SlideShare una empresa de Scribd logo
1 de 50
Descargar para leer sin conexión
Volatilitat i Correlació
Sessió pràctica
Gerard Albà
Josep Salvà
FME UPC – 27 Gener 2014
Tècniques quantitatives pels Mercats Financers
1.

Gestió del risc d’una opció: les gregues.
Delta
Gamma
Vega
Theta
Rho i Phi

2.

Gestió d’un Llibre de Derivats
Valoració i Cobertura teòrica d’straddles
Imputs de Mercat:
la volatilitat
la correlació
els dividends discrets
Problemes reals

2
Tècniques quantitatives pels Mercats Financers

1. Gestió del risc d’una opció: les gregues.
En una operació amb opcions, el market maker (creador de
mercat) busca obtenir-ne un benefici independentment del valor
final del payoff, o sigui, minimitzant tot tipus de risc.
Un inversor també pot voler cobrir (parcialment o total) algun
tipus de risc.

Per això, primer de tot cal saber identificar i quantificar els
riscos que poden afectar al valor de l’opció.
En funció de la magnitud de cadascun, cal trobar formes de
reduir la seva importància.

3
Tècniques quantitatives pels Mercats Financers

1. Gestió del risc d’una opció: les gregues.
Per exemple, segons la fórmula de Black-Scholes, el valor d’una
opció de compra europea és de la forma:

amb

4
Tècniques quantitatives pels Mercats Financers

1. Gestió del risc d’una opció: les gregues.
Per tant, el preu d’una call europea depèn de les següents
variables o paràmetres:

•Strike,
•Preu del subjacent,
•Tipus d’interès,
•Dividends,
•Volatilitat,
•Temps a venciment,

5
Tècniques quantitatives pels Mercats Financers

1. Gestió del risc d’una opció: les gregues.
Podem pensar, doncs, en una funció en aquests paràmetres de
la forma:

i el mateix podem fer amb les opcions de venda (puts):

6
Tècniques quantitatives pels Mercats Financers

1. Gestió del risc d’una opció: les gregues.

Les gregues mesuren la sensibilitat del preu de l’opció a les
variacions de les variables que afecten al seu valor.

D’aquesta manera es pot quantificar l’efecte que té cadascuna
d’elles i decidir de quines cal gestionar el risc.

De totes les variables i paràmetres, l’strike i la data de
venciment queden fixats a l’inici i es mantenen constants
durant la vida de l’opció.

7
Tècniques quantitatives pels Mercats Financers

1. Gestió del risc d’una opció: les gregues.

8
Tècniques quantitatives pels Mercats Financers

1. Gestió del risc d’una opció: la delta.
La delta mesura la sensibilitat del preu de l’opció a canvis en el
preu del subjacent. Si denominem D al preu del derivat, la delta
és de la forma

Per a opcions plain vanilla:

9
Tècniques quantitatives pels Mercats Financers

1. Gestió del risc d’una opció: la delta.

10
Tècniques quantitatives pels Mercats Financers

1. Gestió del risc d’una opció: la delta.
La delta indica la quantitat de subjacent que cal tenir en una
cartera replicant.

Proporciona una aproximació lineal (en funció del preu del
subjacent) al preu de l’opció

11
Tècniques quantitatives pels Mercats Financers

1. Gestió del risc d’una opció: la delta.
Tot i així, el valor d’un derivat no és lineal en el preu del
subjacent, fet pel qual l’aproximació és més inexacta com
major és la variació
.

Això també fa que el valor de delta canviï quan ho fa el preu
del subjacent o el temps. Per tant, el nombre d’accions que cal
tenir en cartera per replicar el derivat no és constant.

12
Tècniques quantitatives pels Mercats Financers

1. Gestió del risc d’una opció: la gamma.

Per tant la delta (que ens marca la quantitat de subjacent
necessari per a fer la cobertura) resulta ser una sensibilitat
molt important i ens interessa conèixer-ne la seva
sensibilitat respecte l’evolució del subjacent.

O sigui, ens interessa saber com i quant variarà la quantitat
de subjacent en cartera si ho fa el preu del subjacent.

Aquesta sensibilitat es la que s’anomena Gamma:

13
Tècniques quantitatives pels Mercats Financers

1. Gestió del risc d’una opció: la gamma.

El signe de la gamma ens indicarà si haurem de comprar
més subjacent quan el preu d’aquest augmenti o si n’haurem
de comprar quan disminueixi (a l’inversa per a la venda de
subjacent).

Una gamma elevada ens indica que la quantitat de subjacent
en cartera variarà més quan ho faci el preu del subjacent,
mentre que una gamma reduïda ens indica que no caldrà
variar gaire la quantitat de subjacent en cartera.

14
Tècniques quantitatives pels Mercats Financers

1. Gestió del risc d’una opció: la gamma.

Per opcions plain vanilla tenim que la gamma és la mateixa
per calls i puts, i és de la forma

amb

Igual que la delta, varia segons l’evolució de la resta de
variables.
15
Tècniques quantitatives pels Mercats Financers

1. Gestió del risc d’una opció: la gamma.

16
Tècniques quantitatives pels Mercats Financers

1. Gestió del risc d’una opció: la gamma.
Usant la gamma s’aconsegueix una millor aproximació de les
variacions del preu de l’opció segons les del preu del
subjacent.

17
Tècniques quantitatives pels Mercats Financers

1. Gestió del risc d’una opció: la gamma.

A diferència de la delta, la gamma no es pot cobrir comprant
o venent subjacent.
Si es vol tenir una posició reduïda en gamma cal usar altres
opcions.
A la pràctica s’usen combinacions d’opcions cotitzades en
mercats organitzats per neutralitzar la gamma de les opcions
que es desitja cobrir.
Tot i així, la poca liquiditat del mercat d’opcions fa que la
cobertura de gamma no sigui tant dinàmica com pot ser la
cobertura delta.

18
Tècniques quantitatives pels Mercats Financers

1. Gestió del risc d’una opció: la vega.

Tot i que en el model de valoració de Black-Scholes se
suposa la volatilitat constant, sabem que també varia en el
temps i segons el valor del subjacent.

La sensibilitat d’una opció a canvis en la volatilitat
s’anomena vega, i per a les opcions plain vanilla coincideix i
és de la forma

19
Tècniques quantitatives pels Mercats Financers

1. Gestió del risc d’una opció: la vega.

20
Tècniques quantitatives pels Mercats Financers

1. Gestió del risc d’una opció: la vega.
En moltes opcions la vega resulta ser molt important ja que
l’exposició a canvis en la volatilitat pot ser molt elevada.
En les opcions plain vanilla, el preu resulta ser molt sensible
al valor de volatilitat usat.
Preu d'una Vainilla segons la Volatilitat (S=10, K = 10, r= 4%, q= 0%, T=1)
Preu Call

Preu Put

3
2,5

Preu

2
1,5
1
0,5
0
5%

10%

15%

20%

25%

30%

35%

40%

45%

50%

55%

60%

Volatilitat

21
Tècniques quantitatives pels Mercats Financers

1. Gestió del risc d’una opció: la vega.

Preus i Volatilitat Implícita
22
Tècniques quantitatives pels Mercats Financers

1. Gestió del risc d’una opció: la vega.

Per tant, durant la vida de l’opció, els canvis en la volatilitat
provocaran canvis en la seva valoració a més dels provocats
pels canvis en les altres variables.

