Una Guia Completa para Economistas en La Valuacion

See discussions, stats, and author profiles for this publication at: https://www.researchgate.
net/publication/267990301
Una guía completa para economistas en la valuación de opciones
Article
CITATION READS
1 368
1 author:
Francisco Venegas-Martínez
Instituto Politécnico Nacional
280 PUBLICATIONS 746 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
Finance and growth determinants in Mexico View project
Nonlinear financial time series View project
All content following this page was uploaded by Francisco Venegas-Martínez on 31 January 2015.
The user has requested enhancement of the downloaded file.

Gaceta de Economía Año 6, Núm. 12
Una guía completa para economistas en la valuación de

opciones
Francisco Venegas-Martínez∗
Sumario
En este trabajo se presenta una guía para la valuación de opciones.

En el caso de mercados completos, se desarrollan modelos de
valuación de opciones que utilizan tasas de interés consistentes con
equilibrios competitivos. En el caso de mercados financieros
incompletos, las fórmulas de valuación propuestas son consistentes
con la maximización de la entropía o con la minimización de la
varianza del portafolio. En particular, se examina el problema de
valuación de opciones bajo colas pesadas del subyacente mediante
modelos Bayesianos con información a priori sobre la volatilidad o
modelos de difusión con saltos de Poisson. Asimismo, se desarrolla
un modelo para inmunizar el valor presente de flujos financieros
mediante el uso de opciones sobre bonos cupón cero. Por último, se
discute sobre la consistencia entre el Teorema de Modigliani y
Miller, el modelo CAPM y los modelos de valuación de opciones.
1. Introducción
El creciente uso de las opciones financieras en los mercados de derivados, con
volúmenes comparables a los de las principales bolsas de capitales del mundo, se
debe en gran medida a la flexibilidad que estos instrumentos proporcionan a sus
usuarios para entrar y salir rápidamente del mercado debido a su liquidez (i.e.
siempre es posible encontrar compradores y vendedores) y a su apalancamiento
(i.e. la inversión inicial es pequeña comparada con la de otros instrumentos). Las
opciones financieras permiten a los inversionistas institucionales, a los fondos de
pensiones y a las tesorerías de corporativos administrar distintos tipos de riesgos
con bajos costos de transacción. Además, cuando las transacciones se llevan a
cabo en bolsas de opciones, el riesgo de incumplimiento del contrato es mínimo
debido a la asociación del mercado con una cámara de compensación que
garantiza el cumplimiento de las obligaciones adquiridas por las posiciones cortas
(i.e., los emisores de opciones de compra o venta). En conclusión, las opciones
∗ Profesor-investigador del Centro de Investigación y Docencia Económicas (CIDE).

156 Gaceta de Economía
son instrumentos que permiten a los agentes económicos tomar decisiones en sus
posiciones pasivas y/o activas, en respuesta a sus expectativas económicas y
financieras, reduciendo el riesgo y la incertidumbre del mercado con bajos costos
de transacción.
En las últimas décadas, el análisis financiero ha experimentado una serie de
cambios y transformaciones profundas que han modificado la forma de diseñar
portafolios. Estos cambios han fomentando el uso de los procesos estocásticos
como una de las herramientas básicas para modelar el comportamiento de las
variables financieras y sus derivados. Vale la pena mencionar, al respecto, los
artículos seminales de Merton [1973] y Cox y Ross [1976]. Contribuciones más
recientes en la valuación de opciones sobre acciones, índices bursátiles y divisas,
se pueden encontrar en Bjork [1999]; Bjerksund y Stensland [1993]; Reiner y
Rubinstein [1991]; y Turnbull y Wakeman [1991]. En cuanto al modelado de tasas
de interés y sus derivados, se destacan los trabajos de Hull y White [1993] y
[1990]; Heath, Jarrow y Morton [1992]; Black, Derman y Toy [1990]; Nelson y
Siegel [1987]; Ho y Lee [1986]. También Cox, Ingersoll y Ross [1985]; y
Rendleman y Bartter [1980].
En los modelos macroeconómicos dinámicos, el sector financiero desempeña
un papel central en la valuación de los flujos futuros de efectivo y en la
transferencia de dichos flujos entre los otros sectores de la economía. Asociados
con la tarea de valuación financiera en equilibrios competitivos se encuentran los
trabajos seminales de Modigliani y Miller [1958], Black y Scholes [1973] y Merton
[1977]. Asimismo, la valuación de los flujos futuros de efectivo está ligada al valor
del dinero en el tiempo y, por lo tanto, a la estructura de plazos de la tasa de
interés. Los modelos más populares de tasas de interés consistentes con el
equilibrio general se asocian a los trabajos de Vasicek [1977] y Cox, Ingersoll y
Ross [1985]; este último, mejor conocido como el modelo CIR. En la valuación de
los flujos futuros de efectivo en equilibrios competitivos, las opciones ocupan un
lugar importante. Este trabajo pretende ser una guía completa para la valuación de
opciones financieras y tiene como objetivo principal presentar lo más avanzado
(state of the art) en la teoría y en la práctica de estos productos derivados.
En esta guía, en primer lugar, se presenta un método Bayesiano para valuar
opciones europeas cuando existe información a priori sobre cambios en la
volatilidad del subyacente. En este método, los participantes del mercado son
racionales, en el sentido de que utilizan la información a priori en forma eficiente,
debido a que maximizan una función de utilidad logarítmica sobre un conjunto
factible de distribuciones a priori. Después de todo, el aspecto básico que ocupa
Una guía completa para economistas en la valuación de opciones 157
a la teoría financiera (matemática o empírica) es el estudio del comportamiento de

los agentes en un ambiente de incertidumbre. El modelo conduce a la función de
Bessel modificada. Las propiedades de esta función son empleadas en la
generación de fórmulas aproximadas de valuación.
Las estrategias de cobertura desarrolladas con el análisis básico de Black y
Scholes [1973] son útiles sólo cuando el riesgo de mercado está asociado a un
proceso de difusión, entre otros supuestos típicos del modelo. Sin embargo, si se
agrega un componente de saltos, las coberturas presentan problemas de unicidad
con la distribución para valuar (de hecho, existe un número infinito de
distribuciones), lo que conduce a mercados financieros incompletos.1 En este
caso, se establecen supuestos, en general restrictivos, para elegir una distribución
a fin de estimar coberturas. Otra posibilidad para resolver esta limitación del
esquema básico de Black-Scholes consiste en diseñar coberturas que minimicen la
varianza del valor del portafolio. Sin embargo, las complicaciones técnicas surgen
en la práctica con los supuestos estándar para la determinación de una martingala
equivalente mínima, así como con la estimación de estrategias de cobertura
mediante soluciones numéricas de una ecuación diferencial parcial o una ecuación
diferencial-integral. En esta investigación, se presenta un modelo de valuación de
opciones europeas sobre acciones en la presencia de saltos. El planteamiento es
consistente con la hipótesis de mercados eficientes de Samuelson [1965], es decir,
la dinámica del precio de la acción puede ser descrita mediante una martingala. En
este contexto, el proceso subyacente genera, por una parte, información en tiempo
continuo que afecta sólo el precio marginal y, por otro lado, de vez en cuando
genera información específica de la emisora en tiempos discretos afectando más
que marginalmente el precio del título.
La gran mayoría de las opciones que se cotizan y negocian en bolsas o en los
mercados sobre mostrador (llamados mercados Over-The-Counter, OTC) son
opciones americanas o exóticas. Este mercado es particularmente activo en
subyacentes como títulos de capital, índices bursátiles, divisas, tasas de interés y
futuros. Con muy pocas excepciones, no se cuenta con fórmulas exactas para la
valuación de dichos productos derivados. Existen en la literatura aproximaciones
analíticas que proporcionan resultados aceptables y que pueden ser llevados a
1 Sobre mercados financieros incompletos, véase, por ejemplo, el trabajo seminal de Arrow
[1963] y, más recientemente, Lamberton y Lapeyre [1996] y Bingham y Kiesel [1998].
una hoja de cálculo de una computadora personal; véase, por ejemplo: Roll [1977],
Geske [1979] y Bjerksund y Stensland [1993a]. Sin embargo, la mayoría de las
fórmulas de aproximación disponibles en la literatura presentan serias limitaciones:
la volatilidad es constante y la tasa de interés es constante para todos los plazos.
En este trabajo presentamos un conjunto de fórmulas aproximadas cuya ventaja
radica precisamente en que: (a) la tasa de interés es estocástica y puede ser
conducida por los modelos de Vasicek [1977], Ho y Lee [1986], y Hull y White
[1990], con lo cual la estructura de plazos no es constante y es consistente con el
modelo Merton [1973]; (b) la volatilidad es función del tiempo de vida de la
opción, lo que permite una valuación más realista, sobre todo para capturar el
efecto sonrisa (smile2 ) de los mercados de divisas; (c) todos los factores de riesgo
se consideran en forma simultánea; y (d) el rebalanceo del portafolio se lleva a
cabo con modificaciones simples en las aproximaciones.
El riesgo por fluctuaciones adversas en la tasa de interés que enfrentan las
tesorerías de corporativos se refleja en la posibilidad de que el valor presente de
los flujos, activos y pasivos, que se tienen planeados no se presente en la
magnitud ni en el tiempo que se esperaba, lo que afecta la programación de las
decisiones de operación, inversión y financiamiento. Este riesgo puede reducirse,
si se cubre adecuadamente el valor presente de los flujos esperados tomando
posiciones con opciones sobre bonos cupón cero.
En este trabajo, se desarrolla un modelo para inmunizar el valor presente de un
conjunto de flujos financieros mediante el uso de opciones sobre bonos cupón
cero. En este caso, el uso del cálculo estocástico permite, en forma natural, utilizar
los conceptos de duración y convexidad monetaria en la medición y el control del
riesgo por movimientos adversos en la tasa de interés. En particular, se pueden
generar estrategias de inmunización cuando la estructura de plazos de la tasa de
interés es conducida por una ecuación diferencial estocástica del tipo de Vasicek
[1977] o del tipo de Cox, Ingersoll y Ross [1985], llamada CIR.
Otras alternativas que se encuentran disponibles en la literatura para generar
coberturas con productos derivados contra el riesgo de tasa de interés se
encuentran en Gay, Kolb y Chiang [1983], González-Aréchiga, Díaz-Tinoco y
Venegas-Martínez [2000], y Kolb y Chiang [1995]. Las principales características
de nuestras estrategias de cobertura son: (a) la aplicación del método propuesto
2 El efecto sonrisa o smile se refiere a que la volatidad implícita como función del precio de
ejercicio tiene una forma de U.
se fundamenta en un marco teórico consistente; (b) el método considera

explícitamente la sensibilidad del portafolio a variaciones en la fecha en que inicia
la cobertura; (c) la aplicación del método es simple pues sólo requiere de sistemas
de ecuaciones lineales; (d) el rebalanceo del portafolio se lleva a cabo con
modificaciones simples en el sistema de ecuaciones resultante; (e) las estrategias
se actualizan en forma inmediata cuando hay más información disponible sobre
expectativas y condiciones del mercado; y, (f) el proceso de estimación numérica
permite analizar coberturas de volatilidad extrema.
Por último, en este trabajo se discute sobre la consistencia de tres teorías
básicas en el análisis financiero: el Teorema de Modigliani y Miller, el modelo
CAPM y los modelos de valuación de opciones. Los accionistas de una empresa
consideran aceptable un proyecto de inversión en función de la tasa esperada de
retorno del proyecto (ajustada por riesgo), es decir, la tasa que regresa al principal,
más una ganancia adicional que incremente la riqueza de los accionistas. Esta tasa
mínima aceptable es lo que se conoce como el costo de capital. Los artículos
seminales de Modiagliani y Miller [1958] y [1963] examinan la relación entre el
costo de capital y la estructura de capital. A este respecto, el valor de mercado de
la empresa apalancada es igual al valor de mercado de la empresa no apalancada
más la ganancia fiscal por apalancamiento. En particular, estamos interesados en
estudiar la relación entre tasa promedio ponderada de capital y los modelos de
valuación de opciones y llevar a cabo ejercicios de estática comparativa sobre el
riesgo sistemático.
Este artículo se encuentra organizado como sigue: en la siguiente sección se
presenta un método Bayesiano para valuar opciones cuando existe información a
priori sobre cambios en la volatididad del subyacente. En la sección 3, se
presenta un modelo de cobertura con opciones sobre títulos de capital en la
presencia de colas pesadas. En el transcurso de la sección 4, se presenta un
conjunto de fórmulas de valuación de las opciones americanas y exóticas más
populares que se cotizan y negocian en bolsas o en los mercados sobre
mostrador. En la sección 5 se desarrolla un modelo para inmunizar el valor
presente de flujos financieros con opciones sobre bonos cupón cero. En la
sección 6, se presenta la relación que existe entre el Teorema de Modigliani y
Miller, el modelo CAPM y los modelos de valuación de opciones. Finalmente, en
la sección 7, se presentan las conclusiones, se establecen las limitaciones y
ventajas de los modelos presentados y se mencionan algunas líneas de
investigación futura. Los apéndices contienen detalles técnicos sobre las

estructuras de plazos de la tasa de interés de los modelos de Vasicek y CIR.
2. Valuación de opciones con información a priori

En los estudios de volatilidad del mercado, la primera regla que hay que seguir es
la exploración cuidadosa de los datos, por ejemplo, podemos graficar histogramas,
investigar cómo fueron obtenidos los datos, si éstos son de baja o alta frecuencia,
si faltan observaciones o si hay valores extremos, si los datos fueron ajustados
por estacionalidad, si se trata de una muestra o de un censo, etcétera. Incluso
podemos recurrir a nuestra experiencia con datos con características similares.
Cualquier conclusión tiene que hacerse en el contexto de la información que
contienen los datos y de cualquier información adicional disponible. Es también
importante mencionar que diferentes personas pueden generar interpretaciones
completamente diferentes sobre un mismo conjunto de datos, dependiendo de la
información adicional que tengan a la mano y a la experiencia previa con datos de
caraterísticas similares. Es de particular interés derivar inferencias sobre la
volatilidad del activo subyacente con base en las observaciones y cualquier
información a priori en la valuación de opciones. La consideración de información
inicial no es sólo algo que hay que agregar a un modelo de valuación para hacerlo
más sofisticado, sino un aspecto esencial que debe tomarse en cuenta tanto en la
teoría como en la práctica de los productos derivados.
El supuesto de que la volatilidad tiene un comportamiento estocástico es
motivado fundamentalmente por el examen de los datos; como es de esperarse,
existen muchos estudios empíricos que muestran que la volatilidad presenta un
comportamiento aleatorio.3 El planteamiento más común del modelo de volatilidad
estocástica considera un movimiento Browniano geométrico para el subyacente
correlacionado con un proceso para la volatidad del tipo Orstein-Uhlenbeck. En
este tipo de modelos, la mayor dificultad es la estimación de los parámetros dado
que la volatilidad no es una variable observable; además de que no existe un
modelo de volatilidad estocástica universalmente aceptado. Lo más drástico de
todo es que estos modelos carecen de intuición económica. No obstante, el
modelo de volatilidad estocástica para valuar y cubrir derivados ha sido
3 Para estudios empíricos sobre volatilidad, ver las referencias en Fouque, Papanicolaou y
Sircar [2000].
ampliamente estudiado con avances importantes.4 En particular, los modelos de

