Vous êtes sur la page 1sur 58

cap.

18/1/05

13:56

Pgina 269

Tcnicas
Cuantitativas
para el anlisis
de los mercados
El que no aplica nuevos remedios debe
esperar nuevos males: porque el tiempo es el
mximo innovador
Francis Bacon.

6.1. INTRODUCCIN
En el mundo actual, tan importante como conocer los diferentes mercados y los productos
que se negocian en ellos, es entender las diferentes tcnicas matemticas que permiten conocer la exposicin de una cartera al riesgo, o poder anticipar los rendimientos futuros de un
producto financiero con el objetivo de seleccionar una cartera que optimice la rentabilidad.
El presente captulo est orientado a dar a conocer alguna de las tcnicas matemticas ms utilizadas en la actualidad para el estudio de los mercados. En primer lugar, realizaremos una breve introduccin a los nmeros aleatorios, que son de vital importancia en las
predicciones de los mercados y constituyen la base de la simulacin de MonteCarlo, una tcnica ampliamente utilizada en diferentes disciplinas como las ingenieras, la fsica o la economa. Ciertamente, en los ltimos aos la simulacin de MonteCarlo ha pasado a ser la herramienta preferida por los analistas financieros, debido a su eficacia, su potencia de modelizacin
y su sencillez.
En el siguiente epgrafe trataremos del Valor en Riesgo, comnmente conocido como
el VaR. Hoy en da, el VaR se considera una herramienta estandarizada para el clculo del
riesgo. El VaR muestra el valor de la mxima prdida que se puede obtener, para una probabilidad y un ndice de confianza dado. Su importancia viene acreditada por la recomendacin del Comit de Basilea II, en la que especifica que el clculo del riesgo para adecuar
el capital de una entidad financiera se debe realizar mediante tcnicas como el Valor en
Riesgo.

cap.6

18/1/05

13:56

Pgina 270

bolsa, mercados y tcnicas de inversin

-270-

Por ltimo, y como colofn de esta obra, desarrollaremos tres casos: uno con el ndice IBEX 35, otro con una cartera de bonos, y un tercero con bonos de cupn variable, tambin llamados FRN (Floating Rate Note). En los tres casos calcularemos el VaR y realizaremos una simulacin para determinar el precio esperado y la rentabilidad esperada.

6.2. LOS NMEROS ALEATORIOS


6.2.1. Las variables aleatorias
6.2.1.1. Las variables aleatorias discretas
Una variable se define como aleatoria discreta si puede tomar los valores x1, x2,, xN,
teniendo cada uno de estos valores una probabilidad asignada P1, P2,, PN. Podemos representar la variable aleatoria como:
=

1
p1

2
p2

...
...

N
pN

donde Pi son las probabilidades de que la variable tome el valor xi.


Estas probabilidades deben cumplir dos reglas:
1. Siempre denen ser positivas: P(x) >0
2. La suma de todas las probabilidades debe ser igual a la unidad:
N

P (xj) = 1
j=1

Como hemos visto en captulos anteriores, el clculo de la esperanza matemtica y de


la varianza es fundamental para determinar el rendimiento esperado y el riesgo de los productos financieros. Veamos con un ejemplo el clculo de la esperanza matemtica y de la
varianza de una variable aleatoria.
Definamos a la variable aleatoria X con la siguiente matriz:
X=

1/6 1/6 1/6 1/6 1/6 1/6

La variable x puede tomar los valores 1, 2, 3, 4, 5 y 6, y cada uno de los posibles valores que puede adoptar x tiene como probabilidad 1/6. La esperanza matemtica se calcula
como la suma ponderada por las probabilidades de los valores posibles; es decir:
6

E(X)= xj pj = 3,5
j=1

cap.6

18/1/05

13:56

Pgina 271

tcnicas cuantitativas para el anlisis de los mercados

-271-

La varianza se calcula como la suma de las diferencias cuadrticas de los valores respecto a su media, multiplicado por la probabilidad. Es decir:
6

2 = [xi E(xi)]2 pj = 2,917


j=1

6.2.1.2. Las variables aleatorias continuas


La variable es continua si puede tomar cualquier valor dentro del intervalo (a, b). Toda variable aleatoria continua queda definida si se da el intervalo (a, b) y la funcin de probabilidad P(x)
llamada funcin de densidad de la probabilidad de la variable aleatoria .
Tambin en este caso se deben cumplir las dos reglas anteriores:
1. Todas las probabilidades deben ser positivas: P(xi) > 0
2.La probabilidad de que la variable aleatoria est dentro del intervalo (a, b) debe ser
uno:
b'

P {a < < b} = p(x)dx = 1


a

Supongamos un intervalo (a, b) dentro del intervalo (a, b). La probabilidad de que la
variable aleatoria est comprendida dentro del intervalo (a, b) se calcula de la siguiente
manera:
b

P {a < < b} = p(x)dx


a

La probabilidad se calcula como la integral de la probabilidad definida en el intervalo


estudiado. Esta probabilidad se representa en la Figura 1.

Fig. 1. Probabilidad de que una variable aleatoria x est dentro del intervalo (a, b)

cap.6

18/1/05

13:56

Pgina 272

bolsa, mercados y tcnicas de inversin

-272-

La esperanza matemtica en el caso de las variables aleatorias continuas se resuelve


con la siguiente ecuacin:
b

E () = x p(x)dx
a

6.2.1.3. La variable aleatoria normal


La variable aleatoria normal est definida en el intervalo (- +) y tiene como funcin de densidad la siguiente:

P (x) =

(xa)2
22

donde:

a es un nmero que hace que la curva se desplace por el eje de abscisas;


modifica la forma de la curva

Fig. 2. Representacin de dos distribuciones normales, para diferentes valores de .


(Fuente: Elaboracin propia)

En la Figura 2 se pueden observar dos representaciones de la distribucin normal para


a = 0 y valores de sigma de 0,5 y 1. Vemos que, al tomar valores ms pequeos, la distribucin se apuntala tomando una forma ms crtica que para valores cercanos al uno. Recor-

cap.6

18/1/05

13:56

Pgina 273

tcnicas cuantitativas para el anlisis de los mercados

-273-

demos que el rea que encierra P(x) es igual a 1. Por tanto, al disminuir sigma aumenta el
mximo de la curva, pero se hace ms estrecha.
La esperanza matemtica de la normal es a, mientras que su varianza es el cuadrado
de sigma. Empricamente se demuestra que el 99,7% de toda la distribucin est dentro del
rango formado por la media, ms menos tres veces la desviacin tpica. Esto es lo que se
conoce como la regla de las tres sigmas.
Dicho de manera matemtica:
a+3

P(x)d = 0,997

a3

La conclusin de esta regla es evidente: es casi imposible conseguir un valor que


difiera de su media en ms de tres veces la desviacin tpica.

6.3. LA SIMULACIN
6.3.1. Introduccin
En 1903 naci en Budapest una de las ms brillantes mentes matemticas que ha vislumbrado el siglo XX: John Von Neuman. El joven John
(Janos en hngaro) destac en su infancia por ser un nio prodigio, con
una memoria asombrosa que le haca sobresalir en la escuela por encima de sus compaeros. Ya con cinco aos era capaz de realizar mentalmente operaciones con nmeros de ms de ocho cifras. De origen
aristocrtico, estudi en los mejores institutos de Hungra y destac en
matemticas, por lo que no fue sorprendente que acabase como profesor de matemticas aplicadas en la Universidad de Berln, cargo que ejerci desde 1927 hasta
1930. En esta fecha viaj como profesor invitado a la Universidad de Pricenton, en los Estados
Unidos y all decidi fijar su residencia cuando Hitler subi al poder en 1933. Tambin fue en este
momento cuando cambia su nombre, Janos, por la traduccin inglesa de John, nombre por el
que ha sido conocido posteriormente.
En Pricenton coincide con las mentes ms preclaras de las matemticas del siglo XX,
contactando con Albert Einstein y Alan Turing, entre otros. Amigo de la comunicacin, los que
le conocieron lo describen como una persona afable y brillante, con una mente muy rpida en
los anlisis, y siempre dispuesto a colaborar con otros investigadores, aunque su faceta ms
destacable es la curiosidad por lo nuevo. Hizo aportaciones a la mecnica cuntica, especialmente el concepto de anillos de operadores (actualmente conocido como lgebra de Neuman),
y es conocido tambin por su trabajo de iniciacin de las matemticas aplicadas, principalmente la estadstica y el anlisis numrico. Tambin destac en la termodinmica, la teora
de los ordenadores y la ciberntica. Invent el concepto de cerebro electrnico tomando el
relevo de la investigacin iniciada por Leibniz, Babbage, Ada Byron y Turing. En esta lnea,
mejor el primer ordenador digital del mundo, el ENAC y aport sus conocimientos para la
construccin del MANIAC, creando el concepto de programa o software. Pero su fama llegara a su apogeo en 1944 cuando publica junto con Oskar Morgenstern la Teora de Juegos.

cap.6

18/1/05

-274-

13:56

Pgina 274

bolsa, mercados y tcnicas de inversin

Es en 1940 cuando, junto con Stanislaw Ulam, matemtico de origen polaco, describe y pone nombre al mtodo de simulacin de MonteCarlo, con el fin de resolver ciertos problemas de proteccin nuclear que eran demasiado costoso para ser resueltos explcitamente, o demasiados complejos para ser tratados de forma analtica. El nombre fue elegido por
la similitud del proceso que ellos describan con los principios que rigen el casino de Mnaco.
John Von Neuman muere vctima del cncer en 1957, dejando un legado impresionante en
diversos campos de la ciencia, como la fsica y la informtica, sin olvidarnos de las aplicaciones de sus teoras en ciencias sociales como la Economa.