Aquests canvis de volatilitat serien canvis en la volatilitat
implícita. Si l’opció es manté fins al venciment, els canvis en
la valoració no acaben important ja que el valor del payoff és
independent de la volatilitat.

El que sí que importa més són els canvis en la volatilitat
realitzada que pot afectar a la cobertura delta/gamma.

23
Tècniques quantitatives pels Mercats Financers

1. Gestió del risc d’una opció: la vega.

24
Tècniques quantitatives pels Mercats Financers

1. Gestió del risc d’una opció: la vega.
Els diferents nivells de volatilitat fan variar més o menys la
gamma i per tant, fan que la cobertura a canvis en el
subjacent sigui diferent.

Que el preu de l’opció (plain vanilla) sigui superior quan
augmenta la volatilitat és un dels factors que fa que els
nivells implícits tendeixin a ser superiors als nivells
realitzats.

D’aquesta manera s’evita haver de fer la cobertura de la
vega, tot i que podria ser coberta, igual que la gamma,
usant combinacions d’opcions cotitzades; o mitjançant altres
instruments més sofisticats com Variance Swaps.
25
Tècniques quantitatives pels Mercats Financers

1. Gestió del risc d’una opció: la theta.

Hem vist que el preu d’un derivat depèn també del temps.
La sensibilitat al pas del temps s’anomena Theta:

I per a les opcions plain vanilla és de la forma:

26
Tècniques quantitatives pels Mercats Financers

1. Gestió del risc d’una opció: la theta.

27
Tècniques quantitatives pels Mercats Financers

1. Gestió del risc d’una opció: la rho i la phi.

Igual que la volatilitat, tot i que en el model de BlackScholes es suposa un tipus d’interès lliure de risc fix durant
la vida de l’opció, a la pràctica no ho és. El mateix passa
amb la rendibilitat als dividends considerats.

La sensibilitat als tipus d’interès s’anomena rho i la
sensibilitat als dividends (o dividend yield) s’acostuma a
anomenar phi.

Tot i així, per a opcions plain vanilla no resulten ser molt
importants i sovint no se’n realitza la cobertura, que es
podria fer utilitzant instruments de renda fixa com Swaps de
tipus d’interès o Dividend Swaps.
28
Tècniques quantitatives pels Mercats Financers

1. Gestió del risc d’una opció: la rho i la phi.

L’expressió per a la rho de les opcions plain vanilla és

I la de phi és

29
Tècniques quantitatives pels Mercats Financers

1. Gestió del risc d’una opció: la rho i la phi.

30
Tècniques quantitatives pels Mercats Financers

2.

Gestió d’un Llibre de Derivats: Valoració i Cobertura
teòrica d’straddles

Com s’ha dit, la volatilitat realitzada en fer la cobertura
afecta al valor de gamma (i per tant, de delta).

Suposem que volem fer la cobertura delta de 100 straddles
(call+put ATM) amb strike 10, tipus d’interès lliure de risc
del 4%, volatilitat del 20%, sense dividends i amb un
venciment a 20 dies.

Generant una mostra d’evolució de preus durant els 20 dies
amb una volatilitat del 20% i realitzant la cobertura delta
una vegada cada dia s’obté un P&L gairebé nul.

31
Tècniques quantitatives pels Mercats Financers

2.

Dia
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
TOTAL

Gestió d’un Llibre de Derivats: Valoració i Cobertura
teòrica d’straddles
Spot
10,00
9,82
9,74
9,82
9,78
9,75
9,65
9,66
9,58
9,57
9,59
9,55
9,34
9,32
9,41
9,55
9,52
9,50
9,50
9,59
9,56

Preu Straddles
-37,39
-38,14
-40,18
-36,52
-37,00
-37,39
-41,70
-40,62
-45,20
-45,65
-43,75
-46,04
-65,11
-67,29
-58,70
-45,22
-47,94
-49,48
-49,90
-40,81
-44,38

P&L opció
-0,75
-2,04
3,66
-0,48
-0,39
-4,31
1,08
-4,58
-0,45
1,89
-2,29
-19,07
-2,18
8,59
13,48
-2,72
-1,54
-0,42
9,09
-3,57
-6,99

Delta
5,37
-25,23
-40,65
-28,12
-36,69
-43,47
-60,70
-61,74
-74,21
-77,91
-78,22
-84,33
-97,57
-98,75
-98,08
-94,84
-98,02
-99,47
-99,94
-99,99
-100,00

d1
0,07
-0,32
-0,53
-0,36
-0,48
-0,58
-0,85
-0,87
-1,13
-1,22
-1,23
-1,42
-2,25
-2,50
-2,34
-1,95
-2,33
-2,79
-3,45
-3,97

P&L accions
-0,94
2,19
-3,31
1,18
1,13
4,21
-0,39
4,70
0,93
-1,39
2,64
17,57
2,15
-8,64
-13,60
2,77
1,51
0,34
-9,19
3,47
7,35

P&L
0,00
-1,69
0,15
0,35
0,70
0,75
-0,10
0,69
0,12
0,49
0,50
0,35
-1,50
-0,03
-0,05
-0,12
0,05
-0,03
-0,08
-0,10
-0,10

Bo
-16,33
284,34
434,53
311,51
395,34
461,45
627,83
637,85
757,43
792,90
795,93
854,43
978,18
989,32
983,07
952,29
982,64
996,54
1001,15
1001,74
1001,92

Finançament
-0,00179
0,03116
0,04762
0,03414
0,04332
0,05057
0,06880
0,06990
0,08301
0,08689
0,08723
0,09364
0,10720
0,10842
0,10773
0,10436
0,10769
0,10921
0,10972
0,10978
0,10980

P&L Acumulat
0,00
-1,69
-1,51
-1,12
-0,38
0,41
0,36
1,12
1,32
1,88
2,47
2,91
1,50
1,58
1,64
1,64
1,79
1,87
1,90
1,91
1,92

1,66839

1,92

32
Tècniques quantitatives pels Mercats Financers

Distribució de resultats a partir de 100 simulacions amb
volatilitat implícita 20% i volatilitat realitzada 20%.
El valor mig del P&L està a l’entorn dels 0€.

33
Tècniques quantitatives pels Mercats Financers

2.

Gestió d’un Llibre de Derivats: Valoració i Cobertura
teòrica d’straddles

En canvi, si la volatilitat realitzada és superior a la implícita
s’obtenen pèrdues majors. Amb una volatilitat realitzada del
30% obtindríem:
Dia
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
TOTAL

Spot
10,00
9,74
9,61
9,73
9,66
9,62
9,47
9,48
9,37
9,35
9,38
9,33
9,02
8,99
9,11
9,32
9,27
9,25
9,24
9,38
9,32

Preu Straddles
-37,39
-40,98
-46,77
-39,83
-42,22
-44,33
-54,36
-53,30
-62,93
-64,60
-62,11
-66,87
-97,10
-100,47
-87,98
-67,97
-72,40
-74,85
-75,53
-62,28
-67,55

P&L opció
-3,59
-5,79
6,94
-2,39
-2,11
-10,03
1,06
-9,63
-1,67
2,49
-4,76
-30,23
-3,37
12,49
20,01
-4,44
-2,44
-0,69
13,26
-5,27
-30,16

