PROCESOS HURST Y MOVIMIENTO BROWNIANO FRACCIONAL EN MERCADOS FRACTALES: VALUACIN Y APLICACIONES A LOS DERIVADOS Y FINANZAS

TRABAJO PRESENTADO POR

Guillermo Sierra Jurez Instituto Tecnolgico de Estudios Superiores de Monterrey Campus Ciudad de Mxico

R esu m en
El supuesto de independencia en la denici n del proceso estoc stico conocido como o a movimiento browniano y que es utilizado en la deducciones, modelaciones y resultados de nanzas tales como: la ecuaci n del Modelo Black-Scholes, la valuaci n de derivados, o o la curva de estructura de plazos, es cuestionado en el presente trabajo. La aplicaci n o de la metodolog (R/S) , proveniente de la teor de fractales, para la determinaci n de a a o coeciente Hurst(que mide el grado de independencia de una serie) , revelan para algunas variables y volatilidades representativas del mercado de M xico y Estados Unidos un e comportamiento m s bien de memoria larga. a El movimiento browniano fraccional (MBF) es un proceso m s general, que como un a caso particular contempla variables con caracter sticas de independencia y descritas con movimientos brownianos tradicionales. A partir de este nuevo proceso estoc stico y con a el uso de bases matem ticas m s generales constru a a das desde un espacio de Hilbert se van recuperando ideas, conceptos y t cnicas de las nanzas del mercado Black-Scholes e como son: las probabilidades condicionadas, las martingalas y el lema generalizado de It^ . o Con estas herramientas se deduce una forma m s general de valuaci n de derivados y la a o ecuaci n Black-Scholes, as como la ecuaci n general de bonos y la estructura de plazos o o del modelo de tasas de Vasicek, que tendr n una mayor utilidad en los casos de variables a con comportamientos de persistencia. Esta generalizaci n se extiende al m todo H-J-B para la determinaci n consumo ptimo o e o o en un proceso browniano fraccional, en donde adem s del activo subyacente, tambi n a e se modela la volatilidad con un segundo proceso browniano fraccional independiente del primero. Al nal se deduce una ecuaci n Black-Scholes generalizada para un derivado cuyo o subyacente y su volatilidad son modelados por MBF. En la parte nal se revisa la variaci n en la volatilidad implicita de una variable del mercado o mexicano con respecto a sus caracter sticas de persistencia.

In d ice

In d ice
Portada RESUMEN INDICE TABLAS Y GRAFICAS INTRODUCCION PA R T E I CAPITULO 1 11 1 2 5 7

Mercados Fractales contra Mercados Tradicionales 1.1 Fractales

1.1.1 Antecedentes 1.1.2 Fractales 1.2 An lisis de Mercados a 1.2.1 Teor Tradicional del mercado de capitales a 1.2.2 Revisi n de Mercados o 1.2.3 Hip tesis de Mercados Fractales o 1.3 1.4 Comportamiento de Variables Financieras de M xico y Estados Unidos e Estad stica Fractal contra Browniano Fraccional 25

CAPITULO 2 Procesos de Hurst 2.1

Coeciente o Exponente Hurst

2.1.1 Antecedentes del Proceso Hurst 2.1.2 Rango Reescalado (R/S) 2.1.3 Valores del Coeciente Hurst 2.1.4 Ciclos Peri dicos y No Peri dicos o o 2.1.5 El Color del Ruido y la Dimensi n fractal o 2.2 Determinaci n del Coeciente Hurst o 2.2.1 Metodolog a 2.2.2 Prueba de Signicancia del coeciente Hurst 2.2.3 Coeciente Hurst en el Mercado de M xico y Estados Unidos e 2

In d ice CAPITULO 3 37

Antecedentes Matem ticos del Movimiento Browniano Fraccional a 3.1 Movimiento Browniano y Movimiento Browniano Fraccional

3.1.1 Movimiento Browniano y C lculo de It^ a o 3.1.2 Movimiento Browniano Fraccional 3.2 Antecedentes Matem ticos a

3.2.1 Revisi n del Espacio de Hilbert y M trica o e 3.2.2 Principales Lemas y Teoremas 3.2.3 Producto Wick 3.2.4 Movimiento Geom trico Browniano Fraccional e 3.2.5 F rmula Fraccional de It^ o o 3.2.6 Derivadas Fraccionales 3.2.7 Teorema de Girsanov 3.2.8 Teorema de Expansi n de Caos Wiener-Ito en t rmios de Int.It. o e 3.3 Expectativas Cuasicondicionales

3.3.1 Deniciones 3.3.2 Teorema Fraccional Clarck-Ocone 3.3.3 Principales Resultados P A R T E II CAPITULO 4 50

Ecuaci n Black-Scholes Fraccional o 4.1 Mercados de Movimiento Browniano y Browniano Fraccional

4.1.1 Ecuaci n Black-Scholes Tradicional o 4.1.2 Precio de una Opci n Call Europea en un Mercado Browniano Fraccional o 4.1.3 Ecuaci n de Black-Scholes Fraccional o 4.2 Aplicaci n a la Valuaci n de Opciones Call Europeas o o

4.2.1 Resultados del Mercado de M xico y de Estados Unidos e

In d ice CAPITULO 5 61 Modelo de Tasa con Movimiento Browniano Fraccional 5.1 Modelo de Tasas Vasicek con Movimiento Browniano Fraccional 5.1.1 Modelo de Tasas Vasicek con Movimiento Browniano 5.1.2 Modelo de Tasas Vasicek con Movimiento Browniano Fraccional 5.2 Aplicaci n del Modelo de Tasas Vasicek con MBF al caso de tasas en M xico o e 5.2.1 Determinaci n de los par metros del Modelo de Tasas Vasicek con MBF o a 5.2.2 Resultados del Modelo de Tasas Vasicek con MBF CAPITULO 6 68 M todo Hamilton-Jacobi-Bellman (H-J-B) en Mercado Brownianos Fraccionales e 6.1 M todo H-J-B con MBF e 6.1.1 Planteamiento del Problema del Consumidor Est castico con MBF o 6.1.2 Soluci n al Problema del Consumidor Estoc stico o a 6.2 M todo H-J-B con MBF y Volatilidad Estoc stica e a 6.2.1 Volatilidad Estoc stica en los Mercados a 6.2.2 Planteamiento del Prob. del Consumidor con Volatilidad Estoc stica con MBF a 6.2.3 Soluci n del Prob. del Consumidor con Volatilidad Estoc stica con MBF o a CAPITULO 7 83 Volatilidad Implicita, una aplicaci n al Mercado Mexicano o 7.1 Revisi n del Concepto de Volatilidad o 7.1.1 Modelos de Volatilidad 7.1.2 Modelo de Volatilidad Impl cita 7.2 Indice de Volatilidad de M xico (VIMEX) e 7.2.1 Antecedentes 7.2.2 Metodologia VIMEX 7.2.3 Estimaci n del o ndice VIMEX considerando la persistencia CONCLUSIONES BIBLOGRAFIA APENDICES(A,B,C) 90 92 94

T a bla s y G r ca s a

T a b la s y G r ca s a
T a b la s Tabla Tabla Tabla Tabla Tabla Tabla Tabla 1.1 2.1 2.2 4.1 5.1 6.1 7.1 Resumen estad stico de variables de mercado Resultados de H para IPC,TDC, DJI, TDCUS Resultados de H para periodos distintos Param tros para estimaci n de opciones call e o Param tros para estimaci n de la tasa Vasicek e o Resultados de H para las volatilidades de las variables Param tros para estimaci n de opciones call e o

G r c a s a Gr ca a Gr ca a Gr ca a Gr ca a Gr ca a Gr ca a Gr ca a Gr ca a Gr ca a Gr ca a Gr ca a Gr ca a Gr ca a Gr ca a Gr ca a Gr ca a Gr ca a Gr ca a Gr ca a Gr ca a Gr ca a Gr ca a 1.0 a) Conjuntos de Cantor y Von Koch 1.0 b) Conj untos de Julia y Mandelbroit 1.1 Serie IPC (1990-2006) 1.2 Rendimiento diario del IPC (1990-2006) 1.3 Serie TDC (Peso-D lar) (1992-2006) o 1.4 Rendimiento diario del TDC(1992-2006) 1.5 Serie DJI (1999-2006) 1.6 Rendimiento diario del DJI(1992-2006) 1.7 Serie TDCUS(D lar-Euro) (2001-2006) o 1.8 Rendimiento diario del TDCUS(D lar-Euro) (1992-2006) o 1.9 Relaci n Proceso de Levy, Procesos Autosimilares y Gaussianos o 2.0a) Formaci n de grupos de la metodolog (R/S) o a 2.0b) Metodologia (R/S) en el caso de hidrolog a 2.1 Estad stico ln(R/S) del IPC y DJI vs ln(n) 2.2 Estad stico Vn del IPC y DJI vs ln(n) 2.3 Estad stico ln(R/S) del TDC y TDCUS vs ln(n) 2.4 Estad stico Vn del TDC y TDCUS vs ln(n) 4.1 Precios de opciones call del IPC para diferentes H 4.2 Precios de opciones call del DJI para diferentes H 4.3 Precios de opciones call del TDC para diferentes H 4.4 Precios de opciones call del TDCUS para diferentes H 5.1 Comparativo Estructura de Plazos Vasicek(H = 0.0005) 5

T a bla s y G r ca s a Gr ca a Gr ca a Gr ca a Gr ca a Gr ca a Gr ca a Gr ca a Gr ca a Gr ca a Gr ca a Gr ca a 5.2 6.1 6.2 6.3 6.4 6.5 6.6 6.7 7.1 7.2 7.3 Comparativo Estructura de Plazos Vasicek(H = 0.005) Volatilidad anual del IPC(2000-2006) Volatilidad anual del DJI(1999-2006) Volatilidad anual del TDC(1999-2006) Volatilidad anual del TDCUS(1999-2006) Estad stico ln(R/S) de Volatilidad del IPC y DJI vs ln(n) Estad stico ln(R/S) de Volatilidad del TDC vs ln(n) Estad stico ln(R/S) de Volatilidad del TDCUS vs ln(n) Volatilidad Impl cita del TDC Volatilidad Impl cita del IPC Indice VIMEX de la Volatilidad Impl cita

In trod u cci n o

In tro d u cci n o
El movimiento browniano y el c lculo de It^ son las bases matematicas sobre las que a o se han constru varios de los conceptos y resultados de las Finanzas y la Administraci n do o de Riesgos actuales. El modelo de Black-Scholes, la valuaci n de derivados, la estimaci n o o de curvas de tasas de inter s y la medici n de los diferentes tipos de riegos han sido e o desarrollados con la ayuda de estos procesos matem ticos y baj o ciertos supuestos sobre a las caracter sticas de las variables nancieras y los mercados. Sin embargo, con el paso de tiempo se ha encontrado y conrmado que algunos de los supuestos nancieros y/o matem ticos no se aj ustan a la realidad, por lo que se requiere a cada vez de teor m s generales que expliquen estas diferencias y que incluyan como as a casos particulares a las ya existentes. Un ej emplo que se puede mencionar, es sobre el supuesto del comportamiento gaussiano de los rendimientos de instrumentos nancieros. Una modelaci n con una distribuci n de tipo normal, debido a sus caracter o o sticas, simplica la valuaci n de derivados. Sin embargo, en un an lisis de rendimientos de las series reales, o a algunas distribuciones de variables presentan sesgos, mayor curtosis en sus valores centrales o bien colas anchas, e incluso pueden tener distribuciones diferentes de la normal. Por lo tanto, cada vez se busca utilizar funciones m s generales como pueden ser las de L vy o bien a e la teor de valores extremos para realizar mej ores valuaciones. De la misma manera, en a forma m s general, se siguen proponiendo la utilizaci n de distintos procesos estoc sticos a o a o teor as, como la de fractales, para buscar una mej or explicaci n al comportamiento de o ciertos fen menos nancieros. o Uno de los primeros temas en el presente trabaj o esta relacionado con los fractales. En la literatura sobre el tema de fractales adem s de los art a culos seminales de Hurst[11] con su estudio de hidrolog y su metodolog Rango Reescalado (R/S) para la determinaci n a a o del coeciente del mismo nombre y de los art culos cl sicos de Mandelbrot[15] y [16] , a considerado padre de la geometr fractal. Los libros de Peters[24] y [25] son para el pesente a trabajo una referencia fundamental sobre las ideas, t cnicas y conceptos de los mercados e fractales. Su obra resume el estado del arte actual de las teor de fractales y caos y su as relaci n con los mercados nancieros. De forma sencilla aplica estos conceptos matem ticos o a al an lisis de los mercados principalmente de Estados Unidos. Tambi n describe el art a e culo el trabaj o de McCulloch [17] y [18] sobre la estad stica fractal y en particular la evaluaci n o de opciones con funciones m s generales como son las de Levy ( tambi n es recomendable a e consultar al autor original) . Por otra parte, se debe mencionar el trabaj o de Palomas Molina [23] dentro de los primeros antecedentes sobre la aplicaci n del m todo (R/S) para o e la determinaci n del coeciente Hurst para el caso de variables nancieras de M xico. o e Sobre el tema del movimiento browniano fracciona (MBF) los primeros intentos de recuperar algunas propiedades basicas, como la de no arbitraj e, cuando se trabaja con el movimiento browniano fraccional fueron hechos por de Dai and Hayde[3] y Lin[14] . Debido a que los esfuerzos en esta direcci n no pudieron eliminar la presencia de arbitraj e, surgui o o 7

In trod u cci n o la construcci n de una nueva integral a partir del producto Wick y fueron analizadas entre o otros por Desagupta [4] [5] y Shryaveev[27] . Una vez resuelta esta propiedad para procesos brownianos fraccionales con el nuevo formalismo, quienes han tal vez publicado la mayor cantidad de material sobre el movimiento browniano fraccional y su aplicaci n en las Fio nanzas son Oksendal[22] y Hu[8] , adem s de Duncan y Pasik-Duncan[6] . Estos trabaj os a se inician desde la denici n de la m trica de un espacio de Hilbert y van recuperando o e varias de las t cnicas matem ticas que el modelo Black-Scholes tradicional utiliza, adem s e a a mediante el uso del producto Wick, las derivadas Malliavin y las integrales Skorohod es posible generalizar entre otros,el teorema de Girsanov, las esperanzas condicionales y lema de It^ para su posterior aplicaci n en las nanzas. Los art o o culos de Necula[20] [21] presentan una perspectiva diferente de los estudios de Oksendal y Hu y en forma practica presentan una deducci n de la ecuaci n Black-Scholes a partir de movimientos browniano o o fraccionales. En otro trabaj o relacionado, Rosek[26] tambi n presenta una de deducci n e o alternativa del lema de It^ para el caso fraccional. Por u ltimo los trabaj os de Giovanni Vaso concelos[29] presentan un resumen importante el paso de los modelos brownianos cl sicos a a los brownianos fraccionales y sus implicaciones en los supuestos y resultados. El principal ob j etivo del presente trabaj o de tesis es la generalizaci n de tres resultados o fundamentales de nanzas: la valuaci n de opciones call europeas, la estructura de plazos o con el modelo Vasicek y el planteamiento y soluci n ptima de consumo y cartera del o o problema del consumidor estoc stico y la aplicaci n de los resultados al problema de a o la volatilidad est castica. Estas generalizaciones se construyen con la propuesta de un o proceso estoc stico conocido como movimiento browniano fraccional que a diferencia del a movimiento browniano tradicional incorpora en los modelos las caracter sticas de independencia o dependencia propias de las series nancieras analizadas y con pr cticamente los a mismos supuestos nancieros de los modelos desarrollados con el movimiento browniano tradicional. Para la aplicaci n del movimiento browniano fraccional en los problemas mencionados o anteriormente es necesaria tambi n la generalizaci n de la herramienta matem tica y la e o a reproducci n de los principales resultados del mundo de Black-Scholes, est revisi n es o a o realizada en el capitulo 3. Por otro lado, de manera simult nea a los resultados obtenidos del movimiento browniano a fraccional se hace necesaria una metodolog para la estimaci n del coeciente Hurst (H ) a o que valuar la independencia o dependencia de una serie y la distinguir como una serie a a fractal. Para el c lculo de este coeciente se aplica la metodolog Rango Reescalado a a (R/S) propuesta por el mismo Hurst. En el capitulo 2 se hace una descripci n amplia del o coeciente Hurst y la metodolog a(R/S) . Un segundo ob j etivo del trabaj o es la aplicaci n de la metodolog de Hurst a los resultados o as obtenidos de las ecuaciones Black-Scholes fraccional y general de los bonos con variables nancieras representativas de M xico y Estados Unidos con el n de comparar valuaciones e de opciones y curvas de inter s obtenidas a partir del movimiento browniano tradicional y e fraccional. 8

In trod u cci n o La hip tesis de investigaci n que el trabaj o propone es que el supuesto de independencia o o de las variables nancieras del mundo Black-Scholes es un supuesto te rico y no es neceo sariamente se cumple en la realidad. La aplicaci n de la metodolog (R/S) para el calculo o a del exponente Hurst a las variables nancieras (y sus volatilidades) de M xico y Estados e Unidos muestran en la mayor de los casos caracter a sticas de persistencia o memoria larga. Debido a que varias series nancieras no cumplen el supuesto de independencia se vuelve necesaria buscar una teor m s general que incorpore esta posibilidad y se reproduzca en a a algunos de los resultados de nanzas. A continuaci n se presenta un breve resumen de los temas analizados en cada uno de los o cap tulos. El cap tulo 1 es una introducci n al tema de fractales y su relaci n con los mercados o o nancieros. Se revisa la teor tradicional de mercados y se contrasta la hip tesis de a o mercados ecientes con la hip tesis de mercados fractales. Este planteamiento inicial sirve o de introducci n al desarrollo del coeciente Hurst del cap o tulo siguiente. En la parte nal se muestra cualitativamente el comportamiento de los rendimientos de variables nancieras del mercado en M xico y Estados Unidos que se analizaran a lo largo del trabaj o, cuyo e obj etivo es mostrar que el comportamiento de las variables nancieras reales en ocasiones no concuerda con los supuestos te ricos. o El cap tulo 2 est dedicado al or a gen y descripci n de la metodolog (R/S) y del c lculo o a a del coeciente Hurst que entre otras funciones nos sirve para determinar las caracter sticas de independencia de una serie y distinguir series de tiempo y series fractales. Se aplica la metodolog (R/S) al caso de variables nancieras reales consideradas como representatia vas de los mercados de M xico y Estados Unidos como son: el Tipo de Cambio peso-d lar e o (TDC) , el Indice de Precios y Cotizaciones de la bolsa mexicana de valores (IPC) ,el Indice Dow Jones Industrial(DJI) y Tipo de Cambio D lar-Euro (TDCUS) con el ob j etivo de o determinar si estas series tienen propiedades de independencia, persistencia o antipersistencia y adem s se hace una prueba de signicancia. El siguiente paso consiste en construir a una ecuaci n Black-Scholes m s general que reej e el comportamiento de independencia o o a no de las series. En el cap tulo posterior se colocan las bases para la construcci n de esta o ecuaci n. o En el cap tulo 3 se establece la base matem tica para la construcci n del movimiento browa o niano fraccional y las caracter sticas del nuevo proceso. A partir de un espacio m s general a como el de Hilbert, se construye el producto Wick, las derivadas Malliavian, las probabilidades cuasicondicionales, as como lemas, teoremas y resultados de mayor importancia. Este cap tulo sirve de antedente t cnico al siguiente. e En el cap tulo 4 se realiza la deducci n de la ecuaci n de Black-Scholes Fraccional y se o o determina el precio de una opci n call europea, considerando un activo subyacente descrito o por un movimiento browniano fraccional(MBF) . Esta nueva valuaci n de opciones se aplica o al caso de las variables IPC,DJI,TDC y TDCUS con sus caracter sticas de persistencia y 9

In trod u cci n o se compara con la valuaci n tradicional Black-Scholes que si considera el supuesto de ino dependencia. La nalidad es comparar la valuaci n de opciones con efectos de persistencia o con las valuaciones tradicionales. El cap tulo 5 es otro caso de generalizaci n que deduce la ecuaci n general de los bonos o o y la estructura de plazos para un modelo Vasicek considerando como t rmino estoc stico e a un movimiento browniano fraccional. Se hace un comparativo entre las tasas resultantes considerando el proceso estoc stico tradicional y el propuesto. a En el cap tulo 6 se busca generalizar el m todo H-J-B del consumidor estoc stico cone a siderando el movimiento browniano fraccional y las esperanzas cuasicondicionales del cap tulo 3. Despu s de resolver el sistema, se determinan el consumo y las inversiones o ptimas y se e recupera la ecuaci n Black-Scholes fraccional. De la misma forma que los subyacentes de o ndices y tipo de cambio se modelan con un MBF, aplicando la metodolog de Hurst del a cap tulo 2 a la volatilidad de las variables nancieras (IPC, DJI, TDC y TDCUS) se puede obtener la j usticaci n de proponer una volatilidad tambi n como un MBF. El problema o e se resuelve aplicando tambi n H-J-B y se llega a plantear un ecuaci n y una propuesta de e o soluci n para Black-Scholes con volatilidad estoc stica. o a Finalmente en el u ltimo cap tulo utilizando resultados de secciones anteriores se busca una aplicaci n muy concreta de la teor con la informaci n real del mercado mexicano a trav s o a o e del concepto de la volatilidad impl cita y del ndice VIMEX. Al nal lo que se expone es un comparativo del comportamineto de la volatilidad implicita considerando los efectos de la persistencia incluidos en el coeciente Hurst. Al nal se presenta las conclusiones que se consideran m s importantes de este trabaj o. a De manera simplicada se puede pensar que el trabaj o esta dividido en dos partes, la primera de ellas esta integrada por los primeros tres cap tulos en donde se proporcionan los elementos y el marco de trabaj o. En estos cap tulos son analizados el comportamiento de los mercados, las metodolog de independencia y las bases y herramientas matem ticas as a necesarios para las aplicaciones de nzanzas. En la segunda parte, en los cuatro u ltimos cap tulos se mencionan las principales aportaciones de la tesis. En el cap tulo 4 la primera aportaci n es el comparativo entre las o valuaciones de opciones europeas resultado de la aplicaci n de la ecuaci n Black-Scholes o o Fraccional con los resultados del coecientes Hurst obtenidos del capitulo 2. En el Cap tulo 5 la deducci n de la ecuaciones general de los bonos, su estructura de plazos, su comparativo o y su conclusi n es una contribuci n del presente trabaj o. Los resultados te ricos y las o o o deducciones de las ecuaciones, incluyendo el caso de volatilidad estoc stica y sus soluciones a tambi n son resultado de este trabaj o. En el u ltimo cap e tulo se busca una aplicaci n de o algunos resultados te ricos y practicos en el caso de la volatilidad est castica y el efecto o o de la persistencia.

