎= .
√ ( )

3. Métrica para Comparación de datos

𝑀 = |𝜎 − 𝜎|

Los datos de partida son 𝑆 = 1, 𝑟𝑓 = 5%, 𝑇 = 1y 𝜎 = 15%. En la tabla 1 se encuentran las

estimaciones de 𝜎, para diferentes valores de 𝛼 y 𝑘. La idea de estimar la volatilidad con
diferentes valores de 𝑘 es determinar la precisión en la estimación de la ecuación
implementada para opciones potencia europea que se encuentren in the money (k=0.99), at the
money (k=1) y out the money (k=1.01), a partir de la diferencia en valor absoluto entre el
valor real y el valor estimado. Con respecto a 𝛼, se toman valores superiores a 1 en el

30
entendido de que la opción potencia por definición busca otorgar una prima superior a las que
ofrecen las opciones call europeas tradicionales y sabiendo que con un 𝛼 = 1 la fórmula de
valoración call potencia europea derivada en el capítulo 2 equivale a la fórmula del modelo
Black and Scholes, por lo que se entiende que la opción potencia se vuelve atractiva para el
inversionista cuando 𝛼 > 1.

Tabla 1 : Estimación de la volatilidad implícita de una opción call potencia europea

𝛼
K
1 1.2 1.4 1.6 1.8 2
0.99 13,50% 13.88% 14.23% 14.56% 14.89% 15.22%
1 σ 14.03% 14.30% 14.57% 14.85% 15.15% 15.44%
1.01 14.40% 14.61% 14.85% 15.10% 15.36% 15.64%

En la tabla 1 se reúnen las estimaciones de la volatilidad para cada valor de K y 𝛼, esto es la

volatilidad estimada en cada strike y para las diferentes potencias. Partiendo de una
volatilidad real del 15% para el cálculo de la prima, se observa que las estimaciones arrojan
valores bastante cercanos, lo que confirma la métrica designada para el contraste y análisis de
los datos la diferencia en valor absoluto entre el valor real de la volatilidad de la opción call
potencia europea y el valor estimado por la fórmula 52 (tabla 2).

Tabla 3 : Métrica
A
K
1 1.2 1.4 1.6 1.8 2
0.9 0,015 0,0112 0,0077 0,0044 0,0011 0,0022
1 0,0097 0,007 0,0043 0,0015 0,0015 0,0044
1.01 0,006 0,0039 0,0015 0,001 0,0036 0,0064
Valor absoluto de la diferencia entre el valor real y el
valor estimado

4.2 Conclusiones

Una vez implementadas las fórmulas derivadas en el documento y basados en el cálculo de los
intervalos de confianza y los resultados presentados, se evidencia la precisión de las mismas al
estimar la volatilidad, sabiendo que el punto de partida en la simulación es una volatilidad real
del 15%. Estando la opción call potencia europea tanto at the money como in the money y out

31
the Money los resultados de la volatilidad estimada, 𝜎, son bastante cercanos al valor
predeterminado y se encuentran dentro del intervalo de confianza para cada uno de los valores
de K. Comparado con el documento de Liu, J y che, X (2012), los resultados obtenidos por las
fórmulas acá implementadas, son más cercanos al valor real, según la métrica usada.

La fórmula implementada para la estimación de la volatilidad de opciones call potencia

europeas, ha mostrado arrojar datos certeros que permiten deducir que con confianza se puede
usar para el cálculo su precio. La facilidad en la comprensión y aplicación de las fórmulas
deducidas en éste trabajo al igual que la rapidez con que se pueden calcular los datos
requeridos en software como Matlab, permiten asegurar al inversionista que tendrá acceso a
información confiable y veloz para la toma de decisiones en sus jornadas de negociación.
Siendo éste último punto el de mayor relevancia pues como se expuso desde la justificación,
los agentes del mercado financiero actual requieren de información rápida y certera que les
permita tomar óptimas decisiones.

Lo anterior aplicado a un producto innovador y atractivo como lo son las opciones potencia,
permite dar un paso más en el desarrollo del mercado de derivados cuyos instrumentos
permiten la cobertura de riesgo y la especulación.

32
Bibliografía

 Asobancaria. (2013). Evolución y retos del Mercado de Derivados en Colombia.

Semana Económica. 2 de diciembre.
 Chambers, D., Nawalkha, S. (2001).An Improved Approach to Computing Implied
Volatility. The Financial Review 38, 89-100.

 Chance, D. M. (1996). A Generalized Simple Formula to Compute the Implied

Volatility. The Financial Review. Vol 31. No 4, 859-867.

 Hull, J. (2009). Introducción a los Mercados de Futuros y Opciones. Ed. Prentince

Hall. Madrid.

 Li, S. (2012). A New Formula for Computing Implied Volatility. School of

economics and finance, Queensland University of Technology. Brisbane, QLD 4001,
Australia.

 Liu J, Chen, X. (2012). Implied volatility formula of European Power Option Pricing.
School of Mathematics and System Sciences, Beihang University, LMIB of the
Ministry of Education, Beijing, 100191, P.R China.

 Lorenzo, R. M. (1996). Volatilidad: Modelización en la Valoración de Opciones y

Estimadores. Investigaciones Europeas de Dirección y Desarrollo de la Empresa. Vol
2, N 1, 59-83.

 Venegas. Francisco. (2006). Riesgos Financieros y Económicos, productos derivados

y decisiones económicas bajo incertidumbre. Editorial Thomson.

 Yang, S, Lee, J. (2011). Predicting a distribution of implied volatilities for option

pricing. Expert Systems with applications 38. 1702-1708.

33