Valoración de opciones financieras

por diferencias finitas

José Mª Pesquero Fernández

Dpto. Nuevos Productos - Tesorería
BBVA
jmpesquero@grupobbva.com
Indice

INDICE

1. Introducción
2. La ecuación diferencial
3. Diferencias finitas: esquemas explícitos e implícitos.
4. Consistencia, convergencia y estabilidad
5. Opciones exóticas
6. Ventajas de las diferencias finitas en el pricing de derivados
7. Bibliografía
Introducción

INTRODUCCION

• Modelo de Black y Scholes:

- Comportamiento lognormal del activo:
dS
= µ ( t , S ) dt + σ (t , S ) dZ t
S
- Hipótesis: No costes de transacción, no oportunidades de arbitraje, posibilidad de negociación continua,
venta en descubierto permitida y divisibilidad del activo.
- V(t,S): valor del activo derivado en el instante t y para un valor del subyacente S.
- Lema de Ito y ausencia de arbitraje:

∂V ∂V 1 2 ∂ 2V
+ r(t) S + σ (t , S )S 2 − rV = 0
∂t ∂S 2 ∂ S2

Cualquier derivado sobre S debe verificar esta ecuación en derivadas parciales.

• Diferencias finitas: Método numérico para calcular la soución de la ecuación diferencial con condiciones
de contorno. Se presenta como alternativa a otros métodos numéricos para la valoración de derivados
financieros: árboles, simulación de montecarlo, integración numérica,...
La ecuación diferencial

Ecuación de difusión
• La ecuación diferencial de Black y Scholes se puede transformar en la ecuación diferencial de difusión:
∂ 2u ∂ u
=
∂ x2 ∂ t
conocida como la ecuación del calor en una dimensión (u(t,x) es la temperatura en la dimensión definida
por x). Ej.: Evolución de la temperatura en una barra.
• La ecuación del calor es una ecuación diferencial parabólica: Derivada primera respecto al tiempo y segunda
respecto a la variable espacial x.
• La unicidad de la solución viene marcada por la imposición de condiciones de contorno. Estas son de dos tipos:
- Condiciones de frontera: Determina la solución u (t,x*) para todo instante en los extremos de la barra.
- Condiciones iniciales o finales: Determina el estado inicial o final de temperatura en todo punto de la barra.
• Es una ecuación forward: dada una condición inicial la ecuación de difusión define un proceso de suavizado de
esta condición inicial

• Condiciones de frontera:
- Barra infinita − ∞ < x < ∞ . No es necesario dar condiciones en los extremos de la barra (simplemente
impedir que la temperatura crezca muy rápido). La solución es única simplemente con la condición inicial.
- Barra finita − L < x < L . Se necesitan poner condiciones para todo instante en los extremos para la unicidad
de solución.
La ecuación diferencial

Ecuación diferencial de Black y Scholes

∂V ∂V 1 2 2 ∂ V
2
+ r (t ) S + σ (t , S ) S − rV = 0 (1)
∂t ∂S 2 ∂ S2

• Ecuación diferencial parabólica: Derivada primera respecto al tiempo y segunda respecto a la variable
espacial S.
• Aparece una derivada primera respecto a S (término convectivo o de tendencia). Origina problemas numéricos
•Es una ecuación diferencial backwards: Partiendo de una condición final para el proceso la ecuación define un
proceso de suavizado de ésta.
•La unicidad de la solución viene marcada por la imposición de condiciones de contorno: condiciones de
frontera y condiciones finales. No es necesario imponer condiciones de contorno cuando el dominio de
evolución del activo es infinito [0,+∞ ) . Este será el caso general para la valoración de derivados financieros.
Ejemplo: Valoración de una opción de compra (call) del activo S con vencimiento T y precio de ejercicio
K. El valor de la call V(t,S) se obtendrá resolviendo la ecuación diferencial de Black y Scholes con la condición
final:
Condición final en T: V (T , S ) = Max ( S − K , 0) (2)
1 1
− ( k1 − 1) x − ( k1 + 1) 2 τ
Cambio de variables: S = Ke , t = T − τ
x
, V =e 2 4
u ( x ,τ ) , k1 = r
1 2σ 2 1 2σ 2
El problema pasa a ser:

∂ 2u ∂ u 1 1
( k1 +1) x− ( k1 −1) x
= con - ∞ < x < ∞ y u( x ,0 ) = max( e 2 2
,0) (3)
∂ x2 ∂ t
 Diferencias finitas

Métodos numéricos

• No todo método numérico de resolución de ecuaciones diferenciales funciona bien en todos los
casos. Es necesario realizar un estudio sobre el método numérico más conveniente antes de su aplicación
al problema concreto. Esto garantizará que la solución numericamente obtenida se aproxime convenientemente
a la solución del problema planteado.
• La conveniencia viene marcada por los siguientes aspectos:
- Consistencia: El problema aproximador es tan cercano al problema inicialmente planteado como queramos.
- Convergencia: La solución del problema aproximador tiende a la solución del problema inicial.
- Estabilidad: Pequeñas variaciones en los datos de partida no provocan grandes variaciones en el resultado.
- Eficiencia: En términos de recursos necesarios: memoria, tiempo de ejecución (nº de operaciones realizadas).

Diferencias finitas

• Discretización del problema: La resolución del problema (1) con la condición final (2) (o del problema
equivalente (3)) implica el conocimiento de la variable incógnita V(S,t ) para todo instante t y valor del
activo S. Para abordar la resolución numericamente descendemos nuestro nivel de ambición: calcularemos
la solución (aproximada) solo en algunos puntos.

- Dominio: Acotamos el plano de estudio. Por ejemplo

0 ≤ t ≤ T , 0 ≤ S ≤ S max 0 ≤ t ≤ T , − x* ≤ x ≤ x*

Nota: Las condiciones de frontera pueden no venir impuestas por el problema inicial sino resultantes de la
acotación realizada.
Diferencias finitas

- Mallado: Dividimos el plano en una malla de puntos. La solución solo se calculará en esos puntos.
∆t
x*

∆x
x

-x*
0 t T

Los puntos considerados en el dibujo están equidistantes, por lo que se pueden representar en la forma:

( n ⋅ ∆x , m ⋅ ∆ t ) n = nmin ,..., nmax , m = 0,..., mmax

No tendrían por qué estar igualmente espaciados. Calcularemos la solución sólo en los puntos de la malla:
unm = u ( n∆x , m∆ t )
 Diferencias finitas

• Aproximación de las derivadas en la ecuación diferencial: Las derivadas son aproximadas por cociente
incrementales. La ecuación diferencial pasa a ser una ecuación algebraica.

Ejemplos: Derivada primera: ∂f f ( x 0 + h) − f ( x0 )

( x0 ) ≈
∂x h
∂ 2f f ( x0 + h ) + f ( x0 − h ) − 2 f ( x0 )
Derivada segunda: ( x0 ) ≈
∂ x 2
h2

Desarrollo en serie de Taylor: Si f es suficientemente diferenciable:

∂f 1∂ 2f 1 ∂ 3f 1 ∂ nf
f ( x0 + h ) = f ( x 0 ) + ( x0 )h + ( x0 )h +
2
( x0 ) h +...+
3
( x 0 )h n + Error
∂x 2∂x 2
3! ∂ x 3
n! ∂ x n

1 ∂ n +1 f
donde Error = n +1
(α )h n +1 x0 ≤ α ≤ x0 + h
( n + 1)! ∂ x

- Derivada primera: ∂f f ( x0 + h) − f ( x0 )
Aproximación forward: ( x0 ) = + O ( h)
∂x h
∂f f ( x 0 ) − f ( x0 − h )
Aproximación backward: ( x0 ) = + O( h )
∂x h

∂f f ( x 0 + h ) − f ( x 0 − h)
Aproximación central: ( x0 ) = + O( h 2 )
∂x 2h
 Diferencias finitas

