PREDICCION ESTRUCTURAL DEL PRECIO CON ARBOLES

BINOMIALES, MOVIMIENTO BROWNIANO Y EL USO DE LA

FUERZA DEL MERCADO
INTRODUCCION
El anlisis es realizado para el retorno z(t) definido como el logaritmo
del valor de un bien en tiempo (t), dividido para el precio del bien en
tiempo (t-1) como sigue
z(t) = ln(S(t)/S(t-1)), o lo que es lo mismo S(t)/S(t-1)=e Z(t)
Realizando un pequeo arreglo y reemplazando la frmula anterior
tenemos:

S (t )
z (t )
e
S (t 1)

[1]

Si por definicin T=nh podemos realizar la siguiente aproximacin en

tiempo contnuo:

S (T )
S (T ) S (T 1)
S (1)
) Ln(
......
)
S ( 0)
S (T 1) S (T 2)
S ( 0)
z ( n) z ( n 1) .... z (1)
[1.a]
z (T ) Ln(

Si asumimos que z(j) tiene una distribucin independiente e idntica

para cada j y adems que los valores esperados de las medias y las
varianzas son las mismas para cada j.
E[z(j)]=h
Donde : es el retorno por unidad de tiempo, y h: el intervalo de tiempo
Var[x(j)]=2h
Donde 2 : es la varianza del retorno por unidad de tiempo
Con lo anotado puede obtenerse:
E[z(T)] =(z(j)) = h =nh = T
var[z(T)]
=var(z(j))
= 2h=2nh=2 T

[1.b]

Reescribiendo z(t) se obtiene: z(t)= h+h1/2

Que puede verse como un movimiento browniano de media y
desviacin estandar , con el coeficiente que sigue una distribucin
normal N(0,1).
LEMA DE ITO
Sea un sistema X(t) sometido a la accin exterior de perturbaciones
estocsticas dW(t) independientes, que siguen un movimiento
browniano tto, con media nula y coeficiente de difusin igual a la
unidad como puede profundizarse en ref [5], tiene la siguiente
representacin:
dX a (t ) dt b(t ) dW
con dW N(0,1) dt

proceso de wiener

[1c]

Se denomina diferencial estocstica del proceso aleatorio X(t), si

t

to

to

X (t ) X (t o ) a ( s ) ds b( s ) dW ( s )

[1d]

Sinteticemos algunas propiedades del movimiento browniano, para

utilizarlas posteriormente en la deduccin del Lema de Ito.
[P1]
[P2]
[P3]
[P4]
[P5]
[P6]

E[dW(t)]=0
E[dW(t)dt]=E[dW(t)]dt=0
E[dW(t)2]=Var[dW(t)]=dt
Var[dW(t)2]=E[dW(t)4]- E2[dW(t)2]=3dt2-dt2 =0
E[(dW(t)dt)2]=Var[dW(t)]dt2=0
Var[(dW(t)dt)]=E[(dW(t)dt)2]- E2[dW(t)dt]=0

Con las siguientes reglas de multiplicacin.

[P7]
[P8]
[P9]

dW2(t)=dt
dW(t)dt=0
dt2=0

Aplicando el Teorema de Taylor a una funcin G=G(X,t), donde X es

una variable aletoria en donde dW(t) cumple con las propiedades de
[P1] a [P6].

dG G x dX Gt dt

1
G xx dX 2 2G xt dXdt Gtt dt 2
2

[1e]

Analizando el valor del diferencial dX dt como un valor esperado y

aplicando las propiedades [P1] y [P9]:
E[dXdt] = E[a(t)dt2 + bdW(t)] = E[a(t)]dt2 + E[dW(t)]bdt = 0

[1f]

Por otra parte si encontramos el valor de dX 2 aplicando las propiedades

[P2], [P3] y [P9].
(dX)2=(adt)2+2ab(dWdt)+b2 dW2 = b2 dt

[1g]

Reemplazando [1c],[P9],[1f] y [1g] en la ecuacin [1e] se encuentra el

Lema de Ito.

G 1 2 G 2
G
a( X , t )

b ( X , t ) dt
b( X , t ) dW
2
t
2 x
x
x

dG

[1h]
MODELO DE BLACK & SCHOLES
Este modelo asume que el precio de un bien sigue un movimiento
browniano como el representado en la siguiente figura:

Sea un movimiento browniano de media a y varianza b2 .