volatilidad estocástica permiten reproducir en forma más realista el retorno de
varios activos, especialmente, en presencia de colas pesadas (Wilmott [1988]),
sesgo en la distribución (Fouque, Papanicolaou, y Sircar [2000]), y el efecto
sonrisa, típico de los mercados de opciones sobre divisas (Hull y White [1987]).
Sin embargo, hay un conjunto importante de regularidades empíricas o hechos
estilizados que todavía requieren de explicación, donde este esquema de
volatilidad estocástica es insuficiente para ello. En particular, los modelos
existentes no proporcionan una explicación de cómo los agentes (personas
físicas, inversionistas institucionales o fondos de pensiones) escogen una
distribución específica para describir la volatilidad y las implicaciones que ésto
conlleva cuando se valúan y cubren productos derivados.
En la práctica, no se puede suponer que la volatilidad es constante, pues si así
se hace, entonces hay un riesgo inherente al que nos exponemos y habría que
administrarlo. Por lo tanto, es natural pensar en la volatilidad como una variable
aleatoria con alguna información inicial proveniente de examinar los datos, incluso
la información inicial puede representar conocimiento vago. Esta es justo la forma
Bayesiana de pensar en información a priori. Bajo este enfoque, la información a
priori es descrita en términos de una distribución de probabilidad de los valores
potenciales de la volatilidad. Es muy común en inferencia Bayesiana estudiar la
precisión, h = σ−2, en lugar de la volatilidad misma, y eso haremos aquí; véase, por
ejemplo, Berger [1985]. Así, a menor la volatilidad, mayor la precisión. En forma
todavía más precisa, desde el punto de vista Bayesiano, se cuenta con una
distribución, Ph > 0, la cual describe información a priori. En lo que sigue,
suponemos que Ph es absolutamente continua con respecto a la medida de
Lebesgue ν, de tal manera que la derivada de Radon- Nikodym proporciona una
densidad a priori, π(h). Así, para todo conjunto de Borel A se cumple que:
Ph {h ∈ A} = ∫ A π(h ) d ν (h ) . (1)
2.1. Distribuciones a priori de máxima entropía
En la literatura Bayesiana se cuenta con varios métodos para construir funciones

de densidad que incorporan información a priori a través de la maximización de un
4 Véase al respecto, por ejemplo, los trabajos de Ball y Roma [1994], Heston [1993], Renault
y Touzi [1996], Stein y Stein [1991], y Wiggins [1996].
funcional que representa una medida de información, sujeta a un conjunto de

restricciones en términos de valores esperados. Algunas de las distribuciones a
priori que se obtienen con dichos métodos son: a priori no informativas (Jeffreys
[1961]); a priori de máxima información contenida en los datos (Zellner [1977]); a
priori de máxima entropía (Jaynes [1968]); a priori de mínima entropía cruzada5
(Kullback, [1956]); a priori de referencia (Bernardo [1979]); a priori de control
(Venegas- Martínez, de Alba y Ordorica- Mellado [1999]). En este trabajo estamos
particularmente interesado en las a priori de máxima entropía por razones
pragmáticas y teóricas que aparecerán de manera natural posteriormente.
Supongamos que se cuenta con información inicial sobre la volatilidad en
términos de valores esperados, digamos:
∫ a k (h )π(h )I {h > 0}dv(h ) = γ k , k = 0,1,2,..., N , (2)
donde las funciones a k (h) son Lebesgue medibles y conocidas, y todas las
constantes γk son también dadas. En este caso, el principio de máxima entropía
establece que de todas las densidades consistentes con la información dada en
las restricciones (2), debemos de escoger aquélla que maximice el funcional:
H [π(h )] = − ∫ h > 0 ln [π(h )]π( h )dv(h ) . (3)
Aquí, se definen a 0(h) ≡ 1 y γ0 = 1 a fin de asegurar que la solución del

problema variacional de máxima entropía sea efectivamente una función de
densidad. Así pues, estamos interesados en encontrar π(h) que resuelva el
problema de maximizar (3) sujeto a (2). En lo que sigue, supondremos que el
conjunto de restricciones define un conjunto convexo y compacto en π (en la
topología de L2([0, ∞), π(h) dν(h)). En virtud de que el funcional H[π(h)] es
estrictamente cóncavo en π, la solución del problema de máxima entropía existe y
es única. En tal caso, la condición necesaria para un máximo es también suficiente.
A partir de la condición necesaria de un máximo que se obtiene del cálculo de
variaciones (ver, por ejemplo, Chiang [1992]), se tiene que:
N 
π (h ) = e1 +λ 0 exp  ∑ λ k a k (h ) , (4)
 k =1 
5
Otros modelos que utilizan esta medida de información en la valuación de derivados se
encuentran en Avellaneda, Levy y Parás [1995]. En su trabajo se supone que los valores
potenciales de la volatilidad ocurren dentro de un intervalo abierto.
donde λk , k = 0, 1, 2, …, N, son los multiplicadores de Lagrange asociados a las

restricciones del problema de máxima entropía anteriormente planteado.
2.2. Ejemplos de distribuciones a priori sobre precisión
Supongamos que se cuenta con informacón a priori en términos de valores

esperados en niveles y tasas, lo cual representa la información básica cuando los
datos son inspeccionados. Es decir, nuestro conocimiento inicial es descrito por:
∫h > 0 h π(h )dv(h ) = β / α , (5)
∫h > 0 ln (h )π (h )dv(h ) = φ(α ) − ln (β) , (6)
donde α > 0, β > 0, φ (α) = dΓ(α)/dα, y Γ(⋅) es la función Gamma. Observe que para
valores esperados dados de niveles y tasas, las ecuaciones (5) y (6) se convierten
en un sistema no lineal en las variables α y β. Puede mostrarse fácilmente que la
distribución Gamma:
h α −1β αe −β h
( )
π h α,β =
Γ(α )
, h > 0, α > 0, y β > 0 , (7)
resuelve el problema de máxima entropía con restricciones (5) y (6).
2.3. Planteamiento del problema básico de valuación Bayesiana
Considere un proceso de Wiener W(t), t > 0, definido en un espacio de

probabilidad equipado con una filtración de información relevante, representada
por (Ω, F, (Ft)t > 0, P), y una opción europea sobre un subyacente cuyo precio S (t)
es conducido por un movimiento geométrico Browniano definido mediante:
dS (t ) = rS (t )dt + h −1 / 2 S (t )dW (t ) , (8)
esto es, W(t), t > 0, está definido sobre una medida de probabilidad neutral al
riesgo P. La opción es emitida al tiempo t0 = 0 y expira en T > 0 con precio de
ejercicio X. En el enfoque Bayesiano, tenemos que al tiempo t0 = 0 la prima de la
opción cuando hay información a priori sobre la volatilidad, descrita por π (h)
está dada por:
( ) {[ (
c 0, S (0 ), X , T , r α , β = e −rT E ( π) E max S (T ) − X ,0 S (0 ) )]}
  (9)
= e− rT ∫  ∫ (s − X ) f S (T ) S ( 0 ) (s )ds π(h )dv(h ) ,
h> 0 s > X 
donde la densidad condicional satisface:

h 1/ 2
fS (T )S (0) ( s ) = exp {− (h / 2T )[G ( s ) + (T / 2 h )]}
s 2πT
y (10)
 se 
rT
G(s ) = ln  .
 S (0 )
Si suponemos que las condiciones requeridas para que se cumpla el Teorema

de Fubini en (9) son satisfechas, entonces podemos garantizar el intercambio de
las integrales en (9).6 Si π (h) está dada por (7), el precio de la opción satisface
e− rT β α
c= ∫s > X [1 − (S / X )]J (s | α , β )ds , (11)
2π T Γ(α )
donde:
{ }
J ( s | α , β ) = ∫h >0 exp − (h / 2T )[G ( s ) + (T / 2 h )]2 h α− (1 / 2 )e −β h d ν( h ) . (12)
Observe ahora que (12) puede, a su vez, reescribirse como:
J (s | α , β ) = exp {− G ( s )T / 2}∫h > 0 exp {− A( s )h − ( B / h )}h δ −1d ν(h ) , (13)
donde:
G (s )2
A( s ) =
1
+ 2β T > 0 , B = T / 8, y δ = + α > 0 . (14)
2T 2
En este caso, puede ser mostrado que la integral en (12) satisface:
∫h > 0 exp {− (h / 2T )[G ( s ) + (T / 2 h )]}h dν (h ) =

δ −1
( )
, (15)
2 (B / A(s ))δ / 2 Kδ 2 BA(s )
6 De otra manera, la esperanza tendría que tomarse sobre una integral con límites de
integración estocásticos.
donde Kδ(x), x = 2(BA(s))1/2, es la función de Bessel modificada de orden δ (ver

Redheffer [1991]); la cual es solución de la siguiente ecuación diferencial ordinaria
de segundo orden:
1  δ2 
y′′ + y′ −  1 + 2  y=0.
 (16)
x  x 
Es importante destacar que Kδ(x) es siempre positiva y que Kδ(x) → 0 cuando x
→ ∞. La ecuación (15) nos dice que toda la información adicional con que se
cuenta sobre la volatilidad, descrita tanto por la a priori como por el proceso que
conduce la dinámica del precio del activo subyacente, se encuentra ahora
contenida en la función de Bessel Kδ (x).
2.4. Aproximaciones asintóticas y polinomiales
En esta sección encontraremos una fórmula para aproximar el precio de una opción
europea cuando hay información a priori. En caso de que el precio de ejercicio X
sea suficientemente grande, entonces x será grande también y, en este caso,
tenemos la siguiente aproximación:
π − x  1 − 4δ 2 
K δ ( x ) ≈ K̂ δ ( x) = e 1− . (17)
2x  8 x 

Esta aproximación, en la práctica, proporciona estimaciones aceptables. En
este caso, tenemos la siguiente fórmula para la prima de la opción:
cˆ = S (0 )L1 (S (0);T , X , r α, β) − e− rT XL2 (S (0 );T , X , r α, β) , (18)
donde:
L1 (S (0 );T , X ,r α,β ) =
βα ∞
( 
)
∧ (19)
∫ X exp{− [r + (1 2 )G(s )]}(T A(s )) K δ 2 BA(s ) ds ,
δ 2
S (0) 2 πT  
L2 (S (0 );T , X ,r α,β) =
βα ∞ 1
( 
)
∧ (20)
∫ X  exp{− (1 2 )G(s )}(T A(s )) K δ 2 BA(s ) ds ,
δ 2
S (0) 2 πT  s 
las cuales se pueden calcular numéricamente mediante subrutinas y

procedimientos simples en Mathematica o Matlab con un límite superior de
integración suficientemente grande.7
Para algunos valores específicos de los parámetros de la distribución a priori,
es posible encontrar aproximaciones polinomiales de orden finito. En este caso, el
método de Frobenius para la expansión en series de potencias convergentes es
particularmente útil. Por ejemplo, si α = ½, i.e., δ = 1 en la integral después de la
ecuación (15), entonces la siguiente aproximación puede utilizarse:
1   x 
2k
6 x
K1( x ) ≈  xln   I 1 (x ) + ∑ a k   + ε , 0 < x ≤ 2 , (21)
x  2 k=0  2  

donde los coeficientes del polinomio satisfacen:
a 0 = 1 .000000000 , a1 = 0.15443144 , a2 = −0. 67278579 ,
a 3 = −0 .18156897 , a 4 = −0.01919402 , a5 = −0.0110404 ,
a 6 = −0.00004686 ,
 6  4x 
2k 
I1 ( x ) ≈ x  ∑ bk   + ε , 0 < x ≤
15
, (22)
k =0  15   4
donde:
b0 = 0. 500000000 , b1 = 0. 87890594 , b2 = 0 .51498869 ,
b3 = 0 .15084934 , b 4 = 0 .02658733 , b5 = 0 .00301532 ,
b6 = 0. 00032411 ,
con ε < 8 × 10-9. El polinomio complementario está dado por:

−2 k
x 6  x
K1( x ) ≈ ln   I ( x ) + ∑ ek  
1
+ ρ, x > 2 , (23)
x 2 1
xe k =0  2 
donde:
e0 = 1 .25331414 , e1 = 0 .23498619 , e2 = −0 .03655620 ,
e3 = 0 .01504268 , e4 = −0. 00780353 , e5 = 0 .00325614 ,
e6 = −0 .00068245 ,
7 Véanse, por ejemplo, Shaw [1998] sobre valuación de derivados utilizando Mathematica;
Hanselman and Littlefield [1998] sobre métodos numéricos en Matlab.
 8 −k 
 4x 
I1 ( x ) ≈ x  ∑ g k 
15
 + ρ , x > , (24)
k =0  15   4
donde:
g 0 = 0 .39894228 , g1 = −0 .03988024 , g 2 = − 0. 00362018 ,
g 3 = 0 .00163801 , g 4 = −0. 01031555 , g 5 = 0 .02282967 ,
g 6 = −0 .02895312 , g 7 = 0 .01787654 , g 8 = −0 .00420059 ,
con ρ < 2.2 × 10-7. Es importante mencionar que las funciones de Bessel Kδ (x) e Iδ
(x) son linearmente independientes y, por lo tanto, una combinación lineal de ellas
determina la solución única de la ecuación diferencial de Bessel. Si denotamos por
Kδ(ε)(x) las aproximaciones polinomiales en (21) y (23), y las sustituimos en (18), se
sigue entonces que:
cˆ (ε) =
( ) ( )
(25)
S (0 ) L1(ε) S (0 ) ; T , X , r α = 0 .5 , β − e −rT XL(2ε) S (0 ) ; T , X , r α = 0 .5, β .
De nuevo, las integrales L1(ε)y L2(ε) se pueden calcular numéricamente con

subrutinas y procedimientos muy simples en Mathematica o Matlab con un límite
superior de integración suficientemente grande.
2.5. Elasticidad constante de la varianza con respecto al precio del subyacente
Supongamos ahora que el precio del activo subyacente es conducido por el

siguiente proceso de difusión:
dS (t ) = rS (t )dt + h −1 / 2 S (t )b / 2 dW (t ) , (26)
en donde la elasticidad de la varianza con respecto del precio se define de la forma

b – 2. Si b = 2, entonces la elasticidad de la varianza es cero y el activo subyacente
se distribuye log normal. Aquí, estamos particularmente interesados en el caso b <
2. Si éste es el caso, entonces se puede mostrar que la función de densidad
condicional del subyacente está dada por
f S (T )|S (0 ) (s ) =
h
δ
(
D BA(s )1− 2b )
1 / (4 − 2b ) − h[ B+ A( s )]
e ( )
I δ 2h BA(s ) , (27)
donde
δ = 1 / (2 − b ), D = 2r / (2 − b), B = DS (0)e rT[ ] 2 −b

, A(s ) = (Ds)2 − b , (28)
e Iδ (x), con x = 2h(BA (s))1/2 es la función modificada de Bessel de primera clase y

de orden δ. Si suponemos que la información a priori sobre volatilidad es descrita
por la distribución Gamma, entonces:
c=
De −rT βα
δ 2 πT Γ(α )
[
∫ s > X ( s − X ) BA(s ) ]
1− 2b 1 /(4 − 2 b )
Z (s | α, β )ds , (29)
donde:
(
Z (s | α , β ) = ∫ h >0 h αexp {− h [β + B + A( s )]}I δ 2 h BA( s ) dν (h ) , ) (30)
la cual está relacionada con la distribución χ2 no central. Además:
( ) ∞
I δ 2 h BA(s ) = ∑ h δ + 2k
[BA( s )]k + 2δ , (31)
k =0 Γ (k + 1)Γ (δ + k + 1)
por lo tanto:
Z (s | α , β ) =
∞
∑ h δ +2 k
[BA( s )]k + 2δ α +δ + 2 k
exp {− h [β + B + A(s )]}dν( h )
∫ h
k =0 Γ( k + 1)Γ (δ + k + 1) h >0 (32)
=
[BA(s )] 2δ ∞
∑
[BA( s )] Γ(α + δ + 2k + 1) .
k
[β + B + A(s )] α
k =0 Γ(k + 1 )Γ(δ + k + 1)
Para algunos valores específicos de los parámetros de la distribución a priori, es

posible encontrar aproximaciones polinomiales de orden finito mediante el método
de Frobenius (véase Venegas-Martinez [2001b]).
3. Valuación de opciones con colas pesadas

En la valuación de opciones, el supuesto de que la variable subyacente sigue una
distribución log normal, o que su tasa de crecimiento sigue una distribución
normal, es muy común. En particular, es usual suponer que las variables
financieras siguen un movimiento Browniano geométrico (equivalente a un
proceso de Wiener). Sin embargo, existe evidencia empírica en la mayoría de las
variables financieras que soporta el hecho que entre mayor sea la frecuencia de las
observaciones, mayor será la discrepancia de la distribución empírica con una
distribución log normal. De hecho, dichas variables casi nunca se comportan de
acuerdo a distribuciones teóricas comúnmente conocidas. Por ejemplo, las
distribuciones empíricas de los rendimientos diarios de varios de los títulos que
cotizan en el mercado mexicano de capitales presentan, en general, sesgo y exceso

de curtosis; no siempre es posible ajustar una distribución teórica simple.8 Otra de
las características que distingue a los mercados financieros es que
ocasionalmente se presentan movimientos inesperados (auges o caídas). Estos
movimientos ocurren con mayor frecuencia de lo que se esperaría bajo el
supuesto de una distribución log normal, incluso con una volatilidad
razonablemente moderada.
En el análisis de datos financieros, cuando se compara una distribución
estandarizada empírica con una distribución normal estándar, se observa con
frecuencia que la cresta de la distribución empírica es más alta. Dado que ambas
distribuciones tienen la misma desviación estándar, es decir, los mismos puntos
de inflexión, entonces las colas de la distribución empírica tienen necesariamente
que ser más anchas para compensar el área de la cresta, que en ambos casos tiene
que ser igual a uno. La cresta más alta significa que existe una probabilidad más
grande de movimientos pequeños que la de una variable aleatoria con distribución
normal. Por otro lado, debido a las colas más pesadas de la distribución empírica,
se tiene una mayor probabilidad de que ocurran valores extremos en comparación
con la distribución normal. En este caso, si la distribución normal se mezcla con
una distribución que genere movimientos extremos en el rendimiento, se
producirán colas más pesadas y se tendría una mejor aproximación a lo
observado. Si la distribución normal se mezcla con una distribución que genere
movimientos extremos o saltos en el valor del rendimiento del título, se
producirían colas más pesadas y se tendría una aproximación más realista del
comportamiento del rendimiento del activo.
A continuación, se define un proceso de difusión con saltos en donde el
movimiento Browniano geométrico modela cambios pequeños en el precio del
subyacente, los cuales siempre están presentes, y el proceso de Poisson modela
cambios extremos e inesperados en el precio del subyacente, los cuales
ocasionalmente ocurren. Este tipo de procesos son de gran utilidad en el modelaje
de colas pesadas.9 En adelante se tomarán como equivalentes notaciones X(t) ó Xt
8 Véase, por ejemplo, Ramírez-Sánchez [2001].

