Valuación de Opciones Europeas con el Modelo de Heston utilizando Métodos de Diferencias Finitas
•
1 recomendación•554 vistas
Presentación de mi tesis de maestría en Finanzas Cuantitativas de la Universidad Anáhuac.
Recomendados
Más contenido relacionado
La actualidad más candente
La actualidad más candente (20)
Destacado
Destacado (20)
Similar a Valuación de Opciones Europeas con el Modelo de Heston utilizando Métodos de Diferencias Finitas
Similar a Valuación de Opciones Europeas con el Modelo de Heston utilizando Métodos de Diferencias Finitas (20)
Más de David Solis
Más de David Solis (20)
Último
Último (20)
Valuación de Opciones Europeas con el Modelo de Heston utilizando Métodos de Diferencias Finitas
- 1. Valuación de Opciones Europeas con el Modelo de Heston utilizando Métodos de Diferencias Finitas David Solís Maestría en Finanzas Cuantitativas Examen Final de Posgrado
- 2. IF I CAN TAKE IT, I CAN MAKE IT. Louis Zamperin
- 4. Introducción
- 5. Objetivo del Trabajo Este trabajo tiene el objetivo de fungir como una prueba de concepto para demostrar que hay alternativas de por lo menos igual calidad a productos comerciales de muy alto costo y la oportunidad que representa la implementación de algoritmos para problemas no contemplados por estos productos. Nuestra primera hipótesis es que se puede robustecer el método ponderado o método θ utilizando una malla no uniforme. La segunda hipótesis es que para la PDE de Heston, el esquema implícito de direcciones alternadas (ADI por las siglas en inglés de alternating direction implicit) es una mejor alternativa al método θ. La tercera hipótesis es que para este tipo de PDEs, los métodos de diferencias finitas son una mejor opción a una solución basada en simulación de Monte Carlo. 5
- 11. PDE de Heston Dependiente del tiempo 7
- 12. PDE de Heston Segundo orden 7
- 15. PDE de Heston Reacción (factor de descuento) 7
- 16. PDE de Heston Término derivado mixto 7
- 17. PDE de Heston L es un operador 8
- 18. PDE de Heston Condiciones de Frontera 9
- 19. PDE de Heston Condiciones de Frontera Valor al vencimiento 9 La función no está acotada
- 20. PDE de Heston Condiciones de Frontera Precio del subyacente = 0 9
- 21. PDE de Heston Condiciones de Frontera A medida que aumenta el precio de la acción, la delta se acerca a 1 9
- 22. PDE de Heston Condiciones de Frontera Conforme la volatilidad aumenta, la opción de compra se acerca al precio de la acción 9
- 23. PDE de Heston Condiciones de Frontera 9 Es necesario encontrar las cotas superiores para S y v.
- 25. Representación de la Solución de PDEs x1 t1 ),( 11 txT T=3.5 T=5.2 Diferentes curvas son usadas para diferentes valores de una de las variables independientes Una gráfica en 3 dimensiones de la función T(x, t) Los ejes representan las variables independientes. Los valores de la función se muestran en los puntos de la malla. 11
- 26. Método de Líneas ‣ Dividir el intervalo x en sub intervalos cada uno de longitud h ‣ Dividir el intervalo t en sub intervalos cada uno de longitud k ‣ Se usa una malla de puntos para la solución de diferencias finitas ‣ Uij representa U(xi, tj) ‣ Se reemplazan las derivadas por las fórmulas de diferencias finitas t x 12
- 27. Construcción de Mallas Mallas Uniformes 13
- 28. Construcción de Mallas Mallas Uniformes Discretización 13
