http://hdl.handle.net/11531/813 Sun, 05 Apr 2026 19:19:29 GMT 2026-04-05T19:19:29Z http://hdl.handle.net/11531/102586 Título : Valoración de opciones financieras en trading de energía: aplicación a contratos y mercados de gas natural. Autor : Castillo Sotillo, Juan Resumen : El trabajo comienza explicando y desarrollando el funcionamiento de los contratos internacionales de gas natural, su estructuración, las cláusulas más determinantes de los contratos y la fijación del precio. Después se ha abordado toda la teoría de derivados financieros, con más profundidad en las opciones financieras. Luego se han usado métodos de valoración de opciones como Black-Scholes y Monte Carlo para obtener precios de opciones financieras de gas natural y gas natural licuado (GNL). Los activos subyacentes para los que se han calculado las opciones son el gas natural Henry Hub, el “Title Transfer Facility (TTF)” y GNL referenciado a el mercado asiático (JMK). Una vez se han obtenido las opciones con sus primas, se procedió a observar el rendimiento de esas opciones a fecha actual o vencimiento, haciendo una serie de suposiciones necesarias. Asimismo, se revisarán las ventajas y limitaciones inherentes a estas metodologías, proponiendo posibles líneas de investigación que contribuyan a perfeccionar la precisión del análisis.; This paper begins by explaining and developing the functioning of international natural gas contracts, their structuring, the most crucial clauses of the contracts, and pricing. The entire theory of financial derivatives is then addressed, with a more in-depth analysis of financial options. Option pricing methods such as Black-Scholes and Monte Carlo are then used to obtain prices for financial options on natural gas and liquefied natural gas (LNG). The underlying assets for which the options were calculated are Henry Hub natural gas, the Title Transfer Facility (TTF), and LNG referenced to the Asian market (JMK). Once the options and their premiums were obtained, the performance of these options was observed at the current date or at expiration, making a series of necessary assumptions. The advantages and limitations inherent to these methodologies are also reviewed, and possible lines of research are proposed that could contribute to improving the accuracy of the analysis. Descripción : Grado en Ingeniería en Tecnologías Industriales Wed, 01 Jan 2025 00:00:00 GMT http://hdl.handle.net/11531/102586 2025-01-01T00:00:00Z http://hdl.handle.net/11531/102584 Título : Optimización Pricing Alquiler Residencial: análisis del mercado en Rios Rosas (Madrid) Autor : Monjardin de Aranda, Marcos Resumen : Este Trabajo de Fin de Grado analiza el mercado inmobiliario en la zona de Nuevos Ministerios–Ríos Rosas (Madrid), con el objetivo de identificar los factores que determinan el precio de la vivienda en los mercados de alquiler y compraventa, así como explorar cómo modelizarlos de manera eficiente, para ello se recopilaron más de 350 registros de viviendas mediante extracción manual y a través de la API de un portal inmobiliario, considerando variables estructurales como la superficie, el número de habitaciones y baños, la planta, la orientación interior o exterior, la presencia de ascensor y la disponibilidad de plaza de aparcamiento. El análisis se estructuró en tres etapas, exploración de datos, modelización mediante regresión lineal y segmentación por perfiles de vivienda a través del método de clustering K-means. Los resultados muestran que la superficie y el número de habitaciones son las variables que más influyen en el precio, tanto en venta como en alquiler, mientras que otras como la planta o la orientación exterior ejercen un impacto más moderado. El modelo de regresión lineal, al emplear un conjunto reducido de predictores capaces de explicar gran parte de la variabilidad en los precios, puso de manifiesto la importancia de estas características básicas. Por su parte, el análisis de clustering permitió identificar grupos homogéneos de viviendas que representan tipologías diferenciadas, desde pequeños apartamentos económicos hasta propiedades de lujo de gran tamaño. Un hallazgo relevante es que, aunque la regresión no detectó un efecto significativo de la plaza de aparcamiento, el clustering sí segmentó de forma clara las viviendas según dispusieran o no de esta característica, evidenciando el valor de combinar métodos complementarios. El trabajo también ofrece una reflexión metodológica, en mercados pequeños como el estudiado, prolongar la recolección de datos en el tiempo resulta más eficaz que depender exclusivamente de la API, si bien la recogida manual puede ser más ágil en el corto plazo, a largo plazo la automatización garantiza eficiencia y actualización sistemática. En conclusión, el uso conjunto de análisis exploratorio, regresión y clustering proporciona una visión robusta del mercado inmobiliario, al identificar los determinantes clave del precio y aportar aplicaciones prácticas para la valoración, la gestión de activos