ANÁLISIS DE ESCENARIOS MONTE CARLO PARA DECISIONES DE COBERTURA DE RIESGOS

MEDIANTE OPCIONES EUROPEAS DE COMPRA

Dr. Ambrosio Ortiz Ramírez

Act. Héctor Alonso Olivares Aguayo

• Introducción

• Procedimiento

• Análisis de Resultados

• Conclusiones

Contenido

Introducción

• Obtener ganancias considerando el riesgo al que está expuesto.

• Las pérdidas pueden ser ocasionadas por la incertidumbre de los activos que se comercializan en los mercados financieros.

Propuesta

• Invertir en opciones sobre componentes del IPC o en opciones sobre el IPC, generando diversos escenarios mediante la simulación Monte Carlo.

• Conformar estrategias de cobertura de riesgos.

• Determinar la tendencia del mercado en el corto plazo, lo cual conlleva a una mejora en la toma de decisión del inversionista.

Notación de los contratos de opciones

Factores Explicación

X Precio del activo subyacente a partir del cual ambas partes del contrato pueden obtener ganancias o pérdidas; dicho precio es conocido como precio de ejercicio.

S0 Precio del activo subyacente al inicio del contrato.

ST Precio del activo subyacente al final del contrato.c Prima que paga el poseedor del activo subyacente por el

derecho de ejercer la opción europea de compra.

p Prima que paga el poseedor del activo subyacente por el derecho de ejercer la opción europea de venta.

T Tiempo de vigencia de la opción.t Tiempo actual de la opción. i Tasa de interés libre de riesgo.

Volatilidad del activo subyacente.

Procedimiento• Se extrajo información de Bloomberg para obtener datos históricos

diarios de las cotizaciones de veinitún componentes del IPC y del mismo IPC a partir del primero de Febrero de 2008 hasta el veintidós de Marzo de 2013 (1294 observaciones).

• Se obtuvieron los rendimientos de los datos históricos anteriormente descritos, bajo el supuesto de volatilidad no constante mediante un proceso GARCH.

• Se realizaron 100,000 simulaciones por el método Monte Carlo para valuar cada opción europea de compra sobre el subyacente respectivo a 45, 60 y 90 días.

• Construcción de 792 estrategias Bull y Bear.

Distribución por sector económico

Alimentos y bebidas (5), Comercio (2), Construcción (3), Finanzas y seguros (2), Minerales no metálicos (1), Minería (1), Papel y celulosa (1), Química (1), Servicios de transporte (2), Siderurgia y metalurgia (2), Telecomunicación (1).

Simulaciones

Simulaciones

Simulaciones

Simulaciones

Estrategias de cobertura de riesgos

A

B

C

A

B

C

Análisis de resultados a 45 días

BEARBULL

Distribución de los resultados a 45 días

Estrategia Bull a 45 días (BIMBOA)

36.6

Estrategia Bear a 45 días (URBI)

Estrategia Bear a 45 días (IPC)

Análisis de resultados a 60 días

BEARBULL

Distribución de los resultados a 60 días

Estrategia Bull a 60 días (GRUMAB)

Estrategia Bear a 60 días (HOMEX)

Estrategia Bear a 60 días (IPC)

Análisis de resultados a 90 días

BEARBULL

Distribución de los resultados a 90 días

Estrategia Bull a 90 días (KOFL)

194.42

Estrategia Bear a 90 días (GEOB)

7.02

Estrategia Bear a 90 días (IPC)

Conclusiones• La generación de escenarios mediante el método Monte Carlo,

conlleva a mejorar la toma de decisión del inversionista, al crear estrategias de cobertura de riesgos.

• Se comprobó que la tendencia del mercado es a la baja en el corto plazo.

• Los sectores económicos a invertir en el corto plazo, cuando se tiene expectativa a la alza (Bull), es el de alimentos y bebidas, y cuando la expectativa es a la baja (Bear) es el de construcción.

• Relación directa entre el plazo y la estrategia Bear, lo anterior es consistente con las ganancias obtenidas con el IPC.