- Derivada segunda:
∂ 2f f ( x0 + h) + f ( x0 − h ) − 2 f ( x0 )
Aproximación central: ( x0 ) = + O( h 2 )
∂ x 2
h 2

x0-h x0 x0+h

Todas estas aproximaciones se pueden realizar también para puntos alrededor de x0 no equidistantes:

f ( x 0 − h ') − 1 −  f ( x 0 )
h h
f ( x 0 + h) −
∂f h'  h' 
( x0 ) = + O( h − h')
∂x h
Diferencias finitas

Esquema explícito
Discretización del problema:
∂ 2u ∂ u
=
∂ x2 ∂ t

Si consideramos un mallado con puntos equiespaciados, la expresión diferencial previa para el punto ( ti,,xj ) se
puede reescribir utilizando diferencias forward para la derivada temporal y central para la derivada espacial como:

u ( ti + ∆ t , x j ) − u (t i , x j ) u (t i , x j + ∆ x ) − 2 u( ti , x j ) + u (t i , x j − ∆ x )
+ O( ∆ t ) = + O(∆x2 )
∆t ∆x 2

i
Denotaremos por v j a la solución aproximada de la ecuación diferencial previa, que será aquella solución
de la siguiente ecuación en diferencias:
v ij +1 − v ij v ij +1 − 2 v ij + v ij −1
=
∆t ∆x 2
Operando:

vj
i +1 i
(
= v j + α v j +1 − 2 v j + v j −1
i i i
)
donde:
∆t
α=
∆x 2
 Diferencias finitas

La ecuación previa permite conocer la solución en el punto ( ti+1,xj ) si se conoce la solución en los puntos del
estado anterior (t i,,xj+1 ), (t i,,xj ), (ti,,xj -1):

xj +1
∆x
xj
∆x
xj -1

ti ti +1
∆t

Este esquema permite calcular la solución aproximada al problema con las siguientes condiciones de
frontera:

v 0j = u0 ( j∆x ) jmin ≤ j ≤ j max

v ijmin = f ( i∆ t ) , v ijmax = g( i∆ t ) 0 ≤ i ≤ i max

 Diferencias finitas

El algoritmo a seguir sería el siguiente:

• Se conoce la solución en el instante t=0 (condición inicial)
• Se conoce la solución en los puntos superior e inferior del mallado del instante i =1 (condiciones de frontera)
• Se calcula la solución en el resto de los puntos de i=1 siguiendo el esquema:
vj
i +1 i
(
= v j + α v j +1 − 2 v j + v j −1
i i i
)
• Se repiten iterativamente las etapas anteriores hasta llegar a i=imax

Interpretación del esquema explícito como árbol:

v ij + 1 = α v ij + 1 + (1 − 2α ) v ij + α v ij − 1
Los coeficientes de la solución en el instante i se pueden interpretar como probabilidades siempre y cuando
1
0<α ≤ ya que suman 1 y su valor está entre 0 y 1:
2
pu = α

pi = (1 − 2α )

pd = α

1
La condición 0 < α ≤ se le va a imponer al esquema explícito siempre por razones de estabilidad (se verá
2
más adelante). Así pues si elegimos α = 1 2 tenemos un árbol binomial y 0 < α < 1 2 nos dá un arbol trinomial.
 Diferencias finitas

Solución en puntos no pertenecientes al mallado: Realizaremos una interpolación lineal de la solución de los
puntos vecinos del mallado. El error cometido en esta aproximación es del mismo orden que el cometido en la
discretización de la ecuación diferencial.
Esquema implícito
Utilicemos ahora para el mismo problema una diferencia backward para aproximar la derivada temporal.
Tenemos entonces:
v ij +1 − v ij v ij ++11 − 2 v ij +1 + v ij +−11
=
∆t ∆x 2

−α v ij ++11 + (1 + 2α ) v ij +1 − α v ij +−11 = v ij

En esta ocasión la solución en un punto no depende exclusivamente de la solución obtenida en el instante

inmediatamente anterior, sino que depende también de la solución en otros puntos en el mismo instante.
Esto hace que el cálculo de la solución en un instante dado requiera de la resolución de un sistema lineal
de ecuaciones:

  v jmin + 1   v jmin +1   v ij+min1 

i +1
 1 + 2α −α i
0 ... 0 0
   i +1   i   
 −α 1 + 2α −α ... 0 
 minv j 0 + 2   v j min + 2   0 
 0 −α 1 + 2α ... 0 0   v jmin +3   v jmin +3 
i + 1 i  0 
   =  +α 
 : : : : :  :   :   : 
 0 0 0 ... 1 + 2α −α   v ij+max1 −2   v ijmax −2   0 
   i+1   i   i+1 
 0 0 0 ... −α 1 + 2α   v jmax −1   v jmax −1   v jmax 