y las políticas de vivienda.; This Final Degree Project analyzes the real estate market in the Nuevos Ministerios–Ríos Rosas area (Madrid), with the aim of identifying the key elements that determine housing prices in rental and sales markets, as well as exploring how they can be efficiently modeled. More than 350 housing records were collected through manual extraction and the API of a real estate portal, considering structural variables such as surface area, number of rooms and bathrooms, floor level, interior or exterior orientation, the presence of an elevator, and the availability of a parking space. The analysis was structured in three stages, data exploration, modeling through linear regression, and housing segmentation using the K-means clustering method. Results show that surface area and number of rooms are the variables with the greatest influence on price, whether for sale or rent, while additional variables such as floor level or exterior orientation have a more moderate impact. The linear regression model, using a limited set of predictors to explain a large share of price variability, highlighted the importance of these basic attributes. Clustering analysis, in turn, identified homogeneous groups of dwellings representing different types, ranging from small, affordable apartments to large, luxury properties. A key finding is that, although regression did not detect a significant effect of parking, clustering clearly segmented dwellings depending on the availability of this feature, demonstrating the value of combining complementary methods. The project also provides a methodological reflection, in small markets such as the one studied, extending data collection over time proves more effective than relying exclusively on the API. While manual collection may be more agile in the short term, automation ensures efficiency and systematic updating in the long term. In conclusion, the combined use of exploratory analysis, regression, and clustering offers a robust perspective on the real estate market, identifying the key determinants of price and providing practical applications for property valuation, asset management, and housing policies. Descripción : Grado en Ingeniería en Tecnologías Industriales y Grado en Administración y Dirección de Empresas Wed, 01 Jan 2025 00:00:00 GMT http://hdl.handle.net/11531/102584 2025-01-01T00:00:00Z http://hdl.handle.net/11531/102583 Título : Aplicación de Técnicas de Clusterización y Aprendizaje Profundo Generativo (VAE) para el estudio de los desvíos de la Red Electrica de España Autor : Conde Cortizas, Juan Resumen : El presente proyecto se centra en la detección y caracterización de patrones de desvío en el sistema eléctrico español, con el fin de optimizar la estrategia de compra de energía de las comercializadoras. Los desvíos, entendidos como la diferencia entre la demanda prevista y la demanda real observada, suponen un coste significativo para los agentes de mercado, ya que deben ser corregidos en el mercado de ajustes mediante precios de desvío a subir o a bajar. Para abordar este problema se aplican técnicas de inteligencia artificial en dos fases complementarias. En primer lugar, se utiliza el algoritmo K-means, en el ámbito del aprendizaje no supervisado, para agrupar días con características similares y detectar patrones recurrentes a partir de datos públicos como la temperatura, la generación renovable prevista o el tipo de jornada. En segundo lugar, se emplea Random Forest, en el ámbito del aprendizaje supervisado, con el propósito de predecir el tipo de día al que nos enfrentamos a partir de esos patrones previamente identificados, entrenando el modelo con los resultados del análisis inicial. El objetivo fundamental no es únicamente reconocer regularidades en los datos históricos, sino transformar ese conocimiento en estrategias económicas aplicables que, con distintos niveles de confianza y riesgo-beneficio, permitan a una comercializadora reducir sus costes asociados a desvíos. Asimismo, este enfoque contribuye indirectamente a la estabilidad del sistema, ya que una mejor gestión de los desvíos individuales tiende a disminuir los desvíos globales, con el consiguiente beneficio para el conjunto de la red. En este sentido, el proyecto no persigue desarrollar un modelo predictivo tradicional centrado en minimizar el error de estimación, sino más bien un marco de análisis aplicado que ofrezca conclusiones prácticas y facilite la toma de decisiones estratégicas en el mercado eléctrico secundario de desvíos.; This project focuses on detecting and characterizing deviation patterns in the Spanish electricity system in order to optimize the energy purchasing strategy of retailers. Deviations, understood as the difference between forecast demand and actual observed demand, represent a significant cost for market agents, as they must be corrected in the adjustment market through upward or downward deviation prices. To address this problem, artificial intelligence techniques are