6.3.2. La generacin de nmeros aleatorios


Podemos definir la simulacin como una tcnica numrica para realizar experimentos. Para
llevarla a cabo se debe construir un modelo que ofrezca un resultado en funcin de unas variables. La ventaja de la simulacin reside en que se puede modificar cualquier valor del modelo
y observar el comportamiento del resultado ante estos cambios. La simulacin es un sustituto apropiado para la evaluacin matemtica de un modelo en muchas situaciones, y aunque
tambin involucra suposiciones, stas son tratables. El uso de la simulacin nos permite proporcionar una percepcin clara a ciertos problemas de toma de decisiones, donde la evaluacin matemtica de un modelo no es posible.
Hay que considerar la simulacin como una herramienta de investigacin que permite
conocer y analizar el comportamiento de un sistema. La simulacin comienza con la construccin de un modelo descriptivo del sistema real objeto de anlisis, para luego, durante el
proceso de anlisis, poder modificarlo para estudiar su comportamiento ante variaciones. La
simulacin es recomendable cuando la realidad representada es muy compleja, tiene variables no lineales, o alguna de stas son aleatorias.
La simulacin de modelos utiliza como herramienta principal los nmeros aleatorios distribuidos generalmente de manera uniforme, que toman valores entre 0 y 1. Desde hace tiempo,
los investigadores han ideado formas para generar nmeros aleatorios, como lanzar objetos de
un tamao determinado en un plano dividido horizontalmente con lneas y contar el nmero de
veces que el objeto pisaba una de estas lneas; incluso se construyeron ruletas mecnicas movidas por motor. El problema de todos estos sistemas mecnicos es la lentitud en la generacin de
los nmeros y la imposibilidad de repetir una serie grande de nmeros aleatorios.
Sea cual sea el procedimiento elegido para generar nmeros aleatorios, stos deben
enfrentarse a un test para certificar su bondad como nmero aleatorio. A modo de ejemplo, un
test que se puede aplicar en los nmeros aleatorios es contar el nmero de nmeros cero, uno,
dos, tres... hasta nuve que hay en el conjunto de nmeros aleatorios. Si son verdaderamente
aleatorios, tiene que existir una tendencia hacia la equidistribucin. Es decir, la cantidad de
nmeros cero, uno debe ser aproximadamente la misma. Por ejemplo, supongamos que una
tabla de nmeros aleatorios tiene N cifras y que el nmero de ceros es V0, el nmero de unos
es V1, el nmero de doses es V2, y as sucesivamente. Se puede definir la suma como:
9

S = (Vi 0,1N)2
i=0

cap.6

18/1/05

13:56

Pgina 275

tcnicas cuantitativas para el anlisis de los mercados

-275-

La teora de las probabilidades permite predecir los lmites entre los que puede estar
comprendida esta suma, que no puede ser excesivamente grande ni pequea. Recordemos
que si los nmeros son verdaderamente aleatorios, la esperanza matemtica de cada Vi debe
ser de 0,1N.

6.3.2.1. Ejemplo de la bondad de la generacin


de nmeros aleatorios
Utilizando una hoja EXCEL hemos generado 500 nmeros aleatorios de nueve cifras cada uno.
Por tanto, tendremos 4.500 cifras. Hemos contado cada uno de los guarismos obtenidos y
el resultado es el que se describe en la Tabla 1.

Tabla 1
1

463

471

448

425

458

447

427

464

450

447

El histograma que obtenemos de estos resultados se muestra en la Figura 3:

Fig. 3. Histograma de frecuencias


480
470
460
450
440
430
420
410
400
1

La suma definida anteriormente da un resultado de:


9

S = (Vi 0,1 4.500)2 = 2.046


i=0

La desviacin tpica, definida como la raz cuadrada de la varianza, adopta un valor de


45,23. Como se puede observar, los diferentes nmeros no tienen una distribucin muy uni-

cap.6

18/1/05

-276-

13:56

Pgina 276

bolsa, mercados y tcnicas de inversin

forme y, adems, no todos estn muy cerca de la que debera ser la esperanza matemtica,
450. La suma definida tiene un valor muy grande. Esta tabla de nmeros no se puede considerar como una tabla de nmeros verdaderamente aleatorios, pero s pseudoaleatorios.

6.3.3. Mtodos de generacin de nmeros aleatorios


6.3.3.1. Mtodos aproximados
John Von Neuman sugiri el mtodo del cuadrado medio, usando las operaciones aritmticas
de un ordenador. Su idea fue tomar el cuadrado del nmero aleatorio y tomar los dgitos ubicados en el medio. Por ejemplo, si tenemos el nmero 1.264 y lo elevamos al cuadrado, se
obtiene 1.597.696; nuestro nmero ser 9.769, y as sucesivamente. Estos nmeros se consideran pseudoaleatroios o quasi-aleatorios.
Durante el siglo XX los investigadores comenzaron a utilizar ordenadores digitales para
generar nmeros aleatorios. En 1955 RAND Corporation publica una lista de un milln de
nmeros aleatorios construida mediante una ruleta electrnica: un disco giratorio dividido en
10 sectores es parado en seco, y se anota el nmero que queda en un punto de referencia.
Hoy en da, el analista puede generar nmeros aleatorios de manera sencilla utilizando un
ordenador personal.

6.3.3.2. Generacin de nmeros aleatorios


con Microsoft Excel
Se pueden generar nmeros aleatorios con la hoja de clculo de Microsoft. El usuario puede
obtenerlos de dos maneras: mediante una instruccin o mediante un procedimiento. Si escribimos en cualquier celda de la hoja de clculo la siguiente instruccin:
= Aleatorio( )
la hoja de clculo nos devolver un nmero aleatorio comprendido entre 0 y 1. Cada vez que
modifiquemos cualquier celda de esa hoja de clculo, por ejemplo, escribiendo simplemente
en cualquier celda un nmero, cambiar el nmero aleatorio que aparece en la celda donde
hemos puesto la instruccin.
Si deseamos generar nmeros aleatorios mediante un procedimiento, deberemos haber
instalado la opcin Anlisis de datos en el programa de instalacin de Microsoft Excel. Si no
lo hubiramos hecho, podemos poner el CD-ROM del programa en el lector de CD y ejecutar
el programa de instalacin aadiendo la opcin Anlisis de datos. Una vez instalado, cuando
tenemos abierta una hoja de clculo, hacemos clic en el men Herramientas y elegimos Anlisis de datos.

cap.6

18/1/05

13:56

Pgina 277

tcnicas cuantitativas para el anlisis de los mercados

-277-

Fig. 4. Contenido del men Herramientas de Microsoft Excel

Al elegir Anlisis de datos aparecern diferentes herramientas que Excel nos ofrece
para analizar conjuntos de datos. De todas estas elegimos Generacin de nmeros aleatorios. Aparece una caja de dilogo como la que se representa en la Figura 5.

Fig. 5. Caja de dilogo para generar nmeros aleatorios en Excel

Siguiendo el manual de ayuda del propio programa podemos saber qu funcin tiene
cada uno de los campos que se observan en esta herramienta:

cap.6

18/1/05

-278-

13:56

Pgina 278

bolsa, mercados y tcnicas de inversin


En Nmero de variables introduzca el nmero de columnas de valores que desee
incluir en la tabla de resultados. Si no introduce ningn nmero, Microsoft Excel rellenar todas las columnas del rango de salida que se haya especificado.
En Cantidad de nmeros aleatorios introduzca el nmero de puntos de datos que desee ver. Cada punto de datos aparecer en una fila de la tabla de resultados. Si no
introduce ningn nmero, Microsoft Excel rellenar todas las columnas del rango de
salida que se haya especificado.
Haga clic en el mtodo de distribucin que desee utilizar para crear los valores aleatorios. Dentro de este campo podemos elegir entre:

Uniforme: Caracterizado por los lmites inferior y superior. Se extraen las variables
con probabilidades iguales de todos los valores del rango. Una aplicacin normal
utilizar una distribucin uniforme en el rango 0...1.
Normal: Caracterizado por una media y una desviacin estndar. Una aplicacin normal utilizar una media de 0 y una desviacin estndar de 1 para la distribucin
estndar normal.
Bernoulli: Caracterizado por la probabilidad de xito (valor p) en un ensayo dado.
Las variables aleatorias de Bernoulli tienen el valor 0 1. Por ejemplo, puede trazarse una variable aleatoria uniforme en el rango 0...1. Si la variable es menor o
igual que la probabilidad de xito, se asignar el valor 1 a la variable aleatoria de
Bernoulli; en caso contrario, se le asignar el valor 0.
Binomial: Caracterizado por una probabilidad de xito (valor p) durante un nmero
de pruebas. Por ejemplo, se pueden generar variables aleatorias Bernoulli de nmero de pruebas, cuya suma ser una variable aleatoria binomial.
Poisson: Caracterizado por un valor lambda, igual a 1/media. La distribucin de
Poisson se utiliza con frecuencia para caracterizar el nmero de incidencias por unidad de tiempo; por ejemplo, el ritmo promedio al que llegan los vehculos a una garita de peaje.
Frecuencia relativa: Caracterizado por un lmite inferior y superior, un incremento,
un porcentaje de repeticin para valores y un ritmo de repeticin de la secuencia.
Discreta: Caracterizado por un valor y el rango de probabilidades asociado. El rango debe contener dos columnas donde la columna izquierda deber contener valores y la derecha probabilidades asociadas con el valor de esa fila. Debe tener en
cuenta que la suma de las probabilidades deber ser 1.
En el campo Parmetros introduzca un valor o valores para caracterizar la distribucin seleccionada.
Si quiere escribir un valor a partir del cual se generen los nmeros aleatorios, escrbalo en el campo llamado Iniciar con. Podr volver a utilizar este valor para generar
los mismos nmeros aleatorios ms adelante.
En Rango de salida introduzca la referencia correspondiente a la celda superior izquierda de la tabla de resultados. Microsoft Excel determinar el tamao del rea de resul-

cap.6

18/1/05

13:56

Pgina 279

tcnicas cuantitativas para el anlisis de los mercados

-279-

tados y mostrar un mensaje si la tabla de resultados reemplaza datos ya existentes. Alternativamente haga clic en En una hoja nueva para insertar una hoja nueva en
el libro actual y pegar los resultados comenzando por la celda A1 de la nueva hoja de
clculo. Para asignar un nombre a la nueva hoja de clculo, escrbalo en el cuadro.
Tambin puede hacer clic En un libro nuevo para crear un nuevo libro y pegar los resultados en una hoja nueva del libro creado.
Por ejemplo, si deseamos tener cinco grupos de nmeros aleatorios, que cada grupo
contenga quince nmeros aleatorios y que stos estn generados mediante una distribucin
normal con media 0 y desviacin tpica 1, podemos escribir los siguientes datos en la caja:

Fig. 6. Generacin de una matriz de 155 nmeros aleatorios mediante distribucin


Normal (0, 1)

Si adems queremos que estos nmeros aparezcan en la hoja de clculo, comenzando en la celda A1 y terminando en la E15, podemos hacer clic en la alternativa Rango de salida y escribir el rango en el campo disponible para ello. Al final, obtendremos los nmeros aleatorios en una forma parecida a la que se refleja en la Figura 7.

cap.6

18/1/05

13:56

Pgina 280

bolsa, mercados y tcnicas de inversin

-280-

Fig. 7. Resultado de la generacin de nmeros aleatorios

6.3.4. La simulacin histrica


Esta tcnica de simulacin analiza la evolucin del activo en el pasado y lo proyecta hacia el
futuro, asumiendo que el comportamiento histrico del valor es un estimador del comportamiento futuro. El analista debe calcular la variacin diaria de cada uno de los componentes de
la cartera y asumir que esa variacin se repetir en el futuro a partir de la fecha del anlisis.
Supongamos un inversor que quiere analizar a 30 de diciembre de 2003 la inversin
de una cartera que invierte el 31% en el ndice de la Banca, el 36% en el ndice de las compaas de Telecomunicaciones y el 34% en el ndice de Petrleo y Gas. Cada uno de estos ndices marca la evolucin de las empresas que cotizan dentro de ese segmento de cotizacin, y
la cartera que se pretende comprar se desglosa en funcin de los precios en la fecha de la
compra, como se muestra en la Tabla 2.

