Professional Documents
Culture Documents
IBEROAMERICANA
Rodrigo
Romn
P-2015
Resumen
Este trabajo se basar en lo que se conoce como Mtodo de Momentos
Generalizados (GMM) de Peter Hansen, ganador del premio novel de economa
en el ao 2013. As como la teora de portafolios de. Ser continuacin del
captulo 3 de la tesis del doctor Torres de 2007. Lo que pretende este trabajo es
verificar que GMM nos pueda dar un buena estimacin sobre los rendimientos y
riesgos de los diferentes activos financieros, as mismo se pretende entender la
importancia de tomar muestreos en diferentes intervalos de tiempo y en lo que
puede afectar esto a nuestros clculos.
Introduccin
El objetivo de esta investigacin es encontrar la forma de eleccin ptima para
portafolios de largo plazo, lo cual podra sonar como una Formula de Midas,
pero a travs de los aos se ha demostrado que aplicando conocimiento
estadstico, fsico y matemtico se puede obtener una forma ms slida para
cimentar una decisin de compra o venta de algn activo.
Antes de poderle dar un acercamiento matemtico se debe de explicar y definir
todo lo relacionado con los activos financieros y dar una breve explicacin sobre
la teora de portafolios.
UNIVERSIDAD
IBEROAMERICANA
Rodrigo
Romn
P-2015
Finanzas
Al hablar de finanzas nos referimos a la administracin de los recursos
monetarios. Tambin al hablar de estos nos referimos a los tres mercados que
abarca, los cuales son: mercados financieros, inversiones y la administracin
financiera.
Los activos se clasifican como circulantes o fijos. Un activo fijo es el que tiene
una vida ms o menos larga. Los activos fijos son tangibles, como un camin o
una computadora, o intangibles, como una marca registrada o una patente. Un
activo circulante tiene una vida menor de un ao. Esto quiere decir que el activo
se convertir en efectivo en el transcurso de 12 meses.
Teora de Portafolios
La teora de portafolios fue desarrollada por Harry Markowitz, autor de articulo
publicado en 1952 sobre la seleccin de carteras, la cual despus fue utilizada
para realizar trabajos por Merton Miller. La teora moderna de la seleccin de
carteras, o teora de portafolios, propone se de debe tomar como un todo a la
cartera, estudiando el retorno total y el riesgo, en lugar de escoger activos
individuales por su caracterstica de riesgo y valor en el retorno esperado.
Es sumamente importante destacar que la teora de seleccin de portafolios o
cartera toma en consideracin el retorno a largo plazo y la volatilidad esperada a
corto plazo. La volatilidad se trata como un factor de riesgo, y cada inversionista
es adverso al riesgo en un nivel diferente, por lo que hay que considerar un riesgo
diferente para cada uno en su seleccin de portafolio. Lo cual complica un poco
las cosas ya que esta teora nos da proporciona el mejor rendimiento posible con
el menor riesgo posible, pero aun as hay persona que desean un riesgo menor,
por lo que habra que modificar los activos en el portafolio hasta encontrar algo
que se adecue al inversionista.
Hoy en da la seleccin de carteras se ha convertido en un tema sumamente
interesante y necesario, ya que la economa de un pas afecta completamente a
2
UNIVERSIDAD
IBEROAMERICANA
Rodrigo
Romn
P-2015
! + ! !
UNIVERSIDAD
IBEROAMERICANA
Rodrigo
Romn
P-2015
UNIVERSIDAD
IBEROAMERICANA
Rodrigo
Romn
P-2015
UNIVERSIDAD
IBEROAMERICANA
Rodrigo
Romn
P-2015
UNIVERSIDAD
IBEROAMERICANA
Rodrigo
Romn
P-2015
Mecnica Estadstica
Algo suficientemente pequeo, como lo puede ser una partcula, inmerso en un
lquido presenta un movimiento aleatorio. Esto fue primeramente observado por
el botnico Robert Brown en el siglo XIX.
El movimiento Browniano fue descubierto al observar el movimiento de unas
partculas de polen que flotan en el agua. En primer instancia se pensaba que las
partculas de polen tenan vida y eso era lo que ocasionaba su movimiento.
Robert Brown explic que este movimiento observado era causado por la
vibracin de las molculas de agua que chocaban contra las partculas de polen,
causando un movimiento completamente aleatorio. El movimiento browniano
pone de manifiesto las fluctuaciones estadsticas que ocurren en un sistema en
equilibrio trmico.
