Professional Documents
Culture Documents
Diego Chamorro
diego.chamorro@univ-evry.fr
Resumen
El objetivo de este artculo es mostrar algunos de los aspectos matemticos que se encuentran detrs de los modelos
realizados para describir fenmenos econmicos y financieros. Nos concentraremos en particular en las dos herramientas
de base que son el movimiento Browniano y la integral de Wiener, y mostraremos algunas de sus principales propiedades
y caractersticas.
Abstract
This article aims to show some of the mathematical aspects behind the models used for describing economic and
financial phenomena. It focuses on two basic tools: Brownian motion and the Wiener integral, showing some of their
properties and characteristics.
1 Introduccin
El Ecuador produce una gran variedad de materias pri- mos la variacin del precio del cacao y del barril de petr-
mas como cacao, banano, petrleo, etc. cuyo precio se leo durante el perodo 1994-2007.
negocia en las bolsas de valores internacionales, en funcin Visualmente, la primera observacin que podemos ha-
de la oferta y la demanda. Diversos factores (econmicos, cer es que la funcin que representa la evolucin, duran-
polticos, tecnolgicos, meteorolgicos, etc.) intervienen en te los aos 1994-2007, del precio de estas materias primas
la variacin de los precios de estas materias primas, de ma- no es muy regular: presenta picos, oscilaciones y variaciones
nera que tanto los productores como los compradores de- muy rpidas. Notamos tambin que, a partir de un cierto
ben realizar detallados estudios de mercado para poder po- tiempo t (digamos enero 2000, para fijar las ideas), es muy
sicionarse (a corto, mediano y largo plazo) en funcin de difcil predecir, a la luz de las informaciones pasadas, el
estas fluctuaciones. precio al instante t + 1 o t + 2 (digamos enero 2001 y enero
Un primer paso simple para tratar de comprender la 2002). Finalmente, podemos razonablemente suponer que
evolucin del precio de estas materias primas consiste en la evolucin futura tendr un comportamiento similar (pi-
graficar las fluctuaciones pasadas a partir de las informa- cos, oscilaciones y variaciones bruscas). Muchas de las pre-
ciones disponibles. En los grficos de la figura 1, mostrare- visiones econmicas y financieras se construyen por me-
dio de modelos que buscan replicar, o reproducir, estas ob- a partir de caminatas aleatorias y mostraremos una serie
servaciones en el futuro. As por ejemplo, buena parte del de propiedades interesantes de este objeto matemtico. En
presupuesto general del estado ecuatoriano se basa en la la seccin 3, discutiremos algunos aspectos relativos a la
evolucin del precio del petrleo, y en la manera en que integral de Riemann-Stieltjes, cuando la funcin contra la
su venta ha sido negociada. Esta negociacin se realiza so- cual se desea integrar es justamente un movimiento Brow-
bre la base de modelos matemticos sofisticados; por ello, niano. Esto conducir a la construccin de la integral de
es fundamental comprender las herramientas matemticas Wiener. En todas estas secciones nuestras principales refe-
subyacentes. rencias son [6] y [7]. Finalmente, en la seccin 4 veremos
cmo intervienen estos objetos en la modelizacin finan-
ciera por medio de un ejemplo concreto. En el apndice 5,
se incluyen los cdigos en S CILAB que permiten hacer una
modelizacin informtica de las trayectorias de un movi-
miento Browniano.
z este movimiento para explicar las fluctuaciones de los Estas condiciones pueden parecer arbitrarias, pero se-
mercados financieros y este fue el inicio de una larga tra- rn justificadas al construir el movimento Browniano.
dicin en las matemticas financieras, pero hubo que es-
perar al matemtico norteamericano Norbert Wiener para D EFINICIN 2 (Movimiento Browniano estndar). Un pro-
obtener una definicin matemtica formal de este objeto en ceso estocstico B(t, ) es un movimiento Browniano estn-
1923. dar si satisface las siguientes condiciones:
1) El proceso comienza en cero: P : B(0, ) = 0 = 1
2.1 Procesos estocsticos y caminatas aleato- 2) Para todo 0 s < t, la variable aleatoria B(t) B(s)
rias es normalmente distribuida con media cero y de varianza
t s:
El movimiento Browniano es un caso muy particular B(t) B(s) N (0, t s),
de un proceso estocstico cuya definicin general damos a
continuacin. es decir, para todo a < b , se tiene:
Z b 2
1 2(xt s)
D EFINICIN 1 (Proceso estocstico). Sea (, F , P ) un espa- P ( a B ( t ) B ( s) b) = p e dx.
