Cultural Finance är ett relativt nytt forskningsområde som belyser att kultur kan vara en nyckelfaktor till att förklara individers investeringsbeteende. Syftet med denna studie var att undersöka om kultur kan vara en förklarande faktor till individers investeringsbeteende.  En jämförandestudie genomfördes där svenska (n=124) och spanska (n=109) investerare undersöktes. Studien baserades på kvantitativa enkäter som publicerades i forum med inriktning på investeringar. Resultatet analyserades med hjälp av ett Mann Whitney U test i SPSS version 1.0.0.1275 för att testa om det går att urskilja skillnader i investeringsbeteende mellan Sverige och Spanien. Resultatet visade på att det gick att urskilja skillnader i investeringsbeteende i risktagande och individers motvilja att förlora pengar och att dessa skillnader kan bero på kultur. / Cultural Finance is a relatively new research area that highlights that culture can be a critical factor in explaining the investment behavior of individuals. The purpose of this study was to investigate whether culture can be an explanatory factor for individuals' investment behavior. A comparative study was conducted in which Swedish (n = 124) and Spanish (n = 109) investors were surveyed. The study was based on quantitative questionnaires published in forums focusing on investments. The results were analyzed using a Mann Whitney U test in SPSS version 1.0.0.1275 to test whether differences in investment behavior between Sweden and Spain can be discerned. The results showed that it was possible to discern differences in investment behavior in risk-taking and individuals' reluctance to lose money and that these differences may be due to culture.

The advances in deep neural networks in recent years have opened up the possibility of using image classification as a valuable tool in various areas, such as medical diagnosis from x-ray images. However, training deep neural networks requires large amounts of annotated data which has to be labelled manually, by a person. This process always involves a risk of data getting the wrong label, either by mistake or ill will, and training a machine learning model on mislabelled images has a negative impact on accuracy. Studies have shown that deep neural networks are so powerful at memorization that if they train on mislabelled data, they will eventually overfit this data, meaning learning a data representation that does not fully mirror real data. It is therefore vital to filter out these images. Area under the margin is a method that filters out mislabelled images by observing the changes in a network’s predictions during training. This method does however not take into consideration the overconfidence in deep neural networks and the uncertainty of a model can give indications of mislabelled images during training. Calibrating the confidence can be done through label smoothing and this thesis aims to investigate if the performance of Area under the margin can be improved when combined with different smoothing techniques. The goal is to develop a better insight into how different types of label noise affects models in terms of confidence, accuracy and the impact it has depending on the dataset itself. Three different label smoothing techniques will be applied to evaluate how well they can mitigate overconfidence, prevent the model from memorizing the mislabelled samples and if this can improve the filtering process for the Area under the margin method. Results show when training on data with noise present, adding label smoothing improves accuracy, an indication of noise robustness. Label noise is seen to decrease confidence in the model and at the same time reduce the calibration. Adding label smoothing prevents this and allows the model to be more robust as the noise rate increases. In the filtering process, label smoothing was seen to prevent correctly labelled samples to be filtered and received a better accuracy at identifying the noise. This did not improve the classification results on the filtered data, indicating that it is more important to filter out as many mislabelled samples as possible even if this means filtering out correctly labelled images as well. The label smoothing methods used in this work was set up to preserve calibration, a future topic of research could be to adjust the hyperparameters to increase confidence instead, focusing on removing as much noise as possible. / De senaste årens framsteg inom djupa neurala nätverk har öppnat för möjligheten att använda bildklassificering som ett värdefullt verktyg inom olika områden, såsom medicinsk diagnos från röntgenbilder. Men att träna djupa neurala nätverk kräver stora mängder annoterad data som måste märkas antingen av människor eller datorer. Denna process involverar alltid med en risk för att data får fel etikett, antingen av misstag eller av uppsåt och att träna en maskininlärningsmodell på felmärkta bilder har negativ inverkan på resultatet. Studier har visat att djupa neurala nätverk är så kraftfulla att