El movimiento browniano puede explicarse a escala molecular por una serie de
colisiones en una dimensin en la cual, pequeas partculas (denominadas
trmicas) experimentan choques con una partcula mayor.
! = !!! +
7
UNIVERSIDAD
IBEROAMERICANA
Rodrigo
Romn
P-2015
!! = !! + !!
Al valor esperado de
!
!!
!!
= !! y el de
!!
!!
= ! , a este ltimo se le
UNIVERSIDAD
IBEROAMERICANA
Rodrigo
Romn
P-2015
UNIVERSIDAD
IBEROAMERICANA
Rodrigo
Romn
P-2015
Proceso de Markov
Un proceso de Markov es un tipo particular de proceso estocstico en el que
nicamente el estado actual del proceso es relevante a la hora de predecir el
estado futuro. Es decir, la historia pasada del proceso y la forma en que el
presente ha emergido del pasado son irrelevantes.
Ms formalmente, el valor esperado de una variable aleatoria x(t) en el instante t,
depende nicamente del valor previo x(t-1) . Generalizando, si poseemos
informacin sobre x (r) , con r < t , entonces a la hora de estimar x(t), la nica
informacin que necesitamos es la de x(r) , para el mayor r para el que tengamos
informacin.
Se supone habitualmente que los precios de las acciones siguen un proceso de
Markov. Esta propiedad de Markov de los precios de las acciones se corresponde
con la denominada eficiencia dbil del mercado. Dicha eficiencia dbil
establece que el precio actual de la accin encierra toda la informacin contenida
en el registro de los precios del pasado. Si esta propiedad no fuese cierta, los
analistas tcnicos podran obtener beneficios por encima de la media
interpretando las bases de datos de la historia pasada de las acciones. Existe poca
evidencia de que sean capaces de hacerlo.
Todo esto tiene fundamento en finanzas con el anlisis tcnico y la teora Dow,
pero esto va mas all de los propsitos de este trabajo.
10
UNIVERSIDAD
IBEROAMERICANA
Rodrigo
Romn
P-2015
Proceso de Wiener
Se dice que Z [] es un proceso de Wiener o movimiento Browniano si Z es una
funcin definida en algn intervalo I = [0,T] (eventualmente puede ser T = +),
con las siguientes propiedades
i) Z (0) = 0
ii) t, a 0 la variable aleatoria Z [t + a] Z [t] es independiente de {Z [s] : 0
s < t}
iii) t, a > 0
con Z [t + a] Z [t] N (0, a)
Observaciones de lo anterior
1. La proyeccin de Z sobre la coordenada t, Z [t] es una variable aleatoria para
todo t I. En este sentido se dice que {Z [t]} es un proceso estocstico.
11
UNIVERSIDAD
IBEROAMERICANA
Rodrigo
Romn
P-2015
Put y Call
Un put es un contrato que da la opcin, no la obligacin, de vender una cantidad
especifica de securities a un precio especificado dentro de una fecha especificada.
Lo cual es lo opuesto a un call, este ltimo da la opcin de compra a un precio
determinado.
Para nuestro modelo utilizaremos = +
Donde S es el stock o accin, dt es el cambio en el tiempo, es la tendencia,
es el drift y dz es un proceso de Wiener.
Lema de Ito
El Lema de Ito es una herramienta matemtica que no es una herramienta del
calculo normal si que utilizada en el calculo estocstico.
Hablando en trminos generales, se puede considerar la regla de cadena
del clculo estocstico. En finanzas, el lema de Ito se utiliza frecuentemente para
derivar el proceso estocstico seguido por el precio de un ttulo derivado. Por
ejemplo, si el activo subyacente sigue la mocin geomtrica browniana, entonces
el lema de Ito demuestra que un ttulo derivado cuyo precio es
una funcin del precio del activo subyacente y del tiempo tambin sigue la
mocin geomtrica browniana. De hecho, los dos valores presentarn la misma
fuente de riesgo, dando as a entender que una combinacin apropiada de los dos
valores puede eliminar el riesgo.
Antes de definir el Lema de Ito es necesario definir matemtica lo que es un
movimiento Browniano geomtrico en finanzas
P
= +
P
donde P es el precio de la accin, es el rendimiento esperado, es la
volatilidad del activo y es una normal estndar.
12
UNIVERSIDAD
IBEROAMERICANA
Rodrigo
Romn
P-2015
! = ! +
! +
! !