cio de probabilidades, sea ( E, E ) un espacio medible y sea I un 2 (t s) a
2.2 Construccin del Movimiento Browniano A partir de este pequeo clculo, observamos que, para y
t fijados, el lmite de la cantidad E [exp(iYa, (t))] cuando
La caminata aleatoria definida en la pgina anterior a y tienden independientemente hacia cero no existe. Pa-
cumple con algunos de los puntos anteriores pero, en par- ra verificarlo basta hacer un desarrollo limitado de la can-
ticular, no cumple con la condicin 2). Sin embargo la idea tidad cos(a)t/ : en efecto, si a y son muy pequeos se
de caminatas aleatorias es muy til para una construccin
tiene
simple y rpida del movimiento Browniano. t2 a2
Empecemos con una variante del proceso estocstico cos(a)t/ 1 .
2
dado en (1) y consideremos una caminata aleatoria que em-
pieza en el punto cero, con saltos de amplitud a y a de Vemos por ejemplo que, si a x y si x3 , entonces hay
igual probabilidad de ocurrencia en los tiempos , 2, . . . un verdadero problema en la frmula anterior si se hace
en donde s, son dos nmeros positivos. Ms formalmen- a, 0. Esto muestra que se debe fijar con cuidado la re-
te, sea ( n )nN una sucesin de variables aleatorias inde- lacin entre a y para que el lmite exista. Sin embargo, la
pendientes idnticamente distribuidas tales que existencia del lmite de la cantidad E [exp(iYa, (t))] cuan-
do a, 0 no es suficiente para obtener una caminata
1 aleatoria con las propiedades buscadas. Si fijamos ahora a
P ( n = a) = P ( n = a) = . 2
2 y tales que a 0 si 0, se obtiene que
Construimos a partir de esto una caminata aleatoria Ya, lm E [exp(iYa, (t))] = 1.
escribiendo a, 0
(
Ya, (0) = 0, Esto implica que el proceso estocstico X (t) definido por
(2) X (t) = lm Ya, (t) existe, pero se tiene que X (t) 0.
Ya, (n) = 1 + 2 + + n . a, 0
Para obtener el movimiento Browniano es convien-
Luego, para todo tiempo t tal que n < t < (n + 1) junta- te, antes de hacer un desarrollo limitado, escribir x =
mos linealmente los extremos de esta manera: ln(cos(a)t/ ). Se tiene entonces que x = t ln(cos(a)) y,
2
( n + 1) t t n si a es muy pequeo, tenemos cos(a) 1 2 a2 . Ahora,
Ya, (t) = Ya, (n) + Ya, ((n + 1)). dado que ln(1 + ) , si es pequeo podemos escribir
La cantidad Ya, (t) representa la posicin de la camina- 2 2 2
ln(cos(a)t/ ) ln(1 a ) a2 .
ta aleatoria en el tiempo t; y es a partir de esta camina- 2 2
ta aleatoria que vamos a obtener el movimiento Brow- De esta forma observamos que, si a y son muy peque-
niano haciendo tender a y hacia cero, es decir B(t) = t2 2
2 2
t/ e t2 a .
lm a,0 Ya, (t). Pero antes de lanzarnos en el clculo de es- os, se tiene x 2 a y entonces cos(a)
te lmite, conviene estudiar la funcin caracterstica: Por lo tanto, volviendo a la expresin (3), si a y son muy
pequeos, obtenemos la aproximacin
E [exp(iYa, (t))] con R. t2 a2
E [exp(iYa, (t))] e 2 .
