------------------------------------------------------------------------------------------------------------------------------- En un espacio de probabilidad ( , , ) , X : es una variable aleatoria si es -medible ( X ).

si X , Y son variables aleatorias, y g es una funcin cualquiera, se cumple que:

o si Y entonces E [ g (Y ) | ] = g (Y ) y E [ g (Y ) X | ] = g (Y )E [ X | ] .
o si Y es independiente de entonces E [ g (Y ) | ] = E [ g (Y )] , y en particular E [ g (Y ) | ] = E [ g (Y )] .

E [Y | X ] = E [Y | X ] = h( X ) para cierta funcin h .

o Ley de la Probabilidad Total: E E [ X | ] = E [ X | ] siempre que .

------------------------------------------------------------------------------------------------------------------------------- Una filtracin = ( t )t
[0, ) satisface s t si s < t .

Ley de la Probabilidad Total: si X entonces E E [ X | t ] s = E [ X | s ] para todo s < t .

-------------------------------------------------------------------------------------------------------------------------------Un proceso X = ( X t )t[0, ) es:

adaptado cuando X t es t -medible para todo t

[0, ) .
previsible si es adaptado y tiene trayectorias continuas.
de Markov si es adaptado y E [ g ( X t ) | s ] = E [ g ( X t ) | X s ] para todo s < t , y cualquier funcin g .
una Martingala si es adaptado y E [ X t | s ] = X s para todo s < t .
------------------------------------------------------------------------------------------------------------------------------- Si X = ( X t )t[0, ) es una Martingala entonces tiene valor esperado constante: E [ X t ] = E [ X 0 ] .

dX t = t dWt + t dt ,

Para toda Y y toda filtracin = ( t )t

[0, ) se tiene que M t = E [Y | t ] es una Martingala.
------------------------------------------------------------------------------------------------------------------------------- Un proceso W = (Wt )t[0, ) es un Browniano si:

i. es un proceso de Markov con trayectorias continuas, tal que W0 = 0 , y

ii. si s < t entonces Wt Ws N (0, t s ) , independiente de s .
Si W = (Wt )t[0, ) es un Browniano entonces:
o es un proceso Gaussiano con incrementos independientes.
o Wt N (0, t ) y cov (Ws ,Wt ) = min( s, t ) .
o sus trayectorias son no-diferenciables en todo momento.
o Wt y Wt 2 t son Martingalas.
Caracterizacin de Levy: Un proceso W = (Wt )t[0, ) es un Browniano si y solo si tiene trayectorias continuas,

Wt y Wt 2 t son ambos Martingalas, y W0 = 0 .

------------------------------------------------------------------------------------------------------------------------------- Integral de It: Si M = ( M t )t[0, ) es una Martingala (ej. un Browniano) y H = ( H t )t[0, ) es previsible:

dX t = t dt
t = 0 .
X es una martingala si y solo si no tiene drift:
dX t = t dWt

t = 0 .
X es una difusin (SDE) si t = a (t , X t ) y t = b(t , X t ) para ciertas funciones a y b :
dX t = a (t , X t ) dWt + b(t , X t ) dt
Si X es una difusin, entonces es un proceso de Markov.
-------------------------------------------------------------------------------------------------------------------------------Diferenciales de orden superior:
dt = integracin de Riemann

( dt ) n = 0,
n2

dX t = t dWt + t dt

dWt = integracin de It

2
2

(dX t ) = t dt
( dWt )2 = dt

n
n3
( dX t ) = 0,

(dWt ) n = 0,
n3

dt dWt = 0

Frmula de It: Si f (t , x ) es diferenciable y X proceso de It, entonces Yt = f (t , X t ) es un proceso de It:

1
dYt = df (t , X t ) = f t (t , X t ) dt + f x (t , X t ) dX t + f xx (t , X t )( dX t ) 2
2
Integracin por partes: El producto de dos procesos de It X y Y tambin es un proceso de It:
d ( X tYt ) = X t dYt + Yt dX t + dX t dYt
-------------------------------------------------------------------------------------------------------------------------------Browniano Generalizado:
X t = X s + (Wt Ws ) + (t s )
dX t = dWt + dt

E [ X t | X s ] = X s + (t s )

E H u dWu = 0
Var H u dWu = E [ H u 2 ] du
0

0
0
Si H u = h(u ) es un proceso determinista (una funcin de u ), entonces Nt es un proceso Gaussiano con:
t

Nt = h(u ) dWu N 0, h 2 (u ) du
0

------------------------------------------------------------------------------------------------------------------------------- Teorema de Representacin de Martingalas: Si M es una martingala continua entonces existe previsible tal
que dM t = t dWt . Si adems t > 0 y N es otra martingala continua, entonces existe previsible tal que
dN t = t dM t .
--------------------------------------------------------------------------------------------------------------------------------

X tiene trayectorias diferenciables si y solo si no tiene volatilidad:

Browniano Geomtrico:

(W W ) + ( t s )
X = X e t s 2
t
s

(ts )

E [ X t | X s ] = X se
------------------------------------------------------------------------------------------------------------------------------- Las probabilidades ( , , ) y ( , , ) son equivalentes si ( A) > 0 ( A) > 0 para todo A , y en

dX t
= dWt + dt
Xt

( X 0 , t , t ) determinan a X = ( X t ) t[0, ) , y viceversa.

dicho caso existe la Derivada de Radon-Nikodym: t =

X t = X s + u dWu + u du

El nuevo proceso Nt = H u dM u es siempre una martingala con N 0 = 0 y E [ Nt ] = 0 .