memorera att om de tränar på felmärkta data, kommer de så småningom att överanpassa dessa data, vilket betyder att de kommer att lära sig en representation som inte helt speglar verklig data. Det är därför viktigt att filtrera bort dessa bilder. Area under marginalen är en metod som filtrerar bort felmärkta bilder genom att observera förändringarna i ett nätverks beteende under träning. Denna metod tar dock inte hänsyn till översäkerhet i djupa neurala nätverk och osäkerheten i en modell kan ge indikationer på felmärkta bilder under träning. Kalibrering av förtroendet kan göras genom etikettutjämning och denna uppsats syftar till att undersöka om prestandan för Area under marginalen kan förbättras i kombination med olika tekniker för etikettutjämning. Målet är att utveckla en bättre insikt i hur olika typer av brusiga etiketter påverkar modeller när det gäller tillförlitlighet, noggrannhet och den påverkan det har beroende på själva datasetet. Tre olika tekniker för etikettutjämning kommer att tillämpas för att utvärdera hur väl de kan mildra översäkerheten, förhindra modellen från att memorera de felmärkta bilderna och om detta kan förbättra filtreringsprocessen för Area under marginalen-metoden. Resultaten visar att när man tränar på data innehållande felmärkt data, förbättrar etikettutjämning noggrannheten vilket indikerar på robusthet mot felmärkning. Felmärkning tycks minska säkerheten hos modellen och samtidigt minska kalibreringen. Att lägga till etikettutjämning förhindrar detta och gör att modellen blir mer robust när mängden brusiga etiketter ökar. I filtreringsprocessen sågs att etikettutjämning förhindrar att korrekt märkt data filtreras bort och fick en bättre noggrannhet vid identifiering av bruset. Detta förbättrade dock inte klassificeringsresultaten på den filtrerade datan, vilket indikerar att det är viktigare att filtrera bort så mycket felmärkta prover som möjligt även om detta innebär att filtrera bort korrekt märkta bilder. Metoderna för etikettutjämning som används i detta arbete sattes upp för att bevara kalibreringen, ett framtida forskningsämne kan vara att justera hyperparametrarna för att istället öka förtroendet, med fokus på att ta bort så mycket felmärkta etiketter som möjligt.

Bakgrund: 90-talister i Sverige står inför två tuffa val: att arbeta fram till 70–71-års åldereller att offra vissa angelägenheter idag för att kunna spara en relativt stor summa av sinlön till den framtida pensionen. Dagens pensionärer visar ett missnöje för sin ekonomiskasituation och med tanke på de sämre förutsättningarna som föreligger för 90-talister gällerdet att ta tag i pensionsförberedelser i tid för att ha någon chans att uppnå entillfredsställande pensionssituation. Trots det har det visat sig att unga vuxna skjuter framproblemet till framtiden och prioriterar mer kortsiktiga mål, samtidigt som de förväntarsig en tillfredsställande pensionssituation. Syfte: Studiens syfte är att, med utgångspunkt i en analys av de beteendepsykologiskafallgroparna övertro, ostrich effect och influerande av andra, skapa en djupare förståelseför det potentiella gapet mellan 90-talisters pensionsförväntningar och potentiellapensionssituation. Metod: För att uppfylla studiens syfte och få en djupare förståelse för hur debeteendepsykologiska fallgroparna influerar det potentiella gapet valdes en kvalitativmetod med tio semistrukturerade intervjuer. Genom intervjuerna kunde författarna få enbättre insikt i respondenternas subjektiva verklighet. Slutsats: Studien visar att det i många fall finns ett gap mellan pensionsförväntningar ochen potentiell pensionssituation och att faktorer inom de utvalda beteendepsykologiskafallgroparna både kan bidra till ett ökat och minskat gap. Gapet är stort hos majoritetenav respondenterna, på grund av de genomgående höga förväntningarna. Trots attförväntningarna ofta är för höga i jämförelse med respondenternas förutsättningar ochpensionsförberedelser, går det att skilja på ett positivt och negativt gap. Det viktigaste äratt börja spara i tid, och faktorer såsom självförtroende på egen förmåga och att ta hjälpav en finansiell rådgivare främjar ett pensionssparande och bidrar på så sätt till ett positivtgap, medan faktorer som att tro sig vara bättre än andra och prokrastinering hämmaragerandet och bidrar till ett negativt gap. / Background: Young adults in Sweden face two tough choices: to work until the age of70-71 or to sacrifice certain wants today in order to save a relatively large amount of theirsalary for future retirement. Today's pensioners show dissatisfaction with their financialsituation and, given the inferior conditions that exist for young adults, it is important tostart with retirement preparations in time to have any chance of achieving a satisfactorypension situation. Nevertheless, it has been shown that young adults postpone the problemuntil the future and prioritize more short-term goals, while expecting a satisfactoryretirement situation. Purpose: The purpose of this study is to, based on an analysis of