Documente Academic
Documente Profesional
Documente Cultură
Tema 2: Valoración
Diego Jara
diego.jara@quantil.com.co
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 (fn = 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
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.
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
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) - DIVB(0,t)] / B(0,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) – KB(0,T)
9. “Paridad” Put-Call Americana
KB(0 T) CA – PA S(0) – K
S(0) – KB(0,T)
10. Cotas
a. CE ≤ CA, PE ≤ PA
b. S(0) – KB(0,T) ≤ CE ≤ S(0)
c. KB(0,T) – S(0) ≤ PE ≤ KB(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) – KB(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
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
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)
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
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
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= nt t=(n+1)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
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
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%
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%
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
“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
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
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:
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 1i
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
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