Estimación clásica y bayesiana de la volatilidad en el modelo de Black-Scholes
DOI:
https://doi.org/10.46661/revmetodoscuanteconempresa.5002Palabras clave:
Ecuación Diferencial Estocástica, distribución previa, distribución posterior, Estimación, Volatilidad, Boostrap, valores extremos, hiperparametros, elicitaciónResumen
La valoración de opciones y en gran medida el mercado de derivados financieros requiere de una óptima estimación de la volatilidad, ya que justamente ésta es la variable que se negocia. Se presenta entonces una metodología estadística para la estimación del parámetro de volatilidad para un activo, usando métodos propios del enfoque Bayesiano. Para modelar el comportamiento natural del parámetro que representa la volatilidad en el modelo de Black-Scholes, se utilizan distribuciones de probabilidad de la familia Gama y la distribución Lévy Estándar. Los resultados obtenidos usando la metodología propuesta se contrastan con los obtenidos al estimar el parámetro desde el enfoque clásico donde se implementa el método de la Máxima Verosimilitud y la técnica Boostrap. Se logra evidenciar que el procedimiento de estimación desde el paradigma bayesiano, permitió obtener estimaciones del parámetro de volatilidad más ajustadas y precisas, cuando en la distribución de los retornos se consideran valores extremos. Estas características del estimador permiten que, al evaluar el precio de la opción, al utilizar el modelo de Black-Scholes, sea más próximo a lo que se espera que ocurra en el mercado financiero.
Descargas
Citas
Achcar, J.A., Lopes, S.R., Mazucheli, J., & Linhares, R.A. (2013). Bayesian approach for stable distributions: some computational aspect. Open Journal of Statistics, 3(4), 268-270.
Alexander, C. (2005). Modelos De Mercado: um Guia Para Análise de Informações Financeiras. Market Models: a Guide for Financial Information Analysis. BM&F/Saraiva, São Paulo.
Awartani, B.M., & Corradi, V. (2005). Predicting the volatility of the S&P-500 stock index via GARCH models: the role of asymmetries. International Journal of Forecasting, 21(1), 167-183.
Black, F., & Scholes, M. (1973). The pricing of options and corporate liabilities. Journal of Political Economy, 9, 81-89.
Bernardo, J., & Smith, A. (2009). Bayesian theory. New York: John Wiley & Sons.
Bolsa de valores de Colombia (2019, 02 de agosto). https://www.bvc.com.co/pps/tibco/portalbvc.
Box, G., & Tiao, G. (1973). Bayesian Inference in Statistical Analysis. Massachusetts: Addison-Wesley Publishing Company.
Casella, G., & Berger, R (2001). Statistical Inference. United States: Duxbury Advanced Series.
Cortes, C., & Cangrejo, A. (2018b). Modelo de volatilidad en un mercado financiero colombiano. Comunicaciones en Estadística, 11(2), 191-218.
Cortes, C., & Cangrejo, A. (2019). Modelo de volatilidad a los precios de cierre de la acción PFCEMARGOS comprendidas entre 16/mayo/2013 al 31/mayo/2017. Cuadernos de Economía, 42(119), 119-138.
Cox, J., Ross, S., & Rubenstein, M. (1979). Option pricing: A simplied approach. Journal of Financial Economics, 7, 229-264.
Chen, Z., Du, J., Li, D., & Ouyang, R. (2013). Does foreign institutional ownership increase return volatility? Evidence from China. Journal of Banking & Finance, 37(2), 660-669.
Danielsson, J. (1994). Stochastic Volatility in Asset Prices Estimation with Simulated Maximum Likelihood. Journal of Econometrics, 64, 375-400.
Darsinos, T., & Satchell, S. (2001). Bayesian analysis of the Black-Scholes option price. University of Cambridge, 9, 4-36.
Efron, B. (1979). Bootstrap methods: another looks at the jackknife annals of statistics. The Annals of Statistics, 7(1), 1-26.