Tabla 2
Sector

Banca

Comunicaciones

Petrleo y Gas

Valor Cartera

Inversin

30,43%

36,10%

33,47%

100%

Cotizacin
(30/12/2003)

948,86

844,12

1043,76

9.354.340,00

Cantidad

3.000

4.000

3.000

cap.6

18/1/05

13:56

Pgina 281

tcnicas cuantitativas para el anlisis de los mercados

-281-

Es decir, a los precios que tienen los ndices en la fecha de la compra, el inversor comprar 3.000 valores del ndice Banca, 4.000 del ndice Comunicaciones y 3.000 de Petrleo
y Gas.
Para calcular los rendimientos durante el ltimo ao de la cartera se calcula el logaritmo neperiano del cociente entre precios correlativos, en una base de datos que contenga
los precios histricos de cada uno de los ndices.
En la Tabla 3 se muestra este trabajo. En la columna A estn reflejados todos los das
laborables del ao 2003, en la columna B el ndice de la Banca para cada fecha, en la columna C el ndice de Comunicaciones para cada fecha, en la columna D el ndice de Petrleo de
Gas para cada fecha y por ltimo, en la columna E el valor de la cartera. El montante de la
cartera se calcula con la siguiente expresin:

Cartera = 3.000 IBanca + 4.000 IComunicaciones + 3.000 IPetrleo

Tabla 3

A continuacin, se calculan los rendimientos diarios de cada uno de los componentes


de la cartera. Para calcular este rendimiento se utiliza la siguiente expresin:

Rendimiento = Ln (Precio de hoy / Precio de ayer)

cap.6

18/1/05

-282-

13:56

Pgina 282

bolsa, mercados y tcnicas de inversin


Los resultados se muestran en la Tabla 4.

Tabla 4

La simulacin histrica se basa en la proyeccin de los rendimientos pasados hacia el


futuro, y con ellos se calcula el nuevo precio que ser el resultado de la siguiente expresin:

Precio de hoy = eRendimiento Precio de ayer


La Tabla 5 muestra los resultados.
Con las 249 simulaciones del valor de la cartera se puede calcular el rendimiento esperado, la desviacin tpica y, en definitiva, el comportamiento esperado de la misma.

cap.6

18/1/05

13:56

Pgina 283

tcnicas cuantitativas para el anlisis de los mercados

-283-

Tabla 5

6.3.5. El mtodo de simulacin de MonteCarlo


6.3.5.1. Introduccin
El Mtodo de MonteCarlo consiste en realizar una simulacin utilizando nmeros aleatorios
para determinar el comportamiento futuro de las variables analizadas. Existen varios mtodos de MonteCarlo, por lo que ms que mtodo, sera ms conveniente denominarle tcnica
de simulacin de MonteCarlo.
Le llamaremos MonteCarlo Dirigido cuando los nmeros aleatorios utilizados para simular el comportamiento de una variable se combinen con la funcin que represente la distribucin de frecuencias de las variaciones de la variable. Y MonteCarlo Camino Aleatorio cuando
los nmeros aleatorios se utilicen sin combinarlos con la funcin de distribucin de las frecuencias de las variaciones de la variable.
El mtodo MonteCarlo Dirigido se desarrolla con los siguientes pasos:
1. Especificar las variables a estudiar.
2. Estimar la distribucin de probabilidad que explica el comportamiento de las variables.
3. Calcular las probabilidades acumuladas de cada una de las variables.
4. Generar un nmero aleatorio.
5. Vincular el nmero aleatorio con las variables cuya probabilidad acumulada sea menor
o igual al nmero aleatorio obtenido.
6. Repetir el experimento para obtener el nmero deseado de valores muestrales.

cap.6

18/1/05

-284-

13:56

Pgina 284

bolsa, mercados y tcnicas de inversin

Sin embargo, en el mtodo MonteCarlo Camino Aleatorio se plantea la ecuacin de


variacin de la variable y sobre ella se utiliza el nmero aleatorio para determinar el tamao
de la variacin. Un ejemplo es la simulacin de los tipos de cambio entre dos monedas, cuya
ecuacin sera:

Tc1 = Tc0 + [Volatilidad RND (Volatilidad / 2)] 2


donde:

Tc1 y Tc0 son los tipos de cambio en el momento 1 y el momento 0, y RND es un nmero aleatorio entre 0 y 1.
Esta ecuacin ofrece un camino aleatorio en la evolucin de los tipos de cambio. Si el
tipo de cambio de referencia entre el dlar y el euro es la paridad y la volatilidad anual es del
22%, se puede calcular la evolucin simulada del tipo de cambio para los siguientes treinta
das, tal y como aparece en la Figura 8.

Fig. 8. Simulacin de la evolucin del tipo de cambio dlar euro

6.3.6. Anlisis de diferentes productos financieros mediante


la simulacin de MonteCarlo en Excel
La tcnica de MonteCarlo sirve para analizar todo tipo de productos, entre ellos las opciones exticas y los productos estructurados. La mayora de las opciones exticas no pueden ser valoradas mediante Black Scholes, ya que no se adecuan a los requerimientos exigidos por la frmula y, aunque se han desarrollado ecuaciones paramtricas para su

cap.6

18/1/05

13:56

Pgina 285

tcnicas cuantitativas para el anlisis de los mercados

-285-

valoracin, el mtodo de MonteCarlo es una tcnica vlida para encontrar el precio de


estos productos.
Veamos cmo a travs de la simulacin de MonteCarlo se puede analizar el precio de
diferentes opciones exticas.

6.3.6.1. Opcin americana no estndar


Supongamos que tenemos un Warrant a siete aos. El precio de ejercicio es de 30 dlares
entre principio del ao tercero y finales del cuarto, 32 dlares en los siguientes dos aos, y
33 dlares en el ao final. El precio actual del subyacente es de 29 euros y el tipo de inters
libre de riesgo, el 3%.
En primer lugar, se calcula el histograma de frecuencias de los rendimientos del subyacente, que se muestra en la Tabla 6.

Tabla 6
Rendimientos

Relativas

Acumuladas

-6,0%

0%

0%

-5,0%

1%

1%

-4,0%

2%

3%

-3,0%

5%

8%

-2,0%

7%

15%

-1,0%

12%

27%

0,0%

28%

55%

1,0%

24%

79%

2,0%

13%

92%

3,0%

5%

97%

4,0%

2%

99%

5,0%

1%

100%

Como podemos observar, el histograma de los rendimientos se aleja mucho de la figura que dibujara una distribucin normal. Con este histograma de frecuencias y MonteCarlo
Dirigido se puede simular el comportamiento del precio del subyacente durante la vida de la
opcin, y decidir para cada nivel de precio alcanzado, segn las caractersticas de la opcin,
si se ejerce o no la misma.

cap.6

18/1/05

13:56

Pgina 286

bolsa, mercados y tcnicas de inversin

-286-

Fig. 9. Histograma de frecuencias de las variaciones del precio

El modelo de MonteCarlo exige realizar numerosos ciclos de simulacin para tener los
suficientes resultados que nos permitan calcular la perfomance del producto. Por ejemplo, en
un ciclo cualquiera se pueden haber generado unos nmeros aleatorios que ofrezcan una evolucin de los precios como la representada en la Tabla 7.

Tabla 7
Ao

Precio ejercicio

Subyacente

Beneficio

seis meses

29

un ao

29

ao y medio

17,25

dos aos

19,58

dos aos y medio

30

19,58

tres aos

30

19,58

tres aos y medio

30

22,22

cuatro aos

30

22,22

cuatro aos y medio

32

25,22

cinco aos

32

32,04

0,04

cinco aos y medio

32

36,37

4,37

seis aos

32

51,11

19,11

seis aos y medio

33

51,11

18,11

siete aos

33

37,30

4,30

cap.6

18/1/05

13:56

Pgina 287

tcnicas cuantitativas para el anlisis de los mercados

-287-

En la primera columna se muestran los diferentes semestres hasta completar los siete aos. El anlisis se podra haber realizado con periodos ms pequeos, por ejemplo das,
pero buscando la comodidad de la lectura se ha reducido a semestres. Es evidente que si se
utilizan periodos ms pequeos se consigue un anlisis del precio ms perfecto. En la segunda columna aparece el precio de ejercicio tal como est especificado en el contrato. En la tercera columna aparece el precio del subyacente calculado como MonteCarlo Dirigido, utilizando nmeros aleatorios y usando el histograma de frecuencias. Por ejemplo, si el nmero
aleatorio es 0,2345, vemos en el histograma de frecuencias que al considerar este nmero
como si fuese una frecuencia acumulada, le corresponde una variacin del 1% diario, que
representa una variacin de :
0,01

3652

= 0,135

Esta variacin se aplica al precio del subyacente para obtener el siguiente precio. Si
generamos 13 nmeros aleatorios podemos determinar, utilizando la tcnica de MonteCarlo
dirigido, el camino aleatorio dirigido del precio del subyacente.
Con esta evolucin de los precios se puede analizar el beneficio que obtiene el inversor si ejerce la opcin. En la ltima columna se calcula el beneficio en el caso de poder ejercerse la opcin. Las caractersticas de sta no permitan su ejercicio hasta el tercer ao,
momento en el cual tendra diferentes precios de ejercicio con el transcurrir del tiempo.
Obtenemos, por tanto, diferentes posibles beneficios de la opcin en funcin de si es ejercida en ese momento.
Lo que se obtiene son capitales futuros que hay que actualizar. Empleamos la capitalizacin continua para actualizar cada uno de los beneficios futuros, a travs de la ecuacin:

Valor actual = Beneficio e-Tiempo Tipo inters


En la Tabla 8 aparecen las actualizaciones realizadas para este ciclo:
Podemos suponer que cada uno de los valores actuales obtenidos son equiprobables,
ya que la probabilidad de aparicin est de manera subyacente al utilizar la frecuencia acumulada para determinar la variacin. Al ser 10 posibles capitales (tantos como beneficios),
el valor actual medio ser la suma de los valores actuales dividida entre 10. En este caso,
3,808 euros. Al realizar 100 simulaciones como sta, obtenemos que la esperanza matemtica de los precios simulados es de 11,11 euros, con una desviacin tpica de 18,77 euros.

cap.6

18/1/05

13:56

Pgina 288

bolsa, mercados y tcnicas de inversin

-288-

Tabla 8
Ao

Precio ejercicio

Subyacente

Beneficio

Valor Actual

seis meses

no

29

un ao

no

29

ao y medio

no

17,2469472

dos aos

no

19,5768815

dos aos y medio

30

19,5768815

tres aos

30

19,5768815

tres aos y medio

30

22,2215725

cuatro aos

30

22,2215725

cuatro aos y medio

32

25,2235417

cinco aos

32

32,0385673

0,03856733

0,03319521

cinco aos y medio

32

36,3667394

4,36673944

3,70253088

seis aos

32

51,1053673

19,1053673

15,9581442

seis aos y medio

33

51,1053673

18,1053673

14,8977237

siete aos

33

37,2974574

4,29745743

3,48345129

SUMA

38,0750453

6.3.6.2. Opciones sobre opciones


Una opcin sobre una opcin proporciona al propietario el derecho a adquirir una opcin (de
compra o de venta) en una fecha determinada y con una prima determinada.
Supongamos que el IBEX 35 est a 8.154 puntos y se quiere valorar una opcin sobre
la opcin del IBEX con precio de ejercicio 8.500, prima 100 y vencimiento a 18 das. El propietario tiene derecho a adquirir por 100 euros la opcin de compra sobre el IBEX 35 a 8.500
puntos. Para calcular el precio de este producto financiero utilizaremos una binomial y la repetiremos un nmero determinado de veces; las volatilidades de cada binomial las simularemos
mediante MonteCarlo.
Con los precios histricos del IBEX desde 1990 se obtiene el histograma de la volatilidad, medida como la desviacin tpica anualizada de los rendimientos diarios de los ltimos
30 das. En la Tabla 9 se muestra el histograma de frecuencias de la volatilidad del IBEX 35.
La representacin grfica de este histograma de frecuencias proporciona la volatilidad
del IBEX 35, que se muestra en la Figura 10.

