Administración de Riesgos Financieros:

Aplicación a Portafolios en Colombia

Tema 2: Valoración
Diego Jara
diego.jara@quantil.com.co

Facultad de Economía – Educación Continuada

Factores de Riesgo y Valoración
 Variables
V i bl dde M Mercadod
 Valoración de Bonos
 Curvas de rendimiento
 Curvas de commodities
 Valoración de derivados
 Curvas
Cu vas dee Vo
Volatilidad
at a
 Curvas de Crédito
 Valoración de Portafolios

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Factores de Riesgo y Valoración
 Variables
V i bl dde M Mercadod
 Valoración de Bonos
 Curvas de rendimiento
 Curvas de commodities
 Valoración de derivados
 Curvas
Cu vas dee Vo
Volatilidad
at a
 Curvas de Crédito
 Valoración de Portafolios

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Variables de Mercado
Recordemos:
 Objetivo
Obj i general:
l Medir
M di ell riesgo
i dde un portafolio
f li
 Estrategia:
 Menú de instrumentos financieros
 Portafolio
f l ded análisis:
ál conjunto dde estos instrumentos
 Valoración del portafolio  función que depende de la
parametrización del portafolio, de variables de
mercadod relevantes
l y ddell tiempo
i
o Proyección de estas variables a un horizonte dado 
proyección del valor del portafolio al mismo horizonte
o Ri
Riesgo  análisis
áli i dde la
l distribución
di t ib ió del
d l valor
l ddell
portafolio
o Gestión del riesgo del portafolio

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Variables de Mercado
 Buscamos variables de análisis
o Observables
o Que afecten el precio de los instrumentos
financieros
o Cuantificables
o Compromiso de simpleza por precisión
 Con estas variables se busca
o Valorar instrumentos financieros
o Proyectar valores de a futuro

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Variables de Mercado
 Revisemos el menú de instrumentos
o Acciones
 Precios individuales y de índices
o Mercado Monetario
 Tasas de interés
o Bonos
 Tasas de interés
o Monedas (?)
 Tasas de cambio
o Fondos de Inversión (fondos de capital privado)
 Precios de activos individuales
o Bienes de Consumo (Commodities)
 Precios (según tiempo de entrega)
o Activos Físicos
 Precios
o Pagos contingentes (seguros)
 Cantidades actuariales
o Derivados
 Todas las anteriores, más otras variables (clima, datos económicos, volatilidades,
correlaciones retornos,
correlaciones, retornos …))

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Variables de Mercado
 Precios
o “Valor” de un instrumento en el tiempo t: P(t)
o Incluye tasas de cambio
o P(t) ≥ 0 para activos básicos (puede ser negativo para derivados)
o Precio de compra ≤ precio de venta (“bid-offer spread”)
o Al comprar, o vender, el precio obtenido depende del monto
transado: LIQUIDEZ
o Suposición: Precios existen en todo momento, y son únicos
 Tasas
o Rendimiento (anualizado) de un instrumento en el tiempo t: r(t)
“Rendimiento”
o r(t) ≥ 0 (suposición típica)
o Tasa para prestar ≤ tasa para pedir prestado (“bid-offer spread”)

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Variables de Mercado
 Otras variables
o Spreads: diferencia entre una variable y otra. Por ejemplo,
diferencia entre tasas swap y treasuries  swap spreads
o Climáticas: temperaturas, precipitación, …
o Bases o diferenciales: diferencia en precios de productos muy
similares
o C diti i calificación,
Crediticias: lifi ió o condición
di ió ded incumplimiento
i li i t
o Volatilidades y correlaciones (implícitas y realizadas)
o Catastróficas: intensidad de huracanes, terremotos,
inundaciones, … Pérdidas generadas por éstos
o Otras: Económicas y de negocios, de vida, …

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Factores de Riesgo y Valoración
 Variables
V i bl dde M Mercadod
 Valoración de Bonos
 Curvas de rendimiento
 Curvas de commodities
 Valoración de derivados
 Curvas
Cu vas dee Vo
Volatilidad
at a
 Curvas de Crédito
 Valoración de Portafolios

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Bonos
Valor del Tiempo
 El gobierno
bi dde C
Colombia
l bi promete pagar $11 en
T = 10 años
 Cúanto vale esta p promesa (hoy)?
( y)
 Supongamos que su puede observar este precio (por
ejemplo, mediante el mercado secundario de deuda
pública):
úbli ) $0.65
$0 65
 FACTOR DE DESCUENTO A 10 AÑOS: 0.65
 Curva de Factores de Descuento ((depende
p de T))
 FD(1) = 1
 Función positiva y decreciente en T

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Bonos
Tasas de Interés
 Cuál es la tasa de interés del caso anterior?
 Depende. El mundo transa en precios (solo hay un
precio, en principio). Las tasas son inventadas
artificialmente
tifi i l t para ffacilitar
ilit comparaciones.
i
 Tasa simple:
(1 + rT)  0.65 = 1  r = 5.38%
 Tasa
T compuesta anualmente:
l
(1 + r)T  0.65 = 1  r = 4.40%
 Tasa compuesta
p semestralmente:
(1 + r/2)2T  0.65 = 1  r = 4.35%
 Tasa compuesta continuamente:
erT 0.65 = 1  r = 4.31%
Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Bonos
 … y bueno, podemos complicar esto con periodo vencido o anticipado, conteos
de días, etc.
 Idealmente solo existiría la tasa compuesta continuamente.
 Los estándares se acomodan a los estándares de emisión de bonos (frecuencia del
pago de cupón)
 Valor presente de un flujo futuro fijo es
VP = VF  Factor
F D
Descuento (T)
 Valoración de flujos futuros: suma de sus valores presentes.
 Ejercicio en EXCEL:
Bono: TFIT15240720. Cupón anual 11%.
N i l = COP $20 milil millones
Nocional ill
Fecha Valoración: Oct, 27, 2010
Factor de descuento a T años: e-RT, donde R=7.4%
Simplificación: ignorar días bisiestos
PRECIO = ?
PRECIO por 100 de nocional = ?
 Cómo cambia si ahora Factor de Descuento a T años: (1+R)-T
 Ahora, si el precio 122, cuánto es la tasa?

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Bonos
BONOS
 Precio vs. Tasa
o Supongamos situación estándar de cupón fijo, sin
amortizaciones
Flujos C1, C2, …, Cn Frecuencia f (fn = T)
Cupón C (porcentaje anual) Principal (nocional) = N
Para i  n, Ci = N  C /f Cn = N  (1 + C /f)
o Precio P:
n
 T 
Ci  C/ f 1 

i 1 1  r / f i
 N 
1 1  r / f  f t i

1  r / f  f T 
ti  f 

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Bonos
BONOS CN  1  N
 Se puede manipular más: P 1  
n 

 1  r / f   1  r / f 
n
r

 Observación: si C = r, entonces P = N
 Si C  r, entonces P  N; si C  r, entonces P  N
 Típicamente N = 100 (par) para cálculos
 Caso TES: f = 1
 L ecuaciones ddeben
Las b adecuarse
d si T = +(n-1):
+( 1)
P
100 C

(1  r )  n 1  r
(1  r )n
 1  1

 

 Este
E t es ell precio
i sucio
i
 Ejercicio en EXCEL:
o TFIT15240720, Nocional 100
o Graficar Precio Sucio vs. Tasa

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Bonos
BONOS
 Precio Limpio = PS – CA
 CA = Cupón  N/D
 N: Días transcurridos en el periodo del cupón
 D Días
D: Dí en ell período
í d ddell cupón
ó
 Cotización de Bonos es sobre Precio Limpio
TES 2020
140

130

120

1100

100 Precio Limpio

Precio Sucio
90

80
5/28/05
12/14/057/2/061/18/078/6/072/22/089/9/083/28/09
10/14/095/2/10

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Bonos
BONOS
 Ejercicio:
o Graficar Precio Limpio vs. Tasa de TFIT15240720
o Nota: se ignoran días bisiestos
o Repetir para TFIT10120914 (cupón 13.5%).
C
Comparar gráficas
áf dde precios sucios de
d los
l ddos
bonos.