9 Otra alternativa para describir colas pesadas es a través del uso de modelos de volatilidad
estocástica. Véanse, por ejemplo: Avellaneda, Levy y Parás [1995]; Ball y Roma [1994];
para cualquier variable, aleatoria o determinista, dependiente del tiempo.

Considere un proceso estocástico dq t que satisface:
Pr {un salto de tamaño 1 durante dt} = Pr {dq t = 1} = λ dt + o( dt ) , (33)
mientras que:
Pr {ningún salto durante dt } = Pr {dqt = 0} = 1 − λdt + o (dt ) , (34)
donde o (dt) → 0 cuando dt → 0. Es decir, existe una probabilidad finita de que
ocurra un salto en un tiempo finito. Note que en este caso E [dq t] = λdt. El
parámetro λ es conocido como la intensidad del proceso de Poisson y define el
número medio esperado de saltos por unidad de tiempo. El proceso de Poisson
puede ser incorporado en un modelo de difusión de un subyacente S t de la
siguiente forma:
dS t = µ S t dt + σS t dWt + νS t dqt , (35)
donde el parámetro que define la tendencia, µ, representa la media esperada del

rendimiento condicional en que ningún salto ocurra; σ es la desviación estándar o
volatilidad del rendimiento condicional en que ningún salto ocurra. En este caso,
(Wt)t ≥ 0 es un proceso de Wiener estandarizado. Se supone que los procesos dWt y
dq t no están correlacionados entre sí. Si hay un salto, es decir, si dq t = 1, entonces
S t inmediatamente toma el valor S t (1+ν), con lo que se puede modelar un
incremento brusco en el rendimiento de una acción. En lo que sigue se supone
que ν, el tamaño del salto, es una variable aleatoria independiente de dWt y dq t.
Finalmente, note que el proceso estocástico log (S t), asociado con (34), satisface:
( )
d log ( S t ) = µ − (1 / 2 )σ 2 dt + σdWt + log (1 + ν )dqt , (36)
lo cual es sólo una aplicación del lema de Itô cuando el proceso de difusión
presenta saltos. Observe también que en este caso:
{( ) }
S t = S 0 exp µ − (1 / 2 )σ 2 dt + σ ∫ 0t dW s + log (1 + ν )∫0t dq s . (37)
De lo anterior se desprende que el rendimiento, dlog (S t), puede tomar valores

positivos y negativos, y el nivel en el precio, S t, se mantiene siempre positivo.
Considere ahora un portafolio con ω1 opciones de precio c(t, S t) y una cantidad
ω2 de títulos de capital de precio S t. En este caso, el valor del portafolio, Πt, al
tiempo t, satisface Πt = ω1c (t, S t) + ω1S t. El cambio en el valor del portafolio debido
Fouque, Papanicolaou y Sircar [2000]; Heston [1993]; Hull y White [1987]; Renault y Touzi
[1996]; Stein y Stein [1991] y Wiggins [1996].
sólo a fluctuaciones del mercado es dΠt = ω1dc (t, S t) + ω1dS t. Una aplicación
simple del lema de Itô para procesos de difusión con salto conduce a:
 ∂c 1 ∂ 2c   ∂c 
d Π t = ω1  + σ 2 S t2 dt +  ω1 + ω 2 µS t dt
 ∂t 2 ∂S t 
2
 ∂St 

(38)
 ∂c 
+  ω1 + ω2 σS t dWt + [ω1[c(t, S t (1 + ν )) − c(t, S t )] + ω2 νS t ]dqt .
 ∂S 
 t 
Si no existe un salto en el instante dt, es decir, si dq t = 0, entonces se puede
seleccionar, por ejemplo, una estrategia para cubrir los movimientos de difusión
parecida a las generadas por Black-Scholes [1973]. En efecto, considere la
cobertura delta definida por ω1 = 1 y ω1 = −∂c/∂S t para eliminar el riesgo inducido
por dWt. Sin embargo, si existe un salto, en cuyo caso dq t = 1, entonces el
portafolio cambia de valor y la cobertura deja de ser efectiva debido al riesgo
asociado con dq t. Así, el cambio en el valor del portafolio está dado por:
 ∂c 1 ∂2c   ∂c 
dΠ t =  + σ2 S t2 2  dt +  [c (t , St (1 + ν )) − c(t , St )] − νS t  dqt . (39)
 ∂t 2 
∂S t  ∂ S
  t 
En este caso, el cambio en el valor del portafolio no se comporta

completamente en forma determinista en el instante dt, ya que existe la posibilidad
de que se presenten saltos con una media esperada por unidad de tiempo igual a
λ. Si se toma la esperanza de esta expresión y se establece que el cambio en el
valor del portafolio es igual al rendimiento libre de riesgo del valor inicial del
portafolio con una tasa de interés constante, r, para todos los plazos, es decir, si
dΠt = r[ω1c (t, S t) + ω1S t], entonces:
∂c 1 2 2 ∂ 2c ∂c
+ σ St + rS t − rc +
∂t 2 2
∂St ∂St
(40)
∂c
λE [c (t , S t (1 + ν )) − λc (t , S t )] − λ S t E [ν ] = 0 .
∂S t
Con las condiciones de frontera c (t, 0) = 0 y c (T, S T) = max(S T − X, 0) donde X

es el precio de ejercicio de la opción. En este caso, la ecuación anterior no puede
ser llevada a través de transformaciones a la ecuación de calor, como en el caso de
Black-Scholes. Debido a la presencia de E[ν], esta ecuación es del tipo diferencial-
integral, la cual presenta complicaciones técnicas para su solución y, en general,
requiere de métodos numéricos (en particular, métodos de transformada de

Fourier). No obstante, un punto importante que hay que destacar en la ecuación
(39) es que su naturaleza es no-local, es decir, dicha ecuación relaciona el valor de
la opción con valores distantes de S t, a pesar de sólo tener derivadas locales. Por
supuesto, el valor de la opción en este momento depende de los saltos en el
instante dt. Finalmente, note que cuando λ = 0, la ecuación (39) se reduce
simplemente, como era de esperarse, a la ecuación diferencial parcial parabólica de
Black-Scholes.
Una posibilidad para darle un precio a la opción en un marco de mercados
incompletos consiste en suponer que í tiene distribución log normal. En este
caso:
∞
c (t , St ; X , T , r , σ ) = ∑
n =0
exp {− λ ′(T − t )}[λ ′(T − t )]n
n!
( )
c BS t , S t ; X , T , rn , σ 2n , (41)
donde:
σ 2n = σ2 + [n Var [ν ] / (T − t )] ,
rn = r − λE [ν ] + [n log (1 + E [ν ]) / (T − t )]
y λ′ = λ(1 + E[ν]) .
Note que el precio de la opción se calcula como un valor medio, con respecto a
la distribución de Poisson, de los precios de las opciones que cubren
secuencialmente los saltos, cBS (t, S t, X, T, rn, σn2). Con el propósito de calcular
aproximaciones numéricas de (40) para el título GCARSO, se utilizan los siguientes
datos: S 0 = 42.00, r = 0.11, σ = 0.13, T = 0.25 y cBS = 2.436. Las soluciones numéricas
de (40) se calcularán bajo el supuesto de que ν sigue una distribución log normal
con media 0.01 y varianza 0.001, con n =10,000. La Gráfica 1 muestra el
comportamiento del precio de la opción ante cambios en el número promedio
esperado de saltos por unidad de tiempo, caeteris paribus. Como puede
esperarse, ante la presencia de saltos en el subyacente, la opción se vuelve más
cara. Es importante notar también que, en este caso, cambios pequeños en λ,
manteniendo fijo E[ν], producen cambios pequeños en el precio de la opción, i.e.,
los precios son estables ante cambios en los parámetros relevantes.
Gráfica 1
Soluciones aproximadas con saltos en función de λ (caso GCARSO)
c
3.5
3.0
2.5
2.0
1.5
1.0
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 λ
Bajo el supuesto anterior de que ν sigue una distribución log normal con
varianza 0.001, la Gráfica 2 muestra el comportamiento del precio de la opción ante
cambios en tamaño medio esperado del salto caeteris paribus. Note también que,
en este caso, cambios pequeños en E[ν], manteniendo fijo el valor de λ, conducen
a cambios pequeños en el precio de la opción.
Gráfica 2
Soluciones aproximadas con saltos en función de E [ν] (caso GCARSO)
c
2.56
2.54
2.52
2.50
2.48
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 E[υ]
El supuesto de que ν es log normal puede ser muy restrictivo para determinar
soluciones de (39). Otra posibilidad para cubrir la difusión y los saltos, a partir de
la ecuación (38), tanto como sea posible, es fijar ω1 = 1 y, posteriormente, obtener

ω2 de tal manera que se minimice la varianza del cambio en el valor en el portafolio.
En virtud de (35), el cambio en el valor del portafolio tomando en cuenta sólo los
factores de riesgo, con ω2 arbitraria, a partir de (37) es:
 ∂ c 1 2 2 ∂2 c   
dΠ t =  + σ St  dt +  ∂ c + ω2  µ S t dt
 ∂t 2 2  ∂S 
 ∂St   t 
(42)
 ∂c 
+  + ω2 σ St dWt + [c( t, St (1 + ν)) − c(t , S t ) + ω 2νS t ] d q t .
 ∂ St 
La varianza de este cambio, la cual es una medida del riesgo en el portafolio,

está dada por:
2
 ∂c 
Var[d Πt ] =  + ω2  σ2 S t2 dt +
 ∂St  (43)
[
λE (c(t, S t (1 + ν )) − c(t, St ) + ω2 νSt ) d qt + L
2
]
Puede verificarse que se cumplen las condiciones suficientes de mínimo en el
punto:
∂c
λE [v (c(t , S t (1 + v )) − c(t, S t ))] + σ2 S t
∂S t (44)
w2 = .
2 2
λS t E[ v ] + σ S t
Si se valua la opción en términos de la esperanza sobre la mejor estrategia de

cobertura. Es decir, si se sustituye el óptimo de ω2 en (38) y el resultado se iguala
con el retorno libre de riesgo del portafolio inicial con una tasa de interés
constante a todos los plazos, se llega a que:
∂c 1 2 2 ∂2 c ∂c  σ2 
+ σ St + St µ − (µ + λ E [v ] − r )  − rc
∂t 2 ∂St2 ∂ St  2
λ E[v ] + σ 2 
 
(45)
  σ2 
+ λ E  ([c (t , S t (1 + ν ))] − c (t , St ))  1 − (µ + λ E[ v] − r )   = 0 .
  2 2 
 λ E [v ] + σ 
Cuando λ = 0, se obtiene, de nuevo, la ecuación diferencial parcial de Black-

Scholes.
4. Valuación de opciones americanas y exóticas con

volatilidad variable y tasa de interés estocástica
La gran mayoría de las opciones que se cotizan y negocian en bolsas o en
mercados OTC son americanas o de las llamadas exóticas (opciones con perfiles
de pagos más complejos que las opciones americanas más simples). El mercado de
opciones americanas es particularmente activo en subyacentes como divisas y
tasas de interés. Las opciones exóticas tienen también un mercado OTC muy
activo sobre títulos de capital, índices bursátiles, divisas y futuros. Las opciones
exóticas más populares son las opciones compuestas (opciones sobre opciones) y
las opciones sobre máximos y mínimos de un subyacente. Asimismo, las opciones
con barreras son menos caras y más populares que las opciones ordinarias. Muy
particularmente, las opciones con barreras sobre índices bursátiles son listadas en
mercados organizados y reconocidos como el CBOE (Chicago Board Options
Exchange) y el AOE (American Options Exchange) con un interés abierto siempre
creciente; además, las opciones con barreras se negocian en forma muy activa en
el mercado OTC principalmente en subyacentes como divisas, tasas de interés y
bienes (commodities).
Es importante mencionar también que las opciones binarias, conocidas como
opciones digitales son muy populares en los mercados OTC ya sea para cubrir o
para especular. Este tipo de opciones son utilizadas para construir productos
derivados más complejos. Por último, las opciones asiáticas son especialmente
populares en los mercados de divisas y de bienes, pero pueden encontrarse sobre
títulos de capital en el mercado OTC. Una media, aritmética o geométrica, es
menos volátil que el subyacente mismo. Con muy pocas excepciones, no se
cuenta con fórmulas exactas para la valuación de opciones americanas o exóticas.
Existen en la literatura aproximaciones analíticas que proporcionan resultados
aceptables en una hoja de cálculo de una computadora personal. Sin embargo,
éstas presentan serias limitaciones: (a) la volatilidad es constante y (b) la tasa de
interés es constante para todos los plazos. En esta sección presentamos un
conjunto de fórmulas aproximadas cuya ventaja es precisamente que la volatilidad
es una función del tiempo y la tasa de interés es estocástica.10
10 La aplicación de algunas de estas fórmulas, con opciones sobre energéticos, en la simulación

de la renta petrolera han sido utilizadas en Venegas-Martínez [2001c].
4.1. Modelos estocásticos de tasas de interés para la valuación de opciones
El supuesto de que las tasas de interés se mantienen constantes o bien que su

dinámica está determinada por una función conocida en el tiempo, podría ser
razonable para instrumentos de renta fija de muy corto plazo; días o posiblemente
semanas en períodos de estabilidad. Sin embargo, en el mediano y largo plazo, la
tasa de interés presenta un comportamiento aleatorio, en cuyo caso los procesos
de difusión proporcionan una herramienta adecuada de análisis. Más
precisamente, se supone que la tasa de interés instantánea, rt, es guiada por la
siguiente ecuación diferencial estócastica:
drt = µ (t, rt ) dt + σ (t, rt ) d Wt , (46)
donde µ (t, rt) y σ (t, rt) son funciones conocidas. El proceso estocástico Wt es un
proceso de Wiener estandarizado, es decir, Wt es una variable aleatoria normal con
incrementos independientes en t, que satisface E [dWt] = 0 y Var [dWt] = dt. Las
funciones µ (t, rt) y σ (t, rt) determinan la evolución de la tasa spot. Más adelante,
se especificarán formas funcionales para µ(t, rt) y σ(t, rt) de fácil interpretación.
4.1.1. El modelo de Vasicek
Existen en la literatura varios modelos estocásticos de tasas de interés.11 En