10

M erca d o s F ra cta les co n tra M erca d o s T ra d icio n a les

C ap lo 1 tu M ercad os F ractales con tra M ercad os T rad icion ales

1 .1 F r a c ta le s 1 1 .1 .1 A n te c e d e n te s Desde la poca de los griegos, cultura occidental siempre ha vivido obsesionada en e encontrar y estudiar las formas sim tricas y contornos suaves, de tal manera que desde la e antig edad se desarroll una geometr basada en este tipo de estructuras conocidas como u o a puras. Plat n armaba que el mundo , considerado como real, consist de ese tipo de o a formas que eran creadas por una fuerza o una entidad llamada -el bien- que ocasionalmente pod ser visualizada a trav s de la mente. Tambi n supon que el mundo en que vivimos a e e a es una copia imperfecta del mundo real y fue creada por una entidad(ordenador supremo) diferente llamada Demiurgo. Esta copia inferior resultaba ser aspera, asim trica y suj eta e a decadencia. Aunque la geometr griega fue formalizada posteriormente por Euclides, a Plat n reconoci la incapacidad de la misma para describir el mundo, para su forma de o o pensar, el problema no era la geometr sino nuestro propio mundo. a La geometr fractal es la geometr de Demiurgo. A diferencia de la geometr Euclidiana, a a a est puede utilizar formas asperas y asim tricas. Los ob j etos no son variaciones de unas a e cuantas formas perfectas, sino m s bien son de complej idad innita y entre m s cercanas a a y m s cuidadosas sean las revisiones m s detalles son revelados. a a Si se considera el ej emplo cl sico de un pino de navidad, los dibuj os realizados por ni~ os, a n o bien, los logos comerciales de un arbol navide~ o consisten de un tri ngulo sim trico que n a e simula las hoj as y ramas con una base rectangular angosta que sirve de base de tronco. En la vida real un rbol, y en particular un pino, es una red de ramas, sobre ramas a que sucesivamente son cada vez m s peque~ as y los troncos no son muy sim tricos, ni de a n e contornos suaves, adem s de considerar que cada pino es diferente. La geometr euclidiana a a no puede replicar un pino real, solo se puede crear una aproximaci n, un pino navide~ o o n es un claro ej emplo de que una forma fractal, esta compuesto por una estructura global pero localmente es aleatorio. En general, se sabe como es un pino con cierta precisi n pero o tambi n se sabe que individualmente cada rama es diferente. e Puede pensarse en la geometr euclidiana como una simplicaci n del mundo de Dea o miurgo. En contraste, la geometr fractal est caracterizada por la autosimilaridad y un a a incremento en complej idad baj o una magnicaci n. Una de sus intensiones como geometr o a del espacio y que tambi n se extiende al concepto del tiempo es generar visiones m s e a realistas con el apoyo de las computadoras.
1

La secciones 1.1 y 1.2 est n basados principalmente en los libros de Peters[24] y [25] a 11

M erca d o s F ra cta les co n tra M erca d o s T ra d icio n a les 1 .1 .2 F r a c ta le s En la actualidad no existe una denici n precisa de lo que es un fractal, ni siquiera, o Benoit Mandelbrot, el padre de la geometr fractal ha desarrollado una denici n precisa a o y formal , aunque no es demasiado dif de reconocer cuando se encuentra alguno. cil En t rminos pr cticos los fractales tienen ciertas propiedades que son ideales para prop sie a o tos de modelaci n y ciertas caracter o sticas que los hacen medibles. Entre la variedad de deniciones sobre los fractales podemos mencionar son las siguientes: a) Son ob j etos matem ticos que conforman la geometr del Caos a a b) Proviene del lat que signica roto debido a que se asocia con las discontinuidades de n las funciones c) Son ob j etos matem ticos cuya dimensi n es fraccionaria a o d) Son ob j etos matem ticos que posee esencialmente dos caracter a sticas: autosimilaridad y dimensi n fractal o La primera y m s importante propiedad de los fractales es la autosimilaridad , que signica a que todas sus partes est n relacionadas de alguna forma con el todo, es decir que cada a una de las partes del ob j eto tienen las caracter sticas del ob j eto completo o bien que los detalles o partes m s peque~ as tienen una relaci n estad a n o stica con sus propiedades globales, repiti ndose tales detalles de manera innita. Esta propiedad hace a los fractales e invariantes en la escala. Existen dos tipos muy bien denidos de fractales: los lineales y los no lineales. Los primeros se construyen con un cambio en la variaci n de escala, es decir los fractales lineales son o id nticos hasta aumentar la escala en innito. Ej emplos de ellos son el conj unto de Cantor, e el conj unto von Koch (o copo de nieve) (Gr ca 1.0 a) y el tri ngulo de Sierpinski. a a

Gr ca 1.0 a a 12

M erca d o s F ra cta les co n tra M erca d o s T ra d icio n a les Por otro lado, los fractales no lineales se generan a partir de distorsiones complej as o no lineales. Ej emplo de ello es el conj unto de Mandelbrot y el conj unto de Julia.(Gr ca 1.0 a b)

Gr ca 1.0 b a Por otra parte, recordando que la dimensi n topol gica del conjunto vac (-1) , de un o o o punto (0) , de una l nea recta (1) , de un plano (2) y de una gura en el espacio (3) . La dimensi n esta ligada con los grados de libertad, cuando la dimensi n cero solo existe un o o punto inm vil, cuando la dimensi n 1 tenemos una recta y un grado de libertad, un plano o o tendr dos grados de libertad y el espacio tiene tres grados de libertad. a La m s antigua e importante forma de medir la dimensi n fractal es la dimensi n Hausdor, a o o que tiene la ventaj a de poder determinar la dimensi n de cualquier conjunto, aunque no o siempre resulta f cil su implementaci n computacional. a o La dimensi n Hausdor (d im H F ) es el punto critico donde la medida Hausdor (H s ) de un o conj unto F brinca de 1 a 0. Las medidas de Hausdor generalizan las ideas de longitud, a rea y volumen. Se puede vericar que para conj untos de R n la medida n - dimensional Hausdor es salvo una constante de multiplicaci n el volumen n - dimensional usual. o Buscando una denici n m s formal de un ob jeto fractal,podemos decir que es aquel en el o a que su dimensi n fractal de Hausdor-Besicovtch supera a su dimensi n topol gica y en o o o general no es un n mero entero. Por otro lado una denici n de dimensi n m s general y u o o a sencilla puede ser la siguiente:

S =L 13

(1:1)

M erca d o s F ra cta les co n tra M erca d o s T ra d icio n a les En donde S es la cantidad de segmentos, L es la escala seleccionada de medici n y D es la o dimensi n. Tambi n se puede despej ar la dimensi n que quedar como: o e o a logS logL

D =

(1:2)

Fundamentalmente la mayor de las deniciones de dimensi n tienen la idea de medida a o a cierta escala. Para cada una de ellas se mide un conj unto, de tal forma,que ignore las irregularidades de tama~ o menor a la escala y observar como se comporta esa medida n cuando la escala se acerca a cero. Una relaci n muy importante es la que tiene la dimensi n fractal con el exponente Hurst o o (H ) (que se estudiara en el siguiente capitulo) esta dada de la siguiente forma:

D =2 H

(1:3)

En resumen, la geometr fractal o geometr de la naturaleza como tambi n se le conoce, a a e es un conj unto de estructuras irregulares y complej as que puede ser descrita a trav s de e algoritmos matem ticos y computacionales; que sustituyen a los puntos, rectas y supercies a de la matem tica tradicional y tienen la propiedad fundamental de a autosimilaridad y de vivir en dimensiones fraccionarias 1 .2 A n lisis C u a lita tiv o d e M e r c a d o s a 1 .2 .1 T e o r T r a d ic io n a l d e M e r c a d o d e C a p ita le s a En el mundo de las nanzas, un grupo de analistas se inclinan a pensar que los mercados nancieros deber tener un comportamiento cercano al determinista, mientras que an por otra parte hay un grupo que piensa que el comportamiento de ellos es completamente aleatorio. Se abre una tercera posibilidad con los mercados fractales, al considerar que ambas posiciones pueden ser correctas. Un tipo de an lisis conocido como Rango Reescalado (R/S) 2 es un m todo utilizado para a e distinguir series fractales de otro tipo de series de tiempo revelando as su estructura de autosimilaridad. Es com n modelar los procesos nancieros con variables independientes de tipo estoc stico u a con una hip tesis de comportamiento de movimiento browniano, en donde cada resultado o es independiente del anterior.
2

El cap tulo 2 revisa ampliamente esta metodolog a 14

M erca d o s F ra cta les co n tra M erca d o s T ra d icio n a les El movimiento browniano tiene caracter sticas deseables de tipo matem tico y estad a sticamente supone un comportamiento normal de sus funciones de distribuci n. El desarrollo o de la teor tradicional de mercados de capitales se ha basado durante largo tiempo en las a ideas y conceptos de j uegos j ustos, martingalas y movimientos brownianos. La hip tesis de mercados ecientes (HME) pretende explicar la estructura estad o stica de los mercados. La teor presupone que los mercados son -ecientes-, es decir, que los precios a actuales reej an toda la informaci n que pudiera inuir en los eventos futuros, adem s o a de que los inversionistas reaccionan de forma inmediata a la llegada de nueva informaci n. Tambi n la teor supone que los rendimientos del mercado de cualquier activo se o e a distribuyen normalmente y que todos ellos tienen los mismos horizontes de inversi n. Sin o embargo, existe evidencia emp rica de que los rendimientos en los mercados en general no se comportan de acuerdo a esta distribuci n. En la secci n 1.3 se pueden observar estos o o hechos. La Hip tesis de Mercado Fractal (HMF) proporciona una estructura econ mica y matem tica o o a al an lisis de los mercados fractales. A trav s de la hip tesis de mercados fractales es posia e o ble entender la existencia de la estructura estad stica de autosimilaridad y tambi n la forma e de como el riesgo es distribuido entre los inversionistas. 1 .2 .2 R e v isi n d e M e r c a d o s o La HME pretende explicar el comportamiento de los mercado. Bachelier (1900) fue el primero en proponer que los mercados y sus productos pueden ser modelados a trav s e de una caminata aleatoria y mediante el c lculo de probabilidad est ndar utilizando una a a base emp rica a su trabaj o de investigaci n. o El supuesto m s importante de la HME es que las observaciones necesariamente tienen a que ser independientes, o a lo m s de memoria corta. Esto solamente podr ocurrir si a a los precios se movieran de acuerdo a una caminata aleatoria, un movimiento browniano, o si la mej or estimaci n del precio futuro es el precio presente, es decir se comporta de o acuerdo a una martingala o un j uego j usto. El modelo de caminata aleatoria arma que los cambios en los precios no pueden ser inferidos de cambios de precios pasados, adem s a de que el modelo no considera la informaci n ex gena fundamental o econ mica. Los o o o precios actuales reej an toda la informaci n disponible y todos los inversionistas tienen o igual acceso a ella, por lo tanto los inversionistas en forma agregada no pueden ganarle sistem ticamente al mercado debido a la eciencia del mismo. a Para j usticar la HME con una metodolog cient a ca tradicional a partir de informaci n o emp rica y evidencia estad stica el razonamiento hubiera sido el siguiente: a) Observar un comportamiento o estructura en un sistema o proceso b) Desarrollar una teor o modelo para aj ustar los hechos conocidos a c) Revisar y modicar la teor vigente para explicar nuevos hechos conocidos a 15

M erca d o s F ra cta les co n tra M erca d o s T ra d icio n a les En el caso de HME la teor fue desarrollada para j usticar el uso de una herramienta esa tad stica que requiere de independencia estad stica o memoria de corto plazo. De acuerdo con HME los cambios en los precios deber estar bien representados por una distribuci n an o normal. Pero en la realidad se encuentran distribuciones de colas pesadas que frecuentemente son evidencia de un sistema de memoria larga generada por un sistema estoc stico a no lineal. Si bien la HME se desarrolla en un ambiente matem tico mas f cil, es necesario, a a trabajar una hip tesis de mercado que ajuste los hechos observados y tome en cuenta o porque los mercados no se comportan de esa forma. Otra variable de gran importancia que deber de ser considerada es la liquidez (que es a diferente del t rmino de vol men comerciado) . Las mayores crisis nancieras, de acuerdo e u con Peters (1992) han ocurrido cuando ha existido una baj a liquidez con un alto volumen comerciado. Con esta idea se podr pensar en la liquidez como: vol men comerciado no a u balanceado. En el sistema de oferta y demanda de capitales se requiere de liquidez del mercado para asegurar: a) El precio obtenido por el inversionista sea lo m s cercano a lo que el mercado considera a j usto b) Inversionistas con diferentes horizontes de inversi n puedan comerciar ecientemente o con otro c) No haya p nico o estampidas cuando la oferta y la demanda no est n balanceadas a e En los mercados reales, los inversionistas requieren de un mercado l quido y la HME pr cticamente no hace referencia al concepto de liquidez, se considera que los precios a siempre son j ustos, independientemente de la liquidez o pensando que siempre habr la a posibilidad de tener liquidez. Por otra parte existe una diferencia entre un mercado estable y un mercado eciente. Un mercado estable es un mercado liquido y si un mercado es liquido entonces puede considerarse que los precios est n cercanos a su valor j usto. Cuando hay ausencia de a liquidez, los inversionistas participantes estar n deseosos de tomar cualquier precio sea a j usto o no. Si toda la informaci n tiene el mismo impacto sobre todos los inversionistas, no deber o a haber falta de liquidez. Sin embargo, los inversionistas no son homog neos, algunos deben e comerciar para generar utilidades todos los d otros deben comerciar para utilizar pasivos as, que est n altamente apalancados. Todos los inversionistas que comercian en el mercado a simult neamente tienen diferentes horizontes de tiempo. Entonces la fuente de liquidez es a generada debido a que los inversionistas poseen diferentes horizontes de inversi n, diferente o conj unto de informaci n y consecuentemente diferente concepto de precio j usto. o En forma de resumen, de los hechos emp ricos observados de los mercados, una nueva hip tesis tendr al menos que tratar de explicar porqu las distribuciones de colas pesadas o a e 16

M erca d o s F ra cta les co n tra M erca d o s T ra d icio n a les existen cuando hay diferentes horizontes de inversi n y porqu en la estructura de plazos o e de las volatilidad la desviaci n est ndar de los rendimientos se incrementa mas r pido que o a a la ra cuadrada del tiempo. z Cuando los mercados son considerados estables, HME trabaj a relativamente bien. Sin embargo, durante momentos de p nico o estampidas, los modelos dej an de funcionar ya a que HME son modelos de equilibrio. 1 .2 .3 H ip o te sis d e M e r c a d o s F r a c ta le s La Hip tesis de Mercados Fractales (HMF) enfatiza la importancia de la liquidez y o de los diferentes horizontes de inversi n en el comportamiento de los inversionistas. Para o que la hip tesis sea tan general como sea posible no se le exigir ning n requerimiento de o a u tipo estad stico sobre los procesos. La informaci n por s misma no tiene un impacto uniforme sobre los precios, esta ser o a asimilada en forma diferente por los diferentes horizontes de inversi n. o En resumen la HMF propone los siguientes puntos 3 : a) El mercado es estable cuando est constituido de un gran n mero de horizontes de a u inversiones, lo cual asegura la liquidez del mercado b) El conj unto de informaci n est m s relacionado a la sensibilidad del mercado y a o a a factores t cnicos del corto que del largo plazo. Conforme el horizonte de inversi n se e o incrementa, la informaci n de los fundamentales de largo plazo domina. Entonces los o cambios en los precios pueden reej ar informaci n importante s lo para ese horizonte de o o inversi n. o c) Si un evento ocurre que hace cuestionable la v lidez de la informaci n fundamental, los a o inversionistas de largo plazo dej ar n de participar en el mercado o comenzar n a comerciar a a basados en el conjunto de informaci n de corto plazo. Cuando todos los horizontes de o inversi n del mercado se reducen a un mismo nivel, el mercado se vuelve inestable. o d) Los precios reej an una combinaci n de comercio t cnico de corto plazo y valuaci n o e o fundamental de largo plazo. Los cambios en los precios de corto plazo son probablemente m s vol tiles o ruidosos que los de largo. Las tendencias corto plazo son probablemente a a resultados del comportamiento colectivo. No hay raz n para creer que la longitud de las o tendencias de corto plazo est relacionada con las tendencias econ micas de largo plazo. a o e) Si un t tulo no tiene un v nculo al ciclo econ mico, entonces no habr tendencia de o a largo plazo. Por tanto, comercio, liquidez e informaci n dominaran en el corto plazo. o
3

Esta propuesta fu hecha por Peters, para mayor informaci n consultar [24] y [25] e o 17

M erca d o s F ra cta les co n tra M erca d o s T ra d icio n a les 1 .3 C o m p o r ta m ie n to d e V a r ia b le s F in a n c ie r a s d e M x ic o y E sta d o s U n id o s e

Esta secci n muestra de forma gr ca y mediante la estimaci n de ciertos estad o a o sticos b sicos y la prueba de Jarque-Bera que la Hip tesis de Normalidad sobre algunas variables a o del mercado, en general no se satisface. La prueba Jarque-Bera es un test de distribuci n o de normalidad, dicha prueba mide la diferencia del sesgo y la curtosis con otra prueba que se presupone normal. La prueba se distribuye como Ji-cuadrada con dos grados de libertad y su hip tesis nula es suponer una distribuci n normal. Una probabilidad peque~ a o o n conduce al rechazo de la hip tesis o

Para el caso de M xico se analizan dos de sus variables nancieras de mercado m s ime a portantes y representativas: el Indice de Precios y Cotizaciones (IPC) y el tipo de cambio peso-d lar interbancario 48 horas al cierre de compra (TDC) . Para el caso de el mercado o de Estados Unidos tambi n se estudian dos variables importantes, el e ndice Dow Jones Industrial (DJI) y el tipo de cambio d lar-euro (TDCUS) . Se debe mencionar que para las o cuatro variables se toma el caso de los rendimientos diarios.

En la siguiente Tabla 1.1 se resumen los estad sticos de los rendimientos para cada una de las cuatro variables, as como el resultado de la prueba Jarque- Bera.

Tabla 1.1

Serie IPC TDC DJI TDCUS

M ed : 9X 10 4 3X 10 4 1X 10 4 4X 10 5

D :E : 0.016 0.009 0.011 0.006

S esg o -0.006 1.350 -0.048 -0.026

C u r to s is 5.44 116.26 3.639 0.74

J B era 5,119 1:9X 10 6 863.00 286

P r o b: 0.00 0.00 0.00 0.00

La gr ca 1.1 muestra la historia diaria y el rendimiento del IPC de abril de 1990 a enero a de 2007. Si bien el ndice ha crecido de manera importante, sus rendimientos diarios se mueven de manera alternada entre valores positivos y negativos. En este caso de acuerdo con el resultado de la prueba Jarque Bera sobre los rendimientos diarios de la Tabla 1.1 se rechaza la hip tesis nula. Por lo tanto, no podemos aceptar la distribuci n como una o o normal.

18

M erca d o s F ra cta les co n tra M erca d o s T ra d icio n a les A continuaci n se presenta la Gr ca 1.1 o a

Gr ca 1.1 a En la gr ca 1.2 se aprecia el histograma de los rendimientos diarios del IPC, aunque tiene a forma de campana, la parte central presenta una alta probabilidad de ocurrencia y por otra parte se asigna una probabilidad de ocurrencia a rendimientos extremos positivos y negativos. De la Tabla 1.1, los rendimientos del IPC en m s de 16 a~ os presentan un a n peque~ o sesgo negativo y una distribuci n leptoc rtica (es decir muy picuda en el centro n o u y con colas anchas) como se puede observar a simple vista.

Gr ca 1.2 a 19

M erca d o s F ra cta les co n tra M erca d o s T ra d icio n a les En el segundo caso del TDC en las gr ca 1.3 aparecen la evoluci n diaria del TDC y su a o rendimiento de enero de 1992 a enero de 2007. Se aprecia que el TDC de 1992 a nes de 1994 se manej aba con una pol tica de tipo de cambio j o. En los a~ os siguientes se ha n mostrado un crecimiento, sus rendimientos diarios tambi n se mueven de manera alternada e entre rendimientos positivos y negativos.

Graca 1.3 En la gr ca siguiente 1.4 aparece el histograma de los rendimientos diarios del TDC, a en este caso a simple vista no se observa una forma de campana, la parte central esta muy picuda y aunque cae r pidamente se les asigna una probabilidad de ocurrencia a a rendimientos extremos positivos y negativos.

Gr ca 1.4 a 20

M erca d o s F ra cta les co n tra M erca d o s T ra d icio n a les De la Tabla 1.1 se observa que el rendimiento promedio del TDC en 14 a~ os es pr ctin a camente cero, con un peque~ o sesgo positivo y una distribuci n leptoc rtica. De manera n o u similar al caso anterior, con la prueba Jarque-Bera se rechaza la hip tesis nula de que el o TDC se comporte como una distribuci n normal. o Para el caso del mercado de Estados Unidos en la gr ca 1.5 aparece el a Indice Dow Jones (DJI) y su rendimiento diario de enero de 1999 a enero del 2007.

Gr ca 1.5 a De la Tabla 1.1 y de la gr ca siguiente 1.6 del histograma de los rendimientos diarios a de DJI, tambi n se rechaza la hip tesis de Normalidad a partir de la prueba de Jarque e o Bera. La media de los rendimientos tambi n es cero, con un peque~ o sesgo negativo y una e n distribuci n de caracter o sticas leptoc rticas. u

21

M erca d o s F ra cta les co n tra M erca d o s T ra d icio n a les Finalmente la gr ca 1.7 y 1.8 muestran el comportamiento del tipo de cambio d lar-euro a o (TDCUS) de enero de 1999 a enero 2007. Si bien en este caso tambi n los rendimientos e tienen media cero, se presenta un sesgo positivo y su curtosis se acerca m s al de una a normal.

Gr ca 1.7 a La prueba Jarque-Bera de la Tabla 1.1 de y de la gr ca siguiente 1.8, se rechaza la a posibilidad de que esta variable se comporte como una distribuci n normal. o

Gr ca 1.8 a

22

M erca d o s F ra cta les co n tra M erca d o s T ra d icio n a les De la revis n y gr cas anteriores y de los estad o a sticos de la Tabla 1.1 se puede observar que el comportamiento de las variables seleccionadas del mercado mexicano IPC y TDC y DJI y TDCUS para el mercado de Estados Unidos no poseen las caracter sticas de una distribuci n normal, por lo que no deber ser un paso directo aceptar utilizar la Hip tesis o a o de los mercados ecientes de las variables nancieras reales y nos hace reexionar sobre la utilizacion de la Hip tesis de Mercados Fractales(HMF) . o

1 .4 E sta d stic a F r a c ta l c o n tr a B r o w n ia n o F r a c c io n a l

Si bien el modelo Black-Scholes tiene una estructura poderosa y elegante y considera a los mercados como Gaussianos 4 , completos, ecientes y libres de arbitraj e. Algunas de los principales aspectos que alejan las variables de los mercados reales con respecto a las del mercado Black-Scholes son los siguientes:

i) En general los rendimientos de los activos no se distribuyen como una normal te rica o sino que con frecuencia las distribuciones de variables reales presentan colas pesadas y curtosis.

ii) Las series nancieras de los subyacentes presentan efectos de memoria larga y por lo tanto los eventos tampoco son completamente independientes.

Del mismo modo la autosimilaridad puede tener diferentes or genes, si proviene de una alta variabilidad en donde los incrementos son independientes y de colas pesadas su descripci n o puede realizarse con procesos de L vy. En cambio si las series tiene la propiedad de una e alta dependencia, entonces su modelaci n deber de ser con movimientos brownianos o a fraccionales.

En el primer caso es posible plantear una soluci n a trav s de la construcci n de funciones o e o de L vy con caracter e sticas estables y con la ayuda de sus funciones caracter sticas es posible modelar distribuciones m s generales. En el art a culo de McCulloch [17] y [18] se muestran algunas caracteristicas de la funciones de L vy y el resultado de la estimaci n e o del valor de una opci n call. o

Las distribuciones normales presentan dos ventaj as: pueden considerarse directamente en la teor de l a mite central y la suma de normales se distribuye como una normal 23

M erca d o s F ra cta les co n tra M erca d o s T ra d icio n a les El segundo caso corresponde a series donde sus eventos muestran cierta persistencia, este tipo de problemas pueden planearse a tr ves de una generalizaci n del movimiento browa o niano conocida como movimiento browniano fraccional con la utilizaci n del coeciente o Hurst. El desarrollo de las siguientes secciones estar enfocado al planteamiento y soluci n a o de este problema.

