Valoración de opciones financieras

Abstract

[Resumen] Este trabajo se centra en la descripción de las características principales de las opciones y su posterior valoración, siguiendo algunos de los métodos más usados por los bancos de inversión. Un concepto fundamental es el de volatilidad implícita (VI) del contrato de opciones, que implica el cálculo de la volatilidad del instrumento subyacente, y que cuando se incorpora en un modelo de valoración de una opción, obtenemos un valor teórico que coincide con el valor actual (es decir, el precio del mercado de la opción). El objetivo fundamental de este trabajo es la correcta valoración de opciones, ya sea directamente mediante un modelo, o mediante la predicción de la VI. Casi no hay estudios previos, con la excepción de (Li, 2023) sobre la predicción de VI con redes neuronales, aunque éste asume el conocimiento en el futuro de las características de la opción y del mercado. Este trabajo extiende el método seleccionado en (Li, 2023) para predecir la VI, pero sin tener que asumir el conocimiento de las características de la opción en el futuro, lo cual es más realista en la práctica. Además, y de manera novel en la literatura, este Trabajo de Fin de Grado también obtiene las cinco derivadas parciales del modelo de Black and Scholes de manera explícita para subyacentes con dividendos, extendiendo el trabajo de (Yu & Xie, 2013).

[Abstract] This project delves into elucidating the primary characteristics of options and their subsequent valuation, employing methodologies widely adopted by investment banks. A pivotal concept in this domain is the implied volatility (IV) of an options contract. IV represents the market's forecast of the underlying asset's volatility and, when integrated into an option valuation model, yields a theoretical price that aligns with the current market price of the option. The principal aim of this work is to achieve an accurate assessment of options, either through direct application of a valuation model or by predicting the IV. The landscape of existing literature is sparse, with notable exceptions such as (Li, 2023), who explores IV prediction using neural networks. However, Li's approach presumes knowledge of future option and market characteristics, this being a significant limitation in practical applications. This project advances Li's methodology by predicting IV without the necessity of assuming future market conditions, thereby providing a more pragmatic solution. In addition, this Final Degree Project innovatively extends the Black-Scholes model to explicitly derive the five partial derivatives, or "Greeks," for underlying assets with dividends. This extension builds upon the foundational work of Yu & Xie (2013), contributing a novel perspective to the existing literature.