💰 quantitative finance

Hedging and Pricing European-type, Early-Exercise and Discrete Barrier Options using Algorithm for the Convolution of Legendre Series

Este artículo introduce un método de alta precisión y libre de cuadratura para la valoración y cobertura de opciones europeas, de ejercicio temprano y de barrera discreta bajo procesos de Lévy mediante la aplicación del algoritmo CONLeg para la convolución de series de Legendre dentro del marco de trabajo de Chebfun, demostrando un rendimiento superior en diversas condiciones de mercado y tipos de opciones en comparación con las técnicas existentes.

Autores originales: Tat Lung Chan, Nicholas Hale

Publicado 2026-06-04

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Tat Lung Chan, Nicholas Hale

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que eres un arquitecto financiero tratando de predecir el valor futuro de una casa (una opción) basándote en cómo podría moverse el precio del terreno (la acción). En el mundo de las finanzas, estas predicciones suelen estar complicadas por "saltos" en el mercado o comportamientos extraños e impredecibles que los modelos matemáticos estándar tienen dificultades para manejar.

Este artículo presenta una nueva herramienta llamada CONLeg (abreviatura de CONvolución de series de Legendre) para resolver estos acertijos de fijación de precios. Así es como funciona, explicado mediante analogías de la vida cotidiana:

1. El Problema: El asunto del "Borde Dentado"

Los métodos tradicionales para fijar el precio de las opciones suelen basarse en una técnica llamada Transformada Rápida de Fourier (FFT). Piensa en la FFT como intentar dibujar una curva suave usando una regla que solo sabe dibujar líneas rectas. Cuando los datos del mercado son "suaves" (predecibles), esto funciona bien. Pero cuando los datos del mercado son "dentados" o tienen picos repentinos (como el precio de una acción que salta inesperadamente), la regla crea un efecto de "borde dentado" conocido como el fenómeno de Gibbs. Es como intentar trazar la foto de una cordillera con una regla; obtienes un montón de ruido y ondulaciones no deseadas en los picos y valles, lo que hace que tu predicción sea inexacta.

Otros métodos intentan solucionar esto tomando una "instantánea" del precio en un solo punto. Pero en finanzas, no quieres saber solo el precio de una casa; quieres saber el precio de todas las casas de la calle a la vez.

2. La Solución: El "Pintor Suave" (CONLeg)

Los autores proponen utilizar series de Legendre y series de Chebyshev. Imagina que estas no son reglas, sino un conjunto de pinceles flexibles y suaves.

La Analogía: En lugar de intentar que una línea dentada encaje con una regla recta, el método CONLeg utiliza estos pinceles flexibles para "pintar" toda la curva del precio de la opción.
La Magia: Trata la fórmula de fijación de precios como una convolución. En términos sencillos, una convolución es como deslizar una forma sobre otra para ver cómo se superponen. El artículo muestra cómo deslizar la "forma de la recompensa" (lo que obtienes si ejerces la opción) sobre la "forma de la probabilidad" (qué tan probable es que la acción se mueva) utilizando estos pincos suaves.

3. Por qué es mejor: El "Mapa Completo" frente al "Pin Único"

La mayoría de los métodos antiguos te dan un único pin en un mapa: "El precio de esta opción es $5.00". Si quieres saber el precio para un precio de ejercicio ligeramente diferente, tienes que ejecutar todo el cálculo de nuevo para obtener un nuevo pin.

El método CONLeg es diferente. No solo te da un pin; dibuja el mapa completo.

La Analogía: En lugar de calcular el precio de una casa específica, CONLeg calcula el precio de todo el vecindario de una sola vez. Produce una curva continua (una función) que te dice el precio para cualquier precio de la acción dentro de un rango de forma instantánea.
El Benefiente: Esto permite a los operadores ver las curvas de las "Griegas" (medidas de sensibilidad como Delta y Gamma) como líneas suaves en lugar de una serie de puntos desconectados. Esto es crucial para la cobertura (protección contra el riesgo) porque muestra exactamente cómo cambia el riesgo a medida que el mercado se mueve, no solo en un momento específico.

4. Manejo de Mercados "Desordenados"

El artículo pone a prueba este método en varios tipos de mercados, incluyendo aquellos impulsados por procesos de Lévy.

La Analogía: Piensa en un lago tranquilo (mercados estándar) frente a un mar tormentoso con olas repentinas y violentas (mercados con saltos).
La Afirmación: El método CONLeg funciona bien incluso cuando el "agua" está tormentosa. Puede manejar densidades de probabilidad "no suaves" (las olas tormentosas) sin perder precisión. Puede fijar el precio de opciones que están muy lejos del precio actual del mercado ("muy dentro/fuera del dinero") y opciones que vencen muy pronto o muy lejos en el futuro.