La matriz del sistema de ecuaciones es una matriz diagonal dominante: 1 + 2α > 2 α α >0
 Diferencias finitas

La matriz es invertible, por lo que la solución es única. Se utilizará un método de resolución específico para
matrices tridiagonales, como por ejemplo el LU.

xj +1
∆x
xj
∆x
xj -1

ti ti +1
∆t

El algoritmo a utilizar para calcular la solución es:

• Se conoce la solución para i=0 (condición inicial).
• Se conoce la solución para i=1 en los extremos del mallado (condición de frontera).
• Se resulve el sistema de ecuaciones previo para calcular la solución en el resto de puntos de i=1.
• Se repiten las etapas previas iterativamente hasta i=imax.

En esta ocasión vemos que las condiciones de frontera en la dimensión x afectan a la solución en todos los
puntos del mallado. Las ecuaciones para el cálculo de la solución están acopladas y cualquier cambio en alguno
de los puntos del mallado afecta instantaneamente a la solución en el resto de puntos de ese momento de tiempo.
 Diferencias finitas

Métodos semi-implícitos

Se obtienen como combinación de los métodos explícito e implícito vistos previamente:

v ij +1 − v ij v ij ++11 − 2 v ij +1 + v ij +−11 v ij +1 − 2 v ij + v ij −1
=θ + (1 − θ )
∆t ∆x 2 ∆x 2
Es una media ponderada del esquema explícito e implícito. Si θ = 0 tenemos el esquema explícito y si θ = 1 el
implícito. θ es un factor de ponderación que varía entre 0 y 1.

vj
i +1
( i +1
− θ α v j +1 − 2 v j
i +1 i +1
) (
+ v j − 1 = v j + (1 − θ ) α v j + 1 − 2 v j + v j − 1
i i i i
)

xj +1
∆x
xj
∆x
xj -1

ti ti +1
∆t
Diferencias finitas

De nuevo tenemos que resolver un sistema de ecuaciones para calcular la solución en un instante dado conocida
la solución en el instante anterior.
1
Un caso especialmente interesante es cuando se elige θ = (Método de Crank-Nicolson)
2
En este caso el orden de error de la derivada temporal es ∆t 2 en lugar de ∆t , que es el que teniamos en los
anteriores esquemas.
 Consistencia, convergencia y estabilidad

CONSISTENCIA, CONVERGENCIA Y ESTABILIDAD

Método explícito

Consistencia: El modelo aproximado (ecuación en diferencias) tiende al modelo original (ecuación diferencial).
Se denomina error de truncamiento al error debido a esa aproximación: Se puede demostrar que para el esquema
explícito el error de truncamiento está acotado por:
1  1 
T ≤ ∆ t  M tt + M xxxx  + O( ∆ t )
2

2  6α 
∂ 2u ∂ 4u
donde M tt ≥ y M xxxx ≥
∂ t2 ∂ x4

El error de truncamiento tiende a 0 si el incremento de tiempo tiende a 0 para α constante. Decimos que es
consistente de primer orden.
Convergencia: La solución del modelo aproximado tiende a la solución del modelo original.
1
Si 0 < α ≤ entonces:
2 1  1 
≤ ∆ t  M tt + M xxxx  t max
imax
E
2  6α 
donde E i es una cota superior del error cometido en todos los nodos del instante i.
 Consistencia, convergencia y estabilidad

Estabilidad: Pequeños cambios en las condiciones del problema implican pequeños cambios en la solución.
Es muy importante puesto que en la resolución del problema aproximado en ordenador se cometen errores de
redondeo que no se amplifican en un modelo estable.