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Bonos
BONOS
 Bonos UVR funcionan idénticamente.
 Ejercicio en EXCEL:
Bono: TUVT17230223. Cupón anual 4.75%.
Nocional = UVR $10 millones
F h V
Fecha Valoración:
l ió Oct,
O 27,27 2010
R=3.9%
Simplificación: ignorar días bisiestos
PRECIO = ?
PRECIO por 100 de nocional = ?
Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Bonos
BONOS
 Bonos IPC funcionan similarmente.
 Se supone que en el futuro cada observación del IPC es igual al último dato
(!!!!!)
 Fórmula de cupón y de tasa de descuento
o Cupón = (1+IPCúltimo)  (1+Spread Cupon)
o T = (1+IPCúltimo)  (1+Spread
Tasa (1+S d Mercado)
M d )
 Ejercicio en EXCEL:
Bono: Corporativo Ficticio. Cupón anual “IPC+4.5%”.
Nocional = COP $5 mil millones
Fecha Valoración: Oct,
Oct 27,
27 2010
Fecha emisión: Julio 15, 2005
Fecha madurez: Julio 15, 2015
Frecuencia pago: trimestral
g
Observación: IPC 12 meses vigente al comienzo del pperiodo de cupón
p
Base pago: 30/360
Margen de valoración = “IPC+3.5%”
Último IPC observado: 2.3114%
PRECIO = ?
PRECIO por 100 de nocional = ?
Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Bonos
BONOS
 Para valorar bonos IPC, se pueden usar técnicas de
valoración de derivados.
 Brody ,Crosby, Li:

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Bonos
BONOS
 Yankees:
Y k denominados
d i d en USD
 Ejercicio en EXCEL:
Bono: COLREP 41
Cupón anual: 6.125%
Nocional = USD $5 millones
F h Valoración:
Fecha Vl ió Oct,
O t 27,
27 2010
Fecha emisión: Julio 15, 2005
Fecha madurez: Enero 18,, 2041
Frecuencia pago: semestral
Base pago: 30/360
PRECIO por 100 de nocional = 114  Tasa = ?
Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Factores de Riesgo y Valoración
 Variables
V i bl dde M Mercadod
 Valoración de Bonos
 Curvas de rendimiento
 Curvas de commodities
 Valoración de derivados
 Curvas
Cu vas dee Vo
Volatilidad
at a
 Curvas de Crédito
 Valoración de Portafolios

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Curvas de Rendimiento
Estructura a Términos
 Curva Spot Cero Cupón
Para cada término T, se supone conocido el factor
de descuento (o precio del bono cero cupón)
Luego se calcula la tasa r(T) para cada término, y se
grafica
fi lal ffunción
ió resultante.
l
 Supongamos frecuencia anual: FD(T) (1+r)T = 1
 Supongamos por ahora que no hay incertidumbre,
incertidumbre
y se conocen las tasas futuras.
 Veamos unas gráficas …
Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Curvas de Rendimiento
Estructura a Términos
 Tasas
T forward
f d f(0,
f(0 t, T).
T) EnE ell tiempo
i 00, se quiere
i
pactar un préstamo en el futuro: que comience en t y
termine en T. A qqué tasa debería pactarse?
p
 Aquí hay una forma de crear el préstamo (para el que
pide prestado):
o Vender
V d un bbono cero cupón ó aT
o Comprar FD(T) / FD (t) bonos cero cupón a t
o Resultado: hoy, 0. En t, + FD(T)/FD (t). En T, -1.
 Esto da una tasa de interés (forward)
f(0, t, T) = (FD(t)/FD (T))(1/(T-t)) - 1.
 Se construye la curva forward.
forward Veamos otras gráficas
gráficas…
Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
 Curvas de Rendimiento
Estructura a Términos
 En el caso de tasas compuestas continuamente, se
tiene lo siguiente
 Tasa spot r(T):
FD(T) = e-r(T)T
 Tasa
T forward
f d f(T):
f(T)
FD(T  ε ) /FD(T)  FD(T,T  )  e -f(T)ε
d log( FD(T ))
f (T )  lim log[ FD(T   ) / FD(T )] 
 0 dT
T

FD(T )  e 0

f ( s ) ds

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Curvas de Rendimiento
Estructura a Términos
 Tasas Par
Son los cupones que tendrían bonos (a distintos
plazos) si el precio de todos fuera PAR (100)
 Como encontrar tasas par de tasas spot cero cupón?
 Como
C encontrar tasas spot cero cupónó dde tasas par??

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Curvas de Rendimiento
Teorías de la Curva
 Expectativas: E [Tasas futuras] = Tasas forward
 Preferencias de Liquidez: inversionistas prefieren el
corto plazo y emisores prefieren el largo plazo 
empinamiento de la curva
 Hábitat
Hábi PPreferido:
f id cada
d parte ded la
l curva llega
ll a un
equilibrio por mercados distintos

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Curvas de Rendimiento
Construcción de la Curva
 Normalmente se observan algunos puntos.
 Cómo crear una curva razonable?
 Qué
Q é significa
i ifi razonable?
bl ?
 Hay muchos métodos. Paramétricos y no paramétricos
 En resumen:
o Se tiene una función con n parámetros por determinar
o Se observan precios de M bonos (M>n)
o Se encuentra el error cuadrado promedio (ponderado,
posiblemente) de la valoración usando la curva
o Se determinan los parámetros que minimizan este error
Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Curvas de Rendimiento
Construcción de la Curva
 Un método muy popular es el de Nelson – Siegel
 INFOVAL usa este método para construir las
curvas cero cupón de valoración
 Curva forward con cuatro parámetros:
t
f (t )   0  1e t /   2 e t /

 De aquí sale la curva spot
t
r (t )  t   f ( s )ds 
0
1  e  t /
r (t )   0  ( 1   2 )   2 e t / 
t /
Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Curvas de Rendimiento
Construcción de la Curva
 Hagámoslo en EXCEL.

