Influència del clima en la fenologia de la floració de Globularia alypum: anàlisi a partir de mostres d'herbari

Globularia alypum és un arbust termòfil típic de la regió oest del Mediterrani. Aquest nanofaneròfit té un patró de floració molt ampli. Les poblacions primerenques floreixen des del Juliol fins al Desembre i les poblacions tardanes des del Gener fins a l’Abril. L’objectiu del projecte és esbrinar quins factors climàtics determinen la fenologia de la floració de l’espècie a partir de mostres d’herbari i conèixer l’abast geogràfic d’ambdós patrons de floració a la península Ibèrica i França. També l’estudi d’altres característiques fenològiques en relació amb el clima: els braquiblasts i les espigues de capítols. Els plecs d’herbari han estat georeferenciats per ser utilitzats en un entorn SIG junt amb les dades del clima i s’ha realitzat una anàlisi estadística. El resultats mostren que les poblacions primerenques creixen majoritàriament en zones costaneres mentre que les tardanes ho fan en zones continentals. Les poblacions primerenques creixen en àrees on les temperatures (mitjana, mínima, màxima i mínima del mes més fred) són més altes que les tardanes per l’efecte temperador del mar. Al analitzar totes les poblacions, el nombre de mesos des de la transició floral es correlaciona negativament amb la temperatura mínima mensual i la temperatura mitjana mensual en tots els mesos, mentre que amb la temperatura màxima mensual entre Octubre i Abril. Al estudiar sols les poblacions tardanes les correlacions són similars, però no en les primerenques on no se’n troba cap. Les correlacions entre el nombre de mesos des de la transició floral i les variables climàtiques anuals són iguals, a més de trobar-se una correlació negativa amb la temperatura mínima del mes més fred i l’índex tèrmic, i positiva amb l’índex de continentalitat. No s’ha trobat cap diferència en presència de braquiblasts segons la població, però sí en les espigues de capítols, essent més freqüents en les poblacions primerenques. Es suggereix que la temperatura és un factor més determinant per a les poblacions tardanes, mentre que es desconeix si és la precipitació en les primerenques. Tampoc es té coneixement sobre si les diferències entre els dos patrons són genètiques o fenotípiques i quin mecanisme possibilita el desenvolupament de braquiblasts i espigues de capítols.

Study and implementation of some quantitative trading models

Quantitative or algorithmic trading is the automatization of investments decisions obeying a fixed or dynamic sets of rules to determine trading orders. It has increasingly made its way up to 70% of the trading volume of one of the biggest financial markets such as the New York Stock Exchange (NYSE). However, there is not a signi cant amount of academic literature devoted to it due to the private nature of investment banks and hedge funds. This projects aims to review the literature and discuss the models available in a subject that publications are scarce and infrequently. We review the basic and fundamental mathematical concepts needed for modeling financial markets such as: stochastic processes, stochastic integration and basic models for prices and spreads dynamics necessary for building quantitative strategies. We also contrast these models with real market data with minutely sampling frequency from the Dow Jones Industrial Average (DJIA). Quantitative strategies try to exploit two types of behavior: trend following or mean reversion. The former is grouped in the so-called technical models and the later in the so-called pairs trading. Technical models have been discarded by financial theoreticians but we show that they can be properly cast into a well defined scientific predictor if the signal generated by them pass the test of being a Markov time. That is, we can tell if the signal has occurred or not by examining the information up to the current time; or more technically, if the event is F_t-measurable. On the other hand the concept of pairs trading or market neutral strategy is fairly simple. However it can be cast in a variety of mathematical models ranging from a method based on a simple euclidean distance, in a co-integration framework or involving stochastic differential equations such as the well-known Ornstein-Uhlenbeck mean reversal ODE and its variations. A model for forecasting any economic or financial magnitude could be properly defined with scientific rigor but it could also lack of any economical value and be considered useless from a practical point of view. This is why this project could not be complete without a backtesting of the mentioned strategies. Conducting a useful and realistic backtesting is by no means a trivial exercise since the \laws" that govern financial markets are constantly evolving in time. This is the reason because we make emphasis in the calibration process of the strategies' parameters to adapt the given market conditions. We find out that the parameters from technical models are more volatile than their counterpart form market neutral strategies and calibration must be done in a high-frequency sampling manner to constantly track the currently market situation. As a whole, the goal of this project is to provide an overview of a quantitative approach to investment reviewing basic strategies and illustrating them by means of a back-testing with real financial market data. The sources of the data used in this project are Bloomberg for intraday time series and Yahoo! for daily prices. All numeric computations and graphics used and shown in this project were implemented in MATLAB^R scratch from scratch as a part of this thesis. No other mathematical or statistical software was used.