- 29. Construcción de Mallas Mallas no Uniformes 14
- 30. Construcción de Mallas Mallas no Uniformes 15
- 31. Construcción de Mallas Mallas no Uniformes - Implementación en R 16 Dimensión S
- 32. Construcción de Mallas Mallas no Uniformes - Implementación en R 16 Dimensión v
- 33. Construcción de Mallas Mallas no Uniformes 17
- 34. Construcción de Mallas Mallas no Uniformes Más fina alrededor del 0 17
- 35. Construcción de Mallas Mallas no Uniformes Más fina alrededor del precio de ejercicio 17
- 36. Construcción de Mallas Mallas no Uniformes 17
- 37. Aproximación en Diferencias Finitas Derivadas de Primer Orden Mallas no uniformes Mallas uniformes 18
- 38. Aproximación en Diferencias Finitas Derivadas de Segundo Orden Mallas no uniformes 19
- 39. Aproximación en Diferencias Finitas Derivadas de Segundo Orden Mallas uniformes 20
- 40. Aproximación en Diferencias Finitas Derivada Mixta Mallas no uniformes Mallas uniformes 21
- 41. Aproximación en Diferencias Finitas Derivada Mixta Coeficientes 22
- 42. Método Ponderado v S t NS NV NT * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * ! " # # # # # # # # # # # # # # # # # # # # $ % & & & & & & & & & & & & & & & & & & & & N×N NS NV N = (NS + 1) × (NV + 1) 0 23
- 43. Método Ponderado Definido por la relación 24
- 44. Método Ponderado Definido por la relación El valor de θ determina el esquema 24
- 45. Método ADI Idea Principal - Descomponer L en 3 matrices donde dado 25
- 46. Método ADI Idea Principal - Descomponer L en 3 matrices donde dado 25 Derivada mixta totalmente explícita
- 47. Método ADI Idea Principal - Descomponer L en 3 matrices donde dado 25 Dirección S implícita Derivada mixta totalmente explícita
- 48. Método ADI Idea Principal - Descomponer L en 3 matrices donde dado 25 Dirección S implícita Dirección v implícita Derivada mixta totalmente explícita
- 49. Método ADI Idea Principal - Descomponer L en 3 matrices donde dado Ciertos componentes son tratados explícita y otros implícitamente 25 Dirección S implícita Dirección v implícita Derivada mixta totalmente explícita
- 50. Método ADI Esquemas Un paso predictor hacia adelante es seguido por dos pasos implícitos correctores de una sola dirección, cuyo propósito es estabilizar el paso predictor. 26
- 51. Método ADI Esquemas Un paso predictor hacia adelante es seguido por dos pasos implícitos correctores de una sola dirección, cuyo propósito es estabilizar el paso predictor. El parámetro θ controla la ponderación, de manera similar al método ponderado. θ = 0 para el esquema explícito, θ = 0.5 para Crank- Nicolson y θ = 1 para el esquema implícito. 26
- 52. Método ADI Esquemas Un paso predictor hacia adelante es seguido por dos pasos implícitos correctores de una sola dirección, cuyo propósito es estabilizar el paso predictor. Extensión al esquema D o u g l a s . R e a l i z a u n segundo paso predictor seguido por dos pasos correctores de una sola dirección. El parámetro θ controla la ponderación, de manera similar al método ponderado. θ = 0 para el esquema explícito, θ = 0.5 para Crank- Nicolson y θ = 1 para el esquema implícito. 26
- 53. Método ADI Ejemplos de Esquemas Extensión al esquema Douglas. Diseñado para la solución numérica de e c u a c i o n e s d e c o n v e c c i ó n - d i f u s i ó n - reacción que surgen en química atmosférica. 27
