Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ECONOMÍA UNA METODOLOGÍA PARA EL PRONÓSTICO DE OPCIONES CALL SOBRE EL IPyC PARA MÉXICO: UN ENFOQUE MONTE CARLO T E S I S QUE PARA OBTENER EL TÍTULO DE: LICENCIADO EN ECONOMÍA PRESENTAN: Leticia Castillo Vallejo Nara Cyntia Rios Velázquez Director: Dr. Armando Sánchez Vargas México, D.F., a 15 de agosto de 2009 UNAM – Dirección General de Bibliotecas Tesis Digitales Restricciones de uso DERECHOS RESERVADOS © PROHIBIDA SU REPRODUCCIÓN TOTAL O PARCIAL Todo el material contenido en esta tesis esta protegido por la Ley Federal del Derecho de Autor (LFDA) de los Estados Unidos Mexicanos (México). El uso de imágenes, fragmentos de videos, y demás material que sea objeto de protección de los derechos de autor, será exclusivamente para fines educativos e informativos y deberá citar la fuente donde la obtuvo mencionando el autor o autores. Cualquier uso distinto como el lucro, reproducción, edición o modificación, será perseguido y sancionado por el respectivo titular de los Derechos de Autor. La gratitud es la memoria del corazón (Jean Baptiste Massieu). A la Universidad Nacional Autónoma de México. A Armando Sánchez Vargas. A todas aquellas personas que de una u otra forma, colaboraron o participaron en la realización de esta investigación, nuestro más sincero agradecimiento. A mis padres, Porque sin su cariño, Su esfuerzo y su ejemplo No sería lo que soy. Todo mi amor y admiración. A Hernán, el amor de mi vida por estar a mi lado en todo momento. A mi incomparable Alma Mater, por brindarme las herramientas para forjarme un futuro. A Armando Sánchez Vargas, por sus enseñanzas y sus valiosas aportaciones al guiarme en este trabajo. A Nara por acompañarme en esta aventura y por su invaluable amistad. A todos mis profesores, por sus invaluables conocimientos. Pero sobretodo a Dios, por permitirme vivir cada uno de estos momentos. - mi más profundo agradecimiento. Leticia Castillo Vallejo A todos los que dan significado a mi vida. A Dios por acompañarme a lo largo de este camino, por darme la oportunidad de estar aquí. Papá y mamá, ésta tesis es resultado de todo lo que han hecho por mí, los amo. Abuelita, por toda la inspiración, por la fuerza, por creer. Lidia, Mayra y Omar, por su apoyo y compañía incondicional. Joel, por enseñarme a gatear de nuevo. Armando, por tu paciencia y todas las enseñanzas para la elaboración de este trabajo. Lety, por las noches de desvelo, por los minutos de ocio, por la amistad. Omar, por el ejército que tanto me distrae y por la oposición que cuida al ejército. Amigos y amigas, por siempre estar. Les agradezco mucho… como mucho… como mucho más que mucho. Nara Cyntia Rios Velázquez ÍNDICE INTRODUCCIÓN A LOS PRODUCTOS DERIVADOS ........................................................ 1 CAPÍTULO I. CONCEPTOS Y FUNDAMENTOS DEL CONTRATO DE OPCIONES FINANCIERAS ......................................................................................................................... 7 I. A. Definición y fundamentos .............................................................................................. 7 I. B. Funcionamiento .............................................................................................................. 9 I. C. Las opciones como instrumentos de cobertura y especulación ................................... 11 I. D. Características de las opciones listadas en MexDer ..................................................... 15 I. E. Valor de una opción ...................................................................................................... 16 I. E. 1. El precio del activo subyacente. ........................................................................... 17 I. E. 2. La volatilidad ........................................................................................................ 18 I. E. 3. Los dividendos ...................................................................................................... 18 I. E. 4. El tipo de interés ................................................................................................... 19 I. E. 5. El plazo hasta el vencimiento de la opción .......................................................... 19 I. E. 6. El precio de ejercicio ............................................................................................ 19 CAPÍTULO II. MARCO TEÓRICO: VOLATILIDAD Y VALUACIÓN DE OPCIONES .. 20 II. A. Definición de volatilidad ............................................................................................ 20 II. B. Modelos de Volatilidad: Del Modelo Paramétrico a los Modelos GARCH ............... 21 II. C. Volatilidad Implícita: El caso del Índice de Volatilidad de México (VIMEX) .......... 28 CAPÍTULO III. MODELOS DE VALUACIÓN DE OPCIONES: BLACK Y SCHOLES Y EL MÉTODO DE SIMULACIÓN DE MONTE CARLO ...................................................... 31 III. A. Modelo de Black-Scholes .......................................................................................... 31 III. B. Método de simulación Monte Carlo ........................................................................ 34 CAPÍTULO IV. ANÁLISIS EMPÍRICO: MODELACIÓN DE UN GARCH (1,1) Y SIMULACIÓN PARA EL PRONÓSTICO DE OPCIONES CALL DEL IPyC ...................... 40 IV. A. Descripción y comportamiento del IPyC (subyacente) ............................................. 40 IV. B. Modelación de un GARCH (1,1) para el IPyC ......................................................... 41 IV. C. Simulación de la varianza y estimación de precios de opciones call del IPyC a través del método de Monte Carlo .................................................................................................. 52 CAPÍTULO V. CONCLUSIONES Y RECOMENDACIONES ............................................. 57 BIBLIOGRAFÍA ...................................................................................................................... 60 ANEXOS .................................................................................................................................. 63 Anexo A. Metodología de Cálculo del Índice de Volatilidad de México (VIMEX) ........... 64 Anexo B. Metodología Dickey Fuller Aumentada (ADF) ................................................... 67 Anexo C. Modelos ARIMA: Metodología Box- Jenkins ...................................................... 69 Anexo D. Resultados de los correlogramas de la serie ........................................................ 71 Anexo E. Pruebas de hipótesis al Modelo ARIMA de la serie RIPC .................................... 73 Anexo F. Pruebas al Modelo ARIMA de la serie RIPC ........................................................ 74 Anexo G. Resultados del correlograma del Modelo GARCH (1,1). .................................... 77 Anexo H. Datos utilizados para la programación en MATLAB. ........................................... 78 1 INTRODUCCIÓN A LOS PRODUCTOS DERIVADOS A partir de la década de los setenta el mundo financiero comenzó su avance vertiginoso como resultado del proceso de globalización y las condiciones económicas imperantes. Los mercados financieros se vieron en la necesidad de desarrollar instrumentos más flexibles y menos riesgosos que los considerados tradicionales o fundamentales, como las acciones, los bonos o el petróleo, para pasar a los considerados como productos derivados. En materia financiera, un producto derivado se define como un instrumento cuyo valor depende, o se “deriva” del valor de un bien que se denomina activo subyacente.Este activo subyacente puede ser alguna materia prima (commodity) como el oro o el petróleo; o bien instrumentos financieros tales como acciones, tipos de interés, divisas, índices, tipos de cambio, instrumentos de deuda, etc. Dicho lo anterior, un instrumento derivado es un contrato cuyo precio depende del valor de un activo subyacente que cotiza en el mercado de contado (De Lara, 2005). Los productos derivados operan tanto en mercados organizados como en los extrabursátiles o de mostrador, denominados over the counter (OTC). En los primeros, los contratos están plenamente estandarizados en términos de vencimiento, precio de ejercicio y tipo de instrumento derivado; mientras que en los segundos se trata de operaciones entre dos instituciones financieras, o entre una institución financiera y alguno de sus clientes corporativos. La mayor diferencia entre ambos consiste en la existencia de la cámara de compensación que en los mercados organizados tiene entre sus principales funciones regular el riesgo de las operaciones de crédito, facilitar la operatividad del mercado al “compensar” constantemente las posiciones y reducir el riesgo de contrapartida exigiendo a los operadores un depósito de garantía1. 1 En general, sólo se exigen depósitos a los vendedores. Por otra parte, los depósitos son reevaluados diariamente para reflejar posibles pérdidas o beneficios de la posición de venta de opciones. Las garantías se gestionan a dos niveles: en primer lugar la cámara exige las garantías a los miembros del mercado o bolsa por las posiciones tomadas por cuenta de sus clientes o por cuenta propia y, en segundo nivel los miembros del mercado exigen a sus clientes garantías por sus posiciones por un importe que debe ser, como mínimo, el depósito exigido por la Cámara. (Lamothe, 2006). 