Vamos a ver que muchas de las propiedades del proceso es-
2
tocstico lmite se pueden obtener al comprender esta fun- En particular si fijamos a = entonces podemos escribir
cin caracterstica. t2
Por simplicidad, vamos a suponer que t = n, de ma- lm E [exp(iYa, (t))] = e 2 , R.
a, 0
nera que n = t/; esto ser suficiente para nuestros prop-
sitos inmediatos. Por construccin de Ya, y por las propie- El lector observar que esta funcin caracterstica corres-
dades de las variables aleatorias ( n )nN se tiene ponde a una distribucin gaussiana centrada de varianza
" !# igual a t. Estas observaciones nos permiten enunciar nues-
n
tro primer teorema:
E [exp(iYs, (t))] = E exp i j
j =1
T EOREMA 1. Sea Ya, (t) una caminata aleatoria que empieza en
n cero, con saltos equiprobables de amplitud a y a en los tiempos
= E exp(i j )
, 2, . . .. Si suponemos que a2 = , entonces para todo tiempo
j =1
t 0 el lmite
= E [exp(i 1 )]n
B(t) = lm Ya, (t) existe.
1 ia 1 ia n a, 0
= e + e
2 2
n
Se tiene adems que
= cos(a) h i t2
= cos(a)t/ . (3) E eiB(t) = e 2 , R, (4)
y, por lo tanto, que E [N (0, 1)2n ] = cn . Es decir que se veri- Demostracin. Hay que verificar que el proceso estocstico
fica la hiptesis de la proposicin 1 con = 2n y = n 1: B e(t) cumple con las cuatro condiciones de la definicin 2.
Vemos, pues, que se tienen los puntos 1) y 4). Ahora,
E [| B(t) B(s)|2n ] = cn |t s|n . (6) para todo s < t escribimos
Entonces, la expresin (5) implica que existe una modifi-
e(t) de B(t) que es continua y por lo tanto resulta Be(t) B
e(s) = B(t + t0 ) B(s + t0 ), (7)
cacin B
que
P : B(, ) es continua = 1. pero como B(t) es un movimiento Browniano se tiene que
B(t + t0 ) B(s + t0 ) es una variable aleatoria normalmente
Con esto se tiene el punto 4) de la definicin de movimiento
distribuida con media cero y varianza (t + t0 ) (s + t0 ) =
Browniano y terminamos, de esta manera, la demostracin
t s. De esta manera se obtiene que B e(t) verifica la con-
del teorema 1.
dicin 2). Finalmente, para el punto 3), podemos suponer
que t0 > 0; en ese caso, para toda sucesin 0 t1 <
2.3 Algunas propiedades del movimiento t2 < < tn se tiene 0 < t0 < t0 + t1 < < t0 + tn .
Browniano Aplicamos entonces el punto 3) a B(t) para obtener que
B(t), B(tk + t0 ) B(tk1 + t0 ), k = 1, . . . , n son variables
Una vez que hemos construido el movimiento Brow-
aleatorias independientes. Por la frmula (7) se tiene en-
niano estndar y que se dispone de la identidad e(tk ) B e(tk1 ) son in-
h i t2
tonces que las variables aleatorias B
E eiB(t) = e 2 , es posible determinar una serie de pro- dependientes de manera que se obtiene la condicin 3).
piedades que detallamos a continuacin:
P ROPOSICIN 4. Para todo nmero real > 0, el proceso es-
P ROPOSICIN 2. Sea ( Bt )tR+ un movimiento Browniano es- tocstico B e(t) = B(t)/ es un movimiento Browniano es-
tndar. Entonces tndar.
1) para todo t > 0, B(t) es una variable aleatoria normal-
Demostracin. Las condiciones 1), 3) y 4) son inmediatas.
mente distribuida de media cero y de varianza t.
Para verificar 2), observamos que para todo s < t se tiene
2) para todo s, t 0, se tiene E [ Bt Bs ] = mn{s, t}.
Este hecho nos explica que si agrandamos el movimien- Demostracin. La verificacin de este hecho es inmediata
to Browniano por medio de una lupa, seguiremos obser- una vez que se tiene el teorema de Kolmogorov-C enun-
vando, a todas las escalas, un movimiento Browniano. ciado en la proposicin 1. En efecto, dado que se tiene la
Nos interesamos ahora en estudiar la regularidad de es- frmula (6):
te objeto matemtico. Por definicin, sabemos que es un
E [| B(t) B(s)|2n ] = cn |t s|n
objeto continuo, pero es posible decir un poco ms? Pa-
ra hacernos una idea de la situacin, vamos a volver a la se puede aplicar el teorema de Kolmogorov-Centsov con
caminata aleatoria Ya, definida en (2) que nos ha servido = 2n y = n 1, entonces se obtiene que el movimiento
para la construccin del movimiento Browniano. En efecto, Browniano B(t) admite una modificacin continua que es
si fijamos por un instante a y , vemos que entre cada eta- 1
Hlder regular con ndice de regularidad 0 < < n2n . As
pa de la caminata aleatoria Ya, se tiene que la pendiente es se obtiene que el movimiento Browniano posee una regu-
igual, en valor absoluto, a a . Dado que, para la obtencin laridad Hlderiana de orden 0 < < 1/2.
