Discrete Models of Financial Markets –

CAPINSKI & KOPP

Este libro explica de manera sencilla las ideas fundamentales del modelado del mercado
financiero y la fijación de precios de los derivados, utilizando el principio de no arbitraje.
Las matemáticas relativamente elementales conducen a nociones y técnicas poderosas, como
la viabilidad, la completes, las estrategias de autofinanciamiento y replicación, el arbitraje y
las medidas de martingala equivalentes, que son directamente aplicables en la práctica. Los
métodos generales se aplican en detalle a los precios y coberturas de las opciones europeas y
estadounidenses dentro del modelo de árbol binomial Cox-Ross-Rubinstein (CRR). Se
incluye un enfoque simple para los modelos discretos de tasas de interés, que, aunque
elemental, tiene algunas características novedosas. Todas las pruebas están escritas de
manera fácil de usar, con cada paso explicado cuidadosamente y siguiendo un flujo natural
de pensamiento. De esta manera el alumno aprende a abordar nuevos problemas.
Tabla de contenido
1. Introducción ...............................................................................................................3
2. Modelos de precios de activos de un solo paso. ..........................................................5
2.1 Árbol binomial de un solo paso .......................................................................................... 6
2.2 Opción de precios ............................................................................................................. 10
2.3 Valores derivados generales ............................................................................................. 13
2.4 Dos valores subyacentes ................................................................................................... 19
2.5 El modelo trinomial.......................................................................................................... 22
2.6 Un modelo general de un solo paso .................................................................................. 34
2.7 Propiedades generales de los precios de los derivados .................................................... 42
2.8 Pruebas ............................................................................................................................. 45
3. Modelo binomial multipaso ......................................................................................47
3.1 Ejemplo de dos pasos ....................................................................................................... 47
3.2 Particiones e información................................................................................................. 53
3.3 Propiedades de martingala .............................................................................................. 58
3.4 El modelo de Cox-Ross-Rubinstein.................................................................................. 62
3.5 Cobertura delta ................................................................................................................ 68
4. Modelos generales de varios pasos. ..........................................................................70
4.1 Particiones y acondicionamiento...................................................................................... 70
4.2 Propiedades de la esperanza condicional......................................................................... 72
4.3 Filtraciones y martingalas ................................................................................................ 75
4.4 Estrategias comerciales y arbitraje .................................................................................. 79
4.5 Un modelo general de varios pasos. ................................................................................. 84
4.6 Los teoremas fundamentales de valuación de activos ..................................................... 89
4.7 Seleccionar y calibrar un modelo de precios ................................................................... 95
4.8 Más ejemplos de derivados .............................................................................................. 97
 1. Introducción
Este volumen introduce modelos matemáticos simples de los mercados financieros,
centrándose en los problemas de fijación de precios y en la cobertura de instrumentos
financieros riesgosos cuya evolución de precios depende de los precios de otros activos
riesgosos, como las acciones o los productos básicos. En las últimas cuatro décadas, el
comercio de estos valores derivados (llamados así debido a que su valor se deriva de los de
otros activos subyacentes) se ha expandido enormemente, sobre todo como resultado de la
disponibilidad de modelos matemáticos que proporcionan puntos de referencia de precios
iniciales. Los mercados en estos instrumentos financieros han brindado a los inversionistas
una opción mucho más amplia de vehículos de inversión, a menudo hechos a la medida de
objetivos de inversión específicos, y han llevado a una mayor liquidez en los mercados de
activos. Al mismo tiempo, la proliferación de derivados cada vez más complejos ha dado
lugar a una mayor volatilidad del mercado como resultado de la búsqueda de rendimientos a
corto plazo cada vez más altos, mientras que la velocidad de expansión ha hecho de la banca
de inversión un negocio altamente especializado, con una comprensión imperfecta por
muchos inversores, juntas directivas e incluso especialistas del mercado. Las consecuencias
de la "exuberancia irracional" en algunos mercados han sido traídas a casa dolorosamente
por los choques del mercado de valores y las crisis bancarias, y han llevado a un aumento de
la regulación.

Nos parece un principio sólido que los participantes del mercado deben tener una
comprensión clara de los productos que comercializan. Por lo tanto, es esencial comprender
mejor las herramientas básicas de modelado en las que se basa gran parte de los precios de
derivados modernos. Estas herramientas son técnicas matemáticas, informadas por algunos
preceptos económicos básicos, que conducen a una formulación y cuantificación más clara
del riesgo inherente en una transacción dada, y su impacto en los posibles rendimientos.

La formulación y el uso de modelos dinámicos, que emplean técnicas de cálculo estocástico

o ecuaciones diferenciales parciales para describir y analizar modelos de mercado y tasar
diversos instrumentos, requieren una preparación matemática sustancial. Lo mismo no ocurre
con los modelos de tiempo discreto más simples que analizamos en este volumen. Solo se
requiere un mínimo de teoría de la probabilidad para su comprensión, y gradualmente
introducimos los ingredientes principales, tratando de hacer que el volumen sea autónomo,
aunque la familiaridad con la probabilidad básica puede dar al lector alguna ventaja.

Los modelos de tiempo discreto, utilizando finamente muchas fechas de negociación posibles
y una colección finita de posibles resultados (escenarios), tienen un atractivo intuitivo, ya
que el mundo que habitamos es finito y, como el famoso Keynes observó: 'a largo plazo todos
estamos muertos'. Además, incluso los modelos más simples ya incorporan las características
principales de las técnicas de modelado necesarias en entornos más complejos, y puede ser
más fácil "ver la madera de los árboles" en el entorno más amigable de un modelo simple. Al
mismo tiempo, se debe reconocer que los modelos solo son útiles en la medida en que estén
de acuerdo con los datos observados; por lo tanto, la necesidad de reflejar la práctica real del
mercado con mayor precisión debe inevitablemente introducir una complejidad cada vez
mayor.
Estos modelos más realistas, y los antecedentes matemáticos necesarios para comprenderlos
completamente, se presentarán y estudiarán en los volúmenes complementarios de esta serie.
 2. Modelos de precios de activos de un solo paso.
2.1. Árbol binomial de un solo paso.
2.2. Opción de precios.
2.3. Valores derivados generales.
2.4. Dos valores subyacentes.
2.5. El modelo trinomial.
2.6. Un modelo general de un solo paso.
2.7. Propiedades generales de los precios de los derivados.
2.8. Pruebas.

En este capítulo exploramos los modelos de precios de opciones más simples. Suponemos
que hay un solo período de negociación, desde la fecha actual (tiempo 0) hasta un tiempo
futuro fijo 𝑇. Examinamos modelos matemáticos para el comportamiento de los precios de
una o más acciones subyacentes, comenzando con el caso más simple de una acción única
cuyo precio en el momento 𝑇 toma uno de solo dos valores posibles. Este análisis se extiende
a un modelo con dos acciones, modelos con tres precios posibles para cada acción y,
finalmente, a un modelo de precios general con 𝑑 > 1 acciones, cada uno con 𝑚 resultados
posibles para su precio en 𝑇.

El principal requisito económico, derivado del supuesto de que los mercados financieros que
se modelan son eficientes es que, siempre que todos los participantes del mercado compartan
la misma información sobre la evolución aleatoria del precio de las acciones, un inversor en
este mercado no debería poder obtener un beneficio. Sin incurrir en algún nivel de riesgo.
Este supuesto se expresa en términos matemáticos y subyace a los métodos que desarrollamos
para establecer cómo determinar el valor de los instrumentos financieros cuyo precio depende
solo del precio de las acciones subyacentes en el momento 𝑇: los llamados valores derivados
europeos, cuyo estudio es el tema principal de este y los próximos dos capítulos.
2.1 Árbol binomial de un solo paso
La característica más importante de los mercados financieros es la incertidumbre que surge
del hecho de que los precios futuros de varios activos financieros no pueden predecirse.
Comenzamos examinando la configuración más simple posible y construimos un "modelo
de juguete" cuyas dos dimensiones (tiempo e incertidumbre) se ilustran mediante las
herramientas más simples posibles.

Tomamos el tiempo como discreto y reducido a solo dos instantes de tiempo: el presente 0 y
el futuro 𝑇. Para simplificar la notación y enfatizar el hecho de que ahora estamos tratando
con un paso, escribiremos 1 en lugar de 𝑇, por lo que tenemos en mente un solo paso de
longitud 𝑇.

La incertidumbre se refleja en el número de escenarios posibles, que en esta sección es

mínimo, es decir, dos: "arriba" (“up”) o "abajo" (“down”). Este modelo engañosamente
simple refleja muchas de las características clave de los modelos de precios mucho más
generales, y lo examinamos en detalle.

Assets (Activos)
En el momento 0, supongamos que se nos otorga algún activo, que generalmente se considera
una acción y se menciona habitualmente, desafiando el uso gramatical adecuado, como
subyacente, ya que su precio determinará los precios de los valores que deseamos estudiar.

Se conoce el precio 𝑆(0) > 0 actual del subyacente, mientras que su precio futuro 𝑆(1) no
se conoce, pero consideramos posibles precios futuros y las probabilidades de alcanzarlos.
Esto se realiza formalmente eligiendo primero un conjunto Ω llamado espacio de muestra.
Los elementos de este conjunto están relacionados con los resultados de algún experimento
aleatorio (ya sea específico, lanzando una moneda o bastante vago, el estado futuro de la
economía) y los llamamos escenarios o estados. En este volumen Ω siempre será un conjunto
finito.

Solo para la sección actual tomamos Ω = {𝑢, 𝑑 } y permitimos que el precio futuro de nuestro
activo sea una función
𝑆(1): Ω → (0, +∞)

En general, una función definida en Ω se llama variable aleatoria. Como 𝑆 (1) toma solo
dos valores, también lo hace el retorno
𝑆 (1) − 𝑆 (0)
𝐾5 =
𝑆 (0)

que determina el precio

𝑆 (1) = 𝑆(0)(1 + 𝐾5 )

y definiremos 𝑆(1) al decidir primero la forma de 𝐾5 . Asuma que

 𝐾5 (𝑢) = 𝑈
𝐾5 (𝑑 ) = 𝐷

donde
−1 < 𝐷 < 𝑈

para evitar precios negativos. Entonces

𝑆 (1, 𝑢) = 𝑆 (0)(1 + 𝑈)
𝑆 (1, 𝑑 ) = 𝑆 (0)(1 + 𝐷)

Es conveniente introducir la siguiente convención de notación: 𝑆(1, 𝑢) = 𝑆 : , 𝑆(1, 𝑢) = 𝑆 ; ,

lo que da la variable aleatoria de los precios de las acciones como

𝑆 : = 𝑆(0)(1 + 𝑈),
𝑆 (1) = < ;
𝑆 = 𝑆 (0)(1 + 𝐷).

Las probabilidades se dan al prescribir un número 𝑝 desde el intervalo (0, 1) escribiendo

𝑃 ({𝑢}) = 𝑝,
𝑃({𝑑 }) = 1 − 𝑝.

Aquí tenemos cuidado con la notación ya que 𝑃 asigna números a subconjuntos de Ω, pero
la siguiente versión simplificada es bastante útil: 𝑃 ({𝜔}) = 𝑃 (𝜔) para 𝜔 ∈ Ω. Además, se
supone que la probabilidad 𝑃 es cero para el conjunto vacío y 1 para todo el Ω y, por lo tanto,
se define para todos los subconjuntos de Ω, llamados eventos, que satisfacen adicionalmente
la llamada propiedad de aditividad: para cada 𝐴, 𝐵 ⊂ Ω, tales que 𝐴 ∩ 𝐵 = ∅,

𝑃 (𝐴 ∪ 𝐵 ) = 𝑃 (𝐴 ) + 𝑃 (𝐵 )

(¡La elección de tales 𝐴, 𝐵 en nuestro caso es bastante limitada!)

El activo no aleatorio que lo acompaña es la cuenta del mercado monetario con precios
deterministas 𝐴(0), 𝐴(1), donde

𝐴(1) = 𝐴(0)(1 + 𝑅)

para algún 𝑅 > 0.

Inversión
Supongamos que tenemos a nuestra disposición una cierta suma de dinero, la cual invertimos
comprando un portafolio de 𝑥 unidades del activo de riesgo anterior y las unidades 𝑦 de la
cuenta del mercado monetario. Construimos un portafolio (𝑥, 𝑦) con valor inicial dado por

𝑉(M,N) (0) = 𝑥𝑆(0) + 𝑦𝐴(0)

El valor de este portafolio en el momento 1 es

𝑉(M,N) (1) = 𝑥𝑆(1) + 𝑦𝐴(1)

que es

𝑥𝑆(0)(1 + 𝑈) + 𝑦𝐴(0)(1 + 𝑅),

𝑉(M,N) (1) = <
𝑥𝑆(0)(1 + 𝐷) + 𝑦𝐴(0)(1 + 𝑅)

Asumimos que el mercado no tiene fricción: no imponemos ninguna restricción en los

números 𝑥, 𝑦, por lo tanto, se permite una venta corta ilimitada: en el momento 0 podemos
tomar prestada una acción, venderla y comprar algún otro activo, mientras que el tiempo 1
compramos la acción para devolverla al propietario. Se supone que los activos son
arbitrariamente divisibles, lo que significa que 𝑥, 𝑦 pueden tomar valores reales arbitrarios.
No imponemos ningún límite a 𝑥, 𝑦, asumiendo así una liquidez ilimitada en el mercado.
Finalmente, no hay costos de transacción involucrados en el comercio, es decir, el mismo
precio de las acciones se aplica a largo (buy − comprar: 𝑥 > 0) y posiciones cortas
(sell − vender: 𝑥 < 0). Además, la inversión sin riesgo (𝑦 > 0) y el endeudamiento
(𝑦 < 0) utilizan la tasa de retorno 𝑅.

Nuestro supuesto de modelación más importante es el principio de no arbitraje (No

Arbitrage Principle (NAP)), que afirma que el comercio no puede generar ganancias sin
riesgo. En general, la forma de este supuesto depende fundamentalmente de la clase de
estrategias comerciales que permitimos en el mercado. En el contexto actual, sin fechas de
negociación intermedias, esto es trivial, ya que una "estrategia" consiste en un portafolio
único elegido en el momento 0.

Definición 2.1
Un portafolio (𝑥, 𝑦) elegido en el tiempo 0, es una oportunidad de arbitraje si 𝑉(M,N) (0) =
0, 𝑉(M,N) (1) ≥ 0, y con probabilidad positiva 𝑉(M,N) (1) > 0.

La última afirmación para nuestra elección de Ω se reduce a decir que tenemos una
desigualdad estricta en al menos uno de los dos escenarios posibles.

Suposición 2.2. No Arbitrage Principle (Principio de no arbitraje)

No existen oportunidades de arbitraje en el mercado.

Esto tiene una consecuencia inmediata para la relación entre los retornos de los activos
riesgosos y sin riesgo:

Teorema 2.3

El principio de no arbitraje implica que

𝐷<𝑅<𝑈
Prueba. Si 𝑅 ≤ 𝐷, es decir

𝑆 (0)(1 + 𝑅) ≤ 𝑆 ; < 𝑆 : ,

Ponemos 𝑥 = 1, 𝑦 = −𝑆 (0)⁄𝐴(0). En el tiempo 1

𝑉(M,N) (1) = 𝑆(1) − 𝑆 (0)(1 + 𝑅) ≥ 0,

que es estrictamente positivo en el estado "arriba" (“up”), es decir, con probabilidad 𝑝 > 0.

Si 𝑅 ≥ 𝑈, es decir

𝑆 ; < 𝑆 : ≤ 𝑆 (0)(1 + 𝑅),

tomamos la posición opuesta: 𝑥 = −1, 𝑦 = 𝑆(0)⁄𝐴(0) y

𝑉(M,N) (1) = −𝑆(1) + 𝑆(0)(1 + 𝑅) ≥ 0

y esto es estrictamente positivo con probabilidad 1 − 𝑝 > 0. En cada caso, hemos construido
un portafolio que lleva al arbitraje. Por lo tanto, ninguna desigualdad puede sostenerse y el
teorema queda probado.

La implicación inversa también es cierta.

Teorema 2.4

La condición 𝐷 < 𝑅 < 𝑈 implica el principio de no arbitraje.

Prueba. Suponga que (𝑥, 𝑦) es un portafolio con valor inicial cero. Por definición del valor
del portafolio

𝑉(M,N) (0) = 0 = 𝑥𝑆(0) + 𝑦𝐴(0),

𝑆 (0)
𝑦 = −𝑥
𝐴 (0)

Calculamos el valor terminal con 𝑦 como se determinó anteriormente:

𝑉(M,N) (1) = 𝑥𝑆(1) + 𝑦𝐴(0)(1 + 𝑅)

= 𝑥[𝑆(1) − 𝑆(0)(1 + 𝑅)],
así
𝑥[𝑆 : − 𝑆(0)(1 + 𝑅)] = 𝑥𝑆(0)(𝑈 − 𝑅) > 0
𝑉(M,N) (1) = <
𝑥[𝑆 ; − 𝑆(0)(1 + 𝑅)] = 𝑥𝑆(0)(𝐷 − 𝑅) < 0
para cualquier 𝑥 positiva, bajo el supuesto dado de que 𝐷 < 𝑅 < 𝑈. Si 𝑥 < 0 los signos
anteriores se invierten y permanecen opuestos. Entonces (𝑥, 𝑦) no puede ser un arbitraje para
cualquier elección de 𝑥.

Definición 2.5

Supongamos que el activo 𝑋 tiene un valor 𝑋 (1) en el momento 1. Su valor descontado (hasta
el tiempo 0) viene dado por

𝑋d (1) = 𝑋(1)(1 + 𝑅)ef

Para la acción 𝑆 tenemos

𝑆g (1) = 𝑆(1)(1 + 𝑅)ef ,

y se define el proceso de precio de las acciones con descuento 𝑆g = h𝑆g (0), 𝑆g (1)i estableciendo
también 𝑆g(0) = 𝑆 (0). Claramente 𝐴g(1) = 𝐴(0). Del mismo modo el proceso de valor
descontado se convierte en

𝑉d(M,N) (1) = 𝑉(M,N) (1)(1 + 𝑅)ef = 𝑥𝑆g(1) + 𝑦𝐴(0),

𝑉d(M,N) (0) = 𝑉(M,N) (0) = 𝑥𝑆(0) + 𝑦𝐴(0),

de esta manera
𝑉d(M,N) (1) − 𝑉d(M,N) (0) = 𝑥𝑆g(1) + 𝑦𝐴(0) − [𝑥𝑆(0) + 𝑦𝐴(0)]

𝑉d(M,N) (1) − 𝑉d(M,N) (0) = 𝑥j𝑆g (1) − 𝑆g (0)k,

por lo tanto, el cambio del valor del portafolio descontado se debe exclusivamente al cambio
del valor descontado del activo de riesgo.

2.2 Opción de precios

Una opción de compra europea (European call option) proporciona ganancias para el
titular de una posición larga si el precio del subyacente en el momento 1 está por encima de
un nivel predeterminado 𝐾, el precio de ejercicio o de ejercicio, pero elimina la posibilidad
de pérdidas. Definimos el pago (payoff) de una opción (call) como

𝑆(1) − 𝐾 si 𝑆(1) > 𝐾,

𝐶 (1) = <
0 de otra manera,

𝐶 (1) = (𝑆 (1) − 𝐾 )o ,

donde usamos la notación 𝑓 o (𝜔) = max{0, 𝑓(𝜔)} para cualquier función 𝑓 sobre Ω y
𝜔 ∈ Ω. (El lector debe tener cuidado de no confundir la devolución 𝐾5 en la acción 𝑆 con el
precio de ejercicio 𝐾 de la opción). El efecto de mantener una opción de compra es el derecho
(sin la obligación) de comprar el subyacente en el momento de vencimiento 1 por un precio
que no puede exceder de 𝐾, ya que si el activo es más caro, la opción paga la diferencia. Si
el subyacente se puede comprar en el mercado por menos de 𝐾 en el momento 1, la opción
simplemente no se ejerce. El derecho a vender el activo por al menos 𝐾 se llama una opción
o
de venta (europea) y su pago es de la forma 𝑃(1) = r𝐾 − 𝑆 (1)s . De acuerdo con el
principio de no arbitraje, queda claro que las opciones no pueden emitirse de forma gratuita
en el momento 0, ya que los pagos son siempre no negativos y pueden tener una probabilidad
positiva de ser estrictamente positivos. Encontrando precios "racionales" 𝐶 (0)
(respectivamente 𝑃(0)) para una opción (call) (respectivamente put) en un modelo de
mercado dado es una de las tareas principales de las finanzas matemáticas. El precio inicial
𝐶 (0) (respectivamente 𝑃(0)) se llama la opción premium.

Para evitar casos triviales, suponga que el precio de ejercicio 𝐾 satisface

𝑆(0)(1 + 𝐷) ≤ 𝐾 ≤ 𝑆 (0)(1 + 𝑈).

Ahora buscamos un portafolio (𝑥, 𝑦) (de acciones y bonos) con el mismo valor en el
momento 1 como la opción, el llamado portafolio de replicación (replicating portfolio).

𝑉(M,N) (1) = 𝐶 (1).

Esto da un par de ecuaciones simultáneas

𝑥𝑆(0)(1 + 𝑈) + 𝑦𝐴(0)(1 + 𝑅) = 𝑆(0)(1 + 𝑈) − 𝐾

<
𝑥𝑆(0)(1 + 𝐷) + 𝑦𝐴(0)(1 + 𝑅) = 0

que son fácilmente resueltos

⎧ 𝑆(0)(1 + 𝑈) − 𝐾
⎪ 𝑥x =
𝑆(0)(𝑈 − 𝐷)
⎨ (1 + 𝐷)[𝑆(0)(1 + 𝑈) − 𝐾 ]
⎪𝑦x = − 𝐴(0)(𝑈 − 𝐷)(1 + 𝑅)
⎩

Afirmamos que el precio de la opción debe ser el valor inicial del portafolio que se replica.
Esto se basa en la intuición de que dos portafolios idénticos en el momento 1 deberían tener
los mismos valores en el momento 0. La justificación involucra el principio de no arbitraje:
en el caso de diferentes valores iniciales, en el momento 1 compramos el más barato y
vendemos el activo más caro y en el momento 1 mantenemos la ganancia. Para hacer esto se
requiere el comercio de opciones, lo que nos lleva a extender la noción de mercado.

Extendemos la noción de un portafolio al incluir la posición en opciones: el portafolio

extendido ahora es triple (𝑥, 𝑦, 𝑧), donde 𝑥 representa el número de unidades de stock 𝑆, 𝑦 la
posición libre de riesgo (la cuenta del mercado monetario 𝐴), y 𝑧 el número de unidades de
la opción del “call” 𝐶 retenidas (𝑧 puede ser negativo, lo que corresponde a tomar una
posición corta al escribir y vender opciones 𝑧).
La definición del valor del portafolio se extiende de forma natural:

𝑉(M,N,z) (0) = 𝑥𝑆(0) + 𝑦𝐴(0) + 𝑧𝐶 (0),

𝑉(M,N,z) (1) = 𝑥𝑆(1) + 𝑦𝐴(1) + 𝑧𝐶 (1).

¡Recuerda que la segunda ecuación afirma la igualdad de las variables aleatorias! Esto nos
permite formular nuestro supuesto clave de la misma manera que antes.

Definición 2.6

Decimos que (𝑥, 𝑦, 𝑧) es una oportunidad de arbitraje si 𝑉(M,N,z) (0) = 0, 𝑉(M,N,z) (1) ≥ 0, y
con una probabilidad positiva 𝑉(M,N,z) (1) > 0.

Suposición 2.7 No Arbitrage Principle (Principio de no arbitraje)

Las oportunidades de arbitraje no existen en el mercado extendido.

En los modelos futuros, siempre asumiremos que la noción de portafolio se ajusta de manera
similar para cubrir todos los valores en cuestión.

Teorema 2.8

El principio de no arbitraje implica que el precio del “call” europea con el precio de ejercicio
𝐾 es el valor en el momento 0 del portafolio de replicación

𝐶 (0) = 𝑥x 𝑆(0) + 𝑦x 𝐴(0)

con 𝑥x , 𝑦x como arriba.

Prueba. Suponga que 𝐶 (0) > 𝑥x 𝑆(0) + 𝑦x 𝐴(0). Luego, si vendemos caro el activo
(opción) y compramos barato (portafolio (𝑥x , 𝑦x )) obtenemos el saldo positivo
𝐶 (0) − r𝑥x 𝑆(0) + 𝑦x 𝐴(0)s. Para construir un arbitraje, invertimos esta cantidad en la
cuenta del mercado monetario además de 𝑦x 𝐴(0) que ya tenemos, por lo que nuestro
portafolio es

1
(𝑥, 𝑦, 𝑧) = {𝑥x , r𝐶(0) − 𝑥x 𝑆(0)s, −1|
𝐴 (0)

y su valor actual es cero. En el momento 1, en cada escenario el valor de este portafolio es:

𝑉(M,N,z) (1) = 𝑥𝑆(1) + 𝑦𝐴(1) + 𝑧𝐶 (1)

= 𝑥x 𝑆(1) + r𝐶(0) − 𝑥x 𝑆(0)s(1 + 𝑅) − 𝐶 (1)
= }𝐶 (0) − r𝑥x 𝑆(0) + 𝑦x 𝐴(0)s~ (1 + 𝑅)
ya que por replicación 𝐶 (1) = 𝑥x 𝑆(1) + 𝑦x 𝐴(0)(1 + 𝑅).

Pero 𝐶 (0) − r𝑥x 𝑆(0) + 𝑦x 𝐴(0)s > 0 según nuestro supuesto, tenemos un resultado
estrictamente positivo en cada escenario a un costo inicial de cero, más del necesario para
contradecir el principio de no arbitraje.

Si 𝐶 (0) < 𝑥x 𝑆(0) + 𝑦x 𝐴(0) tomamos la posición opuesta con el mismo resultado.

Observación 2.9

El hecho de que las probabilidades de los movimientos de las acciones no aparezcan en la

fórmula de fijación de precios es una paradoja. Uno podría esperar que una opción de compra
en la que la probabilidad de un movimiento ascendente de la acción sea alta debería costar
más, ya que es más probable que se ejerza, pero este no es el caso. Este efecto sorprendente
surge del hecho de que el principio de no arbitraje y la replicación no implican directamente
las probabilidades de movimientos hacia arriba o hacia abajo de la población.

Un ejemplo de apuestas es bastante esclarecedor. Para determinar las proporciones de pago,

un corredor de apuestas sigue la proporción de apuestas realizadas, no las probabilidades
"verdaderas" basadas en sus propias percepciones de probabilidad. Entonces, si 1000
apuestas están en el equipo 𝐴 y 2000 en el equipo 𝐵, entonces las proporciones son 3⁄1 para
𝐴 y 1.5⁄1 para 𝐵. El corredor de apuestas está a salvo y no puede perder dinero. Por otro
lado, en los casinos, los pagos para la ruleta dependen de las probabilidades de ser 34⁄1 ya
que hay 34 campos igualmente probables. La casa aquí puede ir a la quiebra. En realidad, en
ambos ejemplos, los índices son ligeramente desfavorables para los jugadores, por lo que el
corredor de apuestas tiene un ingreso constante y garantizado y el casino tiene un ingreso a
largo plazo.

Ejercicio 2.1 Demuestre que el precio de la opción aumenta si 𝑈 aumenta. Demuestra que
también aumenta si 𝐷 baja.

Ejercicio 2.2 Demuestre que el precio de la opción no necesariamente aumenta si el

"diferencial" |𝑈 − 𝐷| aumenta mediante el análisis de los siguientes ejemplos: para 𝑅 = 0,
𝑆(0) = 1, 𝐾 = 1, ℎ = 1 considere dos casos: 𝑈 = 5%, 𝐷 = −5% o 𝑈 = 1%, 𝐷 = −19%.

2.3 Valores derivados generales

Un valor derivado, también llamado reclamación contingente, es un valor cuyo pago
depende de los precios de algún activo subyacente (en adelante, simplemente denominado
subyacente, 𝑆) que puede ser una acción, un índice, una tasa de cambio, una tasa de interés
o cualquier otra. Otra cantidad que puede ser comercializada u observada de otra manera en
el mercado. En este capítulo, un valor derivado se representa mediante un pago aleatorio de
la forma
𝐻 (1) = ℎr𝑆(1)s
para alguna función de pago ℎ: (0, ∞) → ℝ. De hecho, cualquier variable aleatoria 𝑋: Ω → ℝ
puede escribirse en esa forma. Simplemente escribimos ℎ(𝑆 : ) = 𝑋(𝑢), ℎ(𝑆 ; ) = 𝑋(𝑑 ) y
extender ℎ a la totalidad de ℝ arbitrariamente. Esta definición hace uso del hecho de que
𝑆: ≠ 𝑆; .

Por ejemplo, la opción de “call” tiene una función de pago de la forma

ℎ(𝑥) = max{𝑥 − 𝐾, 0} = (𝑥 − 𝐾 )o

donde 𝑎o = max{𝑎, 0}

La replicación de 𝐻(1) da el sistema de ecuaciones lineales.

𝑥𝑆 : + 𝑦𝐴(0)(1 + 𝑅) = ℎ(𝑆 : ),
< ;
𝑥𝑆 + 𝑦𝐴(0)(1 + 𝑅) = ℎ(𝑆 ; ).

La única solución es

ℎ (𝑆 : ) − ℎ(𝑆 ; )
𝑥‹ =
𝑆: − 𝑆;

que se conoce en los mercados como el delta de la seguridad derivada, ya que tiene la forma
de "relación diferencial" de ℎ. Esto se convierte en

ℎ (𝑆 : ) − ℎ(𝑆 ; )
𝑥‹ =
𝑆 (0)(𝑈 − 𝐷)

Además,
(1 + 𝑈 )ℎ (𝑆 ; ) − (1 + 𝐷 )ℎ(𝑆 : )
𝑦‹ =
𝐴(0)(𝑈 − 𝐷)(1 + 𝑅)

Afirmamos que el precio derivado es el valor presente de este portafolio, es decir

𝐻(0) = 𝑉(MŒ ,NŒ ) (0) = 𝑥‹ 𝑆 (0) + 𝑦‹ 𝐴(0)

que se convierte

ℎ(𝑆 : ) − ℎ (𝑆 ; ) (1 + 𝑈 )ℎ(𝑆 ; ) − (1 + 𝐷 )ℎ (𝑆 : )
𝐻 (0) = + . (2.1)
𝑈−𝐷 (𝑈 − 𝐷)(1 + 𝑅)

La prueba del siguiente teorema es exactamente la misma que en el caso de las opciones de
“call” anteriores. Solo necesitamos reemplazar 𝐶 (1) por 𝐻 (1) = ℎr𝑆(1)s. Los detalles
quedan para el lector.
Teorema 2.10
El principio de no arbitraje implica que el precio de la garantía con pago 𝐻 (1) = ℎr𝑆(1)s
tiene la forma (2.1).

Escribiendo el lado derecho de (2.1) en la forma 𝑎ℎ(𝑆 : ) + 𝑏ℎ(𝑆 ; ):

1+𝐷 1 1+𝑈 1
ℎ(𝑆 : ) {− + | + ℎ (𝑆 ; ) { + |
(𝑈 − 𝐷)(1 + 𝑅) 𝑈 − 𝐷 (𝑈 − 𝐷)(1 + 𝑅) 𝑈 − 𝐷

𝑅−𝐷 𝑅−𝐷
= ℎ (𝑆 : ) (1 + 𝑅)ef + ℎ(𝑆 ; ) {1 − | (1 + 𝑅)ef
𝑈−𝐷 𝑈−𝐷
Že• •e• •e•
ya que Že• = 1 − Že•. Denotando 𝑞 = Že• tenemos

𝐻 (0) = (1 + 𝑅)ef }𝑞ℎ(𝑆 : ) + (1 − 𝑞 )ℎ(𝑆 ; )~. (2.2)

ya que 𝐷 < 𝑅 < 𝑈, tenemos 0 < 𝑅 − 𝐷 < 𝑈 − 𝐷, tal que 0 < 𝑞 < 1 y podemos interpretar
𝑞 como la probabilidad de un movimiento "hacia arriba". Junto con 1 − 𝑞 esto define una
probabilidad 𝑄 sobre Ω = {𝑢, 𝑑 } y lo llamamos la probabilidad de riesgo neutral. La
expresión
𝑞ℎ(𝑆 : ) + (1 − 𝑞 )ℎ(𝑆 ; )

se denomina esperanza matemática (o valor esperado) de la variable aleatoria ℎr𝑆(1)s y se

denota por 𝔼” }ℎr𝑆(1)s~ y así, la fórmula de precios se puede escribir en la forma

𝐻 (0) = 𝔼” }(1 + 𝑅)ef ℎr𝑆(1)s~

Tal noción puede definirse para cualquier variable aleatoria 𝑋, 𝑌: Ω → ℝ y para cualquier
probabilidad. En el caso donde la probabilidad utilizada es la original (llamada probabilidad
𝑓í𝑠𝑖𝑐𝑎 o real en contraste con la de riesgo neutral), el subíndice 𝑃 a menudo se elimina para
que
𝔼(𝑋) = 𝑝𝑋(𝑢) + (1 − 𝑝)𝑋(𝑑 ).

