En bostadsägare i Stockholm som inte noggrant följer andrahandsmarknaden för bostäder kanske inte har en aning om vilket pris hen ska sätta ifall hen skulle hyra ut sin lägenhet. Förutom att Stockholm har en reglerad hyresmarknad för bostäder har staden också sett en enormt stor prisutveckling på bostäder de senaste åren. För den som ska hyra ut sin lägenhet ger modellen utvecklad i denna studie ett rekommenderat prisintervall. Prisrekommendationerna för andrahandskontrakten tas i denna studie fram genom att utveckla en linjär modell baserat på en datamängd bestående av påskrivna kontrakt i Stockholm. Förhoppningsvis kan detta hjälpa framtida hyresvärdar och hyresgäster att sätta ett rimligt uthyrningspris. Slutsatsen av studien är att en korsvaliderad linjär modell kunde förklara mer än tvåtredjedelar av variationen i pris på ett andrahandskontrakt i Stockholm genom de fyra enkla parametrarna, m2, antal rum, avstånd från centrala Stockholm and längden på hyreskontraktet. Den här studien lägger ett grundarbete för den som önskar att ta fram linjära modeller för andra bostadsmarknader eller komplettera datamängden för ännu högre precision. / An apartment owner who is not closely monitoring the rental market may have no idea what to set as a price if he or she ever were to sublet their apartment. In addition to having a rent-controlled market, Stockholm has also experienced a price hike in apartment prices the last few years. In this study, a linear model for estimating the rental price of an apartment in Stockholm has been developed by using a dataset of signed rental contracts in Stockholm. For anyone wishing to rent out their apartment this study can offer a price interval supported by a mathematical model. In this study, it is shown that a cross-validated linear model could explain more than 2/3s of the variation of the rental price of an apartment in Stockholm by four simple parameters, m2, room count, distance from central Stockholm and rental contract length. This study lays the ground work for anyone wishing to apply the same concept in other geographical areas or complete the dataset for even more precision.

Mr Green is one of the leading online game providers in the European market. Their mission is to o˙er entertainment and a superior user experience to their customers. To be able to better understand each individual customer and the entire customer life cycle the concept of churn rate is essential, which is also an important input value when calculating the return on marketing e˙orts. This thesis analyzes the feasibility to use 24 hours of initial data on player characteristics and behaviour to predict the probability of each customer churning or not. This is done by examining various supervised machine learning models to determine which model best captures the customer behaviour. The evaluated models are logistic regression, random forest and linear discriminant analysis, as well as two ensemble methods using stacking and voting classifiers. The main finding is that the best accuracy is obtained using a voting ensemble method with the three base models logistic regression, random forest and linear discriminant analysis weighted as w = (0.005, 0.80, 0.015). With this model the attained accuracy is 75.94 %. / Mr Green är en av de ledande onlinespelsleverantörerna på den europeiska mark-naden. Deras mission är att erbjuda underhållning och en överlägsen användarup-plevelse till sina kunder. För att bättre kunna förstå sina kunder och deras livs-cykel är kundbortfall ett ytterst viktigt koncept. Det är också ett viktigt mått för att kunna utvärdera resultaten av marknadsföring. Denna rapport analyserar möjligheten att, med 24 timmars data över kundbeteende, kunna avgöra vilka kun-der som kommer att lämna siten. Detta görs genom att undersöka olika modeller inom övervakad maskininlärning för att avgöra vilken som bäst fångar kundernas be-teende. Modellerna som undersöks är logistisk regression, random forest och en linjär diskriminantanalys, samt två olika sammansättningsmodeller som använder sig av stacking och voting. Resultatet av denna studie är att en sammansättningsmodell som väger modellerna logistisk regression, random forest och en linjär diskriminan-tanalys ger den högsta förklaringsgraden på 75.94 %.