! = +
! , +
(! , )!
1 ! !
=
+
+
2 !
UNIVERSIDAD
IBEROAMERICANA
Rodrigo
Romn
P-2015
1 ! !
+
+
2 !
y varianza
2
=
+
+
!!!
!!!
+ 0
+ !
!!!
Formalismo Cannico.
La base matemtica de nuestro trabajo es la frmula de Feynman-Kac, que nos
permite calcular valores esperados resolviendo ecuaciones diferenciales.
Teorema:
Si x es el proceso browniano dx = dt + dz, entonces:
u x, t = E e (!"!
! ! ,!
x T
= ]
resuelve la ecuacin:
0 = ut + Lu + V (x, t)u si t < T
= ( )
14
UNIVERSIDAD
IBEROAMERICANA
Rodrigo
Romn
P-2015
1 ! !
+
2 !
Prueba. Sean f1 (s) e (!"! ! ! ,! y f2 (s) u(x(s),s). Entonces, por el lema
de Ito.
df1=f1*V*ds
df2 = (ut +Lu)ds + uxdz = Vuds + uxdz = Vf2ds + uxdz
Adems:
d (f1f2) = f1df2 + f2df1 + df1df2 d (f1f2) = {f1f2Vds + f1uxdz} + uf1V
ds + df1df2
Entonces:
E [f1(T) f2(T) f1(t) f2(t)] =0 (porque f2 = u(x(s),s) y E[dz] = 0, adems
df1df2 =0) E [f1(T) f2 (T)] = f1 (t) f2 (t)
Lo que nos lleva a que -> E [f1(T) f2(T)] = f1(t) f2(t)
Por lo que llegamos a:
!
15
UNIVERSIDAD
IBEROAMERICANA
Rodrigo
Romn
P-2015
!!
- !" + ! ! ! ! !
Teorema.
La distribucin de probabilidad de x, que vamos a denominar f, resuelve la
ecuacin 0 = ft Lf.
Prueba. Definamos la retcula xi = i y tj = jt, y consideremos el siguiente
modelo trinomial:
1. E[x] = ! ! +
!"
!"
!! =
2. Varianza[x]= ! ! ! +
!!!
!
!"
!! =
!!!
!
UNIVERSIDAD
IBEROAMERICANA
Rodrigo
Romn
! +
P-2015
! !,!!!! !"
!!!
!!
! !,!!!! !"
!!!
!!
+ 1
! !,!! !"
!!
! !,!! !"
!!
! + ! ()
2 , !!! , !!!
=
!!
2 !
2 , !!! , !!!
, ! , !
+
2
!
!!!
2 !
2 !
! ()
, !!! !.!! , !!! !.!!
=
2
, !!! !!! 2 , ! ! () + , !!! !!! ()
+
2 !
(, )
( , (, ) 1 ! ( , ,
=
+
= (, )
2
!
Donde
!"
!"
! !!! !
!!"
!!! !
!!"
!" !!! !
! !"
es una velocidad.
UNIVERSIDAD
IBEROAMERICANA
Rodrigo
Romn
es proporcional a
P-2015
! ! !" ! !
!
! !
!! ! ! ,! ]
u x, t = E e! !"[!!
e
! !" ! !,
x T
!"
,!
!"
= ]
x T
= ]
!
(,
!
UNIVERSIDAD
IBEROAMERICANA
Rodrigo
Romn
P-2015
Para la frmula
wt = rw rxwx v2x2wxx
Donde x es el precio de una accin; w el precio de una opcin call europea sobre
ese activo; c y t son el precio de ejercicio y la fecha de vencimiento de la
opcin, respectivamente; y r es la tasa de inters (constante).
la aplicacin del teorema de Feynman-Kac a la ecuacin de Black-Scholes arroja
una frmula con una bonita interpretacin econmica:
!
w x, t = E e !
!" !!
max x t , 0 = ]
= e!!(!!!) E max x t , 0 = ]
Lo cual es el precio de la opcin es el valor presente del valor esperado de su
pago futuro max {x (t ) c, 0}, donde la esperanza se calcula sobre todas las
trayectorias posibles que puede seguir el precio de la accin entre t y t .