5. El Kit de Herramientas: Chebfun

Los autores construyeron esto utilizando un paquete de software llamado Chebfun.

La Analogía: Si la programación estándar es como hacer matemáticas a mano con una calculadora, Chebfun es como tener un robot que entiende las funciones como objetos completos. Los autores utilizaron este robot para automatizar el proceso de "pintado", haciendo que la matemática compleja de las convoluciones sea mucho más fácil de implementar.

Resumen de Afirmaciones

El artículo afirma que:

Precisión: CONLeg es altamente preciso, incluso cuando los datos del mercado son rugosos o dentados, superando o igualando los métodos existentes como COS, SWIFT y CONV.
Eficiencia: Genera una curva completa de precios y medidas de riesgo en una fracción de segundo, en lugar de calcular punto por punto.
Versatilidad: Funciona para opciones europeas (vencimiento fijo), opciones americanas (pueden ejercerse en cualquier momento), opciones bermudas (pueden ejercerse en fechas específicas) y opciones barrera (que desaparecen si se alcanza un precio).
Robustez: Maneja eficazmente tanto mercados suaves como mercados con "saltos" (como aquellos con caídas o picos repentinos).

En resumen, el artículo presenta una nueva forma de "pintar" el valor futuro de las opciones financieras que es más suave, más completa y más robusta frente al caos del mercado que las técnicas anteriores.

Resumen Técnico: Cobertura y Valoración de Opciones de Tipo Europeo, de Ejercicio Anticipado y de Barrera Discreta mediante un Algoritmo para la Convolución de Series de Legendre

Planteamiento del Problema
El artículo aborda el desafío de valorar y cubrir una amplia variedad de derivados financieros —incluyendo opciones europeas, de ejercicio anticipado (americanas/bermudas) y de barrera con monitoreo discreto— bajo procesos de Lévy generales. Las técnicas numéricas existentes enfrentan limitaciones específicas:

Métodos basados en FFT (p. ej., CONV): Aunque son populares, a menudo requieren un gran número de términos de Fourier para lograr una precisión suficiente, lo que los hace computacionalmente costosos, particularmente para aproximar funciones de densidad de probabilidad (PDF) o valorar opciones con características no suaves.
Métodos basados en cuadratura (p. ej., QUAD): A menudo dependen de PDFs de forma cerrada o requieren la inversión de funciones características mediante FFT. Además, suelen producir valores de puntos individuales en lugar de curvas de valoración continuas, y el cálculo de las griegas de la opción (sensibilidades) suele limitarse a diferencias finitas de primer orden, lo que puede carecer de precisión.
Métodos de expansión de series (p. ej., COS, SWIFT): Si bien el método COS ofrece convergencia exponencial, requiere la selección a priori de un dominio computacional; si el dominio es inadecuado, los errores se propagan recursivamente en el tiempo, conduciendo a valoraciones incorrectas para opciones de ejercicio anticipado. El método SWIFT aborda las características de ejercicio anticipado, pero carece de una prueba teórica de convergencia exponencial, ya que su parámetro de escala se elige de forma heurística. Además, estos métodos a menudo no abordan el cálculo de las griegas.

Metodología
Los autores proponen el método CONLeg, el cual utiliza la convolución de series de Legendre de soporte compacto para aproximar las fórmulas de valoración y cobertura de opciones. La metodología integra los siguientes componentes:

Convolución de Series de Legendre: El algoritmo central, adaptado de Hale y Townsend (2014a), aproxima la convolución de dos funciones (la función de pago y la PDF reflejada) utilizando series de Legendre finitas. Este enfoque evita el fenómeno de Gibbs asociado con las aproximaciones de FFT de funciones no periódicas al dividir el dominio de la convolución en piezas de izquierda y derecha ( $h_L$ y $h_R$ ) y calcular los coeficientes mediante una relación de recurrencia de tres términos.
Marco de Trabajo Chebfun: El método emplea Chebfun, un sistema de MATLAB para el cálculo numérico con funciones, para representar funciones como series de Chebyshev. Esto permite aproximaciones adaptativas de alta precisión (aprox. 15 dígitos).
Manejo de PDFs No Suaves: Para procesos donde la PDF no es suave o carece de una forma cerrada (p. ej., Variance Gamma, CGMY), el artículo utiliza:
- Series de Fourier Complejas (CFS): Para representar la PDF cuando no hay una forma cerrada disponible.
- Método Fourier–Padé: Para localizar singularidades en la PDF y construir aproximaciones por tramos precisas, resolviendo así los fenómenos de Gibbs.
Formulación de Valoración y Griegas:
- Valoración: El precio de la opción se formula como una integral de convolución $V(x,K,t) \approx e^{-r(T-t)}K (f_M * g_N)(\tilde{x})$ . A diferencia de los métodos que calculan valores de puntos, CONLeg genera una curva de valoración continua (un polinomio por tramos) sobre un rango de strikes o precios spot.
- Cobertura (Griegas): Debido a que el precio se representa como una serie de Chebyshev/Legendre, las derivadas (Delta, Gamma, Vega) se calculan analíticamente diferenciando la serie, evitando las imprecisiones de los métodos de diferencias finitas.
Tipos de Opciones Aplicadas:
- Europeas/Bermudas/Americanas: El método formula ecuaciones de valoración recursivas. Para opciones americanas, emplea la extrapolación de Richardson en los precios de las opciones bermudas.
- Opciones de Barrera: El método maneja el monitoreo discreto tratando los niveles de barrera como puntos de ruptura en la aproximación de polinomios por tramos.
Selección del Dominio: El intervalo computacional $[c, d]$ se determina utilizando los momentos cumulantes del proceso de Lévy subyacente para asegurar que el intervalo capture la mayor parte de la masa de la PDF.