2 Los productos derivados han tenido un importante crecimiento y desarrollo en los mercados financieros internacionales por diferentes razones, entre las más importantes, son que brindan nuevas alternativas de financiamiento, tienen bajos costos de transacción y elevada liquidez2, ofrecen a los administradores de riesgos instrumentos que permiten proteger a sus clientes de movimientos no anticipados en los precios, así como ajustar el riesgo y el rendimiento de los portafolios de inversión, entre otras. Los productos derivados más simples, denominados de primera generación o plain vanilla3, son los siguientes: Contratos adelantados o forwards. Contratos de futuros. Contratos de opciones. Contratos de swaps. Estos contratos tienen tres finalidades básicas: cobertura de riesgos, especulación y oportunidades de arbitraje. En México el primer mercado organizado de derivados aparece a finales de 1998 bajo el nombre de Mercado Mexicano de Derivados (MexDer). En los inicios de su actividad se listaron contratos de futuros financieros. Más adelante, en junio de 2003, el MexDer y el Mercado Español de Futuros y Opciones Financieros (MEFF) se asociaron para desarrollar un mercado de contratos de opciones en México, el cual inició operaciones en marzo de 2004 con Opciones sobre el Índice de Precios y Cotizaciones de la Bolsa Mexicana de Valores (IPyC) y sobre acciones individuales (De Lara, 2005). Desde su aparición, el mercado de derivados en México ha experimentado un importante crecimiento. En 2006 se colocó en el lugar número cinco del indicador mundial de contratos concertados, debido a la negociación de futuros sobre la Tasa 2 Un activo es líquido si tiene suficiente actividad en los mercados para que pueda ser negociado fácilmente a un precio que corresponda a su valor verdadero. 3 En el argot del medio financiero “plain vanilla” es la forma de denominar a los instrumentos que presentan las estructuras típicas, es decir, las estándar. (Vera, 2005). 3 de Interés Interbancaria (TIIE). Entre 2005 y 2006 se registró un crecimiento del 164.61% en la suscripción de este tipo de contratos, cuyo número pasó de 99.83 millones a 264.16 millones. En cuanto a los contratos de opciones y futuros contabilizados en su conjunto, en 2005 México ocupó el lugar número 15 a nivel mundial; mientras que en 2006 avanzó cuatro posiciones colocándose en el lugar 11, como consecuencia de que el volumen de los contratos pasó de 108.18 millones a 275.22, un incremento del 154.41%4. El total de contratos de opciones y futuros negociados a nivel mundial alcanzó los 11.86 millones en el año 2006. De acuerdo con estadísticas de la Futures Industry Association (FIA) se registró un incremento del 19% sobre las cifras obtenidas en 2005; cuando a su vez hubo un crecimiento del 12% con respecto a las de 2004. Actualmente los futuros listados en MexDer tienen como subyacente a las divisas, tasas de interés, índices y acciones. Por el lado de las opciones, existen sobre índices (IPyC), divisas (Dólar Americano) y acciones (América Móvil Standard and Poors 500, Cemex, Walmex, Televisa, Grupo México, NAFTRAC 02 y NASDAQ-100). A la par del incremento de los contratos de derivados, a nivel mundial han avanzado las investigaciones para contar con instrumentos más adecuados para medir el valor de un derivado, específicamente de las opciones, y también se han diseñado modelos para cada tipo de activo subyacente de la opción y se han mejorando los supuestos restrictivos que hacen que no se valúen las opciones de forma eficiente. En este sentido, este trabajo de investigación se centra en el estudio de la valuación de opciones call del IPyC. Las principales razones para tomar como objeto de estudio este contrato son las siguientes: 4 FIA Annual Volume Survey 2006. 4 1. Constituye un excelente instrumento para efecto de coberturas y estrategias de financiamiento. 2. Debido a su flexibilidad, al momento de hacer efectiva o no la compra-venta por parte del comprador de la opción, figura como el mejor instrumento en relación a los futuros, ya que en el caso de éstos, llegada la fecha de vencimiento del contrato se tiene que cumplir con las obligaciones adquiridas al momento de su contratación. Por otro lado, el hecho de que las opciones sobre el IPyC sean de tipo europeas indica que deben ejercerse en una fecha determinada5. Pero ¿qué es lo que indica que convenga a un agente adquirir y/o ejercer o no una opción? La respuesta está relacionada con el valor que tendrá el precio de esa opción comparada con el precio del bien subyacente, en una fecha futura. Es decir, la cobertura perfecta y la ganancia adquirida por medio de este tipo de contratos dependen en gran medida de la correcta valuación y de la predicción del precio del instrumento. A este respecto existen modelos de valuación de opciones para cada tipo de subyacente. Para el caso de las opciones sobre índices, el modelo tradicional utilizado es el de Black y Scholes (en adelante B-S). Sin embargo, una de las críticas más importantes a este modelo es que asume que la distribución de probabilidad de los rendimientos del precio del subyacente es normal (tiene µ y σ constantes), lo cual implica que la función de probabilidad en el futuro se distribuye de la misma manera6. Posteriormente, mediante el análisis econométrico de varios activos financieros (subyacentes) se ha observado que los rendimientos de estos activos no poseen tales características de normalidad (Oráculo no Gaussiano, 2006). Dada esta irregularidad se han propuesto modelos con volatilidad estocástica y reversión a la media; uno de los mas conocidos es el modelo GARCH y sus derivaciones (Engle, 1982). Bajo estas consideraciones, en este trabajo se procederá a modelar un GARCH (1,1); cuyas estimaciones resultantes sumadas a elementospropios del modelo B-S 5 En capítulos posteriores se explican las características de dichas opciones. 6 Esto implica que es posible encontrar los parámetros relevantes del precio del subyacente mediante regresiones por mínimos cuadrados ordinarios, o maximización de la función de verosimilitud. 5 se utilizarán para programar un sistema de simulación de varianzas y precios de opciones. Es decir, se empleará como base fundamental la modelación de un GARCH (1,1) para el IPyC (activo subyacente), los elementos de la fórmula B-S y el método de simulación de Monte Carlo para valuar opciones sobre dicho índice. Así, el objetivo general de este trabajo es la obtención del pronóstico de precios de opciones call del IPyC utilizando una volatilidad no constante en sustitución de una volatilidad constante como la que se obtiene a partir del modelo de B-S, y dos herramientas: el modelo econométrico GARCH (1,1) y simulaciones de Monte Carlo elaboradas en MATLAB. En este sentido, la hipótesis, consiste en que dada la eliminación de restricciones por medio de la utilización de esta metodología de valuación, los pronósticos de precios de opciones call del IPyC obtenidos sean eficaces y eficientes. La aplicación de esta metodología ofrece la posibilidad de conocer el funcionamiento de instrumentos teóricos en el campo aplicado, y podría ayudar a la “correcta” toma de decisiones de los inversionistas.- quienes utilizan estos instrumentos con el objetivo de cubrirse del riesgo, beneficiarse mediante la especulación o bien, aprovechar oportunidades de arbitraje.- dependiendo de los resultados obtenidos. En México existen diversos estudios asociados a la valuación de opciones, varios han incluido alguno de los métodos que se utilizan en esta investigación, sin embargo hasta el momento no se ha encontrado evidencia de que algún trabajo asocie en su conjunto el Modelo de B-S, el modelo GARCH y el modelo Monte Carlo con el objetivo de evaluar opciones sobre el IPyC. En el ámbito internacional existen estudios que abordan la asociación de dos o más métodos diferentes a los que en esta investigación se recurren. El presente trabajo se compone de cinco capítulos. En el primer capítulo se lleva a cabo un resumen de los conceptos y de la forma de operar de las opciones. El capítulo dos se centra en la explicación teórica de las características de la volatilidad y la valuación de opciones; mientras que en el capítulo tres se explican los dos modelos relevantes al estudio: el modelo B-S y Monte Carlo. En el cuarto capítulo se 6 muestra el comportamiento probabilístico del activo subyacente (IPyC) durante su periodo de análisis del 22 de marzo de 2004 al 28 de septiembre de 2007, así como el análisis empírico de esta investigación, por medio del cual se obtiene la estimación del modelo GARCH (1,1), cuyos resultados se utilizarán posteriormente para simular varianzas y pronosticar precios a partir del programa matemático MATLAB. En el quinto y último capítulo se presentan las conclusiones y recomendaciones de esta investigación. 