Volatility is a measure of the risk of an investment and plays an essential role in several areas of finance, including portfolio management and pricing of options. In this thesis, we have implemented and evaluated several so-called GARCH models for volatility prediction based on historical price series. The evaluation builds on different metrics and uses a comprehensive data set consisting of many assets of various types. We found that more advanced models do not, on average, outperform simpler ones. We also found that the length of the historical training data was critical for GARCH models to perform well and that the length was asset-dependent. Further, we developed and tested a method for taking exogenous variables into account in the model to improve the predictive performance of the model. This approach was successful for some of the large US/European indices such as Russell 2000 and S&P 500. / Volatilitet är ett mått på risken i en investering och spelar en viktig roll inom flera olika områden av finans, såsom portföljteori och prissättning av optioner. I det här projektet har vi implementerat och utvärderat olika, så kallade, GARCH modeller för prediktering av volatiliteten givet historisk prisdata. Utvärderingen av modellerna bygger på olika metriker och använder ett omfattande dataset med prishistorik för tillgångar av olika typer. Vi fann att mer komplexa modeller inte i allmänhet ger bättre resultat än enklare modeller. Vidare fann vi att en kritisk parameter för att erhålla goda resultat är att välja rätt längd på tidshistoriken av data som används för att träna modellen, och att den längden skiljer sig mellan olika tillgångar. Slutligen, vidareutvecklade vi modellen genom att inkorporera exogena variabler på olika sätt. Vi fann att det gick att förbättra GARCH modellerna främst med hjälp av några av de stora amerikanska och europeiska index som Russell 2000 och S&P 500.

本研究使用含外生多變數為門檻值之TAR模型，分析並預測103年到105年的台股指數。建構多變量之門檻自迴歸模式較傳統以時變或自變數自動控制值更能反映出時間數列結構改變的過程與趨勢。這對於模式分析與預測有更優的解釋能力。且含外生多變數為門檻值之多變量門檻模式的可適用範圍很廣，尤其是當時間數列中的結構改變的現象，來自於外在多個變數衝擊，或非線性現象。此時加入多個外生變數作為考量，更能精準分析資料和做預測。我們以台股指數為例，實證結果顯示，我們所提出之模型，較傳統預測方法有更高之準確度。 / In this research, we use exogenous multi-variables as threshold values to construct a threshold autoregressive model in order to analysis and forecast TAIEX index between 103 years and 105 years. Constructing the threshold autoregressive model with multi-variables is better to reflect the process and trend of the change in time series structure than traditional model. This provides the better explanatory ability for model analysis and forecast. Also, the threshold autoregressive model with multi-variables containing exogenous multi-variables can apply more range, especially, as the structure change in time series due to the exogenous multi-variables shock. Through adding more exogenous variables, one can analyze data and forecast accurately. In this paper, the empirical results of TAIEX index shows that the threshold autoregressive model with multi-variables containing exogenous multi-variables is more precise than the traditional way.

流浪教師問題是目前教育界中ㄧ重要問題，流浪教師數的預測精準與否，將會影響教育政策的裁定。本研究中，使用多變量門檻自迴歸模式，預測100年度到103年度的流浪教師數量。結果顯示，多變量門檻自迴歸模式較ARIMA模式更能顯現數列的趨勢，對於預測上有極大的幫助。且多變量門檻自迴歸模式的可用範圍很廣，因為一般的時間數列中或多或少都會有結構改變的現象，時間數列的資料普遍存在有非線性現象，且同時受到多個變數影響，此時加入多個外生變數作為考量，更能精準分析資料和做預測。 / The vagabond teachers in elementary schools is an important problem in education administration. An accurate forecast of the number of vagabond teachers in elementary schools may heavily affect educational policy. In this thesis, we use multivariate TAR model analysis to forecast the number of vagabond teachers in elementary schools in Taiwan Area during a period from 100 to 103. According to the result, multivariate TAR model perform well for prediction. Multivariate TAR model can be widely used in different circumstances, especially complicated situation. As far as common time series data is concerned, it has change point or change period occurs.Structural change of a non-linear time series is auniversal phenomenon. Selecting suitable data variables and using exogenous variables to be a threshold, we could obtain better predictable effect by multivariate TAR model.

