Financial Applications of Forecasting Models for Functional Time Series

Abstract

El objetivo principal de este proyecto es analizar uno o varios conjuntos de datos del ámbito financiero, utilizando técnicas de análisis de datos funcionales, a las cuales se referirá en este documento como FDA (de su traducción al inglés Functional Data Analysis). Las técnicas de FDA han cobrado importancia en los últimos años debido al aumento de sus aplicaciones en diferentes campos, como pueden ser: las ciencias medioambientales, matemáticas, salud pública y medicina, geografía o economía entre otras. El amplio abanico de aplicaciones y herramientas de esta metodología hacen difícil ajustarse a una única definición, pero a grandes rasgos se podría considerar FDA cuando una de las variables o unidades de interés en un conjunto de datos puede verse naturalmente como una curva o función. A partir de estas técnicas y mediante la aplicación de modelos predictivos se modelará, entrenarán y estimarán los conjuntos de datos funcionales de naturaleza financiera.

El propósito ultimo de un proyecto de este tipo es generar una herramienta capaz de predecir datos a futuro suficientemente fiables, con el objetivo de dar soporte a alguna de las múltiples operaciones relacionadas con el ámbito de las finanzas. Debido a que generalmente los productos financieros están sujetos a una componente temporal y típicamente presentan una gran incertidumbre a consecuencia de la volatilidad de los mercados, la estimación del comportamiento de estas variables a futuro puede llegar a ser de gran relevancia en este sector.The main objective of this project is to analyse one or more financial data sets, using functional data analysis techniques, which will be referred in this document as FDA. FDA techniques have gained importance in recent years due to the increase in their applications in different fields, such as: environmental sciences, mathematics, public health and medicine, geography or economics, among others. The wide range of applications and tools of this methodology make it difficult to fit a single definition, but in general terms it could be considered FDA when one of the variables or units of interest in a data set can be seen naturally as a curve or function. Based on these techniques and through the application of predictive models, functional data sets of a financial nature will be modelled, trained and estimated.

The ultimate purpose of a project of this type is to generate a tool capable of predicting sufficiently reliable future data, with the aim of supporting some of the multiple operations related to the field of finance. Since financial products are generally subject to a time component and typically present great uncertainty as a result of market volatility, the estimation of the behaviour of these variables in the future can be of great relevance in this sector.