Derivación matemática del movimiento browniano geométrico

El movimiento browniano geométrico (GBM, por sus siglas en inglés) constituye uno de los pilares fundamentales en la economía financiera moderna. Este proceso estocástico no solo describe la evolución aleatoria de los precios de los activos, sino que sirve como la base teórica del modelo de Black-Scholes para la valoración de opciones. A diferencia de los modelos que asumen retornos aditivos, el GBM se caracteriza por su naturaleza multiplicativa, donde los cambios porcentuales siguen una distribución normal. La comprensión rigurosa de este fenómeno requiere el uso del cálculo estocástico, específicamente del lema de Itô, que permite transformar ecuaciones diferenciales estocásticas en formas más manejables para el análisis financiero.

La ecuación diferencial estocástica del movimiento browniano geométrico

Para modelar matemáticamente la dinámica de un activo financiero, partimos de la premisa de que su precio, denotado por $ S(t) $, sufre una evolución continua influenciada por fluctuaciones aleatorias. En este contexto, la ecuación diferencial estocástica (EDES) que gobierna el GBM se expresa como:

$$
dS(t) = \mu S(t) dt + \sigma S(t) dW(t)
$$

Esta formulación compacta encapsula dos componentes esenciales de la dinámica del mercado:

• El término de deriva ($\mu S(t) dt$): Representa el crecimiento determinista del precio, asociado a la tasa de retorno esperada del activo.
• El término estocástico ($\sigma S(t) dW(t)$): Introduce la incertidumbre mediante fluctuaciones aleatorias. Aquí, $\sigma$ denota la volatilidad del activo y $dW(t)$ corresponde a un incremento de un proceso de Wiener (movimiento browniano estándar).

Es crucial notar que la volatilidad $\sigma$ actúa como un multiplicador del precio actual, lo que implica que los movimientos absolutos son proporcionales al nivel del precio, preservando la estructura multiplicativa del modelo.

Derivación mediante el lema de Itô

La construcción formal del modelo se basa en la hipótesis de que el logaritmo del precio del activo sigue un proceso de movimiento browniano con deriva. Sea $ X(t) = \ln(S(t)) $ la trayectoria logarítmica del precio. Aplicamos el lema de Itô a la función $ f(t, S) = \ln(S) $. Dado que $ \ln(S) $ es una función no lineal de $ S(t) $, el desarrollo de Taylor estándar no es suficiente; debemos considerar los términos de segundo orden debido a la naturaleza no diferenciable de $ W(t) $.

El lema de Itô establece que para una función $ f(t, S(t)) $:
$$
df = \frac{\partial f}{\partial t} dt + \frac{\partial f}{\partial S} dS + \frac{1}{2} \frac{\partial^2 f}{\partial S^2} (dS)^2
$$

Sustituyendo las derivadas parciales de $ \ln(S) $ y la EDES del precio, obtenemos:
$$
d(\ln S) = \left( \mu - \frac{\sigma^2}{2} \right) dt + \sigma dW(t)
$$

Este resultado es fundamental. Revela que, aunque el precio $ S(t) $ sigue un proceso multiplicativo, su valor logarítmico sigue un proceso de difusión con una deriva ajustada. El término $-\frac{\sigma^2}{2}$ es conocido como la corrección de Itô, una consecuencia directa del hecho de que el cuadrado de la diferencia de un movimiento browniano tiene una varianza no nula.

Al resolver esta ecuación diferencial lineal, llegamos a la solución cerrada del proceso:
$$
S(t) = S(0) \exp\left( \left(\mu - \frac{\sigma^2}{2}\right)t + \sigma W(t) \right)
$$
Donde $ W(t) $ es un proceso de Wiener estándar. Esta fórmula muestra explícitamente cómo el precio inicial se ve modificado por la tasa de retorno ajustada, la volatilidad acumulada y el camino aleatorio del mercado.

Propiedades clave del movimiento browniano geométrico

El GBM posee características estructurales que lo hacen indispensable en la práctica financiera, más allá de su elegancia matemática:

• Naturaleza multiplicativa: A diferencia de los modelos aditivos, el GBM asegura que los precios nunca lleguen a cero en un intervalo finito, ya que la exponencial es siempre positiva. Esto es vital para modelar activos como acciones o divisas.
• Retornos logarítmicos normales: La variable aleatoria $ \ln(S(t)) - \ln(S(0)) $ sigue una distribución normal. Esto permite el uso de herramientas estadísticas estándar para calcular probabilidades de eventos extremos o rangos de precios.
• Crecimiento exponencial de la media: El valor esperado del precio $ E[S(t)] $ crece exponencialmente con el tiempo, igual a $ S(0)e^{\mu t} $. Sin embargo, la media de la distribución logarítmica es menor debido a la corrección de Itô, lo que refleja el riesgo de que el precio real sea inferior al promedio aritmético.
• Volatilidad constante: El modelo asume que la volatilidad $\sigma$ es constante en el tiempo. Aunque esta es una simplificación, proporciona una base sólida para la teoría básica de opciones y riesgo.

Implicaciones para la modelización financiera

La derivación del GBM a través del cálculo estocástico ilustra la interacción compleja entre factores deterministas y aleatorios en los mercados financieros. La ecuación diferencial resultante no es meramente teórica; es la herramienta operativa para calcular precios de derivados, gestionar portafolios y cuantificar el riesgo.

Al tener la solución cerrada $ S(t) $, los analistas pueden determinar con precisión la distribución de probabilidad del precio futuro. Esto facilita la valoración de opciones europeas mediante la fórmula de Black-Scholes, donde la volatilidad y el tiempo hasta el vencimiento son variables críticas. Además, la propiedad de que los retornos logarítmicos son independientes e idénticamente distribuidos (i.i.d.) permite la aplicación de la Ley de los Grandes Números para estimar retornos a largo plazo.

En resumen, el movimiento browniano geométrico ofrece un marco matemático robusto para entender la incertidumbre en los mercados. Al transformar la complejidad del movimiento aleatorio en una ecuación diferencial manejable, nos permite predecir comportamientos de precios, evaluar riesgos y tomar decisiones de inversión informadas bajo condiciones de mercado dinámicas y volátiles. Su vigencia persiste porque, aunque simplifica la realidad, captura la esencia fundamental de cómo los activos financieros evolucionan en el tiempo: mediante un crecimiento impulsado por tendencias con superposiciones de ruido aleatorio.