Cette thèse de doctorat a pour objectif principal d'étudier certaines propriétés probabilistes et statistiques de modèles de volatilité contenant des variables explicatives exogènes. Elle comporte deux parties.Dans une première partie, nous étudions le comportement asymptotique de l'estimation du quasi-maximum de vraisemblance (QMV) pour la classe polyvalente des modèles PGARCH semi-forts augmentés avec des covariables. Les hypothèses principales sur les variables exogènes sont la stationnarité et la non-colinéarité avec les autres variables explicatives de la volatilité. Pour la distribution asymptotique du QMV, nous étudions quatre situations différentes correspondant à des modèles forts ou semi-forts, et des paramètres à l'intérieur ou au bord de l'espace des paramètres. Nous montrons la normalité asymptotique du QMV sans imposer aucune condition de moment sur le processus observé lorsque le paramètre GARCH-X appartient à l'intérieur de l'espace des paramètres. Par contre, quand un ou plusieurs coefficients sont égaux à zéro, les conditions de moment d'ordre 4 sont requises pour que la matrice d'information soit finie et la loi asymptotique est alors la projection d'une loi normale sur un cône convexe . Comme la vraie valeur du paramètre n'est pas contrainte à appartenir à l'intérieur de l'espace des paramètres, nous proposons des tests pour déterminer l'ordre du modèle et vérifier la signification des variables exogènes. La deuxième partie est consacrée à l'étude de l'influence des variables exogènes sur les matrices de covariance conditionnelle de rendements d'actifs. Plus précisément, nous considérons des modèles BEKK avec variables exogènes. Les paramètres sont estimés par deux méthodes qui s'appellent l'estimation par ciblage de la variance et l'estimation équation par équation. Ces deux méthodes nous permettent de réduire la complexité numérique liée à l'estimation d'un nombre élevé des paramètre des modèles GARCH multivariés, en particulier, en présence de variables exogènes. La consistance ainsi que la loi limite de ces estimateurs sont établies pour des hypothèses relativement peu restrictives. En particulier, les innovations sont supposées être une différence de martingales au lieu d'être iid. Nos résultats sont illustrés par des expériences de Monte Carlo et des applications sur séries réelles. / This PhD Dissertation is dedicated to the study of probabilistic and statistical properties of volatility models augmented with exogenous variables. It consists of two parts which are summarized below. In the first part of this work, we study asymptotic behavior of the QMLE for the versatile class of the semi-strong PGARCH models augmented with exogenous variables. The main assumptions on the exogenous variables are the stationarity and the non-colinearity with the other explanatory variables of the volatility. For the asymptotic distribution of the QMLE, we investigated four different situations corresponding to strong or semi-strong models, and to parameters inside or at the boundary of the parameter space. When the GARCH-X parameter belongs to the interior of the parameter space, the asymptotic distribution of the QMLE is normal, whereas it is the projection of a normal distribution on a convex cone when one or several coefficients are equal to zero. For models with positive GARCH coefficients, the asymptotic distribution is obtained under very mild conditions, in particular, without any moment condition on the observed process. When the GARCH parameter stands at the boundary, fourth-order moment conditions are required for the information matrix to be finite. Our asymptotic results are obtained under conditions that are only marginally stronger than these optimal moment conditions, which extends and improves the results that existed for GARCH models without covariables. The second part is devoted to studying the influence of exogenous variables on the conditional covariance matrix of asset returns. Specifically, we consider BEKK models augmented with exogenous variables. The parameters are estimated by two methods which are called the variance targeting estimation and equation by equation estimation. Both methods allow us to reduce the curse of dimensionality which appears when modeling a conditional covariance matrix, particularly in the presence of exogenous variables. The consistency and the asymptotic distribution of these estimators are established under mild assumptions. In particular, the innovation is assumed to be a martingale difference instead of iid. Our results are illustrated by Monte Carlo experiences and the applications on real series.