particular, en esta sección nos concentramos en el modelo de Vasicek [1977]. Este
modelo de equilibrio general es muy útil debido a sus propiedades para valuar
productos derivados de tasas de interés. El modelo presenta reversión de la media
a un valor constante, lo cual es una propiedad deseable en el análisis de la
dinámica de las tasas de interés. Específicamente, el modelo de Vasicek tiene la
forma:
drt = λ (θ − rt ) dt + σ d Wt , (47)
con λ, θ y σ ≥ 0 cantidades constantes y conocidas. En este caso, la estructura de
plazos está dada por (ver Apéndice 1):
1 
( R∞ − rt ) (1−e−λ (T −t) )− σ 2 (1−e−λ (T −t) )2 
2
RV (t,T; rt ) = R∞ −
λ (T −t)  4λ  (48)
y
11 Vale la pena destacar, al respecto, los modelos de: Rendleman y Bartter [1980]; Ho y Lee
[1986]; Nelson y Siegel [1987]; Heath, Jarrow y Morton [1992]; y Hull y White [1990] y
[1993].
σ2 ,
R∞ = θ −
2λ2
La función RV (t, T; r1) es la tasa de interés en el plazo definido entre t y T, y
R∞ es la tasa de largo plazo. Si escribimos η = λθ y γ = 1 − λ en la ecuación (46),
entonces:
drt = [ η + (1 + γ ) rt ] dt + σdWt . (49)
Para fines prácticos, la ecuación anterior puede plantearse en términos discretos

como una ecuación estocástica en diferencias:
rt = η + γ rt −1 + εt , (50)
en donde {εt} son variables aleatorias independientes y normalmente distribuidas
con media cero y varianza σ2. La media de rt es η/(1 − γ) = η/λ y su varianza
(incondicional) es σ2/(1 − γ2). La varianza condicional de rt es, por supuesto σ2.
Para estimar los parámetros se utilizó la tasa (corta) spot (rendimiento anualizado
de CETES a un día12 ), entre el 3 enero de 2000 y el 29 de diciembre de 2000. Los
datos faltantes fueron estimados con la metodología del Filtro de Kalman.13 Los
resultados de la estimación de los parámetros del modelo autorregresivo (49), con
errores estándar entre paréntesis, son los siguientes:
rt = 0 .0289 + 0 .8305 rt −1 .
(0.0075) (0.02819)
En este caso, se puede apreciar que las estimaciones son significativamente

distintas de cero con un 95% de confianza. La Gráfica 3 muestra la estructura de
plazos definida a través de la ecuación (47), tomando t = 0, λ = 0.1695, r0 = 0.15, θ =
0.1709 y σ = 0.0239. Como puede observarse, la estructura de plazos es creciente y,
en el largo plazo, se estabiliza en un valor cercano a 16%.
4.1.2. El modelo de Cox, Ingersoll y Ross
El modelo de Vasicek es muy útil por sus propiedades. Sin embargo, éste puede
generar tasas de interés negativas para algunos valores de los parámetros. El
12 En este caso, se utlizaron los vectores de precios que se publican en el Boletín de la Bolsa
Mexicana de Valores [2000].
13 Véase al respecto Venegas-Martínez, de Alba y Ordorica-Mellado [1995].
modelo de equilibrio general CIR no es consistente con el modelo de Merton

[1977], pero en la práctica es una alternativa al modelo de Vasicek. En este modelo,
la tasa instantánea de interés evoluciona de acuerdo a la siguiente ecuación
diferencial estocástica:
d rt = λ (θ − rt ) dt + σ rt d Wt , (51)
con parámetros λ, θ y σ ≥ 0. En este caso, la estructura de plazos satisface (ver

Apéndice 2)
RCIR( t, T ; rt ) =
2λ θ  2 s e( s +λ ) (T −t ) / 2 
− ln  
σ2 (T − t)  ( s + λ ) (e s (T − t) − 1) + 2 s  (52)
1  2 ( e s(T −t ) − 1) 
+   rt ,
T − t  ( s + λ ) ( es (T − t ) − 1) + 2 s 
donde s = (λ2 + 2σ2)1/2. Para fines prácticos, se utilizará la siguiente versión discreta
de la ecuación (51):
∆ rt = λ (θ − rt −1 ) + wt , wt = rt −1 εt , (53)
donde {εt} son variables aleatorias independientes y normalmente distribuidas

con media cero y varianza σ2. La ecuación (53) es estimada con el Método
Generalizado de Momentos utilizando las siguientes condiciones:
et = et +1 et = et2 − σ 2 rt = 0 .
Los resultados de la estimación de los parámetros con los mismos datos utilizados
en el modelo de Vasicek, son los siguientes:
∆ rt = 0 .1737 (0 .1682 − rt −1 ) + 0 .0399 rt −1

. (54)
(0.0221) (0.0253) (0.0118)
Todas las estimaciones son significativamente distintas de cero con un 95%

de confianza. La Gráfica 3 muestra la estructura de plazos definida a través de la
ecuación (52) con t = 0, λ = 0.1682, r0 = 0.15, θ = 0.1737 y σ = 0.0399. En este caso,
la estructura de plazos es creciente y, en el largo plazo, se estabiliza en un valor
cercano al 16.5%. Se observa que el modelo CIR produce tasas mayores que el
Vasicek, con una diferencia máxima del 0.05% conforme el plazo crece, lo cual se
debe fundamentalmente a un valor estimado mayor de θ con el Método
Generalizado de Momentos.
Gráfica 3
Análisis comparativo de los modelos Vasicek y CIR
17.00%
16.50%
CIR
16.00% Vasicek
15.50%
15.00%
14.50%
1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69
4.2. Valuación de opciones americanas
Una opción americana se puede ejercer en cualquier momento entre el tiempo de

emisión t y el tiempo de vencimiento T. Esta característica introduce
complicaciones técnicas en su valuación. En contraste con el caso de las opciones
europeas, no se cuenta con una fórmula exacta para valuar opciones americanas.
Las siguientes aproximaciones pueden utilizar las estructuras de plazos de la tasa
de los modelos de Vasicek y CIR.
4.2.1. Opciones de compra (call) americanas sobre títulos de capital con un solo
pago de dividendos
Una aproximación analítica para calcular la prima, al tiempo t, de una opción

americana sobre títulos de capital con un solo pago de dividendos, D0, en el
tiempo τ, t < τ < T, y con precio de ejercicio K, está dada por:
c( t, S (t); K , T , V , τ, D 0 ) =
(S (t ) − D 0 P( t , τ) ) [N (b) + M (d ,−b, ρ )]
(
− K P( t , T ) M d − V T − t ,− b + V T − t , ρ ) (55)
− ( X − D0 ) P ( t, τ) N ( d − V T − t ),
donde N (⋅) es, como siempre, la función de distribución acumulada de una

variable aleatoria normal estándar; M ( ⋅ ; ρ) es la función de distribución
acumulada bivariada normal estándar con correlación ρ = − [(τ − t)/(T − t)]1/2.
Los coeficientes relevantes de la aproximación (55) se calculan como sigue:
ln[( S (t ) − D0 P( t , τ)) / K ] + [ − ln[ P( t , T )] + (V 2 / 2 )] (T − t )

d = ,
V T −t
ln [( S (t ) − D 0 P( t, τ)) / K1 ] + [ − ln[ P( t , T )] + (V 2 / 2 )] (T − t ) (56)

b= ,
V T −t
2
V = ∫ tT (σ 2S (u ) + σ 2P (u , T ) − 2 Cov ( d S ( u ), d P(u , T )) d u ,
donde σS2 y σP2 son las varianzas de los proceso estocásticos que conducen a S
(t) y P (t, T), respectivamente. El precio de ejercicio de equilibrio K1 se determina
como solución de cBS (t, K1; K, T, V) = K1 + D0 − K, donde cBS (t, K1; K, T, V) es la
fórmula estándar de Merton [1973] para una opción de compra. Si se cumple que
D0 ≤ K [1 − P (t, T)] ó K1 = ∞, entonces no es óptimo ejercer antes de la fecha de
vencimiento y, en este caso, el precio de la opción de compra americana está dado
por cBS (t, S(t) − D0P (t, T); K, T, V).
En este punto, es importante recordar que existen procedimientos para
aproximar los valores N(x) y M(y, z, ρ) con una precisión hasta de seis decimales.
En efecto, para la distribución acumulada normal estadarizada se tiene que:14
 1
1 − 2π exp{ − x / 2}
2

N ( x) =  [ a1k + a1k 2 + a1k 3 + a1k 4 + a1k 5 ] si x ≥ 0 (57)

1 − N (− x) si x < 0

Junto con:
14 Véase Abramowitz y Stegun [1965].

k = 1 /(1 + 0. 2316419 x) , a1 = 0.319381530 , a 2 = − 0. 356563782 ,

a 3 = 1 .781477937 , a 4 = − 1.821255978 , a5 = 1 .330274429 .
Para el caso de la distribución acumulada normal bivariada estandarizada la

aproximación es como sigue. Se define primero:
1 − ρ2 5 5
H ( y , z , ρ) = ∑ ∑ vi v jG (wi , w j ) , (58)
π i =1 j =1
donde:
G ( wi , w j ) =
{
exp y1 (2 wi − y1 ) + z1 (2 w j − z1) + 2 ρ (wi − y1)( w j − z1) , }
junto con:
y1 = y/ 2 (1 − ρ 2 ) , z1 = z/ 2 (1 − ρ2 ) , v1 = 0.24840615 ,
(59)
v2 = 0 .39233107 , w2 = 0.48281397 , v3 = 0.21141819 ,
v4 = 0 .033246660 , w4 = 1.7797294 , v5 = 0 .00082485 ,
w1 = 0.10024215 ,
w3 = 1.0609498 ,
w5 = 2.6697604 .
Si el producto de y, z y ρ no es positivo, entonces aproximamos M (y, z, ρ)

utilizando las siguientes reglas:
1. Si z ≤ 0, y ≤ 0 y ρ ≤ 0, entonces M (y, z, ρ) = H (y, z, ρ);
2. Si z ≤ 0, y ≥ 0 y ρ ≥ 0, entonces M (y, z, ρ) = N (y) − H (y, −z, −ρ);
3. Si z Σ 0, y ≤ 0 y ρ ≥ 0, entonces M (y, z, ρ) = N (z) − H (y, −z, −ρ);
4. Si z ≥ 0, y ≥ 0 y ρ ≤ 0, entonces M (y, z, ρ) = N (y) + N (z) − 1 + Φ (−y, −z, ρ).
En los casos en que el producto de y, z y ρ es positivo, entonces se utiliza:
M ( y, z , ρ ) = M ( y,0 , ρ1 ) + M ( z, 0, ρ 2 ) − L , (60)
donde:
M ( y, 0, ρ1 ) y M ( z ,0 , ρ1 )
se calculan con las reglas para cuando el producto de y, z y ρ no es positivo, y

( ρ y − z ) sgn( y) (ρ z − y) sgn( z )
ρ1 = , ρ2 = y
y 2 − 2 y zρ + z2 y 2 − 2 y zρ + z2
1 − sgn( x) sgn( z )
L= .
4
Por último, el factor de descuento puede ser calculado mediante:
P( t , T ) = exp{ − (T − t ) R (t , T )} =
exp { − ∫ Tt f (t, s) ds} = (61)
[ {
E exp − ∫ Tt r ( s) ds} At , ]
donde:
f (t , s ) es la tasa forward o tasa adelantada;
lim R (t , T ) = r ( t ) = f ( t, t) es la tasa corta instantánea spot; y
T →t
At representa toda la información útil al tiempo t.
Finalmente, note que la tasa adelantada satisface f (t , T ) = − ∂ ln [P( t , T ) ] / ∂T .
4.2.2. Opciones americanas sobre títulos de capital con tasa de rendimiento por
dividendos constante (o sobre un índice bursátil o divisa)
Opciones americanas de compra

A continuación se establece una aproximación cuadrática del precio de una
opción sobre un título de capital que paga una tasa de rendimiento por
dividendos constante, q. Los casos de una opción americana sobre un índice
bursátil o sobre una divisa son similares. La fórmula es fácil de calcular y está
dada por:
c (t, S (t ); K , T , V , q ) =
 c ( t, S ( t), K , T , V , q ) + ( S (t ) / S * ) θ A( S * ), si S (t ) < S * (62)
BS

 S − K si S (t ) ≥ S * .
Aquí cBS (t, S (t), K, T, V, q) es la fórmula de Merton [1973] para una opción de
compra. Las funciones que aparecen en la fórmula de aproximación del precio del
call están dadas por:
A ( S * ) = ( S * / θ){1 − e −q (T − t) ) N [ d ( S * )] ,
ln( S * / K ) + [ − ln[ P ( t, T )] − q + (V 2 / 2 )]( T − t )

d ( S* ) = ,
V T −t
(63)
1 − u + (1 − u ) 2 + 4( m / l)
θ= ,
2
2 ln[ P( t, T )] 2[ln[ P( t, T )] + q ]
m=− , u=− y l = 1 − P( t,T ) .
V2 V2
La varianza V2 se determina como en (56). El precio umbral S * se encuentra al
resolver la siguiente ecuación no lineal:
{ }
S * − K = cBS (t, S * ; K , T , V , q ) − 1 − e q(T −t ) N [ d ( S * )] ( S * / θ) . (64)
En este caso, el método de Newton-Raphson es una buena alternativa para

encontrar un valor estimado de S *. Para esto, denotemos el lado derecho de la
última ecuación mediante:
{ }
g ( S ) = cBS (t , S ; K , T , V , q ) + 1 − e −q (T −t ) N [d ( S )] ( S / θ) . (65)
Por lo tanto,
∂g ( S )
= e −q (T −t ) N [ d ( S )] [1 − (1 / θ)]
∂S
(66)
 e− q (T − t) ( 2 π) −1 / 2 exp{ − d ( S ) 2 / 2}  1
+ 1 −  .
 V T −t  θ
Ahora bien, dado un valor inicial de S, digamos S .(0), se sigue del algoritmo de
Newton-Raphson que el siguiente mejor estimador de S, S .(1), está dado por:
 dg ( S (0) ) 
g ( S (0 ) ) −  S (0) −K
 dS 
 
S (1) = . (67)
dg ( S (0) )
1−
dS
Este procedimiento se repite hasta que g (S (n)) − (S (n) − K)/K < ε para un
valor dado de ε. Como de costumbre, es necesario tener un buen valor inicial (una
semilla) para utilizar el método de Newton-Raphson, que se especifica a
continuación:
S (0) = K + [( S (∞) − K )
{1 − exp {−[ (ln[ P( t , T )] + q) (T − t) − 2V T − t ][ K /( S (∞) − K ) ]}}] ,
donde: (68)
K
S ( ∞) = .
−1
1 − 2 1 − u + (1 − u ) 2 + 4 m 
 
Opciones americanas de venta
En este caso, una aproximación cuadrática del precio de una opción americana de
venta está dada por:
p ( t, S (t ); K , T , V , q ) =
 p ( t, S ( t); K , T , V , q ) + ( S (t ) / S ** ) θ B( S ** ), si S (t ) > S ** (69)
BS

 K − S (t ) si S (t ) ≤ S **
,
donde, de nuevo, p BS (t, S(t), K, T, V, q) es la fórmula básica de Merton [1973].

