Aquest treball desenvolupa una metodologia per a la valoració d’un instrument financer com són els swaps de volatilitat topada mitjançant tècniques d’aprenentatge automàtic. El preu d’aquests instruments, donat com a funció de la volatilitat, es deixa en segon pla i se centra l’atenció en la volatilitat de l’actiu subjacent, part essencial de l’instrument. Per tal de predir aquesta volatilitat i, en conseqüència, determinar un preu, s’estudien les característiques distribucionals dels actius subjacents. Amb aquest objectiu s’investiguen en concret els moments implícits del mercat i la volatilitat implícita dels actius. Finalment, amb mètodes d’aprenentatge automàtic i la regressió del procés Gaussià s’avalua la capacitat predictiva dels mètodes i de les dades, establint així un model tant de verificació com de predicció de preus.

This paper presents a methodology for pricing financial instruments such as capped volatility swaps using machine learning techniques. Its price, given as a function of volatility, is relegated to second place and brought the underlying asset’s volatility into focus, essential part of the instrument. In order to predict the volatility and, consequently, establish a price, we examine distributional characteristics of the underlying. With this aim, we investigate market-implied moments and the implied volatility of the asset. Finally, using machine learning techniques and a Gaussian process regression we evaluate the predictive performance of the methods used and the dataset itself, thus establishing a model for both verification and prediction of prices.

Treballs Finals del Doble Grau d'Administració i Direcció d'Empreses i de Matemàtiques, Facultat d'Economia i Empresa i Facultat de Matemàtiques i Informàtica, Universitat de Barcelona, Curs: 2024-2025, Tutor: José Manuel Corcuera Valverde,