7 CAPÍTULO I. CONCEPTOS Y FUNDAMENTOS DEL CONTRATO DE OPCIONES FINANCIERAS En este capítulo se presentan los conceptos necesarios para entender la operación de las opciones, así como los elementos que integran el proceso de valuación de las mismas. I. A. Definición y fundamentos “Una opción es, en términos generales, un contrato en el que dos contrapartes acuerdan comprar o vender un activo definido por algún bien subyacente a un precio determinado durante un período o en una fecha establecida. El tenedor (comprador) de la opción tiene el derecho aunque no la obligación de hacer efectiva la opción (comprar o vender el bien subyacente), mientras que el vendedor tiene la obligación de venderla”. (Martínez, 1993) El primer mercado organizado que se creó en el mundo para operar opciones fue el Chicago Board Options Exchange (CBOE) en 1973. El contrato de opciones fue creado para dar mayor flexibilidad a los contratos de futuros (en los contratos de futuros tanto el comprador o el vendedor tienen en todo momento la obligación de realizar la operación de compra-venta) y para disminuir el riesgo, de manera que el comprador de la opción se beneficie de los movimientos del mercado en una dirección, pero no sufra pérdidas como consecuencia de movimientos en la dirección contraria Según el tipo de subyacente al que estén referenciadas, las opciones pueden ser de varios tipos: opciones de índices, de tasas de interés, de divisas, de acciones, de materias primas (commodities) o de índices sobre futuros. Como se mencionó al principio de este trabajo, nos enfocaremos al estudio de las opciones sobre índices, en particular sobre el IPyC. Existen dos tipos de opciones: las de compra (call) y las de venta (put). Una opción de compra o call es un contrato por medio del cual el comprador tiene el derecho, 8 pero no la obligación, de comprar durante la vigencia del contrato o en una fecha determinada (fecha de ejercicio) un activo denominado activo subyacente a un precio previamente determinado (precio de ejercicio o strike). Por su parte el vendedor de la opción call adquiere la obligación de vender el activo subyacente y de cumplir con los términos del contrato; para tal efecto recibe un pago (prima7) por el riesgo asumido en la venta de la opción. Una opción de venta o put otorga al comprador el derecho, pero no la obligación de vender durante la vigencia del contrato o en una determinada fecha un activo a un precio previamente determinado. El vendedor de la opción put adquiere la obligación de comprar el activo y cumplir con los términos del contrato y recibe a cambio una prima (Hull, 2002). Operan en los mercados dos tipos de opciones. Aquellas que permiten al comprador ejercer su derecho sobre el contrato en cualquier momento de la vida del mismo (desde la fecha de adquisición de la opción hasta su fecha de vencimiento), y que se denominan opciones americanas. Por otro lado, aquellas que sólo permiten ejercer el derecho sobre el contrato en una fecha determinada se denominan opciones europeas. Como ya se mencionó, en cada contrato de opciones existen dos partes: por un lado está el inversor que ha comprado la opción y por otro lado está el agente que ha vendido o emitido la opción. De acuerdo a esto, el Cuadro 1.1 muestra las cuatro clases de operaciones que pueden darse en el ejercicio de opciones: Cuadro 1.1 Operaciones con opciones Opciones Comparador Vendedor Call Derecho a comprar un activo a un precio y fecha determinados. Obligación de vender el activo en la fecha y precio establecidos. Put Derecho a vender un activo a un precio y fecha determinados. Obligación de comprar el activo en la fecha y precio establecidos. Fuente: Elaboración propia con información de (De Lara, 2005). 7 La prima es el precio al que cotiza en cada momento el derecho que incorpora la opción y al igual que otros productos financieros, esta cotización es resultado del libre juego de la oferta y la demanda en el mercado. (Ross, 1997) 9 I. B. Funcionamiento Una vez comprendidas las características generales de las opciones, se procederá a responder la siguiente pregunta: ¿qué es lo que indica que convenga a un agente adquirir y/o ejercer o no una opción?. El comprador de la opción ejercerá su derecho de acuerdo al “valor intrínseco” de la opción. El valor intrínseco es la diferencia entre el precio del activo que funge como subyacente (S) al momento de expirar el contrato y el precio de ejercicio de la opción (E) que como sabemos es el precio de compra o venta que se acordó en el momento de realizar el contrato (Sánchez, 2001): de tal manera queal tenedor de la opción call le conviene ejercer su derecho de compra si: S-E Si S>E C= 0 Si S≤ E Donde S-E= valor intrínseco de la opción call C= máx [0, S-E] Por lo tanto tenemos que para la opción call si S-E >0, la opción será ejercida (lo anterior bajo el supuesto de la ausencia de costos de transacción). De manera semejante para que el comprador de una opción put ejerza su derecho a vender el subyacente se debe cumplir: S-E Si S<E P= 0 Si S≥E Donde S-E= valor intrínseco de la opción put P= máx [0, S-E] Así, para que la opción put sea ejercida se debe dar que S-E<0. En este sentido, de acuerdo a su valor intrínseco las opciones se pueden clasificar en tres categorías: Opciones “dentro del dinero” (in the money, ITM). Opciones “en el dinero” (at the money, ATM). Opciones “fuera del dinero” (out of the money, OTM). 10 En las opciones “dentro del dinero”, sus valores intrínsecos son positivos. Es decir, su precio de ejercicio se encuentra por debajo del valor del subyacente en el caso de un call, y por encima en el caso de una put. S > E para las opciones call S < E para las opciones put Estas opciones se ejercerán ya que al hacerlo, se produce un beneficio. Para el caso de las opciones “en el dinero”, sus valores intrínsecos son nulos. Su precio de ejercicio es igual al valor del activo subyacente tanto en el caso de una call, como de una put. Por lo que: S = E para las opciones call y put En estas opciones su ejercicio no supone ni pérdida, ni beneficio. Por lo tanto, la decisión de comprar o vender dependerá de las necesidades del inversor. Por último, en el caso de opciones “fuera del dinero”, sus valores intrínsecos son negativos; es decir, su precio de ejercicio se encuentra por arriba del valor del activo subyacente en el caso de un call, y por debajo en el caso de un put. S < E para las opciones call S > E para las opciones put Dado que en una situación como ésta las opciones no se ejercerán, la operación se traduce en pérdidas para el comprador (recuérdese que el comprador entrega una prima al vendedor de la opción) por lo que su valor intrínseco también es cero. Como ya se había mencionado, para adquirir una opción es necesario que el comprador pague al vendedor de la misma una prima8 en el momento de pactar la operación. El 8 Dicha prima esta en función del periodo de vencimiento del contrato, de la volatilidad de los rendimientos del subyacente, del precio de ejercicio y de la tasa de interés libre de riesgo principalmente. 11 vendedor no devolverá dicho monto en ningún momento, por lo que si el comparador no ejerce su derecho, perderá la prima. Lo anterior explica los valores intrínsecos para las call Máx[0, S-E] y para las put, Máx[0, S-E] (Lamothe, 2005). I. C. Las opciones como instrumentos de cobertura y especulación Probablemente las opciones constituyen uno de los mejores instrumentos para la cobertura ante movimientos negativos de los precios de ciertos subyacentes. Lo anterior debido a que por medio de este tipo de instrumentos se transfiere el riesgo de pérdida por un lado, y además, se mantienen las posibilidades de beneficios ante una evolución positiva de los precios, por otro. La cobertura con otros instrumentos, como en el caso de los futuros, también implica la transferencia del riesgo de pérdida así como la posibilidad de obtener beneficios ante movimientos favorables de los precios; sin embargo, las opciones resultan mejores debido a su flexibilidad porque ofrecen una amplia gama de posibilidades para tomar posiciones especulativas cuando se anticipa el comportamiento de los precios o mejor dicho, ante un correcto pronóstico de la volatilidad del activo subyacente. Las pérdidas posibles asociadas a la especulación con opciones se limitan a la no recuperación de la prima entregada al momento de pactar el contrato; mientras que las posibilidades de beneficios son infinitas de acuerdo al comportamiento del precio del bien subyacente y a su correcta previsión. Las estrategias para cobertura y especulación posibles son prácticamente ilimitadas. Las posiciones básicas de acuerdo al perfil de pérdidas y ganancias que presentan las opciones, son las siguientes (Ross, 1997 ): Compra de un call: si el pronóstico de precios indica que el precio del activo subyacente aumentará, las ganancias pueden ser ilimitadas, mientras que sus pérdidas vienen limitadas por la prima pagada. 