Gr ca 1.9 a Dentro de los principales resultados de esta secci n se ha mostrado que existe evidencia o para rechazar la hip tesis de normalidad de las variables representativas del mercado de o M xico y Estados Unidos IPC, TDC, DJI y TDCUS. En la siguiente secci n se analizar e o a con el m todo Rango Reescalado (R/S) estas variables nancieras y se buscar determinar e a las caracter sticas de independencia de cada una de ellas . Hay que recordar que en caso de no cumplir el supuesto de independencia no podr satisfacer la Hip tesis de Mercados a o Ecientes. Adem s para que estas variables se encuentran descritas en los mercados fraca tales ser necesario comprobar la existencia de diferentes horizontes de inversi n, es decir a o la estabilidad de los mercados.

24

P roceso s H u rst

C ap lo 2 tu P ro cesos d e H u rst
2 .1 C o e c ie n te o E x p o n e n te H u r st 2 .1 .1 A n te d e n te s d e l P r o c e so H u r st El primero en estudiar las series fractales fu el cient e co brit nico Harold Edwin Hurst a (1880-1978) . Posteriormente, sus ideas fueron retomadas por Mandelbrot quien coloc su o trabajo en un contexto m s general baj o el nombre de An lisis de Rango Reescalado a a (R/S) . El R/S es un m todo estad e stico utilizado para evaluar la ocurrencia de eventos poco comunes y es una herramienta ideal para procesos f sicos y nancieros, aunque no se limita solamente a este tipo de eventos. El par metro que resulta de un an lisis (R/S) , el a a coeciente o exponente Hurst, es una medida de independencia de las series de tiempo y una manera de distinguir series fractales. Hurst era constructor de presas en los inicios del Siglo XX y por un tiempo trabaj o en el proyecto de la presa del r Nilo. En el momento del dise~ o de la presa se le present o n o un problema interesante de hidrolog concerniente en determinar la capacidad de almacea namiento dependiente del uj o que entra al r proveniente de diferentes elementos como o lluvias y riachuelos y un uj o controlado de salida del r utilizado primordialmente en o el riego. Con anterioridad, muchos hidr logos hab supuesto este comportamiento del o an inuj o como un proceso aleatorio, una suposici n razonable cuando se trabaj a en un ecoo sistema complej o. Sin embargo, a l no le pareci que se explicara de forma tan f cil e o a este comportamiento. El estudi los registros hist ricos (de 622 D.C. a 1469 D.C.) que o o manten los egipcios y observ que en el proceso, uj os m s grandes del promedio eran an o a seguidos por sobre uj os todav m s grandes. Inesperadamente el proceso cambiaba a a a uj os menores que el promedio y eran seguidos por uj os todav menores que los anteria ores. Parec ciclos pero cuya longitud no era peri dica. Un an lisis est ndar revelaba la an o a a no existencia de correlaci n estad o sticamente signicativa entre las observaciones, por lo que Hurst desarrollo su propia metodolog a. Por otra parte Hurst estaba enterado del trabaj o de Einstein sobre el movimiento browniano. Este u ltimo hab encontrado que la distancia que una part a cula err tica suspendida a en un uido cubre se incrementa con la ra cuadrada del tiempo, si escribimos esto en z forma de ecuaci n tenemos que: o

R =T Donde R = distancia y T = tiempo. 25

0 :5 0

(2:1)

P roceso s H u rst La ecuaci n anterior es conocida como regla de un medio y es utilizada principalmente o en estad stica. En nanzas se utiliza para asumir que la dispersi n de los rendimientos se o incrementa con la ra cuadrada del tiempo. z Para aplicar este concepto a series de tiempo que no sean movimientos brownianos, como el de la part cula err tica de Einstein, se deber considerar una ecuaci n que tome en a a o consideraci n que los componentes de las series de tiempo no son independientes. Hurst o al resolver su problema relacionado con la capacidad de la presa encontr la siguiente o ecuaci n que generaliza la idea anterior que s lo era aplicable a movimientos brownianos o o ( Mandelbrot y Wallis lo probaron en 1969) :

(R = S ) n = cn H : donde (R = S ) se conoce como el estad stico -Rango Reescaladoc = constante n = indicador del valor de la serie de tiempo H = exponente o coeciente Hurst 2 .1 .2 R a n g o R e e sc a la d o (R / S )

(2:2)

R/S tiene media cero y se expresa en t rminos de la desviaci n est ndar. En general, e o a los valores de R/S se incrementan con n, por el valor de la ley de potencias igual al exponente Hurst, esta es la primera conexi n del fen meno Hurst y la geometr Fractal. o o a Hay que mencionar adem s que el m todo R/S es un an lisis no param trico que no a e a e requiere de una distribuci n espec o ca. Para que una serie pueda ser considerada como fractal, el requisito clave que debe de cumplir es una escala de ley de potencia. El exponente de Hurt se determina por medio de una regresi n lineal de los puntos de o ln(R = S ) n contra ln(n ) , como se muestra en la siguiente ecuaci n o

ln(R = S ) n = log(c) + H log(n ) ;

(2:3)

Si el sistema tuviera la caracter stica de independencia entonces H = 0:50. Sin embargo, como resultado de su investigaci n de la presa del r Nilo encontr un coeciente de o o o H = 0:91. Si comparamos el ejemplo de la part cula err tica de Einstein con un H = a 0:91 entonces esta u ltima part cula cubrir una distancia mayor que otra con un proceso a aleatorio en el mismo periodo. Mandelbrot demostr emp o ricamente que en series de tiempo cuyas observaciones son independientes el estad stico (R/S) son asint ticamente o proporcional a la ra cuadrada, es decir si H = 0:5 resulta un evento aleatorio puro. z Hurst supone como hip tesis nula que el comportamiento de fen meno sea de una o o 26

P roceso s H u rst caminata aleatoria o un movimiento browniano, si este fuera el caso la ecuaci n del rango o reescalado estar dado por: a

log(R = S ) n = 0:5(logn + log ) : 2

(2:4)

2 .1 .3 V a lo r e s d e l C o e c ie n te H u r st Si H = 0:5 implica un proceso independiente. Es importante notar que un an lisis (R/S) no a requiere que el proceso subyacente se distribuya normalmente, s lo independiente. Como o el an lisis R/S es no param trico por lo que pueden considerarse distribuciones otro tipo a e de distribuciones como la t de student, gamma etc. Si 0:5 < H 1:0 implica series de tiempo persistentes, es decir caracterizadas por efectos de memoria de largo plazo. Te ricamente lo que suceda hoy impactar en el futuro por o a siempre como por ej emplo cambios semanales de ahora est n correlacionados con los cama bios semanales futuros. Adem s se ha encontrado que las series persistentes son las m s a a comunes encontradas en la naturaleza y en los mercados de capitales y econom a. Si 0:0 H < 0:5 signica antipersistencia en la serie de tiempo. Un sistema antipersistente cubre menos distancia que uno aleatorio, en el caso de una part cula err tica. Para que a ocurra debe dar marcha atr s a as mismo con mayor frecuencia que en un proceso aleatorio. a Algunos te ricos igualan este comportamiento con un proceso de reversi n a la media, que o o sin embargo asume que el sistema baj o estudio tiene media estable. Suposici n no tan o f cilmente aceptada en este caso. a 2 .1 .4 C ic lo s P e r i d ic o s y N o P e r i d ic o s o o La ciencia occidental siempre ha tratado de encontrar ciclos peri dicos o regulares o debido a la importancia que ten an en la naturaleza los ciclos agr colas y los eventos celestes. Esta creencia, proveniente tambi n desde los antiguos griegos, creo un modelo de e universo basado en el movimiento de los cuerpos en c rculos perfectos. Sin embargo, en la econom y los mercados no hay razones para pensar que los ciclos a tienen que ser peri dicos. En la teor de Caos, los ciclos pueden no ser peri dicos y o a o aunque tienen una duraci n promedio, la duracion exacta de ciclos promedio no se conoce. o Hurst(1951) fue el primero en notar que un comportamiento peri dico de un subyacente o puede ser detectado con un an lisis R/S. a 27

P roceso s H u rst De acuerdo con Peters para valores muy grandes de observaciones se esperar que el a exponente H tienda a 0.5 y que el efecto de memoria de largo plazo se disipe. Este comportamiento asint tico de largo plazo nos dice que existen ciclos para los cuales el o efectos de tendencia est n presentes y a partir de un cierto valor las observaciones son a independientes. Estos ciclos no son regulares y se llaman ciclos no peri dicos. o En una graca log= log de un an lisis R/S el n de cada ciclo de frecuencias y el inicio a del siguiente puede detectarse visualmente de los breaks y attening en las gr cas.Pero a hay una forma m s f cil de ver cuando los breaks en las gr cas log= log ocurren con el a a a obj eto de hacer una mej or estimaci n del ciclo. El siguiente estad o stico fue propuesto por Hurst (1951) para probar la estabilidad. Se ha probado emp ricamente que este estad stico proporciona una medida m s precisa de la longitud del ciclo y trabaj a particularmente a bien en presencia de ruido. Tal estad stico se dene como:
1

V n = (R = S ) n n 2 :

(2:5)

Un gr co del estad a stico V n contra el logaritmo del n mero de observaciones log(n) ser u a plano u horizontal si el proceso fuera independiente y aleatorio. Por otra parte, si el proceso fuera persistente y R/S fuera escalado a una tasa mayor que el cuadrado de la ra z del tiempo (H > 0:5) entonces la distribuci n de puntos en la gr ca tendr pendiente o a a creciente y si estuvi ramos hablando de un proceso antipersistente (H < 0:5) la gr ca e a tendr una pendiente negativa. Gracando V n en el ej e y y log(n ) en el eje x, los " breaks" a ocurrir cuando el estad an stico V se aplane, en esos puntos los procesos de memoria larga se han disipado. Un an lisis R/S es capaz de determinar ciclos peri dicos, incluso cuando ellos son supera o puesto. La potencia real del an lisis R/S es encontrar los ciclos no peri dicos.Un ciclo a o no peri dico no tiene frecuencia absoluta, en lugar de ello tiene una frecuencia promedio. o Aunque nos hemos llegado a acostumbrar sobre las implicaciones de la palabra peri dico o cada vez que se utiliza la palabra ciclo. 2 .1 .5 E l C o lo r d e l R u id o y la D im e n si n fr a c ta l o Si 0 H < 0:5 se considera que se tiene ruido rosa y esta relacionado con la antipersistencia. El ruido rosa abunda en la naturaleza y est relacionado a procesos de relaj aci n a o (equilibrio din mico) y turbulencia. a Si 0:5 < H 1:0 se tiene un ruido negro. Este ruido aparece en procesos c clicos de largo plazo, como nivel de r os, numero de manchas solares y cambios de precios en las bolsas de valores. Y tres efectos est n relacionados a este ruido: Efectos Joseph(efectos a causados por tendencias y ciclos) , Noah (discontinuidades hacia arriba y hacia debaj o de las observaciones) y Mirror( de relaci n entre diferente tipos de ruido) o 28

P roceso s H u rst A partir del exponente H puede determinarse la dimensi n fractal como D = 2 H , un o movimiento browniano tiene una dimensi n fractal de 1.5. Si H > 0:5 la dimensi n fractal o o disminuir y tender a acercarse a una recta, en el caso contrario si H < 0:5 la dimensi n a a o fractal aumentar y se acercara a una supercie. a 2 .2 D e te r m in a c i n d e l C o e c ie n te H u r st o 2 .2 .1 M e to d o lo g a Como se menciono anteriormente, Hurst desarroll una metodolog para el calculo del coo a eciente H . Inicialmente su estudio se aplic al caso del uj o del r Nilo, pero en t rminos o o e generales puede aplicarse a cualquier serie que se sospeche se comporte como fractal en cualquier otra area de estudio. A continuaci n se describe en detalle la metodolog 5 o a: 1. Se inicia con una serie de tiempo de tama~ o M, pero como nos interesa los rendimientos n logaritmicos entonces la serie original se reduce a una nueva serie de tiempo de tama~ o n N = M 1 donde cada rendimento esta deinido por: N
i

= log

M M

i+ 1 i

; i = 1;2;3;:::;N :

(2:6)

2. Se divide este periodo de tiempo N en A subperiodos contiguos de longitud n, tal que A n = N . Se nombra cada uno de los subperiodos o subgrupos I a , con a = 1;2;3;:::;A . Y cada elemento en I a es etiquetado N k ;a , tal que k = 1;2;3;:::;n : Y para cada subperiodo I a de longitud n, el valor promedio est denido por la siguiente expresi n: a o
n 1 X ea = N n k= 1 k ;a :

(2:7)

3.Las diferencias de cada elemento N k ;a con respecto a la media e a para cada subperiodo I a se van sumando para obtener una la serie de tiempo acumulada (X k ;a ) , denida como:
k X

k ;a

(N

i;a

i= 1

e a ) ; k = 1;2;3;:::;n :

(2:8)

4. El rango R I a se dene como la diferencia entre el valor m ximo y el valor m a nimo de X k ;a para cada subperiodo I a : Para mayor informaci n sobre el coeciente Hurst o la metodolog (R/S) consultar o a Peters[25] 29
5

P roceso s H u rst

Ia

= Max(X

k ;a )

Min(X

k ;a ) ;

(2:9)

donde 1 k n . 5. Por otro lado, se calcula la desviaci n est ndar muestral S I a de la forma tradicional o a para cada periodo I a : !1 2

S Ia =

n 1 X (N n k= 1

k ;a

ea )2

(2:10)

6. Para cada periodo I a , su rango R I a se normaliza dividiendo por su desviaci n est ndar o a muestral S I a correspondiente. Por lo tanto el rango reescalado para cada subperiodo I a es igual a R I a = S I a . Como tenemos A periodos continuos de longitud n, entonces tomamos el valor promedio R/S para periodos de longitud y que esta denido como:
A X

(R = S ) n = (1=A )

(R

Ia

= S Ia ) :

(2:11)

a= 1

7. La longitud n o el tama~ o del subperiodo se incrementada al siguiente valor posible de n M 1 tal forma que n sea un valor entero. Iniciamos con el valor m s peque~ o de acuerdo a n a la condici n anterior y se repiten los pasos del 1 al 6 se repiten hasta n = (M 1) = 2 o utilizando siempre la serie completa (ver graca 2.0 a) . Posteriormente aplicamos una regresi n de m o nimos cuadrados de log(R = S ) n contra log(n ) . La ordenada al origen es el log(c) y la pendiente de la ecuaci n es la estimaci n del exponente Hurst H . o o

Gr ca 2.0a) a 30

P roceso s H u rst La graca 2.0 b) muestra la representaci n de las variables del Rango-Reescalado o (Max(X k ;a ) ;Min(X k ;a ) ;R I a ) para el caso de un subperiodo de tiempo a en el problema orginal de Hurst de la determinaci n de los cambios de uj os en la construcci n de la o o presa. El ujo proveniente de riachuelos y lluvia es depositado en una presa. Los valores m ximo y m a nimo de las acumulaci n de las diferencias respecto de la media establecen el o rango entre el que podr variar el nivel del agua en la presa. a

Gr ca 2.0b) a 2 .2 .2 P r u e b a d e S ig n i c a n c ia d e l C o e c ie n te H u r st En la secci n anterior se ha mencionado los pasos para la determinaci n del coeciente o o Hurst (H ) y el comportamiento de los procesos de acuerdo al valor de dicho exponente. Sin embargo, en la practica es necesario distinguir si un coeciente de 0.50001 con un cierto numero de datos es un considerado un proceso independiente o con tendencia. Para evaluar esto se debe plantear una prueba de signicancia sobre los resultados de un an lisis a (R/S,) similar a las pruebas " t" de las regresiones lineales. Inicialmente Hurst estableci su Hip tesis Nula sobre una distribuci n binomial resultado o o o del lanzamiento de volados m s tarde Feller lleg a un resultado similar por otro camino. a o Se supone en la hip tesis nula que H = 0:5 tiene un comportamiento de caminata aleatoria o o de browniano tradicional y por tanto de independencia contra las hip tesis alternativas o (H < > 0:5) que corresponde a comportamiento persistente o antipersistente de los procesos. Los valores propuestos para el valor esperado y la varianza del coeciente (H ) son:
6 6

Consultar Peters[25] para mayores detalles 31

P roceso s H u rst

E (R 0(n ) = (n = 2) 0 :5 V a r (E (R 0(n ) ) = ( 2 = 6 = 2) n

(2:12a ) (2:12b)

La ecuaci n anterior fue corregida por Alanis and Lloyd (1976) para la determinaci n del o o valor esperado del rango reescalado y despu s de una correcci n emp e o rica (ver Peters) se llega a una ecuaci n para el valor esperado de H : o E (R = S n ) = n 0:5 n
n 1 n X ( ) 2 r= 1

n r r

(2:13a )

Debido a que los valores de R/S son normalmente distribuidos, entonces podemos tomar los valores de H como tambi n normalmente distribuidos, en esta caso la varianza esperada e del exponente Hurst emp ricamente se demuestra es:

V a r (H ) =

1 T

(2:13b)

Donde T es el n mero de observaciones de la muestra. u A partir de las ecuaciones (2.13 a) y (2.13 b) podemos determinar el nivel de signicancia con un estad stico que nos dice cuantas desviaciones est ndar se encuentra alej ado del valor a medio E(H ) y el valor obtenido de H en el proceso de Rango-Reescalado. 2 .2 .3 C o e c ie n te H u r st e n e l M e r c a d o d e M x ic o y E sta d o s U n id o s e En la presente secci n se aplicar la metodolog (R/S) descrita anteriormente para o a a la estimaci n del coeciente Hurst al caso del mercado nanciero de M xico en dos de o e sus variables m s importantes y representativas: el a Indice de precios y Cotizaciones (IPC) y el tipo de cambio peso-d lar (TDC) . Y para el caso del mercado de Estados Unidos o (EU) las variables analizadas, tambi n seleccionadas por su importancia, son: el e Indice Dow Jones Industrial (DJI) y el tipo de cambio d lar-euro. Con el n de averig ar, de o u acuerdo a sus caracter sticas de independencia, si en estos dos mercados las series pueden ser consideradas como fractales. En el caso del IPC tomamos la serie SF 43716 de cierre del Indice de Precios y Cotizaciones de 2000 datos que van de Enero de 1999 a enero de 2007. En el caso de TDC se toma la serie SF 43788 del Tipo de Cambio pesos por d lar o EUA interbancario 48 horas al cierre de compra de 2000 datos que van de enero de 1999 a diciembre del 2006. Para el caso de EU la serie de DJI y tipo de cambio D lar Euro van o de enero de 1999 a enero del 2007. Para poder aplicar la metodolog del inciso anterior se desarrollo un programa en Visual a Basic for applications( ver ap ndice A) y hay que considerar que el tama~ o de los diferentes e n conj untos de n para el IPC, TDC, DJI y TDCUS son: 10,16,20,25,40,50,80,100,125,200,250,400,500,1000 32

P roceso s H u rst La graca 2.1 muestra las curvas asociadas a las variables ln (R = S ) contra log(n ) para el caso de los ndices IPC y DJI comparadas con el caso browniano de incrementos independientes(H = 1= 2) . Se puede apreciar que la funci n tiene una pendiente posio tiva, que llega hasta el valor de seis, donde registra una peque~ a ca y luego contin a n da u su ascenso.

Gr ca 2.1 a En la siguiente gr ca 2.2 aparece un comparativo del estad a stico V n del IPC y DJI.

En la gr ca 2.3 se muestran las variables log(R = S ) contra log(n ) para los casos del TDC y a TDCUS comparadas con el caso(H = 1= 2) . En el caso TDC la funci n tiene una pendiente o 33

P roceso s H u rst positiva y constante casi hasta el valor de seis y su comportamiento es parecido al del IPC. El TDCUS, tiene un comportamiento m s irregular. a

Gr ca 2.3 a El estad stico de periodo V n para los tipos de cambio TDC TDCUS se muestra en la siguiente gr ca 2.4 a

Gr ca 2.4 a Aplicando la metodolog de secci n 2.2.1, despu s de seguir los pasos del algoritmo se a o e hace una regresi n de log(R = S ) contra log(n ) . Los resultados para H ;E (H ) ;D E (H ) para o cada una de las cuatro series aparecen en la siguiente tabla 2.1: 34

P roceso s H u rst Tabla 2.1 Serie IPC TDC DJI TDCUS E(H ) 0.5726 0.5726 0.5726 0.5726 DE(H ) 0.0223 0.0223 0.0223 0.0223 (H E (H ) ) = D E (H ) -0.9596 -2.8251 -2.5785 -1.0179 Acepta Ho S S S S

H 0.5512 0.5096 0.5151 0.5499

En la Tabla anterior se puede observar la estimaci n del coeciente Hurst para las series o de IPC , TDC, DJI y TDCUS del mercado mexicano y estadounidense. En general, u nicamente con el valor del exponente H se podr armar que no se comportan como una a caminata aleatoria o un movimiento browniano sino m s bien como una serie persistente, a salvo el caso del Dow Jones que es la serie m s cercana a un comportamiento browniano a tradicional. En el art culo de Palomas(2002) para rendimientos diarios del IPC obtiene un coeciente de H = 0:5838 y si hace una permutaci n de los datos obtiene una H = 0:5088, o la diferencia se puede explicar por el tama~ o de la muestra. n Sin embargo, si tomamos en cuenta el valor esperado y la desviaci n est ndar (DE) los o a resultados no son signicativos y se mantiene la hipotesis nula de un comportamiento independiente. Por lo tanto, aunque teoric mente los valores de H son mayores que 0:5, a estadisticamente no pueden ser considerados de caracteristicas persistentes. De acuerdo con la secci n 2.1.4, si uno observa las gr cas 2.1 y 2.3 para el IPC y TDC y de o a 2.2 a 2.3 para el DJI y TDCUS y conforme a los criterios mencionados y al estad stico V n , podemos pensar que el mercado mexicano y estadounidense de ndices tienen un ciclo de alrededor de log = 5:29 lo que signica un periodo de alrededor de 198 d h biles, es decir as a un ciclo de apr ximadamente a~ o de d naturales. En las variables del tipo de cambio o n as (TDC y TDCUS) los periodos son de de (log = 5:99, log = 5:52) que corresponderian a 399 y 249 dias respectivamente,que corrsponderia a un ano en dias naturales y h biles. a Un ej ercicio adicional para conrmar la variaci n de los valores de H consiste en dividir o cada unas de las series IPC, DJI, TDC y TDCUS, en cinco muestras del mismo tama~ o y n consecutivas en el tiempo. Considerando que cada una de las series tiene distinto n mero u de elementos cuando se aplica la metodolog de Hurst a cada grupo tenemos los siguientes a resultados que se muestran en la Tabla 2.2. Tabla 2.2 Serie IPC TDC DJI TDCUS

P1 0.6644 0.57006 0.5582 0.5423

P2 0.5904 0.5919 0.6293 0.5699 35

P3 0.5923 0.6032 0.6030 0.5971

P4 0.5497 0.5992 0.5451 0.5470

P5 0.5768 0.5010 0.5011 0.5702

P roceso s H u rst De la tabla anterior se pueden obtener al menos dos conclusiones importantes; la primera de ellas es inmediata y se reere a que el exponente Hurst depende del tama~ o de la muestra n y del momento en el tiempo de la medici n, en cierta forma su valuaci n es parecida a al o o estadist de la volatilidad. Por lo tanto, es importante precisar en cualquier c lculo del co a valor de H , tama~ o o el n mero de datos y el momento en que se tom la muestra y realizar n u o las pruebas de signicancia. La segunda conclusi n propia de las series es que el valor del o exponente Hurst los u ltimos periodo (a excepci n del TDCUS) resultan ser menores. Lo o que implicar que en tiempos recientes las series muestran tendencia a alej arse de las a caracter sticas de persistencia e irse moviendo hacia los mercados brownianos tomando en consideraci n que todas las muestras son del mismo tama~ o. o n Dentro de los principales resultados de este cap tulo se aplica la metodolog de Rango a Reescalado (R/S) para la estimaci n del coeciente Hurst de la series IPC, TDC, DJI y o TDCUS y poder determinar sus caracter sticas de independencia. En el pr ximo cap o tulo se hace una presentaci n de manera m s formal matem ticamente hablando del movimiento o a a browniano fraccional, as como las bases, herramientas y resultados m s importantes que a involucran y dependen del coeciente Hurst , estudiado en el presente cap tulo.

