Según arXiv q-fin, un estudio reciente aborda la implementación numérica del modelo de Heston rugoso, una variante del clásico modelo de Heston, que introduce discontinuidades en la dinámica del volatilidad. A diferencia del modelo tradicional, donde se pueden aplicar métodos de Fourier directamente, en este caso se requiere resolver una ecuación de Riccati fraccionaria en cada punto de cuadratura. La complejidad de esta tarea se agrava porque la precisión necesaria varía en función de los parámetros del modelo y de la posición en el espacio temporal, haciendo que una discretización uniforme resulte ineficiente. Para superar esta limitación, se proponen dos métodos: uno basado en cuadratura de Gauss-Laguerre de un solo nivel y otro multinivel, que dividen el integrando en términos de nivel cero y diferencias de nivel, permitiendo seleccionar puntos de cuadratura de forma independiente en cada escala.
El análisis matemático muestra que si el error en la discretización del integrando es de orden $O(\Delta t^p)$, el costo de evaluar la función característica es de $O(\Delta t^{-\beta})$ y el error de cuadratura de Gauss-Laguerre es de $O(N^{-s_{SL}/2})$, donde $s_{SL}$ es el índice de suavidad, entonces el método de un solo nivel requiere un esfuerzo computacional de $O(\epsilon^{-(\beta/p+2/s_{SL})})$ para alcanzar una precisión $\epsilon$, mientras que el método multinivel demanda solo $O(\epsilon^{-\beta/p})$. Esta reducción en el costo se debe a la adaptación del peso de Laguerre al comportamiento de la función característica, que se estima en función de su decrecimiento. Los experimentos numéricos confirman que el método cumple con las tasas de convergencia esperadas tanto para el integrando de Fourier como para el error fraccionario de Riccati, además de demostrar una disminución significativa en el coste de cuadratura respecto a la estrategia estándar. El método multinivel logra ahorros claros en tiempo computacional frente al enfoque de un solo nivel, destacando su ventaja en escenarios de alta precisión.
Para los inversionistas peruanos, este avance tiene implicaciones directas en la evaluación de instrumentos derivados, como opciones en mercados de acciones o títulos. Aunque el modelo se aplica en entornos financieros globales, su eficiencia en el cálculo de precios puede reducir los tiempos de ejecución de estrategias de inversión, permitiendo una toma de decisiones más ágil. En un contexto de volatilidad creciente, como el observado en los mercados latinoamericanos, la capacidad de calcular rápidamente precios de derivados con mayor precisión podría convertirse en una herramienta clave para optimizar carteras y gestionar riesgos. Esto es especialmente relevante para operadores que dependen de modelos de precios en tiempo real, como los bancos o fondos de inversión que operan en mercados locales y globales. La mejora en el rendimiento de los cálculos no solo ahorra recursos, sino que también potencia la confiabilidad de las decisiones estratégicas.