del movimiento Browniano, hemos fijado a = , la pen-
diente entre estas dos etapas de la caminata aleatoria es del O BSERVACIN 1. Es importante notar que se tiene la esti-
orden de 1 +. Esto muestra, heursticamente, que macin estricta en el ndice de regularidad y que se puede
0 mostrar que el movimiento Browniano estndar no es Hl-
es posible que el movimiento Browniano no sea un objeto der regular de orden 1/2.
derivable. En este sentido tenemos el importante teorema
siguiente:
3 Integral de Wiener
T EOREMA 2 (Paley, Wiener, Zygmund). Sea ( Bt )tR+ un
movimiento Browniano estndar, entonces, para todo , El objetivo de esta seccin es dar un sentido a la siguien-
las trayectorias Bt ( ) no son derivables en ningn punto. te expresin:
Z b
Este resultado, demostrado en 1933, es de gran impor- I( f ) = f (t)dB(t, ), (9)
tancia pues brinda un ejemplo de funciones que no son a
derivables en ningn punto pero sobre todo muestra que en dnde f es una funcin determinstica (que no depen-
estas funciones no son nicamente artefactos matemticos, de de ) y B(t, ) es un movimiento Browniano estndar.
sino que aparecen en las observaciones de la naturaleza. La Antes de dar los detalles de la construccin de esta inte-
demostracin de este teorema puede encontrarse en [6]. gral, llamada la integral de Wiener, vamos a mostrar algu-
Tenemos pues una funcin continua que no es deriva- nos puntos que hay que tener en consideracin.
ble en ningn punto es decir que para una trayectoria da- Empecemos con dos funciones f , g : [ a, b] R conti-
/ C 1 (R ). Vamos a ver que es posible
da se tiene que B(t, ) nuas y acotadas. Recordemos que f es Riemann-Stieltjes con
detallar un poco ms la nocin de regularidad y para ello respecto a g, si el siguiente lmite existe:
introducimos el siguiente espacio de funciones. Z b n
f ( x )dg( x ) = lm f (i ) g ( x i ) g ( x i +1 ) (10)
D EFINICIN 5 (Espacios de Hlder). Sea 0 < < 1. Defi- a k n k0 i =1
nimos el espacio de Hlder homogneo C (R ) como el conjunto
en donde n = { x0 , . . . , xn } es una particin del inter-
de funciones (mdulo las constantes) f : R R tales que la
valo [ a, b] con la convencin a = x0 < < xn = b,
cantidad
kn k = max ( xi xi1 ) y i es un punto de evaluacin
1 i n
| f ( x ) f (y)|
k f kC = sup sea finita. (8) dentro del intervalo [ xi1 , xi ].
x 6=y | x y| Sin embargo, hay que tener un poco de cuidado con la
Rb
definicin de la integral a f ( x )dg( x ). Consideremos el ca-
Los espacios de Hlder C (R ) con 0 < < 1 son ge- so particular en donde f = g; notaremos In y Dn las sumas
neralizaciones fraccionarias de los espacios de funciones a de Riemann correspondientes con los puntos de evaluacin
derivadas continuas C k (R ) con k N. i = xi1 y i = xi respectivamente:
Por el teorema 1 sabemos que el movimiento Brow-
n
niano Bt admite una modificacin que pertenece al espa-
cio C 0 (R ) de funciones continuas, pero por el teorema 2
I n = f ( x i 1 ) f ( x i ) f ( x i 1 )
i =1
se tiene que Bt / C 1 (R ). Gracias a los espacios de Hlder n
podemos afinar esta informacin: D n = f ( x i ) f ( x i ) f ( x i 1 ) .
