Sigo sin entender la relación entre los precios de los troncos y cómo se incorpora al modelo de BS. Entiendo por qué se asume log(S) porque facilita las matemáticas y evita que los precios finales sean negativos. Sin embargo, no entiendo dónde se produce realmente esa transformación.
Al fijar el precio de las opciones mediante el modelo BS, siempre veo que sigue el proceso de evolución subyacente:
dS = Sdt + SdX
La S en lo anterior, me hace creer, es sólo los precios regulares de las acciones, ¿correcto? ¿Y no log(S)? Esto tiene sentido ya que al dividir S entre nos da la rentabilidad simple. Así es como asumimos que los precios de las acciones cambian, lo cual es necesario para aplicar el Lemma de Ito.
Para derivar el precio de la opción, primero creamos una cartera de una opción de compra larga y acciones cortas, que tras aplicar el Lemma de Ito al precio de la opción, nos permite encontrar la cantidad de acciones que hay que vender para que la cartera no tenga riesgo. Esto nos da finalmente el precio de la opción.
En ninguna de las derivaciones de BS que he visto veo que log(S) entre en juego. Veo la derivación, y luego, como punto secundario, el autor comenta que el modelo BS asume que los precios finales de las acciones siguen una distribución lognormal. No veo dónde se incorpora realmente log(S) en el proceso de derivación.
¿Entra en juego dentro del término dX donde no es norm(0,1) sino alguna otra distribución? ¿O es dS en realidad dlog(S)? ¿O la transformación se produce en otro lugar?
Gracias.
2 votos
El hecho de que S tenga una distribución lognormal es una consecuencia no evidente de la ecuación $dS = \mu S dt + \sigma S dX$ . No se presupone en ningún sitio, sino que se puede demostrar. Una distribución lognormal se define como una distribución tal que si se toma el logaritmo, parece normal (de ahí viene la transformación logarítmica, pero tienes razón en que esta transformación no se utiliza en la derivación de Black Scholes. Por supuesto, Black y Scholes sabían que si se elige este modelo para S, tendrá algunas propiedades deseables, como el hecho de que S siga siendo positivo, etc.)
0 votos
Además, dX no es realmente la norma(0,1), sino un diminuto incremento (infinitesimal) que es proporcional tanto a una variable de la norma(0,1) (normalmente llamada $\epsilon$ ) y a $\sqrt{dt}$ . Es algo bastante inusual, cuesta acostumbrarse.
1 votos
¿Le gustaría ver la prueba de que $dS=\mu S dt + \sigma S dX$ lleva a una S lognormal? La prueba que Black y Scholes omitieron en su artículo ;)
0 votos
Para una comprensión general de algunos de los puntos mencionados y para obtener alguna intuición, mi documento "Ito, Stratonovich y sus amigos" puede ser útil: papers.ssrn.com/sol3/papers.cfm?abstract_id=2956257
0 votos
@AlexC: ¡Sí, creo que la prueba podría ser una buena respuesta a la pregunta del OP!
0 votos
@Alex C, gracias por la respuesta. No he tenido tiempo de pensar por qué puede ser así, pero el documento también sería útil.
1 votos
Para entender $\frac{dS}{S} = \mu dt + \sigma dW$ quizás primero examinar el diff-eq $\frac{1}{y} \frac{dy}{dt} = r$ . Equivale a $\frac{d \log y}{dt} = r$ por lo que $\log y = rt$ y $y = e^{rt}$ . Hablando en términos generales, $\frac{dy}{y}$ es un cambio porcentual y un el cambio porcentual continuamente compuesto es una diferencia logarítmica . La acumulación continua de cambios porcentuales conduce a un crecimiento exponencial, y el crecimiento exponencial en $y$ es un crecimiento lineal en $\log y$ .