[pt] O objetivo deste trabalho é inserir variáveis exógenas no modelo Holt-Winters com múltiplos ciclos, genuinamente univariado. Serão usados dados horários de demanda de energia elétrica provenientes de uma cidade da região sudeste do Brasil e dados de temperatura, tanto em sua forma primitiva quanto derivada, por exemplo, indicadores de dias quentes, o chamado cooling degree days (CDD). Com isso, pretende-se melhorar o poder preditivo do modelo, gerando previsões com maior acurácia. / [en] The aim of this thesis is to insert exogenous variables in the model Holt-Winters with multiple cycles, genuinely univariate. Hourly data will be used for electricity demand from a city in southeastern Brazil and temperature data, both in its original form as derived, for example, indicators of hot days, cooling degree days called (CDD). With this, we intend to improve the predictive power of the model, generating predictions with greater accuracy.

Ce mémoire porte sur l’étude des modèles autorégressifs avec variables exogènes et sélection d’indices. La littérature classique regorge de textes concernant la sélection d’indices dans les modèles autorégressifs. Ces modèles sont particulièrement utiles pour des données macroéconomiques mesurées sur des périodes de temps modérées à longues. Effectivement, la lourde paramétrisation des modèles complets peut souvent être allégée en utilisant la sélection d’indices aboutissant ainsi à des modèles plus parcimonieux. Les modèles à variables exogènes sont très intéressants dans le contexte où il est connu que les variables à l’étude sont affectées par d’autres variables, jouant le rôle de variables explicatives, que l’analyste ne veut pas forcément modéliser. Ce mémoire se propose donc d’étudier les modèles autorégressifs vectoriels avec variables exogènes et sélection d’indices. Ces modèles ont été explorés, entre autres, par Lütkepohl (2005), qui se contente cependant d’esquisser les développements mathématiques. Nous concentrons notre étude sur l’inférence statistique sous des conditions précises, la modélisation ainsi que les prévisions. Notre objectif est de comparer les modèles avec sélection d’indices aux modèles autorégressifs avec variables exogènes complets classiques. Nous désirons déterminer si l’utilisation des modèles avec sélection d’indices est marquée par une différence favorable au niveau du biais et de l’écart-type des estimateurs ainsi qu’au niveau des prévisions de valeurs futures. Nous souhaitons également comparer l’efficacité de la sélection d’indices dans les modèles autorégressifs ayant des variables exogènes à celle dans les modèles autorégressifs. Il est à noter qu’une motivation première dans ce mémoire est l’estimation dans les modèles autorégressifs avec variables exogènes à sous-ensemble d’indices. Dans le premier chapitre, nous présentons les séries temporelles ainsi que les diverses notions qui y sont rattachées. De plus, nous présentons les modèles linéaires classiques multivariés, les modèles à variables exogènes puis des modèles avec sélection d’indices. Dans le deuxième chapitre, nous exposons le cadre théorique de l’estimation des moindres carrés dans les modèles autorégressifs à sous-ensemble d’indices ainsi que le comportement asymptotique de l’estimateur. Ensuite, nous développons la théorie pour l’estimation des moindres carrés (LS) ainsi que la loi asymptotique des estimateurs pour les modèles autorégressifs avec sélection d’indices (SVAR) puis nous faisons de même pour les modèles autorégressifs avec variables exogènes et tenant compte de la sélection des indices (SVARX). Spécifiquement, nous établissons la convergence ainsi que la distribution asymptotique pour l’estimateur des moindres carrés d’un processus autorégressif vectoriel à sous-ensemble d’indices et avec variables exogènes. Dans le troisième chapitre, nous appliquons la théorie spécifiée précédemment lors de simulations de Monte Carlo. Nous évaluons de manière empirique les biais et les écarts-types des coefficients trouvés lors de l’estimation ainsi que la proportion de fois que le modèle ajusté correspond au vrai modèle pour différents critères de sélection, tailles échantillonnales et processus générateurs des données. Dans le quatrième chapitre, nous appliquons la théorie élaborée aux chapitres 1 et 2 à un vrai jeu de données provenant du système canadien d’information socioéconomique (CANSIM), constitué