Delta
5,37
-39,50
-59,72
-43,63
-54,96
-63,34
-81,44
-82,42
-91,88
-94,06
-94,26
-97,07
-99,94
-99,98
-99,96
-99,72
-99,96
-100,00
-100,00
-100,00
-100,00

d1
0,07
-0,52
-0,84
-0,58
-0,76
-0,90
-1,32
-1,35
-1,74
-1,89
-1,90
-2,18
-3,44
-3,81
-3,58
-3,00
-3,58
-4,28
-5,30
-6,14

P&L accions
-1,41
5,12
-7,16
2,76
2,57
9,12
-0,70
9,30
1,78
-2,38
4,75
29,53
3,27
-12,59
-20,12
4,34
2,34
0,58
-13,36
5,17
22,90

P&L
0,00
-5,00
-0,67
-0,22
0,37
0,46
-0,90
0,36
-0,33
0,11
0,11
-0,01
-0,70
-0,10
-0,10
-0,11
-0,10
-0,10
-0,10
-0,10
-0,10

Bo
-16,33
420,59
614,94
458,46
568,06
648,69
820,25
829,64
918,30
938,80
940,78
967,08
993,05
993,57
993,50
991,39
993,72
994,13
994,27
994,38
994,50

Finançament
-0,00179
0,04609
0,06739
0,05024
0,06225
0,07109
0,08989
0,09092
0,10064
0,10288
0,10310
0,10598
0,10883
0,10888
0,10888
0,10865
0,10890
0,10895
0,10896
0,10897
0,10899

P&L Acumulat
0,00
-5,00
-5,63
-5,78
-5,36
-4,84
-5,67
-5,22
-5,46
-5,25
-5,04
-4,96
-5,55
-5,54
-5,53
-5,54
-5,53
-5,52
-5,51
-5,51
-5,50

1,86869

-5,50

34
Tècniques quantitatives pels Mercats Financers

Distribució de resultats a partir de 100 simulacions amb
volatilitat implícita 20% i volatilitat realitzada 30%.
El valor mig del P&L està a l’entorn dels -20€.

35
Tècniques quantitatives pels Mercats Financers

2.

Gestió d’un Llibre de Derivats: Valoració i Cobertura
teòrica d’straddles

I amb una volatilitat realitzada del 10%:

Dia
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
TOTAL

Spot
10,00
9,91
9,87
9,91
9,89
9,88
9,83
9,83
9,79
9,79
9,80
9,78
9,67
9,66
9,71
9,78
9,77
9,76
9,76
9,81
9,79

Preu Straddles
-37,39
-36,61
-36,28
-34,72
-34,00
-33,27
-33,48
-32,36
-32,72
-31,97
-30,53
-30,25
-35,88
-35,99
-31,80
-25,87
-25,76
-25,34
-24,64
-19,60
-21,17

P&L opció
0,78
0,33
1,56
0,71
0,74
-0,22
1,12
-0,36
0,75
1,45
0,27
-5,63
-0,11
4,19
5,93
0,11
0,42
0,70
5,04
-1,56
16,22

Delta
5,37
-10,08
-18,36
-11,50
-16,05
-19,78
-30,28
-30,90
-40,06
-43,15
-43,32
-49,25
-71,91
-76,94
-73,58
-63,96
-72,87
-81,32
-89,80
-93,74
-100,00

d1
0,07
-0,13
-0,23
-0,14
-0,20
-0,25
-0,39
-0,40
-0,53
-0,57
-0,57
-0,66
-1,08
-1,20
-1,12
-0,91
-1,10
-1,32
-1,64
-1,86

P&L accions
-0,47
0,44
-0,77
0,24
0,24
0,96
-0,12
1,18
0,23
-0,42
0,72
5,25
0,78
-3,53
-5,29
0,92
0,53
0,09
-4,29
1,60
-1,71

P&L
0,00
0,31
0,77
0,79
0,95
0,98
0,75
1,00
0,82
0,98
1,03
0,99
-0,37
0,67
0,66
0,64
1,03
0,95
0,79
0,75
0,04

Bo
-16,33
136,88
218,59
150,57
195,61
232,46
335,72
341,78
431,59
461,83
463,52
521,61
740,89
789,56
756,98
662,98
750,06
832,64
915,50
954,18
1015,60

Finançament
-0,00179
0,01500
0,02396
0,01650
0,02144
0,02548
0,03679
0,03746
0,04730
0,05061
0,05080
0,05716
0,08119
0,08653
0,08296
0,07266
0,08220
0,09125
0,10033
0,10457
0,11130

P&L Acumulat
0,00
0,31
1,09
1,91
2,87
3,87
4,64
5,68
6,54
7,57
8,64
9,69
9,37
10,12
10,86
11,59
12,69
13,72
14,60
15,45
15,60

1,19367

15,60

36
Tècniques quantitatives pels Mercats Financers

Distribució de resultats a partir de 100 simulacions amb
volatilitat implícita 20% i volatilitat realitzada 10%.
El valor mig del P&L està a l’entorn dels +19€.

37
Tècniques quantitatives pels Mercats Financers

2.

Gestió d’un Llibre de Derivats: Valoració i Cobertura
teòrica d’straddles

I la volatilitat realitzada pot variar tant? Sí!
Volatilitat Realitzada i Volatilitat Implícita

38
Tècniques quantitatives pels Mercats Financers

2. Gestió d’un Llibre de Derivats: Imputs de Mercat
la volatilitat
Segons els tipus de subjacent, la volatilitat implícita que
usem per valorar l’aconseguim de formes molt diferents.

En els Mercats Organitzats (ex: Equity) tenim opcions
vainilla amb diversos venciments i strikes. Tenint la resta de
variables només ens falta la volatilitat. Aquesta l’aconseguim
buscant la volatilitat implícita que ens iguala el preu.
Ull!! Les opcions sobre accions són americanes i les opcions sobre índexs son europees.

En mercats OTC (Over-The-Counter) no tenim aquestes
opcions coitzades per tant hem d’aconseguir les volatilitats
d’altres formes. Per exemple en FX s’usa el Risk Reversal i el
Butterfly, i en Tipus d’interès s’usa el Capstrapping.

39
Tècniques quantitatives pels Mercats Financers

2. Gestió d’un Llibre de Derivats: Imputs de Mercat
la volatilitat

Nivells de Volatilitat de l’Eurodòlar
40
Tècniques quantitatives pels Mercats Financers

2. Gestió d’un Llibre de Derivats: Imputs de Mercat
la volatilitat

Nivells de Volatilitat de l’Euribor6M
41
Tècniques quantitatives pels Mercats Financers

2. Gestió d’un Llibre de Derivats: Imputs de Mercat
la correlació
Tal com passa amb la volatilitat, la correlació histórica no ens
serveix per valorar i necessitem una correlació implícita per
donar preus correctes.

En aquest cas no tenim opcions a mercat organitzat, per tant
les correlacions implícites s'han de treure d'opcions OTC.

Si algú ens dongués un preu sobre una opció sobre dos
actius i tenim totes les dades de mercat necessàries (preus,
volatilitats, dividents, tipus d'interés...) i a sobre, sabem
valorar l'opció, aleshores podem trobar una correlació
implícita que iguala el preu.
Sembla massa fàcil...
42
Tècniques quantitatives pels Mercats Financers

2. Gestió d’un Llibre de Derivats: Imputs de Mercat
la correlació
Correlació històrica entre
UG FP i ITX SM

Correlació històrica entre
Eurodòlar i WTI (petroli)

43
Tècniques quantitatives pels Mercats Financers

2. Gestió d’un Llibre de Derivats: Imputs de Mercat
els dividends discrets
En Equity a més a més, tenim un altre problema: els
dividends.

