Estrategia paracaídas: propuesta de cobertura para el mercado bursátil mexicano ante la llegada de ómicron

Autores/as

  • Héctor Alonso Olivares Aguayo Universidad La Salle

Palabras clave:

COVID-19, inversión, opciones financieras

Resumen

El objetivo de la investigación es proponer una mejor estrategia de cobertura de la volatilidad con opciones financieras europeas sobre el principal índice del mercado mexicano (S&P BMV/IPC) que brinde una mayor protección respecto a las estrategias tradicionales ante la llegada de la variante ómicron a México. Se realiza un análisis inter temporal de corto plazo considerando pronósticos mensuales en el precio del S&P BMV/IPC a través del modelo econométrico SARIMAX para diversas estrategias de volatilidad tradicionales (cono corto, cuna corta y mariposa) y para la estrategia paracaídas propuesta. Los resultados muestran que la estrategia paracaídas empíricamente es la mejor, y una alternativa viable para hacer frente a los impactos futuros ocasionados por la variante ómicron. Como limitación no se consideran costos de comisión en los contratos de opciones financieras. El trabajo es original porque vislumbra los primeros hallazgos de la variante ómicron en el mercado mexicano. Se concluye que la estrategia paracaídas es mejor respecto a las tradicionales y brinda una mayor protección ante cambios drásticos en el precio futuro del S&P BMV/IPC.

Clasificación JEL: G17; G32; I18.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Héctor Alonso Olivares Aguayo, Universidad La Salle

Universidad La Salle, México

Citas

Abunofal M., Poshiya, N., Qussous, R., & Weidlich, A. (2021). Comparative analysis of electricity market prices based on different forecasting methods, IEEE Madrid PowerTech, Conference Proceedings 9495034

Ángeles G. y Venegas F. (2010). Valuación de opciones sobre índices bursátiles y determinación de la estructura de plazos de la tasa de interés en un modelo de equilibrio general, Investigación económica, LXIX(271), 43-80.

Banaś J. & Utnik K. (2021). Evaluating a seasonal autoregressive moving average model with an exogenous variable for short-term timber price forecasting, Forest Policy and Economics, 131(4), 1-7. https://doi.org/10.1016/j.forpol.2021.102564

Basmadjian R., Shaafieyoun, A., Julka, S. (2021). Day-Ahead Forecasting of the Percentage of Renewables Based on Time-Series Statistical Methods, Energies, 14, 1-23. htpps:// doi.org/10.3390/en14217443

Black, F. & Scholes, M. (1973). The Pricing of Options and Corporate Liabilities. The Journal of Political Economy, 81(3), 637-654. https://www.jstor.org/stable/1831029

Box, G., & Jenkins G. (1968). Some Recent Advances in Forecasting and Control. Journal of the Royal Statistical Society. 17(2), 91-109 https://doi.org/10.2307/2985674

Brusokas, J., Pedersen, T.B., Siknis, L., Zhang, D., Chen, K. (2021). HeatFlex: Machine learning based data-driven flexibility prediction for individual heat pumps, e-Energy, Proceedings of the 2021 12th ACM International Conference on Future Energy Systems, 160-170.

Capasso, T., Fornero, G., Fiandra, U., Raciti, I. M., Paudice, A., & Sorano, E. (2019). Priorities in patient safety: The role of clinical risk management. The Future of Risk Management, Volume I (197-217). Palgrave Macmillan, Cham. https://doi.org/ 10.1007/978-3-030-14548-4_9

Cox, J. (1975). Notes on Option Pricing I: Constant Elasticity of Variance Diffusions. Working Paper, Stanford University.

Cheng, Q., Argon, N.T., Evans, C. S., Platss-Mills, T.F. & Ziya, S. (2021). Forecasting emergency department hourly occupancy using time series analysis, American Journal of Emergency Medicine, 48(1), 177-182. https://doi.org/10.1016/j.ajem.2021.04.075

Christoffersen, P., Elkamhi, R., Feunou, B. & Jacobs K. (2010). Option Valuation with Conditional Heteroskedasticity and Non-Normality, Review of Financial Studies, 23(5), 2139-2183. https://www.jstor.org/stable/40604840

Dutta, J., & Roy, S. (2021). IndoorSense: context based indoor pollutant prediction using SARIMAX model, Multimedia Tools and Applications, 80(13), 19989-20018. https://doi.org/10.1007/s11042-021-10666-w

El-Khatib, Y., & Hatemi, J., A. (2020). The second order price sensitivities for markets in a crisis. Journal of King Saud University-Science. 32(1), 131-135. https://doi.org/10.1016/j.jksus.2018.03.016

Font, B. (2004). Estrategias especulativas óptimas con opciones. Revista Española De Financiación y Contabilidad. 33(120), 161–203.