i =1
T EOREMA 3. Sea ( Bt )tR+ un movimiento Browniano estn-
Calculamos ahora Dn In y Dn + In , para obtener
dar, entonces existe una modificacin Be(t) continua de B(t) tal
n 2
que casi todas sus trayectorias poseen una regularidad Hlderia-
D n In = f ( x i ) f ( x i 1 ) (11)
na de orden con 0 < < 1/2.
i =1
n 1. Primeramente:
D n + In = f ( xi ) f ( xi )2 f ( x2i1 ) h
i =1 2 i
E Bt i Bt i 1 = t i t i 1 . (15)
= f ( b)2 f ( a )2 . (12)
En efecto, desarrollando esta expresin tenemos
El lmite cuando kn k 0 de la expresin (11) es llama-
h 2 i
do la variacin cuadrtica de la funcin f . Evidentemente, se E Bt i Bt i 1 = E [ Bt2i ] 2E [ Bti Bti1 ] + E [ Bt2i1 ]
tiene lm Dn 6= lm In si y solo si la variacin cua-
k n k0 k n k0
= ti 2 mn{ti , ti1 } + ti1
drtica de f es diferente de cero. En este caso, la definicin
de la integral (10) es problemtica pues el resultado depende = t i t i 1 .
del punto de evaluacin i . Esto muestra que hay que tener
un poco de cuidado cuando se trata de definir una integral 2. Adems se tiene, cuando i 6= j, que
por medio de la expresin (10). Existen varias formas de 2
contornar esta dificultad aparente y, en este artculo, nos E Bt i Bt j = 0.
concentraremos en la integral de Wiener.
Supongamos, sin prdida de generalidad, que j < i,
3.1 Construccin de la integral de Wiener entonces
2
Empezamos, pues, la construccin de la integral de E Bt i Bt j = E [ Bt i Bt j ] E [ Bt i 1 Bt j ]
Wiener con funciones simples f = ni=1 ai 1 {[ti,ti+1 [} ( x ), en
dnde t0 = a y tn = b. Definimos entonces E [ Bt i Bt j 1 ] + E [ Bt i 1 Bt j 1 ]
n = mn{ti , t j } mn{ti1, t j }
I ( f )( ) = ai (B(ti, ) B(ti1, )) . (13)
mn{ti , t j1 } + mn{ti1, t j1 }.
i =1
tal que gn f en L2 ([ a, b]). Escribimos, gracias al le- Sea g(t) = t2 sobre [1, 2], entonces
n +
Z 2 Z 2
ma 1
I( f ) = g(t)dB(t) = t dB(t)
Z b 1 1
2 2 2
E [| I ( f n ) I ( gn )| ] = E [| I ( f n gn )| ] = ( f n gn ) dt. es una variable aleatoria gaussiana, de media cero y
a R2
de varianza igual a 1 t2 dt = 7/3; es decir I ( f )
Puesto que N (0, 7/3).
Z b Z b Estudiemos ahora la relacin entre la integral de Wiener
( f n gn )2 dt 2 ( f n f )2 + ( gn f )2 dt y la estructura de los espacios de Hilbert subyacentes.
a a
y que cada una de estas partes tiende a cero cuando n P ROPOSICIN 5. Sean f , g L2 ([ a, b]) dos funciones, enton-
+, concluimos que ces Z b
E [ I ( f ) I ( g)] = f (t) g(t)dt. (20)
lm I ( f n ) = lm I ( gn ), en L2 (), a
n + n +
En particular, si f y g son ortogonales; entonces, las variables
y esto muestra que no hay ambigedad al considerar I ( f ). aleatorias gaussianas I ( f ) y I ( g) son independientes.
