Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/11531/78711
Título : | Análisis predictivo del precio de las tierras raras |
Autor : | Díaz Aguiluz, Elena María García Lozano, Jesús Universidad Pontificia Comillas, Facultad de Ciencias Económicas y Empresariales |
Palabras clave : | 12 Matemáticas;1209 Estadística;120914 Técnicas de predicción estadística |
Fecha de publicación : | 2024 |
Resumen : | Las tierras raras son un tema popular pero aún inexplorado en la actualidad. Gracias a sus características físicas y químicas, desempeñan un papel vital en el desarrollo de tecnologías modernas como paneles solares, reactores de energía nuclear o chips para teléfonos. Esta amplia variedad de aplicaciones hace que las tierras raras sean un activo valioso en el mercado de materias primas. Siguiendo los hallazgos realizados en el artículo "Modelado del mercado de las tierras raras", de Manuel González Plaza, este documento tiene como objetivo estudiar las predicciones de precios basadas en diferentes variables que afectan los precios de los metales de tierras raras en el mercado de materias primas. Estos hallazgos son la base de este análisis, que se centra en las variables macroeconómicas de la Tasa de Fondos Federales en Sombras de Wu-Xia, el GEA tracker y el índice ESG. A través de una predicción de referencia, un modelo autorregresivo pronostica los precios diarios de los metales de tierras raras entre el 26 de febrero de 2016 y el 31 de marzo de 2023. Luego, un segundo modelo vuelve a predecir los precios; sin embargo, esta vez incluirá las variables mencionadas anteriormente, dentro del mismo marco temporal y con una frecuencia diaria. Esto proporcionará una mejor comprensión del comportamiento de los precios y profundizará las posibilidades de análisis adicionales. Los resultados muestran la complejidad para la predicción de estos precios, y sugieren que las variables consideradas inicialmente de gran impacto hacia estos números son más intrincadas de lo que parecen, ya que los efectos de diferentes tendencias socioeconómicas y de mercado juegan un papel significativo en la definición de estos valores. Rare earth metals are a popular yet unexplored topic nowadays. Thanks to their physical and chemical traits, they play a vital role in the development of modern technologies such as solar panels, nuclear energy reactors or phone chips. This wide variety of applications make rare earths a valuable asset in the market of commodities. Following the findings made on the paper Modelado del mercado de las tierras raras, by Manuel González Plaza, this paper aims to study the price predictions based on different variables that affect the prices of rare earth metals in the commodities market. Such findings are the basis of this analysis, which focus on the macroeconomic variables of Wu-Xia Shadow Rate, GEA tracker, and ESG index. Through a benchmark prediction, an autoregressive model forecasts the daily prices of rare earth metals between February 26th, 2016 and March 31st, 2023. Then, a second model forecasts the prices again; however, this time it will include the variables mentioned before, within the same time frame and a daily frequency. This will give a better understanding of price behavior and deepens the possibilities of further analysis. Results show the complexity for the prediction of these prices and suggest that the variables initially thought to affect these numbers are more intricate than they appear, as the impact of different socioeconomic and market trends play a significant role in defining these values. |
Descripción : | Grado en Administración y Dirección de Empresas y Grado en Análisis de Negocios/Business Analytics |
URI : | http://hdl.handle.net/11531/78711 |
Aparece en las colecciones: | KBA-Trabajos Fin de Grado |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
TFG- Garcia Lozano, Jesus.pdf | Trabajo Fin de Grado | 11,15 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.