Asimismo, d (S **) y θ se definen como en el caso de una opción americana de
compra. La función B (S **) en el precio de la opción de venta americana se define
ahora como:
B ( S ** ) = − ( S ** / θ){1 − e−q (T −t )} N [ − d ( S ** )] . (70)
En este caso, el precio umbral S ** es determinado como solución de la siguiente

ecuación no lineal:
{ }
K − S ** = p BS (t , S ** ; K , T , V , q ) − 1 − e−q (T − t )N [ − d ( S ** )] (S ** / θ) . (71)
Como en el caso de la opción de compra, el método de Newton-Raphson

puede ser utilizado para encontrar un estimador de S **. Si denotamos el lado
derecho de la ecuación anterior mediante:
{ }
G ( S ) = p BS (t, S (t ); K , T , V , q ) − 1 − e− q(T −t ) N [ d ( S )] ( S / θ) . (72)
Entonces:
δG ( S )
= −e − q(T −t ) N [ − d ( S )] [1 − (1 / θ)]
δS
−q ( T −t )
(2 π) −1 / 2 exp{ − d ( S ) 2 / 2}  1
 e (73)
− 1 +  .
 V T −t  θ
El estimador S (n+1) está dado por:

 ∂g ( S (n ) ) 
g ( S (n ) ) −  − S (n ) − K
 ∂S 
 
S (n +1) = . (74)
∂ g (S (n) )
1+
∂S
Un buen valor inicial para aplicar el método de Newton-Raphson, que
proporciona buenos resultados en la práctica puede tomarse como:
S (0) = S (∞) + ( K − S (∞) )

(75)
exp {−[ (ln[ P( t, T )] + q ) (T − t) + 2 V T − t ][ K /( K − S (∞) ) ]},
donde S (∞) se define como en (68). Finalmente, vale la pena mencionar que un
método numérico alternativo es el algoritmo de bisección.
Una aproximación alternativa para valuar una opción americana
Desgraciadamente, en algunos casos las aproximaciones numéricas con que se
cuenta no proporcionan resultados muy satisfactorios. En especial, cuando el
método de Newton-Raphson produce un número grande de iteraciones para un
valor moderadamente pequeño de ε. En consecuencia, es muy útil tener a la mano
una aproximación alternativa. Considere ahora:
c( t, S ( t); K , T , V , q ) = A S B − A f (t , S (t ); B, I , I )
+ f (t , S (t );1, I , I ) − f (t , S (t );1, K , I ) (76)
− K f ( t, S ( t); 0, I , I ) + K f (t, S (t); 0 , K , I )
donde:
A = (I − K ) I − B ,
B = D + D 2 − ( 2 ln[ P( t , T )] / V 2 ) , y
1 ln[ P( t , T )] + q
D= + .
2 V2
La función f (S(t); x, y, I) se define como:
  2 ln( I / S (t )) 
f (t, S (t); x, y, I ) = eλ S x  N ( d x ) − ( I / S (t )) ζ N  d x −  ,
  V T − t 
λ = {ln[ P ( t , T )] − x ( ln[ P( t , T )] + q ) + (1 / 2 ) x (1 − x) V 2}( T − t) ,

(77)
ln ( S ( t) / y ) − [ln[ P( t , T )] + q − ( x − (1 / 2 )) V 2 ](T − t)
dx = , y
V T −t
2 ( ln[ P( t, T )] + q )
ζ = 2x −1− .
V2
El precio umbral I se define como:

I = I 0 + ( I ∞ − I 0)
(78)
− ( I ∞ − I 0 ) exp {−[( ln[ P ( t, T )] + q )(T − t ) − 2 V T − t ][ I 0 /( I ∞ − I 0 )]}
I ∞ = BK /( B − 1) , e
I 0 = Kmax[ 0, − ln[ P ( t, T )] / q ] .
Si S (t) > I, entonces es óptimo ejercer la opción inmediatamente y su precio es

igual al valor intrínseco S (t) − K. El valor de una opción americana de venta se
estima sustituyendo − ln [P (t, T)] por q, y − ln (ln [P (t, T)] + q) por la expresión ln
[P (t, T)] + q, respectivamente, en (76) y en las fórmulas utilizadas para su
desarrollo.
4.3. Opciones compuestas (opciones sobre opciones)
La mayor parte del volumen comerciado de estos productos se encuentra en los

mercados OTC y son fundamentalmente diseñadas por instituciones financieras
para satisfacer necesidades específicas de clientes corporativos. En esta sección,
proporcionamos aproximaciones numéricas de opciones compuestas.
4.3.1. Opción de compra sobre una opción de compra (call on call)
El perfil de pagos de una opción de compra sobre una opción de compra está dado
por max (cBS (t, S(t); K1, T2, V, q) − K2, 0), donde K1 es el precio de ejercicio de la
opción subyacente; K2 es precio de ejercicio de la opción de la opción; y,
finalmente, cBS (t, S(t); K1, T2, V, q) es la fórmula estándar de Merton con precio de
ejercicio K1 y tiempo de vencimiento T2. En este caso, se puede usar la siguiente
fórmula:
− q (T2 − t )
c (call - call, t , S (t ); K1, K 2 , T1 , T2 , V , q ) = S (t) e M ( d , b , ρ)
− K1 P( t, T2 ) M (d − V T2 − t , b − V T1 − t , ρ ) (79)
− K 2 P (t, T1 ) N ( b − V T1 − t ) ,
donde:
ρ = (T1 − t ) /(T2 − t) ,
ln( S ( t) / K1 ) + [ − ln[ P( t, T )] − q + (V 2 / 2)]( T2 − t)

d = ,
V T2 − t
ln( S (t ) / I ) + [ − ln[ P( t, T )] − q + (V 2 / 2)]( T1 − t)

b= .
V T1 − t
El valor del precio umbral I se encuentra al resolver:

c BS (t , I ; K1 , T2 − T1, V , q ) = K 2 . (80)
4.3.2. Opción de venta sobre una opción de compra (put on call)
El perfil de pagos de un put sobre un call está dado por max (K2 − cBS (t, S(t); K1,
T2, V, q), 0). En este caso, se utiliza la siguiente fórmula:
p ( put-call, t, S ( t); K1 , K 2 , T1 , T2 , V , q ) =
K1 P( t, T2 ) M (d − V T2 − t , −b + V T2 − t , −ρ) (81)
−q (T2 − t )
− S (t )e M ( d , −b ,−ρ ) + K 2 P( t, T1 ) N ( −b + V T2 − t )
donde el valor I que se requiere para calcular b se toma como en (78).
4.3.3. Opción de compra sobre una opción de venta (call on put)
En este caso, el perfil de pagos de un put sobre un call es max (p BS (t, S(t); K1, T2,
V, q) − K2, 0). La siguiente fórmula se puede emplear para valuar dicha opción:
c( call-put, t, S (t); K1 , K2 , T1 , T2 , V , q ) =
K1 P (t , T2 ) M ( − d + V T2 − t , −b + V T2 − t , ρ )
− q ( T2 − t ) (82)
− S ( t) e M ( −d , −b , ρ)
− K 2 P( t, T1 ) N ( −b + V T2 − t ) .
donde el valor de I se encuentra al resolver
p BS (t, I ; K1 , T2 − T1 , V , q ) = K 2 . (83)
4.3.4. Opción de venta sobre una opción de venta (put on put)
Para una opción de venta sobre una opción de venta el perfil de pagos satisface
max (K2 − p BS (t, S(t); K1, T2, V, q), 0) y se tiene la siguiente fórmula:
p ( put − put, t, S (t ); K1 , K 2 , T1 , T2 , V , q ) =
− q (T2 − t )
S (t) e M ( − d , b , −ρ)
(84)
− K1 P( t, T2 ) M ( − d + V T2 − t , b − V T1 − t , −ρ)
+ K 2 P( t, T1 ) N ( b − V T1 − t .
Aquí, el precio umbral I satisface (83).
4.4. Opciones dependientes del máximo o mínimo de un título de capital con

rendimiento por dividendos constante (o sobre un índice bursátil)
Las opciones que dependen de los valores máximo o mínimo que el subyacente
alcanza durante la vida de la opción fueron presentadas por primera vez en el
trabajo de Goldman, Sosin, y Gatto [1979]. En las siguientes aproximaciones
analíticas emplearemos el modelo de Merton [1973].
4.4.1. Opciones con precio de ejercicio flotante dependiente del máximo o mínimo
Una opción de compra con precio de ejercicio flotante dependiente del mínimo
otorga al propietario del instrumento el derecho de comprar el subyacente al
menor precio observado durante la vida del contrato, S min = min τ∈[t, T] S (τ), con un
pago de S (t) − S min. Similarmente, una opción de venta otorga al propietario del
título el derecho de vender el activo subyacente al mayor precio observado
durante la vida del contrato, S max = max τ∈[t, T] S (τ), con un pago de S max − S (t).
Opciones de compra con el mínimo precio observado del subyacente como precio
de ejercicio
En el caso de una opción de compra con el mínimo precio observado del
subyacente como precio de ejercicio, tenemos la siguiente fórmula:
c (t, S ( t), S min ;T , V , q ) =

S (t) e −q (T − t ) N ( d ( S min )) − S minP( t, T ) N ( d ( S min ) − V T − t )
 η 
−
S (t ) P( t, T )
η

(
 S (t )  N − d ( S min) − ηV T − t
 S min 
) (85)
 
+
S (t ) P (t, T )
[exp {− ( ln[ P( t, T )] + q)(T − t )}N ( − d ( Smin )) ] ,
η
donde:
η = 2 ( ln[ P ( t, T )] + q ) / V 2 , (86)
ln( S ( t) / S min ) + [ − ln[ P( t , T )] − q + (V 2 / 2 )](T − t )

d ( S min ) = . (87)
V T −t
Opciones de venta con el mínimo precio observado del subyacente como precio
de ejercicio
Una aproximación para valuar una opción de venta con el mínimo precio
observado del subyacente como precio de ejercicio es la siguiente:
p ( t, S (t ), S max; T ,V , q ) =
S maxP (t, T ) N (− d ( S max) + V T − t ) − S (t )e − q(T −t ) N ( − d ( S max))
 η 
−
S (t) P(t , T )   S (t ) 
η
− 
  S max 
(
 N d ( S max ) + ηV T − t 

) (88)
 
+
S (t ) P( t, T )
[exp {− ( ln[ P ( t, T )] + q)(T − t)}N ( d ( Smax)) ] ,
η
donde η es tomada como en (86), y:
ln( S (t ) / S max ) + [ − ln[ P( t, T )] − q + (V 2 / 2)]( T − t )

d ( S max) = . (89)
V T −t
4.4.2. Opciones sobre el máximo o mínimo precio observado del subyacente con
precio de ejercicio fijo
Una opción de compra sobre el máximo precio observado del activo subyacente
con un precio de ejercicio fijo (predeterminado) paga en la fecha de vencimiento la
diferencia entre S max = max τ ∈ [t, T] S (τ) y el precio de ejercicio K, siempre y cuando
dicha diferencia sea positiva; en caso contrario el pago es cero. Similarmente, una
opción de venta sobre el mínimo precio observado del activo subyacente con un
precio de ejercicio fijo (predeterminado) paga en la fecha de vencimiento la
diferencia entre el precio de ejercicio K y S min = min τ ∈ [t, T] S (τ) siempre y cuando
dicha diferencia sea positiva.
Opciones de compra sobre el máximo precio observado del subyacente con precio
de ejercicio fijo
En el caso de una opción de compra sobre el máximo precio observado del
subyacente con precio de ejercicio fijo, K, se puede utilizar la siguiente
aproximación, cuando S max <K :
c (t, S ( t); K , T , V , q ) =
S (t ) e −q (T − t ) N ( d1 ) − K P (t , T ) N ( d1 − V T − t )
η
S ( t) P (t , T )   S (t ) 
( )

− −   N d 1 + ηV T − t  (90)
η   K  
+
S (t) P(t , T )
[exp {− ( ln[ P ( t, T )] + q)(T − t)}N ( d1) ]
η
donde:
ln( S (t ) / K ) + [− ln[ P( t , T )] − q + (V 2 / 2)]( T − t )

d1 = , (91)
V T −t
y cuando K ≤ S max:
c( t, S ( t); K , T , V , q ) = P( t, T )( S max − K ) + S (t ) e− q(T −t ) N ( d ( S max))

− S maxP( t, T ) N ( d ( S max ) − V T − t )
 η 
−
S (t ) P( t, T )   S (t ) 
η
− 
  S max 
(
 N d ( S max ) + ηV T − t 

) (92)
 
+
S (t ) P( t, T )
[exp {− ( ln[ P ( t, T )] + q)(T − t)}N ( d ( Smax)) ]
η
donde d (S max) se define como en (89).

Opciones de venta sobre el mínimo precio observado del subyacente con precio
de ejercicio fijo
Para valuar una opción de venta sobre el mínimo precio observado del subyacente
con precio de ejercicio fijo cuando K < S min, se utiliza la siguiente fórmula:
p ( t, S (t ); K , T , V , q ) =
KP (t, T ) N (− d1 + V T − t ) − S (t )e −q (T − t ) N ( −d 1 )
η
S ( t) P (t, T )  S (t ) 
( )
−   N − d 1 − ηV T − t  (93)
η  K  
+
S ( t) P(t , T )
[exp {− (ln[ P( t, T )] + q)( T − t) }N ( − d1) ] ,
η
donde d 1 satisface (91). Si K ≥ S min, entonces se utiliza:

p ( t, S (t ); K , T , V , q ) =
P (t, T )( K − S min) − Se− q(T −t ) N ( − d1 ( S min ))
+ S minP( t, T ) N ( − d1 ( S min ) + V T − t )
 η 
S ( t) P (t, T )  S (t ) 
( )
(94)
−   N − d1 ( S min) − ηV T − t 
η  S min  
 
+
S (t ) P (t, T )
[exp {− ( ln[ P( t , T )] + q)(T − t )}N (− d1( S min)) ] ,
η
donde d (S min) es tomada como en (87).
4.5. Opciones con barreras sobre títulos de capital o sobre índices bursátiles con
una tasa de rendimiento por dividendos constante
Las opciones con barreras son principalmente negociadas en los mercados OTC
desde 1967. Este tipo de opciones se han convertido en instrumentos muy
populares y ciertamente son de las llamadas opciones exóticas que son más
negociadas. El CBOE y la AOE tienen listadas opciones de compra up-and-out y
de venta down-and-out sobre índices accionarios.
Con el propósito de desarrollar fórmulas de aproximación para valuar este tipo
de opciones en forma sistemática, se definen las siguientes cantidades:
Ai ( φ) = φ S (t ) e − q (T −t ) N (φ xi ) − φKP ( t , T ) N ( φ xi − φV T − t ) ,
con i = K , H ,
Bi ( φ, η) = φ S (t ) e−q (T −t ) ( H / S (t )) 2 (1 +µ ) N ( η yi )
(95)
− φKP( t, T )( H / S (t )) 2µ N (η yi − ηV T − t ) , i = K , H,
E (η) = M [P (t ,T ) N (η xH − η V T − t ) − ( H / S (t )) 2µ N ( η y H − ηV T − t )],
F (η) = M [( H / S (t )) µ + λ N ( η z) − ( H / S (t )) µ − λ N ( η z − 2 ηλ σ V T − t )] .
Aquí:
ln(S (t ) / K ) ln( S (t ) / H )
xK = + (1 + µ)V T − t , xH = + (1 + µ) V T − t ,
V T −t V T −t
ln(H 2 / S (t ) K) ln(H / S(t ))

yK = + (1+ µ) V T − t , yH = + (1 + µ)V T − t ,
V T −t V T −t
ln( H / S (t)) ln[ P( t,T )] + q + (V 2 / 2)

z= + λV T − t , =− ,
V T −t V2
λ = µ 2 − ( 2 ln[ P ( t, T )] /V 2 ) .
4.5.1. Opciones que expiran al alcanzar la barrera (opciones out)
Las opciones out son similares a la opciones estándar europeas, excepto que la
opción pierde vigencia y, por lo tanto, su valor cuando S(t) alcanza la barrera H
antes de la fecha de vencimiento.
Opciones de compra que expiran cuando el subyacente alcanza o es menor que la
barrera (down-and-out call)
El pago de una opción de compra del tipo down-and-out es max (S(T) − K, 0)
siempre y cuando S (t) nunca caiga por debajo de la barrera H durante la vida de la
opción. En el momento en que S (t) alcanza H, entonces la opción pierde su
vigencia y por lo tanto su valor. En algunas ocasiones, se especifica de antemano
una cantidad adicional a pagar, M, si la opción no alcanza la barrera durante su
periodo de vida. Una fórmula de valuación para un call del tipo down-and-out,
siempre y cuando S(t) > H, con un pago en efectivo, M, está dada por:
c(down-and-out , K > H ) = AK (1 ) − BK (1, 1) + F (1) ,
(96)
c( down-and-out , K < H ) = AH (1 ) − B H (1, 1) + F (1) .
Opciones de compra que expiran cuando el subyacente alcanza o es mayor que la