36

A n teced en tes M a tem a tico s d el M B F

C ap lo 3 tu A n teced en tes M atem a ticos d el M ov im ien to B row n ian o F raccion al

3 .1 M o v im ie n to B r o w n ia n o T r a d ic io n a l y M o v im ie n to B r o w n ia n o F r a c c io n a l El ob j etivo de la presente secci n es proporcionar la j usticaci n y la base t cnica matem tica o o e a para la utilizaci n del movimiento Browniano Fraccional y la extensi n de los algunos de o o los conceptos y teoremas conocidos del movimiento browniano tradicional. 3 .1 .1 M o v im ie n to B r o w n ia n o y C lc u lo d e It^ a o Un movimiento browniano (W (t) ) t> 0 en un espacio de probabilidad j o, con una ltraci n o esta denido por las siguientes propiedades: i) W (0) = 0 ii) S i 0 < t1 < t2 < < tn , entonces W (t2 ) W (t1 ) ;W (t3 ) W (t2 ) W (tn ) W (tn 1 ) son variables aleatorias independientes iii) S i s < t ) entonces W (t) W (s ) se distribuye como N (0;t s ) En este caso el movimiento browniano coincide con el proceso Wiener. Pero en general el movimiento browniano es independiente del concepto de ltraci n y para el proceso Wiener o no se requiere independencia en los incrementos. Adicionalmente el movimiento browniano tiene dos propiedades importantes: la autosimilaridad y relaci n que posee con el ruido o Blanco. Recordemos que la autosimilaridad est denida por la siguiente propiedad: a W (at) = a 2 W (t) ; 8 t:
1

(3:1)
1

Esta igualdad es en el sentido de distribuci n de probabilidad, es decir que W (at) y a 2 W (t) o tienen exactamente las mismas distribuciones, en otras palabras, cualquier parte nita de una trayectoria de movimiento browniano cuando es reescalada apropiadamente es indistinguible de la trayectoria del todo. En el lenguaj e fractal decimos que la trayectoria del movimiento es una curva fractal de dimensi n D = 2. Con respecto a la segunda o propiedad, la derivada de un movimiento browniano (W (t) ) t> 0 es llamada un proceso de ruido blanco dW ; dt adem s el ruido blanco satisface las siguientes condiciones: a = E[ (t) ] = 0 E[ (t) (t0) ] = (t t0) : 37 (3:2)

(3:3a ) (3:3b)

A n teced en tes M a tem a tico s d el M B F Por otro lado, se dene la integral sobre un proceso Wiener de la manera siguiente: Z1 I (t) = g (t0) dW (t0) (3:4)
0 n Esta integral es del tipo Riemann- Stieltj es, y si se toma un partici n [ti ] i= 0 del intervalo o [0;T ] , consideramos las siguientes sumas: n X n X

In =

i= 1

g (ti 1 ) W (ti )

i= 1

g (ti 1 ) [W (ti ) W (ti 1 ) ] :

(3:5)

Donde g (t) debe ser independiente del siguiente incremento W (ti ) del movimiento browniano y baj o condiciones apropiadas sobre g (t) es posible mostrar que las sumas I n convergen en el sentido media cuadrada. Utilizando la independencia de g (t) que el valor esperado de los incrementos brownianos es cero, se sigue: E[I (t) ] = E[ Zt
0

g (t0) dW (t0) ] = 0;

(3:6)

tambi n la integral estoc stica obedece la propiedad de isometr e a a E[I (t) ] = E[(
2

Zt
0

g (t ) dW (t ) ) ] =

Zt
0

E(g 2 (t0) ) dt0:

(3:7)

Un proceso de gran utilidad para el modelado de activos subyacentes dentro de las nanzas es el conocido como geom trico browniano que es una transformaci n exponencial del e o movimiento browniano est ndar a dS = S dt + S dW (3:8)

donde y son constantes y con la condici n inicial S (t0 ) = S 0 . Este proceso se utiliza o principalmente para rendimientos de activos. 3 .1 .2 M o v im ie n to B r o w n ia n o F r a c c io n a l El movimiento browniano fraccional (MBF) fu originalmente denido por Kolmogorov e en un espacio de Hilbert. Inicialmente fu llamado proceso Wienerhelix y posteriormente e Mandelbrot le di el nombre de movimiento browniano fraccional. o Un MBF (B H ) con par metro Hurst (H ) ( denido en el cap a tulo anterior) , 0 H 1, es un proceso Gaussiano que se dene por las siguientes propiedades: i) B H (0) = 0 ii) E[B H (t) ] = 0 8 tR Rt Rt iii) C H (t;s ) = E[B H (s ) B H (t) ] = H (2H 1) 0 0 jt s j2 H 1 = 2 [js j2 H + jtj2 H js tj2 H ] ; 8 s y t R 38

ds dt

A n teced en tes M a tem a tico s d el M B F en particular cuando s = t y H = 1= 2 entonces Var H (t) = C

H

(t;t) = t

El coeciente Hurst (H ) determina el signo de la covarianza entre los eventos pasados y futuros, y dependiendo de su valor se tiene una cierta interpretaci n: o Si H =
1 2

yC

(t;s ) = 0 entonces B

(t) coincide con el movimiento browniano

H

1 Si H > 2 y C H (t;s ) > 0 entonces B dependecia de largo plazo

(t) es persistente en el sentido que tiene una

Si H <

1 2

yC

(t;s ) < 0 entonces B

(t) es antipersistente

Recordemos que los posibles valores de H y sus caracter sticas hab sido ya revisadas en a las secciones 2.1.3 y 2.1.5. De la misma forma que el Movimiento Browniano, el MBF tiene la propiedad de autosimilaridad, que es la propiedad m s importante de los sistemas fractales. El MBF tambi n a e es autosimilar si para cualquier H (0;1) y > 0(de la misma forma que la ecuaci n 3.1 o del caso browniano tradicional)

( t) = H B

(t) ; 8 t

(3:9)

Otra manera de interpretar la persistencia de H tiene que ver con la convergencia del siguiente estad stico n que puede tener los siguientes casos con n denido como: n := E[B
H

(1) :(B

(n + 1) B

(n ) ) ]

P1 a) Si n > 0 8 n = 1;2;::: y entonces n= 1 n = 1 1 H > 2 y B H (t) es persistente o de largo plazo P b) Si n < 0 8 n = 1;2;::: y en este caso 1 = 1 j n j < 1 entonces n H < 1 entonces B H (t) es antipersistente 2 En los casos H 6 1 , el MBF no puede ser considerado como un proceso Markoviano, = 2 ni como martingala y por tanto no puede ser analizado mediante el c lculo estoc stico a a tradicional. En el art culo [8] hace referencia a los trabaj os de Dasgupta[5] [6] y Shiryaev [27] 7 en donde entre otras cosas sostienen que la integral de trayectoria denida como una suma de Riemann: ZT
0 7

(t;w ) dB

(t) = lim

tk ! 0

N 1 X k= 0

(tk ) :(B (tk + 1 ) B (tk ) )

(3:10)

Para una an lisis m s detallado consultar los art a a culos originales 39

A n teced en tes M a tem a tico s d el M B F Si 0 = t1 < t2 < < tn = T , es una partici n de [0;T ] y tk = tk + o limite existe, en general tiene un valor esperado diferente de cero " # Z
T 1

tk , y adem s si el a

(t;w ) dB

(t) 6 0 =

(3:11)

En consecuencia, con la integral de trayectoria los procesos no son libres de arbitraj e, recordemos que a las posibilidades de hacer utilidades libres de riesgo sin dinero inicial es llamado oportunidad de arbitraj e o simplemente arbitraj e. En un mercado libre de arbitraj e cualquier portafolio sin riesgo debe tener rendimientos iguales a la tasa libre de riesgo. En un nuevo intento por sustituir el problema de arbitraj e de las integrales de trayectorias, ahora se considera la integral conocida como Skorohod (Wick-It^ ) desarrollada por o Duncan, Hu and Pasik-Duncan y que se denota por: ZT
0

(t;w ) H (t)

(3:12)

Y que tambi n puede denirse en t rminos de suma de Riemann como sigue: e e ZT

0

(t;w ) d B

(t) = lim

tk ! 0

N 1 X k= 0

(tk ) (B (tk + 1 ) B (tk ) )

(3:13)

donde denota el producto Wick,entonces si se llega a un valor esperado de cero: " # Z

T

(t;w ) B

(t) = 0:

(3:14)

Por lo tanto, para poder trabaj ar con esta integral es necesario desarrollar un c lculo a equivalente para poder que considere coecientes Hurst diferentes de 0.5. Adem s de a demostrar si los procesos son martingalas t mbien es interesante conocer las reglas de a operaciones del producto Wick que hacen la diferencia en estas nuevas integrales con las integrales de trayectoria ordinarias. 3 .2 A n te c e d e n te s M a te m tic o s a 3 .2 .1 R e v isi n d e l E sp a c io d e H ilb e r t y M tr ic a o e Supongamos un coeciente Hurst (H ) constante, tal que funcion de la siguiente manera: H (t;s ) = H (2H 1) jt s j2 H 40
2 1 2

1 y denimos una (3:15)

con t;s 2 R :

A n teced en tes M a tem a tico s d el M B F Sea f : R ! R es medible, entonces decimos que f 2 L 2 (R ) (Conjunto de las funciones cuadrado integrables) si Z Z 2 jf j := f (s ) f (t) (t;s ) ds dt < 1 : (3:16)
R R

Deniendo el producto interior Z Z 2 hf ;g i := f (s ) g (t) H (t;s ) (t;s ) ds dt f ;g 2 L (R )

R R

(3:17)
2

Tenemos que (L 2 (R ) ;h;i) es un espacio de Hilbert. Por otra parte si f 2 L Z Z f (t) dB H (t) := lim m ! 1 f m (t) dB H (t)
R R

se dene (3:18)

en donde f m (t) = Z X X a m 1 [t i;t i+ 1 ](t) i a m (B i (3:19a )

f m (t) dB

(t) =

(ti+ 1 ) B

(ti ) ) :

(3:19b)

3 .2 .2 P r in c ip a le s L e m a s y T e o r e m a s A continuaci n se enuncian los lemas y teoremas m s sobresalientes que son necesarios para o a tener una aplicaci n en las siguientes secciones. Para los interesados en las demostraciones o de los Lemas 1,2 y 3 consultar Hu and Oksendal (2000) : L e m a 1 (Iso m e tr d e It^ ) a o Si f 2 L 2 (R ) entonces E

f (t) dB

(t)

= jf j2

(3:20)

2 y por otra parte si f 2 L (R ) entonces se dene Z (f ) := exp f dB R

1 2 jf j 2

(3:21)

L em a 2 El span lineal de (f ) ;f 2 L 2 (R ) es denso en L 2 ( ) donde ( ) es la Ley de probabilidad de B H . 41

A n teced en tes M a tem a tico s d el M B F Consideremos para el lema siguiente los polinomios de Hermite, recordando que est n a denidos por h n (x ) = ( 1) n e x Se sigue que si B entonces
H
2

=2

dn (e dx n

x 2=2

):

(3:22)

(t) es un movimiento browniano fraccional y tenemos que si f 2 L 2 (R ) hw ;f i = Z f (t) d B (t;w ) (3:23)

Sea I = (N 0N ) el conj unto nito de todos los mult ndices = ( 1 ;:::; m ) , de enteros no negativos, (N es el conj unto de numeros N 0 = N U f 0g , entonces si = ( 1 ;:::; m ) 2 I , tenemos lo siguiente: H

(w ) := h 1 (hw ;e 1 i) h 2 (hw ;e 2 i) h n (hw ;e n i) :

(1 ) (w

(3:24) ) := h 1 (hw ;e 1 i) =

En particular si (1 ) := (1;0;0;0) denota el i- simo vector unitario H e R (hw ;e 1 i) = R e 1 (t) dB H (t) .

L e m a 3 (T e o r e m a d e E x p a n si n d e C a o s F r a c c io n a l W ie n e r -It^ ) o o Sea X 2 L 2 ( ) entonces existe una constante c 2 R X (w ) = adem s a jjX jj2 2 ( ) = L donde ! := 1 ! 2 !;:::; n !: Denimos (S ) como el conj unto de todas las expansiones formales : H G (w ) = tales que: jjG jj2 H
; q

y 2 I tal que (3:25)

c H

(w ) e n L 2 ( ) ;

2I

2 !c

(3:26)

2I

c H

(w )

(3:27)

2I

!c 2 (2N )

< 1

para alguna q 2 N :

(3:28)

42

A n teced en tes M a tem a tico s d el M B F 3 .2 .3 P r o d u c to W ic k

8

P Sean F (w ) = 2 I a H (w ) 2 (S ) H producto Wick de F y G por

G (w ) = X

2I

b H

(w ) 2 (S ) denimos el H (3:29)

(F G ) (w ) = Adem s si F ;G 2 (S ) ) F G 2 (S ) a H H

a b H

(w )

; 2 I

Por otra parte si f y g 2 L 2 (R ) entonces Z Z Z f dB H g dB H = f dB

R R R

g dB

hf ;g i

(3:30)

Si X 2 (S ) entonces se dene su potencia Wick X H X

n

por (3:31)

= X X X ;; X (n factores) :
1 X

Y la exponencial Wick se dene de la siguiente forma exp (X ) = Qu de forma m s general se puede tener: e a (f ) = exp (hw ;f i) = exp(hw ;f i Si f ;g 2 L 2 (R ) tenemos que: (f ) (g ) = (f + g ) = (f ) (g ) e El ruido blanco fraccional W W W
H H H (hf ;g i)

n= 0

1 X n!

(3:32)

1 2 jf j ) 8 f 2 L 2 (R ) : 2

(3:33)

(3:34)

(t) en el tiempo t se dene como Z 1 X

i= 1

(t) =

e i (v ) (t;v ) dv

e i (t) dB

(t)

(3:35)

(t) 2 (S ) 8 t, adem s si t ! B a H d B dt
H

(t) es diferenciable en (S ) se puede llegar a H

H (t) e n (S ) H

(t) = W

(3:36)

Las demostraciones y otras resultados del producto Wick se pueden revisar m s ama pliamente en Oksendal(2004) y Hu and Oksendal(2000) 43

A n teced en tes M a tem a tico s d el M B F Qu j ustica el nombre de ruido blanco fraccional e

Si Y : R ! (S ) H es una funci n tal que Y (t) W H (t) es integrable en (S ) H entonces o denimos la integral de tipo It^ fraccional por o Z Z Y (t) dB H (t) := Y (t) W H (t) dt (3:37) R R

3 .2 .4 M o v im ie n to G e o m tr ic o B r o w n ia n o F r a c c io n a l e Consideremos la extensi n del movimiento geom trico browniano al caso fraccional con la o e siguiente ecuaci n diferencial estoc stica fraccional o a d X (t) = X (t) dt + X (t) dB
H

(t) ;X (0) = x > 0

(3:38)

Donde x ; y son constantes. Reescribiremos la ecuaci n de la siguiente forma: o dX (t) = X (t) + X (t) dW H (t) = ( + W (t) ) X (t) : dt Utilizando el c lculo Wick vemos que la soluci n de la ecuaci n est dada por: a o o a Rt ( t+ W H (s )d s ) 0 X (t) = x exp = x exp ( t+ B H (t)) Y al nal tenemos que X (t) = x exp( B
H

(3:39)

(3:40)

(t) + t

1 2 2H t ): 2

(3:41)
(H )

Sea L 1 ;2 (R ) que denota el complemento del conj unto de todos los procesos adaptados F t , f (t) = f (t;w ) de tal forma que Z Z
R

jf j2 1 ;2 (R ) := E L

" Z f (s ) f (t) (s ;t) ds dt + E D

R

f (s ) ds

2 #

< 1

(3:42)

donde D s es la derivada de si D S F es la derivada Malleavin( denada en una secci n o R m s adelante) D s F = R (s ;t) D t F dt. Se tiene la siguiente isometr 9 a a Z 2 E[( f (t;w ) dB H (t) ) 2 ] = jf jL 1 ;2 (3:43)

E[(

f (t;w ) dB

(t) ) ] = 0 8 f

2 L

1 ;2 (R

):

(3:44)

Para m yor detalle consultar Hu and Oksendal (2000) y Necula (2002) a 44

A n teced en tes M a tem a tico s d el M B F 3 .2 .5 F o r m u la F r a c c io n a l d e It^ o Supongamos que X (t) sigue el siguiente proceso browniano fraccional d X (t) = (t;w ) d t + (t;w ) d B Si f 2 C 2 (R
H

(t) ; 2 L Zt
0

1 ;2

(3:45)

R ) entonces tenemos

10

f (t;X (t) ) = f (0;X (0) ) +

Zt
0

@f (s ;X (s ) ) ds + @s Zt
0

@f (s ;X (s ) ) (S ) ds + @x

Zt
0

@f (s ;X (s ) ) (s ) dB @x

(s ) +

@ 2f (s ;X (s ) ) (s ) D @x2

X (s ) ds

(3:46)

3 .2 .6 D e r iv a d a s F r a c c io n a le s A partir del conocimiento del espacio = S 0(R ) se puede denir la diferenciaci n con o respecto a w. Sea F : S 0(R ) ! R es una funci n dada y sea 2 S 0(R ) , decimos que F tiene una derivada o direccional en la direcci n si o D F (w ) := lim
! 0

F (w + ) F (w ) :

(3:47)

Existe en (S ) H , en este caso decimos que D F es la derivada direccional de F en la direcci n o . Decimos que F : S 0(R ) ! R es diferenciable si existe un mapeo : R ! (S ) tal que H

(t) (t) = (t;w ) es integrable y D F (w ) = En este caso D t F (w ) := dF (t;w ) := (t;w ) dw Z (t;w ) (t) dt 8 2 L 2 (R ) :

(3:48)

(3:49)

(3:50)

Y a D t F (w ) se le llama gradiente estoc stico o derivada Hida/Malliavian de F en t. La a propuesta y resultados de esta derivada pueden consultarse en Hu and Oksendal(2002) y Duncan, Hu and Pasik-Duncan(2002)

10

Para m yor detalle consultar Hu and Oksendal (2000) y Necula(2002) a 45

A n teced en tes M a tem a tico s d el M B F 3 .2 .7 T e o r e m a d e G ir sa n o v Si se considera un movimiento browniano con tendencia W~ (t) = t + W (t) con 0 t T y una constante diferente de cero. W~ (t) no es martingala y su valor esperado es diferente de cero. Sin embargo, puede existir otra medida de probabilidad con respecto a la cual el proceso W (t) si puede llegar a ser ~ un proceso browniano est ndar. Este resultado se conoce como Teorema de Girsanov. a El proceso W~ (t) dado por la ecuaci n anterior es un movimiento browniano est ndar o a respecto a la medida de probabilidad denida por: ~ d ~ =M d donde M
t t

(3:51)

(3:52)

es el proceso M
t

1 2 1 t) = exp( W~ t + 2 t) : (3:53) 2 2 Para la versi n del Teorema de Girsanov con el Movimiento Browniano Fraccional, cono sideremos T > 0 y una funci n continua con s u p p [0;T ] y K una funcion con o s u p p K [0;T ] tal que = exp( W
t

hK ; i = h ;f iL 2 8 f s u p p f [0;T ] Deniendo la medida de probabilidad sobre la algebra F TH = B (B ~ d ~ = e x p ( hw ;K i) d

H

(3:54) (s ) ;s T ) por (3:55)

Rt Entonces B~ (t) = B H (t) + 0 s ds es un movimiento browniano fraccional baj o , este ~ teorema puede revisarse en Oksendal(2004) para mayor detalle. 3 .2 .8 T e o r e m a d e E x p a n si n d e C a o s W ie n e r -Ito e n t r m in o s o e d e In te g r a le s Ite r a d a s
11

Denotemos L 2 (R n ) el espacio de funciones que son sim tricas con respecto a sus n variables e 2 y jjf jjL 2 (R n )< 1 Denimos la integral iterada como: Z
n H

I n (f ) :=
11

f dB
n

:= n !

f (s 1 ;:::;s n ) dB

(s 1 ) ;:::;dB

(s n )

(3:56)

s 1 < :::< s n

Este teorema fu propuesto y demostrado por Hu and Oksendal (2000) e 46

A n teced en tes M a tem a tico s d el M B F

2 Sea X 2 L 2 ( ) entonces existe un f n 2 L (R n ) tal que

X (w ) =

n= 0

1 X

2 I n (f n ) 2 L 2 ( ) ; f n 2 L (R n ) 1 X

(3:57)

jjX

2 jjG

:=

n= 0

2 n !jjf n jjL 2 (R

(3:58)

Decimos que la expansi n formal est dada por: o a G = Pertenece al espacio G

q 1 X Z

g n dB
n

n= 0

n H

2 (t) ; g n 2 L (R n )

(3:59)

=G jj2 G

q (

) si
1 X 2 n !jjg n jjL 2 (R

jjG donde se dene G

:=

)e

2qn

n= 0

< 1 ;

(3:60)

= G ( ) = t q 2 N G

q (

3 .3 E x p e c ta tiv a s C u a sic o n d ic io n a le s 3 .3 .1 D e n ic io n e s P1 R n Sea G = G denimos las expectativas condicionales (o tambi n e n = 0 R n g n dB H H llamadas cuasicondicionales) de G con respecto a F t por: ~ ~ E t [G ] := E[G jF
H t

] :=

n= 0

1 X Z

g n (s ) 1 0 <

n s< t (s) dB H

(s )

(3:61)

A partir de lo anterior se generan los siguientes resultados que obtuvo Necula en su trabaj o del (2002) ~ a) Sea F G tenemos que E t [F ] G ~ ~ ~ b) Sea F ;G G tenemos que E t [F G ] = E t [F ] E t [G ] ~ c) Sea F L 2 ( ) ; E t [F ] = F si y solo si F es F tH medible (3:62) Un proceso X t es adaptado a una ltraci n F (t) t> 0 si X t es F t medible 8 t > 0, X t genera o un uj o de informaci n que esta contenida en la trayectoria de X (t) en el tiempo t. o

47

A n teced en tes M a tem a tico s d el M B F Un proceso estoc stico M a

t

es llamado Martingala respecto a la ltraci n F t con t 0 si o

0

i) M t es adaptado a la ltraci n F t t o ii) E[jM t j] < 1 8 t 0 iii) E[M t jF t0 ] = M t0 8 t t0