Gao, R., Li, Y., Bai, Y., Hong, S. (2019). Bayesian Inference for Optimal Risk Hedging Strategy Using Put Options With Stock Liquidity, IEEE Access, Vol. 7, 146046-146056. https://doi.org/10.1109/ACCESS.2019.2946260

Hao, J., y&Zhang, J. (2013). GARCH Option Pricing Models, the CBOE VIX, and Variance Risk Premium. Journal of Financial Econometrics, 11(3), 556-580. https://doi.org/10.1093/jjfinec/nbs026

Investing, (2021). S&P BMV/IPC Overview, Recuperado de: https://www.investing.com/indices/ipc [Consultado el 25 de diciembre de 2021]

Jain, A., Sukhdeve, T., Gadia, H., Sahu, S.P., Verma, S. (2021). COVID19 Prediction using Time Series Analysis, Proceedings International Conference on Artificial Intelligence and Smart Systems, ICAIS 2021, 9395877, 1599-1606

Kim, S., Kim, H., and Kim, J. (2020). ELS pricing and hedging in a fractional Brownian motion environment. Chaos Solitons & Fractals, Vol. 142, 110453. https://doi.org/10.1016/j.chaos.2020.110453

Kim, B., Suh, D., Otto, M. O., Huh, J. S. (2021). A Novel Hybrid Spatio-Temporal Forecasting of Multisite Solar Photovoltaic Generation, Remote sensing, 13(13), 1-20. https://doi.org/10.3390/rs13132605

Manigandan, P., Alam, M.D.S., Alharthi, M., Pachiyappan, D., Rehman, A. (2021). Forecasting Natural Gas Production and Consumption in United States-Evidence from SARIMA and SARIMAX Models, Energies,14(19). https://doi.org/10.3390/en14196021

MexDer, (2021). Contratos de opciones listados en MexDer. [En línea]. Disponible en: http://www.mexder.com.mx/wb3/wb/MEX/contratos_opcion. [Consultado el 25 de diciembre de 2021]

Olivares, H. A. (2013). Análisis de escenarios monte carlo para decisiones de cobertura de riesgos mediante opciones europeas de compra. Tesis de Maestría en Finanzas. División de Estudios de Posgrado de la Facultad de Contaduría y Administración. Universidad Nacional Autónoma de México. México.

Olivares, H. A., Ortiz, A. y López, F. (2016). Generación de estrategias de cobertura con opciones europeas y simulación Monte Carlo con modelos GARCH-M. Capítulo del libro de Administración de riesgos, Volumen VI, Grupo de investigación de Mercados e Instituciones Financieras, y la Red para el Análisis de Riesgos Financieros, UAM, vol. 1.

Olivares, H. A., y Medina, A. (2021). Mejores estrategias de cobertura en acciones del MexDer durante el primer año de la COVID-19. Análisis Económico, XXXVI (92), 127-144. https://doi.org/10.24275/uam/azc/dcsh/ae/2021v36n92/Olivares

Parisi F., y Guerrero C. (2003). Modelos predictivos de redes neuronales en índices bursátiles. El Trimestre Económico. 70(4), 721–744.

Parisi, A., Parisi, F., y Cornejo, E. (2004). Algoritmos genéticos y modelos multivariados recursivos en la predicción de índices bursátiles de américa del norte: IPC, TSE, NASDAQ y DJI. El Trimestre Económico, 71(4), 789–809.

Pincheira, P., y García, Á. (2012). En busca de un buen marco de referencia predictivo para la inflación en Chile. El Trimestre Económico. 79(1), 85–123. https://doi.org/10.20430/ete.v79i313.56

Pooniwala, N., & Sutar, R. (2021). Forecasting Short-Term Electric Load with a Hybrid of ARIMA Model and LSTM Network, International Conference on Computer Communication and Informatics, ICCCI 2021, 9402461. https://doi.org/10.1109/ICCCI50826.2021.9402461

Prilistya, S., Permanasari, A.E., Fauziati, S. (2021). The Effect of The COVID-19 Pandemic and Google Trends on the Forecasting of International Tourist Arrivals in Indonesia, IEEE Region 10 Symposium.

Romero, P. (2004). Transmisión de volatilidad a lo largo de la estructura temporal de SWAPS: Evidencia Internacional. Revista Española de Financiación y Contabilidad. 33(123), 873–898.

Soto, R. (2002). Ajuste estacional e integración en variables macroeconómicas. Cuadernos de Economía, 39(116), 135–155.

Valadez, B., & Ortiz, E. (2020). Chicago and Mexico Futures Markets Asymmetries and Hedging Performance. Estocástica: Finanzas y Riesgo, 10 (2), 221-251.

Vishnu, C. R., Sridharan, R., Ram Kumar, P. N., & Regi Kumar, V. (2019). Analysis of the operational risk factors in public hospitals in an indian state: A hybrid DEMATEL–ISM–PROMETHEE approach. International Journal of Health Care Quality Assurance, 33(1), 67-88. https://doi.org/10.1108/IJHCQA-06-2018-0156

Descargas

Publicado

2022-09-01

Cómo citar

Olivares Aguayo, H. A. (2022). Estrategia paracaídas: propuesta de cobertura para el mercado bursátil mexicano ante la llegada de ómicron. Análisis Económico, 37(96), 119–139. Recuperado a partir de http://analisiseconomico.azc.uam.mx/index.php/rae/article/view/714