This thesis studies whether Google search trends can be used as indicators for movements in the S&P500 index. Using Granger's causality test, the level of causality between movements in the S&P500 index and Google search volumes for certain keywords is analyzed. The result of the analysis is used to form an investment strategy entirely based on Google search volumes, which is then backtested over a five year period using historic data. The causality tests show that 8 of 30 words indicate causality at a 10% level of significance, where one word, mortgage, indicates causality at a 1% level of significance. Several investment strategies based on search volumes yield higher returns than the index itself over the considered five year period, where the best performing strategy beats the index with over 60 percentage units. / Denna uppsats studerar huruvida Google-söktrender kan användas som indikatorer för rörelser i S&P500-indexet. Genom Grangers kausalitetstest studeras kausalitetsnivån mellan rörelser i S&P500 och Google-sökvolymer för särskilt utvalda nyckelord. Resultaten i denna analys används i sin tur för att utforma en investeringsstrategi enbart baserad på Google-sökvolymer, som med hjälp av historisk data prövas över en femårsperiod. Resultaten av kausalitetstestet visar att 8 av 30 ord indikerar en kausalitet på en 10 % -ig signifikansnivå, varav ett av orden, mortgage, påvisar kausalitet på en 1 % -ig signifikansnivå. Flera investeringsstrategier baserade på sökvolymer genererar högre avkastning än indexet självt över den prövade femårsperioden, där den bästa strategin slår index med över 60 procentenheter.

This thesis consists of two parts which both focus on the profitability of movies with a theatrical release. The first part has examined if it is possible to create a model for predicting and understanding the profitability of movies. Factors that influence the profitability have also been identified. This has been achieved through a regression analysis with data on movies from 2015-2017. A final multiple regression model has been created which explains 41% of the variability in the data. Significant influencing factors with at least a level of 5% significance have been identified such as the genres Horror and Musical, the MPAA-ratings PG and PG-13, the creative types Historical Fiction and Dramatization, Rotten Tomatoes Score and Sequel. The second part is an analysis on movie theaters as a distribution channel with respect to profitability for distribution companies using Porter's five forces. The five forces analysis suggests that movie theaters are a good distribution channel for studios which can provide mainstream movies while studios should consider releasing their low profile movies directly to streaming services since it might be more profitable. / Den här uppsatsen består av två olika delar som båda fokuserar på lönsamheten hos filmer som släpps ut på bio. Den första delen har undersökt ifall det är möjligt att skapa en modell för att förutspå och förstå lönsamheten hos filmer. Faktorerna som påverkade lönsamheten har också identifierats. Detta har gjorts genom en regressions analys med data från filmer mellan åren 2015-2017. En slutgiltig multipel regressionsmodell har skapats som kan förklara 41% av variabiliteten i datan. Signifikanta påverkande faktorer med en signifikansnivå på minst 5% har identifierats som genrerna Horror och Musical, MPAA-betygen PG och PG-13, kreativa typerna Historical Fiction och Dramatization, Rotten Tomatoes Score och Sequel. Den andra delen av rapporten är en analys på hur lämplig biografer är som distributionskanal med avseende på lönsamheten för distributionsföretagen. Detta har gjorts genom en Porters femkrafts modell. Femkraftsmodellen antyder att biografer är en bra distributionskanal for studios som kan skapa mainstream filmer medan studios borde överväga att släppa deras lågprofil filmer direkt till streamingtjänster eftersom det kan vara mer lönsamt.

In this study, the Botswanan currency Pula is analyzed and factors affecting the exchange rate between the Pula and the US Dollar are examined. Using a multiple linear regression analysis and the Cochrane-Orcutt transformation, an explanatory model is developed. Factors are chosen based on economic theory and are evaluated empirically through statistical methods. The final model shows that The Botswana Stock Index, The Real Interest Rate Spread between Botswana and USA, Corruption Index, Business Confidence Index, Diamond Price Index and Unemployment Rate, are relevant and significant in determining changes in the exchange rate. Some factors were significant, but had to be removed from the model due to multicollinearity. / I den här studien analyseras den botswanska valutan Pula och faktorer som påverkar den. Med hjälp av multipel linjär regression och Cochrane-Orcutt-transformation, utvecklas en modell. Faktorer väljs utifrån ekonomisk teori och utvärderas empiriskt genom statistiska metoder. Den slutgiltiga modellen visar att Botswanas aktieindex, skillnaden i realränta mellan Botswana och USA, korruptionsindex, index för affärsförtroende, diamantprisindex och arbetslöshet är relevanta och väsentliga för att bestämma förändringar i växelkursen. Vissa faktorer var signifikanta, men behövde avlägsnas från modellen på grund av multikollinearitet.