barrera (up-and-out call)
El pago de una opción de compra del tipo up-and-out es max (S(T) − K, 0), siempre
y cuando S(t) nunca exceda a H en el tiempo de vida de la opción. En caso de que
S(t) alcance a H, la opción deja de tener valor. Una fórmula para el precio de esta
opción es:
c (up-and-out , K > H ) = F (− 1) ,
c (up-and-out , K < H ) = AK (1 ) − AH (1) + BK (1, −1) − B H (1, − 1) + F ( −1) . (97)
Opciones de venta que expiran cuando el subyacente alcanza o es menor que la

barrera (down-and-out put)
El pago de una opción de venta del tipo down-and-out es max (K − S (T), 0),
siempre y cuando S (t) nunca caiga por debajo de H en el tiempo de vida de la
opción. Si S (t) alcanza a H, entonces la opción pierde todo valor. Para su
valuación se puede emplear:
p ( down-and-out , K > H ) =
AK (− 1 ) − AH ( − 1) + BK ( −1,1) − B H ( −1, 1) + F (1) , (98)
p ( down-and-out , K < H ) = F (1) .
Opciones de venta que expiran cuando el subyacente alcanza o es mayor que la

barrera (up-and-out put)
El pago de una opción de venta del tipo up-and-out es max (K − S (T), 0) siempre
y cuando S (t) no exceda a H durante la vida de la opción. En el momento en que S
(t) alcance a H, la opción pierde vigencia. Una fórmula para su precio es:
p ( up-and-out , K > H ) = AH (− 1 ) − B H ( −1, − 1) + F ( −1) ,
(99)
p ( up-and-out , K > H ) = AH (− 1 ) − B H ( −1, − 1) + F ( −1) ,
Por último, observe que cuando M = 0, entonces:

c BS (t , S (t ); K , T , V , q ) = c( down-and-out , K > H )
(100)
+ c (down-and-in , K > H )
Relaciones similares son válidas para puts, así como para los casos up-and-out y
up-and-in.
4.5.2. Opciones que entran en vigencia al alcanzar la barrera (opciones in)
Las opciones in entran en vigencia en el momento en que S(t) alcanza la barrera H.

En otras palabras, si S(t) alcanza a H, entonces la opción se convierte en una
opción europea.
Opciones de compra que entran en vigencia cuando el subyacente alcanza o es
menor que la barrera (down-and-in call)
Si en algún momento S(t) ≤ H, entonces el pago de un call del tipo down-and-in
en el vencimiento está dado por max (S(T) − K, 0). Una fórmula para valuar este
instrumento es:
c (down-and-in , K > H ) = BK (1, 1) + E (1) ,
(101)
c (down-and-in , K < H ) = AK (1 ) − B K (1, 1) + B H (1, 1) + E (1) .
Opción de compra up-and-in

Si S(t) ≥ H en algún momento, el pago que se obtiene por un call del tipo up-and-
in es max (S(T) − K, 0). Una fórmula para determinar el precio de esta opción es:
c( up-and-in , K > H ) = AK (1 ) + E ( −1) ,
(102)
c( down-and-in , K < H ) = AH (1 ) − B K (1,−1) + BH (1, − 1) + E ( −1) .
Opción de venta down-and-in

Si en algún momento S(t) ≤ H, entonces el pago de un put del tipo down-and-in en
el vencimiento está dado por max (K − S(T), 0). Para valuar este instrumento se
utiliza:
p (down-and-in , K > H ) = AH (−1) − BK ( −1, 1) + BH (−1, 1) + E (1) ,
(103)
p(down-and-in , K < H ) = AK ( −1 ) + E (1) .
Opción de venta up-and-in

Si S(t) ≥ H en algún momento, el pago que se obtiene por un put del tipo up-and-
in es max (K − S(T), 0). Una fórmula para determinar el precio de esta opción es
p (up-and-in , K > H ) = AK (−1 ) − AH ( −1) + BH ( −1, − 1) + E (− 1) ,
(104)
p(up-and-in , K < H ) = BK ( −1, −1 ) + E ( −1) .
4.6. Opciones binarias
Las opciones binarias, también conocidas como opciones digitales, son muy
populares en los mercados OTC tanto para coberturas como para especulación.
Este tipo de opciones es muy importante en ingeniería financiera debido a que son
la base para construir productos derivados más sofisticados.
4.6.1. Opciones de brecha (opciones gap)
El pago de una opción de compra gap es cero si S(T) ≤ K1, y es S(T) − K2 cuando
S(T) > K1, donde K2 es especificado con antelación. De manera similar, el pago de
una opción de venta gap es cero si S(T) ≥ K1, y S(T) − K2 si S(T) < K1. Las fórmulas
de valuación para opciones gap de compra y venta son, respectivamente,
c gap( t, S (t); K1 , K 2 , T ,V , q ) =
S ( t) e− q (T −t ) N[ d ( K1 )] − K 2 N[ d ( K1 ) − V T − t ]
p gap (t , S (t ); K1, K 2 , T , V , q ) = (105)
K 2 P (t , T ) N[ − d ( K1 ) + V T − t ] − S (t ) e− q (T −t ) N [ −d ( K1 )] ,
donde:
ln( S / K1 ) + [− ln[ P( t, T )] − q + (V 2 / 2 )](T − t )

d ( K1 ) = .
V T −t
Aquí, V y P (t, T) son definidos como siempre. Observe que el precio de este tipo
de opciones puede ser negativo, dependiendo de los valores de K1 y K2. Cuando
la diferencia entre K1 y K2 es tal que el valor de la opción es cero, se dice entonces
que la opción es de pago posterior (pay-later option).
4.6.2. Opciones del tipo efectivo-o-nada y activo-o-nada
Una opción del tipo efectivo-o-nada paga una cantidad nominal M al vencimiento
si la opción se encuentra dentro del dinero (in-the-money). Una opción de compra
del tipo efectivo-o-nada tiene un pago cero si S(T) ≤ K, y M si S(T) > K.
Similarmente, el perfil de pagos de una opción de venta del tipo efectivo-o-nada es
cero si S(T) > K, y M si S(T) < K. El caso de las opciones de activo-o-nada se
obtiene al sustituir MP (t, T) por S (t)e− q(T − t), y d 2 por d 2 + V(T − t)1/2. La valuación
aproximada de opciones (de compra y venta) del tipo efectivo-o-nada puede
llevarse a cabo mediante las siguientes fórmulas:
cmoney(t , S (t ); K , M , T , V , q) = M P (t , T ) N (d 2 ) ,
(106)
pmoney(t, S (t ); K , M , T , V , q) = M P(t, T )N (−d 2 ) ,
donde:
ln( S / K ) + [− ln[ P( t, T )] − q − (V 2 / 2 )](T − t )

d= .
V T −t
Por último, note que:

casset (t, S (t); K , T , V , q ) =
(107)
cmoney(t, S (t ); M = K , T , V , q ) + cBS ( t, S (t ); K , T ,V , q ) .
4.7. Opciones asiáticas
Existen en la literatura fórmulas exactas aproximadas para valuar estos productos

derivados; véase, por ejemplo, Kemma y Vorst [1990], y Turnball and Wakeman
[1991]. Las siguientes aproximaciones utilizan volatilidad variable y tasas de
interés estocásticas.
4.7.1. Opciones sobre la media geométrica del subyacente con tasa constante de
costos de acarreo
Si el activo subyacente sigue una distribución log normal, entonces la media

geométrica de dicho activo sigue una distribución log normal. En este caso, las
opciones de compra y venta con costo de acarreo constante pueden valuarse
utilizando las siguientes fórmulas ajustadas:
cG (t, S (t); K , T , V , b ) =
S (t )e − qa (T − t) N[ d ( K )] − K N[ d ( K ) − Va T − t ] ,
(108)
p G ( t, S ( t); K , T , V , b ) =
−q a (T −t )
KN[ − d ( K ) + Va T − t ] − S (t) e N [− d ( K )] ,
donde:
ln( S / K ) + [ − ln[ P( t , T )] − q + (V 2 / 12 )]( T − t)

d (K ) = ,
V T −t
1  V 2 
qa = − ln[ P( t , T )] − q − .
2  6 
4.7.2. Opciones sobre la media aritmética de un subyacente
No se cuenta con una fórmula exacta para valuar una opción sobre la media
aritmética de un subyacente, y la razón es muy simple: cuando un subyacente
sigue una distribución log normal, resulta que la media aritmética no se distribuye
log normal. En este caso, es posible utilizar la siguiente fórmula aproximada para
valuar opciones de compra y de venta sobre medias aritméticas de subyacentes:
c A (t , S (t ); K , T , V , b ) = S (t ) N ( D ) − KP (t, T ) N ( D − U )
(109)
p A (t, S (t); K , T , V , b ) = c A( t, S ( t); K , T , V , b ) − S ( t) + KP( t, T ) ,
donde:
(1 / 2 ) ln( W ) − ln( K )
D= ,
U
U = ln(W ) − 2 [− ln[ P( t, T )](T − t ) + ln( S ( t))] ,
W=
2 S (t )  ζ1 ζ2 
 + ,
− (ln[ P ( t, T )] + q − V )(T − t ) 2  − 2 (ln[ P( t , T )] + q ) + V 2 ln[ P( t , T )] + q 
2
ζ 1 = exp {−[ 2 (ln( P ( t, T )) + q ) − V 2 ](T − t) }− 1 ,
ζ 2 = exp {−( ln( P ( t, T )) + q )(T − t) } − 1.
4.8. Opciones sobre tasas de interés
El modelo de Black [1976] es uno de los más utilizados en la valuación de opciones

de tasas de interés. El modelo fue inicialmente desarrollado para valuar opciones
sobre forwards y el supuesto principal es que el subyacente, i.e. la tasa de interés,
sigue una distribución log normal. La enorme popularidad del modelo de Black
para valuar caps y swaptions indica que los problemas de inconsistencia entre
estos dos modelos son despreciables en la práctica. Es decir, los participantes del
mercado frecuentemente ajustan inconsistencias mediante un ajuste en la
volatilidad, con base en la experiencia, expectativas y condiciones del mercado.
4.8.1. Caps y Floors
Un cap es un contrato que garantiza al propietario que una tasa flotante no

excederá una cota superior especificada de antemano. Un cap de tasa de interés
consiste de una serie de opciones de compra (calls) del tipo europeo, llamadas
caplets. Cada caplet puede valuarse utilizando una versión modificada del modelo
de Black [1976] con la tasa forward implícita en el vencimiento de cada caplet
como el activo subyacente. El precio del cap es la suma de los precios de los
caplets que conforman el cap. En forma similar, el valor de un floor, es la suma de
una sucesión de precios de opciones de venta, llamados floorlets.
Caps y caplets
El precio de un cap, al tiempo t, está dado por:
n
Cap t = ∑ Caplett ,i (110)
i=1
donde:
Caplett,i = N ( ti −1 − ti ) P( t, ti ){ f ( t, ti −1 , ti ) N ( d i ) − Ri N ( d i − V f ti − ti −1 } ,
ln[ P(t , ti −1)] − ln[ P (t, ti )]

f (t , ti −1 , ti ) = ,
ti − ti −1
ln( f ( t, ti −1, ti ) / Ri ) − (V f2 / 2 )(ti − ti −1)

di = .
V f ti − ti −1
Aquí, N = nocional (o principal); f (t, ti − 1, ti) = tasa forward al tiempo t; Ri =

tasa fija del caplet; Vf = volatilidad de la tasa forward.
Floors y floorlets
Finalmente, para el caso de un floor, se tiene la siguiente fórmula de valuación
n
Floort = ∑ Floorlett ,i , (111)
i =1
donde:
Floorlett,i =
N ( ti −1 − ti ) P(t , ti ){− f (t, ti −1 , ti ) N ( − d i ) + Ri N ( − d i + V f ti − ti −1 } .

Con esto se concluyen las fórmulas aproximadas de valuación de opciones

financieras.
5. Estrategias de cobertura con opciones de tasa de interés

El riesgo por fluctuaciones adversas en la tasa de interés que enfrentan las
tesorerías de corporativos se refleja en la posibilidad de que el valor presente de
los flujos de efectivo no se presente en la magnitud que se esperaba, lo que afecta
la programación de las decisiones de operación, inversión y financiamiento. Este
riesgo puede reducirse si se cubre adecuadamente el valor presente de los flujos
esperados tomando posiciones con opciones sobre bonos cupón cero.
En lo que sigue vamos a denotar al precio de una opción (posiciones largas y
cortas de compra o venta) sobre tasas de interés o sobre un bono cupón cero
mediante u(t, rt; K, T, M), donde t es la fecha de emisión del instrumento, rt es la
tasa spot, K es el precio de ejercicio, T es la fecha de vencimiento y M son los días
de inversión del bono. Con el propósito de inmunizar el valor presente de un
portafolio combinado (flujos de efectivo y opciones), se utilizarán tres opciones,
digamos, con vencimientos T1, T2 y T3, con T1 < T2 < T3. La razón por la que se
eligen tres series de opciones se justificará más adelante. Así pues, la opción con
vencimiento Ti tiene precio u i (t, rt; Ki, Ti, M), i = 1, 2, 3. Si V (t, rt; f) es el valor
presente de un conjunto de flujos de efectivo, f = {f1, f2, …, fn}, se desean
determinar cantidades x1, x2 y x3 de opciones u i (t, rt; Ki, Ti, M), i = 1, 2, 3, de tal
manera que los cambios en el valor presente de los flujos de efectivo por
variaciones en la tasa de interés se compensen con los flujos generados por las
opciones (posiciones largas y cortas de compra o venta), precisamente:
0 = x1d u1 + x2 d u 2 + x3 d u 3 + dV . (112)
Los argumentos que se utilizarán para eliminar el factor de riesgo son similares
a los que se utilizan en la derivación de la ecuación de Black-Scholes [1973]. Una
simple aplicación del Lema de Itô a u i (t, rt; Ki, Ti, M), i = 1, 2, 3, y a V (t, rt; f)
conduce a:15
15 Una discusión básica sobre el Lema de Itô puede verse en Díaz-Tinoco y Hernández-Trillo
[1993].
 ∂u ∂u ∂u ∂V 
0 =  x1 1 + x2 2 + x3 3 +  dt

 ∂t ∂t ∂t ∂t 
 ∂u ∂u ∂u ∂V 
+  x1 1 + x2 2 + x3 3 +  d rt

 ∂ rt ∂ rt ∂r t ∂ rt  (113)
 ∂2u 2 
1 + x ∂ u2 + x ∂ u3 + ∂ V
2 2
σ(t, rt )2  x1
1  d t.
+
2  ∂r 2 2
∂rt2
3
∂ rt2 ∂rt2 
 t 
Esta ecuación es fundamental para generar estrategias de cobertura con opciones,

pues contiene información sobre el tiempo promedio en que se presentan flujos de
efectivo o se realizan pagos si se ejercen la opciones, así como información de la
dispersión de dichos tiempos con respecto al tiempo promedio. A continuación se
desarrolla un método de cobertura del valor presente de un conjunto de flujos de
efectivo. Dado que dt y drt, son variables independientes en (113), se sigue que
las condiciones:
∂u1 ∂ u2 ∂u3 ∂V ∂u ∂ u2 ∂u3 ∂V
x1 + x2 + x3 + = x1 1 + x2 + x3 + = 0,
∂t ∂t ∂t ∂t ∂rt ∂ rt ∂rt ∂ rt
∂ 2 u1 ∂ 2u2 ∂ 2 u 3 ∂ 2V (114)
x1 + x 2 + x 3 + = 0,
∂ rt2 ∂ rt2 ∂rt2 ∂rt2
implican la relación establecida en (113) entre los precios de las opciones y el valor
presente de los flujos de efectivo. El sistema anterior tiene tres ecuaciones en las
incógnitas x1, x2 y x3. En todo lo que sigue, supondremos que el determinante
asociado al sistema (114) es distinto de cero a fin de garantizar soluciones no
triviales. Los valores x1, x2 y x3 definen una estrategia de cobertura.16 La cantidad
∂V/∂rt recibe el nombre de duración monetaria de V y la cantidad ∂2V/∂2rt2 es
llamada convexidad monetaria de V.17 Las cantidades ∂u i/∂t y ∂V/∂t miden la
16 Compárese este tipo de estrategias con las desarrolladas en González-Aréchiga, Venegas-