En el model de Black-Scholes es dóna per fet que els
dividends s'expressen com un rendiment constant de l'actiu i
que aquest a més és en espècie.

A l'hora de la veritat els dividends són discrets i generalment
en una quantitat en euros, que generalment no coincideix
amb el que s'havia pagat l'any anterior
Així doncs, també hem d'obtenir un valor implícit dels
dividends a mercat. Per això tenim els dividend swaps o els
futurs de dividends.
44
Tècniques quantitatives pels Mercats Financers

2. Gestió d’un Llibre de Derivats: Imputs de Mercat
els dividends discrets

A l’esquerra: Índex de dividends pel 2014 de l’índex FTSE100 (UK)
A la dreta: Índex de dividends pel 2014 de l’índex Eurostoxx50 (Euro)

45
Tècniques quantitatives pels Mercats Financers

A l’esquerra: Índex de dividends pel 2014 del BBVA
A la dreta: Índex de dividends pel 2014 de Telefónica

En els dos casos es pot observar que els moviments del preu són més
marcats que en els índexs FTSE100 o Eurostoxx50 degut a la poca liquiditat
46
Tècniques quantitatives pels Mercats Financers

2.

Gestió d’un Llibre de Derivats: Problemes reals

Problemes entre la teoria i la pràctica:

- Diferència entre la oferta i la demanda
- Comisions de mercat i/o de brokeratge
- Liquidesa i profunditat de mercat
- Col·lateralització
- Bases
- etc.

47
Tècniques quantitatives pels Mercats Financers

2.

Gestió d’un Llibre de Derivats: Problemes reals

Liquidesa i profunditat del futur de l’Euribor3M Mar09
48
Tècniques quantitatives pels Mercats Financers

2.

Gestió d’un Llibre de Derivats: Problemes reals

Liquidesa i profunditat de la Call 98 de l’Euribor3M Mar09
49
Tècniques quantitatives pels Mercats Financers

2.

Gestió d’un Llibre de Derivats: Problemes reals

Diferència entre l’oferta i la demanda, accentuada a major nominal
50

Más contenido relacionado

Más de Gerard Alba

Module1 - Introduction to Software Engineering.pdf
Module1 - Introduction to Software Engineering.pdfModule1 - Introduction to Software Engineering.pdf
Module1 - Introduction to Software Engineering.pdfGerard Alba
 
Aprendizaje automático I - Tema 6 Aprendizaje Automático K-Means.pdf
Aprendizaje automático I - Tema 6 Aprendizaje Automático K-Means.pdfAprendizaje automático I - Tema 6 Aprendizaje Automático K-Means.pdf
Aprendizaje automático I - Tema 6 Aprendizaje Automático K-Means.pdfGerard Alba
 
Aprendizaje automático I - Tema 5 Aprendizaje Automático No-Supervisado.pdf
Aprendizaje automático I - Tema 5 Aprendizaje Automático No-Supervisado.pdfAprendizaje automático I - Tema 5 Aprendizaje Automático No-Supervisado.pdf
Aprendizaje automático I - Tema 5 Aprendizaje Automático No-Supervisado.pdfGerard Alba
 
Aprendizaje automático I - Sesión 4 Árboles de Decisión.pdf
Aprendizaje automático I - Sesión 4 Árboles de Decisión.pdfAprendizaje automático I - Sesión 4 Árboles de Decisión.pdf
Aprendizaje automático I - Sesión 4 Árboles de Decisión.pdfGerard Alba
 
Aprendizaje automático I - Tema 3 Aprendizaje Automático Supervisado.pdf
Aprendizaje automático I - Tema 3 Aprendizaje Automático Supervisado.pdfAprendizaje automático I - Tema 3 Aprendizaje Automático Supervisado.pdf
Aprendizaje automático I - Tema 3 Aprendizaje Automático Supervisado.pdfGerard Alba
 
Aprendizaje automático I - Sesión 2 Caso Práctico.pdf
Aprendizaje automático I - Sesión 2 Caso Práctico.pdfAprendizaje automático I - Sesión 2 Caso Práctico.pdf
Aprendizaje automático I - Sesión 2 Caso Práctico.pdfGerard Alba
 
Aprendizaje automático I - Sesión 1 Intro.pdf
Aprendizaje automático I - Sesión 1 Intro.pdfAprendizaje automático I - Sesión 1 Intro.pdf
Aprendizaje automático I - Sesión 1 Intro.pdfGerard Alba
 
Algoritmos y Estructuras de Datos I - Sesión 1.pptx
Algoritmos y Estructuras de Datos I - Sesión 1.pptxAlgoritmos y Estructuras de Datos I - Sesión 1.pptx
Algoritmos y Estructuras de Datos I - Sesión 1.pptxGerard Alba
 
Master class Fintech
Master class FintechMaster class Fintech
Master class FintechGerard Alba
 
Machine Learning en Inversiones 20210414
Machine Learning en Inversiones 20210414Machine Learning en Inversiones 20210414
Machine Learning en Inversiones 20210414Gerard Alba
 
EFPA ESG Advisor - summary
EFPA ESG Advisor - summaryEFPA ESG Advisor - summary
EFPA ESG Advisor - summaryGerard Alba
 
Gestión de Carteras Óptimas - Roboadvisors
Gestión de Carteras Óptimas - RoboadvisorsGestión de Carteras Óptimas - Roboadvisors
Gestión de Carteras Óptimas - RoboadvisorsGerard Alba
 
Agenda lecture GA PETD digital transformation financial services 20190524
Agenda lecture GA PETD digital transformation financial services 20190524Agenda lecture GA PETD digital transformation financial services 20190524
Agenda lecture GA PETD digital transformation financial services 20190524Gerard Alba
 
Machine Learning in Investment Management March 2018
Machine Learning in Investment Management March 2018Machine Learning in Investment Management March 2018
Machine Learning in Investment Management March 2018Gerard Alba
 
Cinquanta anys d'Star Trek: un futur amb tipus d'interès negatius ja no és ci...
Cinquanta anys d'Star Trek: un futur amb tipus d'interès negatius ja no és ci...Cinquanta anys d'Star Trek: un futur amb tipus d'interès negatius ja no és ci...
Cinquanta anys d'Star Trek: un futur amb tipus d'interès negatius ja no és ci...Gerard Alba
 
Specialized Functions in Finance 201605
Specialized Functions in Finance 201605Specialized Functions in Finance 201605
Specialized Functions in Finance 201605Gerard Alba
 
ANDBANK Microfinance Fund
ANDBANK Microfinance FundANDBANK Microfinance Fund
ANDBANK Microfinance FundGerard Alba
 
2015 July 1st: launching of Sigma-Andbank European Equities for Israel investors
2015 July 1st: launching of Sigma-Andbank European Equities for Israel investors2015 July 1st: launching of Sigma-Andbank European Equities for Israel investors
2015 July 1st: launching of Sigma-Andbank European Equities for Israel investorsGerard Alba
 
Plan pensiones Andbank
Plan pensiones AndbankPlan pensiones Andbank
Plan pensiones AndbankGerard Alba
 
