σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft AcademyHojas de rutaRutas
Ctrl K
AO
+1,2 k estudiantes
Iniciar sesiónUnirse ↗
Hojas de rutaRutas
AO
+1,2 k estudiantes
Iniciar sesión
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft AcademyHojas de rutaRutas
Ctrl K
AO
+1,2 k estudiantes
Iniciar sesiónUnirse ↗
Hojas de rutaRutas
AO
+1,2 k estudiantes
Iniciar sesión
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
Ruta de Stochastic Calculus›Módulo 5 · Simulación y práctica›Tema 5.2·~1 h 40 minAvanzado

Proyecto final: simular valorar y cubrir con reequilibrio discreto

Posición en la rutaMódulo 5 de 5 · Tema 2 de 2
5.2 Proyecto final: simular valorar y cubrir con reequilibrio discreto
—Puntuación del lab— / 100XP total—Racha—

De un modelo a una cobertura

Una opción vale lo que cuesta cubrirla. Este laboratorio recorre toda la cadena con precios de SPY. Primero se estima un movimiento browniano geométrico a partir de los rendimientos diarios. La volatilidad σ es la desviación típica de los rendimientos llevada a un año. La deriva del precio es μ=r̄·252+σ²/2: el σ²/2 extra viene del lema de Itô, porque el log del precio crece más despacio que el precio. Luego se simulan trayectorias a partir de una matriz de valores normales, una vez con el esquema exacto y otra con el de Euler. Los mismos valores alimentan ambos, así que se pueden comparar trayectoria a trayectoria.

Sₖ₊₁=Sₖ e^((μ-σ²/2)h+σ√h z), Sₖ₊₁=Sₖ (1+μh+σ√h z), h=T/n

A continuación, valore un call de dos maneras. La fórmula de Black-Scholes es el promedio exacto bajo la medida neutral al riesgo. Monte Carlo llega a él simulando con la deriva r, promediando el pago y descontando. Nunca es exacto: se desvía unos errores estándar. Por último, cubra. Venda el call, compre Δ acciones y deje el resto en efectivo. En cada fecha de reequilibrio, deje crecer el efectivo a la tasa r, recalcule Δ con el tiempo restante y ajuste la posición. El error al vencimiento es lo que la cobertura deja atrás.

Vₙ=C₀exp(rT)+ΣⱼΔⱼ₋₁(Sⱼ-Sⱼ₋₁exp(rh))exp(r(T-tⱼ)), e=Vₙ-max(Sₙ-K,0)
Qué dicen los datos realesSPY desde 2005 da μ≈11,6% y σ≈19,0% al año. Para una acción a 100 y strike 100, un call a tres meses vale unos 4,03 y tiene delta 0,54. En el mercado simulado la desviación típica del error de cobertura es 1,79 con 3 reequilibrios, 1,08 con 9, 0,70 con 21 y 0,44 con 63. Baja más o menos como 1/√n. En los 85 trimestres reales es 1,81, 1,71, 1,59 y 1,74: reequilibrar más a menudo no ayuda. La razón es que la volatilidad no es constante. La volatilidad realizada de un trimestre fue de 6% a 70%, y la cobertura usó 19% cada vez.
  • Exacto y Euler: los mismos valores dan dos trayectorias. La diferencia es el error de discretización del tema anterior.
  • Precio = costo de la cobertura: con operación continua la cobertura es perfecta, con pocos reequilibrios queda un error del orden de 1/√n.
  • El error real es un error de volatilidad: reequilibrar más a menudo no corrige un σ equivocado.
Simplificaciones que recordarLa tasa se fija en 2%, sin costos de transacción ni dividendos. La cobertura usa la volatilidad de toda la muestra, que nadie conocía de antemano, así que los errores reales son, si acaso, demasiado benignos. Los 85 trimestres son pocos y no son independientes del régimen de mercado. Lo que importa aquí es el orden de los resultados, no las cifras.

Lab: qué se califica

  • Estimar el modelo10 pts
  • Trayectorias exactas15 pts
  • Trayectorias de Euler10 pts
  • El call de Black-Scholes15 pts
  • El delta5 pts
  • Precio Monte Carlo10 pts
  • La cobertura25 pts
  • El estudio de cobertura10 pts
Explorador · lab-so-09
▾ lab-so-09
▾ data
…
bash · en el navegador
learner@quantcraft:~/lab-so-09$
Python aún no cargadoPythonLn 1, Col 1Spaces: 4UTF-8

¿Restablecer este tema?

Todo lo que hay en lab-so-09 vuelve a los archivos iniciales y se limpia el terminal. Tu solución actual se perderá: no se puede deshacer.

Se restablecerá
  • main.py → código inicial
  • Historial del terminal y salida de pruebas
  • Cambios sin enviar
Se conservará
  • Mejor puntuación del lab
  • Tu XP y tu racha
  • Progreso de la lección y notas

Inicia sesión para ejecutar tu código.

Todas las clases se pueden leer gratis. Crea una cuenta o inicia sesión para ejecutar código, lanzar las pruebas y enviar este lab.

  • IDE en el navegador con terminal bash — sin instalar nada
  • Corrección instantánea, XP y tu lugar en la ruta
Crear una cuentaIniciar sesión
O
Continuar con GitHub