Mediante un análisis de estabilidad de Fourier se llega a la conclusión de que la condición de estabilidad es:
1
α≤
2
Se llega a la misma condición que exigíamos para obtener la convergencia. Esto no es una casualidad:

Un método consistente y estable es convergente.

Método implícito

Consistencia: Se llega al mismo resultado que en el método explícito: consistente de primer orden.

Estabilidad: El método es estable ∀α > 0 . Por tanto este método es incondicionalmente estable.

Convergencia: Al ser consistente e incondicionalmente estable el método implícito es incondicionalmente

convergente.
 Consistencia, convergencia y estabilidad

Métodos semi-implícitos
Consistencia: Son consistentes de primer orden. En el caso de elegir θ = 12 (método de Crank-Nicolson) entonces
el error de truncamiento es de orden:
T ≈ O ( ∆t 2 ) + O ( ∆ x 2 )

Estabilidad:La condición de estabilidad viene dada por:

1
α (1 − 2θ ) >
2
α
Inestabilidad

1/2

θ
1/2
Si α ≥ 1 2 el esquema es incondicionalmente estable. Dentro de este grupo de esquemas está Crank-Nicolson.

Convergencia: Será convergente cuando sea estable. Por tanto es condicionalmente convergente.
 Consistencia, convergencia y estabilidad

Ecuaciones diferenciales con coeficientes no constantes

La ecuación diferencial de Black y Scholes siguiente es una ecuación parabólica con coeficientes no constantes.

∂V ∂V 1 2 2 ∂ V
2
+ r (t ) S + σ (t , S ) S − rV = 0
∂t ∂S 2 ∂ S2

En estos casos el análisis de estabilidad resulta más complejo:

- Dado que los coeficientes de la ecuación son funciones de t y S , las condiciones de estabilidad son diferentes
en cada punto del mallado. Si tomamos la situación más conservadora para formular una condición de estabilidad
única para todo el mallado estamos penalizando la eficiencia.
- La condición de estabilidad se formula en dos desigualdades: la primera limita el valor de ∆S en función del
máximo valor de S en el mallado. Esta restricción aparece por la existencia del término convectivo en la ecuación
diferencial.
∆t
La segunda limita el valor de α = 2 .
∆x
La primera de estas condiciones no aparecía en todos los casos anteriores. De nuevo va en perjuicio de la
eficiencia.

Es por ello que en la medida de lo posible es conveniente realizar cambios de variables para transformar la
ecuación diferencial en una con coeficientes constantes, en la cuál las conclusiones sobre estabilidad vistas
aplican.
Opciones exóticas

VALORACION DE OPCIONES EXOTICAS

Digitales: Se resolvería el problema igual que una opción plain-vanilla cambiando las condiciones de
frontera. Por ejemplo para una call:
1 si S > K
V (S, T ) = 
0 si S ≤ K
V ( 0, t ) = 0 ∀ t
V ( S , t ) → e − r ( T − t ) ∀t cuando S → ∞

Compound: Opciones sobre opciones. Sea t1 al vencimiento de la primera opción y t2 de la opción subyacente.
Realizamos un mallado de 0 a t1. La condición final en t1 será:

V ( S ,t 1 ) = max(V '( S , t 1 , K2 ) − K1 ,0)

donde V ' ( S , t1 , K 2 ) es el precio en t1 de una opción con strike K2 que vence en t2. Este se puede calcular
analiticamente.

Las condiciones de contorno dependerán del tipo de opciones que tengamos.

 Opciones exóticas

Opciones chooser: En un instante futuro t1 se decide si la opción que vence en t2 es una call o put. La manera
de resolverlo es realizando un mallado de 0 a t1. En t1 se calcula el precio de una call y de una put (solución
analítica) que vence en t2 para cada valor del activo. En t1 se impone la condición final:
V ( S , t 1 ) = max( Call, Put)

y de 0 a t 1 las condiciones frontera:

V ( 0, t ) = Ke − r ( t1 −t )
V ( S , t ) → S − Ke − r ( t1 − t ) cuando S → ∞

Opciones barrera: El cálculo del precio de estas opciones se realiza aplicando la metodología standard con
condiciones adecuadas de frontera. Por ejemplo para una call up and out con nivel de la barrera B y con un pago de
rebate R en el caso de que toque la barrera, las condiciones serían:
V ( S , T ) = max( S − K , 0)
V ( 0, t ) = 0 ∀ t
V ( B , t ) = R ∀t
Por tanto el mallado en la dimensión S se acota entre S=0 y S=B.
Esta metodología permite valorar opciones parciales o window, que son aquellas en las que la barrera está activa
solo durante una parte de la vida de la opción. La condición frontera asociada a la barrera se impondrá solamente
durante esa parte de vida de la barrera.
 Opciones exóticas

Opciones asiáticas:
- Media continua: En este caso es necesario añadir una nueva variable en la resolución del problema, que es la
que define la media. t
I (t ) = ∫ f ( S (τ ),τ ) d τ
0

con:
f ( S (τ ),τ ) = S (τ ) Media aritmética

f ( S (τ ),τ ) = log S (τ ) Media geométrica

Por tanto:
dI (t ) = f ( S (t ), t ) dt

I (t )
La media se calculará como:
t
La ecuación diferencial que verifica el valor de la opción es en este caso:
∂V ∂V ∂ V 1 2 2 ∂ 2V
+ f ( S ,t ) + rS + σ S − rV = 0
∂t ∂I ∂S 2 ∂ S2

Para aquellas opciones en las que el strike es la media del subyacente durante la vida de la opción la ecuación
diferencial anterior y las condiciones de contorno se pueden expresar en función de unicamente dos variables (una
temporal y una espacial) mediante un adecuado cambio de variables. Para estos casos entonces aplicaríamos las
técnicas standard vistas.
Opciones exóticas

En otras ocasiones esta reducción de variables no es posible. Hay por tanto que plantearse la resolución de un
problema tridimensional:

- Mallado con una dimensión temporal t y dos espaciales S e I.

S
t
- Discretización de la ecuación diferencial tridimensional previa: Se podría aplicar los mismos esquemas de
discretización que hasta ahora, obteniendo resultados de estabilidad similares. Sin embargo los esquemas
implícitos resultantes darían lugar a matrices que dejan de ser tridiagonales. Esto provoca pérdida de eficiencia
en la resolución del sistema de ecuaciones. Es por ello que se utilizan esquemas de discretización específicos
(métodos ADI y LOD) que conservando los resultados de estabilidad permite la resolución en dos fases, ambas
definidas por matrices tridiagonales.

- Condiciones de contorno: Si tenemos por ejemplo una opción put sobre la media las condiciones son:
Opciones exóticas

 I (T ) 
V ( S , I , T ) = max K − ,0
 T 

− r (T − t )  I (t) 
V (0, I , t ) = e max K − ,0
 T 
V (S , I , t ) → 0 cuando S → ∞
V ( S , 0, t ) = e − r ( T − t ) K
V (S , I , t) → 0 cuando I → ∞

Media discreta: En esta caso la media se puede definir por:

I (t n ) = ∑ f ( S (t i ), t i )
n

i =0

Pot tanto I es una variable que permanece constante entre instantes de cálculo de promedio t i. Por tanto I se puede
considerar como un parámetro en esos tramos. De esta forma el valor de la opción en estos intervalos se comporta
de acuerdo a la ecuación diferencial de Black & Scholes.
¿Qué pasa en los instantes ti de promedio? En estos instantes el valor del parámetro I cambia bruscamente. Sin
embargo el valor V de la opción tiene que comportarse de manera continua para evitar oportunidades de arbitraje:
si un salto de I supone un salto negativo en V podría aprovechar la oportunidad de arbitraje vendiendo la opción
inmediatamente antes del cambio de I y recomprarla inmediatamente después. Se obtendrá así un beneficio igual
al salto de V. Si el salto de V es positivo la estrategia sería la contraria.
 Opciones exóticas

Por tanto para asegurar la continuidad de V en los puntos de promedio se imponen las denominadas condiciones
de salto:
+ + − −
V ( S (t i ), I i , t i ) = V ( S ( t i ), I i −1 , t i )

Por ejemplo esta condición de salto para el caso de media aritmética se escribiría:

+ −
V ( S , I i −1 + S , t i ) = V ( S , I i −1 , t i )

Muy probablemente Ii -1+S no coincida con ningún nodo en la dimensión I del mallado, lo cuál obliga a realizar
interpolaciones en esta dimensión.