(3:63) El movimiento browniano es una martingala, otra forma de referirse usualmente a las martingales es como j uego j usto. Diremos que un proceso estocastico adaptado F tH M(tw) ~ es cuasi martingale si M (t) G ; 8 t y E s [M (t) ] = M (s ) ;8 t > s y se siguen los resultados para los brownianos fraccionales, tambi n del trabaj o de Necula(2002) e a) B H (t) es cuasi martingale Rt b) Sea f 2 L 2 (R ) y (t) := exp( 0 f (s ) dB H (s ) 1 jf 1 [0 ;t]j2 ) decimos que (t) es cuasi 2 Martingala Rt c) Sea f 2 L 1 ;2 (R ) y M (t) := 0 f (s ;w ) dB H (s ) tenemos que M(t) es cuasi Martingala (3:64) 3 .3 .2 T e o r e m a F r a c c io n a l C la r k -O c o n e a) Sea F 2 G

y F

~ es F TH medible. Entonces E t [D t F ] 2 G F (w ) = E[F ] + ZT

0

y (3:65a )
1 ;2

~ E t [D t F ] W

(t) y

b) Sea F

2 L 2 ( ) y F

~ es F TH medible. Entonces E t [D t F ] 2 L F (w ) = E[F ] + ZT

0

~ E t [D t F ] dB

(t)

(3:65b)

El teorema anterior, es un resultado del trabaj o de Necula(2002) 3 .3 .3 P r in c ip a le s R e su lta d o s A continuaci n se muestran algunos importantes resultados sobre expectativas cuasi-condicionales o que fueron demostrados por Necula(2002) y tendr n su aplicaci n principalmente en dea o terminaci n del precio de una opci n call europea de la secci n siguiente . o o o Sea (;K ; ) un campo de probabilidad tal que B fraccional con respecto a . R e su lta d o 1 Para toda t tal que 0 < t < T
H

(t;w ) es un movimiento browniano

y 2 C tenemos que:
H

~ E t [e B

(T )

] = e B

(T )+

2 2

(T

2H

t2 H )

(3:66)

48

A n teced en tes M a tem a tico s d el M B F R e su lta d o 2 ~ Sea f una funci n tal que E [f (B o Z

(T ) ) ] < 1 entonces 8 t < T 1 (x B H (t) ) 2 exp f (x ) dx : 2(T 2 H t2 H ) ) (3:67)

~ E [f (B

(T ) ) ] =

2 (T

2H

t2 H

R e su lta d o 3 Sea A 2 B (R ) entonces ~ E t [1 A (B (T ) ) ] = Z p 1 2 (T

2H

t2 H

(x B H (t) ) 2 exp dx : 2(T 2 H t2 H ) )

(3:68)

R e su lta d o 4 Asegura que hay una medida tal que B H (t) es un movimiento browniano baj o , ~ denotaremos que E [] la expectativa cuasicondicional respecto a , considerando 2 2H Z (t) = ( 1 [0 ;t]) = exp B H (t) t : (3:69) 2 R e su lta d o 5 ~ Sea f una funcion tal que E[f H (T ) ) ] < 1 para toda t T ~ E [f (B t
H

(T ) ) ] =

1 ~ E t [f (B Z (t)

(T ) Z (T ) ) ] :

(3:70)

En la primera parte del presente trabaj o se presentan las bases y el marco sobre el que desarrollaran las aplicaciones de las siguientes secciones. Los estudios de las variables nancieras sobre normalidad, an lisis de independencia y sobre coeciente Hurst del IPC, a TDC, DJI y TDCUS. As como los las deniciones, lemas, teoremas y resultados matem ti a cos construidos desde un espacio m s general como es el espacio de Hilbert del presente a cap tulo sirven de soporte, como es el caso de movimiento geom trico fraccional, la f rmula e o fraccional de It^ y las esperanzas cuasicondicionales para que en los siguientes cap o tulos se realice el planteamiento, la soluci n y la valuaci n de opciones call europeas y la deducci n o o o de la estructura de plazos del modelo Vasicek, as como los comparativos con los modelos tradicionales. Tambi n se hacen uso de estas herramientas en la aplicaci n del M todo e o e H-J-B y en la u ltima parte se revisa una aplicaci n a la voaltilidad estoc stica. o a

49

E cu a ci n B la ck-S ch o les co n M B F o

C ap lo 4 tu E cu aci n B lack -S ch oles F raccion al o

4 .1 M e r c a d o s d e M o v im ie n to B r o w n ia n o y B r o w n ia n o F r a c c io n a l 4 .1 .1 E c u a c i n B la c k -S c h o le s T r a d ic io n a l o Los contratos de futuros y opciones reciben el nombre gen rico de derivados o de e pasivos contingentes. Una opci n es un contrato que da al poseedor el derecho, m s no o a la obligaci n de comprar o vender cierto activo a un precio convenido en alg n momento o u j o del futuro. En particular una opci n Call Europea con precio de ej ercicio K , con o vencimiento en T y sobre un subyacente S , es un contrato que da el derecho a comprar o vender el activo subyacente a un precio K en el tiempo T . La ecuaci n Black-Scholes publicada 1973 y derivada por Fischer Black y Myron Scholes o (simult neamente por RC Merton) es una ecuaci n lineal diferencial parcial parab lica con a o o valores en la frontera. Dicha ecuaci n presupone que el comportamiento del subyacente o asociado al derivado puede modelarse en su t rmino estoc stico con un movimiento browe a niano y para su derivaci n hace uso de al menos dos conceptos b sicos de Finanzas: la o a cobertura y el no arbitraj e. La reducci n de la incertidumbre o aleatoriedad es conocida como cobertura y una elimo inaci n perfecta del riesgo utilizando un portafolio de dos instrumentos (una opci n y su o o subyacente) es conocida como cobertura delta. Una vez que se cuenta con el rendimiento libre de riesgo del portafolio anterior, este deber de ser igual al rendimiento de una a cuenta bancaria que pague una cierta tasa de inter s j a, recordando que arbitraj e es la e posibilidad de hacer utilidades libres de riesgo sin un capital inicial o bien la posibilidad de generar utilidades innitas con una peque~ a inversi n inicial. n o Para la deducci n del modelo de Black-Scholes se considera los siguientes supuestos: o i) Existe una tasa libre de riesgos y una varianza, ambas constantes ii) El mercado es liquido para el activo subyacente y el derivado iii) No hay costos de transacci n o iv) Se puede presta y se pedir prestado a la misma tasa v) No se pagan dividendos. v) No hay oportunidades de arbitraj e. Utilizando los conceptos y supuestos anteriores se puede llegas a la ecuaci n de Blacko Scholes, donde C = C (t;S ) es el derivado de un subyacente S : @C 1 @ 2C @C + 2S 2 + rS rC = 0 2 @t 2 @S @S 50 (4:1a )

E cu a ci n B la ck-S ch o les co n M B F o con condici n de frontera o C (t;S ) = Max(S K ;0) : (4:1b)

cuya soluci n para una opci n call europea en cualquier 0 t T precio de ej ercicio K , o o vencimiento T , varianza 2 y tasa libre de riesgo r , est dada por: a C (t;S (t) ) = S (t) N (d 1 ) K e en donde ln d1 = ln d2 =
S (t) K r (T t)

N (d 2 ) ;

(4:2a )

+ (r + 2 ) (T t) p T t
2

(4:2b)

S (t) K

+ (r 2 ) (T t) p : T t

(4:2c)

4 .1 .2 P r e c io d e u n a O p c i n C a ll E u r o p e a e n u n M e r c a d o B r o w n ia n o F r a c c io n a l o Consideremos dos posibilidades de inversi n en un mercado Black-Scholes Fraccional: o una cuenta bancaria con una tasa libre de riesgo y una acci n en un mundo neutral al riesgo o modelado por un movimiento geom trico browniano fraccional (ecuaci n 3.45) descritos por e o las ecuaciones siguientes dM (t) = r M (t) dt; M (0) = 1; 0 t T : dS (t) = S (t) dt + S (t) d B
H

(4:3) (4:4)

(t) ; S (0) = S > 0; 0 t T :

El precio de un t tulo en 0 t T medible acotado con F L 2 ( ) est dado por a F (t) = e

r (T t) ~

E t [F ] ;

(4:5)

~ donde denotaremos por E [] las expectativas cuasicondicionales con respecto a las medidas neutrales al riesgo del cap tulo 3. Algunos trabaj os 1 2 han demostrado que este mercado es completo y no existe arbitraj e. El precio de una opci n call europea en cualquier 0 t T , dado un precio de ej ercicio o K , una tasa libre de riesgo r , una volatilidad 2 , un vencimiento en T y un coeciente Hurst H de la serie nanciera subyacente esta dado por:
12

Ver Hu and Oksendal (2000) 51

E cu a ci n B la ck-S ch o les co n M B F o C (t;S (t) ) = S (t) N (d 1 ) K e donde ln d1 = y ln d2 = D e m o str a c i n o

13 r (T t)

N (d 2 ) ;

(4:6)

S (t) K

+ r (T t) + 2 (T p T 2 H t2 H + r (T t) 2 (T p T 2 H t2 H
2

2H

t2 H )

(4:7a )

S (t) K

2H

t2 H )

(4:7b)

El precio de una opci n call en cualquier 0 t T , dados un precio de ej ercicio K , o una tasa libre de riesgo r , volatilidad 2 y vencimiento en T est dado por la siguiente a expresi n de expectativas cuasi condicionales: o ~ C (t;S (t) ) = E t [e ~ = E t [e = e
r (T t) r (T t)

Max(S (T ) K ;0) ] S (T ) 1 S (T )>

K K

r (T t) ~

] K e

r (T t) ~ r (T

E t [S (T ) 1 S (T )>

] K e
1 2

E t [1 S (T )> t) ~ E t [1 S (T )>

K K

]: ]

(4:8)

Recordando que S (t) es un geom trico browniano fraccional, de la ecuaci n (3.41) e o S (t) = S 0 e B Denotaremos a d por 2 d = 2 ln(K = S ) r T + 1 2 T 2
2H
H

+ t

2 t2 H

(4:9)

(4:10)

Calculando el primer t rmino de la ecuaci n (4.8) , y utilizando el resultado de la ecuaci n e o o (3.67) se tiene ~ ~ E t [1 S (T )> K ] = E t [1 x > d (B H (T ) ) ] 2 R1 2 1 = d2 p exp 2(x 2BH H (t)) ) dx (T t2 H 2 (T 2 H t2 H ) R1 2 p 1 exp( z ) dz = d B (t) 2 2 p 2 H Rp = 1 = N (d 2 ) :
2 (T 2 H t2 H ) B H (t) d 2 2 (T 2 H t2 H )

p1 2

exp(

z2 2

) dz

(4:11)
13

Esta basada en el trabaj o de Necula(2002) 52

E cu a ci n B la ck-S ch o les co n M B F o Ahora consideremos el proceso B

H

=B

(t) t2 H ; 0 t T ;
H

(4:12)

y supongamos que hay una medida baj o la cual B fraccional, denotaremos Z (t) = exp( B Y utilizando el resultado 5 del cap tulo 3
E~ t [f (B H H

(t) es un movimiento browniano

(t)

2H t ): 2

(4:13)

(T ) ] =

1 ~ E t [B Z (t)

(T ) Z (T ) ]

(4:14)

Tenemos que: ~ ~ E t [S (T ) 1 S (T )> K ] = e r T E [Z (T ) 1 x > t rT ~ t [1 x > d 2 (B (T ) ) ] = e Z (t) E ~ = e r T Z (t) E t [1 S (T )> K ] :

d 2 (B (T )) ]

(4:15) : Adem s de la ecuaci n 4.9 podemos escribir ln(S (t) : a o ln(S (T ) ) = lnS + r T = lnS + r T + donde d 1 ln (K = S ) r T =
1 2

2 T 2

2H

+B

(T )

2 T 2

2H

+B

(T ) ;

(4:16)

2T

2H

(4:17)

Por otro lado, para calcular el segundo t rmino de la ec ( 4.8) y utilizando el resultado 2 e del cap tulo 3 ~ ~ E [1 S (T )> K ] = E [1 x > d 1 (B (T )) ] t t R1 2 (x 1 = d1 p e x p ( 2 (T 2BH H t(t))) ) ) dx 2H 2 H t2 H 2 (T R1 2 = d 1 B H (t) p 1 e x p ( 2z ) dz 2 p = 1 = N (d 1 ) ; Rp
(T 2 H t2 H B (t) d 1 H (T 2 H t2 H

p 1 2

e x p (

z2 2

) dz

(4:18) entonces se obtiene 53

E cu a ci n B la ck-S ch o les co n M B F o

~ E t [S (T ) 1 S (T )>

] = e r T Z (T ) N (d 1 ) = e r T e

rT

S (t) N (d 1 ) = S (t) N (d 1 )

(4:19)

Se hace notar que la diferencia en la valuaci n con respecto al precio del call en un mercado o Black-Scholes tradicional es que en los t rminos d 1 y d 2 est n considerados los par metros e a a H y el tiempo inicial t. 4 .1 .3 E c u a c i n d e B la c k -S c h o le s F r a c c io n a l o El ob j etivo de la presente secci n es derivar una generalizaci n de la Ecuaci n Blacko o o Scholes considerando los mismos supuestos de la ecuaci n browniana cl sica pero con la o a diferencia de que en el t rmino estoc stico del activo subyacente estar descrito por un e a a movimiento browniano fraccional. Consideremos que el precio de una derivado sobre una activo subyacente S (T ) esta dado por C (t;S (t) ) que es la soluci n de la siguiente ecuaci n: o o @ C (t;S ) + H 2 t2 H @t con la condici n de Frontera o @ 2 C (t;S ) @ C (t;S ) + rS r C (t;S ) = 0 2 @S @S

(4:20a )

C (t;S ) = Max(S K ;0) : D e m o str a c i n o Se considera el comportamiento el activo subyacente como: d S (t) = S (t) dt + S (t) d B
H

(4:20b)

(t) :

(4:21)

y de un derivado, que puede ser un call europeo, funci n del tiempo descrito por la siguiente o expresi n de acuerdo a la ecuaci n(3.46) del Cap o o tulo 3 @ C (t;S ) @ C (t;S ) @ C (t;S ) dt + S dt + S dB @t @S @S @ 2 C (t;S ) : (4:22) @S 2

dC (t;S ) =

(t) + D

S (t)

Consideremos tambi n del Cap e tulo 3 la derivada en un MFB(Para mayores detalles consultar Duncan, Hu and Pasik-Duncan (2002) y Necula (2002) ) Z1 D S ( ) = D S ( ) ( ;u ) du ; (4:23)
0

y recordemos que 54

E cu a ci n B la ck-S ch o les co n M B F o 1 2 2H t ): 2

S (t) = S 0 exp( B

(t) + t

(4:24)

entonces para poder calcular la derivada se necesita primero calcular D S ( ) D S ( ) = S ( ) D u [ B

H

( ) +

2 2H ] 2

= S ( ) D u ( B H ( ) ) = S ( ) 1 [0 ; ](u )

(4:25)

se sigue que sustituyendo la ecuaci n (4.25) en la ecuaci n (4.23) o o Z1 Z D S ( ) = S ( ) 1 [0 ; ](u ) ( ;u ) du = S ( ) ( ;u ) du

0

= S ( )

Z
0

H (2H 1) t2 H

dt = S ( ) H 2 H

(4:26)

Con lo anterior el diferencial del derivado como funci n del subyacente y t, el Lema de It^ o o generalizado se escribe como: @ C (t;S ) @ C (t;S ) d C (t;S ) = +S + 2 S 2 H t2 H @t @S @ 2 C (t;S ) @ C (t;S ) dt + S dB @S 2 @S

(t) :

(4:27) Siguiendo la misma idea de la ecuaci n Black-Scholes original, se construye un portafolio o de cobertura con una combinaci n de un derivado y su subyacente: o = w 1 S (t) + w 2 C (t;S ) o bien el cambio diferencial del portafolio d = w 1 dS (t) + w 2 dC (t;S ) sustituyendo dS y dC en la ecuaci n (4.28) tenemos o @ C (t;S ) @t @ 2 C (t;S ) @ C (t;S ) 1 ) dt + S dB @S 2 @S (4:29) (4:28)

d = w 1 [ S dt + S dB

] + w 2 [(

@ C (t;S ) +S + 2 S 2 H t2 H @S

:
H

(4:30)

(t) ]

Una posible combinaci n de posiciones que hacen que la parte estoc stica se elimine es: o a w
1

@C ; w @S

=1

(4:31)

Entonces el cambio en el portafolio denotado por d (1 ) (t) queda como: 55

E cu a ci n B la ck-S ch o les co n M B F o @ C (t;S ) @ 2 C (t;S ) + 2 S 2 H t2 H 1 : (4:32) @t @S 2 Por otra parte, el rendimiento de un portafolio libre de riesgo de una cuenta bancaria esta dado por: d (1 ) = @C + C ) r dt: (4:33) @S Debido a la existencia no arbitraj e podemos igualar los rendimientos de los portafolios (1) y (2) y despu s de organizar t rminos llegamos a la ecuaci n Black-Scholes Fraccional: e e o d (t) (2 ) = r dt = ( @C + 2 S 2 H t2 H @t con condiciones de Frontera: @ 2C @C + rS rC = 0 @S 2 @S

(4:34a )

C (t;S ) = Max(S K ;0) :

(4:34b)

De forma alternativa la ecuaci n de Black-Scholes Fraccional tambi n se puede representar o e en t rminos de las griegas y comprobar que la soluci n encontrada ecuaci n (4.6) en la e o o secci n anterior satisface la ecuaci n 1 4 : o o + r S + H 2 t2 H
1

S 2 r C = 0:

(4:35)

y donde cada una de las griegas en el caso browniano fraccional esta dado por(Para mayor detalle consultar Necula 2002) : @C = N (d 1 ) @S
r (T t)

= 5 = = =

(4:36a ) (4:36b) (4:36c) (4:36d ) (4:36e) N 0(d 2 ) : T 2 H t2 H

@C = e @K

N (d 2 ) t2 H N (d 2 )

p @C = S f (d 1 ) T @

2H

@C = (T t) K e @r

r (T t)

@ 2C N " (d 1 ) p = = 2 @S S T 2 H t2 H =
14

@C = rK e @t

r (T t)

N (d 2 ) H t2 H

K e

r (T t)

(4:36f )

Esta propuesta puede revisarse en el trabaj o de Necula(2002) 56

E cu a ci n B la ck-S ch o les co n M B F o Cuando se sustituyen las ecuaciones 4.36 (a,e, f) el valor de C(t,S) y la identidad 1 5 siguiente se verica que la soluci n propuesta satisface la ecuaci n Black-Scholes Fraccional. La f es o o la funci n de densidad de una normal est ndar. o a 4 .2 A p lic a c i n a la V a lu a c i n d e O p c io n e s C a ll E u r o p e a s o o 4 .2 .1 R e su lta d o s d e l M e r c a d o d e M e x ic o y d e E sta d o s U n id o s En esta secci n se realiza las valuaci n de opciones call europeas sobre los subyacentes o o (S (t) ) del Indice de Precios y Cotizaciones (IPC) , del Dow Jones (DJI) , del tipo de cambio peso d lar (TDC) y del tipo de cambio d lar-euro ( TDCUS) para diferentes valores de o o H que est n entre 0:5 y 1:0 . En particular, se conocen los valores H de cada una de a las series anteriores, ya que fueron estimados en el cap tulo 2 con la metodolog R/S que a determina las caracter sticas de independencia de las variables. Los par metros necesarios a con los que se eval aron las opciones call aparecen en la siguiente Tabla 4.1 para el caso u de los mercados mexicano y norteamericano. Tabla 4.1

Serie IPC DJI TDC TDCUS

D :E : 0.1369 0.1156 0.0572 0.0561

r 0.09 0.09 0.03 0.03

K 15,000 11,000 10.5 0.78

T 0.5 0.5 0.5 0.5

H 0.5573 0.5038 0.5255 0.5587

Las gr cas 4.1 y 4.2 muestran diferentes curvas de precios de las opciones call de los a ndices IPC y DJI respectivamente como funci n de S (t) y del coeciente Hurst H . Se o puede observar que conforme el valor de H va creciendo las curvas del precio del call se van desplazando de forma casi paralela hacia la parte inferior de la gura. Este comportamiento para el caso del precio de los dos ndices puede resumirse como, dado un valor de S (t) mientras el valor de H va aumentando de 0:5 a 1 es decir entre m s persistente sea la serie a del subyacente, la valuaci n tradicional Black-Scholes de un call estar sobrevaluando el o a verdadero valor de una opci n. En otras palabras, entre mayor sea la dependecia de una o serie nanciera con su pasado, el precio de una opci n call europea calculado con la ecuaci n o o fraccional ser menor que el valor de un call europeo obtenido por el m todo tradicional. a e El mismo efecto sucede con las opciones de tipo put europea. Observando las mismas gr cas parece que el mayor cambio en el precio del call para a ambos ndices ocurre cuando se encuentran cerca del precio de ej ercicio. Sin embargo, la mayor sobrevaluaci n ocurre cuando se combinan las siguientes dos situaciones: estar o fuera del dinero S < K y H muy cercana a uno. En este caso, para cualquiera de los dos ndices, el precio de la opci n fraccional puede llegar a estar cien por ciento por debaj o de o la valuaci n tradicional. Para los valores espec o cos de H obtenidos de la metodolog del a
15

S N 0((d 1 ) = K e

r (T t)

N 0(d 2 ) 57

E cu a ci n B la ck-S ch o les co n M B F o Cap tulo 2 y que aparecen en la Tabla 4.1 las valuaciones de las opciones call fraccional para los ndices IPC y DJI pueden llegar a estar por debaj o del precio call tradicional en 44% y 8% respectivamente.(Se puede consultar Ap ndice C para revisar cambios porcentuales) e

Gr ca 4.1 a

Gr ca 4.2 a En las gr ca 4.3 y 4.4 de opciones call sobre los tipos de cambio TDC y TDCUS como a funci n de S (t) tambi n se observa una sobrevulaci n utilizando la ecuaci n tradicional de o e o o Black-Scholes. Este efecto se vuelve m s importante conforme H se acerca a 1. a 58

E cu a ci n B la ck-S ch o les co n M B F o En particular para los valores calculados de H del cap tulo 2 para TDC y TDUS las valuaciones del nuevo modelo estar n por debaj o del 16% y 82% respectivamente con a respecto a la valuaci n Black-Scholes tradicional. o

Gr ca 4.3 a La sobrevaluaci n para los dos tipos tambi n se acent a cuando como en el caso anterior o e u cuando se esta fuera del dinero y el coeciente Hurst es casi uno, entonces se puede llegar a una valor de la opci n del m todo fraccional cien por ciento menor que en el caso Blacko e Scholes tradicional.(Consultar ap ndice C) e

Gr ca 4.4 a 59

E cu a ci n B la ck-S ch o les co n M B F o La misma caracter stica de la sobrevaluaci n te rica de los calls de los subyacentes de los o o ndices y tipos de cambio tambi n se aprecia en los PUTS europeos sobretodo cuando se e est cerca de H igual a uno y fuera del dinero S > K . a En el siguiente cap tulo de forma anal ga al presente, se har n las deducciones de la o a ecuaci n general de los bonos y se estimar'a la estructura de plazos proponiendo un modelo o de tasa corta Vasicek basados en el modelo fraccional que depender del coeciente Hurst a del cap tulo 2 y de la tasa interbancaria ( TIIE ) considerada como tasa corta. En la parte nal se compara las curvas de tasas obtenidas por los dos procesos estoc sticos. a