D EFINICIN 6. Sea f L2 ([ a, b]), el lmite I ( f ) definido por Demostracin. Escribimos, por un lado, que:
la ecuacin (17) es la integral de Wiener de f . Notaremos la in- h i h i Z b
2 2
tegral de Wiener de f de la siguiente forma: E ( I ( f ) + I ( g )) = E ( I ( f + g )) = ( f + g)2 dt
a
Z b por linealidad de la integral y por el lema 1. Es decir,
I ( f )( ) = f (t)dB(t) ( ), . (18) h i Z b Z b
a
E ( I ( f ) + I ( g))2 = f 2 (t)dt + 2 f (t) g(t)dt
a a
La integral de Wiener es entonces un operador definido de Z b
L2 ([ a, b]) en L2 (). + g(t)2 dt. (21)
a
Observemos que la integral de Wiener es un operador Por otro lado, se tiene
lineal: en efecto, para todo f , g L2 ([ a, b]) se tiene, por h i h i
2 2 2
construccin, que I ( f + g) = I ( f ) + ( g). E ( I ( f ) + I ( g )) = E I ( f ) + 2I ( f ) I ( g ) + I ( g )
h i
2
T EOREMA 4. Para todo f L ([ a, b]), la integral de Wiener
2 = E I ( f ) + 2E [ I ( f ) I ( g)]
Rb h i
a f ( t ) dB ( t, ) es una variable aleatoria gaussiana de media ce- + E I ( g )2
ro y de varianza igual a k f k2L2 , es decir: Z b
Z b = f 2 (t)dt + 2E [ I ( f ) I ( g)]
a
f (t)dB(t, ) N (0, k f k2L2 ). (19) Z b
a
+ g2 (t)dt (22)
a
Demostracin. Por el lema 1, se tiene esta propiedad cuan-
do f es una funcin simple. Para una funcin general de por el lema 1. Para concluir, es suficiente comparar (21) con
L2 ([ a, b]), se obtiene el resultado como consecuencia del si- (22).
guiente hecho general: si Xn es una variable aleatoria gaus-
siana de media n y de varianza n2 y, si Xn converge en 3.2 Desarrollo en serie de la integral de Wie-
L2 () hacia una variable aleatoria X, entonces X es una ner
variable aleatoria gaussiana de media = lm n y de
n + Vamos a ver que existe una relacin muy particular en-
varianza 2 = lm n2 . tre la integral de Wiener y el movimiento Browniano. Te-
n +
nemos el siguiente teorema:
Demos un par de ejemplos de clculo de integrales de
Wiener. T EOREMA 5. Sea (n )nN una base ortonormal de L2 ([ a, b]);
entonces, para toda funcin f L2 ([ a, b]), la integral de Wiener
Sea f 1 sobre el intervalo [0, 1], entonces, de f se descompone en una serie de la forma siguiente:
Z 1 Z 1 Z b + Z b
I( f ) =
0
f (t)dB(t) =
0
dB(t)
a
f (t)dBt = h f , n i a
n (t)dBt, (23)
n =1
es una variable aleatoria gaussiana, de media cero y de con probabilidad 1 y en donde la suma aleatoria converge casi
varianza igual a 1, es decir I ( f ) N (0, 1). seguramente.
+ Z t
Demostracin. Empecemos fijando una funcin f
L2 ([ a, b]) y una base ortonormal (n )nN de L2 ([ a, b]). Te-
Bt ( ) = n ( ) 0
n (s)ds,
n =1
nemos entonces
+
en donde n son variables aleatorias i.i.d. N (0, 1). Esto
f = h f , n i n , nos permite definir de una manera diferente el movimiento
n =0
Browniano.
luego, integramos ambos lados de la expresin anterior con
respecto a dBt para obtener
Z b Z b + + Z b 4 Una aplicacin del movimiento
a
f (t)dBt = h f , n in dBt = h f , n i
a n =0 a
n dBt .
Browniano y de la integral de Wie-
n =0
Entonces, su solucin est dada por el proceso estocstico Precio del producto: Este producto tiene un precio que
Z t
notaremos P. Este precio de la cobertura depende de
muchos factores: tiempo t, strike K, valor del precio
Xt = xeYt + eYt Ys [ g(s) (s) (s)]ds
0 del producto subyacente Xt , etc. Notaremos, enton-
Z t
ces, P = P( Xt , t).
+ eYt Ys (s)dBs
0
De esta manera, la empresa A se protege de una subida re-
en donde pentina de los precios del combustible pues ha negociado
Z t Z t por adelantado comprar su combustible a un cierto precio
1 2 K. Este tipo de producto financiero es muy comn y es de-
Yt = [ f (s) (s) ]ds + (s)dB(s).
0 2 0 nominado un Call.