12 Compra de un put: si queremos anticiparnos a una probable disminución en el precio del activo subyacente; el costo de la prima será la pérdida máxima. Venta de un call: si el pronóstico de precios indica que el precio del activo subyacente disminuirá; las posibilidades de pérdidas son ilimitadas y las ganancias limitadas al valor de la prima. Venta de un put: si queremos beneficiarnos ante un probable aumento en los precios del activo subyacente; la ganancia máxima es limitada y será el precio de la opción put. Enseguida se muestran las Gráficas tradicionales de perfil de riesgos (Gráficas No.1.1, No.1.2, No. 1.3 y No.1.4) para las cuatro posiciones básicas explicadas. En el eje de las abscisas se encuentran los posibles precios del activo subyacente al vencimiento del contrato, en tanto que en el eje de las ordenadas se encuentran los beneficios o pérdidas obtenidos (Lamothe, 2005). Gráfica 1.1 Compra de una call Fuente: Elaboración propia de acuerdo a Lamothe, 2005. 13 Gráfica 1.2 Compra de una put Fuente: Elaboración propia de acuerdo a Lamothe, 2005 Gráfica 1.3 Venta de una call Fuente: Elaboración propia de acuerdo a Lamothe, 2005 14 Gráfica 1.4 Venta de una put Fuente: Elaboración propia de acuerdo a Lamothe, 2005 Como se puede observar en los gráficos, la pérdida del comprador de una opción viene dada por el costo de la prima pagada al momento del contrato, mientras que sus posibilidades de beneficio son ilimitadas. Para el vendedor de la opción sus beneficios se encuentran limitados a la prima que le fue otorgada y sus pérdidas están limitadas a cero si el comprador ejerce su derecho de compra. Existen estrategias más complejas que básicamente consisten en realizar distintas combinaciones de compra y/o venta de opciones call y put. Estas estrategias se pueden clasificar en tres tipos: Estrategias de tendencia. Estrategias de volatilidad. Estrategias mixtas. Los nombres de algunas de estas estrategias son: bear spreads, bull spreads, strangle, straddle, butterfly, condor, etc. La explicación de estas estrategias va más allá de los objetivos de este trabajo. 15 I. D. Características de las opciones listadas en MexDer En el MexDer actualmente se tienen listados contratos de opciones europeas y opciones americanas, las cuales se encuentran en el siguiente cuadro: Cuadro 1.2 Opciones europeas y americanas listadas en el MexDer Opciones europeas Opciones americanas Opciones sobre futuros del IPyC de la Bolsa Mexicana de Valores Opciones sobre acciones individuales de: América Móvil, Cementos Mexicanos, Wal-Mart, Naftrac 02, Nasdaq 100-Index Tracking Stock y iShares S&P 500 Index®" IVV. Opciones sobre el dólar de los Estados Unidos de América Fuente: Elaboración propia con información de MexDer, www.mexder.com.mx Esta investigación se basa en la valuación de opciones sobre el IPyC9 que son de tipo europeo y su liquidación es por diferencias, su vencimiento es trimestral y su negociación es víaelectrónica. La liquidación de opciones implica dos procesos: Liquidación diaria del mercado mediante la cual la Cámara de compensación (ASIGNA) incluye en el flujo diario las cantidades correspondientes a las primas pactadas en la negociación de operaciones. Liquidación por ejercicio/asignación anticipada o al vencimiento de los contratos de opciones liquidables en especie o en efectivo. En el Cuadro No. 1.3 se explican brevemente las formas de liquidación de opciones. 9 Actualmente y a partir del año 2007, las opciones del IPyC se denominan opciones sobre futuros del IPyC. El cambio en el instrumento listado no altera el análisis realizado ya que los elementos que lo integran tienen el mismo comportamiento. 16 Cuadro 1.3 Liquidación de Opciones Liquidación en especie de una opción call Liquidación en especie de una opción put Cuando el precio de cierre del IPyC sea mayor al precio de ejercicio de la opción negociada, el comprador ejercerá su derecho de comprar el activo IPyC del contrato de opción pagando el precio de ejercicio. Cuando el precio de cierre del IPyC sea menor al precio de ejercicio de la opción negociada, el comprador ejercerá su derecho de vender el activo IPyC del contrato de opción cobrando el precio de ejercicio. Liquidación en efectivo de una opción call y una opción put El comprador de la opción IPyC, recibirá el valor intrínseco al ejercer su derecho, es decir, recibirá la diferencia del precio del IPyC y el precio de ejercicio, multiplicado por el tamaño del contrato y por el número de contratos ejercidos, mismo que entregara el vendedor de la opción. Fuente: Elaboración propia de acuerdo a De Lara 2005. En el caso de los contratos de opciones americanas (acciones individuales por ejemplo) su liquidación se lleva a cabo mediante entrega física y su vencimiento son es trimestral. El tamaño del contrato de la opción del IPyC, y el tamaño de los contratos para opciones de acciones individuales es de 100 veces el valor de la acción (MexDer, 2008). I. E. Valor de una opción El valor o prima de una opción antes de su vencimiento tiene dos componentes: 1. El valor intrínseco, y 2. El valor tiempo, valor temporal o valor extrínseco. (De Lara, 2005) Así, el valor de una opción se define: Valor de la opción = Valor intrínseco + valor temporal El primer componente ya se ha explicado. El segundo está en función de las siguientes variables: precio del subyacente, tiempo al vencimiento, volatilidad, tasa de interés libre de riesgo, precio de ejercicio y dividendos. 17 El comprador de una opción estará dispuesto a pagar una cantidad superior (prima) al valor intrínseco, si espera que a la fecha de vencimiento la variación de los precios sea lo suficientemente grande como para que pueda obtener un beneficio superior a dicho valor. Como puede verse, el valor temporal tiene un componente eminentemente probabilístico. A esta diferencia entre la prima y el valor intrínseco se le denomina valor temporal. Conforme la opción se aproxima al vencimiento, el valor temporal tiende a cero. Dado que el valor total de una opción es igual a la suma del valor intrínseco más el valor temporal, una forma de valuar las opciones consistiría en calcular ambos componentes y sumarlos. Aunque algunos modelos de valoración de opciones se orientan por este camino, la mayoría de ellos opta por calcular únicamente el valor teórico de la opción. En este sentido, los factores que influyen en el precio y el valor teórico de una opción pueden ser de tipo exógeno o endógeno. Los determinantes exógenos del valor de una opción se encuentran fijados por el mercado (excepto la volatilidad) y se describen a continuación (Lamothe, 2005). I. E. 1. El precio del activo subyacente. Las fluctuaciones del activo subyacente influyen de manera importante en el valor de una opción. Así se tiene que un aumento en el precio del activo subyacente se traduce en aumentos de la prima de la call y disminuciones en la prima de la put y viceversa. Es decir, los descensos en el precio del subyacente provocan bajas en la prima de la call, e incrementos en la prima de la put. Esto se puede observar de acuerdo a la definición del valor intrínseco: C = máx [0, S-E] P = máx [0, S-E] 18 I. E. 2. La volatilidad La volatilidad es la variable fundamental para los modelos matemáticos de valuación de opciones. La volatilidad en términos comunes es la dirección y velocidad de los movimientos del precio del activo subyacente. Si el precio de las opciones no se mueve con rapidez (baja volatilidad) tendrán pocas posibilidades de superar los precios de ejercicio de las opciones. Por el contrario, en el caso de que dichos precios se movieran con rapidez (alta volatilidad) se tendrían mejores posibilidades de superar dichos precios de ejercicio. Por tal motivo sólo será atractivo realizar estrategias de cobertura y/o especulación con opciones, cuando se tengan tasas mínimas de volatilidad del activo subyacente. Las opciones y la volatilidad están íntimamente ligadas, el efecto de un alza en la volatilidad afecta de igual manera a las call que a las put; es decir, un aumento en la volatilidad provoca aumentos en la primas para ambas opciones. La volatilidad es el único factor desconocido en el momento de estimar el precio de la opción. Debido a esto, muchos agentes financieros hablan de mercados de volatilidades refiriéndose a los mercados de opciones. Es por éste motivo que el presente trabajo se centra en la medición eficiente de la volatilidad, lo que se aborda con mayor detalle en el siguiente capítulo. I. E. 3. Los dividendos En el mercado accionario el pago de dividendos que realiza una empresa a sus socios (accionistas), supone una reducción de las cotizaciones ya que los inversores descuentan del precio de cada acción los dividendos repartidos, con lo que el precio de la acción (que en opciones funge como activo subyacente) disminuirá. Esta situación afecta positivamente el valor de las opciones put y de forma negativa el valor de las call. Sin embargo, esta aseveración es cierta para opciones sobre índices (como el IPyC) y acciones, ya que para otros tipos de subyacente puede decirse de manera general, que los pagos que realiza el activo subyacente por diferentes conceptos y en función de su naturaleza, afectan negativamente a las call y positivamente a las put (Lamothe, 2005). 