En el caso particular Nt = H u dWu , entonces Ct = Nt2 H u 2 du es otra Martingala, y por tanto:

-------------------------------------------------------------------------------------------------------------------------------Proceso de It con drift t y volatilidad instantnea t :

= ( t )t[0, ) es siempre una -martingala.

d
(t ) .
d

Si X es adaptado, entonces E [ X t | s ] = s1E [ t X t | s ] para t s .

------------------------------------------------------------------------------------------------------------------------------- Teorema de Cameron-Martin-Girsanov: Si W es un -Browniano, la probabilidad es equivalente a si y
t
t
d
solo si existe = ( t )t[0, ) previsible tal que
(t ) = exp s dWs 12 s2 ds . Adems, el proceso
0
0
d
t
W = W + ds es un -Browniano (en forma diferencial: dW = dW + dt ).

Si X es un proceso de It bajo :

dX t = t dWt + t dt
dX t = t dWt + ( t t t ) dt
entonces tambin es un proceso de It bajo :
--------------------------------------------------------------------------------------------------------------------------------

-------------------------------------------------------------------------------------------------------------------------------dSt
dBt
Sean St , Bt un activo y un numerario:
= t dWt + t dt ,
= rt dt , con t , t , rt previsibles:
St
Bt
Estrategia replicante autofinanciada: Si X es un derivado que vence en T , entonces el portafolio
Vt = t St + t Bt es una estrategia autofinanciada que replica a X si:

(t , t ) es previsible,

dVt = t dSt + t dBt ,

VT = T ST + T BT = X

Si existe una probabilidad tal que Bt St es -martingala, entonces:

dS
1. Bajo y el -Browniano Wt se tiene que: t = t dWt + rt dt .
St
2. Para todo derivado X existe una estrategia replicante autofinanciada Vt = t St + t Bt , y en este caso
1

Aproximacin de Euler:

4. Todos los activos comerciables comparten el mismo valor de mercado del riesgo: t = ( tR rt ) tR .
-------------------------------------------------------------------------------------------------------------------------------dSt
dBt
= (t , St ) dWt + (t , St ) dt ,
= r (t , St ) dt , con , , r funciones, St es el
Si St , Bt son difusiones:
St
Bt
precio de un activo comerciable, y el derivado X es de la forma X = F ( ST ) , entonces:

t = v x (t, St )
T
v (t , x ) = E exp r (u, Su ) du F ( ST ) St = x y
1
t

t = Bt ( v (t , St ) t St )
-------------------------------------------------------------------------------------------------------------------------------dSt
dBt
= dWt + ( ) dt ,
= r dt , , , , r constantes:
Modelo de Black-Sholes con dividendos: Si
St
Bt
Vt = v (t , St )

donde

E [ ST 1[ ST K ] | St ] = St e( r )(T t ) (d1 )
E [ ST 1[ ST K ] | St ] = St e

( r )(T t )

(d1 )

E [1[ ST K ] | St ] = [ ST K | St ] = (d 2 )
E [1[ ST K ] | St ] = [ ST K | St ] = (d 2 )

dX td = td 1dWt1 + td 2 dWt 2 + + tdn dWt n

T
a 2 (t , X t ;a )dt = (dX t ) 2
0

T
T
Luego se estima b maximizando: b = arg max l (b ), l (b ) = b a 2 dX t 12 b 2 a 2 dt , tomando a = a .
0

-------------------------------------------------------------------------------------------------------------------------------Modelo Lineal General: Si dX t = [ A(t ) X t + B(t )] dWt + [C (t ) X t + D(t )] dt , entonces:

X t = e Ht X s + e H u B(u ) dWu + e Hu [ D AB](u ) du

t

+ t1 dt

i
(cada X t tiene n volatilidades y un solo drift)
+ td dt

La volatilidad total de X ti es it = ( si1 ) 2 + ( si 2 ) 2 + + ( sin ) 2 . Existen nuevos Browniano Bti tales que:
n
+ t1 dt
dt si i = j

tik tjk
donde
tij = k =1i j
dBti dBt j = ij

t t
t dt si i j
dX td = td dBtd + td dt
------------------------------------------------------------------------------------------------------------------------------- Frmula de It: Si f (t , x1 , x2 ,, xd ) es dos veces diferenciable:

dX t1 = 1t dBt1

df (t , X t1 , , X td ) = f t dt + i =1 f xi dX ti + 12 i , j =1 f xi x j dX ti dX t j ,
d

dX ti dX t j = it tj tij dt

df (t , X t , Yt ) = f t dt + f x dX t + f y dYt + 12 f xx (dX t ) 2 + 2 f xy dX t dYt + f yy (dYt )2