Qu sucede el 1ero de junio? Para verlo, notamos Xt
Ntese que este teorema permite estudiar ecuaciones la evolucin del precio del petrleo y sea X el precio del
T
ms generales que las consideradas en la frmula (26). La barril en el tiempo final T=1ero de junio.
principal diferencia radica en la presencia del trmino Xt
en la parte derecha de la ecuacin (28). Podemos darnos Si XT > K: El precio del barril de crudo, el 1ero de
cuenta que para realizar la demostracin de este problema, junio, es mayor que el precio negociado K. La empre-
es necesario considerar una integral ms general que la in- sa A tiene entonces todo inters en ejercer su opcin:
tegral de Wiener: en efecto, en la definicin de esta integral comprar N barriles al precio K, que es inferior al pre-
dada en la frmula (18), slo habamos considerado inte- cio observado en el mercado, y de esta forma se ha
grales de la forma protegido de una fuerte alza de los precios de esta
Z b
materia prima.
f (t)dB(t),
a
Si XT < K: El precio del barril de petrleo, el 1ero
en donde f era una funcin determinista. Es, por lo tanto, de junio, es menor que el precio negociado K. En este
necesario generalizar la nocin de integral de Wiener. El caso la empresa A no tiene inters en comprar al ban-
objeto matemtico que corresponde a esta generalizacin co B algo que est ms barato si lo puede conseguir
es la integral de It y se puede encontrar una descripcin directamente en el mercado. Al no ejercer su opcin,
detallada de esta integral en [6] o [7]. Consideramos que la empresa pierde la cantidad P que ha pagado para
la integral de Wiener es suficiente para un primer contacto cubrirse de la alza de precios.
con los objetos matemticos que intervienen en la modeli-
zacin financiera. Es interesante notar que, en ambos casos, la empresa A se
Tenemos, gracias al teorema 6, una descripcin de la ha protegido de las fluctaciones del precio del petrleo.
dinmica seguida por variables econmicas, como son los Observemos que la situacin el 1er de junio es la si-
precios del petrleo, cacao, flores o banano. Pero los merca- guiente:
dos financieros van mucho ms all y utilizan estas varia- P( XT , T ) = max{ XT K; 0}
bles como elementos de base para la construccin de nue-
vos productos. y sta es la condicin al lmite cuando t = T.
Vamos a dar ahora un ejemplo que nos permitir pre- Indiquemos que, mientras ms elevado sea el precio fi-
cisar el uso de las ecuaciones diferenciales estocsticas en nal XT , mayor ser el ahorro realizado por la empresa A,
las actividades econmicas. Supongamos que una empresa mientras que mayor ser el riesgo del banco B quien ten-
de transporte aro A desea planificar sus tarifas de boletos dr que comprar a un precio elevado los barriles de petr-
para el verano 2012. Evidentemente, el precio de los bole- leo para venderlos a un precio ms bajo a la empresa A.
tos depender del precio del petrleo, y es natural que la En los dos grficos de la figura 5 se muestra la situa-
empresa A desee protegerse ante una subida repentina de cin de la empresa A a la izquierda (Short Call), y del banco
los precios de los combustibles. B a la derecha (Long Call). El Premium corresponde al pre-
Existen mecanismos financieros para lograr este objeti- cio de la cobertura; se observa claramente que si el precio
vo: la empresa A puede buscar un banco B y comprar un del barril comienza a aumentar, el ahorro y el riesgo gene-
producto financiero con las siguientes caractersticas: rados por este producto pueden ser substanciales. Es por
esta razn que es muy importante conocer, en todo tiempo
Duracin del producto: empieza el 1ero de enero 2012 0 < t < T, el precio de la cobertura P.
