Según arXiv q-fin, un nuevo estudio analiza cómo las superficies de volatilidad en opciones de futuros de soja contienen información más allá del nivel de volatilidad a la moneda. El trabajo se basa en datos diarios del Índice de Volatilidad de la Bolsa de Chicago (CME CVOL), que abarcan desde octubre de 2013 hasta agosto de 2025. Los resultados revelan que el nivel de volatilidad a la moneda y la convexidad son positivos, con una distribución asimétrica hacia la derecha, y se ajustan bien a dinámicas de Ornstein-Uhlenbeck logarítmicas. En contraste, la pendiente aditiva de la curva cambia de signo, lo que implica una evolución no lineal que se modela mediante un proceso de Ornstein-Uhlenbeck en la recta real. Este comportamiento conjunto sugiere que las tres dimensiones —nivel, skew y convexidad— deben considerarse como factores interrelacionados que evolucionan de forma coherente en el tiempo.
La investigación propone un sistema de factores que permite la retroalimentación de las superficies de volatilidad, identificando estados latentes que reflejan el comportamiento subyacente del mercado. En este marco, las relaciones de la sonrisa (smile) se interpretan como transformaciones que vinculan el nivel de volatilidad a la moneda con un estado de volatilidad implícita, la convexidad con un estado de volatilidad de volatilidad, y la pendiente con un estado de leversaje. A partir de estos enlaces, se deriva una ecuación de precios bajo el modelo de medida neutral de riesgo, junto con su representación de Feynman-Kac. Los precios se validan mediante simulaciones por Monte Carlo, y se comparan con soluciones obtenidas por diferencias finitas. Además, se entrena una red neuronal como aproximación rápida para la evaluación repetida de opciones, lo que permite reducir significativamente el costo computacional sin sacrificar precisión.
Los hallazgos muestran que los estados de la superficie de volatilidad varían ampliamente en distintos ciclos del mercado. Un caso destacado es el período de sequía de La Niña en 2021, cuando se observan niveles elevados tanto de volatilidad como de asimetría. La coincidencia entre los precios obtenidos por simulaciones de Monte Carlo y el método de diferencias finitas en una cuadrícula de validación confirma la robustez del modelo. La red neuronal, por su parte, logra replicar el comportamiento de precios con un costo de cálculo mucho menor, lo que abre posibilidades para su uso en entornos de decisión en tiempo real.
Para inversores peruanos, este estudio resalta la importancia de no depender únicamente del nivel de volatilidad a la moneda, sino de observar también la forma de la superficie —especialmente la pendiente y la curvatura— para detectar cambios en el comportamiento del mercado. En un contexto donde los precios de productos agrícolas, como el soja, son sensibles a eventos climáticos y de oferta, entender estas dinámicas puede ayudar a anticipar riesgos y ajustar estrategias de inversión. Así, los datos empíricos no solo reflejan el funcionamiento de mercados internacionales, sino que también ofrecen un marco para evaluar con mayor precisión el riesgo en productos clave para el sector agrícola peruano.