cap.6

18/1/05

13:56

Pgina 289

tcnicas cuantitativas para el anlisis de los mercados

-289-

Tabla 9
365

Observaciones

Frecuencia
Acumulada

5%

0,0%

10%

0,2%

15%

569

20,2%

20%

621

42,0%

25%

867

72,5%

30%

315

83,6%

35%

193

90,4%

40%

137

95,2%

45%

52

97,0%

50%

39

98,4%

55%

14

98,9%

60%

99,0%

65%

15

99,5%

70%

14

100,0%

Fig. 10. Frecuencia de la volatilidad del IBEX 35

cap.6

18/1/05

13:56

Pgina 290

bolsa, mercados y tcnicas de inversin

-290-

La volatilidad del IBEX se centra, principalmente, en el rango del 15% al 25%. Con esta
distribucin de volatilidad, simulamos el camino aleatorio dirigido seguido por un rbol binomial.
En cada simulacin generamos un nmero aleatorio, por ejemplo 0,4452, y utilizando
el histograma de la volatilidad, vemos que corresponde a una volatilidad del 25%. Teniendo
en cuenta que hay 18 das desde la fecha de valoracin hasta el vencimiento y sabiendo que
el IBEX est situado en los 8.154 puntos, calculamos el precio up y el precio down con las
siguientes frmulas:

Pup = 8.154 e

0,25

18
365

Pdown = 8.154 e -0,25

18
365

= 8.619,91

= 7.714,03

Para estos precios, en un entorno libre de riesgo, la probabilidad de llegar al precio up


es de 50% y con esta probabilidad se puede calcular el valor de la opcin sobre el IBEX con
precio de ejercicio de 8.500 puntos, que resulta ser de 59,80 euros. Con este valor, la opcin
sobre la opcin con precio de ejercicio de 100 euros no vale nada.
Realizamos esta simulacin 1.000 veces, generando 1.000 nmeros aleatorios, y obtenemos un precio medio, para la opcin sobre la opcin del IBEX, de 22,26 euros con una desviacin tpica de 60,06 euros.

6.3.6.3. Opciones Chooser


Es una opcin en la que, en un periodo t, el propietario puede elegir si es call o put. Si es una
Chooser simple la decisin se toma en el vencimiento de la opcin. Si es compleja se decide
en un momento anterior al vencimiento. Una manera de valorar este tipo de opciones es empleando rboles binomiales y simulando por MonteCarlo las volatilidades del subyacente.
Analicemos la siguiente estructura:
Fecha de valoracin: 4 de febrero de 2004
Fecha de determinacin call / put: 1 de marzo de 2004
Fecha de vencimiento 19 de marzo de 2004
Valor del IBEX 35 en la fecha de valoracin: 8.154,40
Tipo de inters libre de riesgo, anual: 3%
Precio de ejercicio: 8.200
El esquema del rbol del binomial es el que aparece en la Figura 11.

cap.6

18/1/05

13:56

Pgina 291

tcnicas cuantitativas para el anlisis de los mercados

-291-

Fig. 11. rbol binomial para el clculo de la opcin

El histograma de volatilidades anuales del ndice, tomando datos desde su inicio a principios de 1990, se refleja en la Tabla 10. La volatilidad anual se calcula como el producto de
la desviacin tpica de los rendimientos diarios y la raz cuadrada de 365.

Vol = STDdiario Raz (365)


Si generamos un nmero aleatorio por ejemplo, 0,245 y se utiliza MonteCarlo, observamos en el histograma de volatilidades que corresponde a una volatilidad anual del 20%. Con
esta volatilidad se puede calcular el rbol de precios, teniendo en cuenta que el tiempo hasta
el momento de la eleccin es de 26 das, y desde ah hasta el vencimiento 18 das. Los precios obtenidos, para esta volatilidad, son los siguientes:

cap.6

18/1/05

-292-

13:56

Pgina 292

bolsa, mercados y tcnicas de inversin


Tabla 10

Fig. 12. Posibles precios

Con el rbol binomial construido se pueden calcular las probabilidades de precio up en


un entorno libre de riesgo. Con estos datos la probabilidad desde el momento de decisin hasta el vencimiento es del 51%, y la probabilidad desde la fecha valor hasta el momento de decisin es del 51%.
Prcticamente coincidirn en todos los ciclos con pequeas diferencias de decimales.
Con estos datos ya podemos calcular el precio de una opcin Chooser.
Despus de 1.000 simulaciones con sus respectivos rboles binomiales obtenemos
que el precio medio de esta opcin es de 553,57 euros con una desviacin tpica de 215,84.

cap.6

18/1/05

13:56

Pgina 293

tcnicas cuantitativas para el anlisis de los mercados

-293-

Fig. 13. rbol binomial final

6.3.6.4. Opciones barrera


Los beneficios para el propietario de esta opcin estn sujetos a que el valor del subyacente
supere un nivel determinado en el momento T. Suelen ser ms baratas que las opciones puras.
Pueden existir dos tipos de opciones barrera:
Opcin de barrera de salida. (Knock-out options). La opcin deja de existir cuando el
subyacente se iguala a un nmero Z.
Opcin de barrera de entrada (Knock-in options). La opcin comienza a existir cuando el subyacente se iguala a un nmero Z.
La Figura 14 ilustra el comportamiento de este tipo de opciones.
Valoremos la siguiente estructura:

Knock-out Call
P. Ejercicio:

8.300

Barrera:

8.800

Subyacente:

8.000

Vencimiento:

Tres meses

En la Tabla 11 se muestra el histograma de los rendimientos diarios. Este histograma


servir para realizar una simulacin de MonteCarlo.

cap.6

18/1/05

13:56

Pgina 294

bolsa, mercados y tcnicas de inversin

-294-

Fig. 14. Representacin de los beneficios en una opcin knock-out,


en el caso de call y put

Histograma que podemos representar en la Figura 15. Podemos observar que se aleja de una distribucin normal y que es evidente la asimetra hacia la derecha de la distribucin.

Tabla 11
Variacin diaria

Observaciones

Acumulada

-8%

0,00%

-7%

0,10%

-6%

0,14%

-5%

0,28%

-4%

0,59%

-3%

30

1,63%

-2%

117

5,70%

-1%

336

17,39%

0%

861

47,34%

1%

967

80,97%

2%

390

94,54%

3%

110

98,37%

4%

34

99,55%

5%

99,79%

6%

99,90%

7%

100,00%

8%

100,00%

cap.6

18/1/05

13:56

Pgina 295

tcnicas cuantitativas para el anlisis de los mercados

-295-

Fig.15. Histograma de frecuencias de los rendimientos

Calculemos mediante nmeros aleatorios la variacin a final de cada mes y, con esas
variaciones, simulemos el comportamiento del precio del IBEX 35.
Por ejemplo, si el nmero aleatorio para enero es 0,9351 se le atribuye, a una variacin del 10,95%, por lo que el IBEX cerrar a 8.926,16; si el nmero aleatorio para febrero
es 0,1062, se le atribuye una variacin de 5,48% por lo que el IBEX caer a 8.450,40 puntos; y por ltimo si el nmero aleatorio es de 0,7646, la variacin atribuida es del 5,48% y
el IBEX volver al nivel de enero.
RND enero

RND febrero

RND marzo

0,9351

0,1062

0,7646

10,95%

-5,48%

5,48%

8.926,16

8.450,40

8.926,16

Despus de 500 simulaciones se obtiene un precio de 45,38, con una desviacin estndar de 124,36. Esta desviacin tpica tan elevada se debe a la cantidad de ciclos en los que
la opcin est por encima de la barrera y vence sin valor.

6.3.6.5. Opciones Lookback


Los pagos dependen del mximo o del mnimo del subyacente durante la vida de la opcin. El
pago es igual a la cantidad en el que el precio final de la accin excede al precio mnimo alcanzado por el subyacente durante la vida de la opcin. Es decir:

cap.6

18/1/05

-296-

13:56

Pgina 296

bolsa, mercados y tcnicas de inversin


Pago = S min(ST)
Valoremos la siguiente opcin
Subyacente: 8.000 puntos
Vencimiento: 10 das

Para valorar este tipo de opciones debemos construir una simulacin del camino aleatorio dirigido. Para ello vamos a utilizar el histograma de frecuencias de las variaciones diarias del subyacente que reflejamos en la Tabla 12.
Construimos la siguiente estructura que nos permitir calcular diferentes simulaciones, mediante MonteCarlo, para establecer el camino aleatorio de los precios con ellas y calcular la diferencia del ltimo precio con el mnimo de toda la serie.

Tabla 12

cap.6

18/1/05

13:56

Pgina 297

tcnicas cuantitativas para el anlisis de los mercados

-297-

Tabla 13

El lector puede conseguir en el Apndice de este libro tanto el cdigo que hay que escribir en el editor Visual Basic del botn SIMULAR, como las indicaciones para programar la hoja
de clculo.
El resultado es que el precio esperado es de 495,14, con una desviacin tpica de
315,44. Estos nmeros quedan reflejados en la Tabla 14.

Tabla 14

6.3.6.6. Opcin llamada


Son opciones que al final del vencimiento ofrecen un pago que ser el mximo entre la diferencia del valor del subyacente en la fecha de vencimiento y el precio de ejercicio, y la diferencia entre el valor del subyacente de un determinado momento y el precio de ejercicio, siempre que estas diferencias sean positivas. Si son negativas, el pago es cero.
En este caso retomamos el ejemplo anterior y solamente tenemos que realizar una
ligera modificacin en el cdigo de Visual Basic. Dicha modificacin se puede obtener en el
Apndice de cdigos

6.3.6.7. Opcin Asitica


Este tipo de opciones paga la diferencia entre la media del subyacente, durante h periodos, menos el precio de ejercicio. La valoracin de este tipo de opciones se puede realizar mediante la aproximacin de Levy o por simulacin de MonteCarlo. Para realizar la
simulacin retomamos la estructura anterior y modificamos el cdigo como aparece en el
Apndice de cdigos.

cap.6

18/1/05

13:56

Pgina 298

-298-

bolsa, mercados y tcnicas de inversin

6.4. EL VALOR EN RIESGO (VAR)


6.4.1. Introduccin
VaR son las siglas de Valor en el Riesgo (Value at Risk) y fue desarrollado por la divisin
RiskMetric de JP Morgan en 1994. El VaR es una manera de medir el riesgo de mercado de
un activo o una cartera de activos financieros. De manera resumida el VaR cuantifica la mxima prdida potencial que una cartera puede tener en funcin de un nivel de confianza, y para
un determinado horizonte temporal. Dicho de otra manera, al calcular el VaR obtendremos un
nmero que representa la prdida mxima que se puede tener en la cartera.
Por ejemplo, si el VaR de una cartera est calculado en 5.000 euros en un da, con
un ndice de confianza del 95%, no quiere decir que obligatoriamente se pierdan los 5.000
euros, sino que, en el caso de entrar en prdidas, lo mximo que se puede perder de hoy a
maana, y con una probabilidad del 95%, son 5.000 euros. De esta forma, se puede ajustar
el capital necesario.