Martínez y Díaz-Tinoco [2000], y González-Aréchiga, Díaz-Tinoco y Venegas-Martínez
[2001].
17 Los conceptos de duración y convexidad son sumamente útiles en la medición y
administración del riesgo de tasa de interés. La literatura sobre inmunización utilizando dichos
conceptos es extensa, se debe destacar, por ejemplo: González-Aréchiga, Venegas-Martínez y
Díaz-Tinoco [2000] y Zenios [1996].
sensibilidad de las opciones y del valor presente a cambios en la fecha de inicio de

la cobertura, respectivamente. Como puede observarse, la inmunización por
duración y convexidad es un método local diseñado para cubrir cambios en el
valor presente debido a desplazamientos, pequeños y moderados, en la tasa de
interés.
6. El teorema de Modigliani y Miller y el modelo de

valuación de opciones
En esta sección se discute sobre la consistencia que existe entre el Teorema de
Modigliani y Miller, el modelo CAPM y los modelos de valuación de opciones.
Los accionistas de una empresa deciden si un proyecto de inversión se lleva a
cabo o no en función de la tasa esperada de retorno del proyecto, i.e. en función
del costo de oportunidad para invertir en proyectos alternativos de riesgo
equivalente. De hecho, los accionistas sólo aceptarán aquellos proyectos que
proporcionen por lo menos la mínima tasa de retorno (ajustada por riesgo)
aceptable, es decir la tasa que regrese el principal más una ganancia adicional que
incremente la riqueza de los accionistas. Esta tasa mínima aceptable es lo que se
conoce como el costo de capital. Los artículos seminales de Modiagliani y Miller
[1958] y [1963] analizan, bajo un conjunto de supuestos muy simples, la relación
entre el costo de capital y la estructura de capital. Su principal resultado es que el
valor de mercado de la empresa apalancada (con deuda) es igual al valor de
mercado de la empresa no apalancada más la ganancia fiscal por apalancamiento.
En consecuencia, en ausencia de impuestos, el valor de mercado de la empresa es
independiente de la estructura de capital.
En esta sección, estamos interesados en: llevar a cabo ejercicios de estática
comparativa sobre el riesgo sistemático de los títulos de capital y derivar la tasa
promedio ponderada de capital con el modelo de valuación de opciones.
Suponga que: (a) la deuda emitida por una empresa consiste de bonos cupón
cero; (b) no hay fricciones (no hay costos de transacción ni impuestos); y (c) las
expectativas de los agentes son homogéneas. Si el activo subyacente es el valor
de la empresa en el mercado, Vt, entonces podemos escribir:
Vt + p ( t, Vt ; D , r , σ) = Bt + S t (t , Vt ; D , r , σ) , (115)
lo cual es simplemente la condición de paridad put-call. En este caso, el valor de la

empresa apalancada más la emisión de un put sobre dicho valor es igual a un bono
cupón cero más un call sobre deuda con riesgo (el valor de la acción en una
empresa apalancada). El pago del call en la fecha de vencimiento será
ST = max(VT − D, 0 ) , (116)
donde D es el valor nocional de la deuda. Así, si el valor de mercado de la empresa
es mayor que el valor nocional de la deuda en la fecha de vencimiento, entonces
los accionistas ejercen el call, con lo cual pagan D y reciben VT − D. Supongamos
que la dinámica del subyacente Vt es guiada por un movimiento geométrico
Browniano neutral al riesgo:
dVt = r Vt dt + σ Vt d Wt , (117)
donde r es la tasa libre de riesgo y σ es la volatilidad instantánea. El lema de Itô
aplicado al call S t conduce a:
∂ St ∂ St ∂2 St
σ (rt , t )2 Vt2
1
d St = dt + d Vt + . (118)
∂t ∂ Vt 2 ∂ Vt 2
Por lo tanto:
dSt ∂ St d Vt Vt ∂ St Vt
rS = lim = = rV , (119)
dt →0 S t ∂ Vt Vt S t ∂ Vt S t
donde rS y rV son las tasas de retorno de S t y Vt, respectivamente. Si ahora

escribimos βS = Cov (rS, rM)/Var (rM), donde rM es la tasa de retorno del mercado,
entonces de (119), se sigue que:
∂ S t Vt Cov (rV , rM ) ∂ S t Vt
βS = = βS . (120)
∂ Vt S t Var ( rM ) ∂ Vt S t
Por otro lado, la fórmula de valuación del modelo estándar de Black-Scholes

establece que:
S t = Vt N ( d ) − D e −r (T −t ) N ( d − σ T − t ) ), (121)
donde:
ln[( Vt / D ] + [ r + ( σ2 / 2 )] (T − t )
d = . (122)
σ T −t
Claramente, ∂S t /∂Vt = N (d). Por lo tanto, de (120) y (121), se sigue que:
Vt N ( d )
βS = βV . (123)
−r ( T −t )
Vt N ( d ) − D e N (d − σ T − t ))
A partir de esta ecuación, se desprenden los primeros resultados importantes.

Dado que D/Vt ≤ 1, e− r (T − t) < 1 y N (d − σ (T − t)1/2 ≤ N (d), se tiene que el riesgo
sistemático de los títulos de capital en una empresa apalancada es mayor que el
riesgo sistemático de una empresa no apalancada. Un ejercicio simple de estática
comparativa muestra que
∂β S ∂β S ∂β S ∂β S ∂β S
< 0, > 0, < 0, < 0, < 0. (124)
∂ Vt ∂D ∂r ∂ σ2 ∂T
Así pues, el riesgo sistemático de los títulos de capital disminuye cuando el

valor de mercado de la empresa aumenta, y aumenta cuando el nocional aumenta.
Las otras condiciones en (124) tienen interpretaciones igualmente intuitivas.
Ahora bien, utilizando el CAPM (véanse, Lintner [1965] y Sharpe [1964] ), se sigue
que el costo de capital, k s puede escribirse como:
V
k S = r + ( rM − r ) N ( d ) t βV . (125)
St
Asimismo, del CAPM se tiene que βS = (ρ − r)/(rM − r), donde ρ es la tasa

promedio ponderada de capital (WACC por sus iniciales en inglés). Lo anterior
conduce inmediatamente a:
V
k S = r + (ρ − r ) N ( d ) t . (126)
St
También, note que:

∂ S t ∂ Bt
+ =1. (127)
∂ Vt ∂ Vt
Es decir, cualquier cambio en el valor de los títulos de capital es compensado

con un cambio igual (en sentido opuesto) en el valor de la deuda. En
consecuencia, y dado que no hay impuestos:
V
k B = r + ( ρ − r )N ( −d ) t . (128)
Bt
Las ecuaciones (126) y (128) conducen a los resultados estándar de Modigliani y

Miller expresados como:
B St B
ρ = k B t + kS ó k S = ρ + (ρ − k B ) t . (129)
Vt Vt St
Esto muestra la consistencia entre los resultados de Modigliani y Miller, el modelo

CAPM y el modelo de valuación de opciones.
7. Conclusiones
La ausencia tan prolongada en México de mercados de instrumentos de cobertura
contra contingencias financieras, nos invita a evaluar sus efectos en el bienestar
de los agentes económicos. En particular, en el episodio de diciembre de 1994, o
mejor dicho en la debacle financiera de 1995, llama la atención la enorme
exposición a distintos riesgos y la imposibilidad de administrarlo a falta de un
mercado de seguros contra contingencias financieras.18 Desafortunadamente,
esta situación no permitió a los agentes planear adecuada y oportunamente sus
flujos financieros en el corto y mediano plazo, pues estos instrumentos están
disponibles y se utilizan adecuadamente y protegen a los agentes contra
fluctuaciones adversas en las variables subyacentes. Actualmente, se cuenta con
un mercado organizado y reconocido por las autoridades financieras para cotizar y
negociar productos derivados estandarizados, el Mercado Mexicano de Derivados
(MexDer). En él se comercian contratos futuros y en breve se listarán opciones.
Esta guía para la valuación de opciones financieras ha tenido como objetivo
presentar lo más avanzado de la teoría y práctica de estos productos derivados.
La mayoría de los modelos y fórmulas de valuación presentados en el
transcurso de este trabajo son locales, en el sentido de que la cobertura es
efectiva sólo en un intervalo pequeño de tiempo, unos días, posiblemente una
semana. Por esta razón, el portafolio requiere de actualizaciones periódicas o
rebalanceo a fin de proteger eficazmente no sólo contra cambios pequeños en la
difusión del subyacente, sino también contra cambios moderados y extremos.19 Si
una estrategia no es rebalanceada atendiendo a las expectativas y a las
condiciones del mercado, la protección se deteriora progresivamente.
Asimismo, en muchos de los casos examinados, se requiere de métodos
numéricos para valuar las primas de las opciones. Por lo tanto, se recomienda,
18 Sobre las consecuencias de mercados financieros incompletos en la economía mexicana

véanse Venegas-Martínez y González-Aréchiga [2000], y Venegas-Martínez [2001], [2000],
[2000a] y [1999].
19 Otros modelos de cobertura contra volatilidad extrema que utilizan procesos de difusión con
saltos, aplicados al mercado de capitales mexicano, se encuentran en Venegas-Martínez
[2001a].
pero no es indispensable, el manejo de subrutinas y procedimientos en

Mathematica y MATLAB, a fin de obtener resultados en forma eficiente para las
estimaciones de los precios de las opciones.
Por último, es importante resaltar las limitaciones de los modelos y las fórmulas
de valuación. Primero, en el modelo Bayesiano se requiere explorar otras
distribuciones a priori y evaluar la robustez de los resultados. Segundo, el modelo
de valuación con saltos necesita extenderse de tal manera que la tendencia, la
volatilidad y la intensidad del proceso subyacente sean funciones del precio de
contado del título y del tiempo. Finalmente, se requiere más investigación en
cuanto a la estructura de plazos de la tasa de interés, digamos, otras estructuras
modeladas a través de procesos estocásticos que están disponibles en la
literatura, aunque no sean consistentes con el equilibrio general además de llevar
a cabo un análisis comparativo de los resultados entre modelos.
8. Referencias
Abramowitz, M., y Stegun, A. (1965) Handbook of mathematical functions, Dover
Publications Inc., Nueva York.
Arrow, J. (1963) “The role of securities in the optimal allocation of risk-bearing”,
Review of Economic Studies, Vol. 31, pp. 91-96.
Avellaneda, M., Levy A., y Parás, A. (1995) “Pricing and hedging derivative
securities in markets with uncertain volatilities”, Applied Mathematical
Finance, Vol. 2, pp. 73-88.
Ball, C. y Roma, A. (1994) “Stochastic volatility option prices”, Journal of
Financial and Quantitative Analysis, Vol. 24 (4), pp. 589-607.
Berger, J. (1985) Statistical decision theory and Bayesian analysis, Springer-
Verlag, Nueva York.
Bernardo, J. (1979) “Reference posterior distributions for Bayesian inference”,
Journal of the Royal Statistics Society, Vol. B 41, pp. 113-147.
Bingham, N., y Kiesel, R. (1998) Risk-neutral valuation: pricing and hedging of
financial derivatives, Springer-Verlag, Nueva York.
Bjerksund, P. y Stensland, G. (1993) “American exchange options and a put-call
transformation: a note”, Journal of Business Finance and Accounting, Vol.
20(5), pp. 761-764.
Bjerksund, P. y Stensland, G. (1993a) “Closed-form approximation of american
options”, Scandinavian Journal of Management, Vol. 9, pp. 87-99.
Black, F. (1976) “The pricing of commodity contracts”, Journal of Financial

Economics, Vol. 3, pp. 167-179.
Black, F., Derman E. y Toy, W. (1990) “A one-factor model of interest rates and its
applications to treasury bond options”, Financial Analysts Journal, enero-
febrero, pp. 33-39.
Black, F. y Scholes M. (1973) “The pricing of options and corporate liabilities”,
Journal of Political Economy, Vol. 81, pp. 637-659.
Bjork, T. (1999) Arbitrage theory in continuous time, Oxford University Press.
Bolsa Mexicana de Valores (2000) Boletín de la Bolsa Mexicana de Valores,
Sección de análisis y evaluación de instrumentos de deuda, México.
Cox, J., Ingersoll, J. y Ross, S. (1985) “A theory of the term structure of interest
rates”, Econometrica, Vol. 53, pp. 385-407.
Cox, J. y Ross, S. (1976) “The valuation of options for alternative stochastic
processes”, Journal of Financial Economics, Vol. 3, pp. 145-166.
Curran, M. (1992) “Beyond average intelligence”, Risk Magazine, Vol. 5(10).
Díaz-Tinoco, J y Hernández-Trillo, V. (1996) Futuros y opciones financieras: una
introducción, Limusa-BMV.
Fouque, J., Papanicolaou, G. y Sircar, K. (2000) Derivatives in financial markets
with stochastic volatility, Cambridge University Press.
Gay, G., Kolb, V y Chiang, R. (1983) “Interest rates hedging: an empirical test of
alternative strategies”, Journal of Financial Research, Vol. 6, pp. 187-197.
Geske, R. (1979) “The valuation of compound options”, Journal of Financial
Economics, Vol. 7, pp. 63-81.
Goldman, B., Sosin, H. y Gatto, M. (1979) “Path dependent options: buy at the low,
sell at the high”, Journal of Finance, Vol. 34(5), pp. 1111-1127.
González-Aréchiga, B., Díaz-Tinoco, J. y Venegas-Martínez, F. (2000) “Política
fiscal y contratos de futuros: el caso de las personas físicas en México
(simulación Monte Carlo y valuación binomial)”, Estudios Económicos, Centro
de Estudios Económicos, COLMEX, Vol. 15, No. 29, pp. 3-36.
González-Aréchiga, B., Venegas-Martínez F. y Díaz-Tinoco, J. (2000) “Riesgo de
tasas de interés e inmunización por duración y convexidad con futuros:
análisis local y de valor en riesgo”, Investigación Económica, Fac. de
Economía, UNAM, Vol. 60, No. 233, pp.77-112.
González-Aréchiga, B., Venegas-Martínez F.y Díaz-Tinoco, J. (2001) “Riesgo
cambiario, brecha de madurez, y cobertura con futuros: análisis local y de
valor en riesgo”, Economía Mexicana, Nueva Epoca, CIDE, Vol. 10, No. 2.
Hanselman, D. y Littlefield (1998) Mastering MATLAB 5: a comprehensive