This report analyzes which macroeconomic factors have the greatest effect on a consumer’s purchasing power on the Swedish housing market. Multiple linear regression analysis is used to construct separate models for each of the eight Swedish regions: West Sweden, South Sweden, Småland and the Islands, Stockholm, East Middle Sweden, Middle Northern Sweden, North Middle Sweden and Upper Northern Sweden. The chosen factors, which are also used as regressors in the regression model, are disposable income, increase in households, employment rate, the Riksbank’s repo rate, square meter price for tenant owned flats and new construction of residential homes. Quarterly data is collected and processed for every macroeconomic factor from the second quarter of 2005 to the fourth quarter of 2015. The affordability is defined as the consumer closing price for tenant owned flats and it is used as the response variable for the regression models. The models are first fitted using all the regressors. To improve the models and potentially eliminate some of the macroeconomic factors a number of different model adjustments, such as Cook’s distance, VIF evaluation, stepwise forward and backward elimination are used. The results show that the purchasing power among the regions is mainly described by disposable income, employment rate and increase in households. Disposable income is the macroeconomic factor that has the greatest effect on the regional purchasing power. / Den här rapporten analyserar vilka makroekonomiska faktorer som påverkar hushållens köpkraft på den svenska bostadsrättsmarknaden. Multipel linjär regressionsanalys används för att konstruera separata modeller för Sveriges åtta regioner: Västsverige, Sydsverige, Småland och öarna, Stockholm, Östra Mellansverige, Norra Mellansverige, Mellersta Norrland och Övre Norrland. De valda faktorerna, som också används som förklarande variabler i regressionsmodellen, är disponibel inkomst, hushållsökning, sysselsättningsgrad, riksbankens reporänta, kvadratmeterpriset för bostäder, samt nybygge av bostäder. Kvartalsvis data har sammanställts och processats för varje faktor från det andra kvartalet år 2005 till det fjärde kvartalet år 2015. Köpkraften definieras som konsumenternas avslutningspris för bostäder och används också som responsvariabel i regressionsmodellerna. Basmodellerna för varje region använder alla förklarande variabler. För att förbättra modellerna och eventuellt utesluta några av de makroekonomiska faktorerna används olika modelljusteringar såsom Cooks avstånd, VIF-evaluering, stegvis framlänges- och baklängeseliminering. Resultaten visar på att köpkraften bland regionerna huvudsakligen bestäms av inkomst, sysselsättningsgrad och ökning av antal hushåll. Disponibel inkomst är den makroekonomiska faktor som har den största påverkan på den regionala köpkraften.

The purpose of this report was to find the impact of different factors on the sales price of one bedroom apartments in Stockholm. Further, an analysis follows discussing the repercussions that the amortization requirement has had on the sales price. The stated problem have been highly discussed, as many depend on the housing market. To regulate the housing market in Sweden the Swedish government, together with Finansinspektionen, has chosen to introduce an amortization requirement. This means that every new loan taker has agreed to amortize 1 or to 2 percent of the total loan. The method for analysis was multiple linear regression, where several different variables were applied. The most important parameters were different measurements on time and place. But less intuitive variables, such as quality of water, were also included. The data used for analysis was supplied by Valueguard AB dated from 2013 to present day, which included approximately 20 000 data points. Furthermore, the result of the analysis was not very surprising. It is concluded that the sales price on a condominium in Stockholm City has a business curve based on the time of the year. It is also clear that external factors as distance to water makes a difference in price. As far as the amortization requirement is concerned, it shows that the steep price curve over time has started to flatten since 2016, but not exceedingly much. This could be a consequence of the scope of the analysis, as only one room apartments were included. / Syftet med denna rapport var att undersöka vilken påverkan olika faktorer har på försäljningspriset av enrumslägenheter i Stockholm. Vidare diskuteras hur amorteringskravet har påverkat försäljningspriset. Den valda frågeställningen har varit mycket omtalad då stora delar av samhället påverkas av förändringar på bostadsmarknaden. För att reglera bostadsmarknaden i Sverige har den svenska regeringen tillsammans med Finansinspektionen introducerat ett amorteringskrav. Vilket betyder att alla nya låntagare är skyldiga att amortera en eller två procent av det totala lånet. Analysen baserades på multipel linjär regression, där era olika variabler applicerades. De viktigaste variablerna var olika matt på tid och plats. Även mindre vanliga variabler, såsom vattenkvalitet inkluderades i analyserna. Den data som användes distribuerades av Valueguard AB och sträcker sig från 2013 och framåt, den tilldelade datamängden omfattade cirka 20 000 punkter. Resultatet av analysen var föga överraskande. Det gick att se att slutpriset på en bostad i Stockholm har en priskurva som är beroende på vilken tidpunkt på året den säljs. Dessutom var det tydligt att utomstående faktorer, bland annat avståndet till vatten, påverkade priset. Vad gäller amorteringskravet visar analysen att den branta kurvan av pris över tid, har dämpats något sedan införandet av amorteringskravet. Detta kan vara en konsekvens av den valda avgränsningen för analysen då enbart ettor i Stockholms stad är inkluderade