Fig. 16. Histograma de frecuencias de las prdidas y ganancias diarias del IBEX 35
desde 1990 hasta 2002

Otra medida complementaria del VaR es la denominada Prdida Esperada en la Cola o


ETL (Expected Tale Looses). Cuando se calcula el VaR para un ndice de confianza determinado, por ejemplo, el 95% se divide la distribucin de prdidas y ganancias en dos conjuntos:
uno que contiene el 5% y tiene las prdidas superiores al VaR, y otro del 95% con las prdidas inferiores al VaR y los beneficios. Esto se puede observar en la siguiente Figura 16, donde
se ha construido el histograma de frecuencias de las prdidas y ganancias diarias del IBEX 35
desde enero de 1990 hasta finales de 2002. La lnea vertical que parte en un nivel de prdi-

cap.6

18/1/05

13:56

Pgina 299

tcnicas cuantitativas para el anlisis de los mercados

-299-

das entre los -150 y los -200 euros, es el quinto percentil de la distribucin que deja a la
izquierda el 5% y a la derecha el 95% de la distribucin. Esa lnea representa el VaR al 95%,
ya que es la mxima prdida que se puede obtener al 95% de probabilidad. Dicho de otra
manera, si las prdidas y ganancias fuesen un juego de azar y las extracciones se obtuviesen
de este histograma, hay un 95% de obtener una prdida o una ganancia del conjunto de la
derecha, y la mxima prdida son -150 euros.
Pero existe un 5% de probabilidad de obtener una prdida diaria superior a -150 y
ese riesgo no es desdeable; un gestor de carteras puede adecuar su capital perfectamente a lo que le indique el VaR, ya que puede arruinar la empresa si un da obtiene una
prdida dentro del conjunto situado a la izquierda del percentil que marca el VaR y esa
prdida es lo suficientemente grande. Es decir, es preciso tener tambin alguna medida
de esas prdidas que se quedan en la cola. Esa medida es el promedio de las prdidas
que exceden al VaR por la izquierda durante un periodo de tiempo. A esta media es lo que
denominamos ETL.

6.4.2. Clculo del VaR


Bsicamente el VaR se puede calcular mediante dos metodologas:
1. Metodologa paramtrica. Basada en las varianzas y covarianzas de los rendimientos de los precios de los activos.
2. Metodologa de simulacin, que se subdivide en:
a) Simulacin histrica. En funcin de los rendimientos histricos de los precios de
los activos.
b) Simulacin de MonteCarlo. En funcin de la simulacin de rendimientos mediante nmeros aleatorios.

6.4.2.1. Clculo del VaR mediante la metodologa


paramtrica
Esta metodologa es la recomendada para carteras de acciones y de divisas en las que se
conoce la distribucin estadstica de los rendimientos. La ecuacin que calcula el VaR paramtrico es la siguiente:
Ecuacin 1

VaR = VM i N t
donde:

VM el valor de mercado del activo.


i la desviacin estndar de los rendimientos de los precios del activo.
N el nmero de desviaciones estndar que hay dentro del nivel de confianza escogido y la distribucin estadstica elegida (generalmente se utiliza la distribucin normal).

cap.6

18/1/05

13:56

Pgina 300

bolsa, mercados y tcnicas de inversin

-300-

En el caso de una cartera de activos, el VaR vendr dado por la siguiente ecuacin:

VaRp = VMC p N t
donde:

VMC el valor de mercado de la cartera


p =

i=1

j=1

Xi Xj ij

Veamos un ejemplo:
Supongamos una cartera de acciones con un valor de 10.000 euros y que est compuesta por un 25% invertido en Acerinox, un 30% en Amadeus y el 45% restante en BBVA.
Con los precios histricos de los ltimos cuatro aos y medio calculamos los rendimientos
diarios, y obtenemos la informacin que se detalla en la Tabla 15.

Tabla 15
Pesos

Rendimiento

STD

Covarianzas

Acerinox

25%

0,017%

2,179%

0,0004746

0,00022582 0,0001853

Amadeus

30%

-0,110%

3,234%

0,00022582

0,00104613

0,000346

BBVA

45%

-0,011%

2,341%

0,0001853

0,000346

0,00054811

El riesgo de la cartera medido por su desviacin tpica es de 2,009% diario. Es decir:

(0,25 0,30 0,45)

0,0004746 0,00022582 0,0001853


0,00022582 0,00104613 0,000346
0,0001853 0,000346 0,00054811

)( )
0,25

0,30

= 0,02009

0,45

Representa una volatilidad anual del 31,13% si asumimos una media de 240 das de
cotizacin al ao.
0,02009 240 = 0,3113
Para calcular el VaR paramtrico hay que aceptar la hiptesis de que los rendimientos
de la cartera se distribuyen mediante una normal, y calcular cuntas desviaciones tpicas tiene dicha distribucin para el ndice de confianza indicado.

cap.6

18/1/05

13:56

Pgina 301

tcnicas cuantitativas para el anlisis de los mercados

-301-

En la Figura 17 representamos el histograma de frecuencias de los rendimientos de la


cartera y lo comparamos con una distribucin normal. Se puede comprobar que la distribucin de la cartera es muy similar a la normal, por lo que podemos utilizar la metodologa paramtrica.
La Tabla 16 es una tabla de doble entrada. En las columnas se han situado los diferentes grados de confianza, y en las filas los diferentes horizontes temporales. En la segunda fila se ha insertado el clculo NSTD que indica el nmero de desviaciones tpicas que existen en una distribucin normal para el grado de confianza asignado. Por ejemplo, en el 99%
de toda la distribucin estn comprendidas 2,33 desviaciones tpicas. En otras palabras, si
a la media se le suma y resta 2,33 veces la desviacin tpica, se obtiene un rango que comprende el 99% de la distribucin.

Fig. 17. Histograma de los rendimientos de la cartera frente a una distribucin normal

Tabla 16
G. confianza
das

99%

98%

95%

90%

NSTD

2,33

2,05

1,64

1,28

198,94

196,93

190,90

180,85

281,34

278,50

269,97

255,76

444,83

440,34

426,86

404,40

20

889,67

880,68

853,72

808,79

60

1.540,95

1.525,39

1.478,69

1.400,87

cap.6

18/1/05

13:56

Pgina 302

bolsa, mercados y tcnicas de inversin

-302-

6.4.2.2. Clculo del VaR mediante simulacin histrica


El procedimiento para el clculo del VaR mediante la simulacin histrica es el siguiente:
1. Identificacin de las series temporales de las variables que afectan al valor del activo.
2. Clculo de los rendimientos en cada periodo. Se utiliza para realizar este clculo las
tasas de variacin continuas:

Rto = Ln

Pix
P(i1)x

donde PiX es el valor iesimo de la serie de la variable x.


3. Generacin de los pesos simulados. A los valores actuales se les aplica las n-1 tasas
de variacin calculadas anteriormente, obteniendo n-1 escenarios.
4. Clculo de los valores patrimoniales para cada escenario.
5. Clculo de las prdidas o ganancias para cada valor patrimonial.
6. Clculo del percentil del vector de prdidas y ganancias.
Veamos un ejemplo:
Analicemos una cartera de 10.000 euros invertida ntegramente, a finales de agosto
de 2004, en un fondo de inversin indiciado al ndice AIAF de bonos y obligaciones empresariales con vencimiento superior a 2 aos. Los datos que recibe el inversor son mensuales y
se puede albergar la sospecha de que la distribucin de los rendimientos mensuales no se
comporta como una normal. Para comprobarlo se construye el diagrama de frecuencias de
los rendimientos mensuales del ndice AIAF, y se compara con una distribucin normal. La
Figura 18 muestra este diagrama de frecuencias.
Nuestras sospechas se confirman, ya que el grfico de barras se asemeja muy poco a
la figura de la distribucin normal. Esto condiciona elegir la metodologa de clculo del VaR y
obliga a rechazar la metodologa paramtrica. Por lo tanto, en este ejemplo emplearemos la
simulacin histrica.
En la Tabla 17 se sita en la columna B el ndice AIAF, y en la C el rendimiento mensual
de este ndice, calculado a travs de la siguiente frmula:

Rto = Ln(Precio mes actual / Precio mes pasado)

cap.6

18/1/05

13:56

Pgina 303

tcnicas cuantitativas para el anlisis de los mercados

-303-

Fig. 18. Histograma de frecuencias de los rendimientos mensuales del ndice AIAF
desde octubre de 1991 hasta noviembre de 2001

Tabla 17

El ltimo precio, de agosto de 2004, se sita al principio de la columna D de la Tabla,


columna que se denomina simulacin. Esta tcnica proyecta el comportamiento pasado del ndice hacia el futuro, por lo que los incrementos y decrementos del ndice ya estn fijados. El precio del siguiente da se calcula teniendo en cuenta el primer rendimiento que hubo en la serie de
datos utilizada, y el segundo precio simulado se calcula con el segundo rendimiento de la serie
de datos. La ecuacin que utilizamos para calcular los nuevos precios es la siguiente:

Nuevo precio = Precio mes pasado eRendimiento

cap.6

18/1/05

13:56

Pgina 304

bolsa, mercados y tcnicas de inversin

-304-

As, por ejemplo, el primer precio simulado se calcula como


4,13 e0,0168 = 4,20
y el segundo precio
4,20 e-0,011 = 4,154
y as sucesivamente.
Una vez que se ha simulado la nueva serie de precios del ndice AIAF se puede calcular el
valor simulado de la cartera en cada momento. Estos clculos aparecen en la columna E. Con
estos datos podemos calcular la serie simulada de prdidas y ganancias mensuales, calculando
las diferencias correlativas de los valores de la cartera, que se sitan en la columna F.
Una vez calculada esta serie se puede calcular el VaR con un ndice de confianza del
95%, con slo calcular el quinto percentil de la serie de prdidas y ganancias. El valor del VaR
(95%) es de 526,20 euros de prdida. Es decir, que la mxima prdida que el inversor puede tener en un mes comprando esta cartera es de 526,2 euros.