de la production mensuelle de fromage mozzarella, cheddar et ricotta au Canada, expliquée par les prix mensuels du lait de bovin non transformé dans les provinces de Québec, d’Ontario et de la Colombie-Britannique pour la période allant de janvier 2003 à juillet 2021. Nous ajustons ces données à un modèle autorégressif avec variables exogènes complet puis à un modèle autorégressif avec variables exogènes et sélection d’indices. Nous comparons ensuite les résultats obtenus avec le modèle complet à ceux obtenus avec le modèle restreint. Mots-clés : Processus autorégressif à sous-ensemble d’indices, variables exogènes, esti mation des moindres carrés, sélection de modèle, séries chronologiques multivariées, processus stochastiques, séries chronologiques. / This Master’s Thesis focuses on the study of subset autoregressive models with exoge nous variables. Many texts from the classical literature deal with the selection of indexes in autoregressive models. These models are particularly useful for macroeconomic data measured over moderate to long periods of time. Indeed, the heavy parameterization of full models can often be simplified by using the selection of indexes, thus resulting in more parsimonious models. Models with exogenous variables are very interesting in the context where it is known that the variables under study are affected by other variables, playing the role of explanatory variables, not necessarily modeled by the analyst. This Master’s Thesis therefore proposes to study vector subset autoregressive models with exogenous variables. These models have been explored, among others, by Lütkepohl (2005), who merely sketches proofs of the statistical properties. We focus our study on statistical inference under precise conditions, modeling and forecasting for these models. Our goal is to compare restricted models to full classical autoregressive models with exogenous variables. We want to determine whether the use of restricted models is marked by a favorable difference in the bias and standard deviation properties of the estimators as well as in forecasting future values. We also compare the efficiency of index selection in autoregressive models with exogenous variables to that in autoregressive models. It should be noted that a primary motivation in this Master’s Thesis is the estimation in subset autoregressive models with exogenous variables. In the first chapter, we present time series as well as the various concepts which are attached to them. In addition, we present the classical multivariate linear models, models with exogenous variables and then we present subset models. In the second chapter, we present the theoretical framework for least squares estimation in subset autoregressive models as well as the asymptotic behavior of the estimator. Then, we develop the theory for the estimation of least squares (LS) as well as the asymptotic distribution of the estimators for the subset autoregressive models (SVAR), and we do the same for the subset autoregressive models with exogenous variables (SVARX). Specifically, we establish the convergence as well as the asymptotic distribution for the least squares estimator of a subset autoregressive process with exogenous variables. In the third chapter, we apply the theory specified above in Monte Carlo simulations. We evaluate empirically the biases and the standard deviations of the coefficients found during the estimation as well as the proportion of times that the adjusted model matches the true model for different selection criteria, sample size and data generating processes. In the fourth chapter, we apply the theory developed in chapters 1 and 2 to a real dataset from the Canadian Socio-Economic Information System (CANSIM) consisting of the monthly production of mozzarella, cheddar and ricotta cheese in Canada, explained by the monthly prices of unprocessed bovine milk in the provinces of Quebec, Ontario and British Columbia from January 2003 to July 2021. We fit these data with a full autoregressive model with exogenous variables and then to a subset autoregressive model with exogenous variables. Afterwards, we compare the results obtained with the complete model to those obtained with the subset model. Keywords : Subset autoregressive process, exogenous variables, least squares estimation, model selection, multivariate time series, stochastic process, time series.