Para cualquier número real 𝑎, 𝑏 tenemos linealidad de la esperanza

𝔼(𝑎𝑋 + 𝑏𝑌) = 𝑎𝔼(𝑋) + 𝑏𝔼(𝑌),

la prueba se reduce a algún cálculo de álgebra elemental. La fórmula es válida para cualquier
probabilidad.

Teorema 2.11
El precio de un valor derivado es el valor esperado del pago descontado con respecto a la
probabilidad neutral de riesgo.
Considere los valores descontados de los precios de los activos y calcule la esperanza

𝑆(0)(1 + 𝑈) 𝑆(0)(1 + 𝐷)
𝔼” }𝑆g(1)~ = 𝑞 + (1 − 𝑞 )
1+𝑅 1+𝑅

𝑅 − 𝐷 𝑆(0)(1 + 𝑈) 𝑈 − 𝑅 𝑆 (0)(1 + 𝐷)
𝔼” }𝑆g(1)~ = { | +{ |
𝑈−𝐷 1+𝑅 𝑈−𝐷 1+𝑅

𝔼” }𝑆g(1)~ = 𝑆(0) = 𝑆g (0).

Decir que el valor esperado de los precios descontados es el mismo en ambos instantes
significa que la secuencia 𝑆g(0), 𝑆g (1) es una martingala (de un paso) bajo 𝑄 }𝑆g(0)~ es una
constante, por lo que 𝔼” }𝑆g(0)~ = 𝑆g(0). En consecuencia, a menudo llamamos a 𝑄 una
probabilidad de martingala.

La razón por la que 𝑄 también se denomina "riesgo neutral" queda clara cuando calculamos
el rendimiento esperado de las acciones bajo esta probabilidad:

Teorema 2.12
El rendimiento (retorno - return) esperado, con respecto a 𝑄, sobre la acción es igual al
rendimiento (retorno - return) sin riesgo si, y solo si, 𝑄 es una probabilidad de martingala.

5(f)e5(š)
Prueba. Recordemos que el rendimiento de las acciones es 𝐾5 = 5(š)
, que es igual a 𝑈
•e•
en el estado superior (“up-state”) y 𝐷 en el estado inferior (“down state”). Si 𝑞 = Že•
entonces

𝑅−𝐷 𝑈−𝑅
𝔼” (𝐾5 ) = 𝑞𝑈 + (1 − 𝑞 )𝐷 = 𝑈+ 𝐷=𝑅
𝑈−𝐷 𝑈−𝐷
•e•
Por otro lado, si 𝑞𝑈 + (1 − 𝑞 )𝐷 = 𝑅, entonces resolviendo esto por 𝑞 da 𝑞 = Že• .

Riesgo y retorno.
Ahora comparamos el rendimiento 𝐾5 en la acción con el rendimiento 𝐾‹ en una seguridad
derivada europea dada con el pago 𝐻 = ℎr𝑆(1)s. Denotamos las esperanzas bajo 𝑃 de estas
variables aleatorias por 𝜇œ• , 𝜇œŒ respectivamente, de modo que

𝑝𝑆 : + (1 − 𝑝)𝑆 ;
𝜇œ• = − 1 = 𝐷 + 𝑝 (𝑈 − 𝐷 ),
𝑆 (0)
 𝑝𝐻: + (1 − 𝑝)𝐻;
𝜇œŒ = − 1,
𝐻 (0)

(usando la notación 𝐻: = ℎ(𝑆 : ), 𝐻; = ℎ(𝑆 ; )).

La variabilidad del rendimiento representa el riesgo inherente a la inversión, y esto puede

expresarse por su variación. En general, esto viene dado por

Var(𝑋) = 𝔼 Ÿr𝑋 − 𝔼(𝑋)s ¡ = 𝔼(𝑋 ) − 𝔼(𝑋) .

Ejercicio 2.3 Pruebe que para Ω = {𝑢, 𝑑 } tenemos

Var(𝑋) = 𝑝(1 − 𝑝)r𝑋(𝑢) − 𝑋 (𝑑 )s .

Ejercicio 2.4 Muestre que 𝑉𝑎𝑟(𝑎𝑋) = 𝑎 Var(𝑋).

Para obtener una escala lineal utilizamos la desviación estándar como medida de riesgo

𝜎¤ = ¥Var(𝑋)

y entonces escriba 𝜎¤ para la varianza de 𝑋. En consecuencia, tenemos

𝑆: − 𝑆;
𝜎œ• = 𝑝(1 − 𝑝) ¦ § = 𝑝(1 − 𝑝)(𝑈 − 𝐷)
𝑆 (0)

y la desviación estándar es 𝜎œ• = ¥𝑝(1 − 𝑝)(𝑈 − 𝐷) por lo que vemos que el riesgo es
proporcional a la propagación de los dos valores posibles de 𝑆 (1).

El siguiente objetivo es comparar esto con el riesgo de la seguridad derivada 𝐻 escrita en las
acciones. Exactamente en cuanto a las acciones, la variación del rendimiento de 𝐻 viene dada
por

𝐻: − 𝐻;
𝜎œŒ = 𝑝(1 − 𝑝) ¦ § .
𝐻 (0)

La relación entre dos variables aleatorias 𝑋, 𝑌 se mide por su covarianza, que se define por

cov(𝑋, 𝑌) = 𝔼jr𝑋 − 𝔼(𝑋)sr𝑌 − 𝔼(𝑌)sk.

La covarianza de los rendimientos (retornos) 𝐾5 y 𝐾‹ , normalizada por la varianza de 𝐾5 , se

conoce como beta (a veces llamada elasticidad), denotada por
 cov(𝐾5 , 𝐾‹ )
𝛽‹ = .
𝜎œ•

De nuevo, esto es fácil de calcular en nuestro modelo:

𝐻: − 𝐻; 𝑆 : − 𝑆 ; 𝐻: − 𝐻;
𝑝 (1 − 𝑝 ) ℎ (𝑆 : ) − ℎ (𝑆 ; ) 𝑆 (0)
𝐻 (0) 𝑆 (0) 𝐻 (0)
𝛽‹ = = : =
𝑆: − 𝑆; 𝑆 − 𝑆; 𝑆: − 𝑆; 𝐻 (0)
𝑝 (1 − 𝑝 ) { | 𝑆 (0)
𝑆 (0)

𝑆 (0)
𝛽‹ = 𝑥‹
𝐻 (0)

por nuestro cálculo anterior del delta 𝑥‹ en el portafolio de replicación. Un cálculo similar
muestra que
𝜎œŒ = 𝛽‹ 𝜎œ• .

En otras palabras, la desviación estándar de la seguridad derivada 𝐻 es proporcional a la de

las acciones subyacentes, y la constante de proporcionalidad es 𝛽‹ .

El rendimiento medio en exceso de un activo de riesgo se define como la diferencia entre el

rendimiento de esa inversión y el rendimiento de una inversión sin riesgo. En nuestro
contexto, con un retorno sin riesgo fijo 𝑅 > 0, esto implica comparar 𝜇œŒ − 𝑅 con 𝜇œ• − 𝑅.
El cálculo se deja a usted como el próximo ejercicio.

Ejercicio 2.5 Muestre que el rendimiento (retorno) medio en exceso para un derivado 𝐻 =
ℎr𝑆(1)s y una acción subyacente 𝑆 en el modelo binomial de un solo paso están relacionados
por
𝜇œŒ − 𝑅 = 𝛽‹ r𝜇œ• − 𝑅s

Al considerar las probabilidades de riesgo neutral, deduzca que para una opción de “call”
europea 𝐶, siempre tenemos 𝛽‹ ≥ 1.

El ejercicio muestra que el rendimiento medio en exceso de la opción es al menos el de

mantener el stock, pero igualmente el riesgo inherente en la opción también es al menos tan
grande como el del stock (y ambos son generalmente mucho mayores). ¡Mayores retornos
solo pueden lograrse si aceptamos mayores riesgos! Tenga en cuenta que el Teorema 2.12
muestra que el rendimiento medio en exceso siempre es cero bajo la probabilidad de riesgo
neutral.

Ejercicio 2.6 Verifique que para cualquier 𝑝 dado (con 𝑃 (𝑢) = 𝑝)

𝐻: − 𝐻;
𝔼© (𝐾‹ ) − 𝔼” (𝐾‹ ) = (𝑝 − 𝑞 ) .
𝐻 (0)
Ejercicio 2.7 Asumiendo 𝔼© (𝐾‹ ) ≥ 𝑅 muestre que
𝜎œŒ
𝔼© (𝐾‹ ) − 𝑅 = (𝑝 − 𝑞 ) ,
¥𝑝(1 − 𝑝)

donde 𝑞 es la probabilidad de riesgo neutral, lo que implica en particular que 𝑝 ≥ 𝑞.

Esto ilustra nuevamente el término "riesgo neutral": el exceso de rendimiento (retorno)

promedio bajo 𝑃 es proporcional a la desviación estándar de la devolución. Pero el
rendimiento (retorno) medio bajo 𝑄 es solo el rendimiento de la inversión sin riesgo,
independientemente del "riesgo" de la inversión como se calcula bajo cualquier otra medida.
El inversor que utiliza 𝑄 es, por lo tanto, totalmente indiferente a los cálculos de riesgo para
instrumentos individuales, es decir, es neutral al riesgo. Por supuesto, en los mercados reales
los inversores no utilizan 𝑄. Si 𝑄 fuera la probabilidad real, ningún inversor averso al riesgo
elegiría ningún valor de riesgo, ya que puede obtener el rendimiento esperado bajo 𝑄
invirtiendo en la cuenta del mercado monetario, ¡sin ningún riesgo! Es importante recordar
que 𝑄 es un objeto abstracto, creado para lograr un método de fijación de precios para los
derivados que sea consistente con el principio de no arbitraje.

Ejercicio 2.8 Encuentre la relación entre la probabilidad de riesgo neutral y el precio de

mercado del riesgo, definido como

𝜇œ• − 𝑅
𝑚5 = .
𝜎œ•

Ejercicio 2.9 Demuestre que para cualquier derivado 𝐻 en la acción 𝑆 su precio de

ª«Œ e•
mercado de riesgo 𝑚‹ = ¬«Œ
es lo mismo que 𝑚5 . También da una explicación heurística
de este resultado.

Ejercicio 2.10 Encuentre una variable aleatoria 𝐺 que desempeñe el papel de una
"densidad" de 𝑄 con respecto a 𝑃, considerada en Ω = {𝑢, 𝑑 }, es decir, que satisfaga a
𝑞 = 𝐺(𝑢)𝑝, 1 − 𝑞 = 𝐺 (𝑑 )(1 − 𝑝). Pruebe que 𝔼© (𝐺 ) = 1, tal que la sucesión 𝐺 (0) = 1 ,
𝐺 (1) = 𝐺 es una martingala con respecto a 𝑃.

2.4 Dos valores subyacentes

Discutimos la posibilidad de modelar los precios de dos acciones en un modelo binomial.
Este es un paso muy natural hacia la realidad, donde enfrentamos una gran cantidad de
acciones negociadas en los mercados. Incluso cuando nos limitamos a una sola acción, es
posible que deseamos agregar una perspectiva internacional, ya que, si las acciones se
negocian en algún mercado extranjero, deberíamos incluir en nuestro modelo la moneda local
en este mercado. Finalmente, algunos valores derivados pueden involucrar muchos activos
subyacentes.
Los precios iniciales de nuestras dos acciones se indicarán por 𝑆f (0) y 𝑆 (0). Sus precios
futuros están determinados por retornos aleatorios, denotados por 𝐾f , 𝐾 y se asume que se
definen en el espacio de probabilidad Ω = {𝑢, 𝑑 } para simplificar, con modificaciones obvias
si se necesita un espacio general. Entonces tenemos

𝑆®: = 𝑆® (0)r1 + 𝐾® (𝑢)s

𝑆®; = 𝑆® (0)r1 + 𝐾® (𝑑 )s,

𝑖 = 1,2. En general, no esperamos que ambas devoluciones estén de acuerdo con el

significado "arriba" y "abajo" de los elementos de Ω = {𝑢, 𝑑 }: por ejemplo, podemos tener
𝐾f (𝑢) > 𝐾f (𝑑 ) pero 𝐾 (𝑢) < 𝐾 (𝑑 ). Sin embargo, siempre asumimos valores distintos con
la notación natural 𝐾® (𝑢) = 𝑈® , 𝐾® (𝑑 ) = 𝐷® para 𝑖 = 1,2, 𝑈f ≠ 𝐷f , 𝑈 ≠ 𝐷 .

Ejercicio 2.11 Muestre que existe un número real 𝑎 ≠ 0, y 𝑏 tal que 𝐾f = 𝑎𝐾 + 𝑏.

Podemos interpretar este resultado en términos de la covarianza de 𝐾f y 𝐾 . Dada una

variable aleatoria 𝑋 obtenemos la variable aleatoria centrada (media cero) 𝑋x = 𝑋 − 𝔼(𝑋)
restando su esperanza. Así que la covarianza de 𝑋 e 𝑌 se puede escribir como cov(𝑋, 𝑌) =
𝔼(𝑋x 𝑌x ) normalizando esto obtenemos el coeficiente de correlación.

cov(𝑋, 𝑌)
𝜌¤,° = ,
𝜎¤ 𝜎°

dado 𝜎¤ = 𝜎¤± y similarmente para 𝑌. Tenga en cuenta que siempre tenemos ²𝜌¤,° ² ≤ 1. La
relación lineal entre 𝐾f y 𝐾 muestra que están perfectamente correlacionadas, es decir
²𝜌œ³ ,œ´ ² = 1.

Ejercicio 2.12 Mostrar que el coeficiente de correlación para los retornos 𝐾f = 𝑎𝐾 + 𝑏

y 𝐾 es 𝜌œ³ ,œ´ = 1 si 𝑎 > 0 y 𝜌œ³ ,œ´ = −1 de otra manera.

Podemos considerar a 𝑆 como un derivado 𝑆f subyacente; una función ℎ tal que 𝑆 (1) =
ℎr𝑆f (1)s se puede encontrar fácilmente.

Ejercicio 2.13 Encuentre ℎ usando la relación entre los retornos.

Ejercicio 2.14 Encuentre el portafolio replicante (𝑥, 𝑦) tal que 𝑆 (1) = 𝑥𝑆f(1) + 𝑦𝐴(1).

Denote por 𝑄f la probabilidad neutral al riesgo determinada por 𝑆f , que es 𝑄f = (𝑞f , 1 − 𝑞f )

con
𝑅 − 𝐷f
𝑞f = .
𝑈f − 𝐷f

Sabemos que el precio sin arbitraje del derivado 𝑆 viene dado por
 𝑆 (0) = 𝔼”³ }𝑆g (1)~. (2.3)
Introduciendo la probabilidad de riesgo neutral 𝑄 dada por 𝑆 , es decir, con

𝑅−𝐷
𝑞 = ,
𝑈 −𝐷

y por la propiedad martingala para 𝑆g (es decir, la igualdad de esperanzas) tenemos

𝑆 (0) = 𝔼”´ }𝑆g (1)~. (2.4)

De (2.3) y (2.4) obtenemos

𝔼”³ (𝐾 ) = 𝔼”´ (𝐾 ) = 𝑅.

Esto da 𝑞f 𝑈 + (1 − 𝑞f )𝐷 = 𝑅 que implica 𝑞f = 𝑞 . Así lo hemos probado.

Teorema 2.13
No arbitraje implica 𝑄f = 𝑄 .

Lo contrario también es cierto.

Teorema 2.14
Si 𝑄f = 𝑄 entonces el mercado compuesto por un activo libre de riesgo y dos acciones no
admite arbitraje.

Prueba. Buscando un candidato para el arbitraje, supongamos que para algún portafolio
tenemos
𝑥𝑆f (0) + 𝑦𝐴(0) + 𝑧𝑆 (0) = 0
y
𝑉(M,N,z) (1) = 𝑥𝑆f (1) + 𝑦𝐴(1) + 𝑧𝑆 (1) ≥ 0.

Tomando la esperanza con respecto a 𝑄f

𝔼”³ }𝑉(M,N,z) (1)~ = 𝑥𝔼”³ r𝑆f (1)s + 𝑦𝐴(1) + 𝑧𝔼”³ r𝑆 (1)s

𝔼”³ }𝑉(M,N,z) (1)~ = 𝑥𝔼”³ r𝑆f (1)s + 𝑦𝐴(1) + 𝑧𝔼”´ r𝑆 (1)s

𝔼”³ }𝑉(M,N,z) (1)~ = 𝑥𝑆f (0)(1 + 𝑅) + 𝑦𝐴(0)(1 + 𝑅) + 𝑧𝑆 (0)(1 + 𝑅)

𝔼”³ }𝑉(M,N,z) (1)~ = 0

En general, una variable aleatoria no negativa con una esperanza de cero debe ser cero casi
con seguridad. Aquí esta esperanza es un promedio ponderado de números no negativos con
ponderaciones positivas, por lo que cada uno de los números debe ser cero, y se excluye el
arbitraje.

Ejercicio 2.15 Encuentre un arbitraje si 𝑆f (0) = 50, 𝑈f = 20%, 𝐷f = −10%,

𝑆 (0) = 80, 𝑈 = 15%, 𝐷 = −5%, 𝐴(0) = 1, 𝑅 = 10%.

Ejercicio 2.16 Encuentre la forma de 𝑆 ; en función de los parámetros restantes para que
no haya arbitraje.

Observación 2.15
Anteriormente, podemos considerar a 𝑆f como una seguridad derivada con 𝑆 como
subyacente con los mismos argumentos y conclusiones.

Observación 2.16
Lo que muestran los resultados anteriores es que el modelo binomial no nos permite la
libertad suficiente para incluir dos acciones arbitrarias en el modelo: bajo el principio de no
arbitraje, encontramos que sus probabilidades de riesgo neutral son idénticas y las acciones
están perfectamente correlacionadas. Por lo tanto, para construir modelos que reflejen mejor
los mercados reales, nos vemos obligados a aumentar su complejidad; primero aumentaremos
el número de posibles resultados aleatorios.

2.5 El modelo trinomial

Una generalización inmediata del modelo binomial es el trinomial, donde en el momento 1
el precio de las acciones tiene tres valores posibles. Para describir esto, introducimos un
retorno intermedio 𝑀 además de 𝑈, 𝐷 considerado anteriormente. Por lo tanto, la tasa de
rendimiento de la acción es una variable aleatoria de la siguiente forma:

𝐾 : = 𝑈 con probabilidad 𝑝: ,
𝐾 = ·𝐾 ¸ = 𝑀 con probabilidad 𝑝¸ ,
𝐾 ; = 𝐷 con probabilidad 𝑝; ,

con 𝑝: , 𝑝¸ , 𝑝; ∈ (0,1) tal que 𝑝: + 𝑝¸ + 𝑝; = 1 asumiendo que Ω = {𝑢, 𝑚, 𝑑 }. La

definición de esperanza de una variable aleatoria 𝑋 definida sobre Ω toma la forma

𝔼(𝑋) = 𝑝: 𝑋(𝑢) + 𝑝¸ 𝑋 (𝑚) + 𝑝; 𝑋 (𝑑 )

Suponemos que los tres rendimientos son diferentes y sin pérdida de generalidad podemos
asumir además que 𝐷 < 𝑀 < 𝑈. Una seguridad derivada será una variable aleatoria 𝐻(1) =
ℎr𝑆(1)s como en el modelo binomial y nuevamente observamos que cualquier variable
aleatoria 𝑋: Ω → ℝ es de esta forma definiendo ℎ en los tres (¡diferentes!) valores de 𝑆 (1)
para estar de acuerdo con los de 𝐻 (1) y extenderlo arbitrariamente.
Si 𝑅 está fuera del rango de retorno de las acciones, el modelo no tiene sentido, ya que
siempre es preferible invertir sin riesgo o en acciones; en otras palabras, el modelo admite
arbitraje, y como en el caso binomial, lo contrario también es cierto.

Teorema 2.17
El no arbitraje es equivalente a 𝐷 < 𝑅 < 𝑈.

Prueba La prueba de la implicación de izquierda a derecha es la misma que en el caso

binomial (Teorema 2.3).

Por el contrario, un candidato (𝑥, 𝑦) para una oportunidad de arbitraje debe satisfacer

𝑆 (0)
𝑉(M,N) (0) = 0, 𝑥𝑆 (0) + 𝑦𝐴(0) = 0, 𝑦 = −𝑥 .
𝐴 (0)

Investigamos el valor terminal

𝑉(M,N) (1) = 𝑥𝑆(1) − 𝑥𝑆(0)(1 + 𝑅)

𝑉(M,N) (1) = 𝑥𝑆(0)(𝐾5 − 𝑅)
𝑆(0)(𝑈 − 𝑅) > 0
· 𝑆 (0)(𝑀 − 𝑅)
𝑆 (0)(𝐷 − 𝑅) < 0

Por lo tanto (𝑥, 𝑦) no puede ser un arbitraje: si 𝑅 se encuentra entre 𝑈 y 𝐷, los tres valores
anteriores no pueden tener el mismo signo. Por lo tanto, el modelo está libre de arbitraje.

En la vida real, los precios de las acciones cambian de manera discreta, con bastante
frecuencia, pero los movimientos se limitan a las llamadas ticks. Entonces, por ejemplo, dado
𝑆(0) = 30, los valores posibles después de un paso de tiempo son 30.50 o 29.50, por
ejemplo. Sin embargo, es posible que el precio no cambie en absoluto, por lo que la
introducción del rendimiento medio es bastante realista.

Desafortunadamente, esto lleva a complicaciones matemáticas debido a que la replicación

(usar solo la inversión sin riesgo y el stock único) de pagos aleatorios en el momento 1 ya no
es siempre posible. Para ver esto, intentamos replicar un pago aleatorio 𝐻 (1) con tres valores
𝐻: , 𝐻¸ , 𝐻; , lo que requiere encontrar un portafolio (𝑥, 𝑦) tal que 𝑉(M,N) (1) = 𝐻 (1):
𝑥𝑆 : + 𝑦𝐴(0)(1 + 𝑅) = 𝐻: ,
·𝑥𝑆 ¸ + 𝑦𝐴(0)(1 + 𝑅) = 𝐻¸ ,
𝑥𝑆 ; + 𝑦𝐴(0)(1 + 𝑅) = 𝐻; ,

obteniendo un sistema de tres ecuaciones en dos variables que en general no tiene solución.
Por lo tanto, normalmente no existe un portafolio de replicación para 𝐻 (1).
Ejercicio 2.17 Dado un modelo trinomial de una sola acción con 𝑅 = 0, 𝑆(0) = 10 y
𝑆 : = 20, 𝑆 ¸ = 15, 𝑆 ; = 7.5 muestre que el derivado 𝐻 puede ser replicado si y solo si
3𝐻: − 5𝐻¸ + 2𝐻; = 0.

Ejercicio 2.18 Sea 𝑆(0) = 100, 𝐴(0) = 1, 𝑈 = 20%, 𝑀 = 10%, 𝐷 = −15%, 𝑅 = 5%,
𝐻: = 25, 𝐻¸ = 5. Encontrar 𝐻; tal que exista un portafolio de replicación único.

Ejercicio 2.19 Para 𝐻: , 𝐻¸ , 𝐻; en general, encuentre una relación entre estos tres
números de modo que haya un portafolio de replicación único con datos arbitrarios 𝑆 (0), 𝑈,
𝑀, 𝐷, 𝑅.

El intervalo sin arbitraje

Como la replicación 𝑉(M,N) (1) = 𝐻 (1) es imposible en general, relajamos la condición de

alguna manera:

Definición 2.18
Un portafolio (𝑥, 𝑦) super-replicantes la opción con pago 𝐻 (1) si

𝑉(M,N) (1) ≥ 𝐻 (1).

El titular de dicho portafolio está protegido contra el pago de la opción. La súper réplica es
satisfactoria desde el punto de vista del comerciante que vendió la opción, para quien la
opción de pago es un pasivo. Esta es una fuente de riesgos y de coberturas de súper
replicación (es decir, elimina) este riesgo por completo. Pase lo que pase, el comerciante
tendrá fondos suficientes para cubrir los montos adeudados al titular de la opción. Por lo
tanto, la parte que vende la opción aceptaría voluntariamente el siguiente precio:

Definición 2.19
El precio de la opción de súper réplica 𝐻º»¼½¾ es el valor inicial mínimo de un portafolio
de súper réplica:
𝐻º»¼½¾ = inf ´ h𝑉(M,N) (0): 𝑉(M,N) (1) ≥ 𝐻 (1)i.
(M,N)∈ℝ

Ejercicio 2.20 Sea 𝑆(0) = 30, 𝐴(0) = 1, 𝑈 = 20%, 𝑀 = 10%, 𝐷 = −10%, 𝑅 = 5%,
𝐻 (1) = (𝑆(1) − 32)o . Encuentra el precio súper-replicación.

Debemos analizar el problema desde el punto de vista del comprador. No desea gastar más
de lo que necesitaría para un portafolio que le dará la misma suma que 𝐻 (1) en el momento
1. Por lo tanto, este debe ser el precio inicial más alto de un portafolio sub-replicable (𝑥, 𝑦),
que es uno para el cual 𝑉(M,N) (1) ≤ 𝐻 (1). Sin embargo, la recompensa del portafolio súper-
replicante es mayor que la recompensa de la opción, por lo que desde su punto de vista, la
opción debería ser más barata que 𝐻º»¼½¾ .

Así que parece natural buscar un límite inferior en el precio.

Definición 2.20
El precio de la opción de sub-replicación 𝐻º»À es el valor inicial máximo de un portafolio de
sub-replicación:
𝐻º»À = sup h𝑉(M,N) (0): 𝑉(M,N) (1) ≤ 𝐻 (1)i.
(M,N)∈ℝ´

Observación 2.21
De hecho, 𝐻º»À es un máximo (y, de manera similar, 𝐻º»¼½¾ es un mínimo) ya que estamos
optimizando la función lineal 𝑉(M,N) (0) sobre un subconjunto cerrado del plano, para que el
supremo y el mínimo se alcancen en los elementos del conjunto.

Ejercicio 2.21 Usando los datos del ejercicio 2.20 encuentre el precio del portafolio de
sub-replicación.

Si, dados dos portafolios (𝑥, 𝑦) y (𝑥̅ , 𝑦Â) tenemos

𝑉(M,N) (1) ≤ 𝐻 (1) ≤ 𝑉(M̅ ,NÂ) (1)

entonces 𝑉(M,N) (1) ≤ 𝑉(M̅ ,NÂ) (0) ya que de lo contrario podemos iniciar una estrategia de
arbitraje evidente. Esto implica 𝐻º»À ≤ 𝐻º»¼½¾ , ya que la desigualdad se conservará después
de tomar el supremo sobre todo (𝑥, 𝑦) y el infinito sobre todo (𝑥̅ , 𝑦Â). Así surge un intervalo
de precios posibles. Llamamos al intervalo abierto con los puntos finales en 𝐻º»À y 𝐻º»¼½¾
el intervalo sin arbitraje. La siguiente proposición justifica la terminología.

Proposición 2.22
Si 𝑎 ∈ (𝐻 Ã:Ä , 𝐻Ã:ÅÆÇ ) entonces tomar 𝐻(0) = 𝑎 no conduce a oportunidades de arbitraje.

Prueba.

Sea (𝑥, 𝑦, 𝑧) tal que 𝑉(M,N,z) (0) = 𝑥𝑆(0) + 𝑦𝐴(0) + 𝑧𝐻 (0) = 0 y supongamos que
𝑉(M,N,z) (1) ≥ 0. Podemos asumir que 𝑧 = 1 o 𝑧 = −1 sin pérdida de generalidad (dividir
ambos lados entre |𝑧|). Supongamos que 𝑧 = 1, entonces 𝐻 (0) = −𝑥𝑆(0) − 𝑦𝐴(0) =
𝑉(eM,eN) (0) y −𝑥𝑆(1) − 𝑦𝐴(1) ≤ 𝐻 (1) entonces (−𝑥, −𝑦) está sub-replicando. Por lo tanto,
𝑉(eM,eN) (0) ≤ 𝐻º»À < 𝐻 (0) contradice nuestra suposición de que 𝑉(M,N,z) (0) = 0. De
manera similar, cuando 𝑧 = −1 encontramos que (𝑥, 𝑦) es súper-replicante, produciendo la
contradicción 𝑉(M,N) (0) ≥ 𝐻º»¼½¾ > 𝐻(0).

A continuación, considere la posibilidad de usar probabilidades de riesgo neutral, que en el

modelo binomial sirvieron como una alternativa a la replicación para la fijación de precios.
Usamos 𝑄 para denotar una medida de probabilidad en el espacio muestral de tres puntos
Ω = {𝑢, 𝑚, 𝑑 }, representado por una tripla 𝑞: , 𝑞¸ ,𝑞; ∈ (0,1) con 𝑞: + 𝑞¸ + 𝑞; = 1. La
definición de una probabilidad neutral de riesgo sigue siendo la misma, a saber 𝔼” r𝑆(1)s =
𝑆(0)(1 + 𝑅), con la forma equivalente 𝔼” (𝐾 ) = 𝑅, es decir, en el modelo trinomial,
 𝑞: 𝑈 + 𝑞¸ 𝑀 + 𝑞; 𝐷 = 𝑅

Tenemos dos ecuaciones con tres variables y un sistema lineal de este tipo tiene muchas
soluciones, lo que potencialmente ofrece infinitas probabilidades de riesgo neutral. Por
supuesto, todavía tenemos que identificar cuál de estas soluciones ofrece probabilidades
genuinas, es decir, tomar todos sus valores en el intervalo (0,1). La siguiente proposición
mostrará que en un modelo de precios coherente con el principio de no arbitraje siempre hay
algunos que lo hacen.

Ejercicio 2.22 Dado un modelo de stock único (single-stock) trinomial con 𝑅 = 10%,
𝑆(0) = 10 y 𝑆 : = 20, 𝑆 ¸ = 15, 𝑆 ; = 7.5 encuentra todas las probabilidades de riesgo
neutral.

Proposición 2.23
Si el modelo de precios trinomial es consistente con el principio de no arbitraje, entonces
hay una probabilidad Q tal que los precios de las acciones subyacentes satisfacen

𝑆(0) = 𝔼” j𝑆g(1)k.

Prueba Para encontrar una de tales probabilidades, tenga en cuenta que la ausencia de
arbitraje (Teorema 2.17) garantiza que 𝑆 ; < 𝑆(0)(1 + 𝑅) < 𝑆 : , o equivalentemente,
𝑆g ; < 𝑆 (0) < 𝑆g : . Ahora, ya sea 𝑆g ¸ > 𝑆(0) o 𝑆g ¸ ≤ 𝑆 (0). En el primer caso sea 𝐴 =
f f
r𝑆g : + 𝑆g ¸ s y sea 𝐵 = 𝑆g ; ; en el segundo tome 𝐴 = 𝑆g : y 𝐵 = r𝑆g ¸ + 𝑆g ; s. En ambos casos
obtenemos 𝐵 < 𝑆(0) < 𝐴, por lo que existe 𝑐 ∈ (0,1) tal que 𝑆 (0) = 𝑐𝐴 + (1 − 𝑐 )𝐵. Por lo
f f
tanto 𝑆 (0) = 𝑐 r𝑆g : + 𝑆g ¸ s + (1 − 𝑐 )𝑆g ; o 𝑆(0) = 𝑐𝑆g : + (1 − 𝑐 ) r𝑆g ¸ + 𝑆g ; s. En cada
caso podemos encontrar la medida de probabilidad requerida 𝑄 = (𝑞: , 𝑞¸ , 𝑞; ): en el
È
primero, tomamos 𝑞: = 𝑞¸ = , 𝑞; = 1 − 𝑐; en el segundo usamos 𝑞: = 𝑐, 𝑞¸ = 𝑞; =
f
(1 − 𝑐 ).

En el modelo binomial, la probabilidad de riesgo neutral es única y da el precio de cualquier

valor derivado como la expectativa (esperanza) descontada del retorno con respecto a la
probabilidad de riesgo neutral. Ya que aquí tenemos muchas de esas probabilidades, no
podemos esperar el mismo resultado, pero ahora mostramos que determinan el rango de
precios de acuerdo con el principio de no arbitraje.

Sea

𝐼 = h(1 + 𝑅)ef 𝔼” r𝐻(1)s: 𝔼” (𝐾 ) = 𝑅i,

donde se toman las expectativas (esperanzas) sobre todas las probabilidades de riesgo neutral
𝑄. Tenga en cuenta que el conjunto 𝐼 es un intervalo, ya que el conjunto de probabilidades
de martingala es obviamente convexo y el mapeo
 (𝑞f , 𝑞 , 𝑞Ê ) → (1 + 𝑅)ef 𝔼” r𝐻(1)s

es lineal. Este intervalo también puede denominarse "intervalo sin arbitraje".

Proposición 2.24
Cada número en el intervalo 𝐼 es un precio de 𝐻 consistente con el principio de no arbitraje.