Mientras que en su trabajo original Black y Scholes slo consideraron una tasa de
inters constante, la frmula de Feynman-Kac nos permite incorporar con
facilidad tasas de inters variables. El lector cuidadoso seguro habr observado
que en la ecuacin de Black y Scholes r juega el rol de la funcin V (x, t). Por
tanto, podemos considerar una tasa de inters variable r (x, t) que cambie no slo
con el paso del tiempo, sino adems con el estado de la variable de estado x, en
cuyo caso la ecuacin anterior se convierte en
w x, t = E e!
!
! !"#(!)
max x t , 0 = ]
UNIVERSIDAD
IBEROAMERICANA
Rodrigo
Romn
P-2015
dW
!
!
=
+ !
+ !
= + + + ! + !
20
UNIVERSIDAD
IBEROAMERICANA
Rodrigo
Romn
Donde
!!
!!
!!!!
!! !!
!!
!!
P-2015
!!!
!!!
! !!!
!!!
!! !!!
!!!
1 ! ! !
+ ! + [ 1 + , , ]
2
donde la esperanza del segundo trmino es sobre la distribucin de probabilidad
de J
Proponiendo que una solucin de u(W,t) es de la forma A(t)
0 =
!
!
! !!!
!!!
+ 1 + ! 1 + 1 + ! + !
!!!
1
donde =
!!
! !
! !
!!
21
UNIVERSIDAD
IBEROAMERICANA
Rodrigo
Romn
0 = + [ 1 + ! + !
P-2015
!!
1
]
1
0 =
! + !
1
!
! 1 + !! +
2
2 1 +k
!
{! ! ! 2 ! 1 !! }
22
UNIVERSIDAD
IBEROAMERICANA
Rodrigo
Romn
P-2015
! + !
= 4! 1 + !
2
1 + !!
y
! ! = 4! 1 !
La ecuacin anterior nos dice que la demanda global por activos riesgosos tiene
una parte miope que es creciente en su sobre rendimiento promedio (
!! !!!
!
r), y
23
UNIVERSIDAD
IBEROAMERICANA
Rodrigo
Romn
P-2015
!"!
!!
1 ! !
L
+
+ [ , , )]
2 !
UNIVERSIDAD
IBEROAMERICANA
Rodrigo
Romn
P-2015
1 ! !
!! + 1 =
+ 1
!!
!!!
UNIVERSIDAD
IBEROAMERICANA
Rodrigo
Romn
P-2015
! ; y
Podemos combinar los resultados de los dos cuadros anteriores para obtener
frmulas analticas para los primeros cuatro momentos centrales de r:
Ya estamos listos para discutir la aplicacin del GMM para estimar los
parmetros de nuestro modelo, pero antes vamos a hacer un par de comentarios
breves sobre los resultados del ltimo cuadro.
Dado que es una probabilidad y una varianza, la frmula para el tercer
momento muestra que los rendimientos estn sesgados, en donde , la media de
la magnitud del salto, define el signo del sesgo. Segundo, y ms interesante,
claramente el exceso de kurtosis {E [(r m)4 ]- 3(s2)2 ) }es positivo.
Por ltimo, es importante mencionar que aunque desde un punto de vista terico
no hay ninguna razn para no considerar momentos de orden cinco o superiores,
26
UNIVERSIDAD
IBEROAMERICANA
Rodrigo
Romn
P-2015
Trabajo a realizar
El trabajo siguiente es generar datos aleatorios en Montecarlo con una media y
desviacin estndar dadas para revisar si es que el GMM nos regresa a estas
mismas medias y desviaciones. Si logramos realizar estas mediciones con certeza
lo siguiente ser modificar los intervalos de tiempo en las muestras hasta
encontrar el intervalo que mas ajuste a los valores originales, una vez encontrado
esto lo que queda es realizar los portafolios con el mejor rendimiento y el menor
27
UNIVERSIDAD
IBEROAMERICANA
Rodrigo
Romn
P-2015
riesgo (el santo grial de finanzas seria riesgo cero y covarianzas -1) una vez
armado esto realizar la inversin para cumplir con el objetivo de las finanzas,
generar mas activos con los activos presentes.
Bibliografa
Melino, A. 1994. Estimation of Continuous-Time Stochastic Processes in
Finance. En C. Sims (editor), Advances in Econometrics, Sixth World
Congress, Vol. II, Cambridge University Press.
http://www.matem.unam.mx/geronimo/peiiCNSF/notas.pdf, revisado el 20 de
marzo del 2015
Merton, R. 1971. Optimum Consumption and Portfolio Rules in a ContinuousTime Model. Journal of Economic Theory, 3: 373-413.
28