[ES] La buena gestión de la atención primaria como puerta de entrada al sistema sanitario condiciona el funcionamiento de la atención especializada y la hospitalización, lo cual repercute directamente sobre la salud de la población. La sostenibilidad del sistema de salud público implica que los servicios de atención primaria sean eficientes. Objetivo Desarrollar un modelo para evaluar la eficiencia en cuanto a actividad realizada y resultados de salud de las unidades funcionales (UF) de atención primaria del Departamento de Salud Valencia Clínico - La Malvarrosa en los años 2015 a 2019. Metodología Se han integrado las bases de datos de la Conselleria de Sanitat Universal i Salut Pública y el Departamento de Salud Valencia Clínico - La Malvarrosa para obtener para cada UF: características de la población asignada, actividad asistencial y recursos humanos de los centros y consultorios de atención primaria. El análisis factorial pone de manifiesto las principales diferencias y similitudes encontradas entre las UF y permite reducir el número de variables utilizadas para elaborar los modelos de evaluación de la eficiencia, de manera que no se pierda poder explicativo, y facilite la interpretación de los resultados. Se ha utilizado el Análisis Envolvente de Datos (DEA) con orientación input y output y rendimientos variables a escala para la evaluación de la eficiencia. Los inputs incluidos han sido las tasas por 10.000 habitantes de: personal facultativo y personal de enfermería (inputs no discrecionales) y coste farmacéutico; como outputs se han incluido las tasas por 10.000 habitantes de: urgencias hospitalarias, consultas externas, derivaciones, hospitalizaciones evitables, mortalidad evitable y el indicador de eficiencia en la prescripción. Urgencias, hospitalizaciones evitables y mortalidad evitables se consideran outputs no deseables. Y como variables exógenas se han incluido el porcentaje de población mayor de 65 y 80 años y un indicador de morbilidad (case-mix). Se han analizado las puntuaciones de eficiencia de cada UF según tres modelos. Todos los modelos incorporan los mismos inputs y diferentes combinaciones de outputs relacionados con: Actividad asistencial (primer modelo), outcomes o resultados de salud (segundo modelo) y actividad asistencial + outcomes (tercer modelo, en el que se incluyen todos los outputs). Cada modelo se analiza con y sin variables exógenas. Resultados Se han evaluado los tres modelos con sus diferentes especificaciones para identificar las diferencias entre ellos y ver cuál de ellos permite diferenciar más claramente la eficiencia de las UF, teniendo en cuenta variables de calidad, y las características de la población. Se ha obtenido la puntuación de eficiencia de cada UF y se han identificado las UF que forman parte de la frontera eficiente del grupo estudiado. Los resultados han mostrado que existen diferencias en las puntuaciones de eficiencia estimadas en función de las variables introducidas como outputs. Determinadas UF se encuentran siempre en la frontera eficiente o muy cerca, mientras que otras UF son siempre ineficientes. Por otra parte, cuando se consideran outputs de actividad asistencial, las puntuaciones de eficiencia de todas las UF mejoran y aumenta el número de UF eficientes. Se detecta que la puntuación de eficiencia de las UF desciende, en general, a lo largo del periodo evaluado. Esta disminución es más pronunciada cuando se incluyen sólo los outputs de actividad. Conclusiones Se han obtenido diferentes resultados en función del modelo utilizado. El DEA permite analizar las ineficiencias de los centros de atención primaria, aunque es necesario identificar los objetivos esperados de las UF, ya que la perspectiva de los análisis influye en los resultados. / [CA] La bona gestió de l'atenció primària com a porta d'entrada al sistema sanitari condiciona el funcionament de l'atenció especialitzada i l'hospitalització, la qual cosa repercuteix directament sobre la salut de la població. La sostenibilitat del sistema de salut públic implica que els serveis d'atenció primària siguen eficients. Objectiu Desenvolupar un model per a avaluar l'eficiència quant a activitat realitzada i resultats de salut de les unitats funcionals (UF) d'atenció primària del Departament de Salut València Clínic - La Malva-rosa en els anys 2015 a 2019. Metodologia S'han integrat les bases de dades de la Conselleria de Sanitat Universal i Salut Pública i el Departament de Salut València Clínic - La Malva-rosa per a obtindre per a cada UF: característiques de la població assignada, activitat assistencial i recursos humans dels centres i consultoris d'atenció primària. L'anàlisi factorial posa de manifest les principals diferències i similituds trobades entre les UF i permet reduir el nombre de variables utilitzades per a elaborar els models d'avaluació de l'eficiència, de manera que no es perda poder explicatiu, i facilite la interpretació dels resultats. S'ha utilitzat l'Anàlisi Envolupant de Dades (DEA) amb orientació input i output