Andbank Funds UCITS - Flexible Allocation 201403
Andbank Funds UCITS - Flexible Allocation 201403Andbank Funds UCITS - Flexible Allocation 201403
Andbank Funds UCITS - Flexible Allocation 201403Gerard Alba
 

Más de Gerard Alba (20)

Module1 - Introduction to Software Engineering.pdf
Module1 - Introduction to Software Engineering.pdfModule1 - Introduction to Software Engineering.pdf
Module1 - Introduction to Software Engineering.pdf
 
Aprendizaje automático I - Tema 6 Aprendizaje Automático K-Means.pdf
Aprendizaje automático I - Tema 6 Aprendizaje Automático K-Means.pdfAprendizaje automático I - Tema 6 Aprendizaje Automático K-Means.pdf
Aprendizaje automático I - Tema 6 Aprendizaje Automático K-Means.pdf
 
Aprendizaje automático I - Tema 5 Aprendizaje Automático No-Supervisado.pdf
Aprendizaje automático I - Tema 5 Aprendizaje Automático No-Supervisado.pdfAprendizaje automático I - Tema 5 Aprendizaje Automático No-Supervisado.pdf
Aprendizaje automático I - Tema 5 Aprendizaje Automático No-Supervisado.pdf
 
Aprendizaje automático I - Sesión 4 Árboles de Decisión.pdf
Aprendizaje automático I - Sesión 4 Árboles de Decisión.pdfAprendizaje automático I - Sesión 4 Árboles de Decisión.pdf
Aprendizaje automático I - Sesión 4 Árboles de Decisión.pdf
 
Aprendizaje automático I - Tema 3 Aprendizaje Automático Supervisado.pdf
Aprendizaje automático I - Tema 3 Aprendizaje Automático Supervisado.pdfAprendizaje automático I - Tema 3 Aprendizaje Automático Supervisado.pdf
Aprendizaje automático I - Tema 3 Aprendizaje Automático Supervisado.pdf
 
Aprendizaje automático I - Sesión 2 Caso Práctico.pdf
Aprendizaje automático I - Sesión 2 Caso Práctico.pdfAprendizaje automático I - Sesión 2 Caso Práctico.pdf
Aprendizaje automático I - Sesión 2 Caso Práctico.pdf
 
Aprendizaje automático I - Sesión 1 Intro.pdf
Aprendizaje automático I - Sesión 1 Intro.pdfAprendizaje automático I - Sesión 1 Intro.pdf
Aprendizaje automático I - Sesión 1 Intro.pdf
 
Algoritmos y Estructuras de Datos I - Sesión 1.pptx
Algoritmos y Estructuras de Datos I - Sesión 1.pptxAlgoritmos y Estructuras de Datos I - Sesión 1.pptx
Algoritmos y Estructuras de Datos I - Sesión 1.pptx
 
Master class Fintech
Master class FintechMaster class Fintech
Master class Fintech
 
Machine Learning en Inversiones 20210414
Machine Learning en Inversiones 20210414Machine Learning en Inversiones 20210414
Machine Learning en Inversiones 20210414
 
EFPA ESG Advisor - summary
EFPA ESG Advisor - summaryEFPA ESG Advisor - summary
EFPA ESG Advisor - summary
 
Gestión de Carteras Óptimas - Roboadvisors
Gestión de Carteras Óptimas - RoboadvisorsGestión de Carteras Óptimas - Roboadvisors
Gestión de Carteras Óptimas - Roboadvisors
 
Agenda lecture GA PETD digital transformation financial services 20190524
Agenda lecture GA PETD digital transformation financial services 20190524Agenda lecture GA PETD digital transformation financial services 20190524
Agenda lecture GA PETD digital transformation financial services 20190524
 
Machine Learning in Investment Management March 2018
Machine Learning in Investment Management March 2018Machine Learning in Investment Management March 2018
Machine Learning in Investment Management March 2018
 
Cinquanta anys d'Star Trek: un futur amb tipus d'interès negatius ja no és ci...
Cinquanta anys d'Star Trek: un futur amb tipus d'interès negatius ja no és ci...Cinquanta anys d'Star Trek: un futur amb tipus d'interès negatius ja no és ci...
Cinquanta anys d'Star Trek: un futur amb tipus d'interès negatius ja no és ci...
 
Specialized Functions in Finance 201605
Specialized Functions in Finance 201605Specialized Functions in Finance 201605
Specialized Functions in Finance 201605
 
ANDBANK Microfinance Fund
ANDBANK Microfinance FundANDBANK Microfinance Fund
ANDBANK Microfinance Fund
 
2015 July 1st: launching of Sigma-Andbank European Equities for Israel investors
2015 July 1st: launching of Sigma-Andbank European Equities for Israel investors2015 July 1st: launching of Sigma-Andbank European Equities for Israel investors
2015 July 1st: launching of Sigma-Andbank European Equities for Israel investors
 
Plan pensiones Andbank
Plan pensiones AndbankPlan pensiones Andbank
Plan pensiones Andbank
 
Andbank Funds UCITS - Flexible Allocation 201403
Andbank Funds UCITS - Flexible Allocation 201403Andbank Funds UCITS - Flexible Allocation 201403
Andbank Funds UCITS - Flexible Allocation 201403
 

Volatility models and their applications in Finance (2/4) - Handouts: Volatilitat i correlació_2014-2

