Desarrollo y evaluación de estrategias automáticas de trading aplicadas a mercados energéticos globales

Las 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.

Energy 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.