Buscamos analizar la dinámica de múltiples activos financieros con volatilidad variable. En lugar de un análisis estándar basado en el modelo de Black-Scholes, procedemos con el modelo multidimensional de Volterra, que nos permite tratar la volatilidad como un proceso estocástico. Aprovechando la función de memoria larga de este tipo de modelo, analizamos los movimientos reproducidos utilizando algoritmos recientes en el campo del análisis de datos funcionales (ADF). De hecho, desarrollamos, en particular, nuevas herramientas de riesgo basadas en la función de pérdida de mínimos cuadrados asimétricos. Construimos un estimador utilizando el método del núcleo multifuncional (MK) y luego establecemos sus propiedades asintóticas. La multidimensionalidad del proceso de Volterra se explora a través del componente de dispersión de la tasa de convergencia, mientras que la trayectoria no paramétrica de la herramienta de riesgo afecta al componente de sesgo. Se realiza un análisis empírico para demostrar la facilidad de implementación de nuestro enfoque propuesto. Adicionalmente, se presenta una aplicación en datos reales para comparar la efectividad de las medidas basadas en expectiles con el Valor en Riesgo (VaR) en la gestión de riesgos financieros para múltiples activos.