1. Fijar arbitrariamente los 4 parámetros

2. Usar esta curva para valorar TES
3 Encontrar
3. E la
l diferencia
dif i entre ell mercado
d y esta
curva
4 Encontrar los parámetros que minimizan el error
4.
cuadrado

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Curvas de Rendimiento
Construcción de la Curva
1  e  t /
r (t )   0  ( 1  1 )   2 e t / 
t /

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Curvas de Rendimiento
Construcción de la Curva
 Probemos ahora una curva no paramétrica para el
mercado de Yankees.
 Curva
C forward
f d instantánea:
i á constante a trozos según
ú llos
puntos T = 0, 1, 2, 3, 5, 7, 10, 15, 20, 31 años.
 9 valores por definir
8.0%

7.0%

6.0%

5.0%

4.0%
0 5 10 15 20 25 30 35

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Curvas de Rendimiento
Construcción de la Curva
 Precios de Yankees (Oct 22)

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Curvas de Rendimiento
Estructura a Términos
 “Moraleja”:
A partir de la curva de rendimientos se pueden traer a
valor presente flujos futuros
 Lo importante son los factores de descuento. Pero
es más
á naturall construir
i curvas dde tasas dde iinterés.
é

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Factores de Riesgo y Valoración
 Variables
V i bl dde M Mercadod
 Valoración de Bonos
 Curvas de rendimiento
 Curvas de commodities
 Valoración de derivados
 Curvas
Cu vas dee Vo
Volatilidad
at a
 Curvas de Crédito
 Valoración de Portafolios

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Curvas de Commodities
 Los pprecios de futuros sobre commodities se establecen
según la conveniencia de tener y guardar el commodity,
contra comprarlo en el futuro:
PPrecio
i futuro
f = Precio
P i spot +Costo
+C almacenamiento
l i + Costo
C
financiero – Conveniencia de tener el commodity (consumo)
 Costo almacenamiento: varía segúng localidad
 Costo financiero: varía según deudor
 Conveniencia: varía según el usuario
L primeros
Los i ddos son más
á fá
fácilmente
il t cuantificables.
tifi bl El ttercero
es menos observable. Al final, los tres son determinados
ppor el mercado en conjunto
j mediante los precio
p futuros.
Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Curvas de Commodities
 En otras p
palabras,, hayy dos alternativas para
p el mismo
propósito:
o Alternativa 1: Comprar una unidad del commodity a futuro
o Alternativa
l 2:
 Pedir prestada plata para comprar una unidad del commodity hoy (a
una tasa de “alquiler” del commodity)
 C
Comprar una unidad
d d ddell commodity
d y almacenarlo
l l hhasta lla expiración
ó
del futuro
 Pagar almacenamiento durante ese periodo
 Pagar intereses durante ese periodo

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Curvas de Commodities
 En general, si se observa el precio futuro, se puede
tratar de inferir el convenience yield, que es la
cantidad menos observable:
 Ej. En LME, el precio futuro a 3 meses de una
tonelada de aluminio es USD$2375
 El precio
i spot es USD$2342
 ct = log[2375/2342] = 2.43%  0.25años.
 La tasa c = 2.43%
2 43% incluye el costo financiero y de
almacenamiento

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Curvas de Commodities
Construcción de la Curva
 Típicamente
Tí i se observan
b contratos ffuturos a expiraciones
i i
específicas
 Se puede interpolar de muchas maneras
 Una simple: splines (sobre precios, sobre convenience yields,
…)
 Ej. j. een EXCEL.
C .O Oroo (co
(contrato
t ato GC dee CME)
C )
 Ecuación de no arbitraje:
F = Se(r+a-y)T,
donde F es el precio futuro con expiración T, T S es el spot
spot, r es la
tasa de financiamiento (lease rate), a es el costo de financiamiento
(como tasa compuesta continuamente) y y es el convenience yield

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Curvas de Commodities
Fecha Análisis 10/12/2010

Futuros Lease Rates - Gold Costo de Almacenamiento

10/31/2010 1345.7 1-month -0.11% $0.53  por 500 onzas por día
11/30/2010 1345.8 2-month -0.11%
12/31/2010 1346.7 3-month -0.12%
1/31/2011 ‐ 6-month 0.00%
2/28/2011 1348 5
1348.5 1 year
1-year 0 29%
0.29%
4/30/2011 1350 18-month 0.35%
6/30/2011 1351.5 2-year 0.50%
8/31/2011 1353.1 3-year 0.60%
10/31/2011 1354.7 4-year 0.70%
12/31/2011
/ / 1356.5 5-year
y 0.80%
2/28/2012 1358.4 6-year 0.90%
4/30/2012 1360.5
6/30/2012 1362.7
8/31/2012 1365.1
12/31/2012 1370.3
6/30/2013 1380.6
12/31/2013 1393.8
6/30/2014 1410.2
12/31/2014 1429.3
6/30/2015 1450.8
12/31/2015 1475 3
1475.3
6/30/2016 1504.3

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Factores de Riesgo y Valoración
 Variables
V i bl dde M Mercadod
 Valoración de Bonos
 Curvas de rendimiento
 Curvas de commodities
 Valoración de derivados
 Curvas
Cu vas dee Vo
Volatilidad
at a
 Curvas de Crédito
 Valoración de Portafolios

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
Trabajaremos en un mercado ficticio, con las siguientes
suposiciones:
 Existen instrumento financieros, con precios S bien
definidos.
definidos
 Estos precios varían en el tiempo - S(t)
 Existe compradores
p y vendedores, y un mercado
transaccional organizado
 Existe un mercado monetario: se puede prestar o
pedir
di prestada
d plata
l a cualquier
l i término
é i T T, a una
tasa r = r(T) (la tomamos compuesta continuamente)

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
 Se supone lo siguiente
1. S(t)  0 para todo activo y todo t
2. No hay fricciones
a. No hay costos de transacción
b. Infinita Divisibilidad
c. Infinita Liquidez
33. No hay restricciones de venta en corto
4. Admisibilidad (no se puede apostar con “doble o
nada” infinitamente))
5. No existen oportunidades de arbitraje (no hay
“almuerzos gratis”)

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
 Recordemos la existencia del mercado monetario
 Llamemos B(t,T) el factor de descuento de
madurez T, tal como se observa en t
 Este es el precio de un bono cero cupón a T
(llamemos éstos T-bonos)
 ( ) = e-r(t,T)(T-t) = e-r(T-t)
B(t,T)
 En lo que sigue, no se necesita que r sea constante,
ni que sea determinística (puede variar
aleatoriamente
l i en ell tiempo)
i )
 “Invertir” es comprar T-bonos. “Pedir prestado” es
vender (emitir) TT-bonos.
bonos.
Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
1. Precio Forward de una acción sin dividendos
F(0 T) = S(0) / B(0
F(0,T) B(0,T)
T)
Dem./ Supongamos F(0,T)  S(0) / B(0,T)
t=0: - “Comprar”
p un forward ppor $0
- Vender en corto una acción por +$S(0)
- Comprar S(0)/B(0,T) T-bonos por -$S(0)
Portafolio: largo un forward, corto una acción, largo S(0)/B(0,T) T-
bbonos
“Caja”: $0 (se armó el portafolio sin plata)
t=T: - liquidación del fwd: +1 acción, -$F(0,T)
- acciones: -11 acción
- T-bonos: +$[S(0)/B(0,T)]
Portafolio: nada
“Caja”: $[S(0)/B(0,T)] F(0,T)0. ARBITRAJE!  Suposición falsa. ▪
Caja : +$[S(0)/B(0,T)]-F(0,T)0.