6.4.2.3. Simulacin de MonteCarlo


El VaR mediante la simulacin de MonteCarlo utiliza nmeros aleatorios para simular las variaciones de las variables con las que se calcula el precio de la cartera. Se puede resumir esta
tcnica en los siguientes pasos:
1. Identificar las variables creadoras de valor de la cartera y tomar una serie histrica de precios.
2. Calcular los rendimientos peridicos mediante el logaritmo neperiano del cociente
de los precios correlativos.
3. Calcular la frecuencia acumulada de los rendimientos en la serie histrica tomada.
4. Generar tantos nmeros aleatorios como simulaciones se quiera realizar.
5. Cada nmero aleatorio representa una frecuencia acumulada que est asignada a
un rendimiento en concreto.
6. Utilizar ese rendimiento para calcular la variacin de los precios.
7. Calcular la serie de prdidas y ganancias con los precios simulados.
8. Calcular el percentil adecuado que represente el Valor en Riesgo.
Veamos un ejemplo.
El 29 de abril de 2004 un inversor quiere calcular el VaR, a travs de la simulacin de
MonteCarlo, de una cartera que compra 9 futuros mini del S&P 500.
Para esto toma la serie de precios de cierre de este ndice desde el 28 de noviembre
de 1997, y calcula los rendimientos diarios con el logaritmo neperiano de los precios diarios

cap.6

18/1/05

13:56

Pgina 305

tcnicas cuantitativas para el anlisis de los mercados

-305-

correlativos. Con la serie de los rendimientos construye el histograma de frecuencias, que


resulta ser el que se representa en la Tabla 18.
1.113,89 e0,005 = 1.119,47

Tabla 18
Incremento

Frecuencia

Acumulada

-7,0%

0,06%

-6,5%

0,06%

-6,0%

0,06%

-5,5%

0,12%

-5,0%

0,19%

-4,5%

0,19%

-4,0%

0,37%

-3,5%

0,69%

-3,0%

12

1,44%

-2,5%

23

2,87%

-2,0%

43

5,56%

-1,5%

92

11,31%

-1,0%

126

19,18%

-0,5%

210

32,29%

0,0%

281

49,84%

0,5%

262

66,21%

1,0%

234

80,82%

1,5%

145

89,88%

2,0%

74

94,50%

2,5%

43

97,19%

3,0%

16

98,19%

3,5%

12

98,94%

4,0%

99,50%

4,5%

99,63%

5,0%

99,81%

5,5%

99,94%

6,0%

100,00%

cap.6

18/1/05

13:56

Pgina 306

bolsa, mercados y tcnicas de inversin

-306-

El paso siguiente es generar nmeros aleatorios. Se generan 1.601 nmeros aleatorios para realizar 1.601 das de simulacin. Cada nmero aleatorio representa una frecuencia acumulada y, por tanto, un incremento. Por ejemplo, el primer nmero aleatorio es
0,58399483, que representa una frecuencia acumulada de 58,40%. Si localizamos esta frecuencia en la tabla de frecuencia acumulada anterior, vemos que corresponde a un incremento
del 0,5%. El precio del S&P 500, que en la fecha del anlisis estaba en 1.113,89 puntos, se
incrementar en esa cantidad, y el nuevo precio ser de 1.119,47 puntos.
Con este procedimiento se calculan todos los precios de los 1.601 das simulados, y
a continuacin, se calcula el valor de la cartera multiplicando por 9 el S&P 500, obteniendo
la serie de 1.601 valores de la cartera. Se calculan las prdidas y ganancias, como la diferencia de los diferentes precios correlativos, y el quinto percentil de esta serie de prdidas y
ganancias, para derivar el VaR con un ndice de confianza del 95%. El VaR resulta ser de
1.313,73 euros. Es decir, la mxima prdida que se puede tener en la cartera, con una probabilidad del 95% y en un da, es de 1.313,73 euros.
La Tabla 19 resume estos clculos.

Tabla 19

6.4.3. Clculo de la ETL


Como ya se ha sealado, la ETL son las siglas inglesas que se refieren a la Prdida Esperada
en Cola (Expected Tale Loss) y representa el promedio de los valores negativos que exceden
al VaR por la izquierda.
Su clculo no est exento de complejidad, pero se puede resumir en los siguientes puntos:
1. Calcular el VaR para una cartera en un periodo determinado.
2. Calcular las prdidas y ganancias de los ltimos n periodos.
3. Extraer las prdidas que excedan por la izquierda al VaR.
4. Calcular el promedio de esas prdidas.
Tomamos el primer cuatrimestre del IBEX 35 y calculamos el VaR paramtrico con un
ndice de confianza del 95% y una desviacin tpica de 60 das. Se construye la serie de prdidas y ganancias diarias como diferencia entre los valores correlativos del ndice. Por ltimo,

cap.6

18/1/05

13:56

Pgina 307

tcnicas cuantitativas para el anlisis de los mercados

-307-

observamos, para cada da, los 60 valores de prdidas y ganancias inmediatamente posteriores, y de esta serie de valores extraemos los que tienen un valor inferior al VaR de ese da.
El promedio es la ETL.
Lgicamente, y tomando el concepto de VaR, la ETL debe comprender el porcentaje
complementario al ndice de confianza. Es decir, si hemos calculado un VaR al 95%, la ETL
debe contener el 5% de los valores de prdidas y ganancias.
La Figura 19 muestra la representacin de la ETL (lnea fina), del VaR (lnea gruesa),
y de las prdidas y ganancias (+). Observamos que existen algunas prdidas que se sitan
por debajo de la lnea del VaR. La ETL es el promedio de esas prdidas y como tal,se situar
siempre por debajo del VaR.

Fig. 19. Representacin del VaR y de la ETL para periodos de 60 das del IBEX 35
desde abril de 2003 hasta abril de 2004

Cuando se calcula la ETL para una serie larga se cumplen las caractersticas que se
han comentado en este epgrafe. Tomando la serie del IBEX 35 desde enero de 1990 hasta
abril de 2004 se obtienen 3.336 valores. Al realizar el VaR paramtrico, al 95% de confianza y tomando 60 das para el clculo de la desviacin tpica, se observa que el 5,17% de las
prdidas y ganancias diarias se sitan por debajo del nivel del VaR.
La ETL es una mejor medida para la adecuacin del riesgo de los gestores ya que, aunque con el VaR al 95% se consigue que la adecuacin responda al 95% de los casos, uno de
los casos del 5% restante puede tener tal magnitud de prdida que arruine la cartera o la
empresa. La ETL mitiga en alguna medida este problema al aumentar el capital asignado a la
adecuacin del riesgo.

cap.6

18/1/05

13:56

Pgina 308

bolsa, mercados y tcnicas de inversin

-308-

6.5. ANLISIS DE BONOS CON CUPN VARIABLE (FRN)


6.5.1. Caractersticas principales de un FRN
Los FRN son bonos con cupn variable (Floating Rate Note), lo que supone que los pagos estn
referenciados a un tipo de inters, generalmente el LIBOR o el EURIBOR. La estructura bsica de un FRN suele ser un bono emitido a medio o largo plazo con pagos semestrales y un
diferencial que se calcula en funcin del riesgo del emisor.
Por ejemplo, un bono con las siguientes caractersticas:
Emisor:

Entidad AAA

Amortizacin:

Dentro de 3 aos, el 100% del nominal

Cupn:

LIBOR seis meses + 0,25% (6MoL + 25 p.b.)

Pagos:

Semestrales

Base:

Real / 360

Euribor (spot):

2%

Sobre el bastidor de un FRN se le pueden aadir diferentes productos financieros, tales


como Caps o Floors, para obtener estructuras que se adapten a los requerimientos del inversor. Un Cap es un producto financiero en el que se establece un tipo de inters de referencia;
cuando el inters, Euribor o LIBOR, supera esa referencia, el emisor pagar, al comprador
del Cap, la diferencia entre este tipo y la referencia. Un Floor desarrolla el mismo concepto
que el Cap, con la diferencia de que el pago del emisor al poseedor se produce cuando el inters cae por debajo de la referencia.
Para analizar la familia de los FRN vamos a realizar una simulacin de MonteCarlo para
calcular el precio para diferentes niveles del tipo de inters a plazo (Forward) y su duracin
modificada.
Partimos de la hiptesis de que los tipos actuales (Spot) llegarn a los niveles de los
tipos Forward en el plazo de stos. Pero la evidencia emprica nos dice que este camino no
es lineal, sino aleatorio. Es decir, si los tipos actuales son del 3% y los tipos a plazo a tres
aos del 9%, la evolucin de los tipos no ser con incrementos del 1% cada ao, sino que
recorrer un camino aleatorio hasta llegar al 9%.
En Figura 20 se muestra la evolucin simulada a travs de MonteCarlo, con un camino aleatorio no dirigido, de los tipos de inters a tres aos, asumiendo la hiptesis de que los
tipos actuales llegarn a ser los tipos a plazo en el futuro.
Tambin se podra lograr la simulacin con un camino aleatorio dirigido utilizando el histograma de las variaciones mensuales del tipo interbancario, con la que se construye la tabla
de frecuencias, tal y como se refleja en la Tabla 20.

cap.6

18/1/05

13:56

Pgina 309

tcnicas cuantitativas para el anlisis de los mercados

-309-

Fig. 20. Evolucin simulada de los tipos de inters mediante un camino aleatorio
no dirigido

Tabla 20

Los datos para construir esta Tabla se han obtenido de la pgina web del Banco de
Espaa, ms concretamente del Boletn Estadstico donde se publican los tipos de inters
interbancario al final de cada mes. La hoja Excel que realiza todos los clculos se encuentra
disponible en el fichero.
En la columna A de la Tabla 21 se muestran los diferentes precios, duraciones y rentabilidades para diferentes tipos forward. En la columna B se calcula el VAN del FRN para cada uno
de esos precios forward; en la columna C se calcula la duracin; y, por ltimo, en la columna D se
calcula la TIR de cada producto al comparar los flujos de caja con un precio de 100. Un detalle
que hay que tener en cuenta es que el cupn se calcula con el nivel de los tipos de inters del periodo anterior. Es decir, el cupn del periodo 1 se calcula con el Euribor en el momento actual; el
cupn del periodo 2 se calcula con el nivel del Euribor en el periodo 1, y as sucesivamente.

18/1/05

13:56

Pgina 310

bolsa, mercados y tcnicas de inversin

-310-

Se observa que la duracin modificada del FRN es prcticamente cero, ya que, ante
variaciones de los tipos de inters, el precio del FRN no se modifica, debido a que ambos precios varan en la misma proporcin. El precio depende del valor del tipo forward. As, si los
tipos evolucionan y se sitan entre el 3,5% y el 4%, el FRN cotizar a la par. Estos datos se
reflejan en la figura 21, donde el valor est representado en la curva ascendente y la duracin
en la descendente.

Tabla 21

Valor

104
102
100

Duracin

98
96

6,50%

6,00%

5,50%

5,00%

4,50%

4,00%

3,50%

3,00%

2,50%

2,00%

94

0,06%
0,04%
0,02%
0,00%
-0,02%
-0,04%
-0,06%
-0,08%
-0,10%
7,00%

106

Dur. Modif.

Fig. 21. VAN y duracin del FRN

Precio

cap.6

Forward

El rendimiento es creciente con el aumento de los tipos forward por encima del 2%, y
hasta situarse en torno al 4,5%. La TIR de esta estructura se refleja en la Figura 22.

