El cálculo estocástico: el cálculo para lo que nunca se queda quieto

El precio de una acción nunca se mueve según una curva suave. Haga zoom cuanto quiera — un minuto, un segundo, un milisegundo — y sigue siendo entrecortado, impredecible a esa escala. El cálculo ordinario fue diseñado para cosas suaves: curvas con una pendiente bien definida en todo punto. El cálculo estocástico existe porque muchísimas cantidades reales — precios de acciones, posiciones de partículas, lecturas de sensores ruidosas — simplemente no son suaves, y aun así necesitamos hacer cálculo con ellas: integrarlas, derivarlas, construir modelos a partir de ellas.

Ampliación de máster

El elemento base: el movimiento browniano

El proceso aleatorio fundamental detrás del cálculo estocástico se llama movimiento browniano, normalmente denotado W(t). Tiene tres propiedades que lo definen: parte de cero, sus incrementos en intervalos de tiempo no solapados son independientes entre sí, y cada incremento sigue una distribución normal con varianza igual al tiempo transcurrido. Juntas, estas tres reglas simples producen una trayectoria continua en todas partes pero derivable en ningún lugar — sin importar cuánto haga zoom, nunca parece una línea recta.

Esta última propiedad es todo el problema. El cálculo ordinario se basa en la idea de que df/dt existe — que una función tiene una tasa de cambio real y bien definida. Para el movimiento browniano, dW/dt simplemente no existe en ese sentido. No se puede derivar de la forma normal. Así que se necesita una nueva caja de herramientas para las funciones que dependen de él.

El lema de Itô: la regla de la cadena estocástica

En cálculo ordinario, la regla de la cadena para una función f(W(t)) sería simplemente f'(W) dW. El lema de Itô dice que esto no es del todo exacto cuando W es un movimiento browniano — hay un término adicional:

df = f'(W) dW + ½f''(W) dt

Este segundo término es la característica extraña y definitoria del cálculo estocástico, y se deriva de un hecho verdaderamente singular: para las funciones suaves ordinarias, (dt)² es tan pequeño que se puede ignorar, pero para el movimiento browniano, (dW)² se comporta como dt mismo, no como cero. No se anula en el límite como lo haría para una trayectoria suave. Una vez aceptado este hecho extraño, el resto del lema de Itô se deriva de un desarrollo de Taylor ordinario — no es otro tipo de matemáticas, solo razonamiento ordinario aplicado cuidadosamente a un proceso que se comporta de forma inusual a pequeña escala.

La intuición a recordar: el movimiento browniano es tan entrecortado que su oscilación al cuadrado se acumula a un ritmo constante en el tiempo — ese es el hecho (dW)² ≈ dt — y esa acumulación constante es exactamente lo que aparece como el término adicional en el lema de Itô.

Un ejemplo resuelto: derivando W²

El ejemplo resuelto más pequeño es f(W) = W². Aplica la fórmula directamente:

• f'(W) = 2W y f''(W) = 2
• Sustituye en el lema de Itô: d(W²) = f'(W) dW + ½f''(W) dt = 2W dW + ½(2) dt
• d(W²) = 2W dW + dt

Compáralo con el cálculo ordinario, donde esperarías d(W²) = 2W dW y te detendrías ahí. El término adicional «+ dt» no es un error ni una aproximación — es la consecuencia directa y exacta de que (dW)² se comporta como dt. También tiene un significado genuinamente útil: en promedio (dado que el valor esperado del término dW es cero), E[d(W²)] = dt, que es exactamente la afirmación de que la varianza del movimiento browniano crece a una tasa constante de 1 por unidad de tiempo — precisamente como se definió W(t) desde el principio.

Un ejemplo concreto: modelar el precio de una acción

El modelo estándar para el precio de una acción S(t) es el movimiento browniano geométrico, escrito como la ecuación diferencial estocástica:

dS = μS dt + σS dW

En palabras: la acción se desplaza al alza en promedio a una tasa μ (el término dt), mientras es sacudida por ruido aleatorio escalado por su propio valor y una volatilidad σ (el término dW) — un precio más alto significa variaciones absolutas mayores, lo que coincide con el comportamiento real de los precios. Aplicar el lema de Itô a ln(S) — y no el cálculo ordinario, que aquí daría la respuesta incorrecta — produce el célebre resultado de que S(t) sigue una distribución log-normal. Esta única ecuación, y la mecánica necesaria para resolverla correctamente, son el antecesor directo del modelo de valoración de opciones de Black-Scholes.

Por qué esto importa más allá de las finanzas

La misma caja de herramientas — un término de deriva más un término de ruido, derivado correctamente con el lema de Itô — describe una partícula que se difunde en un fluido en física, el ruido eléctrico en un circuito, y tamaños de población que fluctúan bajo eventos aleatorios de nacimiento y muerte en biología. Más recientemente, son también las matemáticas que hacen funcionar los modelos de IA generativa por difusión: entrenan una red para invertir una ecuación diferencial estocástica que transforma progresivamente una imagen real en ruido puro, y luego ejecutan ese proceso inverso para generar una nueva desde cero.

El cálculo estocástico tiene fama de ser uno de los rincones más difíciles de un grado en matemáticas, sobre todo porque suele enseñarse como un muro de definiciones de teoría de la medida antes de que la intuición real — un proceso aleatorio demasiado entrecortado para el cálculo ordinario, y un término adicional que lo tiene en cuenta — tenga siquiera oportunidad de asentarse. Una vez que esa intuición está primero en su lugar, la mecánica formal deja de parecer arbitraria. Si el posgrado o las matemáticas aplicadas de último año son el destino de su hijo o el suyo propio, es exactamente el orden en que lo enseñamos — vea nuestra clase particular de posgrado o el camino de aprendizaje completo aquí.