Prueba Sea 𝑎 ∈ 𝐼, escriba 𝐻(0) = 𝑎, tal que 𝐻(0) = (1 + 𝑅)ef 𝔼” r𝐻(1)s para algunos 𝑄
de riesgo neutral. Considere un portafolio (𝑥, 𝑦, 𝑧) en el mercado extendido con 𝑉(M,N,z) (0) =
0 y 𝑉(M,N,z) (1) ≥ 0. Calcular la expectativa (esperanza) del descontado 𝑉(M,N,z) (1) con
respecto a 𝑄
𝔼” }(1 + 𝑅)ef 𝑉(M,N,z) (1)~ = 𝑥𝔼” r(1 + 𝑅)ef 𝑆 (1)s + 𝑦𝐴(0) + 𝑧𝔼” r(1 + 𝑅)ef 𝐻 (1)s
𝔼” }(1 + 𝑅)ef 𝑉(M,N,z) (1)~ = 𝑥𝑆(0) + 𝑦𝐴(0) + 𝑧𝐻 (0) = 0

Así 𝑉(M,N,z) (1) = 0. Pero la expectativa (esperanza) cero de una variable aleatoria discreta no
negativa obliga a esta variable aleatoria a ser cero.

Finalmente, mostramos que los dos "intervalos sin arbitraje" coinciden.

Teorema 2.25
Sea H un European derivative security en el modelo de mercado trinomial de un solo periodo
y de una sola acción, y supongamos que 𝐻º»À < 𝐻º»¼½¾ . Entonces

𝐼 = r𝐻º»À , 𝐻º»¼½¾ s.

Prueba Primero, mostramos que 𝐼 está contenido en j𝐻º»À , 𝐻º»¼½¾ k. Suponemos que
𝐴(0) = 1 sin pérdida de generalidad.

Suponga que el portafolio (𝑥, 𝑦) es sub-replicante

𝑥𝑆 (1) + 𝑦(1 + 𝑅) ≤ 𝐻 (1).

Tome cualquier 𝑄 neutral al riesgo y calcule la expectativa (esperanza) de ambos lados:

𝔼” r𝑥𝑆(1) + 𝑦(1 + 𝑅)s ≤ 𝔼” r𝐻(1)s.

Por la linealidad y la propiedad martingala 𝔼” r𝑆(1)s = 𝑆 (0)(1 + 𝑅) tenemos

𝔼” r𝑥𝑆(1) + 𝑦(1 + 𝑅)s = 𝑥𝑆(0)(1 + 𝑅) + 𝑦(1 + 𝑅)

que implica
𝑥𝑆(0) + 𝑦 ≤ (1 + 𝑅)ef 𝔼” r𝐻(1)s
Tome el supremo de todos los portafolios

𝐻º»À ≤ (1 + 𝑅)ef 𝔼” r𝐻(1)s.

De la misma manera probamos que 𝐻º»¼½¾ ≥ (1 + 𝑅)ef 𝔼” r𝐻(1)s considerando portafolios

(𝑥, 𝑦) tales que
𝑥𝑆 (1) + 𝑦(1 + 𝑅) ≥ 𝐻 (1).

que implica
𝑥𝑆(0) + 𝑦 ≥ (1 + 𝑅)ef 𝔼” r𝐻(1)s.

Tomando el ínfimo sobre todos los portafolios súper-replicantes, concluimos que

𝐻º»¼½¾ = inf h𝑥𝑆(0) + 𝑦 ≥ (1 + 𝑅)ef 𝔼” r𝐻(1)si.

(M,N)∈ℝ´

Así 𝐼 es un sub-intervalo de j𝐻º»À , 𝐻º»¼½¾ k.

A continuación, para conveniencia de notación, suponga que Ω = {𝜔f , 𝜔 , 𝜔Ê } y sea 𝐴 =

h𝑆g (1, 𝜔® ), 𝐻
Ë (1, 𝜔® ): 𝑖 = 1,2,3i ⊂ ℝ . Dejemos que 𝐶 denote el casco convexo cerrado
(closed convex hull) de 𝐴, es decir, el conjunto de todas las combinaciones convexas, no
necesariamente estrictas, de estos puntos. El conjunto cerrado 𝐶 es un triángulo o un
segmento de línea en ℝ . Ahora recuerda que 𝐻 (1) = ℎr𝑆(1)s para alguna función ℎ. Para
obtener 𝐻 Ë (1, 𝜔® ), establezca 𝑔(𝑥 ) = (1 + 𝑅)ef ℎr𝑥(1 + 𝑅)s, luego 𝐻 Ë (1, 𝜔® ) =
𝑔 }𝑆g(1, 𝜔® )~. Los vértices de 𝐶 son por tanto de la forma 𝑆g (1, 𝜔® ), 𝑔 }𝑆g(1, 𝜔® )~, por lo tanto
(como 𝑔 es una función) ninguno de los lados de 𝐶 puede ser vertical. De manera similar, si
los tres puntos en 𝐴 son colineales, este segmento de línea no es vertical.

Primero, suponga que los tres puntos de 𝐴 no son colineales, de modo que 𝐶 es un triángulo
en ℝ . El principio de no arbitraje garantiza que 𝑆 (0) se encuentre estrictamente entre el
valor más pequeño y más grande de 𝑆g(1, 𝜔® ) para 𝑖 = 1, 2, 3. Esto sigue desde
𝑆(0)(1 + 𝐷) < 𝑆(0)(1 + 𝑅) < 𝑆(0)(1 + 𝑈), tal que 𝑆(0) se encuentra estrictamente entre
los dos valores descontados extremos. Así, la intersección del triángulo 𝐶 con la línea vertical
a través de (𝑆(0), 0) es un segmento de línea no vacío con puntos finales (𝑆(0), 𝑎), (𝑆(0), 𝑏),
por ejemplo.

Claramente (𝑎, 𝑏) = {𝑢: (𝑆(0), 𝑢) ∈ int(𝐶 )}, donde int(𝐶 ) denota el interior de 𝐶. Además,
podemos expresar cualquier (𝑆 (0), 𝑢) en int(𝐶 ) como una combinación estrictamente
convexa de los puntos de 𝐴, es decir,
Ê Ê

(𝑆(0), 𝑢) = Í 𝑐® }𝑆g(1, 𝜔® ), 𝐻
Ë (1, 𝜔® )~ , donde 𝑐® > 0, Í 𝑐® = 1.
®Îf ®Îf
Estos tres números positivos definen una medida de probabilidad 𝑄 en 2Ï al poner 𝑞: = 𝑐f ,
𝑞¸ = 𝑐 , 𝑞; = 𝑐Ê . La identidad
Ê

𝑆 (0) = Í 𝑐® 𝑆g (1, 𝜔® ) = 𝔼” j𝑆g(1)k = (1 + 𝑅)ef 𝔼” [𝑆(1)]

®Îf

muestra que 𝑄 es una probabilidad de riesgo neutral, que, junto con la identidad
Ê
Ë (1, 𝜔® ) = 𝔼” j𝐻
𝑢 = Í 𝑐® 𝐻 Ë (1)k = (1 + 𝑅)ef 𝔼” [𝐻 (1)],
®Îf

muestra que 𝑢 ∈ 𝐼, en otras palabras (𝑎, 𝑏) ⊂ 𝐼.

Figura 2.1

Por lo tanto, hemos demostrado que:

(𝑎, 𝑏) ⊂ 𝐼 ⊂ j𝐻º»À , 𝐻º»¼½¾ k.

Ahora observe que, dado que el triángulo anterior no tiene bordes verticales, hay una línea
recta 𝑙 con un gradiente 𝑥 y una intersección 𝑦 que pasa a través del punto (𝑆(0), 𝑏), de
manera que el conjunto 𝐴 está contenido en el semiplano debajo esta línea. De hecho, esta es
una línea que contiene un lado del triángulo (consulte la Figura 2.1, donde 𝑃® =
}𝑆g(1, 𝜔® ), 𝐻
Ë (1, 𝜔® )~)

Ë (1) ≤ 𝑥𝑆g(1) + 𝑦 o equivalentemente

En otras palabras, 𝐻

𝐻 (1) ≤ 𝑥𝑆(1) + 𝑦(1 + 𝑅),

lo que significa que (𝑥, 𝑦) es un portafolio súper-replicante. Debido a que la línea pasa por
(𝑆(0), 𝑏) tenemos
𝑏 = 𝑥𝑆(0) + 𝑦 ≥ 𝐻º»¼½¾ .

De manera similar, dado que 𝑎 = inf 𝐼, hay una línea recta, que nuevamente contiene un lado
del triángulo, con el gradiente 𝑥 Ñ y la intersección 𝑦 Ñ pasando a través de (𝑆(0), 𝑎) de manera
que 𝐴 está contenido en el semiplano por encima de esta línea (en la Figura 2.1, esta sería la
línea que pasa por 𝑃f y 𝑃Ê ), de modo que 𝐻 Ë(1) ≥ 𝑥 Ñ 𝑆g(1) + 𝑦 Ñ .

Esto sigue en
𝐻 (1) ≥ 𝑥 Ñ 𝑆 (1) + 𝑦 Ñ (1 + 𝑅 ),

de modo que (𝑥 Ñ , 𝑦 Ñ ) es un portafolio sub-replicante. Como la línea pasa por (𝑆(0), 𝑎),
tenemos
𝑎 = 𝑥 Ñ 𝑆(0) + 𝑦 Ñ ≤ 𝐻º»À .

Por lo tanto hemos demostrado que (𝑎, 𝑏) contiene a r𝐻º»À , 𝐻º»¼½¾ s de modo que,
finalmente. 𝐼 = r𝐻º»À , 𝐻º»¼½¾ s. Esto completa la prueba para el caso cuando 𝐶 es un
triángulo.

Observación 2.26
De la prueba anterior se desprende claramente que este resultado también es válido para
cualquier modelo de un solo paso, con un único stock con 𝑛 ≥ 3 resultados posibles en el
momento 1: el casco convexo es un n-gon en el plano; de lo contrario, la prueba es
esencialmente lo mismo.

Caso especial: 𝐻º»À = 𝐻º»¼½¾

Finalmente, todavía debemos discutir el caso en el que se encuentran los precios de sub-
replicación y súper replicación. En el modelo trinomial esto es inusual, pero puede tener
lugar. La situación se reduce básicamente al modelo binomial y lo demostraremos mediante
una serie de ejercicios. La solución ideal es tener replicación; uno puede sospechar que esto
es trivial en el caso en cuestión, pero en realidad se necesita algo de trabajo para probarlo.

Ejercicio 2.23 Muestre que si 𝐻º»À = 𝐻º»¼½¾ entonces existe un portafolio de replicación.

Tal portafolio da un precio de no arbitraje, pero sería bueno resolver el problema de la

singularidad. En general, dos portafolios pueden dar el mismo precio, pero resulta que no
tenemos que preocuparnos demasiado.

Ejercicio 2.24 Demuestre que la estrategia de replicación es única.

Al analizar el conjunto 𝐼, nos sentimos aliviados al encontrar que, en las circunstancias

actuales, es un singleton.
Ejercicio 2.25 Demuestre que la existencia de una estrategia de replicación implica
unicidad de la probabilidad neutral de riesgo.

En resumen: si 𝐻º»À = 𝐻º»¼½¾ entonces este número es la expectativa del pago descontado
del valor derivado con respecto a la probabilidad única de riesgo neutral y también el valor
de tiempo cero del portafolio de réplica, precisamente como en el caso binomial.

Volviendo a nuestra demostración geométrica del Teorema 2.25, esto se puede ver muy
claramente. Cuando 𝐶 es un segmento de línea (es decir, los tres puntos de 𝐴 son colineales),
el punto intermedio 𝑆g (1, 𝜔 ), 𝐻
Ë (1, 𝜔 ) es una combinación convexa (conocida) de los otros
dos, por lo que solo hay dos fuentes de incertidumbre. Por lo tanto, estamos de nuevo en el
modelo binomial, y existe un portafolio de replicación (único). Geométricamente, la
intersección del segmento de línea 𝐶 y la línea vertical a través de (𝑆(0), 0) es un punto único
(de nuevo, no está vacío por nuestra suposición de no arbitraje).

Mostraremos en el Teorema 2.40 que la existencia de portafolios replicados para cada

seguridad derivada garantiza que 𝐼 sea un singleton en una configuración general también.

Replicación con dos stocks.

Una forma alternativa de abordar el problema de la replicación y obtener un precio único es
"completar el mercado" agregando una tercera variable en nuestras tres ecuaciones: en otras
palabras, en nuestro modelo trinomial asumimos que, además de la cuenta del mercado
monetario, tenemos dos acciones 𝑆f , 𝑆 con devoluciones 𝐾f , 𝐾

𝐾f: = 𝑈f , 𝐾 : = 𝑈 ,
𝐾f¸ = 𝑀f , 𝐾 ¸ = 𝑀 ,
𝐾f; = 𝐷f , 𝐾 ; = 𝐷 ,

trabajando en Ω = {𝑢, 𝑚, 𝑑 }. La función del índice 𝑢, 𝑚, 𝑑 es indicar la rama y no está

relacionada con el tamaño de la devolución. Los precios de las acciones son dados por

𝑆f (1) = 𝑆f (0)(1 + 𝐾f ),
𝑆 (1) = 𝑆 (0)(1 + 𝐾 ),

Para la replicación de una reclamación 𝐻 en este modelo necesitamos (𝑥f , 𝑥 , 𝑦) para que

𝑥f 𝑆f: + 𝑥 𝑆 : + 𝑦𝐴(0)(1 + 𝑅) = 𝐻: ,
·𝑥f 𝑆f¸ + 𝑥 𝑆 ¸ + 𝑦𝐴(0)(1 + 𝑅) = 𝐻¸ ,
𝑥f 𝑆f; + 𝑥 𝑆 ; + 𝑦𝐴(0)(1 + 𝑅) = 𝐻;

En forma de matriz:
𝐴𝑋 = 𝐻,

donde
 𝑆f: 𝑆: 𝐴(0)(1 + 𝑅) 𝑥f 𝐻:
𝐴 = Ó𝑆f¸ 𝑆¸ 𝐴(0)(1 + 𝑅)Ô , 𝑋 = Õ𝑥 Ö , 𝐻 = Õ𝐻¸ Ö
𝑆f; 𝑆; 𝐴(0)(1 + 𝑅) 𝑦 𝐻;

Dependiendo de los coeficientes, este sistema lineal no tiene solución o es único, o es infinito.
Sin embargo, siempre que el determinante de 𝐴 sea distinto de cero, podemos invertir 𝐴 y
obtener una solución única:
𝑋 = 𝐴ef 𝐻.

La solución da el precio de la opción 𝐻 (0) = 𝑥f 𝑆f (0) + 𝑥 𝑆 (0) + 𝑦𝐴(0). Un modelo que

tiene una solución única para cada elección de pago aleatorio 𝐻 se llama completo.
Replanteamos esto como una definición general.

Definición 2.27

Un modelo de mercado está completo si cada recompensa aleatoria (random payoff) 𝐻(1)
puede ser replicada.

Ahora buscamos una probabilidad neutral de riesgo para que ambos precios de acciones
descontados satisfagan la condición de martingala, en otras palabras, resolvemos el sistema

𝔼” (𝐾f ) = 𝑅,
𝔼” (𝐾 ) = 𝑅,
que se escribe
𝑞: 𝑈f + 𝑞¸ 𝑀f + 𝑞; 𝐷f = 𝑅,
< (2,5)
𝑞: 𝑈 + 𝑞¸ 𝑀 + 𝑞; 𝐷 = 𝑅.

A partir de algunos casos singulares, se pueden resolver un sistema de tres representaciones

(la tercera es 𝑞: + 𝑞¸ + 𝑞; = 1) con tres variables. Sin embargo, la pregunta para nosotros
es si la solución representa una medida de probabilidad genuina, es decir, si las tres
probabilidades pertenecen al intervalo (0,1). Ilustramos esto con ejemplos.

Ejemplo 2.28

Para un ejemplo donde 𝑄 no es una probabilidad genuina, considere las acciones 𝑆f , 𝑆 con
𝑈f = 30%, 𝑀f = 5%, 𝐷f = −20%, 𝑈 = −5%, 𝑀 = 0%, 𝐷 = 10%, 𝑅 = 5%.
Resolviendo las ecuaciones anteriores encontramos 𝑞: = 1, 𝑞¸ = −1, 𝑞; = 1. Este modelo
permite el arbitraje:

Si 𝑆f (0) = 100, 𝑆 (0) = 50, 𝐴(0) = 1, el portafolio 𝑥f = −0.5, 𝑥 = −2, 𝑦 = 150 es un

arbitraje: 𝑉(M³,M´ ,N) (0) = 0, 𝑉(M³,M´,N) (1) ≥ 2.5 en cada escenario. Tenga en cuenta que aquí
las dos acciones no suben juntas.

Este ejemplo ilustra el primer teorema fundamental de la valoración de activos, que se

demostrará de manera más general en la siguiente sección.
Teorema 2.29 Cuando 𝛺 es finito, no hay arbitraje si y solo si existe una medida de
probabilidad neutral al riesgo, con probabilidades positivas para cada escenario.

Considere algunos ejemplos adicionales:

Ejemplo 2.30

Sea 𝐻 (1) = (𝑆f (1) − 𝑋)o que es una opción de compra en stock 1. Sea 𝑅 = 5%, y sea
𝑆f (0) = 30, 𝐴(0) = 1, 𝑋 = 32, 𝑈f = 20%, 𝑀f = 10%, 𝐷f = −10%. Suponga ahora que
𝑆 (0) = 30 y los movimientos de este stock están dados por 𝑈 = −5%, 𝑀 = 15%, 𝐷 =
10%. Podemos encontrar una estrategia de replicación que proporciona el precio de la opción
𝐻 (0) = 1.6402. Para ello simplemente resolvemos la ecuación matricial

36 28.5 1.05 𝑥f 4
Õ33 25.5 1.05Ö Õ𝑥 Ö = Õ1Ö
27 33 1.05 𝑦 0

y compute 𝐻 (0) = 𝑥f 𝑆f (0) + 𝑥 𝑆 (0) + 𝑦.

Existe una probabilidad única de riesgo neutral 𝑄 y

𝐻 (0) = (1 + 𝑅)ef 𝔼” r𝐻(1)s = 1.6402,

como puedes comprobar.

Este resultado aparentemente positivo requiere algún pensamiento crítico. Hemos obtenido
un precio único de 𝐻, pero esto se obtuvo como resultado de completar el mercado mediante
la introducción de un segundo valor subyacente. El precio de la opción, por lo tanto, depende
de esta elección, lo que contradice el sentido común: ¿por qué deberían otras acciones influir
en el precio de una opción de compra escrita en la acción 1? De hecho, aún tenemos un rango
de precios, esta vez relacionado con la variedad de valores que se pueden elegir para
completar el mercado. Para ver un posible uso de las ideas anteriores, suponga que se
intercambia una seguridad derivada 𝐻 escrita en 𝑆f ; Sus precios de mercado disponibles.
Ahora podemos elegir 𝐻 como la seguridad adicional que completa el mercado y podemos
valorar otros derivados utilizando la probabilidad única de riesgo neutral. En este sentido,
una afirmación que se encuentra a menudo en la literatura financiera, de que "el mercado
elige la probabilidad neutral de riesgo", adquiere importancia.

Ejemplo 2.31 Con 𝑈 = 10%, 𝑀 = 5%, 𝐷 = −20% y los datos restantes como antes,
el problema de replicación se puede resolver con 𝐻 (0) = −1.2698 lo cual es una tontería
(un precio negativo para una seguridad de pago positivo da arbitraje). Aquí no hay
probabilidad de riesgo neutral: las ecuaciones (2.5) tienen la solución única 𝑞f = 2, 𝑞 =
−0.83, que no produce una medida de probabilidad.

Ejercicio 2.26 Considere un modelo trinomial para precios de acciones con 𝑆(0) = 120
y 𝑆(1) = 135,125,115, respectivamente. Supongamos que 𝑅 = 10%. Considere una
llamada con huelga 120 como la segunda seguridad. Demuestre que 𝐶 (0) = 120⁄11
permite el arbitraje y que existe una probabilidad degenerada única que hace que las acciones
con descuento y los precios de las llamadas sean una martingala. Realice el mismo análisis
para 𝐶 (0) = 225⁄12 y saque una conclusión sobre los precios de llamadas admisibles.

Ejercicio 2.27 Si los rendimientos de las acciones son del 5%, 8%, −20% sobre las
acciones 1 y −5%, 10%, 𝑎% sobre las acciones 2, encuentre un valor 𝑎 para que exista una
probabilidad de riesgo neutral, donde 𝑅 = 5%.

Ejercicio 2.28 Encuentre el precio de una opción de canasta (donde la huelga se compara
con la suma de dos precios de las acciones) con pago 𝐻 (1) = max{(𝑆f (1) + 𝑆 (1) − 𝑋), 0}
donde 𝑆f (0) = 100, 𝑆 (0) = 50, 𝐴(0) = 1, 𝑋 = 150, los retornos son 20%, 5%, −20%
para la acción (stock) 1 y −10%, 8%, 2% para la acción (stock) 2, y 𝑅 = 5%. Utilice la
replicación, así como una probabilidad neutral de riesgo y compare los precios obtenidos.

Para establecer el precio de las opciones, necesitamos ambas condiciones: necesitamos no

arbitraje para tener replicación, y lo completo para obtener un precio único. Esto lleva al
segundo teorema fundamental.

Teorema 2.32
Un modelo de mercado está libre de arbitraje y completo si y solo si existe una probabilidad
única de riesgo neutral Q.

Al igual que con el primer teorema fundamental, este resultado se formulará y demostrará en
un contexto más general en la siguiente sección. Nuestros dos ejemplos simples (modelos
binomiales y trinomiales) sirven para ilustrar las características principales de la teoría
general que ahora procedemos a desarrollar.

2.6 Un modelo general de un solo paso

Supongamos que, dado un activo sin riesgo 𝐴 con 𝐴(0) = 1 (mantenemos este supuesto a lo
largo de esta sección para simplificar la notación), acumulando intereses a la tasa 𝑅, junto
con un número finito arbitrario de activos con precios 𝑆f (𝑛), … , 𝑆; (𝑛), que se consideran en
los tiempos 𝑛 = 0,1. Suponemos que para 𝑖 = 1, … , 𝑑 los precios 𝑆® (0) son conocidos (no
aleatorios) y que en el momento 1 cada 𝑆® (1) es una variable aleatoria (positiva) definida en
un espacio muestral finito Ω = {𝜔f , … , 𝜔Ú }, con una medida de probabilidad 𝑃 definida en
todos los subconjuntos de Ω por la fórmula

𝑃 (𝐴 ) = Í 𝑃 (𝜔 )
Û∈Ü

donde 𝑃r𝜔Ý s = 𝑝Ý ∈ (0,1) para 𝑗 = 1, … , 𝑀, y ∑ÚÝÎf 𝑝Ý = 1. Una variable aleatoria es ahora

una función
𝑋: {𝜔f , … , 𝜔Ú } ⟶ ℝ
con esperanza dada por
Ú

𝔼(𝑋) = Í 𝑝Ý 𝑋r𝜔Ý s.
ÝÎf

El vector aleatorio de precios r𝑆f (1), … , 𝑆; (1)s se construye con 𝑑 variables aleatorias, cada
una tomando como máximo 𝑀 diferentes valores. De hecho, supondremos que en conjunto
aparecen 𝑀 valores diferentes en el momento 1. Esto asegura que todos los elementos 𝑀 de
Ω sean 'necesarios', ya que si las variables aleatorias 𝑆® (1), 𝑖 ≤ 𝑑, tuvieran menos valores que
los elementos del dominio Ω, esto significaría que para algunos 𝜔f , 𝜔 todos los precios de
las acciones son iguales y, por lo tanto algunos de los 𝜔Ñ 𝑠 eran redundantes y podrían
eliminarse de Ω. Como consecuencia de este supuesto natural de no degeneración, de la
misma manera que en el modelo binomial o trinomial, cualquier variable aleatoria 𝑋: Ω ⟶
ℝ puede escribirse en la forma 𝑋 = ℎr𝑆f (1), … , 𝑆; (1)s para alguna función ℎ: ℝ; ⟶ ℝ.

Estos datos constituyen un modelo de mercado finito de un solo paso. La noción de un

portafolio debe ajustarse para incorporar 𝑑 stocks: es un (𝑑 + 1) − vector (𝕩, 𝑦) =
(𝑥f , … , 𝑥; , 𝑦) cuyas coordenadas indican las existencias y la inversión sin riesgo,
respectivamente. El valor inicial del portafolio (𝕩, 𝑦) es 𝑉(𝕩,N) (0) = ∑;®Îf 𝑥® 𝑆® (0) + 𝑦𝐴(0),
mientras que su valor final es la variable aleatoria
;

𝑉(𝕩,N) (1) = Í 𝑥® 𝑆® (1) + 𝑦𝐴(1).

®Îf

Tenga en cuenta que la fijación del valor inicial 𝑉 (0) y el vector 𝕩 de las existencias de un
portafolio determina automáticamente la tenencia de bonos 𝑦. Esto es cierto, en particular,
para las oportunidades de arbitraje: recuerde que un portafolio es una oportunidad de
arbitraje si 𝑉 (0) = 0, 𝑉 (1) ≥ 0, y 𝑉 (1) > 0 con una probabilidad positiva, es decir, en
nuestro contexto, si 𝑉 (1, 𝜔) es positivo para al menos un 𝜔 ∈ Ω.

El primer teorema fundamental de las finanzas matemáticas, que ahora formulamos y

probamos en este contexto general, da una condición equivalente a la ausencia de arbitraje.

Primer teorema fundamental

Consideramos una versión simple de este resultado clave, aplicable al modelo de un solo
paso. El caso general de varios pasos se considerará en el siguiente capítulo. Primero,
notamos lo que significa una medida de probabilidad neutral al riesgo en este contexto:

Definición 2.33

La sucesión 𝑄 = {𝑞f , … , 𝑞Ú } de números positivos es una medida de probabilidad neutral

al riesgo para Ω = {𝜔f , … , 𝜔Ú } y los precios de las acciones hr𝑆® (0), 𝑆® (1)s: 𝑖 = 1, … , 𝑑i si
∑ÚÝÎf 𝑞Ý = 1 y 𝔼” r𝑆® (1)s = (1 + 𝑅 )𝑆® (0) para todo 𝑖, donde 𝔼” denota la esperanza con
respecto a la probabilidad 𝑄r𝜔Ý s = 𝑞Ý > 0 para 𝑗 ≤ 𝑀, y 𝑅 denota la tasa de interés sin
riesgo. A menudo, 𝑄 se denomina probabilidad de martingala (en un solo paso) para los
procesos de precios de las acciones {𝑆® : 𝑖 = 1, … , 𝑑 }.

Teorema 2.34
En un modelo de mercado finito de un solo paso no hay arbitraje si, y solo si, existe una
medida de probabilidad neutral al riesgo.

Prueba Recordemos que asumimos 𝐴(0) = 1. Primero supongamos que el modelo permite
probabilidades neutrales de riesgo. Considere cualquier portafolio con 𝑉 (0) = 0. Suponga
que 𝑉 (1) ≥ 0 (de lo contrario, este portafolio no es una oportunidad de arbitraje). Al calcular
Ú ;

𝔼” r𝑉(1)s = Í ÕÍ 𝑥® 𝑆® r1, 𝜔Ý sÖ 𝑞Ý + 𝑦(1 + 𝑅)

ÝÎf ®Îf

; Ú

= Í 𝑥® ÓÍ 𝑆® r1, 𝜔Ý s𝑞Ý Ô + 𝑦(1 + 𝑅)

®Îf ÝÎf

= Í 𝑥® 𝔼” r𝑆® (1)s + 𝑦(1 + 𝑅)

®Îf

= (1 + 𝑅) Í 𝑥® 𝑆® (0) + 𝑦(1 + 𝑅)
®Îf

= (1 + 𝑅)𝑉 (0) = 0.

Esto implica que 𝑉(1) = 0 para todo 𝜔, ya que la esperanza cero de una variable aleatoria
no negativa obliga a esta variable aleatoria a ser idénticamente cero, por lo tanto, no hay
oportunidades de arbitraje.

Para la implicación inversa, suponga que el modelo de precios no permite el arbitraje. Definir
las ganancias descontadas del portafolio

(𝕩, 𝑦) = (𝑥f , … , 𝑥; , 𝑦)

como una variable aleatoria 𝐺𝕩 con valor

;
𝑆® (1, 𝜔)
𝐺𝕩 (𝜔) = Í 𝑥® ¦ − 𝑆® (0)§
1+𝑅
®Îf
para 𝜔 ∈ Ω. Tenga en cuenta que 𝑦 no aparece, ya que las ganancias descontadas de 𝐴 son
cero por definición. 𝐺𝕩 está bien definida para cualquier vector 𝕩 en ℝ; .

El conjunto

;
𝑆® (1, 𝜔)
𝑊 = ã𝐺𝕩 : Ω ⟶ ℝ: 𝐺𝕩 (𝜔) = Í 𝑥® ¦ − 𝑆® (0)§ , 𝕩 = (𝑥® )®ä; ∈ ℝ; å
1+𝑅
®Îf

es un espacio vectorial, ya que está construido con ganancias de portafolios descontados.

Puede identificarse con un sub-espacio de ℝÚ , escribiendo 𝐺𝕩 = }𝐺𝕩 r𝜔Ý s~ , porque Ω =
ÝäÚ
{𝜔f , … , 𝜔Ú } tiene 𝑀 elementos.

Verificamos la siguiente propiedad de los elementos de 𝑊: si 𝐺𝕩 (𝜔) ≥ 0 para toda 𝜔

entonces 𝐺𝕩 (𝜔) = 0 para toda 𝜔. Para ver esto, toma 𝕩 = (𝑥® )®ä; tal que 𝐺𝕩 (𝜔) ≥ 0 para
toda 𝜔. Asegúrese de que el portafolio (𝕩, 𝑦) tenga riqueza inicial cero 𝑉 (0) = 0
complementando la 𝑥® con una 𝑦 adecuada. El valor final descontado de este portafolio es
;
1
𝑉d(M,N) (1) = Í 𝑥® 𝑆® (1) + 𝑦
1+𝑅
®Îf

;
1
= Í 𝑥® 𝑆® (1) + 𝑦 − 𝑉 (0)
1+𝑅
®Îf

;
𝑆® (1)
= Í 𝑥® ¦ − 𝑆® (0)§
1+𝑅
®Îf

= 𝐺𝕩 ≥ 0

Por lo tanto, para evitar el arbitraje, 𝑉d(M,N) (1) = 𝐺𝕩 debe ser cero.

Las probabilidades de riesgo neutral que buscamos pertenecen al siguiente subconjunto de

ℝÚ :
Ú

𝐴 = ·𝑄 = (𝑞f , … , 𝑞Ú ): Í 𝑞Ý = 1, 𝑞Ý ≥ 0æ.
ÝÎf
Construiremos un vector 𝑄 en 𝐴 con coordenadas positivas y ortogonales al subespacio 𝑊.
Las coordenadas de dicho vector dan las probabilidades requeridas 𝑞Ý , ya que ortogonalidad
significa que el producto interno euclidiano de (𝑞f , … , 𝑞Ú ) y r𝐺𝕩 (𝜔f ), … , 𝐺𝕩 (𝜔Ú )s se
desvanece para cada 𝐺𝕩 en 𝑊, es decir, con 𝔼” como en la definición de neutralidad de riesgo
 Ú

𝔼” (𝐺𝕩 ) = Í 𝑞Ý 𝐺𝕩 r𝜔Ý s = 0
ÝÎf

5é (f)
para todo 𝐺𝕩 . Pero si para 𝑖 ≤ 𝑑 tenemos 𝑥® = 1 y 𝑥ç = 0, 𝑘 ≠ 𝑖, entonces 𝐺𝕩 = fo•
− 𝑆® (0)
tal que 𝔼” r𝑆® (1)s = 𝑆(0)(1 + 𝑅) para toda 𝑖 = 1, … , 𝑑.

La existencia de (𝑞f , … , 𝑞Ú ) se deriva del siguiente lema que también usaremos más adelante,
cuando se presente la versión de varios pasos del teorema.

Lema 2.35
Supongamos que 𝐴 ⊂ ℝê es convexo y compacto, y 𝑊 es un subespacio vectorial de ℝê
disjunto/separado de A. Entonces existe 𝑧 ∈ ℝê tal que 〈𝑧, 𝑎〉 > 0 para todo 𝑎 ∈ 𝐴, y
〈𝑧, 𝑤〉 = 0 para todo 𝑤 ∈ 𝑊, donde 〈𝑥, 𝑦〉 = ∑ê®Îf 𝑥® 𝑦® es el producto interno Euclidiano en
ℝê .

Prueba Ver página 45.

Para ver que esto es suficiente para probar el teorema con 𝑛 = 𝑀 y 𝐴, 𝑊 como arriba, tenga
en cuenta que 𝐴 es obviamente convexo. Es compacto, ya que está cerrado y acotado
(¡Teorema de Heine-Borel!). Dado que 𝐺𝕩 ≥ 0 implica 𝐺𝕩 = 0, se deduce que 𝐴⋂𝑊 = ∅.
Ahora tome (𝑎f , … , 𝑎Ú ) en 𝐴 con 𝑎Ý = 1 para algunos 𝑗 (y con las coordenadas restantes
necesariamente cero) por lo tanto, el lema, aplicado a ℝÚ , proporciona (𝑧f , … , 𝑧Ú ) con 𝑧Ý >
0 para todo 𝑗 = 1, … , 𝑀 y ∑Ú ÝÎf 𝑧Ý 𝐺𝕩 r𝜔Ý s = 0 para todo 𝐺𝕩 en 𝑊. Así que sólo necesita
tomar
1
𝑞Ý = Ú 𝑧
∑®Îf 𝑧® Ý

para 𝑗 ≤ 𝑀 para asegurar que ∑Ú

ÝÎf 𝑞Ý = 1, mientras que todo 𝑞Ý > 0 y

Í 𝑞Ý 𝐺𝕩 r𝜔Ý s = 0
ÝÎf

para todo 𝐺𝕩 en 𝑊. Esto completa la prueba del teorema.