Using logistic regression, we aim to construct a model to examine the factors that are most influential in affecting user behavior on the flight comparison site flygresor.se. The factors examined were number of adults, number of children, number of stops on the inbound trip, number of stops on the outbound trip, number of days between the search date and the departure date and number of search results displayed for the user. The data sample, collected during a one-week period, was taken from Flygresor and consisted of trips to or from Sweden, made within Europe, excluding Nordic countries, and made more than six days before departure. To find the variables which best explain the user behavior, variable selection methods were used along with hypothesis testing. Also, multicollinearity analysis and residual analysis were performed to evaluate the final model. The result showed that the factor number of children had no significant impact on the conversion rate, while the remaining factors had a high impact. The final model has a high predictive ability on the user's propensity to select a certain flight. / Med hjälp av logistisk regression ämnar vi att ta fram en modell som beskriver vilka faktorer som påverkar användarbeteendet på prisjämförelsesajten flygresor.se. Faktorerna som analyserades var antalet vuxna, antalet barn, antalet mellanlandningar på utgående resa, antalet mellanlandningar på ingående resa, antalet dagar mellan sökdatum och avresedatum och antalet sökresultat som visas för användaren. Datat som användes var taget från Flygresor under en veckas tid, och bestod av resor till och från Sverige, gjorda inom Europa men inte till nordiska länder, med mer än sex dagar till avresedatum. För att hitta de variabler som förklarar användarbeteendet mest, användes olika urvalsmetoder och hypotesprövningar samt olika evalueringsmetoder som residualanalys. Resultatet visade att variabeln antalet barn inte hade någon signifikant påverkan på konverteringsgraden, medan resterande faktorer hade en hög påverkan. Den slutgiltiga modellen har en hög förmåga att förutse användarens sannolikhet att välja en specifik flygresa.