18/1/05

13:56

Pgina 311

tcnicas cuantitativas para el anlisis de los mercados

-311-

Fig. 22. TIR en funcin del forward


TIR

5,00%
4,00%
3,00%
2,00%
1,00%

7,00%

6,50%

6,00%

5,50%

5,00%

4,50%

4,00%

3,50%

3,00%

2,50%

0,00%
2,00%

cap.6

6.5.2. Anlisis de un Cap FRN


El Cap FRN es un FRN al que se le asocia un Cap, de tal manera que el inversor de este tipo
de productos tiene un lmite en el cobro del cupn. La sociedad que emite un Cap FRN quiere asegurarse de que no pagar excesivos intereses debido a una posible subida de los tipos
de inters. La estructura consiste en que el emisor le vende un FRN al inversor, con la obligacin de que ste emita un Cap que comprar el emisor, de tal manera que si los tipos de
inters superan el nivel del Cap, el inversor pagar la diferencia al emisor del FRN. De esta
manera el inversor limita los intereses recibidos al nivel del Cap.
Supongamos que el FRN es sobre el Euribor con un Cap del 5%. Si el Euribor sube hasta el 7%, la empresa le paga al inversor esta cantidad, pero como el Euribor ha superado el
nivel del Cap, el inversor deber darle a la empresa la diferencia, es decir, un 2%. El inversor
recibe un 7% y paga un 2%, con lo que cobra un 5%, que es el nivel del Cap.
Como ningn inversor quiere un producto que tenga limitado los beneficios, los emisores estn obligados a endulzar el producto ofreciendo un diferencial mayor que el que, por
ejemplo, ofrece un FRN con el mismo vencimiento. De esta manera, el emisor de un Cap FRN
es una empresa que est convencida de que los tipos subirn y no quiere arriesgarse a pagar
cupones altos, mientras que el inversor del Cap FRN tiene la esperanza de que los tipos subirn, pero no sobrepasarn el nivel del Cap.
Es decir, los inversores apuestan por una subida moderada de los tipos de inters,
mientras que los emisores apuestan por una subida ms drstica.

cap.6

18/1/05

13:56

Pgina 312

bolsa, mercados y tcnicas de inversin

-312-

Analicemos la siguiente estructura:


Emisor:

Entidad AAA

Amortizacin:

Dentro de 3 aos, el 100% del nominal

Cupn:

LIBOR seis meses + 0,75% (6MoL + 75 p.b.)

Cap:

3,5%

Pagos:

Semestrales

Base:

Real / 360

Euribor:

2%

El Cap limita el cupn cuando el Euribor supera el 3,5%. En la Tabla 22 se incluyen los
diferentes resultados despus de utilizar la simulacin por MonteCarlo. En la columna A estn
los tipos a plazo utilizados, y en las siguientes columnas, a modo de benchmark, el precio de
un FRN con un diferencial de 25 puntos bsicos (columna B), el precio del Cap FRN que estamos analizando (columna C), la duracin (columna D) y la rentabilidad del Cap (columna E).

Tabla 22

Cuando el interbancario supera el Cap, el cupn toma el valor de ste. Comparando


con el FRN+25 puntos bsicos analizado anteriormente, el VAN del Cap FRN se sita por encima y aumenta hasta que cruza el umbral del Cap, momento en el que acta ste y se estanca el VAN en torno a valores de 101. La duracin pasa de tomar valores cercanos a cero a la
duracin de un bono de tres aos que tenga un cupn del 3,5%, en cuanto el Euribor se sita
por encima del Cap. Es lgico ya que cuando acta el Cap, convierte en una estructura con
pagos fijos como un bono con cupn de 3,5%.

18/1/05

13:56

Pgina 313

tcnicas cuantitativas para el anlisis de los mercados

-313-

Fig. 23. Precio y Duracin de un Cap FRN a tres aos


Valor

101,5
101
100,5
100
99,5
99
98,5
98

0,00%
-1,00%
-1,50%

Duracin

-2,00%
-2,50%

Dur. Modif.

-0.50%

7,00%

6,50%

6,00%

5,50%

5,00%

4,50%

4,00%

3,50%

3,00%

2,50%

-3,00%
2,00%

Precio

Forward

El rendimiento de un Cap FRN es ascendente en funcin de que suban los tipos de inters.
Al llegar al nivel del Cap, el rendimiento se estanca en un nivel sensiblemente inferior al Cap. Esto
es debido a que en un entorno de curvas de tipos de inters ascendentes, el primer cupn es inferior al pago del Cap. Recordemos que este primer cupn se calcula con el Euribor del momento
actual y, por lgica, ser inferior al Cap. Este cupn de menor tamao reduce la TIR del Cap FRN
y nunca podr llegar a ser superior al tanto por ciento que paga el Cap.

Fig. 24. La TIR de un Cap FRN de tres aos


TIR

7,00%

6,50%

6,00%

5,50%

5,00%

4,50%

4,00%

3,50%

3,00%

2,50%

4,00%
3,50%
3,00%
2,50%
2,00%
1,50%
1,00%
0,50%
0,00%
2,00%

cap.6

6.5.3. Anlisis de un IFRN


Un FRN inverso o ms comnmente llamado IFRN, o Inverse, es una estructura que consigue
aumentar los cupones en entornos de tipos de inters descendientes, pagar menos cupn
cuando suben los tipos de inters. Generalmente este tipo de estructuras llevan un Floor para

cap.6

18/1/05

13:56

Pgina 314

bolsa, mercados y tcnicas de inversin

-314-

proteger al inversor y animarle a comprarlo, ya que de otro modo no habra ningn inversor
dispuesto a comprar un ttulo sin rentabilidad ante una subida drstica de los tipos. Lo ms
habitual es que lleve un Floor al 0% para evitar intereses negativos.
El emisor de este tipo de estructuras est apostando a subidas de tipo de inters y
emite este producto con la intencin de reducir el coste de la deuda. El comprador de los IFRN
tiene unas expectativas radicalmente diferentes a los emisores; piensa que los tipos caern
y quiere aprovecharse de esta cada consiguiendo mejor rendimiento que el mercado.
Analicemos la siguiente estructura:
Emisor:

Entidad AAA

Amortizacin:

Dentro de 3 aos, el 100% del nominal

Cupn:

10% - 2 LIBOR seis meses (10% - 26MoL)

Floor:

2%

Pagos:

Semestrales

Base:

Real / 360

Euribor:

2%

En la Tabla 23 se comparan los valores del FRN con un diferencial de 25 puntos bsicos, del Cap FRN analizado antes y del IFRN. Como en los casos anteriores, calculamos la
duracin y la rentabilidad para el producto que nos ocupa.
Este IFRN es superior a las dems estructuras cuando los tipos son bajos. El valor
actual del IFRN es superior al FRN y al Cap FRN en un entorno de tipos bajos, ya que la estructura se beneficia de un Floor al 2%, lo que asegura un cobro mnimo de cupn. La duracin
modificada se reduce, en valor absoluto, con el aumento de los tipos. Esto quiere decir que
el producto asume ms riesgo en los tipos bajos que en los tipos altos.
En la Figura 25 se recoge la evolucin del VAN del IFRN y de su duracin modificada.
El VAN es descendente con subidas de los tipos, mientras que la duracin modificada es estable en un entorno de tipos de inters bajos, ya que en esas circunstancias el IFRN acta como
un bono de 3 aos que paga un cupn del 2%. El gran tamao de la duracin modificada se
debe a que los dos flujos de intereses que tiene la ecuacin de la duracin en un IFRN (el cupn
y el tipo de actualizacin) se suman, en vez de compensarse como en un FRN. Cuando los
tipos aumentan la duracin se reduce, al reducirse los cupones.

18/1/05

13:56

Pgina 315

tcnicas cuantitativas para el anlisis de los mercados

-315-

Tabla 23

Fig. 25. Valor actual neto y duracin de un IFRN


110
108
106
104
102
100
98
96

0,00%

Valor

-4,00%
-6,00%

Duracin

-8,00%

Dur. Modif.

-2,00%

7,00%

6,50%

6,00%

5,50%

5,00%

4,50%

4,00%

3,50%

3,00%

2,50%

-10,00%
2,00%

Precio

cap.6

Forward

El rendimiento del IFRN es superior a las dos anteriores estructuras hasta que el Euribor llega al nivel del 5%, momento en el que el FRN supera al IFRN. El rendimiento del IFRN
tiene una tendencia bajista con la subida de los tipos de inters. El inversor pasa de obtener
una TIR del 6%, si los tipos son bajos, a tener una TIR del 3% si suben. Ver Figura 26.

18/1/05

13:56

Pgina 316

bolsa, mercados y tcnicas de inversin

-316-

Fig. 26. TIR de un IFRN


TIR

7,00%
6,00%
5,00%
4,00%
3,00%
2,00%

7,00%

6,50%

6,00%

5,50%

5,00%

4,50%

4,00%

3,50%

3,00%

0,00%

2,50%

1,00%
2,00%

cap.6

6.5.4. Anlisis de un Collar IFRN


A la combinacin de un FRN con un Cap y con un Floor se le denomina Collar FRN y, a veces,
pasillo o tnel. El emisor que lo lanza apuesta por subidas de tipos de inters. Para evitar pagar
un cupn muy superior al que pagara con un FRN, decide ofrecerle al inversor un
Floor como garanta de que el cupn que se paga nunca bajar de cierto nivel, y le pone un Cap
para evitar que l pague por encima de un tipo determinado. El comprador de este tipo de estructuras busca la seguridad y est convencido de que los tipos no tienen una tendencia alcista tan
clara, sino, todo lo contrario; de moverse, caern, y por eso, le interesa el Floor.
Analicemos la siguiente estructura:
Emisor:

Entidad AAA

Amortizacin:

Dentro de 3 aos, el 100% del nominal

Cupn:

LIBOR seis meses + 0,1% (6MoL + 10 p.b.)

Cap:

5%

Floor:

3%

Pagos:

Semestrales

Base:

Real / 360

Euribor:

2%

En la Tabla 24 se compara el VAN de las tres estructuras anteriores (FRN, Cap FRN
e IFRN) con la del Collar FRN.

18/1/05

13:56

Pgina 317

tcnicas cuantitativas para el anlisis de los mercados

-317-

Tabla 24

Con tipos bajos, el VAN de esta estructura no supera al VAN del IFRN pero s a los restantes. Cuando el Euribor supera el 5%, es sensiblemente superior a las dems hasta que
los tipos alcanzan niveles altos, momento en el que el FRN+25 supera a los dems.

Fig. 27. El VAN y la duracin modificada de un Collar FRN


Valor

104

0,00%

Duracin

-0,50%

7,00%

6,50%

6,00%

5,50%

5,00%

4,50%

-3,00%
4,00%

-2,50%

98
3,50%

-2,00%

99
3,00%

-1,50%

100

2,50%

-1,00%

101

2,00%

102

Dur. Modif.