COM PRA
8000.00
7000.00
6000.00
5000.00
4000.00
3000.00
2000.00
1000.00
0.00
1

179

357

535

713

891 1069 1247 1425 1603 1781 1959

dX a ( X , t )dt b( X , t )dW (t )
con dW(t) N(0,1) dt

proceso de wiener

[2]

Es el Matemtico Ito, 1951 quin generaliza el movimiento browniano

con una funcin G=G(X,t):

G 1 2 G 2
G
a( X , t )

b ( X , t ) dt
b( X , t )dW (t )
2
t
2 x
x
x

dG

[3]
Donde la pendiente es:

G
G 1 2 G 2

b
t 2 x 2
x

[4]

Y la desviacin estndar:

b
x

[5]

Ahora recurriendo al supuesto fundamental de que el retorno del precio

de un bien sigue un movimiento browniano.

dS
d (Ln(S )) dt dW
S

[6]

Reemplazando en [3], los parmetros de [6] se encuentra la funcin de

ITO para G=G(S,t).

G
1

dG uS 2
S t 2 S

2
G
S dt S dW
S

[7]

Ahora si reemplazamos la funcin G por el retorno del precio: G=Ln(S)

G 1

S S

2G
1
2
S 2
S

G
0
t

y estos valores incorporamos en [7]

2
dG
2

dt

dW

[8]

Tenemos la media y la desviacin estndar y como una distribucin

normal queda definida por su media y su desviacin estndar tenemos
la distribucin del retorno:

Ln(

S (T )
2
) N ((
)(T t ), T t )
S (t )
2

[9]

Que sacando antilogaritmos nos da la distribucin lognormal del precio:

S (T ) ( Ln( S (t ) (

2
)(T t ), T t )
2

[10]

La frmula del comportamiento del precio en tiempo contnuo y

aproximando h de las ecuaciones [1] por (T-t) se tiene finalmente.

S (T ) S (t ) e

((

2
)(T t ) T t )
2

[11]

En la ecuacin anterior el coeficiente es un nmero aleatorio que

sigue la distribucin normal N(0,1), el cul puede ser encontrado a partir
de un valor de probabilidad dado.
De acuerdo a nuestro enfoque existe la posibilidad de estimar el valor
de la tendencia hacia arriba o hacia abajo a travs del trmino
p, que indica un valor de probabilidad, y propondremos que la
funcin de distribucin de probabilidad ser la logstica, la cul
indicar la fuerza del mercado al alza (Y=1) o a la baja (Y=0).

p E (Y 1 X i )

1
( 0 1 X 1 2 X 2 ...... n Xn )

1 e
z 0 1 X 1 2 X 2 ...... n Xn

[12]

En la ecuacin anterior p, indica la probabilidad de que un activo

financiero baya al alza en funcin de variables causales X i , pudiendo
ser estas tasas de inters, devaluacin, RMI, interbancaria, etc.
Como se analiza una variable dicotmica con probabilidad p, al alza y
1-p, a la baja podemos encontrar la funcin de distribucin (z)=p(1-p),
cuya integral es igual a la unidad.
Si graficamos las funciones de distribucin normal (N) y logstica (L)
veremos que para un valor zL, se tiene un valor de probabilidad definido
como e rea bajo la curva, la cul tiene un rea equivalente en la
distribucin normal pero para un distinto z N que es el valor de , del
movimiento browniano.

Ditribucin

Normal
0.4

logstica

0.3
0.2

0.1

-7.5

-5

-2.5

2.5

7.5

Igualando las probabilidades normal y logstica se tiene:

1
2

zN

z2
2

dz

zL

ez

1 e

z 2

dz

[13]

Despejando el valor de zL en la funcin logstica [12]:

p
Ln(
) zL
1 p

[14]

El resultado de [14], se reemplaza en el lmite superior de la integral del

segundo miembro y luego se la resuelve para obtener:

1
2

z2
2

dz p

[15]

Con el valor dado de p, en la ecuacin [12], y encontrando el valor de

en [15], se puede analizar los siguientes resultados:
1

El valor , a pesar de tener un carcter aleatorio permite ser

encontrado a partir de variables causales que explican la fuerza
del mercado financiero.

Es posible valorar opciones

estructurales del mercado

ARBOLES BINOMIALES

introduciendo

variables

Los modelos binomiales formalmente expuestos en ref_[1], asumen que

el precio de los activos financieros S siguen procesos binomiales
multiplicativos en perodos de tiempo discreto. La relacin de cambio se
mide nicamente para dos alternativas hacia arriba uS y hacia abajo
dS con una probabilidad p y (1-p) respectivamente:

uS (t 1) con probabilidad
uS (t 1) con probabilidad

S (t )

p.......

