El mercado financiero es un sistema complejo con un comportamiento caótico que puede llevar a oscilaciones salvajes dentro del sistema financiero. Esto puede impulsar al sistema hacia una variedad de fenómenos interesantes como transiciones de fase, burbujas y colapsos, entre otros. De interés en la modelización financiera está la identificación de la distribución y los hechos estilizados de una serie temporal particular, ya que la distribución y los hechos estilizados pueden determinar si hay volatilidad presente, lo que resulta en riesgo financiero y contagio. La modelización de regresión se ha utilizado en este estudio como una metodología para identificar la bondad del ajuste entre el modelo de serie temporal original y el generado, que sirve como criterio para la selección del modelo. Diferentes métodos de modelización de series temporales que incluyen los comunes métodos ARIMA de Box-Jenkins, métodos tipo ARMA-GARCH, modelos tipo Movimiento Browniano Geométrico y modelos basados en la entropía de Tsallis, cuando el tamaño de los datos lo permite, pueden utilizar esta metodología en la selección del modelo. Determinar la distribución de la serie temporal y los hechos estilizados tiene utilidad, ya que la distribución permite más oportunidades de modelización como la regresión bivariada y la modelización de cópulas, aparte de la previsión habitual. Determinar la distribución y los hechos estilizados también permite la identificación de los parámetros que se utilizan dentro de un modelo de previsión de Movimiento Browniano Geométrico. Este estudio ha utilizado el precio de los futuros de emisiones de carbono entre las fechas del 1 de mayo de 2012 y el 1 de mayo de 2022, para resaltar esta aplicación de la modelización de regresión.