103
Precio

cap.6

Forward

La duracin en valor absoluto decrece en tipos medios desde la duracin de un bono


que paga el 3%, vuelve a crecer para tipos altos y se estabiliza en la duracin de un bono de
tres aos con cupn 5%. Pasa de comportarse como un bono a comportarse como un FRN,
y vuelve, en los tipos altos, a comportarse como un bono. Este comportamiento viene determinado por la inclusin del Floor y del Cap en la estructura; cuando no actan y la estructura
se comporta como un FRN, la duracin tiende a ser cero. El VAN, sin embargo, es creciente
estabilizndose en los tipos altos. La TIR es creciente con el aumento de los tipos, estabilizndose en torno al 4% cuando acta el Cap. Ver Figuras 27 y 28.

18/1/05

13:56

Pgina 318

bolsa, mercados y tcnicas de inversin

-318-

Fig. 28. La TIR de un Collar FRN

7,00%

6,50%

6,00%

5,50%

5,00%

4,50%

3,50%

3,00%

2,50%

4,00%

TIR

4,50%
4,00%
3,50%
3,00%
2,50%
2,00%
1,50%
1,00%
0,50%
0,00%
2,00%

cap.6

6.5.5. Comparacin de las cuatro estructuras


La Figura 29 muestra una comparacin de las cuatro estructuras analizadas, en funcin de
su valor actual (a), rentabilidad (b) y duracin modificada (c).
En un entorno de bajos tipos de inters, el IFRN es la mejor estructura en cuanto VAN
y TIR, y la peor es el FRN. Sin embargo, el IFRN es la que presenta mayor riesgo, como se
comprueba comparando el tamao de su duracin modificada respecto al de las dems estructuras. El FRN tiene en todo momento una duracin modificada de cero.
Cuando los tipos suben, el IFRN sigue siendo la mejor estructura en cuanto a rendimiento y VAN, aunque se mantiene tambin como el producto ms arriesgado. El Collar FRN,
que en entorno de bajos tipos de inters era el segundo con mayor riesgo, pasa a ser el segundo con menor riesgo.
Por ltimo, en entorno de altos tipos de inters son el Collar y el FRN los que se sitan
mejor. El IFRN ofrece poco rendimiento y mantiene mucho riesgo.
Para clasificar estas estructuras se pueden crear tres tablas de decisin y ordenar los
productos en funcin de su valor, rentabilidad y duracin, asignando una puntuacin de 1 a 4
segn su posicin relativa. (4 para el mejor, 1 para el peor).
La Tabla 25 resume esta clasificacin en un entorno de tipos bajos. El mejor producto
resulta ser el Cap FRN y el IFRN. El peor, el FRN.

cap.6

18/1/05

13:56

Pgina 319

tcnicas cuantitativas para el anlisis de los mercados

-319-

Fig. 29. Comparacin de un FRN, con un Cap FRN, con un IFRN y con un Collar FRN.
El grfico a nos muestra el VAN, la rentabilidad est situado en el b y en el c
presentamos la duracin modificada

Tabla 25
Producto

Valor

TIR

Duracin

Puntos

FRN

Cap FRN

IFRN

Collar FRN

La Tabla 26 resume la clasificacin en un entorno de tipos medios. El mejor producto


es el FRN, y el peor, el Cap FRN.

Tabla 26
Producto

Valor

TIR

Duracin

Puntos

FRN

10

Cap FRN

IFRN

Collar FRN

cap.6

18/1/05

13:56

Pgina 320

bolsa, mercados y tcnicas de inversin

-320-

Finalmente, en la Tabla 27 se ordenan en un entorno de tipos altos. De nuevo, el FRN


es el mejor producto, y el peor, el IFRN.

Tabla 27
Producto

Valor

TIR

Duracin

Puntos

FRN

12

Cap FRN

IFRN

Collar FRN

11

6.6. RESUMEN Y CONCLUSIONES


Los nmero aleatorios se utilizan para generar procesos Brownianos que simulan el
comportamiento de los mercados.
La simulacin es una herramienta muy potente a la hora de modelizar el comportamiento de los mercados y calcular los rendimientos y riesgos de los productos
La simulacin histrica proyecta el comportamiento pasado del valor hacia el futuro.
Se basa en el convencimiento de que es igual de defendible ese comportamiento en
el futuro que cualquier otro que se pueda establecer al azar.
La simulacin de MonteCarlo utiliza nmeros aleatorios para realizar la proyeccin
hacia el futuro. Si utiliza el histograma de frecuencias es un MonteCarlo dirigido; si
no, es un MonteCarlo camino aleatorio.
El Valor en el Riesgo (VaR) es la mxima prdida que una cartera puede tener en un
periodo determinado para un ndice de confianza determinado.
El VaR se puede calcular mediante ecuaciones paramtricas, simulacin histrica o
por MonteCarlo.
El mtodo de simulacin de MonteCarlo tambin se emplea para calcular el rendimiento y riesgo de los bonos con cupn variable (FRN).

cap.6

18/1/05

13:56

Pgina 321

tcnicas cuantitativas para el anlisis de los mercados

APNDICE

Opcin Lookback
Hacer clic en el editor de Visual Basic y copiar el siguiente cdigo.
Private Sub CommandButton1_Click()
sim = Worksheets(Hoja6).Cells(23, 6)
dias = Worksheets(Hoja6).Cells(22, 6)
acum = 0
acum2 = 0
For ciclo = 1 To sim
Worksheets(Hoja6).Cells(23, 7) = ciclo
Suby = Worksheets(Hoja6).Cells(21, 6)
Mini = Suby
For dia = 1 To dias
Worksheets(Hoja6).Cells(22, 7) = dia
Randomize (Timer)
aleat = Rnd
Worksheets(Hoja6).Cells(24, 6) = aleat
incr = Worksheets(Hoja6).Cells(25, 6)
Suby = Suby * (1 + incr)
If Suby < Mini Then
Mini = Suby
End If
Next dia
Bfo = Suby - Mini
acum = acum + Bfo
acum2 = acum2 + (Bfo ^ 2)
Next ciclo
media = acum / sim
desv = ((acum2 / sim) - (media ^ 2)) ^ (0.5)
Worksheets(Hoja6).Cells(29, 6) = media
Worksheets(Hoja6).Cells(30, 6) = desv
End Sub

-321-

cap.6

18/1/05

-322-

13:56

Pgina 322

bolsa, mercados y tcnicas de inversin

Opcin Llamada
Private Sub CommandButton1_Click()
sim = Worksheets(Hoja7).Cells(23, 6)
dias = Worksheets(Hoja7).Cells(22, 6)
acum = 0
acum2 = 0
Ejer = Worksheets(Hoja7).Cells(20, 6)
For ciclo = 1 To sim
Worksheets(Hoja7).Cells(23, 7) = ciclo
Suby = Worksheets(Hoja7).Cells(21, 6)
Max = Suby
For dia = 1 To dias
Worksheets(Hoja7).Cells(22, 7) = dia
Randomize (Timer)
aleat = Rnd
Worksheets(Hoja7).Cells(24, 6) = aleat
incr = Worksheets(Hoja7).Cells(25, 6)
Suby = Suby * (1 + incr)
If Suby > Max Then
Max = Suby
End If
Next dia
Bfo1 = Max - Ejer
If Bfo1 > 0 Then
Bfo = Bfo1
Else
Bfo = 0
End If
acum = acum + Bfo
acum2 = acum2 + (Bfo ^ 2)
Next ciclo
media = acum / sim
desv = ((acum2 / sim) - (media ^ 2)) ^ (0.5)
Worksheets(Hoja7).Cells(29, 6) = media
Worksheets(Hoja7).Cells(30, 6) = desv
End Sub

cap.6

18/1/05

13:56

Pgina 323

tcnicas cuantitativas para el anlisis de los mercados

Opcin Asitica
Private Sub CommandButton1_Click()
sim = Worksheets(Hoja8).Cells(23, 6)
dias = Worksheets(Hoja8).Cells(22, 6)
acum = 0
acum2 = 0
Ejer = Worksheets(Hoja8).Cells(20, 6)
For ciclo = 1 To sim
Worksheets(Hoja8).Cells(23, 7) = ciclo
Suby = Worksheets(Hoja8).Cells(21, 6)
preacum = 0
For dia = 1 To dias
Worksheets(Hoja8).Cells(22, 7) = dia
Randomize (Timer)
aleat = Rnd
Worksheets(Hoja8).Cells(24, 6) = aleat
incr = Worksheets(Hoja8).Cells(25, 6)
Suby = Suby * (1 + incr)
preacum = preacum + Suby
Next dia
med = preacum / dias
If med > Ejer Then
payoff = med - Ejer
Else
payoff = 0
End If
acum = acum + payoff
acum2 = acum2 + (payoff ^ 2)
Next ciclo
media = acum / sim
desv = ((acum2 / sim) - (media ^ 2)) ^ (0.5)
Worksheets(Hoja8).Cells(29, 6) = media
Worksheets(Hoja8).Cells(30, 6) = desv
End Sub

-323-

cap.6

18/1/05

13:56

Pgina 324

bolsa, mercados y tcnicas de inversin

-324-

EJERCICIOS
EJERCICIO 1
Utilizando el siguiente histograma de frecuencias de una cartera, realice una simulacin de
MonteCarlo para calcular el VaR al 95% .
Rendimientos

Observaciones

-2%

10

-1,5%

50

-1%

80

-0,5%

150

0%

300

0,5%

350

1%

225

1,5%

175

2%

70

2,5%

20

QUIZ
1. Los nmeros aleatorios uniformes se basan en que la probabilidad de acontecimiento de
cada uno de ellos es:
A. Equiprobable.

B. Una funcin de probabilidad normal.

C. Una funcin aleatoria.

D. Ninguna de las anteriores.

2. Para realizar una simulacin por MonteCarlo para el precio del petrleo, y teniendo en cuenta que no sabe la distribucin de las variaciones, se debera realizar mediante:
A. Desigualdad de Tchebycheff.

B. MonteCarlo Dirigido.

C. MonteCarlo paseo aleatorio.

D. Ninguna de las anteriores.

3. En el VaR paramtrico, el uso de la variable NSTD est basada en el supuesto de que se


utiliza
A. Rendimientos logartmicos.

B. Distribucin Normal.

C. Desviacin tpica diaria.

D. Ninguna de las anteriores.

cap.6

18/1/05

13:56

Pgina 325

tcnicas cuantitativas para el anlisis de los mercados

-325-

BIBLIOGRAFIA
ARAGONS, J. Y BLANCO, C. Valor en Riesgo. Ed. Pirmide. Madrid 2000.
BEAUMONT, P. Fixed income synthetic assets. Ed. Wiley 1992.
GIL LAFUENTE, A. Nuevas estrategias para el anlisis financiero en la empresa. Ed. Ariel 2001.
KNOP, R. Finanzas de Diseo. Manual de productos estructurados. Escuela de finanzas aplicadas.
Madrid 2000.
LAMOTHE FERNNDEZ, P y PREZ SOMALO, M. Opciones financieras y productos estructurados. Ed.
McGraw Hill. Madrid 2003.
MASCAREAS PREZ-IGO, J. Innovacin financiera. Ed. McGraw Hill. Madrid 1999.
PENG DATATTREYA. The Structured Note Market. Ed. Probus 1995.

cap.6

18/1/05

13:56

Pgina 326