  • 1. Volatilitat i Correlació Sessió pràctica Gerard Albà Josep Salvà FME UPC – 27 Gener 2014
  • 2. Tècniques quantitatives pels Mercats Financers 1. Gestió del risc d’una opció: les gregues. Delta Gamma Vega Theta Rho i Phi 2. Gestió d’un Llibre de Derivats Valoració i Cobertura teòrica d’straddles Imputs de Mercat: la volatilitat la correlació els dividends discrets Problemes reals 2
  • 3. Tècniques quantitatives pels Mercats Financers 1. Gestió del risc d’una opció: les gregues. En una operació amb opcions, el market maker (creador de mercat) busca obtenir-ne un benefici independentment del valor final del payoff, o sigui, minimitzant tot tipus de risc. Un inversor també pot voler cobrir (parcialment o total) algun tipus de risc. Per això, primer de tot cal saber identificar i quantificar els riscos que poden afectar al valor de l’opció. En funció de la magnitud de cadascun, cal trobar formes de reduir la seva importància. 3
  • 4. Tècniques quantitatives pels Mercats Financers 1. Gestió del risc d’una opció: les gregues. Per exemple, segons la fórmula de Black-Scholes, el valor d’una opció de compra europea és de la forma: amb 4
  • 5. Tècniques quantitatives pels Mercats Financers 1. Gestió del risc d’una opció: les gregues. Per tant, el preu d’una call europea depèn de les següents variables o paràmetres: •Strike, •Preu del subjacent, •Tipus d’interès, •Dividends, •Volatilitat, •Temps a venciment, 5
  • 6. Tècniques quantitatives pels Mercats Financers 1. Gestió del risc d’una opció: les gregues. Podem pensar, doncs, en una funció en aquests paràmetres de la forma: i el mateix podem fer amb les opcions de venda (puts): 6
  • 7. Tècniques quantitatives pels Mercats Financers 1. Gestió del risc d’una opció: les gregues. Les gregues mesuren la sensibilitat del preu de l’opció a les variacions de les variables que afecten al seu valor. D’aquesta manera es pot quantificar l’efecte que té cadascuna d’elles i decidir de quines cal gestionar el risc. De totes les variables i paràmetres, l’strike i la data de venciment queden fixats a l’inici i es mantenen constants durant la vida de l’opció. 7
  • 8. Tècniques quantitatives pels Mercats Financers 1. Gestió del risc d’una opció: les gregues. 8
  • 9. Tècniques quantitatives pels Mercats Financers 1. Gestió del risc d’una opció: la delta. La delta mesura la sensibilitat del preu de l’opció a canvis en el preu del subjacent. Si denominem D al preu del derivat, la delta és de la forma Per a opcions plain vanilla: 9
  • 10. Tècniques quantitatives pels Mercats Financers 1. Gestió del risc d’una opció: la delta. 10
  • 11. Tècniques quantitatives pels Mercats Financers 1. Gestió del risc d’una opció: la delta. La delta indica la quantitat de subjacent que cal tenir en una cartera replicant. Proporciona una aproximació lineal (en funció del preu del subjacent) al preu de l’opció 11
  • 12. Tècniques quantitatives pels Mercats Financers 1. Gestió del risc d’una opció: la delta. Tot i així, el valor d’un derivat no és lineal en el preu del subjacent, fet pel qual l’aproximació és més inexacta com major és la variació . Això també fa que el valor de delta canviï quan ho fa el preu del subjacent o el temps. Per tant, el nombre d’accions que cal tenir en cartera per replicar el derivat no és constant. 12
  • 13. Tècniques quantitatives pels Mercats Financers 1. Gestió del risc d’una opció: la gamma. Per tant la delta (que ens marca la quantitat de subjacent necessari per a fer la cobertura) resulta ser una sensibilitat molt important i ens interessa conèixer-ne la seva sensibilitat respecte l’evolució del subjacent. O sigui, ens interessa saber com i quant variarà la quantitat de subjacent en cartera si ho fa el preu del subjacent. Aquesta sensibilitat es la que s’anomena Gamma: 13
  • 14. Tècniques quantitatives pels Mercats Financers 1. Gestió del risc d’una opció: la gamma. El signe de la gamma ens indicarà si haurem de comprar més subjacent quan el preu d’aquest augmenti o si n’haurem de comprar quan disminueixi (a l’inversa per a la venda de subjacent). Una gamma elevada ens indica que la quantitat de subjacent en cartera variarà més quan ho faci el preu del subjacent, mentre que una gamma reduïda ens indica que no caldrà variar gaire la quantitat de subjacent en cartera. 14
  • 15. Tècniques quantitatives pels Mercats Financers 1. Gestió del risc d’una opció: la gamma. Per opcions plain vanilla tenim que la gamma és la mateixa per calls i puts, i és de la forma amb Igual que la delta, varia segons l’evolució de la resta de variables. 15
  • 16. Tècniques quantitatives pels Mercats Financers 1. Gestió del risc d’una opció: la gamma. 16
  • 17. Tècniques quantitatives pels Mercats Financers 1. Gestió del risc d’una opció: la gamma. Usant la gamma s’aconsegueix una millor aproximació de les variacions del preu de l’opció segons les del preu del subjacent. 17
  • 18. Tècniques quantitatives pels Mercats Financers 1. Gestió del risc d’una opció: la gamma. A diferència de la delta, la gamma no es pot cobrir comprant o venent subjacent. Si es vol tenir una posició reduïda en gamma cal usar altres opcions. A la pràctica s’usen combinacions d’opcions cotitzades en mercats organitzats per neutralitzar la gamma de les opcions que es desitja cobrir. Tot i així, la poca liquiditat del mercat d’opcions fa que la cobertura de gamma no sigui tant dinàmica com pot ser la cobertura delta. 18
  • 19. Tècniques quantitatives pels Mercats Financers 1. Gestió del risc d’una opció: la vega. Tot i que en el model de valoració de Black-Scholes se suposa la volatilitat constant, sabem que també varia en el temps i segons el valor del subjacent. La sensibilitat d’una opció a canvis en la volatilitat s’anomena vega, i per a les opcions plain vanilla coincideix i és de la forma 19
  • 20. Tècniques quantitatives pels Mercats Financers 1. Gestió del risc d’una opció: la vega. 20
  • 21. Tècniques quantitatives pels Mercats Financers 1. Gestió del risc d’una opció: la vega. En moltes opcions la vega resulta ser molt important ja que l’exposició a canvis en la volatilitat pot ser molt elevada. En les opcions plain vanilla, el preu resulta ser molt sensible al valor de volatilitat usat. Preu d'una Vainilla segons la Volatilitat (S=10, K = 10, r= 4%, q= 0%, T=1) Preu Call Preu Put 3 2,5 Preu 2 1,5 1 0,5 0 5% 10% 15% 20% 25% 30% 35% 40% 45% 50% 55% 60% Volatilitat 21
  • 22. Tècniques quantitatives pels Mercats Financers 1. Gestió del risc d’una opció: la vega. Preus i Volatilitat Implícita 22