(1 - p)

[16]

Generando todos los posibles caminos por donde puede pasar S. Para
al final en un tiempo n, obtener el valor esperado del precio:
n=0

n=1

n=2

n=3
S(3)=uuuS(0)

Probabilidad
.p3

S(3)=uudS(0)

3.p2(1-p)

S(3)=uddS(0)

3.p(1-p)2

S(3)=dddS(0)

.(1-p)3

.uuS(0)
.uS(0)
S(0)

.udS(0)
.dS(0)
.ddS(0)

De la tabla anterior se puede inferir fcilmente el valor estimado en

perodo n del precio de un activo financiero, que no es ms que la
suma del producto del precio por el valor de la probabilidad que
generalizando para el caso de n>0 perodos nos da.

j
n!
p (1 p ) n j (u j d n j )
j
!
(
n

j
)!
j 0

S ( n) S (0)

[17]

En la ecuacin anterior quedan algunos parmetros por estimarse como

son. La probabilidad p y el valor de los coeficientes (u, d).
El valor esperado del precio futuro en funcin del precio pasado del
perodo anterior puede en funcin de los valores esperados calculados
a partir de la forma lognormal del precio ST:

E ( S (T )) Se (T t )
Var ( S (T )) S 2 e 2u (T t ) (e

(T t )

1)

[18]

Utilizando los valores esperados de los rboles binomiales se tiene:

E(S(t))

=puS(t-1)+d(1-p)S(t-1)

[19]

Var(S(t))

=(uS(t-1)-E(S(t)))2p+(dS(t-1)-E(S(t-1)))2(1-p)

[20]

Resolviendo estas dos ecuaciones con dos incgnitas d y u:

Var(S(t))

=S(t-1)2(u-d)2p(1-p)

[21]

Donde: Cox y Rubinstein proponen que por simetra de la probabilidad:

Ln(uS/S) = -Ln(dS/S)

[22]

.d=1/u

[23]

Donde el problema es estimar la probabilidad p, la cul ser obtenida

mediante el uso de factores macroeconmicos a travs de la regresin
logstica, ecuacin [12]. En el modelo binomial el valor de p, debe
estimarse en cada perodo de tiempo, y a continuacin se encuentra d
y u.

LA FUERZA DEL MERCADO

Para definir un concepto de fuerza es necesario buscar una analoga
entre las fuerzas de la naturaleza y el comportamiento del mercado
como un todo. As se vislumbra que las fuerzas elctricas son
esencialmente dicotmicas es decir tienen dos formas de actuar o bin
se acercan o bin se alejan dependiendo si las cargas son de signos
contrarios, o de signos iguales, respectivamente. Por su lado los
precios en los mercados financieros, tambin tienen un comportamiento
binario al alza o a la baja pero con una gran diferencia son de carcter
estocstico y el valor al alza es una probabilidad p, en tanto que el
valor a la baja es la probabilidad 1-p, siendo p, el valor que aparece
en [12].

Utilicemos algunas ecuaciones de los campos elctricos, que

supondremos tambin lo cumplen los mercados financieros:

;
z

E:

F
W

W
z

Campo
Potencial
Fuerza
Trabajo

Si tenemos la fuerza F(z), podemos encontrar el trabajo en ir desde un

valor z1 hasta un z2 con tendencia al alza como sigue:

1
1 ez
2
1

dz
1 e z
1

F ( z 0)
W1 2

grfica
1

de

0.8
0.6
0.4
0.2

-7.5

-5

-2.5

Para un mercado con tendencia a la baja:

ez
1 ez
2
e z

dz
z
1

e
1

F ( z 0)
W12

2.5

7.5

grfica
1

de

0.8
0.6
0.4
0.2

-7.5

-5

-2.5

2.5

7.5

LA ECUACION DE EINSTEIN PARA ESTIMAR LA VOLATILIDAD

BIBLIOGRAFA
1

OPTION PRICING: A SIMPLIFIED APPROACH, Cox, Ross,

Rubinstein, Journal of Financial Economics, 1979.

TERM STRUCTURE MOVEMENTS AND PRICING INTEREST

RATE CONTINGENT CLAIMS, Ho & Lee, The Journal of
Finance, 1986.

OPTIONS: A MONTE CARLO APPROACH, Boyle, Journal of

Financial Economics, 1976

OPTIONS, FUTURES and others DERIVATIVE SECURITIES,

Second edition, John Hull, Prentice Hall, 1993.

PROCESSUS ALEATOIRES, Rosanov, Editorial MIR Moscu

FINANCE IN CONTINUOS TIME, David Shimko, University

Southern California, Kolb Publishing Company.