Observación 2.36

Hemos demostrado que, para los modelos finitos de un solo paso, la existencia de una
asignación de probabilidad neutral al riesgo o probabilidad de martingala es equivalente al
requisito de que el modelo no permita el arbitraje. Mostraremos en el Capítulo 3 que esto
sigue siendo cierto para los modelos de mercado finitos de varios pasos en general. Nuestra
prueba de ello dependerá en gran medida del caso de un solo paso y, de manera crucial, de la
finitud del modelo de mercado, es decir, la finitud del espacio de muestra Ω.
A continuación, dirigimos nuestra atención a la cuestión de la completez.

Segundo teorema fundamental

El modelo trinomial es un ejemplo de un modelo de mercado incompleto, cuya característica

definitoria es la falta de portafolios de replicación para algunos valores derivados. El modelo
binomial, por otro lado, permite tal respuesta a todas las reclamaciones y es un ejemplo de
un modelo de mercado completo. Reiteramos la definición de manera más general.
Recordemos que nuestro modelo de mercado contiene 𝑑 valores de riesgo, cuyos precios
indicamos, para facilidad de notación, como un vector aleatorio 𝕊(1) = r𝑆f (1), … , 𝑆; (1)s.
El valor en 1 del portafolio (𝕩, 𝑦) es la variable aleatoria 𝑉(𝕩,N) (1) = 〈𝕩, 𝕊(1)〉 + 𝑦𝐴(1),
donde 〈∗,∗〉 denota el producto interno en ℝ; .

Definición 2.37
Un modelo de mercado libre de arbitraje se completa si para cada seguridad derivada
𝐻 = ℎr𝕊(1)s existe un portafolio de replicación.

Cualquier variable aleatoria 𝐻 es una seguridad derivada en nuestro modelo de mercado, ya

que su valor está completamente determinado por el vector de precios 𝕊(1) y se puede
escribir en la forma 𝐻 = ℎr𝕊(1)s para algún ℎ: ℝ; ⟶ ℝ, que es una consecuencia de la
suposición de no degeneración hecha al principio de esta sección. En particular, para cada
𝜔 ∈ Ω, 𝟏{Û} es una seguridad derivada. Ahora mostramos que en un modelo de mercado
completo todas las probabilidades neutrales de riesgo coinciden.

Teorema 2.38
Un modelo de mercado libre de arbitraje está completo si y solo si existe exactamente una
probabilidad neutral al riesgo.

Prueba No arbitraje implica la existencia de una probabilidad de martingala, por lo que

debemos demostrar que no podemos tener más de una probabilidad en un mercado completo.
Supongamos que tenemos dos probabilidades de martingala 𝑄f ≠ 𝑄 . Para cualquier 𝜔 ∈ Ω
la variable aleatoria 𝟏{Û} es una seguridad derivada. Por la completez del modelo de mercado,
existe un portafolio de replicación, dado por (𝕩, 𝑦) tal que

〈𝕩, 𝕊(1)〉 + 𝑦(1 + 𝑅) = 𝟏{Û} .

Tome la esperanza con respecto a 𝑄ç , 𝑘 = 1,2:

𝔼”ò r〈𝕩, 𝕊(1)〉 + 𝑦(1 + 𝑅)s = 𝔼”ò r𝟏{Û} s = 𝑄® (𝜔)

y tenga en cuenta que el lado izquierdo es independiente de 𝑘, ya que

𝔼”ò r〈𝕩, 𝕊(1)〉 + 𝑦(1 + 𝑅)s = 〈𝕩, 𝔼”ò r𝕊(1)s〉 + 𝑦(1 + 𝑅)

= 〈𝕩, 𝕊(0)〉(1 + 𝑅) + 𝑦(1 + 𝑅)
tal que
𝑄f (𝜔) = 𝑄 (𝜔).

Pero 𝜔 ∈ Ω era arbitrario, por lo que las probabilidades 𝑄f , 𝑄 coinciden.

Para la implicación inversa, suponga que 𝑄 es la única probabilidad de martingala y suponga

que hay un derivado 𝐷, que no se puede replicar. Nuestro objetivo será construir una
probabilidad de martingala 𝑄f diferente de 𝑄.

Considere el conjunto de valores en el momento 1 de todos los portafolios: 𝑊 =

h𝑉(𝕩,N) (1) ∶ (𝕩, 𝑦) ∈ ℝ;of i. Como ninguna replica a 𝐷, concluimos que 𝐷 ∉ 𝑊. Tratamos
𝑊 como un sub-espacio vectorial de ℝÚ al identificar ℝÚ con el conjunto de todas las
variables aleatorias en Ω = {𝜔f , … , 𝜔Ú }. El sub-espacio 𝑊 contiene al vector 𝟏 = (1, … ,1)
f
porque si 𝕩 = 𝟎 y 𝑦 = fo• entonces 𝑉(𝕩,N) (1) = 1 para todos los escenarios. Ahora equipa
ℝÚ con el producto interior 〈𝑾, 𝑽〉” = ∑Ú ÝÎf 𝑤Ý 𝑣Ý 𝑄r𝜔Ý s y usando la siguiente versión del
Lema 2.35 con el sub-espacio 𝑊 y el conjunto convexo compacto 𝐴 = {𝐷}.

Lema 2.39
Supongamos que 𝐴 ⊂ ℝê es convexo y compacto, y 𝑊 es un subespacio vectorial de ℝê
disjunto de 𝐴. Entonces existe 𝑧 ∈ ℝê tal que 〈𝑧, 𝑎〉” > 0 para todos 𝑎 ∈ 𝐴, y 〈𝑧, 𝑤〉” = 0
para todos 𝑤 ∈ 𝑊, donde 〈𝑥, 𝑦〉” = ∑®Îf 𝑥® 𝑦® 𝑞® , con 𝑞® > 0 es un producto interno en ℝê .

Prueba Ver página 47.

Del lema obtenemos un vector de ℝÚ , 𝑍 = (𝑧f , … , 𝑧Ú ) tal que 〈𝑍, 𝐷〉” > 0 y 〈𝑍, 𝑉 〉” = 0
para 𝑉 ∈ 𝑊. La desigualdad implica que 𝑍 ≠ 𝟎, mientras que, tomando 𝑉 = 𝟏 en la
identidad, tenemos 〈𝑍, 𝟏〉” = ∑Ú
ÝÎf 𝑧Ý 𝑄r𝜔Ý s = 0 por lo tanto 𝔼” (𝑍 ) = 0, donde la esperanza
se toma bajo 𝑄.

Ahora definimos una nueva medida, que resultará ser una probabilidad de martingala
diferente de 𝑄
𝑧Ý
𝑄f r𝜔Ý s = }1 + ~ 𝑄r𝜔Ý s
2𝑎

donde 𝑎 = maxÛú ∈Ï ²𝑧Ý ² > 0. Esta es una medida de probabilidad ya que

Ú Ú Ú
𝑧Ý
Í 𝑄f r𝜔Ý s = Í 𝑄r𝜔Ý s + Í 𝑄r𝜔Ý s
2𝑎
ÝÎf ÝÎf ÝÎf

Ú
1
Í 𝑄f r𝜔Ý s = 1 + 𝔼 (𝑍 ) = 1
2𝑎 ”
ÝÎf
Claramente −𝑎 ≤ 𝑧Ý para toda 𝑗, por lo tanto, el número 1 + 𝑧Ý ⁄2𝑎 siempre es positivo y
para al menos una coordenada es diferente de 1 ya que 𝑍 es distinto de cero, por lo tanto
𝑄f ≠ 𝑄. Finalmente, verificamos la propiedad de martingala de cada 𝑆® (para 𝑖 ≤ 𝑑) debajo
de 𝑄f :
Ú
𝑧Ý
𝔼”³ r𝑆® (1)s = Í 𝑆® r1, 𝜔Ý s }1 + ~ 𝑄r𝜔Ý s
2𝑎
ÝÎf

Ú
1
𝔼”³ r𝑆® (1)s = 𝔼” r𝑆® (1)s + Í 𝑧Ý 𝑆® r1, 𝜔Ý s𝑄r𝜔Ý s
2𝑎
ÝÎf

𝔼”³ r𝑆® (1)s = 𝑆® (0)(1 + 𝑅).

La identidad final sigue porque 𝑆® (1) pertenece a 𝑊 (toma 𝑥® = 1, 𝑥ç = 0 para 𝑘 ≠ 𝑖,

𝑦 = 0) de modo que, con 𝑉 = r𝑣Ý sÝäÚ donde 𝑣Ý = 𝑆® r1, 𝜔Ý s, el último término anterior es

1
〈𝑍, 𝑉 〉” = 0.
2𝑎

Ahora podemos aplicar los teoremas fundamentales a los precios de opciones en modelos
completos que cumplan con el principio de no arbitraje. Supongamos que el portafolio de
replicación es (𝕩, 𝑦) = (𝑥f , … , 𝑥; , 𝑦)

𝑉(𝕩,N) (1) = 𝐻 (1), tal que 𝐻(0) = 𝑉(𝕩,N) (0)

ya que de lo contrario tenemos una oportunidad de arbitraje. La esperanza con respecto a la

probabilidad única de riesgo neutral da

𝔼” }𝑉(𝕩,N) (1)~ = 𝔼” r〈𝕩, 𝕊(1)〉 + 𝑦(1 + 𝑅)s

= Í 𝑥® 𝔼” r𝑆® (1)s + 𝑦(1 + 𝑅)

®Îf

= (1 + 𝑅)𝑉(𝕩,N) (0) = (1 + 𝑅)𝐻(0)

donde hemos utilizado la propiedad martingala de todos los precios de las acciones. Como
tenemos replicación obtenemos

1
𝐻 (0) = 𝔼 r𝐻(1)s.
1+𝑅 ”

Finalmente, notamos que los precios de sub- y súper-replicación coinciden en los modelos
completos.
Teorema 2.40
La completez 𝐻º»À = 𝐻º»¼½¾ = 𝐻, por ejemplo.

Prueba Si (𝕩, 𝑦) = (𝑥f, … , 𝑥; , 𝑦) es un portafolio de replicación,𝑉(𝕩,N) (1) = 𝐻(1) y (𝕩, 𝑦)

es cualquier portafolio de súper-replicación, 𝑉(𝕩,N) (1) ≥ 𝐻(1), luego

𝑉(𝕩,N) (1) ≥ 𝑉(𝕩,N) (1).

El principio de no arbitraje implica

𝑉(𝕩,N) (1) ≥ 𝑉(𝕩,N) (0)

por lo que tomando el ínfimo sobre los portafolios súper-replicantes que tenemos

inf h𝑉(𝕩,N) (0) ≥ 𝑉(𝕩,N) (0)i

(𝕩,N)

Pero el precio de replicación pertenece al conjunto de todos los precios súper replicantes

𝑉(𝕩,N) (0) ∈ h𝑉(𝕩,N) (0): (𝕩, 𝑦) super − replicantei

así se alcanza el ínfimo y

inf h𝑉(𝕩,N) (0) = 𝑉(𝕩,N) (0)i.
(𝕩,N)

El argumento para portafolios sub-replicante es similar y lleva a

𝑉(𝕩,N) (0) = sup h𝑉(𝕩,N) (0)i

(𝕩,N)

donde el supremo se toma sobre todos los portafolios sub-replicantes.

2.7 Propiedades generales de los precios de los derivados

Contratos a largo plazo
El ejemplo más simple de un derivado es un contrato a plazo. Este contrato es un acuerdo
vinculante entre dos partes para comprar o vender el activo subyacente en un momento futuro
dado por un precio de entrega específico 𝐾. Una vez más, una parte comprometida a comprar
el activo tiene una posición larga, el vendedor tiene una posición corta. La recompensa en
el momento 1 para la posición larga es

𝐻fü (1) = 𝑆 (1) − 𝐾

y genera ganancias si 𝑆(1) > 𝐾. Para la posición corta, la recompensa es 𝐻fü (1) = 𝐾 −
𝑆 (1).
En un modelo completo libre de arbitraje, el precio de dicho contrato se puede calcular
fácilmente:
Ëfü (1)~ = 𝔼” r𝑆g(1) − 𝐾
𝐻fü (0) = 𝔼” }𝐻 Ë s = 𝑆 (0) − 𝐾(1 + 𝑅)ef .

Sin embargo, esta fórmula se puede probar sin hacer referencia a ningún modelo.

Proposición 2.41
El principio de no arbitraje implica que el precio de un contrato a largo plazo con precio de
entrega 𝐾 es 𝐻fü (0) = 𝑆 (0) − 𝐾 (1 + 𝑅)ef .

Prueba Supongamos que 𝐻fü (0) < 𝑆(0) − 𝐾(1 + 𝑅)ef . Toma 𝑧 = 1, 𝑥 = −1 e 𝑦 tal que
5(š)e‹ (š)
𝑉(𝒙,𝒚,𝒛) (0) = 0, que es 𝑦 = ³!
Ü(š)
. El valor terminal del portafolio es una constante
positiva, 𝑉(𝒙,𝒚,𝒛) (1) = −𝑆(1) + [𝑆(0) − 𝐻fü (0)](1 + 𝑅) + [𝑆(1) − 𝐾 ] > 0, que contradice
el principio de no arbitraje. La desigualdad inversa se puede probar de manera similar.

Si el valor del contrato a plazo es cero, el precio de entrega correspondiente se denomina

precio a plazo; se denota 𝐹(0,1) y se da por

𝐹(0,1) = 𝑆(0)(1 + 𝑅).

Call-put parity

Comparando los pagos de la llamada, el contrato de compra y envío, observamos que

𝐶 (1) − 𝑃 (1) = 𝐻fü (1)

desde (𝑥 − 𝐾 )o − (𝐾 − 𝑥 )o = 𝑥 − 𝐾. Dividiendo ambos lados por 1 + 𝑅 y tomando la

esperanza con respecto a la probabilidad de riesgo neutral (siempre que tengamos uno a
nuestra disposición) obtenemos la siguiente relación.

Teorema 2.42 Call-put parity

Si 𝐶 (0) y 𝑃(0) denotan (respectivamente) los precios de compra y venta de una acción 𝑆
con un precio de ejercicio 𝐾 entonces

𝐶 (0) − 𝑃(0) = 𝑆(0) − 𝐾(1 + 𝑅)ef .

Con la experiencia que hemos reunido, no es sorprendente que una relación de este tipo pueda
probarse independientemente de cualquier modelo. Comenzamos con un hecho general.

Proposición 2.43
Supongamos que dados dos valores derivados, 𝐻, 𝐻Ñ . Entonces 𝐻 (1) ≥ 𝐻Ñ (1) implica
𝐻 (0) ≥ 𝐻Ñ (0).
Prueba Si 𝐻(0) < 𝐻Ñ (0), compra 𝐻, vende 𝐻Ñ , la diferencia es la ganancia de arbitraje
‹ # (š)e‹(š)
(más precisamente, toma 𝑥 = 0, 𝑦 = Ü(š)
, 𝑧‹ = 1, 𝑧‹ # = −1 y verás que esto es un
arbitraje).

Corolario 2.44 Ley de un precio

Si 𝐻 (1) = 𝐻Ñ (1) entonces 𝐻 (0) = 𝐻Ñ (0).

Ahora, la relación de paridad de call-put sigue inmediatamente de la relación entre los pagos.

Límites de arbitraje en los precios de las opciones.

Nos gustaría discutir la dependencia del precio de la opción en el valor actual de las acciones
subyacentes. Esta es una idea bastante natural, pero resulta ser un poco incómodo. El punto
es que 𝑆(0) es una cantidad conocida, por lo que no podemos jugar con ella. Para discutir el
precio de la llamada como una función de 𝑆(0), denotado como 𝑆 a continuación, debemos
permitir cierto margen para cambiarlo.

Se pueden presentar varias explicaciones, ninguna rigurosa, que incluyen:

• Considerar un mundo paralelo donde una empresa idéntica tiene un valor diferente,
• permitir saltos en los precios de las acciones para que en un momento determinado
podamos registrar dos valores,
• imagine un derivado que represente 𝑎𝑆 y trátelo como un nuevo 𝑆 Ñ subyacente,
• Permita un cambio de tiempo para que el nuevo precio sea el precio de las acciones
después de un corto tiempo. Esta es probablemente la historia más plausible, pero no
está permitida en nuestra configuración de un solo paso, donde nada sucede en el
ínterin.

De todos modos, con estas excusas endebles, sin embargo, consideraremos el precio de
compra en función del precio actual de las acciones utilizando la notación 𝐶 (𝑆).

Proposición 2.45
La función 𝐶 (𝑆) satisface
max{0, 𝑆 − 𝐾 (1 + 𝑅)ef } ≤ 𝐶 (𝑆) ≤ 𝑆.

Prueba Utilizamos la paridad de call-put: 𝐶 (𝑆) − 𝑃 (𝑆) = 𝑆 − 𝐾(1 + 𝑅)ef , y 𝑃(𝑆) ≥ 0,

entonces
𝐶 (𝑆) ≥ 𝑆 − 𝐾(1 + 𝑅)ef .

Si 𝐶 (𝑆) ≥ 𝑆, entonces podemos vender la llamada y comprar el stock. En el ejercicio, el pago

de la llamada es menor que 𝑆 (1). Esto prueba el segundo límite.

Ejercicio 2.29 Demuestre que 𝑆 Ñ > 𝑆 implica 𝐶 (𝑆) − 𝐶 (𝑆 Ñ ) ≤ 𝑆 − 𝑆 Ñ y 𝑃(𝑆 Ñ) − 𝑃(𝑆) ≤

𝑆 − 𝑆Ñ.
Ejercicio 2.30 Probar que el precio de compra 𝐶 (𝑆) es una función convexa del precio de
la acción 𝑆: en particular, mostrar que

𝑆 Ñ + 𝑆 ÑÑ 𝐶 (𝑆 Ñ ) + 𝐶 (𝑆 ÑÑ )
𝐶$ %≤
2 2

Al emplear la paridad de llamada de llamada, demuestre que lo mismo es cierto para la venta.

Se pueden derivar propiedades similares para la dependencia de los precios de compra y

venta de la huelga, 𝐾. Son más fáciles de formular ya que las opciones con diferentes precios
de huelga se cotizan en las bolsas. Para enfatizar la dependencia del precio de compra en la
huelga, usamos la notación 𝐶 = 𝐶 (𝐾 ).

Proposición 2.46
La función 𝐶 (𝐾 ) está disminuyendo, es decir, 𝐾 Ñ ≤ 𝐾 implica 𝐶 (𝐾 Ñ ) ≥ 𝐶 (𝐾 ). La función
𝑃(𝐾 ) está aumentando: 𝐾 Ñ ≤ 𝐾 implica 𝑃(𝐾 Ñ ) ≤ 𝑃(𝐾 ).
o
Prueba Si 𝐾 Ñ ≤ 𝐾 entonces (𝑆(1) − 𝐾 Ñ)o ≥ (𝑆(1) − 𝐾 )o, y también r𝐾 Ñ − 𝑆(1)s ≤
o
r𝐾 − 𝑆 (1)s . Las desigualdades en los pagos implican desigualdades en los precios como
se demuestra en la Proposición 2.43.

Ejercicio 2.31 Demuestre que si 𝐾 Ñ < 𝐾 entonces

𝐶 (𝐾 Ñ ) − 𝐶 (𝐾 ) ≤ (1 + 𝑅)ef (𝐾 − 𝐾 Ñ ),

𝑃(𝐾 Ñ ) − 𝑃 (𝐾 ) ≤ (1 + 𝑅)ef (𝐾 − 𝐾 Ñ ).

Ejercicio 2.32 Demuestre que el precio de la llamada es una función convexa del precio
de ejercicio.

2.8 Pruebas
Lema 2.35
Supongamos que 𝐴 ⊂ ℝê es convexo y compacto, y 𝑊 es un sub-espacio vectorial de ℝê
disjunto/separado de 𝐴. Entonces existe 𝑧 ∈ ℝê tal que 〈𝑧, 𝑎〉 > 0 para todo 𝑎 ∈ 𝐴, y
〈𝑧, 𝑤〉 = 0 para todo 𝑤 ∈ 𝑊, donde 〈𝑥, 𝑦〉 = ∑ê®Îf 𝑥® 𝑦® es el producto interior euclidiano en
ℝê .

Prueba Considere el conjunto

𝐴 − 𝑊 = {𝑎 − 𝑤: 𝑎 ∈ 𝐴, 𝑤 ∈ 𝑊 }.

Dado que 𝐴 y 𝑊 son disjuntos, 0 ∉ 𝐴 − 𝑊.

A continuación, notamos que 𝐴 − 𝑊 es convexo ya que tanto 𝐴 como 𝑊 lo son. Con más
detalle, si 𝑥, 𝑦 ∈ 𝐴 − 𝑊, 𝑥 = 𝑎 − 𝑣, 𝑦 = 𝑏 − 𝑤, entonces con 𝛼 ∈ [0,1], 𝛼𝑥 + (1 − 𝛼 )𝑦 =
[𝛼𝑎 + (1 − 𝛼 )𝑏] − [𝛼𝑣 + (1 − 𝛼 )𝑤] ∈ 𝐴 − 𝑊. Así 𝐴 − 𝑊 es convexo.

Considerar el conjunto 𝐵 = {|𝑥|: 𝑥 ∈ 𝐴 − 𝑊 }. Mostraremos que es cerrado y para ello

consideraremos una sucesión convergente 𝑏ê ∈ 𝐵,
 3. Modelo binomial multipaso
3.1. Ejemplo de dos pasos
3.2. Particiones e información
3.3. Propiedades martingala
3.4. El modelo de Cox-Ross-Rubinstein
3.5. Cobertura delta

Habiendo descrito los modelos de precios de un solo paso de forma bastante completa,
estamos listos para considerar modelos con un número finito de fechas de negociación
consecutivas. Veremos que estos modelos se comportan esencialmente como una sucesión
de modelos de un solo paso, de modo que nuestro análisis anterior se puede aplicar
repetidamente para generar fórmulas de precios explícitos.

Para un modelo binomial simple, ahora describimos cómo el uso de probabilidades neutrales
al riesgo implica la propiedad de martingala de los precios de las acciones con descuento y,
por lo tanto, del proceso de valor con descuento de cualquier estrategia de
autofinanciamiento. En este modelo, se comparan las técnicas de fijación de precios para las
opciones europeas que utilizan portafolios que se replican o probabilidades neutrales de
riesgo y luego se deriva una fórmula de fijación de precios explícita para la llamada europea.

3.1 Ejemplo de dos pasos

La mayoría de las características esenciales de un modelo general de varios pasos se pueden
ver en un ejemplo simple con dos pasos de tiempo, en los que evitamos la notación
complicada relacionada con un caso general. Aquí tomamos tiempo para ser 0, 𝑇, 2𝑇, y
simplificamos la notación simplemente especificando el número de un paso, ignorando su
longitud. Deseamos construir un modelo de precios de acciones con tres ingredientes 𝑆(0),
𝑆(1), 𝑆(2), donde 𝑆(0) es un número dado y las cantidades restantes son variables aleatorias.
La construcción consta de dos repeticiones de la dinámica de un solo paso. En el caso de un
solo paso, el núcleo de la construcción fue el modelo de la tasa de rendimiento con dos valores
posibles, que se puede considerar como relacionado con un solo lanzamiento de una moneda.
Intuitivamente, para muchos pasos podemos usar más monedas, o lanzar una moneda
repetidamente. Escribimos los resultados obtenidos en un experimento de dos pasos como un
par construido de símbolos 𝑢 y 𝑑. Esto le da el espacio muestral apropiado como

Ω = {𝑢𝑢, 𝑢𝑑, 𝑑𝑢, 𝑑𝑑 }.

La probabilidad en Ω se definirá multiplicando las probabilidades para los lanzamientos de

una sola moneda. Denotando la probabilidad de un movimiento hacia arriba en cada paso por
𝑝 tenemos
𝑃(𝑢𝑢) = 𝑝 ,
𝑃(𝑢𝑑 ) = 𝑃(𝑑𝑢) = 𝑝(1 − 𝑝),
𝑃 (𝑑𝑑 ) = (1 − 𝑝) ,
utilizando la notación simplificada 𝑃 (𝜔) en lugar de 𝑃({𝜔}). Dadas las probabilidades de
los conjuntos de un solo elemento, podemos encontrar una probabilidad de cualquier
subconjunto de Ω por el principio de aditividad:

𝑃 (𝐴 ) = Í 𝑃 (𝜔 ).
Û∈Ü

A continuación, definimos los retornos 𝐾f , 𝐾 como variables aleatorias en Ω definido para

𝑛 = 1,2 por
𝑈 con probabilidad 𝑝,
𝐾ê = <
𝐷 con probabilidad 1 − 𝑝.

Se supone que el valor de 𝐾ê depende solo del elemento 𝑛 de 𝜔 y actúa de la misma manera
que en el modelo binomial de un solo paso, con 𝐾f determinado por el primer paso, 𝐾 por
el segundo. Así que
𝐾f (𝑢𝑢) = 𝐾f (𝑢𝑑 ) = 𝑈,
𝐾f (𝑑𝑢) = 𝐾f (𝑑𝑑 ) = 𝐷,
𝐾 (𝑢𝑢) = 𝐾 (𝑢𝑑 ) = 𝑈,
𝐾 (𝑑𝑢) = 𝐾 (𝑑𝑑 ) = 𝐷.

Observe que para todos los números reales 𝑥f , 𝑥 tenemos

𝑃(𝐾f = 𝑥f y 𝐾 = 𝑥 ) = 𝑃(𝐾f = 𝑥f ) × 𝑃(𝐾 = 𝑥 )

escrito más formalmente como

𝑃({𝜔: 𝐾f (𝜔) = 𝑥f } ∩ {𝜔: 𝐾 (𝜔) = 𝑥 })

= 𝑃({𝜔: 𝐾f (𝜔) = 𝑥f }) × 𝑃({𝜔: 𝐾 (𝜔) = 𝑥 }) (3.1)

y decimos que 𝐾f , 𝐾 son independientes.

Los precios de las acciones se definen paso a paso

𝑆(1) = 𝑆(0)(1 + 𝐾f ),
𝑆(2) = 𝑆 (1)(1 + 𝐾 ) = 𝑆 (0)(1 + 𝐾f )(1 + 𝐾 ).

Introducimos una notación auto-explicativa conveniente donde un superíndice determina

tanto el número de pasos como la posición en el árbol:

𝑆 : = 𝑆(0)(1 + 𝑈),
𝑆 (1) = < ;
𝑆 = 𝑆 (0)(1 + 𝐷),

𝑆 :: = 𝑆(0)(1 + 𝑈) ,
𝑆 (2) = ·𝑆 :; = 𝑆 ;: = 𝑆 (0)(1 + 𝑈)(1 + 𝐷),
𝑆 ;; = 𝑆(0)(1 + 𝐷) .
Ejemplo 3.1 Sea 𝑈 = 20%, 𝐷 = −10%, 𝑝 = 0.6 y así tenemos un árbol de precios
recombinante concreto (es decir, 𝑆 :; = 𝑆 ;: )

El mercado se completa al asumir un activo libre de riesgo, representado por la cuenta del
mercado monetario, y determinado por 𝐴(0) = 100, y el rendimiento sin riesgo 𝑅 = 5%.
Tenemos
𝐴(𝑛) = 𝐴(0)(1 + 𝑅)ê , 𝑛 = 1,2,

por una extensión directa del esquema familiar de un solo paso.

Estrategias comerciales

En el ejemplo anterior, supongamos que tenemos a nuestra disposición la suma de 50 y

deseamos invertir en el mercado comprando una acción. Para el primer portafolio, las
posiciones en valores y libres de riesgo se denotarán como 𝑥(1) y 𝑦(1) respectivamente.
Esto es un poco sorprendente ya que uno esperaría indicar el tiempo en 0 aquí, ya que este
es el momento en el que estamos diseñando este portafolio; sin embargo, esta es una tradición
notoria establecida y justificada por el hecho de que mantendremos este portafolio hasta el
próximo paso, en el que centramos nuestra atención.

Tomando 𝑥(1) = 1, con 𝑉 (0) = 50, tenemos una posición corta sin riesgo

𝑉 (0) − 𝑥(1)𝑆(0) 50 − 1 × 100

𝑦 (1) = = = −0.5
𝐴 (0) 100

En el momento 1 consideramos los dos resultados posibles del primer paso:

Caso 1: ‘up’
El valor de nuestro portafolio es ahora

𝑉 : = 𝑥(1)𝑆 : + 𝑦(1)𝐴(0)(1 + 𝑅) = 67.5

El siguiente portafolio se denota (𝑥 : (2), 𝑦 : (2)) y decidimos reducir nuestra posición de
acciones a 0.8, lo que determina el componente libre de riesgo ya que no asumimos ninguna
entrada o salida de fondos, por lo que

67.5 = 0.8 × 120 + 𝑦 : (2) × 105

para dar 𝑦 : (2) = −0.285. Podemos encontrar los valores finales de nuestra inversión

𝑉 :: = 0.8 × 𝑆 :: + (−0.285)𝐴(0)(1 + 𝑅) = 85.275,

𝑉 :; = 0.8 × 𝑆 :; + (−0.285)𝐴(0)(1 + 𝑅) = 56.475.

Caso 2: ‘down’
Es la acción la que determina el valor:

𝑉 ; = 𝑥(1)𝑆 ; + 𝑦(1)𝐴(0)(1 + 𝑅) = 37.5

Con el stock barato decidimos comprar más, así que establecemos 𝑥 ; (2) = 1.2. Esto implica

37.5 = 0.8 × 90 + 𝑦 ; (2) × 105

con 𝑦 ; (2) = −0.671. Los valores finales son

𝑉 ;: = 1.2 × 𝑆 ;: + (−0.671)𝐴(0)(1 + 𝑅) = 55.575,

𝑉 ;; = 1.2 × 𝑆 ;; + (−0.671)𝐴(0)(1 + 𝑅) = 23.175.

Tenga en cuenta que el árbol de valores del portafolio no se está recombinando: 𝑉 :; ≠ 𝑉 ;: .

En general, el valor de una estrategia es un proceso dado por

𝑉(M,N) (0) = 𝑥 (1)𝑆(0) + 𝑦(1)𝐴(0),

𝑉(M,N) (1) = 𝑥 (1)𝑆(1) + 𝑦(1)𝐴(1),

𝑉(M,N) (2) = 𝑥 (2)𝑆(2) + 𝑦(2)𝐴(2),

con la condición de autofinanciamiento

𝑉(M,N) (1) = 𝑥(2)𝑆(1) + 𝑦(2)𝐴(1)

representando el hecho de que en el momento de rebalanceo 𝑛 = 1 cuando (𝑥(2), 𝑦(2)) están

seleccionados, solo usamos los fondos disponibles en ese momento, y los usamos a todos.
Precios

Al igual que en el modelo de un solo paso, la base para la fijación de precios es el principio
de no arbitraje, que adopta la siguiente forma:

Suposición 3.2

No hay arbitraje en el mercado subyacente, donde un arbitraje es una estrategia (𝑥(𝑛), 𝑦(𝑛)),
𝑛 = 1,2, con 𝑉 (0) = 0, valores futuros no negativos 𝑉(M,N) (𝑛) ≥ 0, 𝑛 = 1,2, con una
desigualdad estricta durante al menos un instante de tiempo y un 𝜔 ∈ Ω.

Una seguridad derivada de tipo europeo tiene pago de la forma 𝐻 = ℎr𝑆(2)s para alguna
función de valor real ℎ definida en [0, ∞). Tal seguridad se llama ruta independiente; la
versión dependiente del camino tiene pago 𝐻 = ℎr𝑆(1), 𝑆(2)s para alguna ℎ: [0, ∞) ×
[0, ∞) → ℝ. En cuanto al modelo de un solo paso, ahora formulamos la versión del principio
de no arbitraje para el mercado extendido, que nos permite determinar los precios de dicho
derivado:

Suposición 3.3

Los precios de no arbitraje de un valor con pago 𝐻 forman una sucesión 𝐻 (𝑛), 𝑛 = 0,1,2, de
tal manera que 𝐻 (2) = 𝐻 y no hay abitrage en el mercado extendido. Así, asumimos que no
hay estrategia (𝑥 (𝑛), 𝑦(𝑛), 𝑧(𝑛)), 𝑛 = 1,2, con

𝑉(M,N,z) (0) = 𝑥(1)𝑆(0) + 𝑦(1)𝐴(0) + 𝑧(1)𝐻(0) = 0,

𝑉(M,N,z) (𝑛) = 𝑥(𝑛)𝑆(𝑛) + 𝑦(𝑛)𝐴(𝑛) + 𝑧(𝑛)𝐻(𝑛) ≥ 0,

con estricta desigualdad para al menos una 𝑛 y una 𝜔.