  • 23. Tècniques quantitatives pels Mercats Financers 1. Gestió del risc d’una opció: la vega. Per tant, durant la vida de l’opció, els canvis en la volatilitat provocaran canvis en la seva valoració a més dels provocats pels canvis en les altres variables. Aquests canvis de volatilitat serien canvis en la volatilitat implícita. Si l’opció es manté fins al venciment, els canvis en la valoració no acaben important ja que el valor del payoff és independent de la volatilitat. El que sí que importa més són els canvis en la volatilitat realitzada que pot afectar a la cobertura delta/gamma. 23
  • 24. Tècniques quantitatives pels Mercats Financers 1. Gestió del risc d’una opció: la vega. 24
  • 25. Tècniques quantitatives pels Mercats Financers 1. Gestió del risc d’una opció: la vega. Els diferents nivells de volatilitat fan variar més o menys la gamma i per tant, fan que la cobertura a canvis en el subjacent sigui diferent. Que el preu de l’opció (plain vanilla) sigui superior quan augmenta la volatilitat és un dels factors que fa que els nivells implícits tendeixin a ser superiors als nivells realitzats. D’aquesta manera s’evita haver de fer la cobertura de la vega, tot i que podria ser coberta, igual que la gamma, usant combinacions d’opcions cotitzades; o mitjançant altres instruments més sofisticats com Variance Swaps. 25
  • 26. Tècniques quantitatives pels Mercats Financers 1. Gestió del risc d’una opció: la theta. Hem vist que el preu d’un derivat depèn també del temps. La sensibilitat al pas del temps s’anomena Theta: I per a les opcions plain vanilla és de la forma: 26
  • 27. Tècniques quantitatives pels Mercats Financers 1. Gestió del risc d’una opció: la theta. 27
  • 28. Tècniques quantitatives pels Mercats Financers 1. Gestió del risc d’una opció: la rho i la phi. Igual que la volatilitat, tot i que en el model de BlackScholes es suposa un tipus d’interès lliure de risc fix durant la vida de l’opció, a la pràctica no ho és. El mateix passa amb la rendibilitat als dividends considerats. La sensibilitat als tipus d’interès s’anomena rho i la sensibilitat als dividends (o dividend yield) s’acostuma a anomenar phi. Tot i així, per a opcions plain vanilla no resulten ser molt importants i sovint no se’n realitza la cobertura, que es podria fer utilitzant instruments de renda fixa com Swaps de tipus d’interès o Dividend Swaps. 28
  • 29. Tècniques quantitatives pels Mercats Financers 1. Gestió del risc d’una opció: la rho i la phi. L’expressió per a la rho de les opcions plain vanilla és I la de phi és 29
  • 30. Tècniques quantitatives pels Mercats Financers 1. Gestió del risc d’una opció: la rho i la phi. 30
  • 31. Tècniques quantitatives pels Mercats Financers 2. Gestió d’un Llibre de Derivats: Valoració i Cobertura teòrica d’straddles Com s’ha dit, la volatilitat realitzada en fer la cobertura afecta al valor de gamma (i per tant, de delta). Suposem que volem fer la cobertura delta de 100 straddles (call+put ATM) amb strike 10, tipus d’interès lliure de risc del 4%, volatilitat del 20%, sense dividends i amb un venciment a 20 dies. Generant una mostra d’evolució de preus durant els 20 dies amb una volatilitat del 20% i realitzant la cobertura delta una vegada cada dia s’obté un P&L gairebé nul. 31
  • 32. Tècniques quantitatives pels Mercats Financers 2. Dia 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 TOTAL Gestió d’un Llibre de Derivats: Valoració i Cobertura teòrica d’straddles Spot 10,00 9,82 9,74 9,82 9,78 9,75 9,65 9,66 9,58 9,57 9,59 9,55 9,34 9,32 9,41 9,55 9,52 9,50 9,50 9,59 9,56 Preu Straddles -37,39 -38,14 -40,18 -36,52 -37,00 -37,39 -41,70 -40,62 -45,20 -45,65 -43,75 -46,04 -65,11 -67,29 -58,70 -45,22 -47,94 -49,48 -49,90 -40,81 -44,38 P&L opció -0,75 -2,04 3,66 -0,48 -0,39 -4,31 1,08 -4,58 -0,45 1,89 -2,29 -19,07 -2,18 8,59 13,48 -2,72 -1,54 -0,42 9,09 -3,57 -6,99 Delta 5,37 -25,23 -40,65 -28,12 -36,69 -43,47 -60,70 -61,74 -74,21 -77,91 -78,22 -84,33 -97,57 -98,75 -98,08 -94,84 -98,02 -99,47 -99,94 -99,99 -100,00 d1 0,07 -0,32 -0,53 -0,36 -0,48 -0,58 -0,85 -0,87 -1,13 -1,22 -1,23 -1,42 -2,25 -2,50 -2,34 -1,95 -2,33 -2,79 -3,45 -3,97 P&L accions -0,94 2,19 -3,31 1,18 1,13 4,21 -0,39 4,70 0,93 -1,39 2,64 17,57 2,15 -8,64 -13,60 2,77 1,51 0,34 -9,19 3,47 7,35 P&L 0,00 -1,69 0,15 0,35 0,70 0,75 -0,10 0,69 0,12 0,49 0,50 0,35 -1,50 -0,03 -0,05 -0,12 0,05 -0,03 -0,08 -0,10 -0,10 Bo -16,33 284,34 434,53 311,51 395,34 461,45 627,83 637,85 757,43 792,90 795,93 854,43 978,18 989,32 983,07 952,29 982,64 996,54 1001,15 1001,74 1001,92 Finançament -0,00179 0,03116 0,04762 0,03414 0,04332 0,05057 0,06880 0,06990 0,08301 0,08689 0,08723 0,09364 0,10720 0,10842 0,10773 0,10436 0,10769 0,10921 0,10972 0,10978 0,10980 P&L Acumulat 0,00 -1,69 -1,51 -1,12 -0,38 0,41 0,36 1,12 1,32 1,88 2,47 2,91 1,50 1,58 1,64 1,64 1,79 1,87 1,90 1,91 1,92 1,66839 1,92 32
  • 33. Tècniques quantitatives pels Mercats Financers Distribució de resultats a partir de 100 simulacions amb volatilitat implícita 20% i volatilitat realitzada 20%. El valor mig del P&L està a l’entorn dels 0€. 33
  • 34. Tècniques quantitatives pels Mercats Financers 2. Gestió d’un Llibre de Derivats: Valoració i Cobertura teòrica d’straddles En canvi, si la volatilitat realitzada és superior a la implícita s’obtenen pèrdues majors. Amb una volatilitat realitzada del 30% obtindríem: Dia 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 TOTAL Spot 10,00 9,74 9,61 9,73 9,66 9,62 9,47 9,48 9,37 9,35 9,38 9,33 9,02 8,99 9,11 9,32 9,27 9,25 9,24 9,38 9,32 Preu Straddles -37,39 -40,98 -46,77 -39,83 -42,22 -44,33 -54,36 -53,30 -62,93 -64,60 -62,11 -66,87 -97,10 -100,47 -87,98 -67,97 -72,40 -74,85 -75,53 -62,28 -67,55 P&L opció -3,59 -5,79 6,94 -2,39 -2,11 -10,03 1,06 -9,63 -1,67 2,49 -4,76 -30,23 -3,37 12,49 20,01 -4,44 -2,44 -0,69 13,26 -5,27 -30,16 Delta 5,37 -39,50 -59,72 -43,63 -54,96 -63,34 -81,44 -82,42 -91,88 -94,06 -94,26 -97,07 -99,94 -99,98 -99,96 -99,72 -99,96 -100,00 -100,00 -100,00 -100,00 d1 0,07 -0,52 -0,84 -0,58 -0,76 -0,90 -1,32 -1,35 -1,74 -1,89 -1,90 -2,18 -3,44 -3,81 -3,58 -3,00 -3,58 -4,28 -5,30 -6,14 P&L accions -1,41 5,12 -7,16 2,76 2,57 9,12 -0,70 9,30 1,78 -2,38 4,75 29,53 3,27 -12,59 -20,12 4,34 2,34 0,58 -13,36 5,17 22,90 P&L 0,00 -5,00 -0,67 -0,22 0,37 0,46 -0,90 0,36 -0,33 0,11 0,11 -0,01 -0,70 -0,10 -0,10 -0,11 -0,10 -0,10 -0,10 -0,10 -0,10 Bo -16,33 420,59 614,94 458,46 568,06 648,69 820,25 829,64 918,30 938,80 940,78 967,08 993,05 993,57 993,50 991,39 993,72 994,13 994,27 994,38 994,50 Finançament -0,00179 0,04609 0,06739 0,05024 0,06225 0,07109 0,08989 0,09092 0,10064 0,10288 0,10310 0,10598 0,10883 0,10888 0,10888 0,10865 0,10890 0,10895 0,10896 0,10897 0,10899 P&L Acumulat 0,00 -5,00 -5,63 -5,78 -5,36 -4,84 -5,67 -5,22 -5,46 -5,25 -5,04 -4,96 -5,55 -5,54 -5,53 -5,54 -5,53 -5,52 -5,51 -5,51 -5,50 1,86869 -5,50 34