i rendiments variables a escala per a l'avaluació de l'eficiència. Els inputs inclosos han sigut les taxes per 10.000 habitants de personal facultatiu i personal d'infermeria (inputs no discrecionals) i cost farmacèutic; com a outputs s'han inclòs les taxes per 10.000 habitants de consultes, urgències hospitalàries, derivacions, hospitalitzacions evitables, mortalitat evitable i l'indicador d'eficiència en la prescripció. Urgències, hospitalitzacions evitables i mortalitat evitables es consideren outputs no desitjables. I com a variables exògenes s'han inclòs el percentatge de població major de 65 i 80 anys i un indicador de morbiditat (case-mix). S'han analitzat les puntuacions d'eficiència de cada UF segons tres models. Tots els models incorporen els mateixos inputs i diferents combinacions d'outputs relacionats amb activitat assistencial (primer model), outcomes o resultats de salut (segon model) i activitat assistencial + outcomes (tercer model, en el qual s'inclouen tots els outputs). Cada model s'analitza amb i sense variables exògenes. Resultats S'han avaluat els tres models amb les seues diferents especificacions per a identificar les diferències entre ells i veure quin d'ells permet diferenciar més clarament l'eficiència de les UF, tenint en compte variables de qualitat, i les característiques de la població. S'ha obtingut la puntuació d'eficiència de cada UF i s'han identificat les UF que formen part de la frontera eficient del grup estudiat. Els resultats han mostrat que existeixen diferències en les puntuacions d'eficiència estimades en funció de les variables introduïdes com a outputs. Determinades UF es troben sempre en la frontera eficient o molt a prop, mentre que unes altres UF són sempre ineficients. D'altra banda, quan es consideren outputs d'activitat assistencial, les puntuacions d'eficiència de totes les UF milloren i augmenta el número d'UF eficients. Es detecta que la puntuació d'eficiència de les UF descendeix, en general, al llarg del període avaluat. Aquesta disminució és més pronunciada quan s'inclouen només els outputs d'activitat. Conclusions S'han obtingut diferents resultats en funció del model utilitzat. El DEA permet analitzar les ineficiències dels centres d'atenció primària, encara que és necessari identificar els objectius esperats de les UF, ja que la perspectiva de les anàlisis influeix en els resultats. / [EN] The proper management of primary healthcare as the gateway to the health system determines the performance of specialised healthcare and hospitalisation, which has a direct impact on the health of the population. The sustainability of the public health system requires the efficiency of primary healthcare services. Objectives To develop a model to evaluate the efficiency in terms of activity and health outcomes of the functional units (FU) of primary healthcare of the Valencia Clínico - La Malvarrosa Health District in the years 2015 to 2019. Methodology The databases of the Conselleria de Sanitat Universal i Salut Pública and the Valencia Clínico - La Malvarrosa Health District have been integrated to obtain for each FU: characteristics of the covered population, healthcare activity and human resources of the primary healthcare centres. The factorial analysis reveals the main differences and similarities found between the FUs and makes it possible to reduce the number of variables used to develop the efficiency evaluation models, so as not to lose explanatory power and to facilitate the interpretation of the results. Data Envelopment Analysis (DEA) with input and output orientation and variable returns to scale has been used to assess the efficiency. The inputs included were the rates per 10,000 inhabitants of: professional and nursing staff (non-discretionary inputs) and pharmaceutical cost; outputs included the rates per 10,000 inhabitants of: consultations, hospital emergencies, referrals, avoidable hospitalisations, avoidable mortality and the prescription efficiency indicator. Emergencies, avoidable hospitalisations and avoidable mortality are considered undesirable outputs. As exogenous variables we have included the percentage of the population over 65 and 80 years old and a morbidity indicator (case-mix). The efficiency scores of each FU have been analysed according to three models. All models incorporate the same inputs and different combinations of outputs related to: healthcare activity (first model), outcomes (second model) and healthcare activity + outcomes (third model, in which all outputs are included). Each model is analysed with and without exogenous variables. Results The three models have been evaluated with their different specifications to identify the differences between them and to see which of them allows the efficiency of the FU to be differentiated more clearly, considering quality variables and the characteristics of the population. The efficiency score of each FU has been obtained and the FUs that form part of the efficient frontier of the group studied have been identified. The