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
2. Bono cero cupón forward (préstamo forward), T1  T2
F(0,T1, T2) = B(0, T2) / B(0, T1)

3 Acción
3. A ió que paga di id d DIV en t  T
dividendo
F(0,T) = [S(0) - DIVB(0,t)] / B(0,T)

4. Acción que paga dividendo continuo a una tasa d

F(0,T) = S(0) e-(d-r)T

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
5. Peso / Dólar
S necesita
Se it iintroducir
t d i ell conceptot dde ttasas dde iinterés
t é en
cada moneda: rUS y rCOL
Tasa de Cambio Spot: Q(0) = Pesos / 1 dólar
F(0,T) = Q(0)BUS(0,T) / BCOL(0,T)
= Q(0)  exp[(rCOL-rUS)T]
Es decir,, el pprecio forward del dólar de no arbitraje j implica
p
una devaluación igual al diferencial de tasas.
Se cumple esta paridad en el mercado colombiano?
Poco Razones: restricciones al pedir prestados dólares,
Poco. dólares
dificultad de definir una tasa válida para todos los
participantes, fricciones

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
6. Precio de un contrato forward en t  T
V(t) = (F(t,T) – F(0,T))  B(t,T)

7 Si las
7. l tasas
t dde iinterés
t é son determinísticas,
d t i í ti ell precio
i
futuro es igual al precio forward.
Si las tasas son estocásticas, la diferencia entre el
precio futuro y el precio forward depende de la
correlación entre el subyacente y las tasas.

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
Precios de Opciones: CE, CA, PE, PA. A menos que se
diga lo contrario, las opciones tienen igual T y K.
8. Paridad Put-Call Europea
CE – PE = S(0) – KB(0,T)
9. “Paridad” Put-Call Americana
KB(0 T)  CA – PA  S(0) – K
S(0) – KB(0,T)
10. Cotas
a. CE ≤ CA, PE ≤ PA
b. S(0) – KB(0,T) ≤ CE ≤ S(0)
c. KB(0,T) – S(0) ≤ PE ≤ KB(0,T)
d
d. K – S(0) ≤ PA ≤ K
Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
11. Para una acción sin dividendos
CE = CA
Dem./ Supongamos CE  CA, y que la opción americana se ejerce en 
 T (si no es así, se da un arbitraje trivial)
0: - Comprar una call europea por $ CE
tt=0:
- Vender una call americana por $ CA
- Consumir la diferencia (positiva)
t=T: - contraparte ejerce call americana: -1 acción, +$K
- Comprar
C K/B(
K/B(,T) T) T-bonos:
Tb -$K
$K
t=T: - call europea: si S(T)  K, no se ejerce y el pago del T-bono
alcanza a cubrir el precio del corto de la acción (y sobra)
( )  K, se ejerce,
si S(T) j se cancela el corto de la
acción, y se paga con el bono (y sobra)
En cualquier caso, se gana plata, y nunca se pierde
ARBITRAJE!  Suposición falsa. ▪

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
 Por ahora notamos que precios de opciones
dependen de K, T y S(0)
 Dependencia de K:
o C decreciente en K; P creciente en K
o K<K’  CE(K) - CE(K’) < (K’-K) B(0,T)
PE(K
(K’)) - PE(K) < (K
(K’-K)
K) B(0,T)
B(0 T)
o C y P son convexas en K

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
 Dependencia de x = S(0):
o C creciente en x; P decreciente en x
o x<x’  CE(x’) - CE(x) < x’ - x
PE(x) - PE(x
(x’)) < x’
x -x
o C y P son convexas en x
o C(0)  0
o x >> K  C(x)  S(0) – KB(0,T)

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados

E
Valor del Tiempo
C
Valor Intrínseco

S(0)

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
 Dependencia de T
o T<T’  CA(T) ≤ CA(T’)
o Valor Intrínseco: Valor de la opción si se ejerciera
hoy.
o Para una call, VI = max(0, S(t) – K)
o Valor del tiempo = Precio opción –VI VI
o Valor del tiempo es máximo en S(0) = K
 En x ≤ K, el valor del tiempo es creciente
 En x  K, se tiene CE(x) - CE(K) ≤ x - K

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
Máximo se da cuando S(0) = Strike (en valor presente)
p

Valor del Tiempo

S(0)

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
 Objetivo: encontrar CE, PE, CA, PA
 Debemos suponer características del precio del
subyacente
 MODELOS
o Deben representar fielmente el movimiento de los precios
(su naturaleza estocástica)
o Deben incorporar características importantes de los
mercados
d
o Deben ser sencillos (de implementar y de usar)

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
 Es importante diferenciar entre
M d l dde V
Modelos Valoración
l ó
Métodos de Valoración
 Modelos
o Establecen una dinámica de movimiento del (los) subyacente(s)
o Enmarcan la dinámica en un espacio de probabilidad
o Simplifican
p el entorno económico y financiero en modelos
matemáticos
á
o Exhiben fórmulas de valoración y análisis (no necesariamente
simplificadas)
 Métodos
o Establecen herramientas numéricas y computacionales para realizar
los cálculos requeridos según el modelo
o Simplifican
p numéricamente los cálculos

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
 Valoración de Derivados
Modelo binomial de un periodo
 Tenemos la siguiente opción call europea:
o Precio Acción: S(0) = 80
o Strike: K = 100
o Expiración: T = 1
o Tasás cero cupón compuestas continuamente (las suponemos
constantes): r = 10%
 Planteemos el siguiente modelo para S(T):
S(T) CE(t=T)
120 20
90% 90%
80 ??
CE
10% 60 10% 0
t=0 t=T t=0 t=T
Valoración de Derivados
CE((t=T))
20
90%
??
CE
10% 0
Intento natural:
 Encontrar valor esperado de precio final
 Descontar ese promedio a valor presente
R l d dde este iintento:
Resultado
CE =? e-rT×(90%×20 + 10%×0) = 16.29

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
 Idea: construir un portafolio (con acciones y bonos cero
cupón) que replique los flujos de caja de la acción (solo
hay flujos en t=T)
o Pago opción = valor portafolio en estado “arriba”
arriba
o Pago opción = valor portafolio en estado “abajo”
g esto,, se debe tener CE = pprecio ((hoy)
 Si se logra y) del
portafolio replicante …de lo contrario habría arbitraje
o P. ej., si CE < precio portafolio, se compra la opción y se vende
ell portafolio
t f li
 Hoy, t=0: ganancia igual a la diferencia
 En t=T: ingreso opción = egreso portafolio
 Neto,
N hoy
h ganamos plata
l sini riesgo
i … arbitraje
bi j
Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
 x: número de acciones en el pportafolio
 y: número de T-bonos (cero cupón, con principal 100, madurez
T) en el portafolio
 Se quiere
(“arriba”) 120x + 100y = 20
(“abajo”) 60x + 100y = 0
x = 0.333
y = -0.2
02
 Valor portafolio: 80x + 100e-rTy = 8.57
CE = 8.57
Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
 En general, el modelo del precio de la acción es
S(T) d<r<u
S0euT Para evitar arbitraje
p
S0
1-p S0edT
t=0 t=T
T