60

M od elo d e T a sa s co n M B F

C ap lo 5 tu M o d elo d e T asas con M ov im ien to B row n ian o F raccion al

5 .1 M o d e lo d e T a sa s V a sic e k c o n M o v im ie n to B r o w n ia n o F r a c c io n a l 5 .1 .1 M o d e lo d e T a sa s V a sic e k c o n M o v im ie n to B r o w n ia n o El modelo de tasas Vasicek, desarrollado por el autor del mismo nombre en 1977, describe el comportamiento de la tasa corta o tasa spot. A partir de esta descripci n es o posible deducir una ecuaci n general de los bonos, que es una ecuaci n lineal diferencial o o parcial de segundo orden con valores a la frontera, de hecho, su estructura es similar a la ecuaci n de Black-Scholes. La soluci n a dicha ecuaci n nos proporciona el precio de un o o o bono en sus diferentes plazos y de manera equivalente a partir de esta soluci n se puede o obtener la funci n de estructura de plazos, es decir la tasa de inter s tambi n para cada o e e uno de los plazos. Para la deducci n de la ecuaci n general de los bonos se utilizan dos principios: la cobertura o o y la no existencia de arbitraj e. El primero se utiliza en la construcci n de un portafolio o integrado por dos bonos con diferentes vencimientos y la combinaci n de ambos se elimina o la parte est castica del problema. La condici n de arbitraje se ocupa en el momento de o o igualar los rendimientos libres de riesgo con los de una cuenta bancaria de tasa j a. Una caracter stica importante del modelo propuesto es la reversi n a la media, es decir, o que no importa cual es el valor inicial de la tasa corta, en el largo plazo se converge a un cierto valor de tasa de inter s. A continuaci n se presenta la forma de comportamiento e o ex geno de la tasa en el modelo Vasicek 1 6 : o dr t = a(b r t ) dt + dW ; (5:1)

en donde W es un proceso Wiener, y b es el valor del par metro al que converge la tasa a corta, los valores de a y b pueden deducirse de los hist ricos de la tasa corta. Con dicho o modelo se llega a construir la estructura de plazos que tiene la forma siguiente: B = B (t;r t ) = e A con condici n de frontera siguiente: o A (T ;T ) = D (T ;T ) = 0: y en donde A (t;T ) y D (t;T ) estan dados por:
16 (t;T ) r t D (t;T )

(5:2a )

(5:2b)

Para mayor detalle consultar Vasicek(1977) 61

M od elo d e T a sa s co n M B F 1 1 2D 2 (D (T t) ) (a2 b 2 ) a2 2 4a D (t;T ) =

A =

(5:2c)

1 e a(T t) : (5:2d ) a Se debe mencionar la existencia de otros supuestos importantes, como es la existencia de un mercado donde se puede prestar y pedir prestado y la simetr en la informaci n de los a o agentes. Tambi n hay que mencionar que una limitaci n importante del modelo Vasicek, e o es que su funci n de estructura de plazos, dependiendo del valor de los par metros, pueden o a llegar a estimar tasas de inter s negativas. e 5 .1 .2 M o d e lo d e T a sa s V a sic e k c o n M o v im ie n to B r o w n ia n o F r a c c io n a l En esta secci n se propone que la tasa corta sea descrita por un modelo de Vasicek con o regresi n a la media, pero el t rmino estoc stico debe estar modelado por un movimiento o e a browniano fraccional a diferencia del caso anterior, es decir, un modelo para series de tasas que posean caracter sticas m s generales que sol mente la independencia. Adem s, a a a se consideran los mismos supuestos nancieros mencionados en la secci n anterior del caso o Vasicek modelado por el browniano tradicional. Se inicia considerando un modelo de tasa corta de Vasicek con reversi n a la media, donde o dB H es un movimiento browniano fraccional dr t = a(b r t ) dt + dB
H

(5:3)

Con esta propuesta de esta tasa corta de acuerdo al modelo de Vasicek Fraccional es posible construir la ecuaci n general de los bonos con la condici n de frontera siguiente: o o @B + 2 H t2 H @t
1

@ 2B @B + a(b r t ) rB = 0 2 @r @r

(5:4a ) (5:4b)

B (r T ;T ; T ) = 1: D e m o str a c i n o

Se considera dos bonos de tasa j a con diferentes vencimientos en T 1 y T 2 dados por: B B

1

= B 1 (t;r t ; T 1 ) = B 2 (t;r t ; T 2 ) :

(5:5a ) (5:5b)

Y se construye un portafolio que este integrado por los dos bonos con diferentes fechas de vencimiento = w 1B
1

+ w 2B 2;

(5:6)

62

M od elo d e T a sa s co n M B F o bien en t rminos de incrementos, el cambio en el portafolio es: e d = w 1 dB

1

+ w 2 dB 2 :

(5:7)

Por otra parte, se sabe que el cambio en el precio de cualquiera de los dos bonos, de acuerdo al lema de It^ fraccional del Cap o tulo 4 ecuaci n (4.27) , esta dado por: o dB
i

@B i @B i + a(b r t ) + 2 H t2 H @t @r

@ 2B i @ r2

dt +

@B i dB @r

iH (t) :

(5:8)

Se sustituye la ecuaci n (5.8) en (5.7) y el cambio del valor del portafolio ser : o a @B 1 @B 1 d = w 1 ( + a(b r t ) + 2 H t2 H @t @r + @B 2 @B 2 w2 ( + a(b r t ) + 2 H t2 H @t @r @ 2B 1 @B 1 ) dt + + dB 2 @r @r

1 H (t)

@ 2B 2 @B 2 ) dt + + dB 2 @r @r

2H

(t) :

(5:9)

Despu s de organizar t rminos se llega a lo siguiente: e e @ 2B 1 @B 2 ) dt + w 2 ( + 2 H t2 H 2 @r @t @ 2B 2 ) dt; @ r2

d (1 ) = w 1 (

@B 1 + 2 H t2 H @t

(5:10)

con la siguiente condici n se busca eliminar la parte est castica (browniano fraccional) o o para tener un portafolio de cobertura w
1

@B 1 @B 1 +w2 = 0: @r @r

(5:11)

Una posible soluci n que hace satisface la ecuaci n anterior y hace el valor estoc stico cero o o a es: w
1

= 1;
@B 1 @r @B 2 @r

(5:12a )

(5:12b)

Por otro lado, el rendimiento de un portafolio en un mercado libre de riesgos esta dado por: d (2 ) = r t d t = r t 63 B
@B 1 @r @B 2 @r

(5:13)

M od elo d e T a sa s co n M B F Si se iguala el rendimiento libre de riesgo de los portafolios 1 y 2 y se tiene:

@B 1 @t

+ 2 H t2 H

2 1@ B 1 @ r2

@B 1 @r

rB

@B 2 @t

+ 2 H t2 H

2 1@ B 2 @ r2

@B 2 @r

rB

(5:14a )

de la ecuaci n anterior, la forma de la expresi n es independiente del vencimiento del bono, o o es decir:
@B @t

+ 2 H t2 H
@B @r

1 @ 2B @ r2

rB

= m (r;t) :

(5:14b)

Es f cil comprobar como en el caso tradicional que m debe ser: a m = a(b r t ) : Y de esta forma se llega a la ecuaci n general de los bonos o
@B @t 1 @ 2B @ r2

(5:15)

+ 2 H t2 H

+ a(b r t ) @@ Br r B = 0;

con la condici n de frontera B (r T ;T ; T ) = 1 o S o lu c i n d e la E c u a c i n G e n e r a l d e lo s B o n o s F r a c c io n a l o o La soluci n de la ecuaci n general de los bonos (5.4 a y b) nos proporciona el precio o o del bono en un mercado browniano fraccional, para encontrarla se propone una soluci n o del siguiente tipo: B = B (t;r t ) = e A con A (T ;T ) = D (T ;T ) = 0:
2

(t;T ) r t D (t;T )

(5:16a )

(5:16b)

Se sustituye las derivadas parciales ( @@Bt ) ;( @@ Br ) y ( @@ tB ) y derivando respecto de B se llega 2 a: @A @D r + 2 H t2 H 1 D 2 a(b r t ) D r t = 0: (5:17) @t @t Posteriormente se deriva respecto a r t y se obtiene una ecuaci n con una sola variable que o resulta m s f cil de resolver a a @D = aD (t;T ) 1 @t con soluci n o D (t;T ) = 1 e a(T a 64
t)

(5:18:)

(5:19)

M od elo d e T a sa s co n M B F Se sustituye en las ecuaciones anteriores y se llega a la siguiente expresi n que s lo depende o o de A: @A = b be a(T @t 2 H 2H t a2 2 2 2 H t a2 e a(T 2 H 2H t a2
1 2 a (T t)

t)

t)

: (5:20)

Resolviendo la ecuaci n diferencial anterior, que es relativamente directo y despu s de o e ordenar t rminos se llega a: e b 2 2 b 2 b(T t) e a(T t) + 2 (T 2 H t2 H ) a 2a3 4a3 a 2a : 2 2 2 H a(T t) 1 2 H 1 H 2 a(T t) 1 2H 1 + 3 e (t ) e (t ) a a 2a3 2a A =

(5:21)

En el caso l mite cuando H ! 1 se tiene que los valores de de las funciones A (t;T ) y 2 D (t;T ) de caso browniano fraccional convergen a la soluci n del browniano tradicional, es o decir D
M B F

! D

M B

y A

M B F

! A

M B

entonces B

M B F

(t;T ) ! B

M B

(t;T )

y como D 6 D (H ) , el valor de la funci n D en el caso browniano y browniano fraccional = o es el mismo. 5 .2 A p lic a c i n d e l M o d e lo d e T a sa s V a sic e k c o n M B F a u n c a so d e ta sa s e n M x ic o o e 5 .2 .1 D e te r m in a c i n d e lo s p a r m e tr o s d e l M o d e lo d e T a sa s V a sic e k c o n M B F o a As como es posible conocer precio de un bono B (t;r t ; T ) como funci n de D (t;T ) o y A (t;T ) en el caso del mercado browniano fraccional, tambi n es se puede, a partir del e precio del bono, determinar la funci n de estructura de plazos con ayuda de la expresi n o o siguiente: rD A : (5:22) T t Para poder determinar la estructura de plazos, fue necesario primero c lcular los par metros a a que aparecen en la Tabla 5.1. Para el an lisis se tomaron 320 datos la tasa interbancaria a diaria de M xico (TIIE) del 31 de Enero de 2005 al 4 de Abril de 2006. En donde e corresponde a la desviaci n est ndar hist rica de la serie y los valores de a y b se obtienen o a o a partir de los estimadores de la regresiones siguientes, donde r t es la tasa TIIE de corto plazos para el tiempo t: R (t;T ) = r t+
1

= 0 + 1 r t + t

(5:23)

Si discretizamos la ecuaci n (5.3) para r t y t e identif o camos t rminos con la ecuaci n e o (5.23) , concluimos que pueden determinarse los valores de a y b a partir de los estimadores 0 y 1 de la regresi n anterior o 65

M od elo d e T a sa s co n M B F

a = 1 1 b= 0 1 1

(5:24a ) (5:24b)

Los valores de los par metros se muestran en la tabla 5.1 siguiente, se debe hacer notar a que al momento de hacer la regresi n estamos suponiendo que los errores se comportan de o forma normal, algo que en extricto sentido no es del todo correcto, pero se acepta para una primera aproximaci n debido a que forma parte de los supuestos b sicos de las regresiones: o a Tabla 5.1 P rametros a Valores b 0.099 a -0.006 r 7.6 0.008

5 .2 .2 R e su lta d o s d e l M o d e lo d e T a sa s V a sic e k c o n M B F Las gr cas 5.1 y 5.2 muestran un comparativo de las curvas de la estructura de a plazos del modelo Vasicek obtenidas a partir de un modelo de tasas corta con t rmino e browniano tradicional y browniano fraccional para valores de H ligeramente diferentes de 0.5. Se debe mencionar que la curva de estructura de plazos es mucho m s sensible a a peque~ as variaciones del coeciente Hurst que en el caso de la valuaci n del Call Europeo n o del Cap tulo 4, adem s se puede vericar que ahora el valor de la estructura de plazos a R (t;T ) es funci n de t y H . o

Gr ca 5.1 a 66

M od elo d e T a sa s co n M B F Si H tiene un peque~ o cambio y pasa de 0:5 a 0:50001 como se aprecia en la gr ca 5.1 en n a el largo plazo (plazos mayores a 5 a~ os) las tasas de los modelos de estructura de plazos del n modelo Vasicek tradicional quedan por debaj o del Vasicek Fraccional y tienden a converger a un mismo valor. Sin embargo, en el corto plazo el valor de la curva fraccional se dispara y crece desproporcionalmente. En la misma gr ca tambi n aparece el caso donde H pasa a e 0:5 a 0:49999 y se observa el mismo efecto, pero la explosi n de las tasas es en sentido o contrario. En la gr ca 5.2 se muestra que sucede con la curva de estructura de plazos si H se mueve a diez veces m s que en caso anterior, aumentando a 0:5001 o disminuyendo a 0:4999. Aunque a sigue siendo una peque~ a perturbaci n tambi n se observa que la curva fraccional converge n o e pero de forma m s lenta que en el primer ejercicio. En este caso,aunque la diferencia entre a las dos curvas es todav m s notoria,la estructura de plazos tradicional se encuentra por a a debaj o de la curva fraccional.

Gr ca 5.2 a De las observaciones anteriores, se puede concluir que el supuesto de independencia de los incrementos de la series de las tasas como en en caso de la TIIE resulta ser m s a importante que en los casos de las valuaciones de las opciones analizada en el cap tulo 4. Como consecuencia, cuando una serie de tasas cortas de inter s presenta caracterist e cas de persistencia, el modelo de la estructura de plazos de Vasicek s lamente proporciona una o buena aproximaci n en el largo plazo. o En el cap tulo siguiente se desarrolla el m todo H-J-B para resolver el problema del consume idor estoc stico con apoyo de los resultados matem ticos del capitulo 3. Posteriormente se a a generaliza el resultado incluyendo un comportamiento estoc stico de la volatilidad, tama bi n modelada por un movimiento browniano fraccional. La j usticaci n se encuentra al e o aplicar la metodolog Rango Reescalado del cap a tulo 2 al caso de las volatilidades del IPC, TDC, DJI y TDCUS. 67

M tod o H -J -B co n M B F e

C ap lo 6 tu M to d o H am ilton - J acob i - B ellm an (H J B ) en e M ercad os B row n ian os F raccion ales

6 .1 M to d o H -J -B c o n M B F e 6 .1 .1 P la n te a m ie n to d e l P r o b le m a d e l C o n su m id o r E sto c stic o a Se supone la existencia de un agente racional que representa a todos los inversionistas y que obtiene utilidad del consumo. Este agente desea integrar un portafolio con la posibilidad de elegir entre tres diferentes tipos de activos: un bono de tasa j a, una acci n y un derivado o sobre esa acci n. El problema consiste en determinar el consumo o ptimo y las inversiones o en cada uno de los t tulos de tal forma que maximicen su utilidad. Para resolver este problema se utilizara el m todo H-J-B utilizando algunos de los resultados del cap e tulo 3. El problema del consumidor se plantea con la siguiente funci n a maximizar conocida o como funci n de utilidad indirecta o funci n de consumo con una funci n de utilidad o o o u (C 0 ) = lnC 0 t Z t ~ J (W ;t) = max E lnC 0 e dtjF t ; (6:1)
0

~ donde E son las expectativas cuasicondicionales denidas en el cap tulo 3. La restricci n presupuestal del uj o a invertir esta dada por el cambio en la riqueza denida o de la siguiente forma : dA = A (w 1 dR
B

+ w 2 dR

+ (1 w

w 2 ) dR

) C 0 dt;

(6:2)

y los rendimientos de los tres activos dado por: dR para el bono, dR para la acci n y o dR para el derivado. 68
C S B

dB = r dt B

(6:3a )

dS = dt + dB S

(6:3b)

dC = C dt + C dB C

(6:3c)

M tod o H -J -B co n M B F e Las constantes w 1 , w 2 y 1 w 1 w 2 son las proporciones del portafolio asignados al bono libre de riesgo, la acci n y el derivado respectivamente y dB H es un movimiento browniano o fraccional. Por otro lado C y C est n dados por: a 2 1 @C @C 2 2 2H 1 @ C C = +S + S H t ; (6:4a ) C @t @S @S 2 S @C C = (6:4b) C @S Sustituyendo d R B , d R S y d R la riqueza esta dada por dA :
C

en A y organizando t rminos tenemos que la evoluci n de e o

dA = A dt + A dB con A y A dados por A = A (w 1 r + w 2 (1 w A = A (w 2 + (1 w

1

(6:5)

w 2 ) C
1

C0 ) A

(6:6a ) (6:6b)

w 2 ) C ) :

6 .1 .2 S o lu c i n d e l P r o b le m a d e l C o n su m id o r E sto c stic o o a El m todo H-J-M estoc stico consiste en encontrar C 0 ,w 1 y w 2 que maximice la e a ~ ecuaci n (6.1) suj eto a la restricci n de la ecuaci n (6.5) , donde E [] es la esperanza cuasi o o o condicional denida en el Cap tulo 3. La funci n J (w 1 ;w 2 ;C 0 ) puede escribirse como: o " Z t+
t dt

~ J (w 1 ;w 2 ;C 0 ) = maxf C 0 ;w 1 ;w 2 g E Y luego puede expresarse como:

J (w 1 ;w 2 ;C 0 )= m a x f C
0 ;w 1 ;w 2 g

lnC 0 e

dt +

Z1

lnC 0 e

dtjF t :

(6:7)

t+ d t

~ E [ ln C 0 e

d t+

o (d t)+ J (t;A )+

d J (t;A

)+ o (d t)jF

]:

(6:8)

Sustituyendo dJ (t;A ) del Lema de It^ fraccional del Cap o tulo 4, ecuaci n (4.27) y luego o de cancelar y despreciar t rminos no signicativos e
:

J (w 1 ;w 2 ;C 0 )= m a x f C

0 ;w 1 ;w 2 g

E~ ln C 0 e

d t+

J (t;A )+ ( @ J + @t

@J A @A

2 + A H t2 H

1 @2J @A 2

)d t+ A A

@J @A

dB

jF

(6:9) Tomando el valor esperado condicional y despu s de ordenar t rminos se llega a: e e 69

M tod o H -J -B co n M B F e

0 = maxf C 0 ;w 1 ;w 2 g

lnC 0 e

@J @J 2 +( +A + A H t2 H @t @A

@ 2J ) dt : @A 2

(6:10)

Se propone la soluci n para J(t,A) como la siguiente: o J (t;A ) = V (A ) e con sus derivadas parciales: @ J (t;A ) = V (A ) e @t @ J (t;A ) = V 0(A ) e @A
t t

(6:11a )

(6:11b) (6:11c)

@ 2 J (t;A ) = V 00(A ) e t : (6:11d ) @A 2 Sustituyendo las ecuaciones de (6.11 b,c,d) en 6.10 y organizando t rminos se llega a: e 0 = lnC
0 2 V (A ) + V 0(A ) + A H t2 H 1

V " (A ) :

(6:12)

Y se propone una soluci n para V(A) de la siguiente forma: o V (A ) = 0 + 1 lnA ; V 0(A ) = V 00(A ) = 1 ; A (6:13a ) (6:13b) (6:13c)

1 ; A2 y sustituyendo las ecuaciones (6.13) en (6.12) se tiene: 0 = lnC

0

1 1 2 A H t2 H 1 2 : (6:14) A A Derivando parcialmente la ecuaci n anterior respecto a C 0 , w 1 y w 2 se obtiene el siguiente o sistema de ecuaciones: ( 0 + 1 lnA ) + A C w + (1 )w c
2 0

A ; 1 r c ; 2 t2 H 1
2 cH

(6:15a ) (6:15b)

=1+

( c ) 2 w 2 ( c c )

=1+ 70

2 2( c

c c ) H t2 H

(6:15c)

M tod o H -J -B co n M B F e Ahora se debe seleccionar cualquiera de las ecuaciones 6.15 b y c porque no se satisfacen simult neamente. Pero si se elige la primera de ellas al tener dos variables y una sola a ecuaci n se tiene un n mero innito de soluciones, si se toma la opci n w 1 = 0 tenemos lo o u o siguiente. w 1+ w
2 1

=0

(6:16a )

r c 2 2H t2 H 1 c (1 c ) 1+ r c 2 2H t2 H 1 c : (1 c )

(6:16b)

1 w

=1

(6:16c)

De la soluci n anterior, se aprecia que el consumo no se ve efectado por un cambio en el o tipo de proceso estoc stico, es la misma que en el caso del movimiento browniano. Mientras a que la proporci n de la riqueza en cada t o tulo ahora son funci n del exponente Hurst y de o tiempo inicial t. Esta soluci n implica no considerar bonos y la posici n de la acci n esta o o o cubierta con la posici n del derivado. En el caso de otra soluci n como es la de esquina1 7 , o o por ej emplo: w 1 = 0 y w 2 = 1 sustituyendo en las ecuaciones (6.15) , las expresiones de (6.4) para c y c se llega a: @ C (t;S ) + H 2 t2 H @t @ 2 C (t;S ) + ( 2 2 H t2 H @S 2 @ C (t;S ) r C (t;S ) = 0; (6:17) @S

)S

que corresponde a la ecuaci n Black-Scholes Fraccional (4.20) cuando r = 2 2 H t2 H 1 , o si la comparamos con la expresi n para el valor de mercado de riesgo = r + , en un o mercado de estas caracter sticas dicho valor es: = 2 H t2 H
1

(6:18)

6 .2 M to d o H J B c o n M B F y V o la tilid a d E sto c stic a e a 6 .2 .1 V o la tilid a d E sto c stic a e n lo s M e r c a d o s a En los cap tulos anteriores, en la modelaci n del comportamiento de los activos subyao centes con procesos estoc sticos se ha considerado siempre dentro de los supuestos de los a movimientos brownianos o brownianos fraccionales que la volatilidad del proceso es una constante en el tiempo. Sin embargo, un sencillo an lisis gr co del comportamiento de la a a volatilidad de las mismas variables del mercado de M xico y Estados Unidos ( IPC, DJI, e TDC y TDCUS) se puede vericar que es posible modelar la volatilidad como un proceso. Nos interesa principalmente este tipo soluci n por que nuestro n es poder realizar la o valuaci n m s que analizar las propiedades de optimizaci n o a o 71
17

M tod o H -J -B co n M B F e Para cada serie se toma una ventana m vil de un a~ o (252 y 365 para d h biles y o n as a 18 naturales respectivamente) para el c lculo de la volatilidad. La gr ca 6.1 presenta la a a volatilidad del IPC con informaci n 2000 datos que van de enero de 1999 a enero del 2007. o Debido a las diferencias en el tama~ o de las muestras para las cuatro series, las fechas de n inicio y n de los datos no coinciden.

Gr ca 6.1 a La gr ca 6.2 muestra la volatilidad del DJI (una serie de 2000 datos) de febrero de 2000 a a enero de 2007

Gr ca 6.2 a
18

En el cap tulo 7 se explica el m todo de volatilidad de promedios m viles a~ os e o n 72

M tod o H -J -B co n M B F e Con 2000 datos se calcula la volatilidad del TDC de 1999 a 2007, esto se puede observar en la gr ca 6.3. a

Gr ca 6.3 a Finalmente en la gr ca 6.4 se muestra la volatilidad de TDCUS con 1700 datos que llegan a van de enero del 2000 a enero del 2007.