Detta kandidatexamensarbete inom tillämpad matematik och industriell ekonomi undersöker olika faktorers påverkan på bränsleförbrukningen i personbilar. Detta görs genom att utföra en multipel linjär regression med programmet R. Dessutom utfors en analys av bilbranschen som täcker de interna och externa faktorerna som påverkar biltillverkare for att presentera en optimal strategi gällande FoU for biltillverkare med relativt låg omsättning. Denna analys är baserad på Porter's femkraftsmodell och en PEST-analys. Datan som används i regressionen är tillhandahållen av U.S. Environmental Protection Agency (EPA) och bestod av 1245 personbilar och bearbetades for att utföra regressionen. Resultaten från regressionsanalysen indikerar att det är möjligt att förklara cirka 80 % av bränsleförbrukningen i personbilar. Mer specifikt är det antalet cylindrar, typ av växellåda och cylinderdeaktiverings-system som har störst inverkan på bränsleförbrukningen. Dessutom visar den ekonomiska analysen av bilindustrin att starkt påverkande yttre faktorer som regleringar och ändrande kundpreferenser tillsammans med konkurrens från andra faktorer inom industrin utgör det största hotet. Den primära slutsatsen av detta kandidatexamensarbete är att biltillverkare med relativt låg omsättning borde implementera cylinderdeaktiveringssystem och överge \turbo-downsizing"-trenden inom industrin. Tillika bör manuella växellådor överges for att reducera bränsleförbrukningen, produktionskostnaderna och öka komforten for konsumenter. / This thesis in applied mathematics and industrial economics investigates different factors affecting the fuel consumption in passenger cars. This is done by performing a multiple linear regression using the software R. Further, an analysis of the car industry is done covering the internal and external factors affecting the car manufacturers, in order to present an optimal strategy regarding RnD for car manufacturers having relatively low revenues. This analysis is based on Porter's five forces framework and a PEST-analysis. The data used for the regression has been gathered by the U.S. Environmental Protection Agency (EPA) and consists of 1245 passenger cars which was then processed in order to apply the regression. The results of the regression analysis performed indicated that it is possible to explain approximately 80% of the fuel consumption in passenger cars. More precisely, the number of cylinders, type of transmission and cylinder deactivation-system had the biggest impact on the fuel consumption. Furthermore the economic analysis of the industry revealed highly influencing external factors such as regulations and changing consumer preferences together with competition from other actors within the industry being the biggest threat. The main conclusion from this thesis is that car manufacturers having relatively small revenues should implement cylinder deactivation systems and abandon the turbo-downsizing trend within the industry. Furthermore manual gearboxes should be abandoned in order to reduce the fuel consumption and manufacturing costs while increase the comfort for the consumer.

This thesis has explored the concept of an intelligent fuel-efficient speed controller for a heavy-duty vehicle, given that it is limited by a preceding vehicle. A Model Predictive Controller (MPC) has been developed together with a PI-controller as a reference controller. The MPC based controller utilizes future information about the traffic conditions such as the road topography, speed restrictions and velocity of the preceding vehicle to make fuel-efficient decisions. Simulations have been made for a so called Deterministic case, meaning that the MPC is given full information about the future traffic conditions, and a Stochastic case where the future velocity of the preceding vehicle has to be predicted. For the first case, regenerative braking as well as a simple distance dependent model for the air drag coefficient are included. For the second case three prediction models are created: two rule based models (constant velocity, constant acceleration) and one learning algorithm, a so called Nonlinear Auto Regressive eXogenous (NARX) network. Computer simulations have been performed, on both created test cases as well as on logged data from a Scania vehicle. The developed models are finally evaluated on the test cases for both varying masses and allowed deviations from the preceding vehicle. The simulations show on a potential for fuel savings with the MPC based speed controllers both for the deterministic as well as the stochastic case. / Denna avhandling har undersökt intelligenta och bränsleeffektiva hastighetsregulator för tunga fordon, givet ett framförvarande fordon.  En modell prediktiv kontroller (MPC), hastighetsregulator, har utvecklats tillsammans med en PI-regulator som referens. Den MPC-baserade regulatorn använder information om framtida trafikförhållanden, så som vägtopografi, hastighetsbegränsningar och hastighet hos framförvarande fordon för att ta bränsleeffektiva beslut.  Simuleringar har gjorts för ett så kallat Deterministiskt fall, vilket betyder att MPC regulatorn får fullständig information om framtida trafikförhållanden, och ett Stokastiskt fall där den framtida hastigheten hos framförvarande fordon måste predikteras. För det första fallet ingår regenerativ bromsning samt en enkel distansberoende modell för luftmotståndskoefficienten. För det andra fallet skapas tre prediktionsmodeller: två regelbaserade modeller (konstant hastighet, konstant acceleration) och en inlärningsmodell, Nonlinear Auto Regressive eXogenouse model (NARX). Datorsimuleringar har gjorts, både på skapade testfall och på loggade data från ett Scania fordon. De utvecklade modellerna utvärderas slutligen på testfallen för både varierande massor och tillåtna avvikelser från det framförvarande fordonet. Simuleringarna visar på potential för bränslebesparingar med MPC-baserade hastighetsregulatorer både för det deterministiska och det stokastiska fallet.