  • 35. Tècniques quantitatives pels Mercats Financers Distribució de resultats a partir de 100 simulacions amb volatilitat implícita 20% i volatilitat realitzada 30%. El valor mig del P&L està a l’entorn dels -20€. 35
  • 36. Tècniques quantitatives pels Mercats Financers 2. Gestió d’un Llibre de Derivats: Valoració i Cobertura teòrica d’straddles I amb una volatilitat realitzada del 10%: Dia 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 TOTAL Spot 10,00 9,91 9,87 9,91 9,89 9,88 9,83 9,83 9,79 9,79 9,80 9,78 9,67 9,66 9,71 9,78 9,77 9,76 9,76 9,81 9,79 Preu Straddles -37,39 -36,61 -36,28 -34,72 -34,00 -33,27 -33,48 -32,36 -32,72 -31,97 -30,53 -30,25 -35,88 -35,99 -31,80 -25,87 -25,76 -25,34 -24,64 -19,60 -21,17 P&L opció 0,78 0,33 1,56 0,71 0,74 -0,22 1,12 -0,36 0,75 1,45 0,27 -5,63 -0,11 4,19 5,93 0,11 0,42 0,70 5,04 -1,56 16,22 Delta 5,37 -10,08 -18,36 -11,50 -16,05 -19,78 -30,28 -30,90 -40,06 -43,15 -43,32 -49,25 -71,91 -76,94 -73,58 -63,96 -72,87 -81,32 -89,80 -93,74 -100,00 d1 0,07 -0,13 -0,23 -0,14 -0,20 -0,25 -0,39 -0,40 -0,53 -0,57 -0,57 -0,66 -1,08 -1,20 -1,12 -0,91 -1,10 -1,32 -1,64 -1,86 P&L accions -0,47 0,44 -0,77 0,24 0,24 0,96 -0,12 1,18 0,23 -0,42 0,72 5,25 0,78 -3,53 -5,29 0,92 0,53 0,09 -4,29 1,60 -1,71 P&L 0,00 0,31 0,77 0,79 0,95 0,98 0,75 1,00 0,82 0,98 1,03 0,99 -0,37 0,67 0,66 0,64 1,03 0,95 0,79 0,75 0,04 Bo -16,33 136,88 218,59 150,57 195,61 232,46 335,72 341,78 431,59 461,83 463,52 521,61 740,89 789,56 756,98 662,98 750,06 832,64 915,50 954,18 1015,60 Finançament -0,00179 0,01500 0,02396 0,01650 0,02144 0,02548 0,03679 0,03746 0,04730 0,05061 0,05080 0,05716 0,08119 0,08653 0,08296 0,07266 0,08220 0,09125 0,10033 0,10457 0,11130 P&L Acumulat 0,00 0,31 1,09 1,91 2,87 3,87 4,64 5,68 6,54 7,57 8,64 9,69 9,37 10,12 10,86 11,59 12,69 13,72 14,60 15,45 15,60 1,19367 15,60 36
  • 37. Tècniques quantitatives pels Mercats Financers Distribució de resultats a partir de 100 simulacions amb volatilitat implícita 20% i volatilitat realitzada 10%. El valor mig del P&L està a l’entorn dels +19€. 37
  • 38. Tècniques quantitatives pels Mercats Financers 2. Gestió d’un Llibre de Derivats: Valoració i Cobertura teòrica d’straddles I la volatilitat realitzada pot variar tant? Sí! Volatilitat Realitzada i Volatilitat Implícita 38
  • 39. Tècniques quantitatives pels Mercats Financers 2. Gestió d’un Llibre de Derivats: Imputs de Mercat la volatilitat Segons els tipus de subjacent, la volatilitat implícita que usem per valorar l’aconseguim de formes molt diferents. En els Mercats Organitzats (ex: Equity) tenim opcions vainilla amb diversos venciments i strikes. Tenint la resta de variables només ens falta la volatilitat. Aquesta l’aconseguim buscant la volatilitat implícita que ens iguala el preu. Ull!! Les opcions sobre accions són americanes i les opcions sobre índexs son europees. En mercats OTC (Over-The-Counter) no tenim aquestes opcions coitzades per tant hem d’aconseguir les volatilitats d’altres formes. Per exemple en FX s’usa el Risk Reversal i el Butterfly, i en Tipus d’interès s’usa el Capstrapping. 39
  • 40. Tècniques quantitatives pels Mercats Financers 2. Gestió d’un Llibre de Derivats: Imputs de Mercat la volatilitat Nivells de Volatilitat de l’Eurodòlar 40
  • 41. Tècniques quantitatives pels Mercats Financers 2. Gestió d’un Llibre de Derivats: Imputs de Mercat la volatilitat Nivells de Volatilitat de l’Euribor6M 41
  • 42. Tècniques quantitatives pels Mercats Financers 2. Gestió d’un Llibre de Derivats: Imputs de Mercat la correlació Tal com passa amb la volatilitat, la correlació histórica no ens serveix per valorar i necessitem una correlació implícita per donar preus correctes. En aquest cas no tenim opcions a mercat organitzat, per tant les correlacions implícites s'han de treure d'opcions OTC. Si algú ens dongués un preu sobre una opció sobre dos actius i tenim totes les dades de mercat necessàries (preus, volatilitats, dividents, tipus d'interés...) i a sobre, sabem valorar l'opció, aleshores podem trobar una correlació implícita que iguala el preu. Sembla massa fàcil... 42
  • 43. Tècniques quantitatives pels Mercats Financers 2. Gestió d’un Llibre de Derivats: Imputs de Mercat la correlació Correlació històrica entre UG FP i ITX SM Correlació històrica entre Eurodòlar i WTI (petroli) 43
  • 44. Tècniques quantitatives pels Mercats Financers 2. Gestió d’un Llibre de Derivats: Imputs de Mercat els dividends discrets En Equity a més a més, tenim un altre problema: els dividends. En el model de Black-Scholes es dóna per fet que els dividends s'expressen com un rendiment constant de l'actiu i que aquest a més és en espècie. A l'hora de la veritat els dividends són discrets i generalment en una quantitat en euros, que generalment no coincideix amb el que s'havia pagat l'any anterior Així doncs, també hem d'obtenir un valor implícit dels dividends a mercat. Per això tenim els dividend swaps o els futurs de dividends. 44
  • 45. Tècniques quantitatives pels Mercats Financers 2. Gestió d’un Llibre de Derivats: Imputs de Mercat els dividends discrets A l’esquerra: Índex de dividends pel 2014 de l’índex FTSE100 (UK) A la dreta: Índex de dividends pel 2014 de l’índex Eurostoxx50 (Euro) 45
  • 46. Tècniques quantitatives pels Mercats Financers A l’esquerra: Índex de dividends pel 2014 del BBVA A la dreta: Índex de dividends pel 2014 de Telefónica En els dos casos es pot observar que els moviments del preu són més marcats que en els índexs FTSE100 o Eurostoxx50 degut a la poca liquiditat 46
  • 47. Tècniques quantitatives pels Mercats Financers 2. Gestió d’un Llibre de Derivats: Problemes reals Problemes entre la teoria i la pràctica: - Diferència entre la oferta i la demanda - Comisions de mercat i/o de brokeratge - Liquidesa i profunditat de mercat - Col·lateralització - Bases - etc. 47
  • 48. Tècniques quantitatives pels Mercats Financers 2. Gestió d’un Llibre de Derivats: Problemes reals Liquidesa i profunditat del futur de l’Euribor3M Mar09 48
  • 49. Tècniques quantitatives pels Mercats Financers 2. Gestió d’un Llibre de Derivats: Problemes reals Liquidesa i profunditat de la Call 98 de l’Euribor3M Mar09 49
  • 50. Tècniques quantitatives pels Mercats Financers 2. Gestió d’un Llibre de Derivats: Problemes reals Diferència entre l’oferta i la demanda, accentuada a major nominal 50