Integracin por partes: d ( X ti X t j )
=
X t j dX ti + X ti dX t j + dX ti dX t j
=
X t j dX ti + X ti dX t j + it tj tij dt
------------------------------------------------------------------------------------------------------------------------------- Brownianos correlacionados: Si ( Bt1 , , Btd ) son d Brownianos con dBti dBt j = tij dt , las volatilidades
( t1 , , td ) definen una martingala M t con volatilidad total t , y un nuevo Browniano zt tales que:

dM t = t dzt = t1dBt1 + + td dBtd ,

S
ln t
K

Primero se estima a resolviendo:

X = ( X 1 , X 2 , , X d ) es un proceso de It d-dimensional si:

dX t1 = t11dWt1 + t12 dWt 2 + + t1n dWt n

donde:

2

2
+ (r ) 2 (T t )
d
y2

1
1 d2

d1,2 =
e 2 dy
e
,
(d ) =

(d ) =

T t
2
2
cT = ( ST K )+ ct = St e (T t ) ( d1 ) Ke r (T t ) ( d 2 )
Los precios de Calls y Puts Europeas son:
pT = ( K ST ) + pt = Ke r (T t ) ( d 2 ) St e (T t ) ( d1 )
------------------------------------------------------------------------------------------------------------------------------- Estimacin de parmetros: Si dX t = a (t , X t ; a ) dWt + b(t , X t ;b ) dt

X ti X ti 1 + a (ti 1 , X ti 1 )Wi + b(ti 1 , X ti 1 )ti

Aproximacin de Milstein: X ti X ti1 + a (ti 1 , X ti1 )Wi + b(ti 1 , X ti1 )ti + 12 (aax )(ti 1 , X ti1 )[(Wi ) 2 ti ]
-------------------------------------------------------------------------------------------------------------------------------dt si i = j
Si (Wt1 ,Wt 2 , ,Wt n ) son n procesos Brownianos independientes, entonces: dWt i dWt j =
0 si i j

Vt = Bt E [ BT1 X | t ] es un precio de no arbitraje de X en 0 t T .

3. Un activo Rt no introduce arbitraje si y solo si es comerciable, es decir si Bt 1Rt es -martingala.

-------------------------------------------------------------------------------------------------------------------------------Soluciones Numricas: Si dX t = a (t , X t ) dWt + b(t , X t ) dt , y denotamos ti = ti ti 1 , Wi = Wti Wti 1 :

(dM t ) 2 = (t )2 dt

donde

t =

d
i , j =1

tij ti t j

-------------------------------------------------------------------------------------------------------------------------------Teorema de Representacin de Martingalas n-dimensional: Si M es una martingala n-dimensional con matriz

de volatilidades invertible, y N una martingala unidimensional, todas con trayectorias continuas, entonces
existe t = (t1 ,, tn ) previsible tal que dN t = k =1tk dM tk .
n

-------------------------------------------------------------------------------------------------------------------------------Teorema de Cameron-Martin-Girsanov n-dimensional: Si W es un -Browniano n-dimensional con

correlaciones dWt i dWt j = tij dt , la probabilidad es equivalente a si y solo si existe tT = ( t1 , , tn )
t
t
d
previsible tal que
(t ) = exp sT s 1 dWs 12 sT s 1 s ds , donde t = ( tij ) . Adems, cada
n n
0
0
d
proceso Wt i tal que dWt i = dWt i + ti dt es un -Browniano, con dWt i dWt j = tij dt (mismas correlaciones).

n
n
n
Si X es de It bajo : dX t = i =1 ti dWt i + t dt , tambin bajo : dX t = i =1 ti dWt i + t i =1 ti ti dt .

------------------------------------------------------------------------------------------------------------------------------- Sean ( St1 , St2 ,, Stn , Bt ) n activos y un numerario. Utilizando ti = ( ti rt ) ti se obtiene bajo la cual
Bt1St1 ,, Bt1Stn son -martingalas. Adems, Para todo derivado X existe una estrategia replicante

H t = A(u ) dWu + C A 2 (u ) du
s
s
2

t
t 2 C dv
C dv
C dv

Si A(t ) = 0 entonces X t es un proceso Gaussiano: X t X s N e s X s + e u D du , e u B 2 du

s
s

-------------------------------------------------------------------------------------------------------------------------------t

autofinanciada Vt = t1St1 + + tn Stn + t Bt , y en este caso Vt = Bt E [ BT1 X | t ] si 0 t T .

--------------------------------------------------------------------------------------------------------------------------------