 El pago final de un derivado depende del precio final

de la acción: Du=D
Du (Su) y Dd=D
Dd (Sd)
D(T)
Du
p
D0
1-p Dd
Valoración de Derivados
 x: número de acciones en el portafolio
 y: número de T-bonos (cero cupón, con principal 100, madurez
T) en el portafolio
 Se quiere
(“arriba”) S0euTx + 100y = Du
(“ b j ”) S0edTx + 100
(“abajo”) 100y = Dd
x = (Du-Dd) / S0(euT-edT)
y = (DdeuT - DuedT) / 100(euT-eedT)
 Valor portafolio: e-rT[q*×Du + (1-q*)×Dd],
q = (erT - edT) / (euT - edT)
donde q*
Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
 Luego
g el pprecio del derivado se obtiene
o Encontrando valor esperado* de precio final
o Descontando ese p
promedio a valor ppresente
 El “valor esperado” se encuentra con q*
 p no afecta el p
precio del derivado
 q* → “probabilidad de neutralidad al riesgo”
 Este fue el aporte
p de Black,, Scholes y Merton,, que
q les
mereció el premio Nóbel

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
 Resumen:
D0 = E*[e-rTDfinal]
 Nota:
E*[e-rTTS(T)] = e-rTT[q*×Su + (1-q*)×Sd]
= e-rTS(0)[euT(erT - edT)+edT(euT - erT)] / (euT - edT)
= S(0)
S 0 !!
 De ahí el nombre de “neutralidad al riesgo”: es la
probabilidad
b bilid d que me pronosticati igual
i l rendimiento
di i t de d
la acción (riesgosa) que del bono (sin riesgo)

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
 Valoración de Derivados
 Extensión
o Dividir T en más de N periodos
Podrían ser distintos
Δt=T/N
ti=T i/N

o P.
P ej.,
ej N = 2
Suu=S0e(u1+u2)Δt
Su=S0eu1Δt
Sud=S0e(u1+d2)Δt
S0
Sdu=S0e(d1+u2)Δt
Sd=S0ed1Δt
Sdd=SS0e(d1+d2)Δt
Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
 Si el estado “UD” coincide con “DU”,, el árbol es
recombinante
 Aplicación: opción put americana, S(0)=50, K=58,
r=3%, u1=u2=u=40%, dd1=d2=d=-20%,
d d T
T=1
 Proceso Estocástico de S(t)
o t=0: S0 = 50
o t=0.5: S(U) = 61.07, S(D) = 45.24
o t=1: S(UU)
( ) = 74.59, S(UD)
( ) = S(DU)
( ) = 55.26, S(DD)
( )
= 40.94

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
q
q* = 34.8%
 Proceso del valor de PA(t)
o t=1:
PA(UU) = 0, PA(UD) = PA (DU) = 2.74, PA(DD) = 17.06
o t=0.5:
PA((U)) = max {( ( ))+, e-rΔt [q
{(K-S(U)) [q*× PA((UU)) + (1-q*)×
( q ) PA((UD)]}
)]}
= 1.76
PA(D) = max {(K-S(D))+, e-rΔt [q*× PA(DU) + (1-q*)× PA(DD)]}
= 12.76
12 76
o t=0:
PA = max{(K-S0)+, e-rΔt [q*× PA(U) + (1-q*)× PA(D)]}
= 8.79
8 79
Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
Extensión a N periodos, recombinante
-
Δt=T/N, u, d, r const -
-
- j=#veces “arriba”
… - S=S0e(ju+(N-j)d)T/N
-
- # caminos que
-
-
llegan ahí: N
   j
 

…
PProbabilidad
b bilid d de
d
llegar ahí:
q*→ probabilidad de N
 (q*) j (1  q*) N  j
neutralidad al riesgo  j
Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
Histograma
g S(T),
( ), N=25

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
Histograma de Ln(S(T)/S(0))
Ln(S(T)/S(0)), N=100

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
Cuando N es grande, esto es muy similar a una distribución
normal!
Modelo en el límite:
S(T) = S(0) exp{(r{ - ½σ2)T + σ√T×Z},
√ }
donde Z ~ N(0,1) (bajo la probabilidad q*).
 El término
té i (r ( - ½σ2)T hace
h que E*[S(T)] = erTS(0)
 La valoración de derivados se preserva:
V(0) = E*[e-rTV(T)]
 Por ejemplo, si V(T) = (S(T)-K)+, se obtiene la fórmula de
Black & Scholes ppara el pprecio de una opción
p call europea
p
Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
Movimiento Browniano
 W(·) es un proceso estocástico continuo
 W(0) = 0
 W(t+Δt) – W(t) es independiente de W(t)
 W(t+Δt) – W(t) ~ N (0, Δt)

 Con esto, el modelo de la acción se escribe

S(t) = S(0) exp{(r - ½σ2)t + σW(t)},
“Movimiento Browniano Geométrico”
dS(t) = rS(t)dt + σS(t)dW(t)
Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
Fórmula de Black y Scholes:
CE = E*[e-rT (S(T)-K)+]
= E*[ {{S(0) exp(-½σ
p 2T + σ√T×Z) - e-rT K}}+]
…… (integrar) ……
= S(0) N(d+) - e-rT K N(d-),
donde
d+ = [ ln(S(0)/K) + (r + ½σ2)T ] / σ √T
d- = d+ - σ √T
√
Fórmula de Black y Scholes para puts europeas:
PE = e-rT
rT K N(-d
N( d-) - S(0) N(-d
N( d+)
Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
 Ejemplo
j p en EXCEL
1. Opción Call sobre IGBC
o Subyacente: IGBC
o Expiración: 1 año
o Strike: At-The-Money Spot
o Volatilidad = ? (usemos 25%)
o Tasa de interés = 5%
2. Opción Call sobre el dólar
o Subyacente: 1 USD
o E i ió 1 año
Expiración: ñ
o Strike: At-The-Money Spot
o Volatilidad = ? (usemos 15%)
o Tasa de interés = ? (usemos 4% como diferencial de tasas)

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
Volatilidad Implícita
p
 Una vez más, ¿qué era σ?
 Es la volatilidad usada para valorar la opción
 Representa la volatilidad que se “espera” (a futuro,
durante la vida de la opción)
p ) del subyacente
y
 Relacionada con la volatilidad realizada, pero
ppueden ser bastante distintas
 Dado que los demás insumos de las opciones se
observan, esta es la cantidad que cotizan, y transan, los
traders de opciones
Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
 Las primas de las opciones crecen con σ
 Dados S(0), K, T, r y la prima, se puede despejar σ de
las fórmulas de BS
 Esta es la volatilidad implícita (está implícita en la
pprima)) … se “observa” en el mercado de opciones
p
 Normalmente varía con el Strike (sonrisas)

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
Marco Teórico
 El Valor
V l dde no arbitraje
bi j de d un dderivado
i d consiste
i en:
o Valor presente (descontado) del pago final
o Valor esperado de este valor presente
o El valor esperado se debe hacer bajo una medida de probabilidad
muy particular  Probabilidad de Neutralidad al Riesgo
o Bajo esta probabilidad, el valor esperado del retorno de (todos) los
activos modelados es igual a la tasa libre de riesgo
o E t “fó
Esta fórmula
l ” es un tteorema; hhay una plataforma
ltf matemática
t áti ddetrás
tá
que permite llegar a esto
 Concepto usado: el valor de un derivado debe ser igual
al valor de un portafolio de instrumentos básicos
que repliquen
li l flujos
los fl j de d cajaj ddell derivado
d i d
 Esta probabilidad de neutralidad al riesgo (o este portafolio
replicante) siempre existe? Es única?