results show that there are differences in the estimated efficiency scores depending on the variables introduced as outputs. Certain FUs are always on the efficient frontier or very close to it, while other FUs are always inefficient. On the other hand, when healthcare activity outputs are considered, the efficiency scores of all FUs improve and the number of efficient FUs increases. It is found that the efficiency score of the FU generally decreases over the period under evaluation. This decline is more pronounced when only activity outputs are included. Conclusions Different results have been obtained depending on the model used. The DEA makes it possible to analyse the inefficiencies of primary healthcare centres, although it is necessary to identify the expected objectives of the FU, as the perspective of the analysis influences the results. / González De Julián, S. (2023). Medida de la eficiencia en atención primaria: fronteras eficientes y modelos no paramétricos condicionados [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/196735

Värme står för det största energibehovet inom hushåll och andra byggnader i samhället och olika tekniker används för att kunna reducera mängden energi som går åt för att spara på både miljö och pengar. Ett angreppssätt på detta problem är genom informatiken, där maskininlärning kan användas för att analysera och förutspå värmebehovet. I denna studie används maskininlärning för att prognostisera framtida energiförbrukning för fjärrvärme utifrån historisk fjärrvärmedata från ett fjärrvärmebolag tillsammans med exogena variabler i form av väderdata från Sveriges meteorologiska och hydrologiska institut. Studien är skriven på svenska och utforskar effekter av preprocessering hos prediktionsmodeller som använder tidsseriedata för att prognostisera framtida datapunkter. Stegen som utförs i studien är normalisering, interpolering, hantering av numeric outliers och missing values, datetime feature engineering, säsongsmässighet, feature selection, samt korsvalidering. Maskininlärningsmodellen som används i studien är Multilayer Perceptron som är en subkategori av artificiellt neuralt nätverk. Forskningsfrågan som besvaras fokuserar på effekter av preprocessering och feature selection för prediktiva modellers prestanda inom olika datamängder och kombinationer av preprocesseringsmetoder. Modellerna delades upp i tre olika datamängder utifrån datumintervall: 2009, 2007–2011, samt 2007–2017, där de olika kombinationerna utgörs av preprocesseringssteg som kombineras inom en iterativ process. Procentuella ökningar på R2-värden för dessa olika intervall har uppnått 47,45% för ett år, 9,97% för fem år och 32,44% för 11 år. I stora drag bekräftar och förstärker resultatet befintlig teori som menar på att preprocessering kan förbättra prediktionsmodeller. Ett antal mindre observationer kring enskilda preprocesseringsmetoders effekter har identifierats och diskuterats i studien, såsom DateTime Feature Engineerings negativa effekter på modeller som tränats med ett mindre antal iterationer. / Heat accounts for the greatest energy needs in households and other buildings in society. Effective production and distribution of heat energy require techniques for minimising economic and environmental costs. One approach to this problem is through informatics where machine learning is used to analyze and predict the heating needs with the help of historical data from a district heating company and exogenous variables in the form of weather data from Sweden's Meteorological and Hydrological Institute (SMHI). This study is written in Swedish and explores the importance of preprocessing practices before training and using prediction models which utilizes time-series data to predict future energy consumption. The preprocessing steps explored in this study consists of normalization, interpolation, identification and management of numerical outliers and missing values, datetime feature engineering, seasonality, feature selection and cross-validation. The machine learning model used in this study is Multilayer Perceptron which is a subcategory of artificial neural network. The research question focuses on the effects of preprocessing and feature selection for predictive model performance within different datasets and combinations of preprocessing methods. The models were divided into three different data sets based on date ranges: 2009, 2007–2011, and 2007–2017, where the different combinations consist of preprocessing steps that are combined within an iterative process. Percentage increases in R2 values for these different ranges have reached 47,45% for one year, 9,97% for five years and 32,44% for 11 years. The results broadly confirm and reinforce the existing theory that preprocessing can improve prediction models. A few minor observations about the effects of individual preprocessing methods have been identified and discussed in the study, such as DateTime Feature Engineering having a detrimental effect on models with very few training iterations.