Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/11531/66374
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorBello Morales, Antonioes-ES
dc.contributor.authorMárquez Larrea, Alejo Javieres-ES
dc.contributor.otherUniversidad Pontificia Comillas, Escuela Técnica Superior de Ingeniería (ICAI)es_ES
dc.date.accessioned2022-02-21T09:26:53Z-
dc.date.available2022-02-21T09:26:53Z-
dc.date.issued2022es_ES
dc.identifier.urihttp://hdl.handle.net/11531/66374-
dc.descriptionMáster Universitario en Ingeniería Industriales_ES
dc.description.abstractLas commodities energéticas tienen un gran peso en la economía afectando directamente al precio de los bienes de consumo y a los medios de producción. A pesar de ser un mercado muy estudiado, el público general no conoce el funcionamiento de las materias primas energéticas ni su vulnerabilidad ante el cambio de precio de estas. El creciente desarrollo de herramientas predictivas, la aplicación de técnicas que empleen inteligencia artificial y el uso de la estadística clásica hacen posible comprender mejor la evolución de los mercados. Este proyecto se centra en dos commodities energéticas: el barril Brent y el TTF holandés; marcadores globales del precio del crudo de petróleo y el gas respectivamente; examina el estado del arte de herramientas predictivas, investiga cuáles de ellas son más apropiadas para predecir el desarrollo de los activos propuestos, teniendo como referencia: • Estadística clásica: Profundiza en aquellos recursos empleados en la evaluación de funciones temporales, la clasificación de eventos y evaluación de métricas que ayuden no sólo a ver si existen patrones repetitivos en el progreso de los precios sino a posibles correlaciones entre ambas series; así la idea es presentar un análisis descriptivo que permita tener una caracterización preliminar de la naturaleza de los datos. • Inteligencia artificial: Se especializa en las redes neuronales (ARN) y más concretamente en el Deep Learning. La capacidad de aprendizaje de las ARN y su adaptabilidad a entornos no lineales y poco predecibles son interesantes para el reconocimiento de patrones en series temporales.es-ES
dc.description.abstractEnergy commodities have a great weight in the economy, directly affecting the price of consumer goods and the means of production. Despite being a well-studied market, the public does not know the performance of energy raw materials or their vulnerability to change price of these. The growing development of predictive tools, the application of techniques that employ artificial intelligence and the use of classical statistics make it possible to understand better the evolution of the markets. This project focuses on two energy commodities: the Brent barrel and the TTF Dutch; global crude oil and gas price markers respectively, examines the state of the art of predictive tools, investigates which of them are more appropriate to predict the development of the proposed assets, having as reference: • Classic statistics: Goes deeper into those resources used in the evaluation of temporal functions, the classification of events and evaluation of metrics that help not only to see if there are repetitive patterns in the progress of the prices but to possible correlations between both series; the idea is to present a descriptive analysis that allows to have a preliminary characterization of the nature of the data. • Artificial intelligence: Specializes in neural networks (ARN) and more Specifically in Deep Learning. The learning ability of ARNs and its adaptability to non-linear and unpredictable environments are interesting for pattern recognition in time series.en-GB
dc.format.mimetypeapplication/pdfes_ES
dc.language.isoes-ESes_ES
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United Stateses_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/es_ES
dc.subject33 Ciencias tecnológicases_ES
dc.subject3306 Ingeniería y tecnología eléctricaes_ES
dc.subject330609 Transmisión y distribuciónes_ES
dc.subject.otherH62-organizacion (MII-O)es_ES
dc.titleDesarrollo y evaluación de estrategias automáticas de trading aplicadas a mercados energéticos globaleses_ES
dc.typeinfo:eu-repo/semantics/masterThesises_ES
dc.rights.accessRightsinfo:eu-repo/semantics/closedAccesses_ES
dc.keywordsCommodities energéticas, predicción, redes neuronales y estadística.es-ES
dc.keywordsEnergy commodities, prediction, neural networks and statistics.en-GB
Aparece en las colecciones: H62-Trabajos Fin de Máster

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
TFM-Marquez Larrea_Alejo.pdfTrabajo Fin de Máster4,81 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.