- 54. Método ADI Ejemplos de Esquemas Extensión al esquema Douglas. Diseñado para la solución numérica de e c u a c i o n e s d e c o n v e c c i ó n - d i f u s i ó n - reacción que surgen en química atmosférica. Extensión al esquema D o u g l a s . T i e n e m á s libertad en la elección de θ e n c o m p a r a c i ó n a l esquema CS. 27
- 56. Diseño de las Pruebas 29
- 57. Diseño de las Pruebas De acuerdo con alcance Precisión y tiempo de CPU 29
- 58. Diseño de las Pruebas Comparación con valor teórico Precisión 29
- 59. Diseño de las Pruebas Validación de varias hipótesis Sentido práctico del método explícito Malla uniforme vs no uniforme Atributos superiores de métodos ADI Evaluación de métodos de diferencias finitas Estabilidad Convergencia Precisión Selección de método y esquema 29
- 60. Diseño de las Pruebas Evaluación del método seleccionado bajo varios escenarios 30
- 61. Diseño de las Pruebas Comparación contra otros métodos usando como referencia el método analítico Precisión Tiempo de CPU 30
- 62. Diseño de las Pruebas • Los escenarios empleados fueron los utilizados por algunos artículos donde comparan alternativas de soluciones. • Había varias alternativas para calcular la fórmula analítica, se evaluaron tres contra un precio teórico. • Se buscó un método Monte Carlo explícitamente diseñado para el modelo Heston, no se evaluaron alternativas. • No fue un proceso lineal. 31
- 63. Diseño de las Pruebas Conceptos Convergencia. Significa que la solución obtenida por el método de las diferencias finitas se aproxima a la verdadera solución cada vez que Δt y Δx se hacen más pequeñas. Estabilidad. Un algoritmo es estable si los errores en cada etapa no se magnifican a medida que el cómputo avanza 32
- 64. Diseño de las Pruebas Conceptos Si la condición 2κθ > σ2 se mantiene, e n t o n c e s l a t e n d e n c i a e s suficientemente grande para el proceso de la varianza para garantizar valores positivos que no llegan a cero. Esta condición se conoce como la condición de Feller, definida por: • Si q ≥ 0, entonces v = 0 es inalcanzable por el proceso de varianza Vt • Si q < 0, entonces v = 0 es alcanzable por el proceso de varianza Vt Para las pruebas de concepto se obtuvo el error absoluto del precio obtenido tomando como referencia el precio obtenido por el método analítico. Para las pruebas de tortura y el benchmark usamos la tasa del error relativo definido como 33
- 65. Método Analítico Formula explícita (semi-analítica) 34
- 66. Método Analítico Formula explícita (semi-analítica) 34 Implica resolver 2 integrales
- 67. Método Analítico Formula explícita (semi-analítica) 34 Implica resolver 2 integrales Tres alternativas: 1. FFT 2. Integral consolidada 3. Gauss-Laguerre
- 69. Método Analítico Los tres casos comparten los siguientes parámetros Escenario 35
- 70. Método Analítico Teórico Precio RPD Precio RPD Precio RPD Precio 70 47.1109 0.0867% 47.1516 0.0004% 47.1518 0.0001% 47.1518 80 40.7766 0.0582% 40.8002 0.0003% 40.8003 0.0001% 40.8003 90 34.9822 0.0205% 34.9893 0.0002% 34.9894 0.0001% 34.9894 100 29.7714 0.0574% 29.7542 0.0004% 29.7543 0.0001% 29.7543 110 25.1430 0.1516% 25.1049 0.0001% 25.1049 0.0002% 25.1049 120 21.0336 0.0163% 21.0302 0.0002% 21.0302 0.0001% 21.0302 130 17.5718 0.3986% 17.5019 0.0006% 17.5020 0.0002% 17.5020 K FFT Integral3Consolidada Gauss9Laguerre Caso 1 36