19 I. E. 4. El tipo de interés Cuanto mayor sea el tipo de interés, el valor de una call aumentará. Lo anterior se debe a que el valor al que fue contratada la opción es menor al valor actual del precio de ejercicio ya que cuenta con un tipo de interés mayor. Por el contrario, para las put los aumentos en el tipo de interés disminuyen su valor, ya que el tenedor de una opción put se verá obligado a vender una opción en menor precio que el precio de ejercicio. Los determinantes endógenos del valor de una opción contienen características específicas asociadas al contrato de la misma, las cuales se presentan enseguida. I. E. 5. El plazo hasta el vencimiento de la opción El plazo hasta el vencimiento de la opción es importante para determinar su valor, ya que a mayor plazo una opción tendrá mayor valor tiempo. El paso del tiempo afecta negativamente el valor de las opciones put y call cuando los demás factores se encuentran constantes. El efecto del tiempo no es lineal, sino que se va acelerando conforme la opción se acerca a su vencimiento. Así, los compradores de opciones estarán más interesados en adquirir opciones a largo plazo que a corto plazo; mientras que los vendedores prefieren negociar opciones a corto plazo. (Recuérdese la definición del valortemporal de una opción). I. E. 6. El precio de ejercicio El valor de una opción call será mayor cuanto menor sea el precio de ejercicio, y para las opciones put una mayor prima de la opción se obtendrá cuanto mayor sea el precio de ejercicio. (Lamothe, 1993). 20 CAPÍTULO II. MARCO TEÓRICO: VOLATILIDAD Y VALUACIÓN DE OPCIONES Como se ha mencionado, la volatilidad es una de las variables más estudiadas dentro de la valuación de opciones. El desarrollo de técnicas y modelos que permiten capturar la volatilidad de una variable ha sido extenso, y ha evolucionado de manera importante en las últimas décadas, debido en gran parte al desarrollo de los mercados financieros y a la creación de nuevos instrumentos. De esta manera, en el presente capítulo se estudiará la volatilidad y sus modelos de estimación más significativos, poniendo especial énfasis en la medición de la volatilidad dentro del MexDer y en el modelo teórico seleccionado para fines de este estudio. II. A. Definición de volatilidad La definición de volatilidad es básicamente la misma para el mercado accionario, que para el mercado de productos derivados, siendo la única diferencia el tipo de activo financiero al que se hace referencia. Así, en el mercado accionario la volatilidad es entendida como la variabilidad del precio de las acciones a través del tiempo; mientras para el MexDer ésta es entendida como el grado con el cual el precio del subyacente tiende a fluctuar a través del tiempo (Díaz, 1998). Independientemente de esta distinción y para fines matemáticos propios del capítulo, la volatilidad de un activo financiero se define como la desviación estándar del cambio en su valor, es decir, del cambio que se produce en los rendimientos de dicho instrumento financiero con un horizonte temporal específico (Sánchez, 2001). La desviación estándar, también conocida como desviación típica, es una medida de dispersión utilizada en estadística y que indica cuánto tienden a alejarse determinados valores del promedio en una distribución. Dentro de un conjunto de datos, se trata específicamente del promedio de la distancia en la que se separan o desvían cada uno de los datos respecto de su media y se representa por una letra S o con una letra sigma (Spiegel,1989). Es decir, dentro del ámbito financiero, mide 21 la frecuencia y magnitud con la que un activo se desvía de su comportamiento habitual (de su promedio o media).10 Así, de una serie de N números X1, X2, …XN, la desviación estándar se define por: NN XX N XX jj N j 22 2 1 (2.1) Donde representa las desviaciones de cada uno de los números Xj de la media X. II. B. Modelos de Volatilidad: del Modelo paramétrico a los modelos GARCH Producto de la cada vez más apremiante necesidad de contar con mediciones de la volatilidad lo más exactas posibles, la elaboración de modelos para la predicción de la volatilidad de los activos financieros ha sido uno de los puntos centrales de la investigación empírica y teórica de los especialistas del sector financiero, no sólo durante las últimas décadas -cuando dichas investigaciones han aumentado de manera acelerada-, sino desde inicios del siglo pasado. En este sentido, estas investigaciones han dado lugar a un número significativo de técnicas para la medición y el uso de modelos para medir la volatilidad. A continuación se hace un recuento de las más importantes de ellas. El modelo más sencillo para estimar la volatilidad es conocido como modelo o estimación paramétrica. Éste toma la volatilidad como un parámetro y la estima a partir de la fórmula de la varianza muestral de los rendimientos, es decir: 1 1 2 2 n R n t t (2.2) Donde: 2 = Varianza de los rendimientos ( R ) 10 MexDer. El índice de Volatilidad de México VIMEX 22 n = Número de observaciones. A pesar que el cálculo de la volatilidad por este método es sencillo, presenta inconvenientes que deben ser considerados: 1. Como es posible observar a través de la fórmula de la varianza muestral de los rendimientos, el valor de la volatilidad variará en función del tamaño de la muestra; es decir, el valor de la volatilidad dependerá de la elección de “n”. 2. En este modelo la volatilidad permanece constante a través del tiempo, esto es, se tendrá sólo un dato para todo el periodo muestral. 3. En cuanto al pronóstico de la volatilidad para los periodos t+1,…, t+k, éste será igual al valor actual de la estimación de la volatilidad. Se ignoran los efectos apalancamiento11 y clustering12 (Sánchez, 2001). A fin de resolver el problema de que la volatilidad es un parámetro que permanece constante para un periodo determinado, se desarrolló un método para calcular la volatilidad a partir de promedios móviles. Dicho método es conocido como Método de Promedios Móviles y es ocupado para el cálculo de uno de los modelos de volatilidad más utilizados en el ámbito financiero: el Modelo de Volatilidad Histórica. Un promedio móvil es un promedio aritmético de una muestra de “n” datos, en el que cada vez que se calcula el promedio se añade un nuevo dato al final de la serie y se elimina la primera observación de la muestra (Sánchez, 2001). Es decir, el promedio móvil de “R” de orden “n” en el periodo “t”, sería igual a: n RRRR nt ...21 (2.3) De tal forma que el promedio móvil en el periodo t+1 sería igual a: n RRRRR nnt 1321 ... (2.4) 11 Esta propiedad se refiere a que una volatilidad elevada predomina por largo tiempo para después disminuir a sus niveles de largo plazo. 12 Esta característica indica que la volatilidad varía en mayor medida cuando los rendimientos aumentan, que cuando los rendimientos disminuyen. (Sánchez, 2001) 23 Así, el cálculo de la volatilidad histórica se realiza a partir de la fórmula de la varianza muestral de los rendimientos (2.2), pero toma como referencia un periodo muestral móvil en lugar de uno determinado, como sucede en el caso del Modelo Paramétrico. La implicación más importante es que a partir de este Método de Promedios Móviles la volatilidad deja de ser considerada como un parámetro, para ser tomada ahora como un proceso. De esta manera, para el caso específico del Modelo de Volatilidad Histórica, dicha variable se determina por medio de la siguiente fórmula: 1 1 2 2 n R Tt nTi i t (2.5) Si bien el Modelo de Volatilidad Histórica ha sido una de las técnicas más socorridas por los inversionistas, pues brinda información relevante respecto al comportamiento de la volatilidad en el pasado, resulta no ser eficiente en lo que se refiere al comportamiento futuro de la misma. Es decir, supone que el comportamiento futuro de la volatilidad tendrá la misma tendencia que el dato estimado utilizando como base las cifras históricas. (Sánchez, 2001). Independientemente del hecho de que el Modelo de Volatilidad Histórica no es capaz de predecir la tendencia futura de la volatilidad, otras deficiencias de este modelo son: 1. La medición de la volatilidad por medio de este modelo es sumamente sensible al número de observaciones del promedio móvil: ante un número mayor de observaciones es cada vez menor la posibilidad de incorporar cambios estructurales en la estimaciónde la volatilidad; por el contrario, mientras más se reduce el número de observaciones (orden), los estimadores son poco eficientes. 2. La ponderación que se da a cada una de las observaciones pasadas es fija, lo que implica que volatilidades estimadas con promedios móviles elevados, puedan provocar que la volatilidad sea alta. 24 3. No se incorporan las características del proceso estocástico13 de las series, lo que implica que no generen datos de manera satisfactoria. (Sánchez, 2001). El problema de las ponderaciones fijas en la estimación de la volatilidad, así como la obtención de un pronóstico de la misma, se ven resueltos con el subsecuente desarrollo de los modelos ARMA14 también denominados Modelos de Regresión. Estos modelos son modelos de regresión lineal por medio de los cuales las ponderaciones están determinadas por los datos a través de mecanismos estadísticos y consisten en estimar la siguiente ecuación: ptpttt RRRR 2 2 2 21 2 10 2 ... (2.6) Donde: R2 = cuadrado de los rendimientos = término de error que se distribuye como una normal, con media cero y varianza constante Lo que implica la ecuación (2.6) es que el cuadrado del rendimiento actual depende del cuadrado de los rendimientos rezagados. De esta forma, al estimar el valor esperado de dicha ecuación, dada la información disponible, se obtiene que el modelo de estimación de la volatilidad esta dado por: ptpttt RRRDisponiblenInformacióRE 2222121022 ...