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
Marco Teórico

PRIMER TEOREMA FUNDAMENTAL DE MATEMATICAS

FINANCIERAS:
“Existe una probabilidad de neutralidad al riesgo si y solo si no hay
arbitraje”

SEGUNDO TEOREMA FUNDAMENTAL DE MATEMATICAS

FINANCIERAS:
“Existe
Existe una única probabilidad de neutralidad al riesgo si y solo si el
mercado modelado es completo (hay forma de replicar todos los flujos de
caja derivados de los instrumentos básicos)”

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
 Modelos Buscados
o Deben representar fielmente el movimiento de los precios (su
naturaleza estocástica)
o Deben incorporar características importantes de los mercados
o Deben ser sencillos (de implementar y de usar)

 Variables Modeladas
o Precios de subyacentes
o Tasas de Interés
o Otras variables: clima, energía, catástrofes

 Las distribuciones usadas típicamente giran alrededor de

distribuciones normales
 Se busca la distribución bajo la probabilidad de neutralidad
g
al riesgo
Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
 Sofisticaciones
o Volatilidad Estocástica
o Correlación entre varios subyacentes
o Modelos con múltiples fuentes de incertidumbre
(Movimientos Brownianos multidimensionales)
o Modelos con saltos (Proceso de Poisson)
 Características deseables de modelar
o Sonrisas (en volatilidades implícitas) en los mercados de
opciones
o Distribuciones no normales
o Volatilidad variable
o Colas “gordas”
 S busca
Se b un bbalance
l ddeseable
bl entre
t simplicidad
i li id d y precisión
i ió
Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
 Calibración del modelo
o Escoger parámetros de tal forma que el modelo valore
cercanamente instrumentos observados en el mercado
o Parámetros no observables pueden acercarse a
comportamiento histórico, o se puede usar precios de
instrumentos similares
o Métodos para calibrar estos parámetros: Mínimos
Cuadrados, máximo-verosimilitud, …

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
 Valoración y Análisis de Riesgo
Un modelo es tan bueno como la estrategia de
cobertura de riesgos que ofrezca
 Matemáticamente,
Matemáticamente se busca:
o Evaluar una integral (un valor esperado)
o Solucionar una ecuación diferencial parcial
 Métodos
o Simulación (Monte Carlo)
o Árboles (Modelo Binomial y extensiones)
o Análisis numérico para soluciones de Ecuaciones
Diferenciales Parciales

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
Simulación
 A partir del modelo se establece la distribución (futura) de
las variables relevantes
 Se simulan distintos caminos de evolución futura de las
variables (números aleatorios + distribución)
o Partición del tiempo en intervalo
 Para cada camino se ppuede calcular la cantidad deseada
(precio del
d l dderivado,
d por ejemplo)
l
 Se promedian las cantidades a lo largo de los caminos (cada
camino tiene el mismo peso)
 Mientras más á caminos, más
á precisa lla respuesta
 Ideal para “dependencias del camino”, y dimensiones altas;
no ideal para decisiones tempranas (p.ej., ejercicio
americano)
i )
Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
Simulación
 Veamos un ejemplo simple de valoración de una opción
asiática mediante simulación
 Opción
p Call Asiática
 Subyacente: el IGBC
 Expiración: 1 año
 Strike: At-The-Money
At The Money Spot
 Para tener idea del error de la simulación, valoraremos una
opción call, comparando el precio calculado con el
“verdadero” pprecio,, dado ppor la fórmula de Black y SScholes
 Modelo usado: Movimiento Browniano Geométrico:
S(t) = S(0) exp{(r - ½σ2)t + σW(t)}, W(t) ~ N (0, t)

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
Árboles
 A partir del modelo se establece la distribución
(futura) de las variables relevantes
 Se particiona el tiempo analizado
analizado, y en cada tiempo se
generan “nodos”, provenientes de nodos del tiempo
anterior
 Se conoce el precio en los nodos finales
 Usando el esquema de valoración, se sigue un
“backward induction” para llegar al precio en el nodo
inicial
 Puede usarse para analizar decisiones tempranas
 Computacionalmente intensivo en dimensiones altas
 S requiere discretizar
Se d l distribución
la d b ó dada dd
Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
Árboles
 Binomiales, trinomiales, …
 Recombinantes, no recombinantes
 Simétricos, no simétricos
 En una o varias dimensiones

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
Árboles
 Cada nodo en cada periodo se ve así:

S(n t)eu
p
S(n t)
1-p S(n t)ed
t= nt t=(n+1)t

 Usando p=½ (por simplicidad), se igualan la media y

la varianza a la distribución dada, quedando:
 u = (r - ½σ2)t + σt,  d = (r - ½σ2)t - σt

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
Árboles
 EXCEL: Veamos un ejemplo simple de valoración de
una opción compuesta usando árboles
 Opción Put
 Expiración: 6 meses
 Subyacente: call sobre IGBC,
IGBC expiración 1 año,
año strike
at-the-money (hoy)
 Strike: $1,000
 Modelo usado: Movimiento Browniano Geométrico:
S(t) = S(0) exp{(r - ½σ2)t + σW(t)}, W(t) ~ N (0, t)

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
Solución numérica de EDP
 Para el estilo de ecuaciones que se encuentran
típicamente en finanzas (ecuación de calor), se puede
usar un algoritmo
l it dde difdiferencias
i fifinitas,
it que es muy
parecido al esquema de árboles binomiales
 Existen otros métodos menos usados (elementos
(
finitos, por ejemplo).

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
 Swap
p LIBOR vs Tasa Fija.
j Si al final se incluye
y el recibo y
pago de principales, puede verse como dos bonos
 Pata fija: bono con cupón fijo, pago semestral
 Pata flotante (LIBOR): bono con cupón flotante (LIBOR),
pago trimestral
 La tasa fija es tal que el swap vale 0 inicialmente. Esta es la
TASA SWAP

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
 Considere un bono con cupón flotante (LIBOR) y madurez
de tres meses:
3mL(0)×P ×ACT/360
P

t=0 t=3m

 ¿Cuál
C ál es ell valor
l dde este
t bbono??
 P! (por definición de préstamo LIBOR)

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
 Valoración de Derivados
 Ahora un bono similar de seis meses: 3mL(3m)×P ×ACT/360

3mL(0)×P ×ACT/360 P
t=0 t=3m t=6m
 Equivalente a: 3mL(0)×P ×ACT/360
P

t=0 t=3m
que hoy vale P
 Conclusión: la pata LIBOR vale P

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
 En T años hayy 2T flujos
j de caja.
j.
 CFi/2 = C% × P × n30/360
 Valor de la pata fija:
2T
PF  P  DFT   CF i  DFi
i 1 2 2