- 71. Método Analítico Teórico Precio RPD Precio RPD Precio RPD Precio 70 47.2307 0.1067% 47.2811 0.0003% 47.2812 0.0000% 47.2812 80 40.7226 0.0858% 40.7575 0.0003% 40.7576 0.0000% 40.7576 90 34.6669 0.0585% 34.6872 0.0001% 34.6872 0.0001% 34.6872 100 29.1352 0.0193% 29.1295 0.0004% 29.1296 0.0002% 29.1296 110 24.1673 0.1501% 24.1310 0.0002% 24.1311 0.0000% 24.1311 120 19.7250 0.0204% 19.7209 0.0003% 19.7210 0.0000% 19.7210 130 15.9921 0.5313% 15.9075 0.0007% 15.9076 0.0003% 15.9076 K FFT Integral3Consolidada Gauss9Laguerre Caso 2 36
- 72. Método Analítico Teórico Precio RPD Precio RPD Precio RPD Precio 70 47.1514 0.1273% 47.2114 0.0003% 47.2115 0.0000% 47.2115 80 40.4258 0.1157% 40.4725 0.0002% 40.4726 0.0000% 40.4726 90 34.0621 0.1039% 34.0974 0.0004% 34.0975 0.0001% 34.0975 100 28.1544 0.0299% 28.1628 0.0001% 28.1628 0.0001% 28.1628 110 22.7896 0.1586% 22.7534 0.0004% 22.7535 0.0002% 22.7535 120 17.9608 0.0296% 17.9554 0.0005% 17.9555 0.0003% 17.9555 130 13.9598 0.8458% 13.8426 0.0006% 13.8427 0.0002% 13.8427 K FFT Integral3Consolidada Gauss9Laguerre Caso 3 36
- 75. Pruebas de Concepto Escenario 37 Heurísticamente se encontró Smax = 30*K vmax = 15
- 76. Pruebas de Concepto Precio Error Precio Error Analítico 4.1078 4.1078 Explícito 4.1679 0.0601 4.1577 0.0499 Implícito 4.1023 ,0.0055 4.0901 ,0.0177 Crank4Nicolson 4.1350 0.0272 4.1241 0.0163 Uniforme No9uniforme Uniforme 940x409con9209 pasos No9uniforme 930x309con9209 pasos 38 Método θ
- 77. Pruebas de Concepto Precio Error Precio Error Analítico 4.1078 4.1078 Explícito 4.0543 )0.0535 4.1100 0.0022 Uniforme 380x403con33,0003 pasos No3uniforme 380x403con33,0003 pasos Precio Error Precio Error Analítico 4.1078 4.1078 Explícito 4.0542 )0.0536 4.1112 0.0034 Uniforme 380x403con3 10,0003pasos No3uniforme 380x403con3 10,0003pasos Precio Error Precio Error Analítico 4.1078 4.1078 Explícito 4.0504 (0.0574 4.0968 (0.011 No1uniforme 300x2001con1 10,0001pasos Uniforme 1300x2001con1 10,0001pasos 39 Método Explícito
- 78. Pruebas de Concepto Precio Error Precio Error Analítico 4.1078 4.1078 Explícito 4.0543 )0.0535 4.1100 0.0022 Uniforme 380x403con33,0003 pasos No3uniforme 380x403con33,0003 pasos Precio Error Precio Error Analítico 4.1078 4.1078 Explícito 4.0542 )0.0536 4.1112 0.0034 Uniforme 380x403con3 10,0003pasos No3uniforme 380x403con3 10,0003pasos Precio Error Precio Error Analítico 4.1078 4.1078 Explícito 4.0504 (0.0574 4.0968 (0.011 No1uniforme 300x2001con1 10,0001pasos Uniforme 1300x2001con1 10,0001pasos No se logró aumentar la precisión usando una malla no uniforme, ni aumentando el número de pasos, ni con una malla más grande. 39 Método Explícito
- 79. Pruebas de Concepto Malla uniforme 40x40x20 Precio Error Precio Error Precio Error Douglas 4.2133 0.1055 4.1042 (0.0036 4.1582 0.0504 C.S 4.1946 0.0868 4.0856 (0.0222 4.1395 0.0317 M.C.S 4.1363 0.0285 4.1360 0.0282 4.1395 0.0317 H.V 4.1363 0.0285 4.1357 0.0279 4.1395 0.0317 Esquema Explícito Implícito Crank=Nicolson Precio Error Precio Error Precio Error Douglas 4.1467 0.0389 4.0928 +0.0150 4.1197 0.0119 C.S 4.1400 0.0322 4.0864 +0.0214 4.1132 0.0054 M.C.S 4.1123 0.0045 4.1124 0.0046 4.1132 0.0054 H.V 4.1123 0.0045 4.1124 0.0046 4.1132 0.0054 Esquema Explícito Implícito Crank=Nicolson Malla no uniforme 20x20x10 40 Método ADI