| (2.7) Cabe destacar varios hechos importantes respecto a este procedimiento: 1. Se trata de un modelo que es una generalización de los modelos de volatilidad histórica. 13 Un proceso estocástico es una colección indexada de variables aleatorias {Xt | t ϵ T}, t pertenece a un conjunto T conocido (Hillier, 1986). 14 En un modelo ARMA (p,q) el término AR(p) (fap=Función de autocorrelación parcial) está relacionado con los procesos autorregresivos en la variable endógena; mientras que el término MA(q) (fa=Función de autocorrelación) son los procesos autorregresivos en los errores. Existe la posibilidad de tener modelos ARIMA cuya única diferencia con los anteriores tiene que ver con el orden de integración de la serie. El orden de integración está identificado con la letra I y es utilizado en series de tiempo financieras que no son estacionarias a primeras diferencias. Este método y sus implicaciones metodológicas y teóricas se explicarán con mayor detalle más adelante cuando se realicen las estimaciones pertinentes. 25 2. Debido a que las ponderaciones en este modelo están determinadas por medio de mecanismos estadísticos, esto reduce de manera importante el problema de sobreestimación del efecto clustering que tenía el modelo de volatilidad histórica. 3. Se explota el efecto “apalancamiento”. 4. Una de las más importantes aportaciones de este modelo es la oportunidad que brinda en lo que al cálculo del pronóstico de la volatilidad se refiere. Esta capacidad predictiva se explorará y verificará en capítulos posteriores. 5. La volatilidad sigue siendo un proceso (Sánchez, 2001). Hasta este momento se han revisado los más importantes modelos de volatilidad asociados específicamente a un tipo de volatilidad constante en el tiempo. Sin embargo, existen otro tipo de modelos que basan sus avances en la modelación de la volatilidad condicionada, es decir, suponen que la varianza cambia a través del tiempo. Dichos modelos se denominan modelos ARCH (Modelos Autorregresivos de Heterocedasticidad Condicionada) y a partir de estos surgen los modelos GARCH (Modelos Generalizados de Heterocedasticidad Condicionada). Este tipo de análisis ha dominado la investigación empírica y teórica de los últimos años, y es precisamente con base en un modelo de esta familia, que ha de basarse el presente estudio. El término heterocedasticidad se refiere a la existencia de una varianza que no permanece constante a lo largo del tiempo para una serie de datos en específico (Sánchez, 2001). Esta característica constituye el elemento fundamental de los modelos que enseguida se explican. Antes de la década de los ochenta los modelos tradicionales trataban sólo la volatilidad no condicionada, es decir: 22 tE (2.8) Fue en 1982 cuando Robert Engle presentó su modelo autorregresivo de heterocedasticidad condicionada (ARCH por sus siglas en inglés Autoregressive Conditional Heterokedasticity) (Engel, 1982). Como su nombre lo indica estos 26 modelos permiten estudiar aquellas series de datos cuya varianza (volatilidad) condicional no se mantiene constante, sino que cambia a lo largo del tiempo. Así, en un modelo ARCH se incorpora la función de la varianza compuesta por un lado de una media constante () y por otro lado, explicada como una función lineal de α errores (residuos) rezagados y elevados al cuadrado de la ecuación de la media o término ARCH (2 t-1). 2 1 2 t (2.9) Lo más importante de este modelo es que permite la medición de una volatilidad no constante en el tiempo y su futuro comportamiento. Esto debido a que la volatilidad en t, t+1,…,t+n depende de los α errores al cuadrado en t-1, t,…,t+n-1. Años después, en 1986 el modelo ARCH es generalizado por Bollerslev quien introduce el modelo ARCH generalizado o modelos GARCH (Generalizad Autoregresive Condicional Heteroskedasticity) que estiman la varianza condicional en función del cuadrado de los errores rezagados en un periodo y de la varianza condicional del periodo anterior (término autorregresivo) o término GARCH (σ2t-1). 2 1 2 1 2 tt (2.10) El modelo GARCH actúa como un mecanismo adaptativo que considera la varianza condicionada en cada etapa. Además dicho modelo estima y especifica de manera simultánea dos ecuaciones: la que explica la rentabilidad del activo (en este caso del subyacente que es el IPyC) y la que modela la evolución de la varianza de la rentabilidad del instrumento financiero. En este sentido, cuando se quiere realizar mediante este modelo la estimación de la volatilidad entran en juego ambas funciones. La primera ecuación explica la evolución de la rentabilidad del activo (como ya se dijo, para el subyacente de las opciones call del IPyC) en función de rentabilidades pasadas; mientras que la segunda ecuación modelará la evolución de la varianza de la rentabilidad. De esta forma, a partir de la varianza se realiza la estimación de la volatilidad. 27 Así tenemos que dada una yt, es decir, un conjunto de observaciones para t, ésta se define en función de los valores pasados de la variable tal como muestra la fórmula (2.11). tptpttt uyyyy ...22110 (2.11) Mientras que la fórmula (2.12) mostraría la ecuación de la varianza condicionada para dicho número de observaciones: 2 1 2 1 2 tt (2.12) Los modelos ARCH y GARCH resultan particularmente útiles en el análisis de las series de tiempo financieras. Sin embargo, la estimación obtenida a partir de esta ecuación se utiliza como predicción a un día. Si se desea predecir con un horizonte de un mes, es necesario generar la predicción diaria de la varianzadesde el primer día del mes y a lo largo de todo el mes. La predicción de la volatilidad para un mes se obtiene como la raíz cuadrada de la suma de las predicciones diarias de la volatilidad. Otra alternativa consiste en multiplicar la predicción obtenida a un día a principios del mes por la raíz cuadrada del número de días de negociación en el mes. Una limitación de los modelos GARCH es que la varianza condicionada responde de la misma manera a los residuos positivos que a los negativos, característica que contradice el comportamiento observado en las series temporales de datos financieros. Para superar este problema, Nelson propone el modelo GARCH exponencial o EGARCH, que permite una respuesta asimétrica de la varianza condicionada en función del signo de los residuos (Nelson, 1991). Estos modelos presentan problemas relacionados con la predicción (Figlewski, 1997) pues: Necesitan un gran número de datos para obtener una estimación robusta. 28 El funcionamiento de estos modelos es muy bueno en muestra debido a que involucran un gran número de parámetros, pero tiende a fallar rápidamente fuera de muestra. Todos los modelos de la familia GARCH se basan en la varianza a un paso y no están diseñados para generar predicciones de la varianza a varios pasos. Se puede mejorar el funcionamiento de los anteriores modelos utilizando datos diarios y horizontes de predicción cortos. Es de hecho por esta última observación que se van a pronosticar los precios de liquidación de las opciones call del IPyC únicamente para los tres primeros días posteriores al último dato observado. II. C. Volatilidad implícita: el caso del Índice de Volatilidad de México (VIMEX) No obstante las aportaciones de cada uno de los modelos de estimación descritos con anterioridad, una de las mayores críticas a éstos se asocia a la utilización de información histórica para la medición de la volatilidad. Estas críticas versan en la condición no necesaria de que el comportamiento pasado determine el comportamiento futuro de los rendimientos y los precios de los activos financieros; además de contar con el inconveniente de que los pronósticos de volatilidad difícilmente incorporan los cambios estructurales o los eventos extremos ocurridos dentro de los mercados. (Sánchez, 2001). Ante tales problemáticas se han desarrollado nuevas propuestas para modelar la volatilidad. En el caso de los precios de las opciones de productos financieros derivados, referente al precio de las opciones, estos suelen cotizarse en términos de un tipo de volatilidad denominada Volatilidad Implícita. Pero ¿qué es la Volatilidad Implícita? y ¿qué ventajas tiene su utilización?. La volatilidad implícita surge a partir de la creación del modelo de valuación de opciones desarrollado por Fisher Black y Myron Scholes (1973), mejor conocido como Modelo Black & Scholes y supone que todas las variables que intervienen en este modelo son conocidas, a excepción de la volatilidad. En este