 Se despeja C% (tasa swap) que iguala el valor de las dos

patas:
1  DFT
C %  2T
1

i 1 2
 DFi
2

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
 Los factores de descuento salen del mercado (tasas LIBOR,
futuros de Eurodólares, swaps, …); veamos una muestra
en EXCEL
 Valoración
Vl ió de
d swaps viejos
i j ((supongamos valoración
l ió en
t=T0, igual a fecha de cupón fijo). Término inicial del
swap:
pT
o Tasa swap pactada inicialmente: C0
o Tasa swap actual (término T – T0): C1
V l SSwap ((para ell que recibe
Valor ib ttasa fij
fija):
)
2 (T T0 )
1
i 1
(C 0  C1)%  P   DFi
2 2
Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Derivados
 Tasas forward: la tasa de la p
pata fija
j que
q hace que
q un swapp
forward tenga valor inicial 0. Para un swap con fechas T0 → T,
DFT 0  DFT
C %  2 (T T 0 )
1
i 1 2
 DFi
T 0
2

 Valoración de swaps de tasa de cambio: valorar cada pata como

un bono en su moneda,, y al final denominar todo en una
moneda común

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Factores de Riesgo y Valoración
 Variables
V i bl dde M Mercadod
 Valoración de Bonos
 Curvas de rendimiento
 Curvas de commodities
 Valoración de derivados
 Curvas
Cu vas dee Vo
Volatilidad
at a
 Curvas de Crédito
 Valoración de Portafolios

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Curvas de Volatilidad
 El modelo de Black y Scholes supone
p qque la volatilidad de un
activo es constante, independiente del strike y del periodo de
tiempo.
 En los mercados de opciones,
p , la volatilidad sí depende
p del
strike y de la expiración
o Se anticipa que si el mercado llega a strikes lejanos, la volatilidad debe
haber crecido
o Posibilidad de eventos extremos
o Sesgo: hay direcciones de movimientos de variables para las que se
anticipa mayor volatilidad
o Anticipación
A i i ió dde eventos que pueden d mover ell mercadod
 Volatility smile, o skew

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Curvas de Volatilidad
 Curvas de volatilidad COP/USD
Volatilidad at‐the‐money COP/USD, Octubre 14
1M 2M 3M 4M 6M 1Y 18M 2Y
10.84% 11.21% 11.65% 12.13% 12.47% 13.55% 14.14% 14.40%

Volatilidad at‐the‐money COP/USD, Noviembre 3, 2008

1M 2M 3M 4M 6M 1Y 18M 2Y
35.87% 33.53% 30.59% 29.48% 27.53% 25.61% 25.40% 25.19%

 Objetivo:
j calibrar el mercado usando curvas pparamétricas
 Por ejemplo, para este mercado es razonable usar la siguiente
parametrización:
Vol (T )   0  1e  T
 Calibremos la curva en cada fecha con este esquema en EXCEL

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Curvas de Volatilidad
 Superficies de volatilidad de azúcar blanco
Volatilidad LDN5, Octubre
, 14
1M 2M 3M 6M 12M 18M
90% at‐the‐money 36.95% 41.33% 40.37% 33.27% 33.07% 32.22%
at‐the‐money 36.98% 41.81% 40.76% 33.27% 33.10% 32.24%
110% at‐the‐money 36.96% 41.80% 40.75% 33.28% 33.08% 32.23%

Volatilidad
V l tilid d LDN5, Enero
LDN5 E 15 2008
15, 2008
1M 2M 3M 6M 12M 18M
90% at‐the‐money 19.00% 16.74% 16.50% 15.07% 15.27% 15.36%
at‐the‐money 17.90% 16.88% 16.65% 15.27% 15.42% 15.58%
110% at‐the‐money 21.32% 18.10% 17.68% 15.20% 15.28% 15.41%

 Objetivo: calibrar el mercado usando superficies paramétricas

 Por ejemplo, para este mercado es razonable usar la siguiente
parametrización:

Vol ( M , T )   0  1e  T  1   ( M ) M  1  
Donde (M) es constante para M>1, y para M<1.
 Calibremos
C lib lla superficie
fi i en cada
d ffecha
h con este esquema en EXCEL
Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Factores de Riesgo y Valoración
 Variables
V i bl dde M Mercadod
 Valoración de Bonos
 Curvas de rendimiento
 Curvas de commodities
 Valoración de derivados
 Curvas
Cu vas dee Vo
Volatilidad
at a
 Curvas de Crédito
 Valoración de Portafolios

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Curvas de Crédito
Intensidad de Default
 Se modela la probabilidad de default mediante
intensidades 
 SSi V es laa pprobabilidad
o a a dee so
sobrevivir,
ev v , se modela
o e a así:
as :
V = -V t
 La solución es V(t) = exp{-t}
 Si  no es constante
constante, la solución involucra un valor
promedio (mediante una integral)
 Alternativamente, la probabilidad de entrar en default
es
Q(t) = 1 - exp{-t}

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Curvas de Crédito
 Ejemplo Simple
o Suponga un bono con valor $100 a un año por un emisor riesgoso
o Suponga la tasa “libre de riesgo” igual a 4%
o Suponga el “spread” del emisor igual a 3%
o Ell bbono paga $107 en un año, sin otros flujos
fl
o Supongamos una tasa de recuperación del 20%
o Por simplicidad, supongamos que solo se puede entrar en default en
un año
o Qué probabilidad de incumplimiento implica este mercado?
o La ecuación de valoración es
V(0)= 100 = VP(107)  P [No default] + VP(20%  107)  P [default]
o Luego g P [[default]]  4.7%
.
o Esta es una probabilidad de valoración  de neutralidad al riesgo
o Las de las tablas de las calificadoras son la probabilidades “físicas”
o Diferencia  Prima de riesgo

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Curvas de Crédito
Ejemplo
p – Swaps
p Extinguibles
g
• La Nación emite un bono en USD
• Sus “operaciones” están denominadas en COP
• Administración de riesgo: alinear activos y pasivos
• S l ió Simple:
Solución Si l C Cross Currency
C S
Swap - PlainVanilla
Pl i V ill

Principal (USD) al Final Cupones en USD

[7%] + Principal
Cupones USD [7%]
Mesa Colombia Inversionista (USD)
Derivados
Cupones COP [12%]

Principal (COP) al Final

Default simultáneo de
la deuda. Paga
“Recuperación”.
Cancelación de Flujos en default.