the behavioralpsychological bias of overconfidence, ostrich effect and influence of others, create adeeper understanding of the potential gap between young adults’ retirement expectationsand potential retirement situation. Methodology: To fulfill the purpose of the study and gain a deeper understanding of howthe behavioral psychological biases influence the potential gap, a qualitative method withten semi-structured interviews was chosen. Through the interviews, the authors were ableto gain a better insight into the subjective reality of the respondents. Conclusion: The study shows that, in many cases, there is a gap between retirementexpectations and a potential retirement situation and that factors within the selectedbehavioral psychological biases can contribute to both an increased and a decreased gap.The majority of the respondents have a large gap, due to the consistently highexpectations. Despite the fact that the expectations are often too high in comparison withthe respondents’ conditions and retirement preparations, it is possible to distinguishbetween a positive and a negative gap. The most important thing is to start retirementsavings on time, and factors such as self confidence and taking the help of a financialadviser promote retirement saving and thus contribute to a positive gap, while factorssuch as believing oneself to be better than others and procrastination inhibits action andcontributes to a negative gap.

Trenden inom världsekonomin har på senare år indikerat på en mognad där tillväxten ligger på låga tal historisk. Detta har tvingat centralbanker runt omkring jorden att drastiskt ta till åtgärder för att stimulera tillväxten. Reporäntan har använts som det mest centrala instrumentet för detta ändamål. Sverige är ett levande exempel på detta, där de har sänkt räntan lägre än den fruktade nollnivån och har i dagsläget en ränta på -0,5 %. Effekterna av reporänteförändringar på aktievärdering har studerats brett och den ackumulerade åsikten bland forskare är att räntan påverkar aktiemarknaden direkt. De historiska studierna som har utförts fokuserar på hur marknaden som helhet påverkas där de individuella företagseffekterna hamnar i skymundan. Därför har denna studie fokuserat på att undersöka dessa branschrelaterade effekter av en ränteförändring på individuella företag inom de valda branscherna. Detta område har undersökts med hjälp av en eventstudie.  Resultaten från studien visar på homogena effekter för mindre bolag där dessa får en större påverkan vid förändringar än stora bolag. Detta visar sig även mellan de olika branscherna. De observerade branscherna är sällanköpsvaror och dagligvaror, de branschspecifika effekterna som studien visar är att dagligvaror påverkas signifikant mer än sällanköpsvaror. Vidare visar resultatet att företagsstorlek har en större påverkan än branschtillhörighet, där small-cap bolag inom sällanköpsvaror har större påverkan än large-cap bolag inom dagligvaror. En negativ förändring går även att hänvisa till mer homogena rörelser för branscherna samt de olika storlekarna. Vidare gav positiva nyheter en mer heterogen rörelse där de mindre bolagen ej korrelerade med dem större. / In recent years, the trend in the world economy has indicated a maturity in growth which is low in historical terms. This has forced central banks around the world to drastically act to stimulate growth. The prime rate has then been used as the most central instrument for this purpose. Sweden is a living example of this as they have lowered interest rates below the dreaded zero level and currently have an interest rate of -0.5 %. The effects of prime rate changes on stock valuation have been studied widely, and the accumulated opinion among researchers is that interest rates directly affect the stock market. The historical studies that have been carried out focus on how the market as a whole is affected where individual effects on businesses end up in the dark. Therefore, this study has focused on investigating these industry-related effects of an interest rate change on individual companies in the chosen industries. The results from the study show homogenous effects for smaller companies, where the impact is greater on them in addition to larger companies. This is also apparent between the different industries. This area of concerns has been studied with an event study. The observed industries are consumer discretionary and commodities, the industry-specific effects shown by the study are that commodities are significantly more affected than consumer discretionarys’. Furthermore, the results show that company size is a greater indicator than industry due to the greater effect on small companies within consumer discretionary than on larger companies in the commodities sector. A negative change can also be referred to more homogeneous movements for the industries as well as the different business sizes. In addition, positive news gave a more heterogeneous move where the smaller companies did not correlate with the larger ones.