- 80. Pruebas de Concepto Malla uniforme 40x40x20 Precio Error Precio Error Precio Error Douglas 4.2133 0.1055 4.1042 (0.0036 4.1582 0.0504 C.S 4.1946 0.0868 4.0856 (0.0222 4.1395 0.0317 M.C.S 4.1363 0.0285 4.1360 0.0282 4.1395 0.0317 H.V 4.1363 0.0285 4.1357 0.0279 4.1395 0.0317 Esquema Explícito Implícito Crank=Nicolson Precio Error Precio Error Precio Error Douglas 4.1467 0.0389 4.0928 +0.0150 4.1197 0.0119 C.S 4.1400 0.0322 4.0864 +0.0214 4.1132 0.0054 M.C.S 4.1123 0.0045 4.1124 0.0046 4.1132 0.0054 H.V 4.1123 0.0045 4.1124 0.0046 4.1132 0.0054 Esquema Explícito Implícito Crank=Nicolson Malla no uniforme 20x20x10 40 Método ADI
- 81. Pruebas de Concepto Malla no uniforme 40x40x20 Precio Error Precio Error Douglas 4.0897 '0.0181 4.1161 0.0083 C.S 4.0837 '0.0241 4.1105 0.0027 M.C.S 4.1094 0.0016 4.1105 0.0027 H.V 4.1094 0.0016 4.1105 0.0027 Esquema Implícito Crank<Nicolson 41 Método ADI
- 82. Pruebas de Concepto Malla no uniforme 40x40x20 Precio Error Precio Error Douglas 4.0897 '0.0181 4.1161 0.0083 C.S 4.0837 '0.0241 4.1105 0.0027 M.C.S 4.1094 0.0016 4.1105 0.0027 H.V 4.1094 0.0016 4.1105 0.0027 Esquema Implícito Crank<Nicolson El método explícito literalmente explotó en esta prueba. 41 Método ADI
- 85. Pruebas de Tortura Cercano a cero K=100 Escenario 42
- 86. Pruebas de Tortura Poco usual para FX K=100 Escenario 42
- 88. Pruebas de Tortura NS NV NT Caso)1 Caso)2 Caso)3 Caso)4 50 25 25 0.064% 0.041% 0.440% 0.032% 100 50 50 0.006% 0.068% 0.095% 0.006% 200 100 100 0.035% 0.060% 0.004% 0.001% 400 200 200 0.043% 0.059% 0.007% 0.000% 0.02 0.11 0.99 4.83CPU0seg Precisiones del orden de las diez milésimas con buenos tiempos de ejecución Esquema MCS con θ = 1/3 44 Método ADI
- 89. Benchmark Analítico Precio RPD CPU1seg Precio RPD CPU1seg Precio 70 47.1674 0.033% 21.60 47.1513 0.001% 0.96 47.1518 80 40.8645 0.157% 18.40 40.7999 0.001% 0.96 40.8003 90 35.0029 0.039% 17.60 34.9892 0.001% 0.95 34.9894 100 29.7270 0.091% 18.60 29.7544 0.000% 0.96 29.7543 110 25.0654 0.158% 17.70 25.1051 0.001% 0.96 25.1049 120 21.0669 0.174% 17.80 21.0309 0.003% 0.93 21.0302 130 17.5176 0.089% 17.80 17.5029 0.005% 0.91 17.5020 K QE MCS Caso 1 Quadratic Exponential 300,000x64 vs ADI MCS con θ = 1/3, malla no uniforme 200x100x100 Se utilizó el escenario empleado en la selección del método analítico 45
- 90. Benchmark Analítico Precio RPD CPU1seg Precio RPD CPU1seg Precio 70 47.4011 0.254% 18.80 47.2808 0.001% 0.93 47.2812 80 40.8161 0.144% 18.40 40.7574 0.001% 0.94 40.7576 90 34.6617 0.074% 17.90 34.6870 0.001% 0.95 34.6872 100 29.0610 0.235% 18.00 29.1296 0.000% 0.95 29.1296 110 24.1711 0.166% 17.80 24.1311 0.000% 0.96 24.1311 120 19.6759 0.229% 18.60 19.7214 0.002% 0.93 19.7210 130 15.9163 0.055% 18.10 15.9082 0.004% 0.94 15.9076 K QE MCS Caso 2 Quadratic Exponential 300,000x64 vs ADI MCS con θ = 1/3, malla no uniforme 200x100x100 Se utilizó el escenario empleado en la selección del método analítico 45
- 91. Benchmark Analítico Precio RPD CPU1seg Precio RPD CPU1seg Precio 70 47.2285 0.036% 20.00 47.2113 0.000% 0.95 47.2115 80 40.5354 0.155% 18.90 40.4725 0.000% 0.94 40.4726 90 34.1952 0.287% 18.90 34.0973 0.000% 0.95 34.0975 100 28.1339 0.103% 18.80 28.1628 0.000% 0.96 28.1628 110 22.8310 0.341% 18.80 22.7531 0.002% 0.94 22.7535 120 17.8708 0.471% 18.90 17.9553 0.001% 0.94 17.9555 130 13.7921 0.366% 19.10 13.8426 0.000% 0.93 13.8427 K QE MCS Caso 3 Quadratic Exponential 300,000x64 vs ADI MCS con θ = 1/3, malla no uniforme 200x100x100 Se utilizó el escenario empleado en la selección del método analítico 45