Figura 3.1

Ejemplo 3.4 Sea 𝑆(0) = 100, 𝑈 = 20%, 𝐷 = −10%, 𝑅 = 5%. Considere una call con
precio de ejercicio 𝐾 = 100 en el momento 2. El pago de la opción es
 (𝑆 (0)(1 + 𝑈) − 𝐾 )o = 44 si 𝜔 = 𝑢𝑢,
𝐶 (2) = ·(𝑆(0)(1 + 𝑈)(1 + 𝐷) − 𝐾 )o = 8 si 𝜔 = 𝑢𝑑 o 𝜔 = 𝑑𝑢 ,
(𝑆(0)(1 + 𝐷) − 𝐾 )o = 0 si 𝜔 = 𝑑𝑑.

Retrocedemos en el tiempo y, por lo tanto, calculamos los precios 𝐶 (1) en ambos casos
primero, y finalmente 𝐶 (0), siguiendo el esquema que se muestra en la Figura 3.1.

Para 𝐶 (1) en el caso ‘up’ tenemos el sistema

𝑉 :: = 𝑥 : (2)𝑆 :: + 𝑦 : (2)𝐴(0)(1 + 𝑅) = 44,

𝑉 :; = 𝑥 : (2)𝑆 :; + 𝑦 : (2)𝐴(0)(1 + 𝑅) = 8,

con solución
𝑥 : (2) = 0.269,
𝑦 : (2) = −0.218.

Ahora podemos construir la variable aleatoria 𝐶 (1) escribiendo

𝐶 : = 𝑥 : (2)𝑆 : + 𝑦 : (2)𝐴(0)(1 + 𝑅) = 24.762,

𝐶 ; = 𝑥 ; (2)𝑆 ; + 𝑦 ; (2)𝐴(0)(1 + 𝑅) = 3.810,

y por replicación
𝑉 : = 𝑥 (1)𝑆 : + 𝑦(1)𝐴(0)(1 + 𝑅) = 24.762,

𝑉 ; = 𝑥(1)𝑆 ; + 𝑦(1)𝐴(0)(1 + 𝑅) = 3.810,

encontramos
𝑥(1) = 0.698,

𝑦(1) = −0.562,
resulta en
𝐶 (0) = 𝑥(1)𝑆(0) + 𝑦(1)𝐴(0) = 13.605.

Queda por verificar que el procedimiento coincida con el principio de no arbitraje, pero esto
solo requiere un momento de reflexión. Supongamos que 𝐶 (0) < 13.605 (teniendo en
cuenta el error de redondeo), en cuyo caso compramos la opción y vendemos la estrategia
invirtiendo la diferencia sin riesgo. La replicación en el momento del ejercicio asegura que
el valor de la estrategia se cancelará con el pago de la opción y se mantendrá una ganancia.
Por la desigualdad opuesta tomamos la acción opuesta. Si el precio de la opción y la estrategia
de replicación difieren en el momento 1 en algún nodo, 𝑢 o 𝑑, no hacemos nada en el
momento 0 y realizamos las acciones anteriores en el momento 1.
Tenga en cuenta que los valores de la estrategia construida anteriormente forman un árbol de
recombinación, pero este no tiene que ser el caso si los beneficios de la seguridad derivada
para 𝑢𝑑 y 𝑑𝑢 son diferentes.

Ejercicio 3.1 Encuentre el árbol de los valores de los derivados con los siguientes pagos:
5(š)o5(f)o5(Ê) o
𝐻f = (max{𝑆 (𝑛): 𝑛 = 0,1,2} − 100)o , 𝐻 = } Ê
− 100~ . (Tenga en cuenta
que estos son derivados dependientes de la ruta.)

Recuerde que en el modelo de un solo paso una alternativa conveniente era utilizar
probabilidades neutrales al riesgo para calcular el precio de un valor derivado. Esto se puede
hacer numéricamente fácilmente en cada paso del procedimiento anterior, pero nuestro
objetivo es darle un sabor adicional a la historia desarrollando una teoría que pueda
generalizarse a configuraciones más generales.

3.2 Particiones e información

Para nuestro próximo tema, es mejor extender la escala de tiempo a tres pasos. Esto le da el
espacio muestral apropiado como

Ω = {𝑢𝑢𝑢, 𝑢𝑢𝑑, 𝑢𝑑𝑢, 𝑢𝑑𝑑, 𝑑𝑢𝑢, 𝑑𝑢𝑑, 𝑑𝑑𝑢, 𝑑𝑑𝑑 }

La probabilidad se definirá como antes, por lo que

𝑃(𝑢𝑢𝑢) = 𝑝Ê ,
𝑃(𝑢𝑢𝑑 ) = 𝑃(𝑢𝑑𝑢) = 𝑃 (𝑑𝑢𝑢) = 𝑝 (1 − 𝑝),
𝑃(𝑢𝑑𝑑 ) = 𝑃(𝑑𝑢𝑑 ) = 𝑃(𝑑𝑑𝑢) = (1 − 𝑝)𝑝 ,
𝑃(𝑑𝑑𝑑 ) = (1 − 𝑝)Ê .

Tenemos que modificar la definición de 𝐾f , 𝐾 y agregar el tercer retorno 𝐾Ê con el valor 𝑈

para los triples que terminan con 𝑢 y 𝐷 de lo contrario, para que 𝐾ê dependa solo del elemento
𝑛 de 𝜔, al igual que en el modelo binomial de un solo paso. Sin embargo, la noción de
independencia es ahora algo más complicada, como se aclara en el siguiente ejercicio.

Ejercicio 3.2 Pruebe que 𝐾f, 𝐾 , 𝐾Ê son independientes, lo que por definición significa
que para cada par tenemos la condición (3.1) y también
Ê Ê

𝑃 (){𝜔: 𝐾® = 𝑥® }* = + 𝑃(𝜔: 𝐾® = 𝑥® ).
®Îf ®Îf

El tercer precio de las acciones toma la forma

 𝑆 ::: = 𝑆(0)(1 + 𝑈)Ê
𝑆 ::; = 𝑆 :;: = 𝑆 ;:: = 𝑆(0)(1 + 𝑈) (1 + 𝐷)
𝑆 (3) = 𝑆(2)(1 + 𝐾Ê ) =
𝑆 ;;: = 𝑆 ;:; = 𝑆 :;; = 𝑆(0)(1 + 𝑈)(1 + 𝐷)
𝑆 ;;; = 𝑆(0)(1 + 𝐷)Ê

Dentro del esquema numérico de la sección anterior tenemos el cuadro completo

Considere la siguiente variable aleatoria

𝐻 = (𝑆(3) − 100)o

que no es más que una recompensa de llamadas con strike 𝐾 = 100.

Si poseemos dicha seguridad, podríamos estar interesados en el pago esperado, por lo que
calculamos
𝔼(𝐻) = 72.8 × 𝑃({𝑢𝑢𝑢}) + 29.6 × 𝑃({𝑢𝑢𝑑, 𝑢𝑑𝑢, 𝑑𝑢𝑢}) + 0 × 𝑃({𝑢𝑑𝑑, 𝑑𝑢𝑑, 𝑑𝑑𝑢})
+ 0 × 𝑃({𝑑𝑑𝑑 }) = 28.512

Ejercicio 3.3 Extienda el esquema de precios de la sección anterior para encontrar el precio
de la opción y observe que no es igual a la esperanza calculada anteriormente.

A continuación, analizamos los futuros desarrollos posibles y su impacto en nuestros puntos

de vista. Es importante enfatizar que ahora estamos realizando un análisis de "qué pasaría
si". No viajamos en el tiempo, pero consideramos hipotéticamente todos los posibles giros
futuros de eventos con el propósito de revisar nuestro punto de vista y posiblemente
responder con alguna acción apropiada.
Posición en el paso 1
Caso ‘up’

Preparémonos para el caso de un aumento en el precio de las acciones después de un paso.

Esto significa que la colección de todos los escenarios disponibles se reducirá a los triples
que comienzan con 𝑢, lo que denotamos por 𝐵: = {𝑢𝑢𝑢, 𝑢𝑢𝑑, 𝑢𝑑𝑢, 𝑢𝑑𝑑 }. El conocimiento
de que el primer paso está "arriba" significa que este conjunto desempeñará el papel de Ω y
se genera una probabilidad ajustando las probabilidades originales para garantizar que la
nueva probabilidad de 𝐵: sea 1. Para 𝜔 ∈ 𝐵: ponemos

𝑃 (𝜔 )
𝑃: (𝜔) = .
𝑃(𝐵: )

Observe que 𝑢 es el primer elemento de cada 𝜔 ∈ 𝐵: y de acuerdo con la definición de 𝑃,

tenemos 𝑃(𝐵: ) = 𝑝 y este es el primer factor que produce 𝑃(𝜔), por lo que se cancelará. Por
ejemplo
𝑃 (𝑢𝑑𝑢) 𝑝(1 − 𝑝)𝑝
𝑃: (𝑢𝑑𝑢) = = = (1 − 𝑝)𝑝.
𝑃 (𝐵: ) 𝑝
f
Por supuesto 𝑃: (𝐵: ) = ©(, ) ∑Û∈,- 𝑃(𝜔) = 1. Observe que para 𝐴 ⊆ 𝐵: ,
-

𝑃(𝐴 ∩ 𝐵: )
𝑃: (𝐴) = = 𝑃 (𝐴|𝐵: )
𝑃(𝐵: )

entonces 𝑃: es lo que se llama, en general, la probabilidad condicional 𝑃(∙ |𝐵: ), considerada

para subconjuntos de 𝐵: .

A continuación, calculamos la esperanza de 𝐻 en este nuevo espacio de probabilidad.

Consideramos los valores de 𝐻 que corresponden a los cuatro elementos de 𝐵: , y utilizamos
una versión natural de la fórmula, ya conocida, para la esperanza:

Í 𝐻(𝜔)𝑃: (𝜔) = 72.8 × 0.6 + 29.6 × 2 × 0.6 × 0.4 + 0 × 0.4 = 40.416

Û∈,-

lo que sería una buena noticia para el titular de la opción.

Introducimos las siguientes dos notaciones alternativas para esta esperanza (condicional):

𝔼(𝐻|𝐵: ) = 𝔼(𝐻|𝑆 (1) = 120) = 40.416.

Caso ‘down’

En el caso de un movimiento hacia abajo en el primer paso, introducimos, de manera similar,

el conjunto 𝐵; de todos los escenarios restantes (todos los que comienzan con una 𝑑) y las
probabilidades ajustadas para 𝜔 ∈ 𝐵; :

𝑃 (𝜔 )
𝑃; (𝜔) = .
𝑃(𝐵; )

Claramente, la esperanza de 𝐻 en esta situación es

𝔼(𝐻|𝐵; ) = 𝔼(𝐻|𝑆 (1) = 90) = 29.6 × 𝑝 = 10.656,

un poco decepcionante para cualquiera que posea tal seguridad.

Los dos casos considerados descomponen todos los escenarios en dos grupos.
Matemáticamente, tenemos una llamada partición de Ω, lo que significa que Ω = 𝐵: ∪ 𝐵; , y
los componentes están separados, lo que motiva la siguiente definición general.

Definición 3.5

Una familia 𝒫 = {𝐵® } de subconjuntos de Ω es una partición de Ω si 𝐵® ∩ 𝐵Ý = ∅ para 𝑖 ≠ 𝑗

y Ω = ⋃ 𝐵® .

La partición definida en el primer paso será denotada

𝒫f = {𝐵: , 𝐵; }.

Reunimos estos dos casos definiendo una variable aleatoria con dos notaciones que compiten,
equivalente ya que la partición 𝒫f está completamente determinada por 𝑆 (1),

40.416 si 𝜔 ∈ 𝐵: ,
𝔼(𝐻|𝒫f )(𝜔) = 𝔼r𝐻²𝑆(1)s(𝜔) = <
10.656 si 𝜔 ∈ 𝐵; .

Posición en el paso 2

Considere todos los movimientos de precios posibles en los primeros dos pasos. Hay cuatro
casos, que pueden describirse especificando una partición

𝒫 = {𝐵:: , 𝐵:; , 𝐵;: , 𝐵;; }

de Ω en cuatro conjuntos separados de caminos:

𝐵:: = {𝑢𝑢𝑢, 𝑢𝑢𝑑 },

𝐵:; = {𝑢𝑑𝑢, 𝑢𝑑𝑑 },
𝐵;: = {𝑑𝑢𝑢, 𝑑𝑢𝑑 },
 𝐵;; = {𝑑𝑑𝑢, 𝑑𝑑𝑑 }.

Cada uno de estos está equipado con probabilidades definidas como antes. Observe el efecto
de la cancelación mencionada anteriormente y observe, por ejemplo, que 𝑃(𝐵:; ) =
𝑝(1 − 𝑝) así que 𝑃:; (𝑢𝑑𝑢) = 𝑝, 𝑃;: (𝑢𝑑𝑑 ) = 1 − 𝑝 y en cada caso tenemos un conocido
árbol binomial de un solo paso.

Como antes, calculamos el valor esperado de 𝐻 en cada caso. Claramente

𝔼(𝐻|𝐵:: ) = 55.52,
𝔼(𝐻|𝐵:; ) = 17.76,
𝔼(𝐻|𝐵;: ) = 17.76,
𝔼(𝐻|𝐵;; ) = 0,

por lo tanto
55.52 si 𝜔 ∈ 𝐵:: ,
𝔼(𝐻|𝒫 )(𝜔) = ã17.76 si 𝜔 ∈ 𝐵:; ∪ 𝐵;: ,
0 si 𝜔 ∈ 𝐵;; .

Observación 3.6

Podemos ver que para los precios medios obtenemos el mismo valor en cada uno de los dos
conjuntos correspondientes y, por lo tanto, podríamos emplear la notación alternativa, más
intuitiva, 𝔼r𝐻²𝑆(2)s. Para este fin, tenga en cuenta que la partición generada por los valores
de 𝑆(2) es diferente de la partición relacionada con la historia de los movimientos en los dos
primeros pasos, que se presentó anteriormente. La partición generada por 𝑆(2) consta de solo
tres elementos: 𝐵:: , 𝐵:; ∪ 𝐵;: , 𝐵;; , y la variable aleatoria 𝔼r𝐻²𝑆(2)s toma tres valores. El
hecho de que los valores 𝔼(𝐻|𝐵:; ), 𝔼(𝐻|𝐵;: ) coincidan da la equivalencia de estos dos
enfoques en este caso, pero este no tiene que ser el caso en general.

Los valores reales de 𝑆 (2) son irrelevantes para definir la esperanza condicional, ya que no
aparecen en los cálculos. Lo que importa es la partición relacionada con estos valores, que
solo juegan el papel de discernir o diferenciar.

Posición en el paso 3

Dado el conocimiento de los tres pasos, conoceremos el pago real. El análisis anterior se
puede realizar formalmente para la partición.

𝒫Ê = {𝐵::: , … , 𝐵;;; }

de Ω en partes de un solo elemento sin aleatoriedad y conclusión obvia de que

𝔼(𝐻|𝒫Ê ) = 𝐻

Estamos en condiciones de dar una definición general.

Definición 3.7

Para cualquier variable aleatoria 𝑋 y cualquier evento 𝐵 tal que 𝑃(𝐵) ≠ 0, la esperanza
condicional de 𝑋 dado 𝐵 se define por

𝔼(𝑋|𝐵 ) = Í 𝑋 (𝜔)𝑃(𝜔|𝐵)
Û∈Ï

f
donde 𝑃(𝜔|𝐵) = ©(,) 𝑃 (𝜔) para 𝜔 ∈ B y 𝑃 (𝜔|𝐵) = 0 de lo contrario. Dada una partición
𝒫 = {𝐵® }, la definición anterior aplicada a cada 𝐵® , da una función definida para cada 𝜔 ∈ Ω,
constante en cada 𝐵® ,
𝔼(𝑋|𝒫 ): Ω → ℝ
asignando
𝐵® ∋ 𝜔 ⟶ 𝔼(𝑋|𝐵® ).

Esta variable aleatoria se llama la esperanza condicional de 𝑋 con respecto a la partición

{𝐵® }.

Las propiedades de 𝔼(𝑋|𝒫 ) se discuten en una configuración general en el siguiente capítulo.

Aquí continuamos el análisis de los árboles binomiales.

3.3 Propiedades de martingala

En el modelo de un solo paso, una martingala era simplemente un proceso con esperanza
constante. Con muchos pasos, esta noción es más sofisticada y comenzamos con un ejemplo.

Precios de acciones con descuento

Trabajamos con el caso de tres pasos como en la sección anterior, e introducimos la escritura
de precios de acciones con descuento

𝑆g(𝑛) = 𝑆 (𝑛)(1 + 𝑅)eê

•e•
Recuerde que en el modelo de un solo paso cambiamos la probabilidad a 𝑞 = Že• y
obtuvimos, para la probabilidad 𝑄 = {𝑞, 1 − 𝑞 } definida en {𝑢, 𝑑 }, que

𝑆: 𝑆;
𝔼” }𝑆g(1)~ = 𝑞 + (1 − 𝑞 ) = 𝑆 (0).
1+𝑅 1+𝑅

En el modelo de tres pasos, la probabilidad 𝑄 se define en subconjuntos de Ω = {𝑢, 𝑑 }Ê de la

misma manera que se definió 𝑃 mediante 𝑝. Por ejemplo, 𝑄 (𝑢𝑑𝑢) = 𝑞 (1 − 𝑞 ) y luego
𝑄({𝜔: 𝑆 (1)(𝜔) = 𝑆 : }) = 𝑄(𝐵: ) = 𝑞. Tomando una partición trivial 𝒫š = {Ω} y notando
que la esperanza condicional con respecto a 𝒫š coincide con la esperanza que tenemos
 1
𝔼” (𝑋|𝒫š ) = 𝔼” (𝑋|Ω) = [𝑞𝑋 : + (1 − 𝑞 )𝑋 ; ] = 𝔼” (𝑋)
𝑃 ( Ω)

para cualquier variable aleatoria, podemos escribir la relación anterior de una manera
elegante
𝔼” r𝑆g (1)²𝒫š s = 𝑆 (0).

A continuación, calculamos 𝔼” r𝑆g (2)²𝒫f s que requiere encontrar 𝔼” r𝑆g(2)²𝐵: s y

𝔼” r𝑆g (2)²𝐵; s. Ahora

1 1
𝔼” r𝑆g (2)²𝐵: s = [𝑞 𝑆 :: + 𝑞 (1 − 𝑞 )𝑆 :; ]
𝑄(𝐵: ) (1 + 𝑅)

1
= [𝑞𝑆 : (1 + 𝑈) + (1 − 𝑞 )𝑆 : (1 + 𝐷)] dado que 𝑄(𝐵: ) = 𝑞
(1 + 𝑅 )

1
= 𝑆 : (1 + 𝑅) dado que 𝑞𝑈 + (1 − 𝑞 )𝐷 = 𝑅
(1 + 𝑅 )

1
= 𝑆:
1+𝑅
y similarmente

1
𝔼” r𝑆g(2)²𝐵; s = 𝑆;
1+𝑅

Poniendo estos juntos tenemos

𝔼” r𝑆g(2)²𝒫f s = 𝑆g(1)

El paso final es encontrar 𝔼” r𝑆g(3)²𝒫 s; simplemente consideramos uno de los cuatro casos
en detalle
1 1
𝔼” r𝑆g(3)²𝐵:: s = [𝑞 Ê 𝑆 ::: + 𝑞 (1 − 𝑞 )𝑆 ::; ]
𝑄(𝐵:: ) (1 + 𝑅)Ê

1
= [𝑞𝑆 :: (1 + 𝑈) + (1 − 𝑞 )𝑆 :: (1 + 𝐷)] dado que 𝑄(𝐵:: ) = 𝑞
(1 + 𝑅 )Ê

1
= 𝑆 :: (1 + 𝑅) dado que 𝑞𝑈 + (1 − 𝑞 )𝐷 = 𝑅
(1 + 𝑅 )Ê

1
= 𝑆 :: ,
(1 + 𝑅 )

con la conclusión
 𝔼” r𝑆g (3)²𝒫 s = 𝑆g (3).

Estamos listos para una definición general.

Definición 3.8

Una sucesión r𝑀(𝑛)sêä4 de variables aleatorias definidas en Ω es una martingala para la

filtración (𝒫ê )êä4 y la probabilidad 𝑃 si

𝔼© (𝑀(𝑛)|𝒫êef ) = 𝑀(𝑛 − 1)

Así que los precios de las acciones con descuento siguen una martingala con respecto a 𝑄
para 𝑛 = 0,1,2,3 y más adelante veremos que, por supuesto, esto es cierto para cualquier
número de pasos.

Ejercicio 3.4 Ilustre la propiedad martingala de los precios de las acciones bajo la
probabilidad neutral de riesgo mediante cálculos numéricos.

Estrategias y precios

Supongamos que invertimos 𝑉 (0), eligiendo las posiciones de stock 𝑥(𝑛), 𝑛 = 1,2,3 con
𝑥(1) decidida en el tiempo 0, por lo tanto constante, 𝑥(2) decidida en el tiempo 1, siendo así
variable aleatoria con dos valores 𝑥 : (2), 𝑥 ; (2) y 𝑥(2) decididos en el momento 2 sobre la
base de la información proporcionada por los precios de las acciones. La posición sin riesgo
se elige de acuerdo con el principio de autofinanciamiento.

𝑉 (0) − 𝑥 (1)𝑆 (0)

𝑦 (1) = ,
𝐴 (0)

𝑉(M,N) (1) − 𝑥(2)𝑆(1)

𝑦 (2) = ,
𝐴 (1)

𝑉(M,N) (2) − 𝑥(3)𝑆(2)

𝑦 (3) = ,
𝐴 (2)

donde debemos recordar que las dos últimas líneas representan igualdades entre variables
aleatorias.

Mostraremos que los valores de estrategia descontados tienen la propiedad martingala.

Primero
1
𝔼” r𝑉d(M,N) (1)²𝒫š s = {𝑞[𝑥(1)𝑆 : + 𝑦(1)𝐴(1)] + (1 − 𝑞 )[𝑥(1)𝑆 ; + 𝑦(1)𝐴(1)]}
1+𝑅
1
= 𝑥(1)[𝑞𝑆(0)(1 + 𝑈) + (1 − 𝑞 )𝑆(0)(1 + 𝐷)] + 𝑦(1)𝐴(0)
1+𝑅
 = 𝑥(1)𝑆(0) + 𝑦(1)𝐴(0) = 𝑉 (0)

A continuación, para encontrar 𝔼” r𝑉d(M,N) (2)²𝒫f s calculamos.

𝔼” r𝑉d(M,N) (2)²𝐵: s
1 1
= {𝑞 [𝑥 : (2)𝑆 :: + 𝑦 : (2)𝐴(2)]
(1 + 𝑅) 𝑃(𝐵: )
+ 𝑞 (1 − 𝑞 )[𝑥 : (2)𝑆 :; + 𝑦 : (2)𝐴(2)]} dado que 𝑃(𝐵: ) = 𝑞

1 1
= 𝑥 : (2)[𝑞𝑆 :: + (1 − 𝑞 )𝑆 :; ] + 𝑦 : (2)𝐴(1)
(1 + 𝑅 ) 1+𝑅

1 1
= 𝑥 : (2)𝑆 : (1 + 𝑅) + 𝑦 : (2)𝐴(1)
(1 + 𝑅 ) 1+𝑅

1
= [𝑥 : (2)𝑆 : + 𝑦 : (2)𝐴(1)]
1+𝑅

= 𝑉d : (1)

habiendo insertado 𝑦(2). Además de la propiedad de martingala de un solo paso, los puntos
clave aquí son que 𝑥 : (2) es constante en 𝐵: , con el mismo valor en cada uno de los dos
casos, y la propiedad de autofinanciamiento, según lo capturado por la forma del componente
libre de riesgo.

Claramente, se pueden realizar análisis similares para 𝐵; y en todos los casos en el momento
2 y así, para 𝑛 = 0,1,2, hemos demostrado que

𝔼” r𝑉d(M,N) (𝑛 + 1)²𝒫ê s = 𝑉d(M,N) (𝑛)

Como consecuencia inmediata, tenemos la propiedad martingala del proceso de precios de

las opciones, ya que son valores de la estrategia de replicación.

Ejercicio 3.5 Tome 𝑁 = 3 y deje que 𝑆(0) = 100, 𝑈 = 20%, 𝐷 = −10%, 𝑅 = 5%.
Considere una call con precio de ejercicio 𝐾 = 100 en el momento 3 y encuentre el proceso
𝐶 (𝑛).

Ejercicio 3.6 Considere la filtración generada por la secuencia 𝐶 (𝑛), 𝑛 = 0,1,2. Encuentre
los parámetros de manera que sean idénticos a la filtración generada por los precios de las
acciones. ¿Podemos tener una filtración constante 𝒫š = 𝒫f = 𝒫 ?

La propiedad final del proceso de valor descontado que necesitaremos es que para 𝑛 =
0,1,2,3,
𝔼” }𝑉d(M,N) (𝑛)~ = 𝑉 (0)
Esto implicará, en particular, que

1
𝐶 (0) = 𝔼 ((𝑆(3) − 𝐾 )o )
(1 + 𝑅 )Ê ”

Ya tenemos este resultado para 𝑛 = 1, y solo analizamos el caso 𝑛 = 2 para ver el patrón
general, dejando el resto al lector:

1
𝔼” }𝑉d(M,N) (2)~ = [𝑞 𝑉 :: + 𝑞(1 − 𝑞 )𝑉 :; + (1 − 𝑞 )𝑞𝑉 ;: + (1 − 𝑞 ) 𝑉 ;; ]
(1 + 𝑅 )

1
= {𝑞 [𝑞𝑉 :: + (1 − 𝑞 )𝑉 :; ] + (1 − 𝑞 )[𝑞𝑉 ;: + (1 − 𝑞 )𝑉 ;; ]}
(1 + 𝑅 )

y así
𝑞𝑉 :: + (1 − 𝑞 )𝑉 :;
= 𝑞𝑥 : (2)𝑆 :: + 𝑞𝑦 : (2)𝐴(2) + (1 − 𝑞 )𝑥 : (2)𝑆 :; + (1 − 𝑞 )𝑦 : (2)𝐴(2)

= 𝑥 : (2)[𝑞𝑆 :: + (1 − 𝑞 )𝑆 :; ] + 𝑦 : (2)𝐴(2)

= 𝑥 : (2)𝑆 : (1 + 𝑅) + 𝑦 : (2)𝐴(1)(1 + 𝑅)

= 𝑉 : (1 + 𝑅) por la propiedad de autofinanciamiento

𝑞𝑉 ;: + (1 − 𝑞 )𝑉 ;; = 𝑉 ; (1 + 𝑅) similarmente

tal que
1
𝔼” }𝑉d(M,N) (2)~ = [𝑞𝑉 : + (1 − 𝑞 )𝑉 ; ]
1+𝑅

= 𝔼” }𝑉d(M,N) (1)~

= 𝑉 (0)

3.4 El modelo de Cox-Ross-Rubinstein

Generalizamos el análisis anterior extendiendo el esquema a 𝑁 pasos. Asumimos que el
comercio ocurre en muchas fechas especificadas. Indique el intervalo de tiempo entre las
fechas de negociación por ℎ, de modo que la negociación se realice en los tiempos 𝑡 = 𝑛ℎ,
𝑛 = 1, 2, … , 𝑁.

Introducimos el espacio de muestra para el modelo de 𝑁 pasos exactamente como se hizo

para 𝑛 = 2, 3. A saber, establecimos Ω = {𝑢, 𝑑 }4 y, de acuerdo con los casos anteriores, para
𝜔 en Ω la probabilidad tomará la forma
 𝑃(𝜔) = 𝑝ç (1 − 𝑝)4eç

Cada 𝜔 en Ω (llamado ruta) es una secuencia de longitud 𝑁 que consta de 𝑢′𝑠 y 𝑑′𝑠. Todas
las rutas 𝜔 con 𝑘 ocurrencias de 𝑢 tienen la probabilidad anterior, y la probabilidad de este
conjunto de rutas es
𝑁
{ | 𝑝ç (1 − 𝑝)4eç
𝑘

Para 𝑛 ≤ 𝑁, las divisiones binomiales inducen una partición de Ω en 2ê conjuntos disjuntos:

𝒫ê = {𝐵::…: , … , 𝐵;;…; }, donde cada conjunto de la partición tiene un subíndice de la 𝑛-upla
que consta de 𝑢′𝑠 y 𝑑′𝑠, de modo que en cada conjunto de rutas 𝜔 tienen sus primeras 𝑛
entradas en común. Vemos (como es obvio en los ejemplos anteriores) que para 𝑛 ≤ 𝑁, cada
conjunto en la partición 𝒫ê es una unión (disjunta) de dos conjuntos en 𝒫êof , al igual que
para 𝑁 = 3, 𝐵: = 𝐵:: ∪ 𝐵:; . Más generalmente, decimos que una sucesión de particiones
(𝒫ê )êä4 se está refinando si, para cada 𝑛 ≤ 𝑁, 𝒫ê es una unión finita de conjuntos en 𝒫êof .

Arregle dos números −1 < 𝐷 < 𝑈 para representar los retornos aleatorios en cada paso
definido por

𝑈 con probabilidad 𝑝
𝐾ê = <
𝐷 con probabilidad 1 − 𝑝

De nuevo, 𝐾ê actúa solo en la entrada 𝑛 de la sucesión que define la ruta. Notamos que estos
retornos son independientes, en el sentido que se describe en el siguiente comentario.

Observación 3.9

Las variables aleatorias {𝐾ê ∶ 𝑛 = 1,2, … , 𝑁} definida en Ω = {𝑢, 𝑑 }4 son independientes.

Con esto queremos decir que para cualquier subconjunto {𝑖f , … , 𝑖ç } de índices de {1, … , 𝑁}
y cualquier real 𝑥f , … , 𝑥ç , tenemos

ç ç

𝑃 8) 9𝐾®ú = 𝑥Ý :; = + 𝑃 }𝐾®ú = 𝑥Ý ~.
ÝÎf ÝÎf

De nuevo, esto es fácil de ver en la definición de 𝐾ê (ver también el Ejercicio 3.2).

Supongamos que 𝑆(0) se da, mientras

𝑆 (𝑛) = 𝑆(𝑛 − 1)(1 + 𝐾ê ).

lo que significa que los precios de las acciones siguen un árbol binomial recombinante.

Además de mantener un stock, podemos invertir en una cuenta del mercado monetario, que
tomamos como garantía fabricada por una serie de depósitos únicos sin riesgo, con un
rendimiento de 𝑅 por período, que se supone constante en todo momento. Así que tenemos
una sucesión de números, conocida de antemano, con 𝐴(0) dada (frecuentemente tomaremos
𝐴(0) = 1 para simplificar), y
𝐴(𝑛) = 𝐴(𝑛 − 1)(1 + 𝑅)

para 𝑛 = 1, … , 𝑁. Para evitar el arbitraje, asumimos que 𝐷 < 𝑅 < 𝑈, como hicimos en el
caso de un solo paso.

La propiedad clave observada para un modelo de tres pasos se puede ampliar fácilmente.

Teorema 3.10
La sucesión de precios de acciones descontados en el modelo binomial es una martingala
con respecto a la filtración 𝒫ê y la probabilidad 𝑄.

Prueba El argumento clave, que se repite en cada uno de los casos anteriores, tiene que ver
con examinar los dos precios de los siguientes pasos en cada nodo y calcular sus esperanzas
exactamente como para un solo paso. Esto se puede resumir de la siguiente manera: para 𝐵 ∈
𝒫ê en 𝑛 = 0,1,2, … , 𝑁 − 1,

𝑄(𝑆(𝑛 + 1) = 𝑆 (𝑛)(1 + 𝑈)|𝐵) = 𝑞,

𝑄(𝑆(𝑛 + 1) = 𝑆(𝑛)(1 + 𝐷)|𝐵) = 1 − 𝑞,

•e• Že•
y dado 𝑞 = Že•, y así 1 − 𝑞 = Že• obtenemos

𝑅−𝐷 𝑈−𝑅
𝔼” (𝑆 (𝑛 + 1)|𝒫ê ) = 𝑆(𝑛)(1 + 𝑈) + 𝑆(𝑛)(1 + 𝐷)
𝑈−𝐷 𝑈−𝐷

= 𝑆(𝑛)(1 + 𝑅)

lo que da el resultado al descontar.

Las observaciones anteriores nos llevan al siguiente teorema.

Teorema 3.11
En el modelo binomial, los precios descontados de un valor derivado con un pago dado
𝐻 (𝑁) se dan, bajo la probabilidad de martingala, por las relaciones recursivas

Ë (𝑛 − 1) = 𝔼” r𝐻
𝐻 Ë (𝑛)²𝒫êef s

para 𝑛 = 1,2, … , 𝑁. En particular, el precio inicial está dado por

𝐻 (0) = (1 + 𝑅)e4 𝔼” r𝐻(𝑁)s.