tutorial and reference, Prentice Hall.
Heath, D., Jarrow, R. y Morton, A. (1992) “Bond pricing and the term structure of
interest rates: a new methodology”, Econometrica, 60, pp. 77-105.
Heston, S. (1993) “A closed-form solution for options with stochastic volatility
with applications to bond and currency options”, Review of Financial
Studies, Vol. 6(2), pp. 327-343.
Ho, T., y Lee, S (1986) “Term structure movements and pricing interest rates
contingent claims”, Journal of Finance, Vol. 41, pp. 1011-1029.
Hull, J. y White, A. (1990) “Pricing interest rate derivative securities”, Review of
Financial Studies, Vol. 3, pp. 573-592.
Hull, J. y White, A. (1993) “One-factor interest rate models and the valuation of
interest rate derivative securities”, Journal of Financial and Quantitative
Analysis, Vol. 28, pp. 235-254.
Hull, J. y White, A (1987) “The pricing of option on assets with stochastic
volatility”, Journal of Finance, Vol. 42 (2), pp. 281-300.
Jaynes, E. (1968) “Prior probabilities”, IEEE Transactions on Systems Science and
Cybernetics, Vol. 4, pp. 227-241.
Jeffreys, H. (1961) Theory of probability, Oxford University Press, Londres.
Kemna, A. y Vorst, A. (1990) “A pricing method for options based on average
asset values”, Journal of Banking and Finance, Vol. 14, pp. 113-129.
Kolb, R. y Chiang, R. (1981) “Improving hedging performance using interest rate
futures”, Financial Management, Vol. 10, pp. 72-79.
Kullback, S. (1956) “An application of information theory to multivariate analysis”
Mathematical Statistics, Vol. 27, pp. 122-146.
Lamberton, D. y Lapeyre, B. (1996) Introduction to stochastic calculus applied to
finance, Chapman & Hall.
Lintner, J. (1965) “The valuation of risky assets and the selection of risky
investments in stock portfolios and capital budgets”, Review of Economics
and Statistics, Vol. 47, pp. 13-37.
Merton, R. (1973) “Theory of rational option pricing”, Bell Journal of Economics
and Management Science, Vol. 4, pp. 141-183.
Merton, R. (1977) “On the pricing of contingent claims and the Modigliani-Miller
Theorem”, Journal of Financial Economics, Vol. 5, pp. 241-250.
Modigliani, F. y Miller, V. (1958) “The cost of capital, corporation finance and the
theory of investment”, American Economic Review, Vol. 48(3), pp. 261-297.
Nelson, C. y Siegel, A. (1987) “Parsimonious modeling of yield curves”, Journal of
Business, Vol. 60, pp. 473-489.
Ramírez Sánchez, J. (2001) Los problemas más comunes en el pronóstico de

rendimientos de activos con distribuciones no normales, Documento de
Trabajo, CIDE.
Redheffer, R. (1991) Differential equations: theory and applications, Jones and
Bartlett Publishers, Boston.
Reiner, E. y Rubinstein, M. (1991) “Breaking down the barriers”, Risk Magazine,
4(8).
Renault, E. y Touzi, N. (1996) “Option hedging and implied volatility in a
stochastic volatility model”, Mathematical Finance, Vol. 6 (3), pp. 279-302.
Rendleman, R. y Bartter, B. (1980) “The pricing of options on debt securities”,
Journal of Financial and Quantitative Analysis, Vol. 15, pp 11-24.
Roll, R. (1977) “An analytical valuation formula for unprotected american call
options”, Journal of Financial Economics, Vol. 5, pp. 251-258.
Samuelson, P. (1965) “Proof that properly anticipated prices fluctuate randomly”,
Industrial Mangement Review, Vol. 6, pp. 41-49.
Sharpe, W. (1964) “Capital asset prices: A theory of market equilibrium under
conditions of risk”, Journal of Finance, Vol. 19, pp. 425-442.
Shaw, W. (1998) Modelling Financial Derivatives with Mathematica, Cambridge
University Press.
Stein, E. y Stein, J. (1991) “Stock price distribution with stochastic volatility: an
analytic approach”, Review of Financial Studies, Vol. 4 (4), pp. 727-752.
Turnbull, S. y Wakeman, L. (1991) “A quick algorithm for pricing european
average options”, Journal Financial and Quantitative Analysis, Vol. 26, pp.
377-389.
Vasicek, O. (1977) “An equilibrium characterization of the term structure”, Journal
of Financial Economics, Vol. 5, pp. 177-188.
Venegas-Martínez, F. (2001) “Temporary stabilization: A stochastic analysis”,
Journal of Economic Dynamics and Control, Vol. 25.
Venegas-Martínez, F. (2001a) “Opciones, cobertura y procesos de difusión con
saltos: una aplicación a los títulos de Gcarso”, Estudios Económicos, Centro
de Estudios Económicos, COLMEX.
Venegas-Martínez, F. (2001b) Pricing and hedging derivative securities with
prior information, Working paper, Mathematical Finance Group, Oxford
University.
Venegas-Martínez, F. (2001c) “Política fiscal y renta petrolera: una propuesta de
régimen fiscal para Pemex”, Revista Latinoamericana de Economía, IIEC-
UNAM, Vol. 124.
Venegas-Martínez, F. (2000) “On consumption, investment, and risk”, Economía

Mexicana, Nueva Epoca, CIDE, Vol. 9, No. 2, pp. 227-244.
Venegas-Martínez, F. (2000a) “Aprendizaje, utilidad y estabilización”, Gaceta de
Economía, ITAM, Año 5, No. 10, pp. 153-169.
Venegas-Martínez, F. (1999) “Crecimiento endógeno, dinero, impuestos, y deuda
externa”, Investigación Económica, Facultad de Economía, UNAM, Vol. 59, No.
229, pp. 15-36.
Venegas-Martínez, F. (1997) “On information functionals and priors”, Memoria
del XII Foro Nacional de Estadística, Asociación Mexicana de Estadística.
INEGI, pp. 183-188.
Venegas-Martínez, F. (1992) “Entropy maximization and cross-entropy
minimization on quantiles; a matrix approach”, Agrociencia, Serie Matemáticas
Aplicadas, Estadística y Computación, Vol. 3, No. 2, pp. 71-76.
Venegas-Martínez, F. (1990) “On regularity and optimality conditions for maximum
entropy priors”, The Brazilian Journal of Probability and Statistics, Vol. 4,
pp. 105-136.
Venegas-Martínez, F. (1990a) “Información suplementaria a priori, aspectos
computacionales y clasificación”, Estadística, Inter-American Statistical
Institute, IASI, Vol. 42, No. 139, pp. 64-80.
Venegas-Martínez, F. (1990b) “Información suplementaria a priori”, Contributions
to Probability and Mathematical Statistics, Acts of the IV CLAPEM, Vol. 4,
pp. 228-237.
Venegas-Martínez, F. y González-Aréchiga, B. (2000) “Mercados incompletos y su
impacto en los programas de estabilización de precios: el caso mexicano”,
Momento Económico, IIEC-UNAM, Vol. 111, pp. 20-27.
Venegas-Martínez, F., González-Aréchiga, B. y Díaz-Tinoco, J. (1999)
Inmunización de portafolios de Cetes, Bondes y otros títulos de deuda pública
con futuros sobre tasas de interés, Trabajo de Investigación No. 1999-4, Serie:
MexDer Documentos de Investigación.
Venegas-Martínez, F., de Alba E. y Ordorica-Mellado, M. (1999) “On information,
priors, econometrics, and economic modeling”, Estudios Económicos, Centro
de Estudios Económicos, COLMEX, Vol. 14, No. 27, pp. 53-86.
Venegas-Martínez, F., de Alba E. y Ordorica-Mellado, M. (1995) “An economist's

guide to the Kalman Filter”, Estudios Económicos, Centro de Estudios
Económicos, COLMEX, Vol. 10, No. 20, pp. 123-145.
Wiggins, J. (1996) “Option values under stochastic volatility”, Journal of
Financial Economics, Vol. 9 (2), pp. 351-372.
Wilmott, P. (1998) Derivatives: the theory and practice of financial engineering,
John Wiley & Sons.
Wilmott, P., Dewynne, J. y Howison, S. (1993) Option pricing: mathematical
models and computation, Oxford Financial Press.
Zellner, A. (1977) Maximal data information prior distributions in new methods
in the applications of bayesian methods, Aykac y Brumat, North-Holland.
Zenios, S. (1996) Financial optimization, Cambridge University Press.
Apéndice 1. Derivación de la estructura de plazos del

modelo de Vasicek
En este apéndice, se deriva en detalle la estructura de plazos del modelo de
Vasicek. Para el caso del modelo CIR, sólo resumimos los principales resultados.
Observe, primero, que el modelo de Vasicek puede reescribirse como un proceso
del tipo Ornstein-Uhlenbeck20 si definimos yt = rt − θ, es decir:
d yt = −λ yt dt + σ dWt . (a.1)
Se puede verificar, por sustitución directa, que (a.1) tiene como solución:
yt = y0 e−λ t + σ e −λ t ∫ 0t eλ s dWs . (a.2)
Así, si yt = rt − θ, entonces:
( )
rt = r0 e− λ t + θ 1 − e− λ t + σ e− λ t ∫ 0t eλ s dWs . (a.3)
Por tanto, rt sigue un proceso normal con media E [rt] = r0 e−λt + θ (1 − e−λt) y
varianza Var [rt] = σ2 (e−2λt)/2λ. Si P (t, T) es el precio de un bono cupón cero que
paga una unidad monetaria en T, se sigue del valor del dinero en el tiempo que:
{ } { }
P( t, T ) = E[exp − ∫ tT rs ds At ] = e −θ(T −t ) E[exp − ∫ tT y s ds At ] , (a.4)
20 Este proceso es muy útil en la valuación de opciones y otros productos derivados de tasas de
interés, sus propiedades se discuten, por ejemplo, en Bingham y Kiesel [1998].
donde At es la información disponible y útil, al tiempo t. Note ahora que:
[ { } ] 

{ } 1
2
{ }
E exp − ∫ 0t y uz ds At = exp  E − ∫ 0t yuz ds − Var − ∫ 0t yuz ds  ,

(a.5)
donde yuz es solución del proceso de Ornstein-Uhlenbeck con y0z = z. En este caso,
se puede mostrar fácilmente que:
{ t z
}
E − ∫ 0 yu ds = −
z
λ
1−e
−λt
( ) (a.6)
{ } (
Var − ∫ 0t y sz ds = Cov ∫ t0 ysz ds , ∫ 0t yuz du )
= ∫ 0t ∫ 0t Cov ( ysz , yuz ) du ds
(a.7)
( 2 λ t − 3 + 4 e− λ t − e −2 λ t ).
2
σ
=
3
2λ
La simple sustitución de las ecuaciones presentadas en (a.6) y (a.7) en (a.4)
produce P(t, T) = exp {− (T − t) RV (t, T; rt)}, donde:
RV ( t, T , rt ) =
R∞ −
1 
λ (T − t) 
(
 (R∞ − rt ) 1 − e
− λ (T − t )
−)σ2
4 λ2
( 
1 − e− λ (T −t ) 2 

) (a.8)
σ2
y R∞ = θ − ,
2λ2
resultado que coincide con la estructura de plazos del modelo de Vasicek.
Apéndice 2. Resultados principales de la estructura de

plazos del modelo CIR
Los siguientes resultados tienen también el proceso de Ornstein-Uhlenbeck como
base y la distribución χ2 no central. Si P (t, T) es el precio de un bono cupón cero
que paga una unidad monetaria en T, en este caso se sigue que:
P( t, T ) = E [exp{ − ∫ tT rs ds} At ] = M ( t, T ) exp { − N (t, T ) rt } (a.9)
donde:
2λθ /σ2
 2 s e (s + λ) (T − t) / 2 
M (t , T ) =   ,
s( T −t )
 ( s + λ ) ( e − 1) + 2 s 
2 (e s (T −t ) − 1)
N (t , T ) =
(s + λ) (e s (T −t ) − 1) + 2 s
y s = λ2 + 2 σ2 .
A partir de (a.9), se sigue que:
1 1
RCIR ( t, T ; rt ) = − ln M (t, T ) + N (t, T ) rt , (a.10)
T −t T −t
lo que conduce inmediatamente a la estructura de plazos del modelo CIR.
View publication stats

Una Guia Completa para Economistas en La Valuacion

Загружено:

Сведения о документе

Исходное описание:

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Una Guia Completa para Economistas en La Valuacion

Загружено:

Авторское право:

Доступные форматы

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

Una guía completa para economistas en la valuación de opciones

Finance and growth determinants in Mexico View project

Nonlinear financial time series View project

The user has requested enhancement of the downloaded file.

Una guía completa para economistas en la valuación de

En este trabajo se presenta una guía para la valuación de opciones.

∗ Profesor-investigador del Centro de Investigación y Docencia Económicas (CIDE).

a la teoría financiera (matemática o empírica) es el estudio del comportamiento de

se fundamenta en un marco teórico consistente; (b) el método considera

investigación futura. Los apéndices contienen detalles técnicos sobre las

2. Valuación de opciones con información a priori

ampliamente estudiado con avances importantes.4 En particular, los modelos de

2.1. Distribuciones a priori de máxima entropía

En la literatura Bayesiana se cuenta con varios métodos para construir funciones

funcional que representa una medida de información, sujeta a un conjunto de

∫ a k (h )π(h )I {h > 0}dv(h ) = γ k , k = 0,1,2,..., N , (2)

Aquí, se definen a 0(h) ≡ 1 y γ0 = 1 a fin de asegurar que la solución del

donde λk , k = 0, 1, 2, …, N, son los multiplicadores de Lagrange asociados a las

2.2. Ejemplos de distribuciones a priori sobre precisión

Supongamos que se cuenta con informacón a priori en términos de valores

∫h > 0 ln (h )π (h )dv(h ) = φ(α ) − ln (β) , (6)

resuelve el problema de máxima entropía con restricciones (5) y (6).

2.3. Planteamiento del problema básico de valuación Bayesiana

Considere un proceso de Wiener W(t), t > 0, definido en un espacio de

dS (t ) = rS (t )dt + h −1 / 2 S (t )dW (t ) , (8)

donde la densidad condicional satisface:

Si suponemos que las condiciones requeridas para que se cumpla el Teorema

Observe ahora que (12) puede, a su vez, reescribirse como:

J (s | α , β ) = exp {− G ( s )T / 2}∫h > 0 exp {− A( s )h − ( B / h )}h δ −1d ν(h ) , (13)

∫h > 0 exp {− (h / 2T )[G ( s ) + (T / 2 h )]}h dν (h ) =

donde Kδ(x), x = 2(BA(s))1/2, es la función de Bessel modificada de orden δ (ver

2.4. Aproximaciones asintóticas y polinomiales

cˆ = S (0 )L1 (S (0);T , X , r α, β) − e− rT XL2 (S (0 );T , X , r α, β) , (18)

las cuales se pueden calcular numéricamente mediante subrutinas y

con ε < 8 × 10-9. El polinomio complementario está dado por:

De nuevo, las integrales L1(ε)y L2(ε) se pueden calcular numéricamente con

2.5. Elasticidad constante de la varianza con respecto al precio del subyacente

Supongamos ahora que el precio del activo subyacente es conducido por el

en donde la elasticidad de la varianza con respecto del precio se define de la forma

δ = 1 / (2 − b ), D = 2r / (2 − b), B = DS (0)e rT[ ] 2 −b

e Iδ (x), con x = 2h(BA (s))1/2 es la función modificada de Bessel de primera clase y

la cual está relacionada con la distribución χ2 no central. Además:

Para algunos valores específicos de los parámetros de la distribución a priori, es

3. Valuación de opciones con colas pesadas

cotizan en el mercado mexicano de capitales presentan, en general, sesgo y exceso

8 Véase, por ejemplo, Ramírez-Sánchez [2001].

para cualquier variable, aleatoria o determinista, dependiente del tiempo.

donde el parámetro que define la tendencia, µ, representa la media esperada del

De lo anterior se desprende que el rendimiento, dlog (S t), puede tomar valores

En este caso, el cambio en el valor del portafolio no se comporta

Con las condiciones de frontera c (t, 0) = 0 y c (T, S T) = max(S T − X, 0) donde X

requiere de métodos numéricos (en particular, métodos de transformada de

0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 λ

la ecuación (38), tanto como sea posible, es fijar ω1 = 1 y, posteriormente, obtener

La varianza de este cambio, la cual es una medida del riesgo en el portafolio,

Si se valua la opción en términos de la esperanza sobre la mejor estrategia de

Cuando λ = 0, se obtiene, de nuevo, la ecuación diferencial parcial de Black-

4. Valuación de opciones americanas y exóticas con

10 La aplicación de algunas de estas fórmulas, con opciones sobre energéticos, en la simulación

4.1. Modelos estocásticos de tasas de interés para la valuación de opciones

El supuesto de que las tasas de interés se mantienen constantes o bien que su

B ( S ) = − ( S / θ){1 − e−q (T −t )} N [ − d ( S ** )] . (70)