sentido, la 29 estimación de la volatilidad implícita se obtiene del despeje del componente de volatilidad ubicado en la fórmula del modelo B-S manteniendo todas las variables constantes, incluyendo el precio de dicha opción (Díaz, 2004). Por medio del modelo B-S, se pretende obtener el precio teórico de una opción a partir de las siguientes variables: El precio del activo subyacente, El precio de la prima de la opción en el mercado, El tiempo a su vencimiento. El nivel de las tasas de interés y, La volatilidad del subyacente, entre otras. De esta manera, debido a que el precio de las opciones se cotiza en el mercado, es posible despejar de la fórmula el componente de volatilidad, dando lugar a lo que se conoce como volatilidad implícita. Este tipo de estimación de la volatilidad tiene la ventaja particular de recoger los precios de los contratos de opciones que se cotizan en los mercados en un momento determinado y se pueden inferir las expectativas que tienen los participantes. Es decir, es “lo que espera el mercado” del comportamiento de un activo, y por tanto tiene sustento real, a diferencia de una predicción o estimación que toma como referencia eventos pasados (MexDer, 2008). A raíz de la importancia de la utilización de la volatilidad implícita, han surgido índices que tienen como referencia dicha variable. La implementación de este tipo de índices tiene sus orígenes en Estados Unidos (1993), Alemania (1994) y Francia (1997) (Díaz, 2004). Debido a los beneficios que para los inversionistas tiene el contar con un indicador que los dote de información confiable y continua respecto a los niveles de volatilidad que espera el mercado en el corto plazo, México no podía quedarse atrás y construyó su propio índice de volatilidad. 30 De esta manera, el MexDer desarrolló el Índice de Volatilidad de México (VIMEX) basándose en la metodología descrita en el documento técnico de Fleming, Ostdiek y Whaley (Predicting stock market volatility: a new measure, The Journal of Futures Markets, vol.15 (3): 265-302), publicado en 1995, teniendo como insumo principal las Opciones sobre IPyC listadas en MexDer (MexDer, 2008). Las características del VIMEX se definen a continuación: Se trata de un indicador que engloba la volatilidad esperada en el mercado accionario mexicano. Calcula la volatilidad implícita a través de las opciones del IPyC listadas en MexDer. El nivel del VIMEX será dado a conocer de forma diaria al cierre del mercado (MexDer). El período de medición de la volatilidad del índice es constante. Mide la volatilidad implícita en el corto plazo para 66 días hábiles de mercado (equivalentes a 90 días naturales) (MexDer, 2008). La metodología completa del cálculo del VIMEX puede revisarse en el Anexo A de esta investigación. 31 CAPÍTULO III. MODELOS DE VALUACIÓN DE OPCIONES: BLACK Y SCHOLES Y EL MÉTODO DE SIMULACIÓN DE MONTE CARLO Debido a que el modelo B-S y el método o simulación de Monte Carlo conforman la base para el cálculo de los pronósticos de precios de las opciones call de este trabajo, a continuación se explicarán brevemente ambos modelos. III. A. Modelo de Black-Scholes En 1900 se registró el primer intento de aplicar las matemáticas a la valuación de opciones por parte de Louis Bachelier. En 1905, Albert Einstein en su artículo sobre mecánica estadística proporcionó una formulación matemática del movimiento browniano, al cual llamó así en honor a su descubridor15, y de la cual se deriva que la desviación estándar del desplazamiento de una partícula suspendida en un líquido, en un tiempo dado, es proporcional a la raíz cuadrada de dicho tiempo (Einstein, 1956). La historia de la valoración de opciones propiamente dicha comienza en 1973 cuando Fisher Black (físico-matemático doctorado en Harvard), Miron Scholes (doctorado en la Universidad de Chicago) y Robert Merton (profesor de matemáticas del MIT) publicaron su artículo “The Pricing of Options and Corporate Liabilities” en el Journal of Political Economy. Black y Scholes16 obtuvieron una fórmula para valuar una opción sobre una acción europea que se encuentra en equilibrio general, no paga dividendos, y su precio es conducido por un movimiento geométrico browniano asociado al cálculo estocástico o cálculo de Ito (Venegas, 2006). La aportación de Merton fue advertir que el equilibrio del mercado no es un requisito para la valuación de la opción; basta con que no exista oportunidad de arbitraje. 15 En 1827 el botánico inglés Robert Brown, observó el movimiento constante y errático que experimentaban las partículas de polen al encontrarse suspendidas en el agua y asoció este movimiento a la existencia de vida en las partículas. Sin embargo,en sus últimos trabajos afirmó que este movimiento era de naturaleza mecánica, e independiente del carácter orgánico u inorgánico de las partículas. 16 El modelo toma su nombre de Black y Scholes porque ellos fueron los primeros en deducirlo, basando sus estudios en el Capital Asset Pricing Model (CAPM). En 1997 su trabajo obtuvo el premio Nobel de Economía. 32 Los supuestos en los que descansa el modelo B-S son los siguientes: 1. La opción es “europea”, es decir, sólo puede ser ejercida al vencimiento de la opción. El subyacente es una acción que no paga dividendos durante la vida del contrato. 2. El precio del valor del subyacente se comporta de acuerdo a una caminata aleatoria (random walk) en tiempo continuo. 3. No hay costos de transacción, de información o impuestos. Todos los activos financieros son perfectamente divisibles. 4. Todos los agentes comparten exactamente la misma información, es decir, la información es simétrica. 5. La negociación de los valores financieros es continua y existe plena capacidad para realizar compras y ventas en descubierto (“a crédito”), sin restricciones, ni costos especiales. 6. Los inversores pueden prestar y pedir prestado al mismo tipo de interés libre de riesgo, el cual es a corto plazo y constante. 7. No hay oportunidades de arbitraje. 8. El mercado opera en forma continua, es decir, no hay fines de semana, ni días festivos. La fórmula del B-S depende de cinco factores: el precio actual del subyacente, el precio de ejercicio, el tipo de interés libre de riesgo, el tiempo hasta la fecha de ejercicio y la volatilidad del subyacente. A continuación se presenta su fórmula: 21 dNeEdNSC rt t tr E S d 2 1 2 1ln tdd 12 (3.1) Donde: S= Precio del activo subyacente en el momento de la valoración. 33 E= Precio de ejercicio. r= Tasa de interés en tiempo continuo: ir 1ln . t= Término de expiración. = Volatilidad del precio del subyacente en términos anuales. e= Base de logaritmos neperianos. iN = Valor de la función de distribución normal para i . De esta fórmula 1Nd y 2Nd son el valor de la función de probabilidad acumulada de una distribución normal estándar, es decir: x y X dyeN 2 2 1 )( 2 1 tT tTr E S d 2 1 2 1ln tT tTr E S d 2 2 2 1log (3.2) Donde idN es la función de distribución de la variable aleatoria normal de media cero y desviación estándar unitaria (probabilidad de que dicha variable sea menor o igual a id ). De acuerdo con la fórmula, el valor de la opción call (C) puede ser explicada por la diferencia entre el precio esperado de la acción (S) y el precio de ejercicio (E), como ya se explicó en el capítulo I. De esta manera el valor de la opción será mayor, cuanto más alto sea el precio presente de la acción S; cuanto mayor sea la volatilidad del precio de la acción y la tasa de interés libre de riesgo r; cuanto más extenso sea el tiempo de vencimiento, y cuanto menor sea el precio de ejercicio E, ya que entonces aumenta la probabilidad de que la opción sea ejercida. Como puede observarse el único parámetro no observable es la volatilidad. A partir del trabajo de B-S se han derivado modelos de evaluación de opciones aplicados a activos subyacentes específicos (acciones, divisas, futuros, materias primas, etc.), tal es el caso del modelo de Black (1976) el cual tiene como supuesto 34 que los precios del bien subyacente tiene una distribución log-normal (De Lara, 2005). Este modelo es utilizado por el MexDer en la valuación de opciones europeas. Sin embargo, como se mencionó en la introducción de este trabajo, las limitaciones e inconvenientes atribuidas al modelo de B-S son variadas, entre las más importantes se tienen las siguientes: Al suponer que el activo subyacente de la opción sigue un comportamiento log-normal, en lugar de un comportamiento “leptocúrtico”, como la evidencia empírica indica, cuando la opción está “fuera del dinero”, el modelo de B-S subestima el precio de mercado. Se ha demostrado empíricamente que la volatilidad no es constante en el tiempo y se encuentra correlacionada con el precio del activo subyacente. (Sánchez, 2001). A partir de la década de los ochentas se han desarrollado diversos modelos de valuación de opciones los cuales pueden dividirse en dos enfoques: Modelos analíticos. Suelen ser extensiones del modelo B-S. Algunos suponen una distribución de probabilidad específica para determinar el valor de la opción. Modelos que utilizan métodos numéricos para calcular el valor esperado del precio del subyacente. Este es el caso de Cox-Ross-Rubinstein o modelo binomial. En años recientes se ha utilizado con frecuencia el método Monte Carlo (Lamothe, 2005). III. B. Método de simulación Monte Carlo El método Monte Carlo17 data de la segunda mitad del siglo XX, a partir del desarrollo de la computadora personal; sin embargo, su utilización real se gesta 17 El método fue llamado así por el principado de Mónaco por ser ``la capital del juego de azar'', al tomar una ruleta como un generador simple de números aleatorios. (Ramos, Modelos de fiabilidad generación/red). 