applied in two complementary phases. First, the K-means algorithm is used, in the field of unsupervised learning, to group days with similar characteristics and detect recurring patterns from public data such as temperature, forecast renewable generation, or type of day. Second, Random Forest is used, in the field of supervised learning, to predict the type of day we are facing based on these previously identified patterns, training the model with the results of the initial analysis. The fundamental objective is not only to recognize regularities in historical data, but also to transform that knowledge into applicable economic strategies which, with different levels of confidence and risk-benefit, allow a marketer to reduce its costs associated with deviations. This approach also contributes indirectly to the stability of the system, since better management of individual deviations tends to reduce overall deviations, with the consequent benefit for the network as a whole. In this sense, the project does not seek to develop a traditional predictive model focused on minimizing estimation error, but rather an applied analysis framework that offers practical conclusions and facilitates strategic decision-making in the secondary electricity market for deviations. Descripción : Grado en Ingeniería en Tecnologías Industriales y Grado en Administración y Dirección de Empresas Wed, 01 Jan 2025 00:00:00 GMT http://hdl.handle.net/11531/102583 2025-01-01T00:00:00Z http://hdl.handle.net/11531/102423 Título : Evaluation of an independent photovoltaic microgrid: Case study in Antanamalaza, Madagascar Autor : Martínez Puchol, Antonio Resumen : Este trabajo diseña y evalúa una microred fotovoltaica autónoma para Antanamalaza, Madagascar, mediante una metodología reproducible que integra estimación demográfica, modelado de la demanda, tanto modelo descendente como ascendente, y un dimensionamiento tecnoeconómico multi-escenario de generación fotovoltaica, almacenamiento y respaldo diésel. El estudio estima la población y necesidades eléctricas, combinando conteo de edificaciones a partir de satélite, encuestas a hogares y datos de tenencia de electrodomésticos. Se incluyen tanto consumos domésticos como actividades productivas (p. ej. descascarado de arroz, carpinterías, escuelas, iglesias, pequeñas tiendas y el centro de salud local), con el fin de obtener perfiles de demanda representativos. La metodología evalúa además las opciones tecnológicas, considerando disponibilidad local, costes de importación y degradación de componentes a lo largo del tiempo. La generación fotovoltaica se simula con datos de irradiancia y temperatura específicos del emplazamiento. Se estima la vida útil de las baterías y sus reemplazos, y los inversores se dimensionan respetando las limitaciones eléctricas reales. A través de simulaciones se explora un conjunto de configuraciones factibles, comparando múltiples escenarios para reflejar los compromisos entre coste, fiabilidad e impacto ambiental. El enfoque propuesto ofrece un marco estructurado y replicable para la planificación de proyectos de electrificación rural en contextos con escasez de datos.; This work designs and evaluates a stand-alone photovoltaic microgrid for the village of Antanamalaza, located in Madagascar, by means of a reproducible and transparent methodology. The methodological framework integrates several complementary components: demographic estimation, hybrid demand modeling that combines both bottom-up and top-down approaches, and a multi-scenario techno-economic sizing of photovoltaic generation, battery storage, and diesel backup. In order to characterize the demand, the study first estimates population and electricity needs by combining different sources of information, including satellite-derived building counts, household surveys, and data on appliance ownership. Both household consumption and productive activities are explicitly incorporated into the analysis, with the latter covering a wide range of uses such as rice dehusking, carpentry, schools, churches, small shops, and the local health center, to obtain representative and realistic demand profiles. The methodology further assesses technological options, considering local availability, import costs, and component degradation over time. PV generation is simulated using site-specific irradiance and temperature data. Battery lifetime and replacements are estimated, and inverters are dimensioned according to real electrical constraints. A set of feasible system configurations is explored through simulations, and multiple scenarios are compared to reflect trade-offs between cost, reliability, and environmental impact. The proposed approach ultimately provides a structured and replicable framework for planning rural electrification projects in contexts characterized by scarce and fragmented data. Descripción : Grado en Ingeniería en Tecnologías Industriales Wed, 01 Jan 2025 00:00:00 GMT http://hdl.handle.net/11531/102423 2025-01-01T00:00:00Z