Franco, P.B.A., Restrepo, D.A., & Pérez, F.O. (2007). Estudio de efectos asimétricos y día de la semana en el índice de volatilidad VIX. Revista Ingenierías Universidad de Medellín, 6(11), 125-147.
Gelman, A., Carlis, J., Stern, H., & Rubin, D. (2003). Bayesian data analysis. New York: Chapman & Hall.
Goudarzi, H., & Ramanarayanan, C. (2010). Modeling and estimation of volatility in Indian stock market. International Journal of Business and Management, 5(2), 85-98.
Ho, W., Lee, A. & Marsden, A. (2011). Use of Bayesian Estimates to determine the Volatility Parameter Input in the Black-Scholes and Binomial Option Pricing Models. Journal of Risk and Financial Management, 7, 74-96.
Hull, J.C. (2005). Fundamentals of Futures and Options Markets. New Jersey: Prentice Hall.
Hull, J.C. (2006). Options, Futures, and Other Derivatives. New Jersey: Pearson.
Karolyi G.A. (1993). A Bayesian Approach to Modeling Stock Return Volatility for Option Valuation. Journal of Financial and Quantitative Analysis, 18(4), 579-594.
Kearney, C., & Daly, K. (1998). The causes of stock market volatility in Australia. Applied Financial Economics, 8(6), 597-605.
Khan, F., Khan, S.U.R., & Khan, H. (2016b). Pricing of risk, various volatility dynamics and macroeconomic exposure of firm returns: New evidence on age effect. International Journal of Economics and Financial Issues, 6(2), 551-561.
Martínez, F. (2008). Financial and economic risks: Derivatives and economic decisions under uncertainty. México D.F.: Cengage Learning Editores.
Merton, R. (1973). Theory of rational option pricing. Bell. Journal of Economics and Management Science, 4, 14-32.
Ncube, M., & Satchell, S. (1997). The Statistical Properties of the Black-Scholes Option Price. Mathematical Finance, 7, 287-305.
Nguyen, V.B. (2015). Effects of fiscal deficit and money M2 supply on inflation: evidence from selected economies of Asia. Journal of Economics, Finance and Administrative Science, 20(38), 49-53.
Nolan, J. P. (2003). Modeling financial distributions with stable distributions. Handbooks in Finance, 1, 105-130.
Rossetti, N. , Nagano, M., & Meirelles, J. (2017). A behavioral analysis of the volatility of interbank interest rates in developed and emerging countries. Journal of Economics, Finance and Administrative Science, 22(42), 99-128.
Sharif, J., Hashim, K., & Faisal, K. (2018). Return Volatility and Macroeconomic Factors: A Comparison of US and Pakistani Firms. Business & Economic Review, 10(2), 1-28.
Tsay, R.S. (2005). Analysis of financial time series. New Jersey: John Wiley & Sons.
Publicado
Cómo citar
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-CompartirIgual 4.0.
El envío de un manuscrito a la Revista supone que el trabajo no ha sido publicado anteriormente (excepto en la forma de un abstract o como parte de una tesis), que no está bajo consideración para su publicación en ninguna otra revista o editorial y que, en caso de aceptación, los autores están conforme con la transferencia automática del copyright a la Revista para su publicación y difusión. Los autores retendrán los derechos de autor para usar y compartir su artículo con un uso personal, institucional o con fines docentes; igualmente retiene los derechos de patente, de marca registrada (en caso de que sean aplicables) o derechos morales de autor (incluyendo los datos de investigación).
Los artículos publicados en la Revista están sujetos a la licencia Creative Commons CC-BY-SA de tipo Reconocimiento-CompartirIgual. Se permite el uso comercial de la obra, reconociendo su autoría, y de las posibles obras derivadas, la distribución de las cuales se debe hacer con una licencia igual a la que regula la obra original.
Hasta el volumen 21 se ha estado empleando la versión de licencia CC-BY-SA 3.0 ES y se ha comenzado a usar la versión CC-BY-SA 4.0 desde el volumen 22.