Por tanto el cálculo de opciones asiáticas con muestreo discreto tienen los siguientes ingredientes:

- Mallado con una dimensión temporal t y dos espaciales S e I.

- Entre instantes t i de muestreo se resuelve la ecuación diferencial de Black & Scholes con I como parámetro.
- Solo es necesario imponer condiciones de contorno en S ya que I se comporta como parámetro.
- En los instantes ti se aplican las condiciones de salto.
 Opciones exóticas

Opciones americanas

En cada instante el poseedor de la opción tiene el derecho de ejercer la opción. Dependiendo del valor del activo
subyacente será optimo ejercer o no. Por tanto hay que distinguir dos regiones: región de ejercicio y de no ejercicio.
La frontera de separación de ambas regiones es a priori desconocida: se trata de un problema de frontera libre.

Una restricción evidente en la valoración de las opciones americanas es que el valor de la opción nunca puede ser
inferior al payoff obtenido si ejercitaramos en ese momento porque si fuera de otra manera habría oportunidad de
realizar arbitraje. Por ejemplo si tenemos una opción americana de compra de un activo a un precio de ejercicio K
entonces:
V ( S , t ) ≥ max( S − K ,0)

Región de ejercicio: V ( S , t ) = max( S − K , 0)

Región de no ejercicio: V ( S , t ) > max( S − K ,0)

Por otra parte la ecuación diferencial de Black y Scholes se convierte en una desigualdad:

∂V ∂ V 1 2 2 ∂ 2V
+ rS + σ S − rV ≤ 0 ⇒ LBSV ≤ 0
∂t ∂S 2 ∂ S2

Región de ejercicio: Es óptimo ejercer la opción. Mantener el portfolio opción + delta hedge da un rendimiento
inferior al tipo de interés sin riesgo:
LBS V < 0
 Opciones exóticas

Región de no ejercicio: El portfolio opción + delta hedge da como rendimiento el tipo de interés sin riesgo:

LBS V = 0

Por tanto la valoración se puede plantear como un problema complementario:

LBSV ≤ 0 V ( S , t ) ≥ max ( S - K ,0)

(4)
L BS V ⋅ max( S − K ,0) = 0
Resolución numérica

- Esquema explícito: Se plantearía el problema como el de valoración de una opción europea, calculando la
solución en un instante de tiempo a partir de la solución en el instante posterior mediante resolución de la ecuación
diferencial de Black & Scholes. Además en cada instante ti impondríamos la condición:
(
V j = max V j ,Payoff
i i
)
- Esquemas implícitos: A diferencia del anterior el carácter americano de la opción no puede ser impuesto a
través de la ecuación previa sobre la solución calculada por Black & Scholes. La razón es que en un esquema
implícito la solución viene dada por un sistema de ecuaciones acopladas : cualquier variación en la solución en un
nodo implica cambios en la solución del resto de los nodos de ese instante de tiempo. Hay que utilizar métodos
específicos para la resolución del problema (4), cómo el PSOR.
 Ventajas de las diferencias finitas en el pricing de derivados

VENTAJAS DE LAS DIFERENCIAS FINITAS EN EL PRICING DE DERIVADOS

• Utilización de técnicas numéricas ya desarrolladas y elaboradas durante años en otros campos de la ciencia.

• Permite la valoración de opciones bajo comportamientos del activo para los cuales no existen soluciones
analíticas.

Las técnicas de diferencias finitas vistas permiten valorar opciones cuando la volatilidad del subyacente es una
función del tiempo y del nivel del subyacente. Esto permite representar perfectamente estructuras temporales de
volatilidad así como smile. En estos casos la ecuación diferencial pasaría a ser una ecuación con coeficiente
σ = σ ( t , S ) no constante.