Prueba En el modelo binomial podemos replicar el pago final por una serie de pasos,
retrocediendo en el tiempo. Los valores de tal estrategia claramente dan precios de no
arbitraje en cualquier momento y cualquier posición del árbol. Pero, si el precio 𝐻 (𝑛) fuera
diferente de 𝑉 (𝑛) en algún, construiríamos un arbitraje sin hacer nada hasta 𝑛 (tomando
𝑥(𝑘) = 0, y 𝑦(𝑘) = 0 para 𝑘 < 𝑛), y en el momento 𝑛 acortando lo costoso y comprando la
seguridad barata. Manteniendo esto hasta la madurez, mantendríamos la diferencia, ya que,
en la madurez, la replicación garantiza que no tendremos pérdidas. (Estrictamente hablando,
el superávit debe invertirse en la cuenta del mercado monetario).

Una estrategia de replicación es la autofinanciación por su propia construcción. Para ver que
es "predecible", tenga en cuenta que el número 𝑥(1) calculado en el momento 0 es la fracción

𝐻: − 𝐻;
𝑥 (1) =
𝑆: − 𝑆;

Entonces 𝑥(1) es un número determinista. Luego, por inducción, 𝑥(𝑛 + 1) incluirá todos los
valores de 𝐻 y 𝑆 en el tiempo 𝑛 + 1, por lo que solo dependerá de la posición en el árbol en
el momento 𝑛 cuando se realice el cálculo. Esto significa que 𝑥 (𝑛 + 1) dependerá de 𝑛
primeros elementos de la 𝑁-upla 𝜔 y, por lo tanto, se conocerá en el momento 𝑛.

Finalmente, sabemos que 𝑉d (𝑛) y, por lo tanto, 𝐻Ë (𝑛) debe ser una martingala bajo 𝑄 y la
afirmación se deriva de la condición de martingala

𝔼” r𝑉d (𝑛)²𝒫êef s = 𝑉d (𝑛 − 1)

después de multiplicar ambos lados por (1 + 𝑅)êef .

Si la variable aleatoria 𝐻 (𝑁) tiene la siguiente forma

𝐻 (𝑁) = ℎr𝑆(𝑁)s
entonces podemos escribir
𝐻 (𝑁) = ℎ(𝑆(0)(1 + 𝑈)° (1 + 𝐷)4e° )

donde 𝑌 es una variable aleatoria que da el número de movimientos ascendentes en 𝑁 pasos.

Por lo tanto
4
𝑁
𝐻 (0) = (1 + 𝑅 )e4 Í { | 𝑞 ç (1 − 𝑞 )4eç ℎ(𝑆(0)(1 + 𝑈)° (1 + 𝐷)4e° ).
𝑘
çΚ

Ejemplo 3.12 La fórmula CRR

En particular, para la opción de compra europea con strike 𝐾, esta suma comienza en el
primer entero en el que el pago es distinto de cero.
 4
𝑁
𝐻 (0) = (1 + 𝑅 )e4 Í { | 𝑞 ç (1 − 𝑞 )4eç (𝑆(0)(1 + 𝑈)° (1 + 𝐷)4e° − 𝐾 )
𝑘
çÎ<
donde
𝑙 = min{𝑘 ∶ 𝑆 (0)(1 + 𝑈)° (1 + 𝐷)4e° > 𝐾 }.

A esta fórmula se le puede dar una forma concisa. Primero reconocer dos términos a la
derecha
4
𝑁
𝐻 (0) = (1 + 𝑅 )e4 𝑆(0) Í { | 𝑞 ç (1 − 𝑞 )4eç (1 + 𝑈)° (1 + 𝐷)4e°
𝑘
çÎ<
4
𝑁
− (1 + 𝑅 )e4 𝐾 Í { | 𝑞 ç (1 − 𝑞 )4eç .
𝑘
çÎ<

El segundo término se puede escribir como

−(1 + 𝑅)e4 𝐾 }1 − 𝐹= (𝑙 − 1)~

donde 𝐹= es la función de distribución acumulativa de la distribución binomial,

4
𝑁
𝐹= (𝑛) = Í { | 𝑞 ç (1 − 𝑞 )4eç
𝑘
çΚ

El primer término se puede reorganizar como

4 4eç
𝑁 1+𝑈 ç 1+𝐷
𝑆 (0) Í { | {𝑞 | $(1 − 𝑞 ) %
𝑘 1+𝑅 1+𝑅
çÎ<

escriba
1+𝑈
𝑞f = 𝑞
1+𝑅
tal que
1 + 𝑅 − 𝑞 − 𝑞𝑈 (1 − 𝑞 ) + (𝑅 − 𝑞𝑈)
1 − 𝑞f = =
1+𝑅 1+𝑅

y, dado que 𝑞𝑈 + (1 − 𝑞 )𝐷 = 𝑅, tenemos

1+𝐷
1 − 𝑞f = (1 − 𝑞 ) .
1+𝑅

El primer término de arriba toma la forma

 4
𝑁
𝑆 (0) Í { | 𝑞fç (1 − 𝑞f )4eç = 𝑆 (0) }1 − 𝐹=³ (𝑙 − 1)~
𝑘
çÎ<

usando la función de distribución de nuevo. Finalmente

𝐶 (0) = 𝑆 (0) }1 − 𝐹=³ (𝑙 − 1)~ − −(1 + 𝑅)e4 𝐾 }1 − 𝐹= (𝑙 − 1)~.

Esta es la fórmula de Cox-Ross-Rubinstein (CRR) para el precio inicial de una opción de

compra europea. (Muchos textos prefieren indicar esta fórmula en términos de la distribución
binomial complementaria Ψ, donde
4
𝑁Ç ç
Ψ(𝑙, 𝑁, 𝑟) = 1 − 𝐹Ç (𝑙 − 1) = Í { | 𝑟 (1 − 𝑟)4eç
𝑘
çÎ<

para 0 < 𝑟 < 1

El coeficiente en 𝑆 (0) tiene un significado claro: es la probabilidad de que la opción se ejerza,

calculada por medio de la probabilidad de martingala modificada 𝑞f .

En el segundo término, el precio de ejercicio se descuenta, lo cual es lógico ya que el precio

de ejercicio 𝐾 es válido en el momento 𝑁, pero la fórmula se refiere a los precios actuales.
El coeficiente en el 𝐾 descontado da la probabilidad martingala de que la opción se ejerza.

Los siguientes tres ejercicios ilustran aplicaciones adicionales del análisis anterior.

Las opciones asiáticas vienen en muchas variedades. El principio rector es que la recompensa
debe representar un promedio de los precios del subyacente hasta el horizonte de negociación
𝑁. Esas opciones son populares en los mercados de productos básicos, por ejemplo, para
protegerse contra la manipulación de precios cerca del horizonte de negociación.

Consideramos un ejemplo de una opción de ataque fijo donde el subyacente se da como el

f
promedio aritmético, 𝐴(𝑛) = 4 ∑4
çΚ 𝑆(𝑘 ), de los valores de los activos, de modo que el pago
adquiera la forma 𝐻 (𝑁) = max{𝐴(𝑁) − 𝐾, 0}.

Ejercicio 3.7 Encuentre el proceso de precios de la opción asiática con pago 𝐻(5) =
f
max 9? ∑@çΚ 𝑆(𝑘) − 𝐾, 0: donde 𝑆(0) = 60, 𝑈 = 12%, 𝑈 = −6%, 𝑅 = 4%, 𝐾 = 62.

Ejercicio 3.8 Una combinación popular de una llamada y una opción de venta es una
combinación inferior, que implica comprar ambas opciones con el mismo precio de
ejercicio 𝐾 y con vencimiento 𝑁. Verifique que la función de pago esté dada por 𝐻 (𝑁) =
|𝑆(𝑁) − 𝐾|. Con los datos del ejercicio anterior, calcule los precios y los valores de la
estrategia de cobertura para un straddle con vencimiento 𝑁 = 5, eso es, considere 𝐻 (5) =
|𝑆(5) − 𝐾|. Encontrar los precios de la seguridad con pago 𝐻 (5) = 1 si 𝑆 (5) ≥ 𝐾 y 𝐻 (5) =
0 de lo contrario.

Ejercicio 3.9 Un asesor financiero selecciona una acción y recibe un bono de 100 por cada
movimiento ascendente de los precios de las acciones pagaderos en el momento 5. Encuentre
el proceso de valores de este bono considerado como un derivado (use los mismos parámetros
que en los ejercicios anteriores).

3.5 Cobertura delta

Pongámonos en la posición de un escritor de opciones que haya vendido una llamada con
tiempo de ejercicio 𝑁 = 3 por el precio sin arbitraje resultante del modelo binomial con 𝑈 =
20%, 𝐷 = −10%, 𝑆 (0) = 100 con 𝑅 = 10%, con un precio de ejercicio de 𝐾 = 105. El
precio se puede calcular fácilmente mediante la fórmula CRR: 𝐶 (0) = 23.31.

Estamos expuestos a algún riesgo. Por ejemplo, si las acciones siguen subiendo en cada
período, tendremos que pagarle al tenedor de la opción la suma de 67.80. Por supuesto, si
las acciones bajan, mantendremos el precio que hemos cobrado. Para asegurarnos de nuestra
posición, nos embarcamos en la cobertura, que se reduce a replicar la opción mediante una
estrategia adecuada.

Sin embargo, no tenemos que construir todo el árbol de portales de replicación trabajando
hacia atrás desde el pago. Esto sería simple en el caso considerado aquí, pero para árboles
grandes, con muchos instantes de tiempo, podría complicarse excesivamente. En su lugar,
trabajamos paso a paso desde el principio, siguiendo la ruta de los cambios reales en las
existencias y sin molestarnos en analizar todos los escenarios.

Nuestra primera cartera requiere encontrar los precios de las llamadas en el momento 1 para
los cuales usamos nuevamente la fórmula CRR:

33.94
𝐶 (1) = 9
9.04

y luego calculando el coeficiente delta, (es decir, la relación de los cambios de precio en un
solo paso en opción y stock) que, como hemos visto, da a nuestra posición de stock 𝑥 (1):

33.94 − 9.04
𝑥 (1) = = 0.83
120 − 90

lo que significa que tenemos que comprar esta fracción de una acción. Esto nos permite
completar el portafolio tomando

𝑦(1) = 23.31 − 0.83 × 100 = −59.70

lo que significa pedir prestado este dinero para tener cero saldos iniciales.
Ahora supongamos que la acción sube. El nuevo delta basado en dos precios de opción en el
momento 2 es

48.55 − 14.91
𝑥 : (2) = = 0.93
144 − 108
lo que significa que tenemos que comprar más stock (donde usamos nuestra convención,
agregando excepcionalmente el tiempo para mayor claridad). Nuestra posición en el mercado
monetario también incluye el interés agregado a la deuda.

𝑦 : (2) = 𝑦(1)(1 + 𝑟) + [𝑥 : (2) − 𝑥(1)] × 𝑆 : (1) = −78.18

A continuación, supongamos que las acciones bajan, y tenemos

24.60 − 0
𝑥 :; (3) = = 0.76
129.60 − 97.20

lo que significa que es hora de vender la fracción 0.93 − 0.76 = 0.17 de una acción con el
resultado de que nuestra posición en el mercado monetario se convierta en

𝑦 :; (3) = −67.09

En el siguiente instante se ejercerá la opción.

Supongamos que la acción sube y 𝑆 :;: = 129.60. Le debemos al titular de la opción la suma
129.60 − 105 = 24.60. Le debemos al banco (posición negativa en el mercado monetario)
67.09 × (1 + 10%) = 73.80. Así que juntos tenemos que pagar 98.40. Poseemos 0.76 de
una acción por valor de 129.60, que vendemos y obtenemos 0.76 × 129.60 = 98.40 según
sea necesario.

Es fácil ver que siguiendo cualquier otro camino y realizando las actividades requeridas de
manera similar, terminaremos con cero, lo cual no es una sorpresa ya que los precios se
basaron en la replicación, y aquí acabamos de probar el esquema.

Ejercicio 3.10 Cree una modificación de los cálculos anteriores donde las acciones no sean
divisibles, es decir, la posición de la acción debe ser un integrador, pero usted ha vendido y
cubrirá un paquete de 10 opciones. ¿Cómo influirán los resultados en el precio inicial?

Observación 3.13
Vale la pena señalar que la población que tiene 𝑥(1) no es el coeficiente de 𝑆 (0) en la fórmula
CRR.
 4. Modelos generales de varios pasos.
4.1. Particiones y acondicionamiento.
4.2. Propiedades de la expectativa condicional.
4.3. Filtraciones y martingalas.
4.4. Estrategias comerciales y arbitraje.
4.5. Un modelo general de varios pasos.
4.6. Los teoremas fundamentales de la tasación de activos.
4.7. Selección y calibración de un modelo de precios.
4.8. Ejemplos de modelos de derivados.
4.9. Pruebas.

Sobre la base de nuestra experiencia con modelos binomiales, ahora formulamos un modelo
de mercado general con un espacio muestral finito y muchos pasos de tiempo discretos.
Comenzando con un modelo de stock único, como particiones o variables aleatorias,
filtraciones y martingalas, y derivar algunas de sus propiedades. Cuando describa las
estrategias comerciales de autofinanciamiento, predecibles y formule el principio de no
arbitraje para los modelos finitos generales. Finalmente, al pasar a un modelo de acciones
múltiples, los dos teoremas fundamentales de la fijación de precios de activos, que describen
la ausencia de arbitraje y la completez del mercado en términos de existencia y la singularidad
de las probabilidades de riesgo neutro, se prueban para modelos finitos de pasos múltiples.

4.1 Particiones y acondicionamiento.

Supongamos que se da un espacio muestral finito Ω = {𝜔f , 𝜔 , … , 𝜔Ú }, que permanece fijo
a lo largo de este capítulo. Fije una probabilidad 𝑃 en Ω con 𝑃({𝜔}) > 0 para todo 𝜔 en Ω.
Nuevamente escribimos 𝑃 (𝜔) para facilitar la notación. El principio de aditividad muestra
que 𝑃(𝐴) = ∑Û∈Ü 𝑃(𝜔) para cualquier 𝐴 ⊂ Ω, e insistimos en que 𝑃(Ω) = 1. Para cualquier
𝐵 ⊂ Ω no vacía, defina una nueva probabilidad 𝑃, (𝜔) = 𝑃(𝜔)⁄𝑃(𝐵) si 𝜔 ∈ 𝐵 y 0 de lo
contrario. Por lo tanto, 𝑃, (𝜔) = 1, y para cualquier 𝐴 ⊂ Ω, 𝑃, (𝐴) = 𝑃 (𝐴 ∩ 𝐵)⁄𝑃 (𝐵).
Llamamos a esto la probabilidad condicional de 𝐴 dado 𝐵.

Como en la Definición 3.7, para cualquier variable aleatoria 𝑋 y cualquier evento 𝐵 ⊂ Ω no

vacío, la esperanza condicional de 𝑋 dado 𝐵 se define por 𝔼(𝑋|𝐵) = ∑Û∈Ï 𝑋 (𝜔) 𝑃, (𝜔).

Sea 𝟏, el indicador del conjunto 𝐵. Tenemos

𝑃({𝜔} ∩ 𝐵)
Í 𝑋(𝜔)𝑃, (𝜔) = Í 𝑋 (𝜔)
𝑃 (𝐵 )
Û∈Ï Û∈Ï

1
= Í 𝑋 (𝜔 ) 𝑃 (𝜔 )
𝑃 (𝐵 )
Û∈Ï
 1
= Í 𝑋 ( 𝜔 ) 𝟏, ( 𝜔 ) 𝑃 ( 𝜔 )
𝑃 (𝐵 )
Û∈Ï

1
= 𝔼 ( 𝟏, 𝑋 )
𝑃 (𝐵 )
tal que
1
𝔼(𝑋|𝐵) = 𝔼(𝟏, 𝑋). (4.1)
𝑃 (𝐵 )

Recuerde la Definición 3.5: una partición de Ω es una sucesión de separación 𝒫 =

{𝐵® : 𝑖 ≤ 𝑘} finita y por pares de subconjuntos de Ω cuya unión es Ω. Al aplicar la construcción
anterior a cada 𝐵® se obtiene una variable aleatoria 𝔼(𝑋|𝒫 ): Ω → ℝ con un valor constante
𝔼(𝑋|𝐵® ) en 𝜔 ∈ 𝐵® para cada 𝑖 ≤ 𝑘. 𝔼(𝑋|𝒫) es la esperanza condicional de 𝑋 con respecto
a la partición 𝒫.

Aplicando (4.1), para 𝜔 ∈ 𝐵® , conseguimos para cada 𝑖 ≤ 𝑘,

1
𝔼(𝑋|𝒫 )(𝜔) = 𝔼r𝟏,é 𝑋s
𝑃 (𝐵® )

así que pegando estos juntos tenemos

ç
1
𝔼(𝑋|𝒫 ) = Í 𝟏,é 𝔼r𝟏,é 𝑋s. (4.2)
𝑃(𝐵® )
®Îf

Observación 4.1

Una partición 𝒫 se puede expandir a un campo ℱ formando todas las uniones posibles
(finitas) de elementos de 𝒫 y agregando el conjunto vacío:

ℱ = {∅} ∪ 9B 𝐵Ý : {𝐵f , 𝐵 , … } ⊂ 𝒫:

Este procedimiento puede ser revertido. Los elementos mínimos no vacíos de un campo ℱ
son sus átomos, que juntos desde una partición de Ω, dan el campo original por la expansión
anterior.

Ejemplo 4.2

Si 𝑋 es una variable aleatoria arbitraria sobre Ω e 𝑌 es una variable aleatoria con valores
posibles 𝑦f , 𝑦 , ..., 𝑦ç , entonces la esperanza condicional 𝔼(𝑋|𝑌) de 𝑋 dado 𝑌 es la esperanza
condicional de 𝑋 con respecto a la partición 𝒫 = {𝐵® }®äç donde 𝐵® = {𝜔: 𝑌(𝜔) = 𝑦® } para
que podamos escribir
 𝔼(𝑋|𝑌 ) = 𝔼(𝑋|𝑌 = 𝑦® ) si 𝑌 = 𝑦® para 𝑖 = 1,2, … , 𝑘

Observe que si 𝑌 es constante en un subconjunto de Ω, entonces 𝔼(𝑋|𝑌) también es constante

en ese subconjunto, y que los valores de 𝔼(𝑋|𝑌) dependen de los subconjuntos en los que 𝑌
es constante, y no en los valores reales de 𝑌. Para las variables aleatorias 𝑌 y 𝑊 que definen
la misma partición, siempre tendremos las mismas esperanzas condicionales

𝔼(𝑋|𝑌) = 𝔼(𝑋|𝑊 ).

Para las variables aleatorias 𝑉 y 𝑍 que definen diferentes particiones, en general tenemos

𝔼(𝑋|𝑉 ) ≠ 𝔼(𝑋|𝑍).

4.2 Propiedades de la esperanza condicional

Primero, tenga en cuenta que tomar la esperanza condicional es una operación lineal: para
cualquier variable aleatoria 𝑋f ,𝑋 ,𝑌 y cualquier número 𝑎, 𝑏 ∈ ℝ tenemos

𝔼(𝑎𝑋f + 𝑏𝑋 |𝑌) = 𝑎𝔼(𝑋f |𝑌) + 𝑏𝔼(𝑋 |𝑌).

Esto es evidente a partir de la definición y la linealidad de la esperanza habitual:

𝐿𝐻𝑆 = Í r𝑎𝑋f (𝜔) + 𝑏𝑋 (𝜔)s 𝑃, (𝜔)

Û∈Ï

= 𝑎 Í 𝑋f (𝜔) 𝑃, (𝜔) + 𝑏 Í 𝑋 (𝜔) 𝑃, (𝜔) = 𝑅𝐻𝑆.

Û∈Ï Û∈Ï

Proposición 4.3
La esperanza de la esperanza condicional es la misma que la esperanza.

𝔼r𝔼(𝑋|𝑌 )s = 𝔼(𝑋). (4.3)

Prueba. Denotando 𝐵ê = {𝜔: 𝑌 (𝜔) = 𝑦ê }, tenemos

𝔼r𝔼(𝑋|𝑌)s = Í 𝔼(𝑋|𝐵ê ) 𝑃 (𝐵ê ) (definición de esperanza)

1
=Í 𝔼 r𝑋𝟏,F s𝑃(𝐵ê ) (definición de esperanza condicional)
𝑃 (𝐵ê )
ê

= Í 𝔼r𝑋𝟏,F s
ê
 = 𝔼 (𝑋 Í 𝟏,F * (aditividad de la esperanza)
ê

= 𝔼(𝑋) (𝐵ê es una partición tal que Í 𝟏,F = 1*

ê

Este resultado puede interpretarse de la siguiente manera: el promedio de los promedios es

el mismo que el promedio general.

La propiedad (4.3) puede ser generalizada. Primero considere un ejemplo, usando las
variables aleatorias 𝑆(1) y 𝑆(2) especificadas para los dos primeros precios de acciones por
el modelo binomial no recombinante. La partición 𝒫f definida por 𝑆 (1) consta de dos
conjuntos 𝐵: , 𝐵; y la partición 𝒫 determinada por 𝑆 (2) de cuatro 𝐵:: , 𝐵:; , 𝐵;: , 𝐵;; (como
se definió en el capítulo anterior). Note que 𝐵: = 𝐵:: ∪ 𝐵:; , 𝐵; = 𝐵;: ∪ 𝐵;; . Decimos que
𝒫 es más fino que 𝒫f .En la práctica, esto significa que 𝑆(2) lleva más información que 𝑆 (1),
es decir, si se conoce el valor de 𝑆(2), entonces también conocemos el valor de 𝑆 (1).

Definición 4.4
Dadas dos particiones 𝒫f , 𝒫 , decimos que 𝒫 es más fino que 𝒫f si cada elemento de 𝒫f
puede representarse como una unión de algunos elementos de 𝒫 . De manera equivalente,
decimos que 𝒫f es más grueso que 𝒫 .

Observación 4.5
Si el árbol se está recombinando, la partición definida por 𝑆(2) no es más fina que la partición
generada por 𝑆 (1). El valor medio de 𝑆(2) no nos da la información sobre el primer precio,
ya que podemos llegar desde el estado ascendente y descendente. Una solución es definir la
partición 𝒫 de una manera diferente componiéndola de los conjuntos en los que tanto 𝑆(1)
como 𝑆(2) son constantes. Entonces 𝒫 es más fino que 𝒫f y toma 𝒫Ê definido por 𝑆(1),
𝑆(2) y 𝑆(3) vemos que 𝒫Ê es más fino que 𝒫 .

Proposición 4.6
Considere variables aleatorias discretas 𝑌, 𝑍 y suponga que 𝑌 define una partición más fina
que 𝑍. Entonces la siguiente fórmula es válida

𝔼r𝔼r(𝑋|𝑌)²𝑍s = 𝔼(𝑋|𝑍) (4.4)

Esto a menudo se conoce como la propiedad de la torre o la propiedad de esperanzas

iteradas.

Prueba. Es suficiente notar que el argumento usado en la proposición anterior se aplica a

cada conjunto {𝑍 = 𝑧® }. Más específicamente, escribimos 𝐶Ý = h𝑍 = 𝑧Ý i, 𝐵® = {𝑌 = 𝑦® }. La
partición {𝐵® }® es fina, tal que para cada 𝑗 podemos encontrar una colección 𝐼Ý de índices tales
que 𝐶Ý = ⋃®∈Gú 𝐵® . Para 𝜔 ∈ 𝐶Ý
 1
𝔼r𝔼r(𝑋|𝑌 )²𝑍s(𝜔) = 𝔼 }𝔼(𝑋|𝑌 )𝟏xú ~ rpor (4.1)s
𝑃r𝐶Ý s

1 1
= 𝔼 8Í 𝟏,é 𝔼r𝟏,é 𝑋s𝟏xú ; rpor (4.2)s
𝑃r𝐶Ý s 𝑃(𝐵® )
®∈Gú

1 1
= 𝔼 HÍ 𝟏,é 𝔼r𝟏,é 𝑋sI
𝑃r𝐶Ý s 𝑃 (𝐵® )
®∈Gú

dado que 𝐵® ⊂ 𝐶Ý tal que 𝟏,é 𝟏xú = 𝟏,é . A continuación, por la linealidad de la esperanza,
tenemos, además
1 1
= Í 𝔼r𝟏,é 𝑋s 𝔼r𝟏,é s
𝑃r𝐶Ý s 𝑃(𝐵® )
®∈Gú

1 1
= Í 𝔼r𝟏,é 𝑋s 𝑃r𝟏,é s }𝑑𝑎𝑑𝑜 𝑞𝑢𝑒 𝔼r𝟏,é s = 𝑃r𝟏,é s~
𝑃r𝐶Ý s 𝑃 (𝐵® )
®∈Gú

1
= 𝔼 }𝟏xú 𝑋~ 8𝑑𝑎𝑑𝑜 𝑞𝑢𝑒 𝟏xú = Í 𝟏,é ;
𝑃r𝐶Ý s
®∈Gú

= 𝔼(𝑋|𝑍)(𝜔) como se afirma.

Proposición 4.7
Suponga que la partición definida por 𝑌 es más fina que la definida por 𝑍. En este caso, la
siguiente fórmula es válida

𝔼(𝑍𝑋|𝑌) = 𝑍𝔼(𝑋|𝑌) (4.5)

Esto a menudo se conoce como "sacar lo que se conoce".

Prueba. Fije un elemento 𝐵 de la partición generada por 𝑌 y observe que 𝑍 es constante en

𝐵 tomando el valor 𝑧, digamos. Entonces

𝔼(𝑍𝑋|𝐵) = Í 𝑍(𝜔) 𝑋(𝜔)𝑃, (𝜔)

Û∈,

= Í 𝑧 𝑋 (𝜔)𝑃, (𝜔)
Û∈,
 = 𝑧 Í 𝑋 (𝜔)𝑃, (𝜔)
Û∈,

= 𝑧𝔼(𝑋|𝐵)

así que el resultado se mantiene en 𝐵. Al unir la fórmula obtenida para cada 𝐵, hemos
demostrado nuestra afirmación.

La intuición detrás de este resultado es que una vez que se conoce el valor de 𝑌, también
conoceremos el valor de 𝑍 y, por lo tanto, podemos tratarlo como si fuera un número, en
lugar de una variable aleatoria, moviéndolo por delante de la esperanza. En particular, para
𝑋 ≡ 1, tenemos 𝔼(𝑍|𝑌) = 𝑍.

La propiedad final extiende la característica familiar de los eventos independientes, a saber,

el hecho de que la probabilidad condicional de un evento 𝐴 no es sensible con respecto a 𝐵
independiente de 𝐴, específicamente, 𝑃, (𝐴) = 𝑃 (𝐴) como notamos antes.

Proposición 4.8
Si 𝑌 y 𝑍 son variables aleatorias independientes, entonces

𝔼(𝑌|𝑍) = 𝔼(𝑌) y 𝔼(𝑍|𝑌) = 𝔼(𝑍)

Prueba. Tome un elemento 𝐵 de la partición generada por 𝑍 y suponga que en el conjunto

𝐵 la variable aleatoria 𝑌 toma los valores 𝑦f , … , 𝑦ç . Entonces
ç

𝔼(𝑌|𝑍) = Í 𝑦® 𝑃, (𝑌 = 𝑦® )
®Îf

= Í 𝑦® 𝑃 (𝑌 = 𝑦® ) (por independencia)
®Îf

= 𝔼( 𝑌 )

con la misma prueba para la segunda identidad.

4.3 Filtraciones y martingalas

El ejemplo 4.2 sugiere una definición formal:

Definición 4.9
Sea 𝑋 una variable aleatoria definida en Ω = {𝜔f , … , 𝜔Ú }, tomando valores distintos
{𝑥f , … , 𝑥ç }. La partición determinada por 𝑋 es la familia de conjuntos 𝒫¤ = {𝐵® }ç®Îf definida
por
𝐵® = {𝜔: 𝑋(𝜔) = 𝑥® }.

La idea es que descompongamos el conjunto Ω en partes disjuntas por pares en las que X es
constante.

Considere dos variables aleatorias, 𝑋, 𝑌, donde 𝑋 toma valores {𝑥f , … , 𝑥ç } e 𝑌 toma valores
{𝑥f , … , 𝑥< }. Primero construya la partición 𝒫¤ definida por 𝑋, luego descomponga cada
elemento 𝐵® de acuerdo con los valores tomados por 𝑌 en 𝐵® :
<

𝐵® = B 𝐵®Ý , 𝐵®Ý = h𝜔 ∈ 𝐵® : 𝑌 (𝜔) = 𝑦Ý i.

ÝÎf

Esto define una partición de Ω, denotada por 𝒫¤° = h𝐵®Ý i, que es más fina que 𝒫¤ . Podemos
proceder de esta manera introduciendo variables aleatorias consecutivas adicionales.

Para resumir, dejemos 𝑋f , … , 𝑋ê sea una sucesión de variables aleatorias y denote la partición
definida por 𝑋f , … , 𝑋ç por 𝒫ç . Tenemos una sucesión de particiones con 𝒫çof más fino que
𝒫ç . Tal sucesión se llama filtración.

Si la sucesión de particiones 𝒫ê forma una filtración, la propiedad de la torre tiene la siguiente

consecuencia: para 𝑛 < 𝑚

𝔼r𝔼r(𝑋|𝒫¸ )²𝒫ê s = 𝔼(𝑋|𝒫ê )

entonces si denotamos 𝑌 (𝑛) = 𝔼(𝑋|𝒫ê ) tenemos

𝔼(𝑌 (𝑚)|𝒫ê ) = 𝑌(𝑛).

Esta sucesión da un ejemplo de martingala, generalizando lo que observamos en el entorno

binomial. Dado que las propiedades de la esperanza condicional que hemos derivado se
mantienen en general, continuamos describiendo una sucesión arbitraria 𝑀(𝑛) de variables
aleatorias definidas en Ω. En las aplicaciones, esta función generalmente será desempeñada
por los precios de las acciones 𝑆 (𝑛) o por el proceso de valor 𝑉 (𝑛) de una estrategia
comercial dada. En nuestras aplicaciones, el horizonte temporal 𝑁 (y, por lo tanto, la longitud
de cualquiera de estas sucesiones) seguirá siendo finito.

Definición 4.10
Una sucesión 𝑀(𝑛) de variables aleatorias es una martingala con respecto a la filtración {𝒫ê }
si para todo 𝑛 < 𝑚

𝔼(𝑀(𝑚)|𝒫ê ) = 𝑀(𝑛).
En términos de "información" llevada por una filtración, esta propiedad se puede leer de la
siguiente manera: dada cierta información (parcial), el valor esperado de cierta cantidad
(precio) en el futuro es el valor de la cantidad en ese momento. En otras palabras, los valores
𝑀(𝑛) encapsulan todo el poder predictivo de la información disponible en el momento 𝑛.

Si 𝑀(𝑛) es una martingala con respecto a 𝒫ê , entonces, por definición, 𝒫Ú(ê) es una sub-
partición de 𝒫ê ya que 𝑀(𝑛) es la esperanza condicional con respecto a 𝒫ê . Luego decimos
que 𝑀(𝑛) es 𝒫ê - medible.

Proposición 4.11
Si 𝔼(𝑀(𝑚 + 1)|𝒫ê ) = 𝑀(𝑛) entonces 𝑀 es una martingala.

Prueba. Esto se desprende de la propiedad de la torre. Deje 𝑚 > 𝑛,

𝔼(𝑀(𝑚)|𝒫ê ) = 𝔼r𝔼r(𝑀(𝑚)|𝒫¸ef )²𝒫ê s

= 𝔼(𝑀(𝑚 − 1)|𝒫¸ )

=⋯

= 𝑀 (𝑛 )
después de 𝑚 − 𝑛 pasos.

Ejercicio 4.1 Muestre que si 𝑀(𝑛) es 𝒫ê - medible, y 𝔼(𝑀(𝑛 + 1) − 𝑀(𝑛)|𝒫ê ) = 0

entonces 𝑀 es una martingala.

Formalizamos el importante ejemplo dado anteriormente.

Proposición 4.12
Sea 𝑋 una variable aleatoria y sea 𝒫š , 𝒫f , 𝒫 una filtración. Entonces la sucesión

𝔼(𝑋|𝒫š ), 𝔼(𝑋|𝒫f ), 𝔼(𝑋|𝒫 ), …

es una martingala.

Prueba. Por la sucesión 𝔼(𝑋|𝒫ê ) sea una martingala, debe cumplir la condición

𝔼r𝔼r(𝑋|𝒫¸ )²𝒫ê s = 𝔼(𝑋|𝒫ê ),

para 𝑛 < 𝑚, que mantiene la propiedad de la torre porque la partición 𝒫¸ es más fina que la
partición 𝒫ê .

Una martingala es un modelo matemático de un juego de azar justo: en promedio, esperamos

que nuestra riqueza permanezca igual después de cada ronda del juego, como lo muestra la
siguiente proposición. Dice que la esperanza constante es una condición necesaria para una
martingala.
Proposición 4.13
Si r𝑀(𝑛)sêOš es una martingala (con respecto a una filtración (𝒫ê )êOš ), entonces

𝔼r𝑀(0)s = 𝔼r𝑀(1)s = 𝔼r𝑀(2)s = ⋯

Prueba. Si 𝑀(0), 𝑀(1), 𝑀(2), … es una martingala, entonces 𝑀(𝑛) = 𝔼(𝑀(𝑛 + 1)|𝒫ê )
para cada 𝑛. Aplicando esperanza a ambos lados de esta igualdad tenemos

𝔼r𝑀(0)s = 𝔼r𝔼(𝑀(𝑛 + 1)|𝒫ê )s = 𝔼r𝑀(𝑛 + 1)s

para cada 𝑛, según se requiera.