Gr ca 6.4 a De las gr cas anteriores se observa que ser conveniente modelar la volatilidad como a a un proceso estoc stico. Tradicionalmente la parte estoc stica del proceso se ha modelado a a con un movimiento browniano, como es el caso de art culo de 1987 para la valuaci n o 73

M tod o H -J -B co n M B F e de opciones con volatilidad estoc stica de Hull and White. En dicho trabajo se llega a a una soluci n cerrada para la generalizaci n de la formula Black-Scholes considerando o o la volatilidad modelada por un movimiento browniano tradicional. Considerando estos hechos, el siguiente paso es preguntarse si las series de las volatilidades de los ndices IPC y DJI y de los tipos de cambio TDC y TDUS son series con eventos persistentes, antipersistenes o independientes y si son series fractales. Para determinar que propiedades poseen, se vuelve a aplicar la metodolog (R/S) para el c lculo del coeciente Hurst del a a Cap tulo 2. Los resultados de este an lisis se muestran en la siguiente tabla 6.1: a Tabla 6.1

Serie IPC TDC DJI TDCUS

H 0.7384 0.7279 0.7469 0.6814

E(H ) 0.5726 0.5726 0.5726 0.5752

DE(H ) 0.0223 0.0223 0.0223 0.0243

(H E (H ) ) = D E (H ) 7.4350 6.9641 7.8161 4.3704

Acepta Ho N N N N

Gr ca 6.5 a

74

M tod o H -J -B co n M B F e A continuaci n aparecen las gr cas (R/S) de las volatilidades del IPC,DJI,TDC y TDCUS o a

Gr ca 6.6 a

Gr ca 6.7 a Sorprendentemente la volatilidad de las series (IPC, DJI, TDC y TDCUS) muestran una persistencia (H > 0:5) mayor que la de los rendimientos originales y estad sticamente signicativos. Este resultado es muy interesante e invita a modelar el comportamiento de la volatilidad mediante un movimiento browniano fraccional. Por ej emplo, se pude pensar en un activo subyacente S modelado por un browniano fraccional con un exponente Hurst 75

M tod o H -J -B co n M B F e H 1 , cuya volatilidad V a su vez, sea modelada por otro browniano fraccional exponente Hurst H 2 como en el caso siguiente: d S = S dt + S dB d V = V dt + V dB
H 1;

(6:19) (6:20)

H 2;

Con V = 2 y adem s podemos suponer en el caso m s sencillo que los dos brownianos a a fraccionales no tienen ninguna correlaci n,es decir: C O V (dB H 1 ;dB H 2 ) = 0 o Ahora se propone un derivado que sea funci n de un subyacente y de la volatilidad o est castica del mismo, entonces C=C(t,S,V) y la generalizaci n del lema de It^ y de las o o o ecuaciones (3.46) y (4.27) del Cap'itulo 3 y 4 quedar de la forma siguiente: a dC = c dt + c dB C con c ; c y c dados por: 1 c = C @C @C @C +S + + 2 S 2 H 1 t2 H @t @S @V c = c = @ 2C + 2 V 2 H 2 t2 H @S 2 @ 2C @V 2
H 1

+ c dB

H 2

(6:21)

(6:22a )

1 @C S C @S 1 @C V : C @V

(6:22b)

(6:22c)

6 .2 .2 P la n te a m ie n to d e l P r o b le m a d e l C o n su m id o r E sto c stic o a c o n V o la tilid a d E sto c stic a c o n M B F a Considerando los mismos supuestos de 6.1 del agente racional que construye un portafolio con la posibilidad de elegir tres diferentes tipos de activos, un bono de tasa j a de tipo, una acci n y un derivado sobre esa acci n, pero suponiendo que la volatilidad estoc stica o o a se describe con un movimiento browniano fraccional. Nuevamente el problema consiste en determinar el consumo o ptimo y las inversiones en cada uno de sus t tulos de tal forma que m ximicen su utilidad y para resolverlo utilizaremos el m todo H-J-B. a e La restricci n presupuestal del cambio en la riqueza compuesta por los rendimientos del o bono, la acci n y el derivado, donde w 1 ,w 2 y 1 w 1 w 2 son las proporciones del portafolio o asignados a cada uno de los activos respectivamente y donde dB H es un movimiento browniano fraccional, y de la secci n anterior C y C entonces tenemos: o dA = A dt + A 1 dB 76
H 1

+ A 2 dB

H 2

(6:23a )

M tod o H -J -B co n M B F e con A y A
1

y A

como A = A (w 1 r + w 2 + (1 w A
1 1

w 2 ) C w 2 ) C );

C0 ) A

(6:23b) ; (6:23c) (6:23d )

= A (w 2 + (1 w A
2

= A c (1 w

w 2 ):

6 .2 .3 S o lu c i n d e l P r o b le m a d e l C o n su m id o r E sto c stic o o a c o n V o la tilid a d E sto c stic a c o n M B F a Se aplica el m todo H-J-B est castico y el problema de elecci n consiste en encone o o trar C 0 , w 1 y w 2 que maximice la ecuaci n (6.24) suj eta a la resctricci n (6.23) , donde o o ~ [] es la esperanza cuasi condicional del cap recordemos que E tulo 3 1 Z t ~ J (w 1 ;w 2 ;C 0 ) = maxf C 0 ;w 1 ;w 2 g E lnC 0 e dtjF t : (6:24)
t

que tambi n puede escribirse como: e " Z t+

t dt

~ J (w 1 ;w 2 ;C 0 ) = maxf C 0 ;w 1 ;w 2 g E y se sigue:
J (w 1 ;w 2 ;C 0 )= m a x f C
0 ;w 1 ;w 2 g

lnC 0 e

dt +

Z1

lnC 0 e

dtjF t :

(6:25)

t+ d t

~ E [ ln C 0 e

d t+

o (d t)+ J (t;A )+

d J (t;A

)+ o (d t)jF

]:

(6:26)

Se sustituyen d J (t;A ) del Lema de It^ fraccional de los Cap o tulos 3 y 4 y despu s de e ordenar y despreciar algunos t rminos e
J (w 1 ;w 2 ;C 0 )=

m ax fC

0 ;w 1 ;w 2 g

E~ ln C 0 e

d t+

J + (@J + @t

@J A @A

+ V

@J @V

2 + ( A 1 H

1t

2H 1 1 +

2 A 2H

2t

2H 2 1 @ 2 J )@A 2

+ 2V

2 @2J @V 2

)d t

+ E~ A

@J 1 @A 1

dB

H 1+

@J 2 @A 2

dB

H 2+

@J @V

dB

H 2+

A 2 V co v ( d B

H 1;

dB

@2J H 2)@A @V

(6:27)

Se toma el valor esperado condicionado y recordando que se supone que la covarianza entre los dos brownianos fraccionales es cero, se llega a: 77

M tod o H -J -B co n M B F e

0= m axfC

0 ;w 1 ;w 2 g

ln C 0 e

+ (@J + @t

@J A @A

+ V

@J @V

2 + ( A 1 H

1t

2H 1 1 +

2 A 2H

2t

2H 2 1 @ 2 J ) @A 2

+ 2V

2 @2J @V 2

)d t :

(6:28) J (t;A ) = (V (A ) + g (V ) ) e @ J (t;A ) = V (A ) e @t @ J (t;A ) = V 0(A ) e @A

t t

Se propone la soluci n para J(t,A) del siguiente estilo: o ; (6:29a )

(6:29b)

(6:29c)

@ 2 J (t;A ) = V 00(A ) e @A 2 @ J (t;A ) = g 0(V ) e @V

(6:29d )

(6:29e )

@ 2 J (t;A ) = g 00(V ) e @V 2

(6:29f )

Sustituyendo las ecuaciones (6.29) en (6.28) y despu s de acomodar t rminos se llega a: e e

0 = ln C 0 (V (A )+ g (V ))+

2 V 0(A )+ ( A 1 H

1t

2H 1 1 +

2 A 2H

2t

2H 2 1 )V

" (A )+ V g 0(V )+ 2 V

g " (V )

(6:30)

Como siguiente paso, ahora se propone una soluci n para V(A) de la siguiente forma: o V (A ) = 0 + 1 lnA ; V 0(A ) = V 00(A ) = 1 A 1 : A2 (6:31a ) (6:31b) (6:31c)

Y tenemos de sustituir las ecuaciones (6.31) en la ecuaci n (6.30) o

0 = ln C 0 ( 0 + 1 ln A )+

1 A

2 ( A 1 H

1t

2H 1 1 +

2 A 2H

2t

2H 2 1 1 ) 2 A

g (V )+ V g 0(V )+ 2 V 1

g " (V )

(6:32)

Se deriva parcialmente la ecuaci n anterior respecto a C 0 , w o sistema de ecuaciones: 78

yw

y se obtiene el siguiente

M tod o H -J -B co n M B F e

1 1 ; C0 A

(6:33a )

r c = 2 c H 1 t2 H

(w 2 (1 w

2 w 2 ) c ) 2 c H 2 t2 H

(1 w

w 2 );

(6:33b)

c = 2( c ) H 1 t2 H

2 (w 2 + (1 w 1 w 2 ) c ) 2 c H 2 t2 H

(1 w 1 w 2 ) : (6:33b)

despu s de arreglar las expresiones anteriores quedan como: e

A ; 1

(6:34a )

w 1+

1+

H 1 t2 H 1 1 c 2 2 H 1 t2 H 1 1 c + H 2 t2 H 2 1 c

w 2= 1+

2(H

t2 H

1 1 2 c

r c + H 2 t2 H

12) c

(6:34b)

w 1+

1+

H 1 t2 H 1 1 ( c ) 2 H 1 t2 H 1 1 c ( c )+ H 2 t2 H 2 1 c

w 2= 1+

H 1 t2 H

r 2 2 2H 1 ( c c ) + c H 2t

(6:34c)

Como en el caso anterior, se tiene que elegir entre las ecuaciones 6.34 b y c, si se elige la primera de ellas y se toma una soluci n w 1 = 0 se tiene la siguiente soluci n: o o

79

M tod o H -J -B co n M B F e

w y 1+ w
2

= 0;

(6:35a )

2(H

t2 H

1+

H 1 t2 H 1+

r c 2 1 + H 2 t2 H 2 1 c ) ; H 1 t2 H 1 c 2H 2 1 2 1 2 + H 2t c c
2 c 1

(6:35b)

1 w

=1

2(H

t2 H

1+

H 1 t2 H

r c 2 1 + H 2 t2 H 2 1 c ) : H 1 t2 H 1 c 2H 1 2 1 2 + H 2t 2 c c
2 c

(6:35c)

Otra vez la soluci n del consumo no es efectada por un cambio en el tipo de proceso o estoc stico que lo modela, mientras que las posibles inversiones ahora son funciones de los a exponentes Hurst (H 1 y H 2 ) y de tiempo inicial t. El resultado implica no tener posici n o en bonos y cubrir la posici n de la acci n con el derivado. o o Si en la ecuaci n (6.33) se toma soluci n de esquina w 1 = 0 y w 2 = 1 , se sustituyen las exo o presiones generales de c y c (6.22) a) y b) se llega a la ecuaci n Black-Scholes equivalente o para movimientos brownianos fraccionales con volatilidad estoc stica fraccional. a

@C @C @C + rS + + 2 S 2 H 1 t2 H @t @S @V en donde r = 2 2 H 1 t2 H
1

@ 2C + 2 V 2 H 2 t2 H 2 @S

@ 2C r C = 0: @V 2

(6:36)

y el valor de mercado de riesgo estar dado por: a = 2 H 1 t2 H

1

(6:37)

La ecuaci n (6.36) es similar a la ecuaci n Black-Scholes con volatilidad estoc stica obtenida o o a por Hull and White (1987) pero con la diferencia que los procesos estoc stico considerados a son movimientos brownianos fraccionales y no existe correlaci n entre el comportamiento o del subyacente y su volatilidad. 1 9 Como se conoce la soluci n del problema Hull and White se propone una soluci n de la o o ecuaci n (6.36) de caracter o sticas similares como la siguiente:
2 2 + g (K ) d 1 d 2 + h (K ) d 1 d 2

C (t;S ) = C
19

B SF

(6:37)

Con la misma soluci n de esquina y la ecuaci n (6.32) se puede llegar a una ecuaci n o o o para g(V) :
g " (V )+
2V

g 0(V )

2V 2

g (V )=

1 V 2

[ ln C 0 + ( 0 + 1 ln A ) (

C 0 A

) 1 2 H

1t

2H 1 1

1]

80

M tod o H -J -B co n M B F e donde C B S F ; d 1 y d 2 son las soluciones (ecuaciones 4.2 a, b y c) de la ecuaci n Blacko Scholes (4.20 a y b) que en la deducci n se considera el movimiento browniano fraccional. o Las funciones g(K) y h(K) estan por determinarese y dependen de K = T 2 H 1 t2 H 1 . 2 @C @2 A partir de la ecuaci n anterior 6.37 se calculan las derivadas ( @@Ct ) ;( @ C ) ;( @ V ) ;( @ S C2 ) ;( @ V C2 ) o @S @ y posteriormente se sustituyen en la ecuaci n (6.36) . o Despu s de sustituir, agrupar y acomodar t rminos se llega la expresi n siguiente: e e o C @

@t

+ H 2 t2 H

2 @2C @S 2

+ rS

@C @S

(6:38) Una soluci n posible de la ecuaci n anterior (6.38) ocurre cuando cada uno de los t rminos o o e se hacen cero, es decir: @C + H 2 t2 H @t
1

rC

+ [ P 1 (K )g 0(K )+ P 2 (K )g (K ) P 3 (K )] + [ U 1 h 0(K )+ U 2 (K )h (K ) U 3 (K )] = 0

@ 2C @C + rS rC = 0 2 @S @S

(6:39a ) (6:39b) (6:39c)

P 1 (K ) g 0(K ) + P 2 (K ) g (K ) P 3 (K ) = 0 U 1 h 0(K ) + U 2 (K ) h (K ) U 3 (K ) = 0

Se identica la ecuaci n (6.39 a) como la ecuaci n Black-Scholes Fraccional( ecuaci n o o o 6.20) y estamos seguros que se satisface. Las ecuaciones (6.39 b y c) son ecuaciones diferenciales de las funciones g(K) y h(K) . Una vez que se encuentran estas funciones que dependen de P 1 ;P 2 ;P 3 ;U 1 ;U 2 y U 3 se puede determinar la soluci n de (6.37) , sus valores o est n dados dados por: a
P 1 (K )= 2 H
1t 2H 1 1 d1d2

(6:40a )

P 2 (K )= [(d 1 + d 2 )(
d1 p V H 1 t2 H 1 p K

@ d1 @t

+ rS

@ d1 @S

+ 2S 2H

1t

2 2H 1 @ d 1 @S 2

@ d1 @V

+ 2V H

2t

2 2H 2 1 @ d 1 @V 2

) r d 1 d 2 ]+
@ d1 @V

+ [

+ 2 2S 2H

1t

2H 1 1 @ d 1 ( @S

)2

d1

K V

+ 2V H

2t

2H 2 1 (

p p

K V

@ d1 @V

+ 2(

)2 ]

(6:40b) (6:40c) (6:40d )

P 3 (K )= [S N 0(d 1 )

@ d1 @V

K e r (T

t)

N 0(d 2 )(

@ d1 @V

1 2

K V

U 1 (K )= 2 H

1t

2H 1 1 2 2 d1d2

U 2 (K )= [(d 1 + d 2 )d 1 d 2 (

@ d1 @t

+ rS

@ d1 @S

+ 2S 2H

1t

2 2H 1 @ d 1 @S 2

@ d1 @V

+ 2V H

2t

2 2H 2 1 @ d 1 @V 2

2 2 ) r d 1 d 2 ]+

+ [d 2 d 2 H 1

1t

2H 1 1

K V

+ (d 2 + 4 d 1 d 2 + d 2 )( 1 2

@ d1 @S

)2

1 2

2 d1d2

K V

]+

81

M tod o H -J -B co n M B F e

2V H

2t

2H 2 1

@ d1
(
@V

)2 (d 1 + d 2 )2

1 2

(d 1 + d 2 )d 1

K V

@ d1 @V

+ (

@ d1 @V

1 2

K V

)d 1 d 2

1 2

d2( 1

@ d1 @V

1 2

K V

(6:40e )

U 3 (K )= [S N 0(d 1 )

@ 2d1 @V 2

+ SN

00

(d 1 )(

@ d1 @V

)2 K e (d 2 )(
@ d1 @V

r (T t)

N 0(d 2 )( )]

@ 2d1 @V 2

1 4

[K e

r (T t)

00

1 2

K V 3

)]

K V

(6:40f )

debido a las caracter sticas de la ecuaci n diferencial las soluciones para g(K) y h(K) est n o a dadas por: R Z R R P (K )d K P (K )q (K )d K P (K )d K g (K ) = e e + ce (6:41a ) h (K ) = e con: P (K ) =
P P

U (K )d K

R Z e U
U U
2 1

(K )V (K )d K

R U + ce

(K )d K

(6:41b)

2 1

q (K ) =

P P

3 1

U (K ) =

V (K ) =

U U

3 1

La soluci n de la ecuaci n (6.36) no se presenta como un problema sencillo de resolver y con o o una soluc n no practica. Se plantea como un problema abierto a futuras investigaciones o nuevas formas de resolver el problema, as como la reducci n de la soluci n a la valuaci n de o o o un derivado con volatilidad esto stica del m todo de Hull and White cuando el coeciente a e H = 1= 2.

82

V o la tilid a d Im p licita

C ap lo 7 tu V olatilid ad Im p licita U n a A p licaci n d el M B F al M ercad o M ex ican o o

7 .1 R e v isi n d e l C o n c e p to d e V o la tilid a d o 7 .1 .1 M o d e lo s d e V o la tilid a d La volatilidad es una medida de dispersi n de la informaci n alrededor de la media y o o adem s una medida de la incertidumbre de los rendimientos. T a picamente esta relacionada a la desviaci n est ndar (o varianza) de alg n activo. o a u La volatilidad var a lo largo del tiempo y volatilidades altas tienden a persistir por a periodos prolongados antes de alcanzar un equilibrio de largo plazo, efecto conocido como clustering. Por otra parte, la volatilidad aumenta m s que proporcionalmente cuando a los rendimientos aumentan que cuando los rendimientos disminuyen y esta propiedad es conocida como apalancamiento. En la secci n 6.2 del cap o tulo anterior se propone que la volatilidad tambi n tiene un e comportamiento de persistencia o de memoria larga y se aplica la metodolog de Hurst a para comprobar dicha hipotesis. Existen diferentes formas de modelar la volatilidad como son: la estimaci n param trica, la o e hist rica con promedio m vil, y utilizando series de tiempo (ARMA,GARCH) , con procesos o o estoc sticos y la volatilidad impl a cita. Para el m todo param trico, la volatilidad es un par metro que no cambia en el tiempo e e a y mantiene su mismo valor duarante toda la muestra de tama~ o n y corresponde a la n varianza o desviaci n est ndar muestral. La principal desventaj a de este modelo se debe o a a que el pron stico de voaltilidad corresponde a la estimaci n de la volatilidad presente. o o En la volatilidad hist rica de promedio m vil se abre una ventana m vil de tama~ o n. o o o n A diferencia del caso anterior, la volatilidad no es un par metro sino un proceso que a va evolucionando en el tiempo. Con el metodo de promedio m vil de una muestra de o tama~ o n para cada estimaci n de la varianza se a~ ade una nueva observaci n al nal n o n o de la serie y simulataneamente se elimina la primera de ellas. El inicio y n del proceso depender del tama~ o seleccionado de la muestra. Las gracas 6.1, 6.2, 6.3 y 6.4 del a n Capitulo 6 correspondientes a las volatilidades del IPC, DJI, TDC TDCUS calculadas por este m todo hist rico de promedios m viles. e o o
20 20

E ste tem a p u ed e ser revisa d o co n m a y o r d eta lle en S a n ch ez C er n (2 0 0 1 ) o 83

V o la tilid a d Im p licita Algunas de las desventaj as de este m todo es su sensibilidad al n mero de observaciones e u del promedio m vil o del tama~ o de la ventana y por otra parte la ponderaci n que cada o n o observaci n recibe es la misma independientemente de si la informaci n pueda ser reciente o o o lejana. De las misma forma que en los casos anteriores el pron stico ser igual a la o a volatilidad vigente. El modelo ARMA es un modelo autoregresivo (Autoregressive) y de promedios m viles o (Movil Average) que considera que el promedio de los rendimientos tiene un valor de cero y modela la varianza de los rendimientos o el cuadrado de los rendimientos mediante una regresi n lineal con el cuadrado de los rendimientos de periodos anteriores. Este modelo o se puede pensar como una generalizaci n del caso anterior donde los coecientes o pesos o est n determinados mediante un proceso de regresi n. Esta metodolog tiene las ventaj as a o a de que es capaz de realizar pron sticos de la estructura intertemporal de la volatilidad y o de disminuir la estimaci n del efecto clustering y explotar el efecto de apalancamiento. o El prop sito del modelo GARCH (Generalized Autoregressive Condicional Heteroskedaso ticity) es estimar la varianza no condicional de los rendimientos de los activos nancieros. El modelo m s sencillo GARCH(1,1) mediante una regresi n lineal supone que la varianza a o condicional como funci n de un t rmino independiente, del error del periodo anterior y o e de la varianza del periodo anterior que corresponde al t rmino autoregresivo. Para que e en modelo sea estacionario se requiere que los estimadores o coecientes de la regresi n o sean positivos (incluyendo el t rmino independiente) y que la suma de los dos primeros e sea menor o igual a uno. Para la estimaci n de la varianza se requiere de la media que a o su vez se estima tambi n mediante una regresi n donde el periodo actual se explica por e o el rendimiento del periodo anterior m s un t rmino aleatorio. Las principales ventaj as de a e este modelo es permitir hacer un pron stico de la volatilidad en cualquier periodo futuro o y de esta forma construir la estructura temporal de la volatilidad. Por otra parte, captura bien el efecto de clustering y no sobresestima el efecto de apalancamiento. El modelo de la volatilidad estoc stica consiste en estimar mediante un movimiento gea om trico browniano el comportamiento de la varianza compuesto por un t rmino de tene e dencia y una parte estoc stica de un movimiento browniano (ver secci n 3.1.1) . O bien se a o puede generalizar el resultado mediante un proceso estoc stico como el movimiento browa niano fraccional. En la secci n 6.2 del capitulo anterior puede consultarse como puede o modelarse el comportamiento de un activo mediante un movimiento geom trico browniano e fraccional en donde a su vez la varianza del activo puede a su vez modelarse por otro geom trico browniano fraccional. e 7 .1 .2 M o d e lo d e V o la tilid a d Im p l ita c Varios de los modelos anteriores est n basados en informaci n hist rica y en general en a o o sus pron sticos no incorporan cambios estructurales o de eventos extremos. Para corregir o esto se debe incluir la informaci n de la volatilidad impl o cita en el precio de opciones. El modelo de la volatilidad impl cita toma los precios de los contratos de las opciones que cotizan en el mercado y a partir de estos se ineren las expectativas de mercado por 84

V o la tilid a d Im p licita lo tanto tiene la ventaj a de maximizar las oportunidades de inversi n, de arbitraj e, de o cobertura e incluso de especulaci n. o Este modelo utiliza la valuaci n de opciones de Black-Scholes y un m todo num rico de o e e aproximaciones (como el de Newton o Newton-Raphson) para estimar la volatilidad partiendo del conocimiento de los par metros restantes. De acuerdo con este modelo a partir a del precio de contratos de opciones europeas (call o put) , del precio del activo subyacente, del vencimiento de la opci n y la tasa de inter s libre de riesgos se estima la volatilidad o e correspondiente en cada momento del tiempo. En el cap tulo 4 se presenta el planteamiento y soluci n de la ecuaci n Black-Scholes y o o la valuaci n de opciones europeas considerando que la modelaci n estoc stica del activo o o a subyacente se hace a trav s de un movimiento browniano fraccional denido en la secci n e o 3.1.2 . Utilizando las ecuaciones de Black-Scholes Fraccional 4.2 a) b) y c) y el m todo de e Newton podemos determinar el valor de la volatilidad impl cita con un algoritmo recurrente de acuerdo a la siguiente expresi n para el caso que se conoce el precio de un contrato call o europeo:

t+

= t+

C (S (t) N (d 1 ) K e r (T t) N (d 2 ) ) p S (t) N 0(d 1 ) ( T 2 H t2 H d1 ) + K e r (T t) N 0(d 2 ) ( T p

2H

t2 H +

d2

(7:1)

De forma an loga para el put europeo podemos encontrar una formula para la estimaci n a o de la volatilidad impl cita considerando un movimiento browniano fraccional para el caso de un PUT europeo

) (7:2) Para realizar la estimaci n de la volatilidad impl o cita de una opci n ecs(7.1) y (7.2) con o informaci n del mercado utilizaremos la publicaci n del Mexder de Indicadores del Mercado o o en el Bolet de Opciones del 30 de Enero de 2007 , ano 4 no 728(ver Referencia 12) . Se n considera el caso de un call sobre el IPC y sobre el tipo de cambio peso d lar TDC. En la o tabla siguiente aparece la informaci n necesaria para la estimaci n de la volatilidad que o o tambi n proviene del mismo bolet La tasa de rendimiento se calibra de la informaci n e n. o del boletin y el modelo utilizado. Tabla 6.1

t+

= t +

P (K e r (T t)N ( d 2 ) S (t) N ( d 1 ) ) p S (t) N 0( d 1 ) ( T 2 H t2 H d1 ) + K e r (T t) N 0( d 2 ) ( T p

2H

t2 H +

d2

T. Op. Call E Call E

Sub TDC IPC

Precio 11.03 27,135

F. Actual 14-12-06 14-12-06 85

Vto. 15-06-07 18-06-07

Rend. Estimado 0.045 0.045

V o la tilid a d Im p licita Si se considera diferentes niveles de persistencia, es decir, distintos valores de H , de acuerdo a las ecuaciones 7.1y 7.2 se graca la volatilidad impl cita contra precio de ej ercicio compar ndola con la informaci n de la volatilidad del bolet mencionado, para valores lejanos a o n del precio de ej ercicio fuera del dinero se tiene problemas en la estimacion dela volatilidad implicita.