- 92. Conclusiones
- 93. Conclusiones ‣ Acerca del método ponderado • Método iterativo con matrices dispersas. • Contempla los esquemas explícito, implícito y Crank-Nicolson por simple configuración del parámetro 𝜃. • El esquema explícito tiene problemas de convergencia y estabilidad. • Los esquemas implícito y Crank-Nicolson tienen propiedades superiores de estabilidad. • Ambos esquemas son prácticos cuando el número de puntos en la malla es moderado. • Una manera general de aumentar la eficiencia del método ponderado es utilizando una malla no uniforme que sea más fina alrededor del precio de ejercicio y cuando la volatilidad sea cercana a cero. 47
- 94. Conclusiones ‣ Acerca de los esquemas ADI • Método iterativo con matrices tridiagonales. • Un esquema ADI es especificado por el esquema en sí y por el valor del parámetro θ. • Son una buena alternativa para resolver problemas con condiciones de frontera y valores iniciales para dos o más dimensiones. • La implementación requiere resolver un sistema de ecuaciones tridiagonal. • Calcula resultados más precisos y requiere menos consumo de CPU que la simulación Monte Carlo. 48
- 95. Conclusiones Modelos Tipos*de*Opciones Pros Contras Diferencias Finitas Modelos'para'los'cuáles' existe'una'PDE'que' describe'el'precio'de'la' opción.' Europea Bermuda Americana Opciones'con'pago' dependiente'de'la' trayectoria 1.'Opciones'con'ejercicio'temprano:'americanas'o' bermudas 2.'Opciones''dependientes'de'la'trayectoria 3.'Permite'una'variedad'de'mallas'que'pueden'ser' especificas'a'la'opción'para'minimizar'la' propagación'de'errores 1.'Restringido'a'modelos'para'los'cuales'existe'una'PDE 2.'Difícil'de'usar'para'opciones'con'trayectorias'complejas 3.'Difícil'y'costoso'en'tiempo'de'CPU'para'PDEs'de'alta' dimensionalidad 4.'Puede'ser'sensible'a'ciertas'condiciones'de'frontera Simulación Monte*Carlo Modelos'que'pueden'ser' descritos'por'un'conjunto' de'variables'aleatorias'con' una'distribución'conocida Cualquier'tipo'de' opción'para'la'que' exista'una'función'de' precio 1.'Permite'calcular'el'precio'sobre'casi'cualquier' modelo 2.'Permite'calcular'el'precio'de'contratos'con' posiblemente'cualquier'función'de'pago 3.'Permite'el'cálculo'eficiente'de'precios'de' contratos'con'muchos'subyacentes 1.'Típicamente'el'método'más'caro'en'tiempo'de'CPU 49
- 96. Conclusiones Modelos Tipos*de*Opciones Pr Diferencias Finitas Modelos'para'los'cuáles' existe'una'PDE'que' describe'el'precio'de'la' opción.' Europea Bermuda Americana Opciones'con'pago' dependiente'de'la' trayectoria 1.'Opciones'con'ejercicio' bermudas 2.'Opciones''dependiente 3.'Permite'una'variedad'd especificas'a'la'opción'pa propagación'de'errores Simulación Monte*Carlo Modelos'que'pueden'ser' descritos'por'un'conjunto' de'variables'aleatorias'con' una'distribución'conocida Cualquier'tipo'de' opción'para'la'que' exista'una'función'de' precio 1.'Permite'calcular'el'prec modelo 2.'Permite'calcular'el'prec posiblemente'cualquier'fu 3.'Permite'el'cálculo'eficie contratos'con'muchos'sub 49