Para otra serie de opciones existen soluciones analíticas cuando el activo paga dividendos de acuerdo a una tasa
continua, que dejan de ser válidas cuando los dividendos son discretos. Las técnicas vistas permiten la valoración
en ambos escenarios. Cuando los dividendos son continuos la ecuación diferencial a resolver pasa a ser:
∂V ∂ V 1 2 2 ∂ 2V
+ ( r − D) S + σ S − rV = 0
∂t ∂S 2 ∂ S2

donde D es la tasa de dividendos, que incluso puede ser una función de t y S. Solo cambiaría respecto a lo visto la
aparición del parámetro D al discretizar la ecuación diferencial y en las condiciones de contorno.

Si la tasa de dividendos es discreta por un simple argumento de arbitraje se deduce que si en el instante ti hay un
pago Di de dividendos, el activo subyacente se comporta en ese instante de la siguiente manera:
Ventajas de las diferencias finitas en el pricing de derivados

− + −
S ( t i ) = S ( t i ) − Di ( S ( t i ))

Por tanto la valoración de opciones sobre activos con pago de dividendos discretos necesitaría incluir sobre lo ya
visto condiciones de salto en los momentos de pago de dividendos. Estas condiciones de salto vienen determinadas
por la continuidad del precio de la opción y se pueden formular como:
− − + +
V (t i , S ( t i )) = V ( t i , S ( t i ))

• No existen restricciones en la construcción del mallado. Esto permite representar exactamente instantes de tiempo
y niveles del activo subyacente que sean claves para el derivado a valorar, como por ejemplo fechas de pago de
dividendos, fechas de opción, precios de ejercicio, barreras,...

Además la posibilidad de realizar un mallado variable permite refinar la malla en zonas donde se quiere reducir el
error de aproximación, como zonas de alta gamma del derivado, mientras que se puede mantener una malla más
gruesa en zonas donde el error de aproximación es pequeño. Realizando una elección de mallado inteligente
se tiene un método de valoración eficiente y preciso.

• Las técnicas vistas son empleables en otros modelos de valoración.

Por ejemplo se pueden emplear para el cálculo del precio de opciones sobre tipos de interés. El modelo de Hull
& White plantea el siguiente modelo de evolución del tipo de interés instantáneo bajo probabilidad riesgo neutro:
Ventajas de las diferencias finitas en el pricing de derivados

dr = (θ ( t ) − ar ) dt + σ dWt

La ecuación diferencial que rige el comportamiento de cualquier derivado V es:

∂ V 1 2 ∂ 2V ∂V
+ σ + (θ ( t ) − ar ) − rV = 0
∂t 2 ∂ r2 ∂r

La resolución numérica de este problema se realiza mediante discretización de esta ecuación diferencial y
adecuadas condiciones de frontera.

También se pueden plantear modelos multifactoriales. Las ecuaciones diferenciales resultantes incluirán más
dimensiones, lo cuál implicará mayor consumo de memoria y coste de computación.

• Permite la valoración de opciones path-dependent. Esta característica entra en la opción como una nueva
variable (e.g. asiáticas), lo cuál implica mayores coste computacionales.

Aplicando las técnicas descritas para la valoración de opciones americanas se pueden valorar opciones
americanas y path-dependent simultaneamente.

• La técnica de diferencias finitas calcula la solución en todo los puntos del mallado. Esto permite determinar
sensibilidades del precio de la opción ante movimientos del subyacente y el tiempo (delta, gamma, theta) sin más
que calcular derivadas numericamente con los resultados ya obtenidos. De igual manera la solución te ofrece
escenarios para combinaciones del valor del subyacente y el tiempo.
Bibliografía

BIBLIOGRAFIA

• Option Pricing. P. Wilmott, J. Dewynne, S. Howison. Oxford Financial Press. 1993

• Derivatives. P. Wilmott. Wiley. 1998.
• Numerical Solution of Partial Differential Equations. K.W. Morton, D.F. Mayers.
Cambridge University Press. 1994.
• Partial to the Exotic. J. Dewynne, P. Wilmott. Over the Rainbow. Risk Publications,
pp 125-132.