Gr ca 7.1 a Se observa de las gracas 7.1 y 7.2 que la volatilidad impl cita para determinado precios de ej ercicio del TDC y del IPC va creciendo conforme la serie tiene mayor persistencia (a medida que H va aumentando) . En otras palabras, la volatilidad impl cita de opciones call europeas con subyacente que posea persistencia, es mayor que la volatilidad de opciones call con subyacentes de incrementos independientes.

Gr ca 7.2 a 86

V o la tilid a d Im p licita 7 .2 d ic e d e V o la tilid a d d e M x ic o (V IM E X ) In e 7 .2 .1 A n te c e d e n te s Otra funci n importante de la volatilidad impl o cita adem s de ser un indicador asociado al a riesgo o la incertidumbre es ayudar a la creaci n de indicadores, de productos referenciados o e ndices. Su importancia y su aceptaci n han crecido en los u ltimos anos ya que brinda o una idea de la volatilidad que el mercado esta esperando. La metodolog del a ndice de volatilidad impl cita de Mexico, VIMEX , esta basado en el art culo de Fleming 1965[21] . Este indicador engloba la volatilidad esperada del mercado accionario y calcula la volatilidad impl cita a trav s de las opciones del IPC listadas en el e MexDer. El periodo de medici n de la volatilidad del o ndice es constante en el corto plazo de 66 d h biles o de 90 d naturales. as a as Para la estimaci n del o ndice VIMEX se necesitara del modelo de valuaron de opciones Black-Scholes y de todos los par metros necesarios mencionados en la secci n anterior. a o 7 .2 .2 M e to d o lo g d e V IM E X a La estimaci n del o ndice VIMEX 2 1 consiste principalmente de tres etapas que a continuaci n se mencionan: o Primera Etapa Se calcula el promedio de las volatilidades impl citas de las parejas de opciones europeas (call y put) por arriba y por abaj o del precio strike te rico para los vencimientos m s o a cercano (1) y el segundo vencimiento m s cercano (2) La expresi n general de la volatilidad a o puede escribirse como: ij k , i= call o put ,j = 1(vencimiento m s cercano) , 2(Segundo vencimiento m s cercano) ,k= a a Arriba A (K > S ) o Abajo B (K < S ) . El primer paso es promediar las volatilidades por parejas de arriba y abaj o para el vencimiento m s cercano y luego el segundo vencimiento. a cij + p ij 2

ij = Para i = 1;2 y j = A ;B Segunda Etapa

(7:3)

Este tema puede ser revisado con mayor detalle en informaci n de mercado de la o p gina electronica del MexDer a 87

21

V o la tilid a d Im p licita Este paso consiste en encontrar la volatilidad impl cita del precio de ej ercicio en el dinero interpolando las volatilidades de la etapa anterior

m = m

S K B K A S + m b K A K B K A K B

(7:4)

Para m = 1;2 Donde K A y K B corresponde a los precios strike inmediatos por arriba y por abaj o del cierre de mercado respectivamente en el momento del calculo. Y S es el nivel de cierre del IPC del mercado de capitales. Etapa 3 Finalmente se ponderan las volatilidades del vencimiento m s cercano y del segundo m s a a cercano para crear un periodo constante de apr ximadamente 22 d h biles. En este caso o as a son de 66 d dado que los vencimientos son trimestrales. as Entonces el ndice VIMEX queda de la siguiente forma

V IM E X = 1

T 2 66 66 T 2 + 2 T2 T1 T2 T1

(7:5)

Donde T 1 y T 2 son los d que faltan para la fecha de vencimiento de la opci n m s cercano as o a y la segunda m s cercana respectivamente a la fecha del calculo del VIMEX. a 7 .2 .3 E stim a c i n d e l V IM E X p a r a se r ie s c o n d ife r e n te s p e r siste n c ia s o Utilizando la informaci n de la publicaci n del Mexder de Indicadores del Mercado en el o o Bolet de Opciones de los d h biles del mes de enero de 2007[Ref. 12] . Utilizando la n as a informaci n de los precios de los contratos call y put, los precios de ej ercicios y las fechas de o vencimiento y a partir de la volatilidad impl cita reportada se calibran las tasa de inter s e libre de riesgo. Considerando los parametros mencionados y las ecuaciones 7.1 y 7.2 puede estimarse las volatilidades impl citas para diferentes niveles de persistencia.

88

V o la tilid a d Im p licita Haciendo uso de las volatilidades impl citas reportadas en el bolet correspondientes para n un call y put con subyacente del IPC y con las volatilidades impl citas a partir de las ecuaciones 7.1 y 7.2 se realiza en la graca 7.3 un comparativo con el ndice VIMEX reportado y para los distintos niveles de persistencia.

Gr ca 7.3 a Se observa en la Gr ca anterior como cambiar el a a Indice de volatilidad VIMEX en caso de que la serie IPC tuviera niveles de persistencia. El el caso que H cambie de subyacentes con caracteristicas de independencia a H = 0:6 el nivel de volatilidad aumentar cerca de a por ciento. En el caso extremo de H = 1 la serie VIMEX estar creciendo en casi 100 por a ciento.

89

C on clu sion es
1.- La primera aportaci n del presente trabaj o de tesis muestra que los valores obtenidos del o coeciente Hurst por el m todo (R/S) para las series nancieras (IPC,DJI,TDC y TDCUS) e representativas del mercado mexicano y norteamericano, si bien, en un inicio parecen poseer caracter sticas de persistencia (te ricamente H > 0:5) , al nal resultan no ser o estad sticamente signicativas. Por lo que se mantiene la hip tesis inicial de independencia o de dichas series. De manera complementaria, en un hecho m s conocido, se observa que el a comportamiento observado de distribuciones de las variables mencionadas presentan sesgos y curtosis que las alej an del comportamiento de una distribuci n normal. o 2.- Debido a que el supuesto matem tico de independencia (H = 0:5) para la utilizaci n del a o movimiento browniano puede no cumplirse en variables nancieras reales. En la presente tesis se propone un proceso estoc stico m s general, el Movimiento Browniano Fraccional a a (MBF) . Desde que se establece su denici n, el MBF captura las propiedades de dependeno cia o independencia en el coeciente Hurst(H ) de la serie analizada. Este nuevo proceso estoc stico se construye desde un inicio en un espacio m s general y se van recuperando a a las propiedades m s importantes del mercado Black-Scholes como son: la no existencia de a arbitraj e, medidas equivalentes de probabilidad, martingalas y probabilidades cuasicondicionales. 3.- Con el proceso estoc stico del MBF es posible deducir la ecuaci n de Black-Scholes y la a o valuaci n de derivados en un contexto m s general que toma en cuenta las caracter o a sticas particulares del mercado en estudio dentro del coeciente H . De los resultados obtenidos como una aportaci n del presente trabaj o, se llega a la conclusi n de que el modelo Blacko o Scholes Fraccional te rico estima un precio menor para las opciones calls y puts europeas en o caso de que el activo subyacente posea propiedades de persistencia. Esta diferencia con la estimaci n de precio Black-Scholes tradicional es mayor conforme mayor sea la dependencia o o correlaci n de las series, es decir para H cercana a uno. El efecto se refuerza cuando o la opci n se encuentra fuera del dinero. La combinaci n de ambos resultados en el caso o o extremo puede llegar a generar un precio calculado con el m todo browniano fraccional e que sea cien por ciento menor que el obtenido por el browniano tradicional. 4.- Utilizando en la modelaci n de la tasa corta Vasicek un MBF como t rmino estoc stico, o e a se puede deducir la ecuaci n general de los Bonos, y su funci n de estructura de plazos. o o Comparando esta curva con la obtenida del modelo Vasicek del browniano tradicional se observa que la curva de tasas es extremadamente sensible al valor de H , es decir, al supuesto de independencia de incrementos de las series de tasas cortas es muy estricto. Para el caso de la tasa interbancaria de M xico(TIIE ) con una peque~ a perturbaci n alrededor del e n o valor de H = 1= 2, la funci n de estructura de plazos pierde su forma en el corto plazo o ya que los valores de las tasas se disparan. Sin embargo, en el largo plazo ambas curvas convergen, respetando su caracter stica de reversi n a la media. Por lo tanto, en series o con persistencia, el modelo de estructura de plazos de Vasicek para tasas de inter s es e 90

una buena aproximaci n en el largo plaz y en cada plazo las tasas de inter s del modelo o e Vasicek fraccional son mayores que las del modelo Vasicek tradicional (H > 1= 2) , en otras palabras, los precios obtenidos del modelo Vasicek fraccional son menores que los precios del Vasicek tradicional. El planteamiento, la deducci n de las ecuaciones y soluciones as o como los comparativos son contribuciones de este trabaj o. 5.- Aplicando el m todo H-J-B generalizado, es decir, con un proceso de un MBF, las e formas de las ecuaciones y las soluciones no cambian en escencia en comparaci n con las o ^ deducidas con el c lculo de Ito Tradicional. Ahora la diferencia es que tanto las ecuaciones a como las soluciones dependen del valor del coeciente Hurst(H ) y el tiempo inicial del proceso(t) . 6.-De la misma forma que se analiz las series de los o ndices y del tipo de cambio para M xico y Estados Unidos (IPC,DJI,TDC y TDCUS) para conocer sus propiedades de pere sistencia, as tambi n se revisan las volatilidades de dichas series resultando con mayor e claridad la presencia de persistencia incluso llegando a ser signicativas.Con base en lo anterior, se propone que tanto el activo subyacente como su volatilidad tenga un comportamiento modelado por un MBF. Con la aplicaci n del m todo H-J-B sobre un activo y o e su volatilidad utilizando dos procesos brownianos fraccionales no correlacionados es posible llegar a una ecuaci n de tipo Black-Scholes fraccional generalizada. La aplicaci n del o o m todo H-J-B fraccional, la propuesta de soluci n, as como la estimaci n de persistencia e o o de la volatilidad a trav s del metodo (R/S) tambi n son aportaciones del presente trabaj o. e e 7.-La volatilidad impl cita deducida de la ecuaci n Black-Scholes Fraccional de un call o europeo de las series (TDC y IPC) resulta ser mayor conforme aumenta la persistencia de la serie dado un precio de ej ercicio. Y si adem s consideramos esta estimaci n fraccional a o de la volatilidad impl cita para call y put europeos del mercado mexicano para el calculo del ndice VIMEX, tenemos como resultado que entre mayor sea la memoria de una serie del IPC, el valor del indice VIMEX tambi n ser mayor. e a 8.-Con el procesos Hurst y el MBF es posible generalizar conceptos y formalizaciones matem ticas del mercado te rico Black-Scholes y v a o ncularlo con informaci n de los mercao dos reales. Esta situaci n gradualmente nos llevar a ir sustituyendo las hip tesis de los o a o mercados ecientes por las de mercados fractales.

91

B ib lio g r a a [1] Black, F. and M. Scholes(1973) The pricing of Options and corporate liabilities, J o u rn a l o f P o litica l E co n o m y , 81, pp. 637-659. [2] Cont. R (1994) , Long dependence in nancial markets, Centre de Mathematiques appliqees, Ecole Polytechnique France / Finances Publiques, 49(2) , pp. 282-286. [3] Dai W. and C. Hayde(1996) It^ Formula with respect to fraccional brownian motion o and its application, J . A p p l. M a th . S toch ., Anal 9, pp. 439-448. [4] Dasgupta A. (1997) Fractional Brownian Motion: Its properties and applications to stochastic integration. Ph. D. Thesis, Dept. of Statistic, University of Carolina at Chapel Hill. [5] Desagupta ,A. and G. Kallianpur(2000) Arbitrage opportunities for class of Gladyshev process, A p p l. M a th .O p tim ., 41, 377-385. [6] Duncan,T. E., Y., Hu and B.,Pasik-Duncan (2002) Stochastic Calculus for Fractional Brownian Motion, S IA M J .C o n tro l O p tim ., 38, pp. 582-612. [7] Fleming,Ostdiek y Whaley , " Predicting Stock Market Volatility: a new measure" , The Journal of Futures Markets vol(15) 3, 265-302,1965 [8] Hu, Y. and B. Oksendal (2000) Fractional White Noise Calculus and Applications to Finance, Preprint University of Oslo. [9] Hull, J 2003, Options Futures and Other Derivatives, Fifth Edition, Prentice Hall [10] Hull, J. and A. White(1987) The Pricing of Options on Assets on Stochastic Volatilities,T h e J o u rn a l o f F in a n ce,42(2) ,pp.281-300. [11] Hurst, H.(1951) The long-term storage capacity of reservoirs T ra n sa ctio n s o f A m erica n S ociety C ivil E n gin eer, pp. 116 - 195. [12] Indicadores del Mercado en el Bolet de Opciones n [13] Kravych, Y. (2002) Stock Price Modelling by Long-Memory Process, Overview of the Fractional Brownian Motion Approach, University of New Wales Sydney Australia. [14] Lin, S. (1995) Stochastic analysis of fractional brownian motion and applicationsS IA M R eview 1 0 , pp. 422 - 437. [15] Mandelbrot, B. (1982) The Fractal Geometry of Nature, NY W.H. Freeman [16] Mandelbrot, B. and V. Ness (1968) Fractional Brownian Motions, Fractional Noises and Applications, S IA M review 1 0 , 11(3) . [17] McCulloch J.(1985) The value of european Options with Log-Stable Uncertainty, Working paper. [18] McCulloch J.(1978) The pricing of Short Lived Options when Price Uncertainty is Log-symetris stable, Working paper. [19] Necula C. (2002) Modelling and detecting Long Memory in Stock returns, Academy of Economic Studies, Dissertation Paper. [20] Necula C. (2002) Option Pricing in a Fractional Borwnian Motion Enviroment, Academy of Economic Studies, Bicharest Romania. [21] Norros, I., E. Valkeila., and J. Virtamo (1999) An Elementary approach to a Girsanov Formula and Other Analytical Results on Fractional Brownian Motions,it Bernoulli5(4) . [22] Oksendal B.(2004) Fractional Brownian Motion in Finance Preprint University of Oslo. [23] Palomas E.(2002) Evidencia e Implicaciones del fenomeno Hurst en el mercado de capitales,G a ceta d e eco n o m ia , Ano 8, Num 15. 92

[24] Peters, E. (1991) , Chaos and Order in Capital Markets, New York: John Wiley and Sons. [25] Peters, E., Fractal Market Analysis( Applying Chaos Theory to Invesment an Economic) New York: John Wiley and Sons. [26] Rosek S. and R. (2006) Schobel Risk Preference Based Option Pricing in Fraccional Brownian Market,Preprint Faculty of Economics and Business Administration, University of Tbingen, Germany. [27] Shiryaev A. (1998) On arbitrage and replication for fractal model, Shiryaev and Sulem editors, Workshop on mathematical nance, INRIA, Paris. [28] Sanchez, C. (2001) , Valor en Riesgo y otras aproximaciones,Valuaci n, An lisis y o a Riesgo. [29] Vasconcelos G.(2004) A guide walk down wall street: an introduction to econophysics, Universidade Federal Pernambuc Brasil. [30] Vasicek, O. (1977) An equilibrium characterization of term structure, J o u rn a l o f F in a n cia l E co n o m ics, 5, pp. 177-188. [31] Venegas, F.(2006) Riesgos Financieros y Econ micos, Thomson o [32] Wilmott, P. (2005) Quantitative Finance, Wiley.

93

A p n d ices e A p n d ice A e P rogram a V B p ara estim ar el C o e cien te H u rst

Private Sub CommandButton1 Click() Dim eA As Double Dim NkA As Double Dim NkkA As Double Dim XkA As Double Dim MaXkA As Double Dim MinXkA As Double Dim R As Double For i = 6 To (Cells(1, 2) + 4) Step 1 Cells(i, 4) = Application.WorksheetFunction.Ln(Cells(i + 1, 2) / Cells(i, 2) ) Next i For j = 1 To Cells(3, 2) Step 1 NkA = Cells(Cells(2, 2) * (j - 1) + 6, 4) For K = 1 To (Cells(2, 2) - 1) Step 1 NkA = NkA + Cells(Cells(2, 2) * (j - 1) + 6 + K, 4) Next K Cells(j + 5, 5) = NkA / Cells(2, 2) Next j For j = 1 To Cells(3, 2) Step 1 For K = 1 To (Cells(2, 2) ) Step 1 Cells(Cells(2, 2) * (j - 1) + K + 5, 6) = Cells(Cells(2, 2) * (j - 1) + K + 5, 4) - Cells(j - 1 + 6, 5) Next K Next j ' For j = 1 To Cells(3, 2) Step 1 XkA = Cells(Cells(2, 2) * (j - 1) + 6, 6) Cells(Cells(2, 2) * (j - 1) + 6, 7) = XkA For K = 1 To (Cells(2, 2) - 1) Step 1 XkA = XkA + Cells(Cells(2, 2) * (j - 1) + 6 + K, 6) Cells(Cells(2, 2) * (j - 1) + 6 + K, 7) = XkA Next K Next j ' For j = 1 To Cells(3, 2) Step 1 Cells(j + 5, 8) = Cells(Cells(2, 2) * (j - 1) + 6, 7) MaXkA = Cells(j + 5, 8) For K = 1 To (Cells(2, 2) - 1) Step 1 If Cells(Cells(2, 2) * (j - 1) + K + 6, 7) > MaXkA Then 94

MaXkA = Cells(Cells(2, 2) * (j - 1) + K + 6, 7) Else MaXkA = MaXkA End If Cells(j + 5, 8) = MaXkA Next K Next j For j = 1 To Cells(3, 2) Step 1 Cells(j + 5, 9) = Cells(Cells(2, 2) * (j - 1) + 6, 7) MinXkA = Cells(j + 5, 9) For K = 1 To (Cells(2, 2) - 1) Step 1 If Cells(Cells(2, 2) * (j - 1) + K + 6, 7) < MinXkA Then MinXkA = Cells(Cells(2, 2) * (j - 1) + K + 6, 7) Else MinXkA = MinXkA End If Cells(j + 5, 9) = MinXkA Next K Next j For l = 1 To Cells(3, 2) Step 1 Cells(5 + l, 10) = Cells(5 + l, 8) - Cells(5 + l, 9) Next l For j = 1 To Cells(1, 2) Step 1 Cells(j + 5, 11) = Cells(j + 5, 6) * Cells(j + 5, 6) Next j For j = 1 To Cells(3, 2) Step 1 NkkA = Cells(Cells(2, 2) * (j - 1) + 6, 11) For K = 1 To (Cells(2, 2) - 1) Step 1 NkkA = NkkA + Cells(Cells(2, 2) * (j - 1) + 6 + K, 11) Next K Cells(j + 5, 12) = NkkA Next j R = Cells(6, 15) For i = 1 To Cells(3, 2) - 1 Step 1 R = R + Cells(6 + i, 15) Next i Cells(9, 18) = R / Cells(3, 2) End Sub 95

El precio de cualquier t tulo en 0 t T medible acotado con F L ( ) esta dada por F (t) = e
r (T t)

A p n d ice B e E valu aci n F raccion al N eu tral al R 2 iesgo o

E~ t [F ] ;

(B :1)

donde denotaremos por E~ t [] las expectativas cuasicondicionales con respecto a las medidas neutrales al riesgo del cap tulo 3. D e m o str a c i n o (basada en Necula(2002) En un mercado completo podemos construirse un portafolio replicante de ((m (t) ;s (t) ) tal que: F (t) = m (t) M (t) + s (t) S (t) con F (T ) = F y tenemos que: dF (t) = m (t) dM (t) + s (t) dS (t) despu s de sustituir y acomodar t rminos e e dF (t) = rF (t) dt + s (t) S (t) dB premultiplicando por e e
rT rt H

(B :2)

(B :3)

(t)

(B :4)

e integrando se sigue: Zt
0

F (t) = F (0) +

e r s ( ) S ( ) dB

( ) ; 0 t T

(B :5)

por el teorema fraccional Clark-Ocone del Capitulo 3 se tiene que e

rT

~ F = E[F ] + e

rT

ZT
0

~ E [D F ] dB

( )

(B :6)

de la completez del mercado tenemos ~ E [D F ] = e y tenemos que e

rT r (T )

s ( ) S ( ) ; 0 T

(B :7)

~ F = E[F ] +

ZT
0

s ( ) S ( ) dB

( )

(B :8)

~ Considerando E [] se sigue: ~ Et e
rT

~ ~ F = E [F ] + E t

" ZT
0

s ( ) S ( ) dB

( )

(B :9)

96

Usando los resultados de cuasi martingalas del inciso anterior Zt ~ t [e r T F ] = E [F ] + ~ E e r s ( ) S ( ) dB

0

( )

(B :10)

Y comparando ecuaciones llegamos a F (t) = e

r (T t) ~

E t [F ] :

(B :11)

97

98

99