Contribuciones Clave

Generación de Curvas: La contribución principal es la capacidad de formular curvas completas de valoración y de griegas (funciones de $S$ o $K$ ) en lugar de valores de puntos individuales. Esto se logra aproximando directamente la integral de convolución.
Enfoque Libre de Cuadratura: El método proporciona un enfoque libre de cuadratura al aprovechar las propiedades de los polinomios ortogonales (Legendre y Chebyshev) y el teorema de convolución, eliminando la necesidad de pesos de integración numérica.
Robustez ante la No Suavidad: El método demuestra una alta precisión incluso cuando la PDF neutral al riesgo es no suave o contiene singularidades, siempre que se utilice la técnica Fourier–Padé para localizar y manejar dichas singularidades.
Flexibilidad: El enfoque es aplicable a una amplia gama de procesos estocásticos (GBM, VG, NIG, CGMY) independientemente de si existe una PDF de forma cerrada, ya que puede trabajar con funciones características mediante la representación CFS.
Implementación: El artículo proporciona una implementación de prueba de concepto utilizando Chebfun, destacando la conveniencia de utilizar el cálculo de alto nivel basado en funciones para el modelado financiero.

Resultados Numéricos
El artículo presenta experimentos numéricos comparando CONLeg contra métodos establecidos (COS, filter-COS, CONV, Lewis-FRFT, QUAD-CONV, SWIFT) bajo diversos modelos y tipos de opciones:

Opciones Europeas: Bajo el modelo Black-Scholes (GBM), CONLeg alcanza una precisión de precisión de máquina ( $R_\infty \approx 10^{-14}$ ) para precios, Delta y Gamma en menos de 0.1 segundos para 1000 puntos. Para opciones de largo vencimiento (T=50, 100), mantiene una alta precisión.
PDFs de Corto Vencimiento/No Suaves: En el modelo Variance Gamma (VG) con una PDF de pico agudo y singularidad, CONLeg supera a CONV, Lewis-FRFT y QUAD-CONV, logrando una precisión comparable a los métodos COS y filter-COS.
Opciones de Ejercicio Anticipado: Para opciones bermudas y americanas bajo los modelos NIG y CGMY, CONLeg iguala o supera ligeramente la precisión del método COS dentro de tiempos computacionales similares.
Opciones de Barrera: Para opciones de barrera monitoreadas discretamente (diaria y mensualmente), CONLeg se desempeña de manera comparable al método SWIFT en términos de precisión y tiempo de cómputo.

Significancia y Reivindicaciones
Los autores afirman que el método CONLeg ofrece un desempeño favorable o comparable a las técnicas existentes en los experimentos numéricos. Su significancia radica en:

Precisión: Proporciona una alta precisión para opciones muy dentro o fuera del dinero (in/out of the money) y con vencimientos variables, incluso bajo PDFs no suaves.
Eficiencia en la Generación de Curvas: Genera eficientemente curvas completas de valoración y cobertura, lo cual es ventajoso para la calibración de modelos y la gestión de riesgos, en lugar de calcular puntos discretos.
Robustez Teórica: Evita los problemas de selección de dominio del método COS para la valoración recursiva y proporciona una forma sistemática de manejar singularidades vía Fourier–Padé.
Practicidad: Los autores reconocen que la implementación actual basada en Chefun incurre en cierta sobrecarga debido a los procedimientos adaptativos, pero el método es una "prueba de concepto" que demuestra la viabilidad de la convolución basada en funciones para el modelado financiero. Señalan que se requeriría una versión no adaptativa para una comparación de eficiencia justa respecto a las tasas de convergencia, pero los resultados actuales son prometedores.

El artículo concluye indicando que el trabajo futuro extenderá este método a opciones dependientes de la trayectoria bajo procesos de Lévy con cambios de tiempo y modelos de volatilidad estocástica.