Ejercicio 4.2 Dé un ejemplo que muestre que la implicación inversa no se cumple, es decir,
𝔼r𝑀(0)s = 𝔼r𝑀(1)s = 𝔼r𝑀(2)s no necesariamente significa que 𝑀(0), 𝑀(1), 𝑀(2) es
una martingala.

Definición 4.14
Decimos que una sucesión 𝑀(0), 𝑀(1), 𝑀(2), … de variables aleatorias es una sub-
martingala (respectivamente, una súper-martingala) con respecto a una filtración
𝒫š , 𝒫f , 𝒫 , … si la partición de 𝑀(𝑛) es más gruesa que 𝒫ê y

𝔼(𝑀(𝑛 + 1)|𝒫ê ) ≥ 𝑀(𝑛) rrespectivamente, ≤ 𝑀(𝑛)s

para cada 𝑛 = 0,1,2, …

La condición de que la partición de 𝑀(𝑛) debería ser más gruesa que 𝒫ê , es decir, que 𝑀(𝑛)
es medible con respecto a 𝒫ê , simplemente significa que 𝑀(𝑛) se conoce en el momento 𝑛,
ya que 𝒫ê contiene cada conjunto en el que 𝑀(𝑛) es constante. La partición 𝒫ê representa
nuestro conocimiento en el tiempo 𝑛 y si se conoce 𝒫ê , entonces se conoce 𝑀(𝑛). Al definir
martingalas, no necesitábamos establecer explícitamente la condición de que la partición de
𝑀(𝑛) debería ser más gruesa que 𝒫ê porque se deriva directamente de la identidad
𝔼(𝑀(𝑛 + 1)|𝒫ê ) = 𝑀(𝑛).

Definición 4.15
También podemos definir una sucesión creciente de campos (ℱê )êä4 , nuevamente llamada
filtración, donde ℱš = {∅, Ω} y para 𝑛 ≥ 1, ℱê es generado por los primeros 𝑛 elementos de
la sucesión, es decir, por 𝑀(1), … , 𝑀(𝑛). El campo generado por una sola variable aleatoria
𝑋 tiene la forma ℱ¤ = {𝑋 ef (𝐵): 𝐵 ⊂ ℝ, 𝐵 un conjunto de Borel} y consideramos que ℱê es
el campo más pequeño que contiene ℱÚ(ç) para todos los 𝑘 = 1, … , 𝑛. De esta manera nos
aseguramos de que r𝑀(𝑛)sêä4 se adapte a (ℱê )êä4 , lo que significa que para todos los 𝑛,
𝑀(𝑛) es medible en ℱê .

En aplicaciones, donde la sucesión en cuestión suele ser una secuencia {𝑆 (𝑛): 𝑛 = 0,1, … , 𝑁}
de los precios de las acciones, será conveniente suponer que ℱ4 = ℱ. El último es de 2Ï , por
lo que para garantizar la igualdad tenemos que reducir Ω si los átomos de ℱ4 no son conjuntos
de un solo elemento seleccionando un elemento en cada uno para formar el nuevo espacio de
muestra, nuevamente denotado por Ω por simplicidad.

4.4 Estrategias comerciales y arbitraje

Regresamos al caso especial donde las martingalas que buscamos están relacionados con el
precio de las acciones. Supongamos que una sucesión 𝑆 (0), 𝑆 (1) … , 𝑆(𝑛) de los precios de
las acciones se da, donde 𝑛 corre a través de las fechas de negociación en algún modelo de
precios con horizonte 𝑁. Por estrategia (comercial) nos referimos a una serie de portafolios,
como se discutió en el caso de un solo período. En cada paso, nuestra decisión sobre cómo
ajustar el portafolio anterior depende de la información disponible en este momento y dicha
estrategia es una colección de variables aleatorias.

Estamos listos para definiciones generales.

Definición 4.16
Una estrategia es una sucesión de pares de variables aleatorias que muestran, para 𝑛 =
1,2, … , 𝑁, el número de acciones 𝑥(𝑛) de acciones y el número 𝑦(𝑛) de unidades de cuenta
del mercado monetario elegidas en el momento 𝑛 − 1 y se mantiene hasta el tiempo 𝑛, y tal
que r𝑥(𝑛), 𝑦(𝑛)s es ℱêef - medible. En general, una secuencia de variables aleatorias que
satisfacen este requisito de mensurabilidad se llama predecible.

Definición 4.17
El proceso de valor de una estrategia es una secuencia definida para 𝑛 = 1, … , 𝑁 por

𝑉(M,N) (𝑛) = 𝑥(𝑛)𝑆(𝑛) + 𝑦(𝑛)𝐴(𝑛)

junto con la inversión inicial

𝑉(M,N) (0) = 𝑥(1)𝑆(0) + 𝑦(1)𝐴(0)

La siguiente definición resume el requisito de que los fondos disponibles en un momento

dado se usen para construir el próximo portafolio, es decir, no se permiten entradas ni salidas
de fondos.

Definición 4.18
Una estrategia es de auto-financiación si

𝑉(M,N) (𝑛) = 𝑥(𝑛 + 1)𝑆(𝑛) + 𝑦(𝑛 + 1)𝐴(𝑛)

para todo 𝑛 = 1, … , 𝑁 − 1.
Para cualquier sucesión 𝑋(𝑛) denote por ∆𝑋 (𝑛) el incremento 𝑋 (𝑛) − 𝑋 (𝑛 − 1) para 𝑛 =
1, … , 𝑁. Podemos escribir la condición de autofinanciamiento en una forma que será útil más
adelante:
∆𝑉(M,N) (𝑛) = 𝑥(𝑛)∆𝑆(𝑛) + 𝑦(𝑛)∆𝐴(𝑛)

Esto es inmediato ya que la estrategia r𝑥(𝑛), 𝑦(𝑛)s se autofinancia si 𝑉(M,N) (𝑛 − 1) =

𝑥 (𝑛 )𝑆 (𝑛 − 1) + 𝑦 (𝑛 )𝐴 (𝑛 − 1).

Hemos visto que, dada la riqueza inicial, todo lo que importa son las decisiones relativas a la
cantidad de acciones mantenidas, como consecuencia de la posición del mercado monetario.
Y entonces,

1
𝑦 (1) = j𝑉 (0) − 𝑥(1)𝑆(0)k
𝐴(0) (M,N)

y completando la imagen con el paso de inducción

1
𝑦 (𝑛 + 1) = j𝑉 (𝑛) − 𝑥(𝑛 + 1)𝑆(𝑛)k
𝐴(𝑛) (M,N)

hemos demostrado el siguiente resultado.

Proposición 4.19
Dada una sucesión predecible 𝑥(𝑛) y riqueza inicial 𝑉 (0) existe una sucesión predecible
única 𝑦(𝑛) tal que la estrategia r𝑥(𝑛), 𝑦(𝑛)s se autofinancia y 𝑉 (0) es su valor inicial.

Prueba. Todo lo que queda es observar que 𝑦(𝑛 + 1) es ℱê - medible ya que todos los
ingredientes de la derecha lo son.

Ejercicio 4.3 Demuestre una versión de la proposición anterior, donde se dan 𝑉 (0) y 𝑦(𝑛)
predecible y 𝑥(𝑛) tiene que construirse para que la estrategia se autofinancie.

Ejercicio 4.4 Dé un ejemplo donde los valores de una estrategia se vuelvan negativos.
Encuentre condiciones en la sucesión 𝑥 (𝑛) de modo que 𝑉(M,N) (𝑛) ≥ 0 para todo 𝑛.

Ejercicio 4.5 Encuentre una condición en 𝑥(𝑛) para que 𝑥(𝑛) ≥ 0 (sin préstamos sin
riesgo) y la estrategia sea autofinanciada.

Luego, nos enfocamos en una propiedad clave de los valores descontados de una estrategia.
Para el modelo binomial de varios pasos, describimos en el capítulo anterior cómo construir
una probabilidad 𝑄 en el espacio muestral Ω construido para ese modelo, de modo que los
precios de las acciones con descuento formen una 𝑄-martingala. Esto proporciona la base
para la suposición hecha en el siguiente teorema. En la siguiente sección mostraremos que
esta suposición es equivalente al principio de no arbitraje para los modelos finitos generales.
Teorema 4.20
Suponga que existe una probabilidad 𝑄 tal que 𝔼” }r𝑆g (𝑛 + 1)²ℱê s~ = 𝑆g(𝑛) para todos 𝑛 ≥
0. Luego, los valores descontados de una estrategia de autofinanciamiento forman una
martingala con respecto a 𝑄.

Prueba. Recuerde que, por definición, 𝑉d(M,N) (𝑛) = (1 + 𝑅)eê 𝑉(M,N) (𝑛). A continuación,
con 𝐴(0) = 1 por simplicidad, 𝐴(𝑛) = (1 + 𝑅)ê tal que 𝐴g(𝑛) = 1, y también sabemos que
𝑆g(𝑛) es una martingala, es decir, 𝔼” r𝑆g(𝑛 + 1)²ℱê s = 𝑆g(𝑛). Podemos proceder con la
verificación de la afirmación:

𝔼” r𝑉d(M,N) (𝑛 + 1)²ℱê s = 𝔼” r𝑥(𝑛 + 1)𝑆g(𝑛 + 1) + 𝑦(𝑛 + 1)𝐴g(𝑛 + 1)²ℱê s

(definición de valor de una estrategia)

= 𝑥(𝑛 + 1)𝔼” r𝑆g (𝑛 + 1)²ℱê s + 𝑦(𝑛 + 1)

(previsibilidad de la estrategia)

= 𝑥 (𝑛 + 1)𝑆g(𝑛) + 𝑦(𝑛 + 1)
rdado que 𝑆g(𝑛) es una martingala s

= (1 + 𝑅)eê [𝑥(𝑛 + 1)𝑆(𝑛) + 𝑦(𝑛 + 1)𝐴(𝑛)]

= (1 + 𝑅)eê [𝑥(𝑛)𝑆(𝑛) + 𝑦(𝑛)𝐴(𝑛)]

(condición de autofinanciamiento)

= 𝑉d(M,N) (𝑛)

Hagamos hincapié en que este resultado no utiliza la forma particular del modelo de precios
de las acciones. Solo utilizamos la propiedad de martingala de los precios con descuento
junto con las condiciones de autofinanciación y previsibilidad.

Concluimos la sección dando una versión de varios pasos del principio de no arbitraje.
Primero definimos lo que se entiende por oportunidades de arbitraje en nuestro modelo de
stock único de múltiples pasos basado en el espacio de muestra finito Ω.

Definición 4.21
Una estrategia r𝑥(𝑛), 𝑦(𝑛)s es una oportunidad de arbitraje si

𝑉(M,N) (0) = 0, 𝑉(M,N) (𝑛) ≥ 0

para todo 𝑛 y para algunos 𝑛 hay un 𝜔 en Ω tal que

𝑉(M,N) (𝑛, 𝜔) > 0

Suposición 4.22 Principio de no arbitraje

Asumimos que no existen oportunidades de arbitraje en el modelo de mercado.

Observación 4.23

Como hemos visto antes, para los mercados extendidos, la definición de estrategia de
arbitraje debe modificarse para incluir posiciones en los valores derivados relevantes.

La proposición siguiente proporciona una versión aparentemente más débil, pero de hecho
equivalente, de la noción de arbitraje que es útil en algunas aplicaciones.

Proposición 4.24
Si un modelo de mercado admite una estrategia predecible de autofinanciamiento
r𝑥(𝑛), 𝑦(𝑛)s con 𝑉(M,N) (0) = 0, 𝑉(M,N) (𝑁) ≥ 0 y 𝑉(M,N) (𝑁, 𝜔) > 0 para algunos 𝜔 ∈ Ω,
entonces también admite una oportunidad de arbitraje (como en la definición 4.21).

Prueba. Supongamos que tenemos una estrategia r𝑥(𝑛), 𝑦(𝑛)s que satisface el supuesto de
la proposición, y suponga que no satisface la definición 4.21, por lo que su valor es negativo
en algunos momentos para algunos 𝜔. Entonces hay una última fecha de negociación 𝑚 < 𝑁
en la que hay un 𝜔š ∈ Ω tal que 𝑉(M,N) (𝑚, 𝜔š ) < 0. En este 𝜔š la estrategia r𝑥(𝑛), 𝑦(𝑛)s
genera alguna ganancia en el tiempo 𝑚 + 1 ya que el valor se vuelve no negativo después de
ser negativo en 𝑚. Vamos a explotar esto para construir un arbitraje en el sentido de la
definición 4.21.

Para construir r𝑥 ∗ (𝑛), 𝑦 ∗ (𝑛)s ‘no hacemos nada’ fuera de 𝜔š :

𝑥 ∗ (𝑛, 𝜔) = 𝑥 ∗ (𝑛, 𝜔) = 0 para toda 𝑛 ≤ 𝑁, 𝜔 ≠ 𝜔š .

Tampoco tomamos medidas en 𝜔š para todas las fechas de negociación hasta 𝑚:

𝑥 ∗ (𝑛, 𝜔) = 𝑥 ∗ (𝑛, 𝜔) = 0 para toda 𝑛 ≤ 𝑚.

Por supuesto 𝑉(M ∗,N ∗ ) (𝑛) = 0 para todo 𝑛 ≤ 𝑚. En el siguiente paso empleamos la estrategia
original
𝑥 ∗ (𝑚 + 1, 𝜔š ) = 𝑥(𝑚 + 1, 𝜔š ).

Claramente, el proceso 𝑥 ∗ (𝑛), 𝑛 ≤ 𝑚 + 1 es predecible ya que 𝑥(𝑚 + 1) es ℱ¸ - medible.

Sabemos (Proposición 4.19) que existe una secuencia predecible única 𝑦 ∗ (𝑛) tal que
r𝑥 ∗ (𝑛), 𝑦 ∗ (𝑛)s se autofinancia. Usando la expresión explícita encontrada en la prueba de la
Proposición 4.19 que tenemos.

1
𝑦 ∗ (𝑛 ) = j𝑉 ∗ ∗ (𝑛 − 1) − 𝑥 ∗ (𝑛)𝑆(𝑛 − 1)k, 𝑛 ≥ 1,
𝐴(𝑛 − 1) (M ,N )

tal que 𝑦 ∗ (𝑛) = 0 para 𝑛 ≤ 𝑚. Ahora,

 1
𝑦 ∗ (𝑚 + 1) = j𝑉 ∗ ∗ (𝑚) − 𝑥 ∗ (𝑚 + 1)𝑆(𝑚)k
𝐴(𝑚) (M ,N )

1
= −𝑥(𝑚 + 1) 𝑆 (𝑚 )
𝐴 (𝑚 )

entonces el proceso de valor satisface

1
𝑉(M ∗,N ∗ ) (𝑚 + 1) = 𝑥(𝑚 + 1)𝑆(𝑚 + 1) − 𝑥 (𝑚 + 1) 𝑆 (𝑚 )𝐴 (𝑚 + 1)
𝐴 (𝑚 )

1
= 𝑉(M,N) (𝑚 + 1) − 𝑦(𝑚 + 1)𝐴(𝑚 + 1) − 𝑥(𝑚 + 1) 𝑆 (𝑚 )𝐴 (𝑚 + 1).
𝐴 (𝑚 )

Insertar la forma de 𝑦

1
𝑦 (𝑚 + 1) = j𝑉 (𝑚) − 𝑥(𝑚 + 1)𝑆(𝑚)k
𝐴(𝑚) (M,N)

seguimos obteniendo

𝑉(M ∗,N ∗) (𝑚 + 1)
1
= 𝑉(M,N) (𝑚 + 1) − j𝑉 (𝑚) − 𝑥(𝑚 + 1)𝑆(𝑚)k𝐴(𝑚 + 1)
𝐴(𝑚) (M,N)
1
− 𝑥 (𝑚 + 1) 𝑆 (𝑚 )𝐴 (𝑚 + 1)
𝐴 (𝑚 )

= 𝑉(M,N) (𝑚 + 1) − j𝑉(M,N) (𝑚) − 𝑥 (𝑚 + 1)𝑆(𝑚 + 1)k(1 + 𝑅) − 𝑥 (𝑚 + 1)𝑆(𝑚)(1 + 𝑅)

= 𝑉(M,N) (𝑚 + 1) − 𝑉(M,N) (𝑚)(1 + 𝑅) > 0

Dado 𝑉(M,N) (𝑚 + 1) ≥ 0, 𝑉(M,N) (𝑚) < 0 por la definición de 𝑚 (todo esto se considera en
𝜔š , que omitimos para mantener clara la notación). Entonces, hemos encontrado un instante
𝑚 + 1 y una 𝜔š = 𝜔 donde el valor es estrictamente positivo. Esto se puede lograr
fácilmente colocando inmediatamente todo el dinero en la cuenta del mercado monetario
libre de riesgos: para 𝑛 ≥ 𝑚 + 2 la posición de acciones y bonos es constante

𝑥 ∗ (𝑛, 𝜔š ) = 0,

1
𝑦 ∗ (𝑛, 𝜔š ) = 𝑉 ∗ ∗ (𝑚 + 1),
𝐴(𝑚 + 1) (M ,N )
y
𝑉(M ∗,N ∗ ) (𝑚 + 1 + 𝑘) = 𝑉(M ∗,N ∗ ) (𝑚 + 1)(1 + 𝑅)ç > 0
que es más de lo que necesitamos para demostrar que hemos construido una oportunidad de
arbitraje en el sentido de la definición 4.21.

4.5 Un modelo general de varios pasos.

Los modelos de varios pasos que hemos discutido hasta ahora involucran un mercado con
una sola acción subyacente. Ahora analizamos los valores derivados definidos en un mercado
subyacente que contiene varios activos de riesgo (acciones) y una sola cuenta del mercado
monetario. Como vimos para los modelos trinomiales, donde la completez del mercado
requiere dos acciones subyacentes, los derivados de fijación de precios y cobertura en dicho
modelo proceden tanto como en el caso de acciones individuales, y a menudo es útil tratar el
vector de precios de acciones como un solo entidad. Con esta condición, gran parte de la
teoría que hemos desarrollado hasta ahora se generalizará a esta configuración más general
de manera bastante simple, y comenzaremos revisando los conceptos principales.

Todavía suponemos que el tiempo transcurre de manera discreta, como en el modelo

binomial. Siendo ℎ la longitud del paso de tiempo, usamos 𝑛 = 0,1, . . . , 𝑁 para indicar el
instante de tiempo 𝑛ℎ. El mercado básico consiste en la cuenta del mercado monetario y 𝑑
activos riesgosos (acciones) con precios 𝑆f (𝑛), … , 𝑆; (𝑛), que comprenden los componentes
de la función 𝕊(𝑛) de valores en ℝ; y son estrictamente discretos variables aleatorias
positivas definidas en el espacio muestral Ω = {𝜔f , … , 𝜔Ú } finito. La dinámica del activo
único libre de riesgo (la cuenta del mercado monetario) está nuevamente determinada por la
tasa libre de riesgo 𝑅, que se supone constante, por lo que 𝐴(𝑛) = 𝐴(0)(1 + 𝑅)ê . Un
portafolio es el vector (𝕩, 𝑦) = (𝑥f , … , 𝑥; , 𝑦) con coordenadas que representan posiciones
en los valores correspondientes. Una estrategia es una sucesión de portafolios

r𝕩(𝑛), 𝑦(𝑛)s = r𝑥f (𝑛), … , 𝑥; (𝑛), 𝑦(𝑛)s, 𝑛 = 1, … , 𝑁.

Estas son funciones ℝ;of -valuadas (es decir, vectores aleatorios), excepto para el portafolio
inicial, que se determina en el momento 0 y, por lo tanto, es determinista. Escribiremos (𝕩, 𝑦)
para esta sucesión.

Más tarde, este mercado se ampliará agregando valores derivados y los vectores del
portafolio contendrán coordenadas adicionales 𝑧ç , que reflejarán las posiciones en estos
activos.

El valor de una estrategia en el momento 𝑛 es

;

𝑉(𝕩,N) (𝑛) = Í 𝑥Ý (𝑛)𝑆Ý (𝑛) + 𝑦(𝑛)𝐴(𝑛), para 𝑛 = 1,2, … , 𝑁

ÝÎf

𝑉(𝕩,N) (0) = Í 𝑥Ý (1)𝑆Ý (0) + 𝑦(1)𝐴(0).

ÝÎf
Asumiremos nuevamente que las estrategias que consideramos son predecibles, por lo que
los vectores aleatorios r𝕩(𝑛 + 1), 𝑦(𝑛 + 1)s son ℱê - medibles. Esta condición refleja la
convención de que el portafolio en el momento 𝑛 + 1 se construye en el momento 𝑛
utilizando los fondos y la información sobre los precios de las acciones disponibles en ese
momento.

Las ideas clave desarrolladas para el modelo de stock único también se aplican en este
modelo más general. Una estrategia es la autofinanciación si
;

𝑉(𝕩,N) (𝑛) = Í 𝑥Ý (𝑛 + 1)𝑆Ý (𝑛) + 𝑦(𝑛 + 1)𝐴(𝑛), para 𝑛 = 0,1, … , 𝑁 − 1.

ÝÎf

Establecemos la versión del principio de no arbitraje que se aplica en el modelo de la

siguiente manera.

Definición 4.25
Una estrategia (𝕩, 𝑦) es una oportunidad de arbitraje en el mercado subyacente si su
proceso de valor satisface 𝑉(𝕩,N) (0) = 0, 𝑉(𝕩,N) (𝑛) ≥ 0 para todos 𝑛 y para algunos 𝑛 hay un
𝜔 tal que 𝑉(𝕩,N) (𝑛, 𝜔) > 0. Para el mercado extendido agregando algunos valores derivados,
la definición es similar.

La construcción dada para el modelo de stock único en la Proposición 4.24 también se aplica
en la configuración de stock múltiple: el único cambio es reemplazar las existencias de stock
𝑥(𝑛) por el vector 𝕩(𝑛).

Suposición 4.26 Principio de no arbitraje

Las oportunidades de arbitraje no existen en ningún modelo de mercado.

En el primer teorema fundamental a continuación demostraremos que esto es equivalente

a la existencia de una probabilidad martingala; esa es una probabilidad 𝑄 con 𝑄 (𝜔) > 0 para
toda 𝜔 en Ω y tal que para cada 𝑗 = 1, … , 𝑑, el proceso de precio de acciones con descuento
h𝑆gÝ (𝑛): 𝑛 = 0,1, … , 𝑁i es una 𝑄-martingala.

La siguiente definición es intuitiva y útil.

Definición 4.27
El proceso de ganancias 𝐺(𝕩,N) = }𝐺(𝕩,N) (𝑛)~ generado por la estrategia (𝕩, 𝑦) se define
êä4
por
𝐺(𝕩,N) (0) = 0,

ê ;

𝐺(𝕩,N) (𝑛) = Í 8Í 𝑥Ý (𝑘)∆𝑆Ý (𝑘) + 𝑦(𝑘)∆𝐴(𝑘); para 𝑛 = 1, … , 𝑁

çÎf ÝÎf
Se deduce inmediatamente que la estrategia (𝕩, 𝑦) se autofinancia si y solo si ∆𝑉(𝕩,N) (𝑛) =
∆𝐺(𝕩,N) (𝑛) para 𝑛 ≥ 1. Dado 𝑉(𝕩,N) (𝑛) = 𝑉(𝕩,N) (0) + ∑ê®Îf ∆𝑉(𝕩,N) (𝑖 ) es una suma
telescópica, y de manera similar para 𝐺, la estrategia es autofinanciarse si y solo si

𝑉(𝕩,N) (𝑛) = 𝑉(𝕩,N) (0) + 𝐺(𝕩,N) (𝑛) para 𝑛 = 0,1, … , 𝑁

En las estrategias de autofinanciamiento y predecibles, la posición libre de riesgo es una

variable secundaria, como muestra el siguiente teorema.

Teorema 4.28
Dado 𝑉(0) y una secuencia predecible 𝕩 = r𝑥f (𝑛), … , 𝑥; (𝑛)s, existe una secuencia
predecible única 𝑦(𝑛) tal que
• 𝑉(𝕩,N) (𝑛) = 𝑉 (0),
• La estrategia (𝕩, 𝑦) es autofinanciamiento.

Prueba. Esto se prueba por inducción. Primero, deja

𝑉(0) − 𝑥f (1)𝑆f (0) − ⋯ − 𝑥; (1)𝑆; (0)

𝑦 (1) = ,
𝐴 (0)

lo que asegura que 𝑉(𝕩,N) (𝑛) = 𝑉 (0). Por lo tanto, 𝑦(1) no es aleatorio, como es necesario
para que 𝑦(𝑛) sea predecible. Por definición, hemos determinado 𝑉(𝕩,N) (1) únicamente, y el
paso de inducción inicial está completo.

𝑉(𝕩,N) (1) = 𝑥f (1)𝑆f (1) + ⋯ + 𝑥; (1)𝑆; (1) + 𝑦(1)𝐴(1).

A continuación, para el paso de inducción, suponga que se conoce 𝑦(𝑛); así también lo es
𝑉(𝕩,N) (𝑛). Nuevamente definimos el próximo término de tal manera que se garantice la
condición de autofinanciamiento:

𝑉(𝕩,N) (𝑛) − 𝑥f (𝑛 + 1)𝑆f (𝑛) − ⋯ − 𝑥; (𝑛 + 1)𝑆; (𝑛)

𝑦 (𝑛 + 1) =
𝐴 (𝑛 )

Entonces 𝑦(𝑛 + 1) es ℱê - medible ya que para 𝑗 = 1,2, … , 𝑑 son las 𝑥Ý (𝑛 + 1) y 𝑆Ý (𝑛); el

primero por hipótesis, el último por definición de la ℱê . Esto completa el paso de inducción.

Recordemos la definición de precios con descuento; de hecho, para cualquier activo 𝑋 que
establecemos
𝑋 (𝑖 )
𝑋d(𝑖 ) =
(1 + 𝑅 )®

Entonces las sucesivas diferencias son

 𝑋 (𝑖 ) 𝑋 (𝑖 − 1)
∆𝑋d (𝑖 ) = −
(1 + 𝑅 ) ® (1 + 𝑅)®ef

que no es lo mismo que

𝑋 (𝑖 ) 𝑋 (𝑖 − 1)
S (𝑖 ) = ∆𝑋(𝑖 )(1 + 𝑅)® =
∆𝑋 −
(1 + 𝑅)® (1 + 𝑅)®ef

En particular obtenemos

𝐴 (𝑖 )
𝐴g(𝑖 ) = = 𝐴 (0), así ∆𝐴g(𝑖 ) = 0
(1 + 𝑅 )®

El proceso de ganancias con descuento será denotado por

ê ; ê

𝐺d𝕩 (𝑛) = Í Í 𝑥Ý (𝑖 )∆𝑆gÝ (𝑖 ) = Í〈𝕩(1), ∆𝕊

Ë(𝑖 )〉,
®Îf ÝÎf ®Îf

donde usamos la notación 〈𝐚, 𝐛〉 = ∑;ÝÎf 𝑎Ý 𝑏Ý para el producto interno usual de vectores en
Ë(𝑖 ) tiene los incrementos de precio descontados ∆𝑆ËV (𝑖 ) como sus
ℝ; . El vector ∆𝕊
componentes. Como el incremento descontado en 𝐴 es cero, ahora no hay dependencia de 𝑦,
solo de 𝕩.

Ahora verificamos que para las estrategias de autofinanciamiento, la suma de la inversión

inicial y las ganancias descontadas da el proceso de valor descontado.

Teorema 4.29
Si una estrategia (𝕩, 𝑦) se autofinancia, entonces

𝑉d(𝕩,N) (𝑛) = 𝑉(𝕩,N) (0) + 𝐺d𝕩 (𝑛)

Prueba. Fije 𝑛 ≤ 𝑁 y suponga que r𝑥f(𝑛), … , 𝑥; (𝑛), 𝑦(𝑛)s es estrategia de

autofinanciamiento. Escribimos

1
𝑉d(𝕩,N) (𝑖 + 1) = [〈𝕩(𝑖 + 1), 𝕊(𝑖 + 1)〉 + 𝑦(𝑖 + 1)𝐴(𝑖 + 1)]
(1 + 𝑅)®of

= 〈𝕩 ( 𝑖 + 1 ) , Ë
𝕊(𝑖 + 1)〉 + 𝑦(𝑖 + 1)𝐴(0),
y similarmente
1
𝑉d(𝕩,N) (𝑖 ) = [〈𝕩(𝑖 + 1), 𝕊(𝑖 )〉 + 𝑦(𝑖 + 1)𝐴(𝑖 )]
(1 + 𝑅 )®

= 〈𝕩 ( 𝑖 + 1 ) , Ë
𝕊(𝑖 )〉 + 𝑦(𝑖 + 1)𝐴(0).

Restando da, para cada 𝑖 = 0,1, … , 𝑛 − 1

 Ë(𝑖 + 1)〉
∆𝑉d(𝕩,N) (1 + 𝑖 ) = 𝑉d(𝕩,N) (1 + 𝑖 ) − 𝑉d(𝕩,N) (𝑖 ) = 〈𝕩(𝑖 + 1), ∆𝕊

= ∆𝐺d𝕩 (𝑖 + 1),

para que con 𝑘 = 𝑖 + 1 obtengamos

ê ê

𝑉d(𝕩,N) (𝑛) − 𝑉(𝕩,N) (0) = Í ∆ 𝑉d(𝕩,N) (𝑘) = Í ∆𝐺d𝕩 (𝑘) = 𝐺d𝕩 (𝑛).
çÎf çÎf

Un proceso de precio estrictamente positivo a menudo se denomina numerario, es decir, un

valor de referencia con el que se pueden comparar los cambios de precio de otros valores.

Ejercicio 4.6 Dada una sucesión ℱê - adaptada de 𝑑-vectores con 𝑍Ý (𝑛) > 0 para todos 𝑛 =
0,1, … , 𝑁, 𝑗 = 0,1, … , 𝑑 con (𝕩, 𝑦) y (𝕊, 𝐴) como se indicó anteriormente, demuestre que la
estrategia (𝕩, 𝑦) se autofinancia para el proceso de precios (𝕊, 𝐴) si y solo si se autofinancia
por el precio proceso (𝑍f 𝑆f , … , 𝑍; 𝑆; , 𝑍š 𝐴).

El ejercicio verifica que la propiedad de autofinanciamiento de las estrategias comerciales es

invariable bajo un cambio de numerario.

Ejercicio 4.7 Explique por qué el resultado del ejercicio anterior muestra que lo contrario
del Teorema 4.29 también es válido.

Para discutir las propiedades de martingala en general, introducimos una filtración de campos
ℱê como antes. Luego tenemos la definición familiar:

Definición 4.30
Una probabilidad 𝑄 es neutral al riesgo (o una probabilidad de martingala) si los precios
de las acciones con descuento son martingalas

𝔼” r𝑆gÝ (𝑛 + 1)²ℱê s = 𝑆gÝ (𝑛) todo 𝑗,

donde para cada 𝑛, ℱê es generado por 𝑆Ý (𝑘), 𝑘 ≤ 𝑛, 𝑗 = 1, … , 𝑑 (es decir, el campo más
pequeño para el que se miden todos los 𝑆Ý (𝑘), 𝑘 ≤ 𝑛)

Probamos que si una estrategia predecible (𝕩, 𝑦) es autofinanciarse, entonces

𝑉d(𝕩,N) (𝑛) = 𝑉(𝕩,N) (0) + 𝐺d𝕩 (𝑛)

Demostraremos que, bajo una probabilidad de riesgo neutral, 𝑉d(𝕩,N) (𝑛) es también una
martingala, generalizando así el Teorema 4.20. Para este fin, formulamos el teorema
apropiado usando notación general, ya que puede usarse en varias aplicaciones.

Teorema 4.31
Si 𝑀Ý (𝑛) son martingalas y los procesos 𝐻Ý (𝑛) son predecibles, 𝑗 = 1, … , 𝑑, entonces el
proceso 𝑋(𝑛) definido por
ê ; ê

𝑋(𝑛) = 𝑋 (0) + Í Í 𝐻Ý (𝑘)∆𝑀Ý (𝑘) = 𝑋(0) + Í〈ℍ(𝑘), ∆𝕄(𝑘)〉

çÎf ÝÎf çÎf

es una martingala, donde 𝑋(0) = 𝑥š es un número real arbitrario.

Este lado derecho de la ecuación anterior a veces se denomina transformación de

martingala o integral estocástica discreta.

Prueba. Ver página 108.

También necesitaremos el siguiente resultado.

Teorema 4.32
Para que 𝑀(𝑛) sea una martingala es suficiente que para cada proceso predecible 𝐻 (𝑛)
4

𝔼 ÕÍ 𝐻 (𝑛)∆𝑀(𝑛)Ö = 0
êÎf

Prueba. Ver página 109.

4.6 Los teoremas fundamentales de valuación de activos

Seguimos con el modelo de múltiples pasos y múltiples acciones descrito anteriormente, y
demostramos los dos resultados clave para la fijación de precios de arbitraje (o riesgo neutral)
de valores derivados europeos en un entorno de tiempo discreto, vinculando la ausencia de
arbitraje a la existencia y unicidad de probabilidades neutrales al riesgo.