- 97. Conclusiones Modelos Tipos*de*Opciones Pros Contras Diferencias Finitas Modelos'para'los'cuáles' existe'una'PDE'que' describe'el'precio'de'la' opción.' Europea Bermuda Americana Opciones'con'pago' dependiente'de'la' trayectoria 1.'Opciones'con'ejercicio'temprano:'americanas'o' bermudas 2.'Opciones''dependientes'de'la'trayectoria 3.'Permite'una'variedad'de'mallas'que'pueden'ser' especificas'a'la'opción'para'minimizar'la' propagación'de'errores 1.'Restringido'a'modelos'para'los'cuales'existe'una'PDE 2.'Difícil'de'usar'para'opciones'con'trayectorias'complejas 3.'Difícil'y'costoso'en'tiempo'de'CPU'para'PDEs'de'alta' dimensionalidad 4.'Puede'ser'sensible'a'ciertas'condiciones'de'frontera Simulación Monte*Carlo Modelos'que'pueden'ser' descritos'por'un'conjunto' de'variables'aleatorias'con' una'distribución'conocida Cualquier'tipo'de' opción'para'la'que' exista'una'función'de' precio 1.'Permite'calcular'el'precio'sobre'casi'cualquier' modelo 2.'Permite'calcular'el'precio'de'contratos'con' posiblemente'cualquier'función'de'pago 3.'Permite'el'cálculo'eficiente'de'precios'de' contratos'con'muchos'subyacentes 1.'Típicamente'el'método'más'caro'en'tiempo'de'CPU 50
- 99. Conclusiones Modelos Tipos*de*Opciones Pros Contras Diferencias Finitas Modelos'para'los'cuáles' existe'una'PDE'que' describe'el'precio'de'la' opción.' Europea Bermuda Americana Opciones'con'pago' dependiente'de'la' trayectoria 1.'Opciones'con'ejercicio'temprano:'americanas'o' bermudas 2.'Opciones''dependientes'de'la'trayectoria 3.'Permite'una'variedad'de'mallas'que'pueden'ser' especificas'a'la'opción'para'minimizar'la' propagación'de'errores 1.'Restringido'a'modelos'para'los'cuales'existe'una'PDE 2.'Difícil'de'usar'para'opciones'con'trayectorias'complejas 3.'Difícil'y'costoso'en'tiempo'de'CPU'para'PDEs'de'alta' dimensionalidad 4.'Puede'ser'sensible'a'ciertas'condiciones'de'frontera Simulación Monte*Carlo Modelos'que'pueden'ser' descritos'por'un'conjunto' de'variables'aleatorias'con' una'distribución'conocida Cualquier'tipo'de' opción'para'la'que' exista'una'función'de' precio 1.'Permite'calcular'el'precio'sobre'casi'cualquier' modelo 2.'Permite'calcular'el'precio'de'contratos'con' posiblemente'cualquier'función'de'pago 3.'Permite'el'cálculo'eficiente'de'precios'de' contratos'con'muchos'subyacentes 1.'Típicamente'el'método'más'caro'en'tiempo'de'CPU 51
- 101. Conclusiones Extensiones ‣ Cálculo de varias griegas (de manera directa para Delta, Gama y Vega) ‣ Encontrar alternativas para comparar la valuación para otro tipo de derivados (opciones exóticas) donde no hay una fórmula analítica disponible ‣ Experimentar con PDE multidimensionales con términos derivados mixtos • Modelo híbrido tridimensional Heston-Hull-White, una extensión al modelo Heston con tasas de interés estocásticas ‣ Comparar los esquemas ADI contra otros esquemas de división puros • Pasos fraccionarios o métodos localmente unidimensionales (LOD) ‣ Ampliar el método de diferencias finitas para permitir modelos más sofisticados • Modelo de Heston con saltos en el subyacente. 52
- 102. Referencias
- 103. 54 Referencias 978-0-471-79251-2 978-0-471-19760-7 978-1-118-54825-7 978-3-642-05154-8 978-0-89871-534-7000-0-000-00000-0 978-0-470-68368-2 978-0-470-85882-0 978-0-521-79163-2 978-0-967-63720-4 978-0-967-63720-4978-0-123-75662-6
- 105. Retroalimentación
- 106. ¿Preguntas? ¿Más Información? David Solís dsolis@apache.org Mayo 2015
- 107. IT ALWAYS SEEMS IMPOSSIBLE UNTIL IT’S DONE. Nelson Mandela