35 durante la Segunda Guerra Mundial con la simulación de problemas probabilísticos hidrodinámicos. Este método se crea para dar solución a integrales que requieren el uso de números aleatorios ya que es imposible resolverlas por métodos analíticos, y puede aplicarse tanto a procesos estocásticos como determinísticos18. El método Monte Carlo elabora distintos modelos e intercambia parámetros con el objetivo de analizar sus posibles resultados, es decir, genera una serie de experimentos con muestreos estadísticos los cuales usan la simulación de números aleatorios para calcular su probabilidad y de esta manera analizar su distribución. Esencialmente el método asume -en términos de opciones- que la distribución del precio del activo final es determinado por un proceso que genera el precio de los activos en movimientos futuros y también calcula la desviación estándar. El algoritmo de Simulación Monte Carlo Crudo o Puro está fundamentado en la generación de números aleatorios por el Método de Transformación Inversa, el cual se basa en las distribuciones acumuladas de frecuencias (Universidad de Buenos Aires 2005). Las características de este método son: Determina las variables aleatorias y sus distribuciones acumuladas (F). Genera un número aleatorio. Calcula media, desviación estándar y término de error. Analiza los resultados para distintos tamaños de muestra. Enseguida se describe de manera breve el Método Monte Carlo como proceso simulador y generador de los rendimientos de un activo subyacente, en este caso del IPyC.19 18 El método o simulación Monte Carlo tiene distintas ventajas en algunas situaciones especiales, por ejemplo, cuando los rendimientos del activo subyacente envuelve procesos de saltos (Boyle, 1976). 19 El desarrollo de este capítulo se encuentra basado en el trabajo de Boyle, Phelim 1977. 36 Se considera la siguiente integral definida: A gdyyfyg ; A dyyf 1 (3.3) Donde: yg = Función arbitraria yf = Función de densidad A = Rango de integración (para conveniencia de cálculos posteriores A será omitida)Para obtener una estimación de g , se toma un número n de manera aleatoria de la muestra 1y que pertenece a la función de densidad yf . La estimación de g queda expresada de la siguiente manera: n t yg n g 1 1 1 ˆ (3.4) Por lo tanto, la desviación estándar de la estimación ŝ es: n t gyg n s 1 2 1 2 ˆ 1 1 ˆ (3.5) Se sustituye n por 1n en toda la extensión de n , por lo tanto la siguiente distribución: n s gg 2ˆ ˆ (3.6) tiende a una distribución normal estándar con valores de n incrementándose. De estas bases pueden ser obtenidos los limites de confianza de la estimación de ĝ . Desde que la desviación estándar de ĝ es igual a nŝ los limites de confianza pueden ser reducidos para incrementar n . Una opción para reducir la desviación estándar es disminuir el tamaño de ŝ . Estas técnicas se conocen como Técnicas de 37 reducción de la varianza y sirven para mejorar la exactitud de los resultados obtenidos por el método Monte Carlo Puro20. Una técnica de reducción de la varianza es el Método de la Variable de Control la cual utiliza los resultados de un modelo más sencillo para predecir o explicar parte de la varianza del valor a estimar (en este trabajo el modelo utilizado para estimar la varianza del subyacente es el GARCH(1,1)). A su vez se necesita un cálculo previo del valor esperado de la variable de control, el cual debe ser rápido frente al de la variable a estimar (el Modelo de B-S se utiliza para que a través de él se realicen las simulaciones necesarias para llegar al precio de ejercicio). La solución de este modelo sencillo se usa para incrementar la exactitud de los problemas más complejos. Supóngase que la siguiente integral puede ser evaluada analíticamente Gdyyhyg (3.7) Donde h = es una función de probabilidad de densidad. De las ecuaciones (3.3) y (3.7) está claro que: dyyhyfygGg (3.8) Se puede hacer una estimación para evaluar la integral del lado de la derecha de la ecuación 3.8 para obtener g , *g por medio de un Monte Carlo Puro donde la Variable de Control es la función h . Por lo tanto, la mejora en eficiencia será medida por la reducción en la varianza de *g comparada con la varianza de ĝ . Esta mejora 20Estas técnicas permiten reducir el tamaño del intervalo de confianza de una media de una variable sin perturbar el valor de ésta para un mismo número de muestras o, alternativamente, conseguir la precisión deseada con menor esfuerzo de muestreo. Una de las técnicas más conocidas es el Método de la Variable de Control. 38 en eficiencia dependerá del grado en que h simule el comportamiento de f . De tal manera que en la selección de una apropiada Variable de Control existen dos requerimientos: Primero, h debe dar lugar a una integral que sea fácil de evaluar. Segundo, h debe modelar el comportamiento de f . En la evaluación de la integral de la ecuación (3.8) el mismo número aleatorio se usa en la ith prueba de simulación para generar un valor 1y de yg y un valor 1Y de yh . Para dar un valor de n debe permitirse que: dyyfygĝ y dyyhygĜ (3.9) sean obtenidas bajo esas condiciones por un Monte Carlo Puro. Por lo tanto, *g está dada por: GgGg ˆˆ* (3.10) Esta es una estimación imparcial y su varianza es: GgGg ˆ,ˆcov2ˆvarˆvar (3.11) Esta varianza será menor que la varianza de ĝ siempre y cuando: 2 ˆvarˆ,ˆcov GGg ó g G Ggcorr ˆvar ˆvar 2 1ˆ,ˆ (3.12) Esto confirma la observación de que la mejora en la eficiencia es una función de la relación entre f y h . Una aproximación de la Variable de Control usando una segunda estimación de la integral (la cual tiene una alta correlación positiva con la estimación de interés), 39 provoca que la aproximación de la Variable Antitética21 explote la existencia de la correlación negativa entre dos estimaciones, esto puede deberse al procedimiento de introducir una Variable Antitética, ya que existen diferentes métodos. Un posible método es el siguiente: Supóngase que las series 1y , 2y ,…, ny han sido generadas usando el número aleatorio de secuencias 1u , 2u ,…, nu donde su' son seleccionadas aleatoriamente de un intervalo (0,1). La secuencia 11 u , 21 u ,…, nu1 es usada para generar un segundo grupo de variables de la distribución yf . Supóngase la estimación de (3.1) usando como el primer grupo ug y el segundo grupo ug 1 . Entonces: ugug 1 2 1 (3.13) Será una estimación imparcial de (3.3) con varianza igual a: ugugugug 1,cov 2 11varvar 4 1 (3.14) Si la covarianza entre ug y ug 1 es negativa determinará una eficiencia estimada de la varianza mas pequeña que una estimación independiente. Una estimación más detallada de este punto está dada por Fishman (1973). 21 Una variable antitética introduce una correlación negativa entre dos muestras consecutivas.; es decir, utiliza números aleatorios complementarios en dos simulaciones sucesivas. 40 CAPÍTULO IV. ANÁLISIS EMPÍRICO: MODELACIÓN DE UN GARCH (1,1) Y SIMULACIÓN PARA EL PRONÓSTICO DE OPCIONES CALL DEL IPyC El objetivo de este capítulo es aplicar las técnicas de modelación del IPyC a través de un modelo GARCH (1,1) a fin de obtener información de la varianza que permita poner en práctica el Método de Simulación de Monte Carlo, para así generar pronósticos de los precios de liquidación de opciones call de dicho subyacente. En este sentido, en el primer apartado de este capítulo se presenta el comportamiento del IPyC para el periodo de estimación establecido. El segundo apartado se centra en la modelación del GARCH (1,1) para dicho subyacente; mientras que en el tercero se realiza la Simulación de Monte Carlo por medio del programa de cómputo MATLAB. Al final se exponen los resultados y las conclusiones de las estimaciones. IV. A. Descripción y comportamiento del IPyC (subyacente) El IPyC es un indicador del desempeño del mercado accionario mexicano. Dicho indicador cambia semestralmente en función de las variaciones de los precios de una muestra de 35 acciones balanceada, ponderada y representativa de un conjunto de emisoras que cotizan en la Bolsa Mexicana de Valores (BMV). La selección de las emisoras que conforman dicha muestra considera el factor de bursatilidad22 de cada una de ellas (Grupo Financiero Scotiabank Inverlat, 2007). Del sitio de internet del Banco de México23 se obtuvo una serie de tiempo del valor de cierre del IPyC para el periodo que va del 22 de marzo de 2004 al 28 de septiembre de 2007, de manera que se tienen 896 observaciones. Cabe destacar que a fin de contar con datos completos para dicho periodo, aquellos datos que corresponden a días festivos no fueron tomados en cuenta.
Compartir