Comenzamos por distinguir entre dos tipos básicos de valores derivados europeos, ejemplos
de los cuales ya hemos encontrado en varios ejercicios.

Definición 4.33
Una European derivative security confiere el derecho de obtener en el momento 𝑁 un pago
𝐻 (𝑁) de un formulario especificado en la fecha de negociación inicial 0. Decimos que 𝐻 es
• ruta independiente si 𝐻(𝑁) = ℎr𝕊(𝑁)s para algún ℎ: ℝ; → ℝ,
• ruta dependiente si 𝐻 (𝑁) = ℎr𝕊(0), 𝕊(1), … , 𝕊(𝑁)s, donde el modelo de mercado
tiene tiempo establecido 𝕋 = 0,1, … , 𝑁, y ℎ: ℝ(4of); → ℝ.
(No necesitamos imponer ninguna regularidad en ℎ ya que ℱ = 2Ï )

Las opciones de compra y venta son claramente independientes de la ruta.

A lo largo de esta sección asumimos que la filtración (ℱê )êä4 generada por los precios de
las acciones satisface ℱê = ℱ = 2Ï . Decimos que dos probabilidades 𝑃f , 𝑃 son equivalentes
(escritas como 𝑃f ~𝑃 ) si tienen los mismos conjuntos de probabilidad cero. Recuerde que el
espacio muestral Ω = {𝜔f , … , 𝜔Ú } es finito, suponemos que 𝑃 está definido en ℱ = 2Ï , y
que tomamos 𝑃(𝜔) > 0 para todo 𝜔. Entonces, en nuestro entorno, para garantizar la
equivalencia 𝑃~𝑄, cualquier probabilidad neutral al riesgo debe tener 𝑄(𝜔) > 0 para todo
𝜔. Vale la pena mencionar que 𝑄 se define en el campo 2Ï debido a la suposición permanente
de que ℱê = ℱ.

Primer teorema fundamental

Teorema 4.34
La ausencia de arbitraje es equivalente a la existencia de una probabilidad de riesgo neutral
𝑄 equivalente a 𝑃, de modo que todos los procesos de precios con descuento 𝑆ËV (𝑛), 𝑗 =
1, … , 𝑑, son martingalas con respecto a 𝑄.

Prueba. Suponga primero la existencia de una probabilidad de riesgo neutral 𝑄. Tome

cualquier estrategia predecible (𝕩, 𝑦) y observe que su proceso de valor descontado 𝑉d(𝕩,N) (𝑛)
es una martingala.

Supongamos que 𝑉(0) = 0, 𝑉(𝕩,N) (𝑛) ≥ 0 son condiciones necesarias para un arbitraje.
Luego, por la propiedad martingala de 𝑉d bajo 𝑄,

𝔼” }𝑉d(𝕩,N) (𝑛)~ = 𝔼” }𝑉d(𝕩,N) (0)~ = 𝔼” }𝑉(𝕩,N) (𝑛)~ = 0

así que después de multiplicar ambos lados por (1 + 𝑅)ê

𝔼” }𝑉(𝕩,N) (𝑛)~ = Í 𝑄(𝜔)𝑉(𝕩,N) (𝑛) = 0

Û∈Ï

Como todos los términos no son negativos, 𝑄(𝜔)𝑉(𝕩,N) (𝑛) = 0 para todos los 𝑛 excepto
𝑄(𝜔) > 0, entonces 𝑉(𝕩,N) (𝑛, 𝜔) = 0 para cada 𝜔 ∈ Ω, y esto muestra que es imposible
construir un arbitraje.

Por lo contrario, suponga la ausencia de arbitraje. Deje la secuencia 𝕩 =

hr𝑥f (𝑛), … , 𝑥; (𝑛)s: 𝑛 = 1, … , 𝑁i ser predecible. El espacio de probabilidad Ω =
{𝜔f , … , 𝜔Ú } es finito, por lo que una variable aleatoria puede considerarse como un elemento
del espacio vectorial euclidiano ℝÚ . Esto significa que el proceso de ganancias descontadas
𝐺d𝕩 tiene la forma, para cada 𝑛,

𝐺d𝕩 (𝑛) = }𝐺d𝕩 (𝑛, 𝜔f ), … , 𝐺d𝕩 (𝑛, 𝜔Ú )~ ∈ ℝÚ

y así
𝑊 = h𝐺d𝕩 (𝑁): 𝕩 predeciblei ⊂ ℝÚ .
𝑊 es un sub-espacio de ℝÚ , ya que es claramente cerrado bajo combinaciones lineales.

Mostraremos que si 𝐺d𝕩 (𝑁, 𝜔) > 0 para todo 𝜔, entonces 𝐺d𝕩 (𝑁, 𝜔) = 0 para todo 𝜔. Tome
𝑉 (0) = 0 y complete 𝕩 con 𝑦(𝑛) para que (𝕩, 𝑦) sea una estrategia predecible de
autofinanciamiento. Recordemos que, en general, 𝑉d(𝕩,N) (𝑛) = 𝑉 (0) + 𝐺d𝕩 (𝑛), y por la
Proposición 4.24 vemos que 𝐺d𝕩 (𝑁, 𝜔) = 0 para todo 𝜔.

Para concluir la prueba del teorema, recuerde que estamos trabajando bajo el principio de no
arbitraje y que hemos identificado 𝑊 = h𝐺d𝕩 (𝑁): 𝕩 predeciblei como un subespacio de ℝÚ .
Aplicamos el Lema de separación (Lema 2.35), que dice que si 𝐴 ⊂ ℝÚ es convexo y
compacto y 𝑊 es un sub-espacio vectorial de ℝÚ disjunto de 𝐴, entonces existe 𝕫 =
(𝑧® )®äÚ ∈ ℝÚ tal que 〈𝕫, 𝕒〉 > 0 para todo 𝕒 ∈ 𝐴 y 〈𝕫, 𝕨〉 = 0 para todo 𝕨 ∈ 𝑊 (con 〈∗,∗〉
que denota el producto interno euclidiano en ℝÚ ). Para nuestra aplicación tomamos:
Ú

𝐴 = ã𝕒 = (𝑞f , … , 𝑞Ú ): Í 𝑞® = 1, 𝑞® ≥ 0å,
®Îf
y el anterior 𝑊.

Se define
𝑧®
𝑄(𝜔® ) = Ú >0
∑®Îf 𝑧®

y usando la definición del producto interno en ℝÚ obtenemos

Ú

〈𝕫, 𝕨〉 = Í 𝑧® 𝐺d𝕩 (𝑁, 𝜔® ) = 0

®Îf
así que
Ú

Í 𝑄 (𝜔® )𝐺d𝕩 (𝑁, 𝜔® ) = 𝔼” }𝐺d𝕩 (𝑁)~ = 0

®Îf

Pero las existencias de acciones x se tomaron como un proceso arbitrario predecible (vector),
y podemos, por ejemplo, fije 𝑗 ≤ 𝑑 y tomar 𝕩(𝑛) = r0, … ,0, 𝑥Ý (𝑛), 0, … ,0s para 𝑛 ≤ 𝑁,
donde el proceso de valor real 𝑥Ý (𝑛) es predecible. La identidad anterior se reduce a

𝔼” (Í 𝑥Ý (𝑖 )∆𝑆ËV (𝑖 )* = 0.
®Îf

Según el Teorema 4.32, las 𝑆ËV (𝑛) son martingalas para 𝑗 = 1, . . , 𝑑, ya que las 𝑥Ý (𝑛) son
secuencias predecibles arbitrarias.

Observación 4.35
Por lo tanto, el primer teorema fundamental describe el axioma "económico" sin arbitraje en
términos puramente matemáticos, es decir, la existencia de una medida de martingala
equivalente. Nuestra prueba contiene la suposición adicional crucial de que el espacio
muestral Ω tiene muchos elementos (y, por lo tanto, podemos darles a cada uno de ellos
probabilidades positivas). Esto naturalmente plantea la pregunta de si esta restricción se
puede eliminar. En modelos de tiempo discreto, este es el caso, aunque la prueba utiliza
conceptos considerablemente más avanzados en el análisis funcional que están más allá de
nuestro alcance1.

Incluso en la configuración relativamente simple de los modelos de mercado finito, el

teorema anterior no nos dice si la probabilidad neutral de riesgo 𝑄 es única. De hecho, ya
hemos visto en el modelo trinomial de un solo paso que este no tiene por qué ser el caso.
Nuestro próximo resultado caracteriza los modelos de precios con probabilidades únicas
neutrales al riesgo.

El segundo teorema fundamental

Formulamos el principio principal de fijación de precios mediante arbitraje. Se basa en el

principio de no arbitraje, pero tiene en cuenta el hecho de que la noción de arbitraje es
relativa al mercado, ya que la noción de portafolio depende de la elección de los valores
negociados.

Definición 4.36
La recompensa de un valor derivado es cualquier variable aleatoria 𝐻 medible con respecto
al campo ℱ4 generado por los precios de los valores subyacentes hasta el momento 𝑁. Los
precios de 𝐻 forman una secuencia 𝐻 (𝑛) tal que 𝐻 (𝑁) = 𝐻 y el mercado extendido por 𝐻
está libre de arbitraje. (Recuerde que suponemos ℱ4 = 2Ï ajustando Ω si es necesario).

El mercado básico de valores subyacentes consiste en 𝑑 acciones y el activo libre de riesgo.

El mercado extendido incluye algunos valores adicionales especificados.

Definición 4.37
Una seguridad derivada se puede replicar si existe una estrategia predecible de
autofinanciamiento (𝕩, 𝑦) tal que

𝐻 (𝑁) = 𝑉(𝕩,N) (𝑁).

Definición 4.38
El mercado está completo si cada seguridad derivada se puede replicar.

Como veremos, la integridad y la falta de arbitraje son condiciones cruciales para una fijación
de precios satisfactoria. Tenemos exactamente el mismo resultado que en el caso de un solo
paso.

1
Ver R. J. Elliot and P. E. Kopp, Mathematics of Financial Markets, Springer 2005.
Teorema 4.39
Un modelo de mercado libre de arbitraje está completo si y solo si hay exactamente una
probabilidad neutral al riesgo 𝑄~𝑃.

Prueba. Esta prueba es muy similar a la prueba para el caso de un solo período dado
anteriormente. Como en el primer teorema fundamental, haremos un uso crucial de la finitud
de Ω.

Primero, asuma el principio de no arbitraje y la completez. Existe una probabilidad de riesgo

neutral por el primer teorema fundamental, por lo que todo lo que tenemos que hacer es
demostrar la unicidad.

Supongamos que tenemos dos probabilidades neutrales de riesgo 𝑄f ≠ 𝑄 . Fije 𝐴 en ℱ4 y

defina una seguridad derivada especial con el pago

𝐻 (𝑁) = 𝟏Ü .

Por completes, existe una estrategia predecible de autofinanciamiento (𝕩, 𝑦) tal que

𝑉(𝕩,N) (𝑁) = 𝟏Ü

Tomando esperanza con respecto a cada medida neutral al riesgo, vemos que

𝔼” }𝑉(𝕩,N) (𝑁)~ = 𝔼” (𝟏Ü ) = 𝑄® (𝐴) 𝑖 = 1,2.

Pero los valores descontados forman una martingala, por lo que la esperanza es constante en
el tiempo
(1 + 𝑅)e4 𝔼” }𝑉(𝕩,N) (𝑁)~ = 𝔼” }𝑉d(𝕩,N) (𝑁)~ = 𝑉(𝕩,N) (0)

El lado derecho no depende de 𝑖, entonces 𝑄f (𝐴) = 𝑄 (𝐴) (ambos son iguales a

𝑉(𝕩,N) (0)(1 + 𝑅)4 ). Por lo tanto, 𝑄f = 𝑄 , ya que 𝐴 ∈ ℱ4 era arbitrario.

Para la implicación inversa, suponga que existe una probabilidad única neutral al riesgo 𝑄~𝑃.
Se aplica el principio de no arbitraje, según el primer teorema fundamental. Para demostrar
la completez, suponemos que una cierta seguridad derivada con el pago 𝐻 (𝑁) no se puede
replicar, y mostramos que esto nos permite construir otra probabilidad neutral al riesgo, que
es una contradicción. Considere el conjunto de variables aleatorias reales definidas en Ω por

𝑊 = h𝑉(𝕩,N) (𝑁): (𝕩, 𝑦) autofinanciamiento, predeciblei

Este es un subespacio vectorial de ℝÚ con 𝐻 (𝑁) ∉ 𝑊. Invertir sin riesgo podemos obtener
un valor final determinista por lo que 𝟏 = (1, … ,1) ∈ 𝑊.

Equipa ℝÚ con el producto interno

 Ú

〈𝕫, 𝕨〉” = Í 𝑧® 𝑤® 𝑄(𝜔® )

®Îf

Por el Lema 2.39 con 𝐴 = |𝐻(𝑁)| existe 𝕫 tal que 𝕫 ≠ 𝟎, 𝔼” (𝕫) = 0, desde 𝟏 ∈ 𝑊. Escriba
𝑎 = max®Îf,…,Ú ²𝑧Ý ² < ∞ y defina una nueva probabilidad

𝑧Ý
𝑄f (𝜔f ) = }1 + ~ 𝑄(𝜔® ), para 𝑖 = 1, … , 𝑀
2𝑎

Probamos (ver la prueba del segundo teorema fundamental de un solo período) que

1. 𝑄f es una probabilidad equivalente a 𝑃: 𝑄f (𝜔® ) > 0.

2. 𝑄f es diferente de 𝑄
Veremos que
3. 𝑄f es neutral al riesgo.

Con este fin, tome una secuencia predecible 𝕩(𝑛) y úsela para crear una estrategia de
autofinanciamiento (𝕩, 𝑦) con un valor inicial 𝑉(0) = 0. Utilizamos el hecho de que los
valores con descuento son 𝑄-martingalas, por lo que la esperanza es constante en el tiempo:
Ú
𝑧®
𝔼”³ }𝑉d(𝕩,N) (𝑁)~ = Í 𝑄(𝜔® ) }1 + ~ 𝑉d (𝑁 )
2𝑎 (𝕩,N)
®Îf

Ú Ú
1
= Í 𝑄(𝜔® ) 𝑉d(𝕩,N) (𝑁) + Í 𝑧® 𝑉(𝕩,N) (𝑁) 𝑄(𝜔® )
2𝑎(1 + 𝑅)4
®Îf ®Îf

1
= 𝔼” }𝑉d(𝕩,N) (𝑁)~ + 〈𝕫, 𝑉(𝕩,N) (𝑁)〉”
2𝑎(1 + 𝑅)4

1
= 𝑉 (0) + 〈𝕫, 𝑉(𝕩,N) (𝑁)〉”
2𝑎(1 + 𝑅)4

=0

dado que 〈𝕫, 𝕨〉 = 0 para 𝕨 ∈ 𝑊. Dado que 𝕩(𝑛) fue arbitrario, el Teorema 4.32 muestra
que 𝑄f es neutral al riesgo. Las condiciones 1, 2, 3 contradicen la singularidad de la
probabilidad neutral al riesgo. Por lo tanto, cada seguridad derivada se puede replicar, es
decir, el modelo está completo.

Consecuencias para el precio de la opción

Damos un resumen de las consecuencias de los teoremas fundamentales.

Teorema 4.40
Si el mercado subyacente (𝑑 acciones y mercado monetario) no admite arbitraje y una
seguridad derivada con pago 𝐻 (𝑁) es replicable por una estrategia (𝕩, 𝑦) entonces para
que el mercado extendido esté libre de arbitraje, debemos tener

𝐻(𝑛) = 𝑉(𝕩,N) (𝑛)

Para ver esto, tenga en cuenta que si tuviéramos una desigualdad en cualquier momento, se
podría construir un arbitraje. La inversión se iniciaría en ese momento, la opción vendida y
el portafolio comprada (o viceversa). La ganancia se mantendría, ya que en el momento final
el pago de la opción es idéntico al valor del portafolio.

Luego, empleando el hecho de que los precios de las acciones y también los valores de las
estrategias son martingalas con respecto a la probabilidad única neutral al riesgo, obtenemos

𝑉d(𝕩,N) (𝑛) = 𝔼” r𝑉d(𝕩,N) (𝑁)²ℱê s

= 𝔼” r𝑉d(𝕩,N) (𝑁)²ℱê s

insertar la recompensa como resultado de la suposición de replicación. Por definición

𝑉d(𝕩,N) (𝑛) = 𝐻
Ë (𝑛) = (1 + 𝑅)eê 𝐻(𝑛)

así que
1
𝐻 (𝑛 ) = 𝔼 (𝐻 (𝑁)|ℱê )
(1 + 𝑅)4eê ”

En particular (para 𝑛 = 0)

𝐻 (0) = (1 + 𝑅)e4 𝔼” r𝐻(𝑁)s.

4.7 Seleccionar y calibrar un modelo de precios

En vista del segundo teorema fundamental, un modelo deseable es uno completo. Entonces,
si deseamos considerar solo una acción, una elección natural es el modelo binomial. Sin
embargo, cualquier modelo de precios no tiene relevancia a menos que podamos relacionarlo
claramente con los datos reales del mercado.

Nos enfrentamos a la tarea crucial de elegir los parámetros de nuestro modelo de precios para
que nuestra creación matemática se parezca al mundo real. Los datos históricos disponibles
suelen ser la fuente de inspiración para esto. A partir de los precios de las acciones pasadas,
podemos calcular características como el rendimiento promedio o la varianza muestral del
rendimiento y luego asumir el valiente supuesto de que estos números pasados reflejan el
futuro. Esto es, por supuesto, problemático y un análisis serio de todo el asunto está más allá
de nuestro alcance, por lo que nos limitaremos a breves comentarios.
En nuestro modelo binomial simple, donde los retornos tienen distribuciones idénticas, la
tarea es encontrar 𝑝, 𝑈, 𝐷. Suponga que el retorno pasado promedio es 𝜇 y la varianza del
retorno es 𝜎 . Entonces podemos ajustar los parámetros a los datos resolviendo dos
ecuaciones
𝑝𝑈 + (1 − 𝑝)𝐷 = 𝜇,

(𝑈 − 𝐷 ) 𝑝 (1 − 𝑝 ) = 𝜎 .

Sin embargo, recuerde que la confiabilidad de 𝜇 obtenida de los datos históricos es

cuestionable. Aquí tenemos demasiada flexibilidad, ya que hay dos ecuaciones en tres
variables. Podríamos tratar de calcular algunos momentos adicionales de rendimiento o
podemos hacer suposiciones simplificadoras adicionales. Una simplificación ampliamente
utilizada es tomar 𝐷 = 1⁄𝑈, por ejemplo 𝑈 = 𝑒 ^ , 𝐷 = 𝑒 e^ para alguna 𝑎. Otra posibilidad
es tomar 𝑝 = 0.5 que refleja la irrelevancia observada de 𝑝 para la fijación de precios, pero
en la calibración la elección de 𝑝 es relevante ya que este parámetro interactúa con los
retornos.

Otras elecciones ad hoc están relacionadas con la probabilidad de riesgo neutral 𝑞. Podríamos
Žo•
requerir 𝑞 = 0.5, por simplicidad, lo que significa que = 𝑅, y ajustar la varianza a las
probabilidades neutrales de riesgo dejando que 𝑞(1 − 𝑞 )(𝑈 − 𝐷) = 𝜎 . La fuente de
inspiración aquí es el hecho de que en el popular modelo Black-Scholes de tiempo continuo
(ver [BSM] en la serie actual) el coeficiente responsable de la varianza no cambia si pasamos
a la probabilidad neutral de riesgo.

Supongamos que el modelo binomial ha sido construido. Ahora estamos en condiciones de

encontrar precios únicos sin arbitraje de todos los valores derivados. Sin embargo, suponga
que se negocia una opción, el precio es dado por el mercado y no está de acuerdo con los
resultados teóricos de nuestro modelo. ¡Esto significa que el arbitraje está disponible en
nuestro modelo, pero no necesariamente en la realidad! Si el precio de la opción es confiable,
por ejemplo, si esta seguridad es líquida con un volumen sustancial de negociación, debemos
concluir que nuestro modelo está equivocado. Podríamos rectificar la situación
extendiéndonos a un modelo trinomial, tomando la opción como una seguridad adicional.
Nuestro modelo ahora está libre de arbitraje y completo. Sin embargo, es posible que
necesitemos expandirlo aún más si se dan otros precios de opciones (por ejemplo, llamadas
con varias advertencias) y no estamos de acuerdo con las predicciones del nuevo modelo.

Por supuesto, los precios serios requieren un modelo de varios pasos. Esto ofrece otra forma
de agregar flexibilidad al modelado, al permitir que los retornos de un solo paso tengan varias
distribuciones. No buscamos esto aquí ya que surgen complicaciones técnicas serias, pero
esta línea de razonamiento será necesaria cuando discutamos las tasas de interés aleatorias.

Esta discusión ilustra la cuestión fundamental de que los datos del mercado no pueden ser
ignorados y quizás deberíamos reconsiderar todo el enfoque para la construcción de modelos,
centrándonos en cambio en la información proporcionada por los precios actuales del
mercado. Las opciones están relacionadas con los precios futuros de las acciones, por lo que
sus precios reflejan la visión del mercado sobre la evolución futura de las acciones y "el
mercado siempre tiene la razón". En particular, en un modelo trinomial incompleto, el
mercado "elige" la probabilidad única neutral al riesgo al proporcionar el precio de una
opción.

En línea con esta observación, podríamos buscar condiciones para determinar los parámetros
del modelo mediante las fórmulas de fijación de precios de la forma: 𝐻(0) = 𝔼” r𝐻(1)s,
que, si se conoce la forma de 𝐻 (1), implican solo los retornos 𝑈 y 𝐷.

Ejercicio 4.8 Construya un modelo binomial 𝑆(0) = 100, 𝑅 = 10% si la llamada con las
huelgas 100 y 105 tienen precios 10 y 8, respectivamente.

Una cuestión más relacionada con la calibración es la elección de la duración del paso de
tiempo. Tomar ℎ pequeño tiene la ventaja de estar cerca del mundo real, donde los cambios
de precios son frecuentes. Para h pequeña, el tamaño del cambio de precio también tiene que
ser pequeño. En realidad, los precios de las acciones se comportan de manera similar a un
árbol binomial con cambios dados por una pequeña cantidad prescrita 𝑑 (una marca). Pero
un modelo con cambios del tipo 𝑆(𝑛 + 1) = 𝑆(𝑛) ± 𝑑 no puede ser realista ya que después
de algunos pasos los precios pueden volverse negativos. Por lo tanto, el tamaño de la marca
debe reducirse cuando el precio baja considerablemente y, por lo tanto, un modelo de precios
proporcionales con cambios de precios multiplicativos parece ser más razonable.

El tamaño de ℎ corresponde al número de pasos. Si se emite una opción típica con tres meses
para hacer ejercicio, los cambios diarios significarían que el tamaño de Ω es del orden de 2?š ,
lo que hace que los cálculos sean imposibles. Y no hay que olvidar que, en realidad, los
cambios se realizan con mucha más frecuencia que a diario. Un camino a seguir, por lo tanto,
es desarrollar un enfoque de tiempo continuo. Esto se retrasa hasta el volumen [BSM] en esta
serie, ya que requiere una preparación matemática sustancial, proporcionada en [PF] y [SCF].

4.8 Más ejemplos de derivados

En esta sección final, usamos la teoría general desarrollada anteriormente para investigar las
propiedades simples de los forwards y futuros, y brindamos una breve visión de la variedad
de derivados que se pueden construir a partir de los componentes básicos que hemos
analizado. Comenzamos observando que la paridad call-put tiene una contrapartida natural
en los modelos de varios pasos.

Paridad call-put
En un modelo completo sin arbitraje, podemos proceder como en la Sección 2.7 y considerar
la relación entre los pagos descontados de las opciones de compra y venta.

𝐶g (𝑁) − 𝑃d(𝑁) = 𝑆g (𝑁) − 𝐾(1 + 𝑅)e4

Tomando expectativas condicionales en ambos lados tenemos

 𝔼” r𝐶g (𝑁)²ℱê s − 𝔼” r𝑃d (𝑁)²ℱê s = 𝔼” r𝑆g(𝑁)²ℱê s − 𝐾 (1 + 𝑅)e4

que produce 𝐶g (𝑛) − 𝑃d(𝑛) = 𝑆g (𝑛) − 𝐾 (1 + 𝑅)e4 , generalizando así el teorema 2.42.

Teorema 4.41 Paridad call-put

Para cualquier 𝑛 ∈ {0, … , 𝑁} tenemos la siguiente relación entre los valores call y put

𝐶 (𝑛) − 𝑃(𝑛) = 𝑆(𝑛) − 𝐾(1 + 𝑅)e(4eê) .

De hecho, este teorema no requiere el uso de ningún modelo en particular y puede justificarse
directamente por el principio de no arbitraje. Para este fin, solo necesitamos generalizar la
Ley del Precio Único (Corolario 2.44).

Teorema 4.42 Ley del precio único

Si 𝐻,𝐻Ñ son dos valores derivados europeos independientes de la ruta con el mismo resultado

𝐻 (𝑁 ) = 𝐻 Ñ (𝑁 )

entonces para cada 𝑛 ≤ 𝑁 sus valores coinciden:

𝐻 (𝑛 ) = 𝐻 Ñ (𝑛 )

Prueba. Esto es rutinario: si para un 𝜔š , en algún momento 𝑛š tenemos 𝐻(𝑛š, 𝜔š) <
𝐻Ñ (𝑛š , 𝜔š ), digamos, entonces no hacemos nada hasta el momento 𝑛š , tome 𝑧‹ (𝑛š , 𝜔š ) =
1, 𝑧‹ (𝑛š , 𝜔š ) = −1, 𝑦(𝑛š , 𝜔š ) = 𝐻Ñ (𝑛š , 𝜔š ) − 𝐻 (𝑛š , 𝜔š ) para obtener una oportunidad de
arbitraje.

Forwards and futures

Recuerde que un contrato a plazo (posición larga) con precio de entrega 𝐾 es una garantía
derivada con pago 𝐻 (𝑁) = 𝑆 (𝑁) − 𝐾. Luego, en un modelo completo libre de arbitraje

𝐻(𝑛) = (1 + 𝑅)e(4eê) 𝔼” (𝑆(𝑁) − 𝐾 ) = 𝑆(𝑛) − 𝐾(1 + 𝑅)e(4eê)

Como en el capítulo 2, podemos proporcionar una prueba independiente del modelo de esta
fórmula.

Proposición 4.43
El tiempo 𝑛 valor de un contrato a plazo iniciado en el momento 0 con el precio de entrega
𝐾 es 𝐻 (𝑛) = 𝑆 (𝑛) − 𝐾 (1 + 𝑅)e(4eê)

Prueba. Construimos un portafolio de tal manera que en el momento 𝑁, 𝑉(M,N,z) = 𝑆(𝑁) −

f
𝐾 tome 𝑥 (𝑛) = 1, 𝑦(𝑛) = − Ü(š) 𝐾 (1 + 𝑅)e4 . Por lo tanto, sin arbitraje en cada momento 𝑛
debemos tener 𝑉(M,N) (𝑛) = 𝐻 (𝑛) mediante un argumento directo. En el tiempo 𝑛, 𝑉(M,N) (𝑛) =
𝑆(𝑛) + 𝑦(𝑛)𝐴(𝑛) = 𝑆 (𝑛) − 𝐾 (1 + 𝑅)e(4eê), que completa la prueba.
En general, definimos el precio a plazo 𝐹(𝑛, 𝑁) como el precio de entrega que da valor cero
a un contrato celebrado en el momento 𝑛, con entrega en el momento 𝑁.

Corolario 4.44
Sin arbitraje implica que los precios a plazo en el momento 𝑛 < 𝑁 es

𝐹 (𝑛, 𝑁) = 𝑆 (𝑛)(1 + 𝑅)4eê

Prueba. De 𝐻(𝑛) = 0 obtenemos el resultado de una vez.

En particular 𝐹 (0, 𝑁) = 𝑆 (0)(1 + 𝑅)4 (como observamos en el Capítulo 2 para 𝑁 = 1)

Ejercicio 4.9 Supongamos que ha firmado un contrato a largo plazo con precio a plazo
𝐹(0,2) = 124.75. En el momento 1 le gustaría cerrar esta posición. ¿Cuánto dinero tendría
que pagar (o recibir) si 𝑆(1) = 120 y 𝑅 = 9%?

Además de los precios de las acciones, los mercados también cotizan los llamados precios
de futuros. La principal diferencia entre ellos y los forwards es que los futuros se cotizan en
un intercambio, mientras que los forwards se negocian "sin receta" (OTC), por acuerdo
mutuo entre las dos partes involucradas. El intercambio busca minimizar el riesgo de
incumplimiento, por lo que los inversores deben mantener una cuenta marginal, cuyos
fondos pueden ajustarse diariamente para reflejar las fluctuaciones en los precios de futuros.

Restringimos nuestra atención a situaciones de tiempo discreto. Use 𝑓(𝑛, 𝑁) para describir
el precio de futuros de una mercancía, que se establece en el momento 𝑛 cuando se inicia el
contrato. Esto proporciona una serie de valores derivados con el activo subyacente 𝑆(𝑛)
definido mediante los siguientes axiomas:
• 𝑓(𝑁, 𝑁) = 𝑆(𝑁)
• 𝑓(𝑛, 𝑁) es ℱê - medible, donde ℱê es el campo generado por los precios de las
acciones 𝑆(1), … , 𝑆 (𝑛)
• En el momento 𝑛 una posición larga de futuros genera el flujo de caja

𝑓 (𝑛, 𝑁) − 𝑓(𝑛 − 1, 𝑁), 𝑛 = 1, … , 𝑁.

• Un tiempo 𝑛 en una posición corta de futuros genera el flujo de caja

𝑓 (𝑛 − 1, 𝑁) − 𝑓(𝑛, 𝑁), 𝑛 = 1, … , 𝑁.

• No cuesta nada ingresar a una posición de futuros en cualquier momento.

Los flujos de efectivo generados en las cuentas de margen por cambios en la posición futura
se denominan marcado al mercado. Si descuidamos el valor temporal del dinero, entonces el
titular de la posición larga de futuros tiene el flujo de caja total
 4

Í[𝑓 (𝑛, 𝑁) − 𝑓 (𝑛 − 1, 𝑁)] = 𝑓 (𝑁, 𝑁) − 𝑓(0, 𝑁) = 𝑆 (𝑁) − 𝑓(0, 𝑁), (4.6)

êΚ

que se parece mucho a la recompensa a largo plazo. La única diferencia, 𝑓 (0, 𝑁) en lugar de
𝐹(0, 𝑁), es irrelevante si los rendimientos libres de riesgo se conocen para los períodos
futuros, como se muestra en el siguiente resultado. Nuevamente, requerimos estrategias
extendidas, esta vez involucrando forwards o futuros como la garantía derivada. Nuestra
suposición de no arbitraje se mantiene para ambos casos.

Teorema 4.45
Si la tasa de interés es constante, entonces 𝑓 (0, 𝑁) = 𝐹(0, 𝑁).

Prueba. Restringimos al caso especial 𝑁 = 2. Un contrato a término da la recompensa

𝑆(2) − 𝐹 (0,2). Diseñaremos una estrategia basada en futuros con costo cero, que generará
la suma 𝑓(0,2) − 𝑆 (2). Como el saldo combinado es 𝑓(0,2) − 𝐹(0,2), que es una cantidad
determinista producida a un costo cero, debe ser cero.

Para construir la estrategia requerida, escribimos (como en (4.6))

𝑓 (0,2) − 𝑆(2) = 𝑓 (0,2) − 𝑓 (2,2)

= r𝑓(0,2) − 𝑓 (1,2)s + r𝑓(1,2) − 𝑓(2,2)s

y luego replica cada término entre corchetes a la derecha.

El último es el flujo de efectivo de la posición corta de futuros en el momento 2, por lo que

para generarlo tenemos que abrir este contrato en el momento 1.
f
El primero, después del descuento, se convierte en r𝑓(0,2) − 𝑓(1,2)s, que es la
fo•
f
recompensa en el momento 1 de la fracción fo• de la posición de futuros corta abierta en el
momento 0. Si abrimos dicha fracción (de forma gratuita) e invertimos los ingresos obtenidos
en el momento 1 (o tomamos prestado en lugar de invertir si el monto es negativo) sin riesgo,
esto nos dará 𝑓(0,2) − 𝑓 (1,2) en el momento 2 según sea necesario.

Más formalmente, en el momento 0 tomamos

𝑥(0) = 0, 𝑦(1) = 0,

1
𝑧ü`¾ab¾c (1) = 1, 𝑧ü»d»¾½º (1) = ,
1+𝑅

que es gratis, y en el momento 1, a costo cero, cambiamos esto a

 1
𝑥(2) = 0, 𝑦(2) = r𝑓(0,2) − 𝑓 (1,2)s,
1+𝑅

𝑧ü`¾ab¾c (2) = 1, 𝑧ü»d»¾½º (2) = −1.

El punto clave es el conocimiento de la tasa de interés futura para el período que comienza
en el tiempo 1, lo que nos permite determinar el tamaño de la posición de futuros inicial.