Según arXiv q-fin, un nuevo enfoque presenta DYSANOS como el primer modelo generativo capaz de reproducir superficies de opciones suaves para todos los niveles de ejercicio y vencimientos, sin generar arbitrajes estáticos. Este sistema no solo simula el comportamiento de precios de spot y opciones, sino que construye trayectorias diarias de precios a lo largo de años futuros. La propuesta se basa en un modelo oculto de tipo AR(1), robusto y directo, aunque simplificado en su estructura. El estudio detalla el diseño del modelo, el flujo de datos y el proceso de entrenamiento, además de evaluar la presencia de arbitrajes dinámicos mediante cálculos numéricos. La validación se realiza utilizando datos reales del índice S&P de Option Metrics, específicamente del periodo 2020 al 2025, y se compara con un modelo basado en componentes principales de volatilidad implícita.
El modelo de DYSANOS no solo reproduce el comportamiento histórico de las superficies de opciones, sino que los resultados demuestran una consistencia en el ajuste de precios que evita contradicciones estructurales. Su capacidad para generar trayectorias completas de precios diarios en el futuro ofrece una herramienta útil para simulaciones de portafolios y estrategias de cobertura. La comparación con un modelo tradicional basado en PCA de volatilidad implícita revela que DYSANOS supera en estabilidad los desviaciones de precios en condiciones de volatilidad alta. Este avance es particularmente relevante en mercados donde la volatilidad cambia rápidamente, como los índices de bolsa en América del Sur.
Para el lector peruano, este desarrollo tiene implicaciones directas en la gestión de riesgos de inversión. El mercado de valores en el Perú, especialmente en productos derivados como opciones, enfrenta volatilidades significativas, especialmente durante períodos de incertidumbre económica o política. El hecho de que un modelo pueda simular precios de opciones sin riesgo de arbitraje estático permite a inversores y gestores de carteras tener una herramienta más confiable para predecir comportamientos futuros. Aunque el modelo actual es simplificado, su estructura basada en un proceso AR(1) ofrece una base sólida para futuras mejoras, como la integración de factores económicos locales. En un contexto donde las decisiones de inversión suelen tomarse bajo condiciones de baja transparencia de datos, este tipo de modelos puede ayudar a reducir sesgos y mejorar la precisión de las proyecciones. El acceso a herramientas que simulan superficies de opciones sin contradicciones es una ventaja clave para instituciones y particulares que buscan estrategias más robustas frente a la volatilidad del mercado. Aunque aún no se ha aplicado en el mercado peruano, el potencial de integrar tecnologías como esta en plataformas locales de inversión es un camino viable para el futuro.