En este documento, desarrollamos estimadores basados en núcleos para funciones de regresión bajo un modelo de índice único funcional, aplicado a datos de series temporales censuradas. Aprovechando la estructura de índice único, reducimos la dimensionalidad de la relación covariable-respuesta, preservando así la capacidad de capturar dependencias intrincadas mientras mantenemos una forma relativamente parsimoniosa. Específicamente, nuestro marco utiliza la estimación de núcleo no paramétrico dentro de un entorno de cuasi-asociación para caracterizar las relaciones subyacentes. Bajo condiciones de regularidad moderadas, demostramos que estos estimadores logran tanto una fuerte consistencia uniforme como normalidad asintótica. A través de extensos experimentos de simulación, confirmamos su robusto rendimiento en muestras finitas. Además, un examen empírico utilizando retornos del índice bursátil Nikkei intradía ilustra que el método propuesto supera significativamente en rendimiento a los enfoques tradicionales de regresión no paramétrica.