Alternativa más barata: Hacer el swap self-credit-contingent;

cambia el cupón en COP de 12% a 11% (cambio depende
de spreads de crédito)
Curvas de Crédito
Right-way Cross Currency Swap
Swap donde la exposición crediticia (a la contraparte) decrece (para el dealer) mientras
pasa el tiempo (diferencial de tasas), o cuando empeora la condición crediticia
de la contraparte (correlación)
Diferencial de Tasas de Interés
• Bajo el swap, Colombia paga un cupón alto en COP y recibe uno bajo en USD
• Los primeros pagos son típicamente positivos (neto) para el dealer
• Valor inicial del swap = 0 → el valor futuro esperado del swap es negativo para el dealer
Correlación
• Un empeoramiento del crédito de Colombia debe ser positivamente correlacionado con
un debilitamiento del COP
• En este caso, el swap tendría valor negativo para el dealer
• Este valor negativo desaparece en default
Ambos puntos ayudan a abaratar la tasa
Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Curvas de Crédito
 Ejemplo – Riesgo de contraparte
o Consideremos un derivado cualquiera
o NO HAY COLATERAL (Clean Credit), u otros mitigantes del riesgo de
cot apa te
cotraparte
o Qué pasa ante un deterioro crediticio de la contraparte?
o Y si hay un evento de incumplimiento?
o Có se protege
Cómo t un bbanco ante t ttall eventualidad?
t lid d?
o Cómo afecta esta posibilidad la valoración del derivado?

“CREDIT CHARGE”
“Reserva de Crédito”

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Curvas de Crédito
 En efecto, el Banco está corto una opción: en un evento
crediticio
d d la
de l contraparte, éésta tiene la
l opción
ó dde hhonrar o no
el swap
o Si está a favor de la contraparte,
p el Banco debe pagar
p g el valor del
swap
o Si está a favor del Banco, éste debe hacer fila con los otros
acreedores, a ver qué puede recuperar
 Es una opción (swaption) contingente al crédito de la
contraparte
 El Banco debe comprar protección sobre el crédito de la
contraparte
 Qué cantidad? Un modelo de valoración dará el delta requerido

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Curvas de Crédito
 El valor de esta opción esta dado por:

1

P ( 0 )  Eˆ FD ( )  V  ( )  ,

T
  
donde
o FD: ffactor
FD t dde ddescuento
t
o V: valor del swap para el Banco (toma el valor negativo dada la asimetría en
default)
o τ: primer momento (Stopping Time) en que hay default
o 1: función indicador que permite integrar solo en caminos donde hay default
antes del término del swap

 Este es el cobro por crédito, o la reserva de crédito

 Resume la Exposición Potencial Futura (PFE)
 Riesgo de correlación entre el crédito y el valor del derivado

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Curvas de Crédito
Tomemos un ejemplo
• Swap Fijo-Flotante en USD
• “Perfectamente colateralizado”
• 10 años
• Tasa Fija = 4%
• Tasa Flotante = LIBOR de 3 meses
• La contraparte paga tasa fija y recibe flotante
• Cómo debería cambiar la tasa fija j si no hayy colateral?
Diseñemos un modelo simple
• X,Y ~ U [0,1] independientes. a
• Z = aX + (1-a) (a[ 1 1]) 
(1 a) Y (a[-1,1]) corr ( X , Z ) 
2a  2a  1 2

• Z> representa evento de default (p.ej., 0.99)

• W =  N-1(X) representa saltos paralelos de la curva, con volatilidad 
• Un modelo vale más qque mil palabras
p … veámoslo en EXCEL

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Curvas de Crédito
Contingent
g Credit Default Swap (CCDS)
 Es un CDS, pero su nocional es variable
 El nocional es igual al valor de mercado de un derivado
subyacente (p.ej., el swap del ejemplo anterior)
 Este derivado subyacente se supone libre de riesgo de
contraparte
 Permite cubrir “perfectamente”
perfectamente el riesgo de contraparte (se
transfiere a otra contraparte)
 Típicamente se paga una prima periódicamente
 Variables
bl relevantes
l
o Spread del crédito subyacente
o Variables para valorar el derivado subyacente
o C
Correlación
l ió entre ell crédito
édi y estas variables
i bl
Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Curvas de Crédito
Valoración de crédito
 Se mantienen los mismos principios
o Probabilidad de neutralidad al riesgo
o Valor esperado bajo esta probabilidad del valor presente del pago
final
o No arbitraje
 Cambian las distribuciones usadas
o Se usan modelos con saltos que representan eventos especiales
o Proceso de Poisson combinado con Movimiento Browniano
o Típicamente se modela la evolución de la intensidad 
o Se modelan intensidades correlacionadas con otras variables de
valoración (tasas de cambio, curvas de rendimiento, commodities,
acciones,, …))

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Curvas de Crédito
 La “variable” crediticia observable es la curva de CDS:

Plazo CDS COL CDS COL

6mes 56.4 130
1 ñ
1año 56 4
56.4 120
2años 69.8 110

pread, bps
3años 74.8 100
4años 86.2 90
5años 93.1 80
7años 106 6
106.6 Sp 70
10años 116.7 60
50
40
Conv. Días ACT/360
0 2 4 6 8 10
Frecuencia Q
TasaRecup 25% Vencimiento

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Curvas de Crédito
 A partir de la curva de crédito se pueden inferir las
probabilidades
b b l d d de d default
d f l (o de
d supervivencia) a distintos
d plazos
l
 Esta es una probabilidad de valoración (de la medida de
“neutralidad al riesgo”) – no es una probabilidad “física”
 Planteemos un modelo muy simple:
o Cupones semestrales
o Solo se permite default justo antes de pagar un cupón
o Recuperación se supone determinística y constante a distintos plazos
 Para un periodo, se tiene
-(1-R)
(1 R) D1
1-p 1 R
0 p
C 1 R
p
C D1
Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Curvas de Crédito
 Para N periodos, podemos llamar pi la probabilidad de supervivencia
i 1i
del periodo i-1
 Ci es el cupón (semestral) para el CDS de plazo i (varía con i si la
curva no es plana)
 Eventos sobre los cuales se va a pponderar el valor presente
p de los
fl
flujos:
o Default en el periodo 1
o Default en el periodo 2
o …..
o Default en el periodo N
o No default antes del vencimiento del CDS
 La igualdad del valor esperado de los flujos presentes a 0 (valor inicial
del derivado) lleva a la ecuación
(1  R )(1  p1 ) D1    p1 p2 ...((1  p N ) DN   C N  p1 D1    p1 p2 ... p N DN 
 Conociendo p1, p2, …, pN-1, se despeja pN (hagámoslo…)
 Veamos un ejemplo numérico

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Curvas de Crédito
 Flujos de caja riesgosos se valoran con estas probabilidades de
incumplimiento:
l
V  pdefault  Recuperacion  (1  pdefault )  Flujo Riesgoso

 Bonos y otros conjuntos de flujos riesgosos suman los flujos

individuales

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Factores de Riesgo y Valoración
 Variables
V i bl dde M Mercadod
 Valoración de Bonos
 Curvas de rendimiento
 Curvas de commodities
 Valoración de derivados
 Curvas
Cu vas dee Vo
Volatilidad
at a
 Curvas de Crédito
 Valoración de Portafolios

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara
Valoración de Portafolios
 El valor de la suma es la suma de los valores
 Portafolio  utilidad neta, o ingresos, o alguna otra cantidad de
interés
 “Aterrizar” flujos de ingresos
g y egresos
g de una empresa
p en
términos de los instrumentos que hemos visto
 La valoración de todo el portafolio puede depender de muchas
variables  Reducción de dimensionalidad (por ejemplo,
mediante
d Componentes
C PPrincipales)
l )

Universidad de los Andes – Facultad de Economía – Administración de Riesgos Financieros – 2010 – Diego Jara