y termina el 1ero de junio 2012. En efecto, contrariamente a los seguros para autos, es-
tos seguros de tipo Call pueden venderse y comprarse en
Descripcin del producto: la empresa A tiene la opcin, los mercados financieros internacionales en los que inter-
y no la obligacin, de comprar el 1ero de junio al banco vienen una gran cantidad de actores distintos. Como los
B una cantidad determinada N de barriles de petr- bancos no poseen reservas de barriles de petrleos, para
leo a un precio fijo K llamado el strike del producto. cumplir el contrato el banco B est obligado a comprar en
el mercado los N barriles de petrleo. Esta transaccin pue- La solucin de esta ecuacin diferencial estocstica est
de realizarse en cualquier momento antes del final del con- dada por la frmula de Black-Scholes
trato, y esto permite la compra-venta de estos productos fi-
P( Xt , t) = Xt N (0, d1 ) Kert N (0, d2) (30)
nancieros a otras entidades. Esta compra-venta de barriles
por parte del banco debe efectuarse de tal manera que anu- en dnde N (0, d1) yh N(0, d2 ) son
dos leyes
i normales de
le el riesgo producido por el Call. De esta manera, se crea 1 X 1 2
varianza d1 = ln K + r + 2 t y d2 = d1
0
un mercado secundario de productos financieros adosados t
a materias primas (por oposicin al mercado primario en t.
donde se negocia el precio de estas materias primas) y, co- Es importante recalcar que es por medio de la ecuacin
mo hemos visto con este ejemplo, este mercado secundario de Black-Scholes (29) y del estudio de su solucin (30) que
corresponde a una necesidad muy real de las empresas. se obtiene un mecanismo de cobertura eficaz que permi-
te al banco B vender este producto financiero anulando su
riesgo intrnseco.
El clculo exacto de la solucin (30), as como las es-
trategias utilizadas para la anulacin del riesgo estn fue-
ra del alcance de este pequeo artculo. Hemos preferido
concentrarnos en una exposicin de las propiedades de los
objetos de base que permiten construir las ecuaciones de
Black-Scholes.
Estas frmulas muestran la importancia econmica de
conocer correctamente las herramientas matemticas que
intervienen en la modelizacin de los mercados financie-
ros.
5 Un poco de S CILAB
Damos aqu los cdigos en S CILAB que sirvieron para
realizar los grficos de las figuras 2 y 4. Las ventajas de usar
S CILAB radican en que es un programa libre y gratuito que
est especialmente concebido para clculos matriciales.
Hemos visto en la seccin 2 que es posible modelizar el
movimiento Browniano en una dimensin por medio de
una caminata aleatoria. Vamos a seguir esta idea para el
Figura 5. Evolucin del ahorro y del riesgo en funcin de la evo-
lucin del precio del subyacente. Fuente: internet. cdigo informtico:
function []= browniano1d(N)
Para comprender lo que sucede con la dinmica del
precio de la cobertura durante el tiempo 0 < t < T, X=zeros(N+1, 1);
y poder anular el riesgo generado es necesario conside- X(1)=0;
rar la siguiente ecuacin diferencial estocstica llamada la for k=2:(N+1)
ecuacin de Black-Scholes. En este modelo se asume que el X(k)=X(k-1)+(1/sqrt(N))*rand(1,1,"norm");
producto subyacente Xt -el precio del petrleo en nuestro end;
ejemplo- sigue una dinmica de la forma clf();
plot(X)
dXt = Xt dt + Xt dBt ,
mientras que el precio de la cobertura debe verificar la endfunction
ecuacin de Black-Scholes
Para el movimiento Browniano en tres dimensiones, se
P( Xt , t) 1 2 2 2 P( Xt , t) P( Xt , t) utiliz el siguiente cdigo.
+ Xt 2
+ rXt
t 2 Xt Xt function []=browniano3d(N)
rP( Xt , t) = 0 (29)
// inicializacion de los vectores
en dnde r es la taza de inters del mercado. Esta ecuacin X=zeros(N+1,1); X(1)=0;
es consecuencia de un gran nmero de hiptesis simplifi-
Y=zeros(N+1,1); Y(1)=0;
cadoras y su obtencin puede encontrarse en detalle en [8] Z=zeros(N+1,1); Z(1)=0;
o ms rpidamente en [3].
En ambos casos N representa la longitud de la caminata [3] E. Cepeda. Portafolio de consumo, Problema de Merton.
aleatoria. Visualmente, se obtienen buenas aproximaciones Sometido a la revista Analitika (2011).
a partir de N > 1000. Evidentemente esto no es ms que
una aproximacin del movimiento Browniano, pero es su- [4] D. Chamorro. Entrevista a Lorenzo Bergomi. Asociacin
ficiente para tener una primera idea de sus trayectorias. Amarun- www.amarun.org (2010).