Syftet med studien är att undersöka om man kan förutspå köp- och säljsignaler genom glidande medelvärde och volatilitet på den svenska aktiemarknaden. Denna studie utgår från en deduktiv ansats som genomförs med den kvantitativa metoden. Glidande medelvärde och volatilitet kombineras för att visa de köp- och säljsignaler som uppstår mellan perioden 2007 till 2010. Studien baseras på vetenskapliga studier om glidande medelvärde och volatilitet. Den inkluderar även Radom Walk, Den effektiva marknadshypotesen och Behavioral finance. Empirin visar att kombinationen av glidande medelvärde och volatilitet ger hög avkastning i de flesta fallen. I studien framgår det att teknisk analys kan användas som ett analysverktyg vid aktiehandeln. Det har även visat att det är möjligt att förutspå framtida köp- och säljsignaler genom teknisk analys.

<p>Bakgrund: Korrelation beskriver hur två tillgångar samvarierar med avseende på storlek och riktning. Tidigare forskning visar att korrelationer mellan aktiemarknader haft en uppåtgående trend under slutet av 1900-talet i och med den globalisering som skett, där kapital lättare kunnat flyttas mellan marknader. Detta är oroväckande eftersom investerare behöver låga korrelationer för att kunna diversifiera sina innehav. Det motsatta har även visat sig, där enskilda länder som Sverige år 1992 upplevde en bankkris och därmed var ensam med att ha drastiskt fallande avkastning och korrelation.</p><p>Syfte: Syftet med uppsatsen är att undersöka och analysera om det finns ett samband mellan aktiemarknaders korrelationsavvikelser och landsspecifika kriser. Studien avser också att, utifrån ett portföljteoretiskt perspektiv, undersöka och analysera relationen mellan korrelationsavvikelser och aktieavkastning.</p><p>Metod: Uppsatsens metodansats är tvådelad, där fokus ligger på kvantitativa undersökningar av uppsatsens olika frågeställningar. Vissa frågor undersöks även kvalitativt för att få en bredd i studien och tydligare slutsatser.</p><p>Slutsatser: Studien kommer fram till att nedåtgående avvikande korrelation i vissa fall medför avtagande avkastning, men inga försök görs till att kvantifiera denna avtagande avkastning. Studien kommer även fram till att landskriser har en tydlig påverkan på korrelation gentemot världsindex, genom att den tillfälligt blir nedåtgående. Påverkan är tydligast för länder med en annars stabil trend, vilket kännetecknar de utvecklade marknaderna.</p>

Bakgrund: Korrelation beskriver hur två tillgångar samvarierar med avseende på storlek och riktning. Tidigare forskning visar att korrelationer mellan aktiemarknader haft en uppåtgående trend under slutet av 1900-talet i och med den globalisering som skett, där kapital lättare kunnat flyttas mellan marknader. Detta är oroväckande eftersom investerare behöver låga korrelationer för att kunna diversifiera sina innehav. Det motsatta har även visat sig, där enskilda länder som Sverige år 1992 upplevde en bankkris och därmed var ensam med att ha drastiskt fallande avkastning och korrelation. Syfte: Syftet med uppsatsen är att undersöka och analysera om det finns ett samband mellan aktiemarknaders korrelationsavvikelser och landsspecifika kriser. Studien avser också att, utifrån ett portföljteoretiskt perspektiv, undersöka och analysera relationen mellan korrelationsavvikelser och aktieavkastning. Metod: Uppsatsens metodansats är tvådelad, där fokus ligger på kvantitativa undersökningar av uppsatsens olika frågeställningar. Vissa frågor undersöks även kvalitativt för att få en bredd i studien och tydligare slutsatser. Slutsatser: Studien kommer fram till att nedåtgående avvikande korrelation i vissa fall medför avtagande avkastning, men inga försök görs till att kvantifiera denna avtagande avkastning. Studien kommer även fram till att landskriser har en tydlig påverkan på korrelation gentemot världsindex, genom att den tillfälligt blir nedåtgående. Påverkan är tydligast för länder med en annars stabil trend, vilket kännetecknar de utvecklade marknaderna.

<p><strong>Syfte:</strong></p><p>Uppsatsens syfte är att testa den svaga formen av marknadseffektivitet på ett antal aktiemarknader genom teknisk analys i form av system med glidande medelvärden.</p><p> </p><p><strong>Teoretisk referensram:</strong></p><p>Den teoretiska referensramen utgår ifrån den effektiva marknadshypotesen men omfattar även behavioral finance och teknisk analys.</p><p> </p><p><strong>Metod:</strong></p><p>Uppsatsen är av förklarande karaktär med ett positivistiskt synsätt och ett deduktivt angreppssätt. Testen av marknadseffektivitetens svaga form sker genom en kvantitativ undersökning av sekundärdata. I undersökningen genomförs en hypotesprövning där en passiv investeringsstrategi jämförs mot aktiva investeringsstrategier byggda på system med glidande medelvärden. Undersökningen omfattar åren 2002-2009 och sker på tio väletablerade aktieindex, i Norden samt på tillväxtmarknader och på etablerade marknader, vilket ger cirka 17 500 observationer.</p><p> </p><p><strong>Empiri:</strong></p><p>Hypotesprövningen visar att system med glidande medelvärden har kunnat skapa riskjusterad överavkastning samt kunnat förutse framtida kursrörelser på aktiemarknaderna i Danmark, Norge, Sverige och Hong Kong. På aktiemarknaderna i Finland, Brasilien, Indien, Japan, Tyskland och USA har systemen som testats inte kunnat skapa riskjusterad överavkastning och/eller inte kunnat förutse framtida kursrörelser.</p><p> </p><p><strong>Analys:</strong></p><p>Det finns flera faktorer som påverkat resultaten i olika grad vilket gör att endast indikationer om grad av effektivitet på de olika marknaderna ges i slutsatsen.</p><p> </p><p><strong>Slutsatser:</strong></p><p>På aktiemarknaderna i Danmark, Norge, Sverige och Hong Kong ges indikationer om att kraven för svag marknadseffektivitet inte uppnåtts. Medan det på aktiemarknaderna i Finland, Brasilien, Indien, Japan, Tyskland och USA ges indikationer om att kraven för svag marknadseffektivitet varit uppfyllda.</p>

Syfte: Uppsatsens syfte är att testa den svaga formen av marknadseffektivitet på ett antal aktiemarknader genom teknisk analys i form av system med glidande medelvärden.   Teoretisk referensram: Den teoretiska referensramen utgår ifrån den effektiva marknadshypotesen men omfattar även behavioral finance och teknisk analys.   Metod: Uppsatsen är av förklarande karaktär med ett positivistiskt synsätt och ett deduktivt angreppssätt. Testen av marknadseffektivitetens svaga form sker genom en kvantitativ undersökning av sekundärdata. I undersökningen genomförs en hypotesprövning där en passiv investeringsstrategi jämförs mot aktiva investeringsstrategier byggda på system med glidande medelvärden. Undersökningen omfattar åren 2002-2009 och sker på tio väletablerade aktieindex, i Norden samt på tillväxtmarknader och på etablerade marknader, vilket ger cirka 17 500 observationer.   Empiri: Hypotesprövningen visar att system med glidande medelvärden har kunnat skapa riskjusterad överavkastning samt kunnat förutse framtida kursrörelser på aktiemarknaderna i Danmark, Norge, Sverige och Hong Kong. På aktiemarknaderna i Finland, Brasilien, Indien, Japan, Tyskland och USA har systemen som testats inte kunnat skapa riskjusterad överavkastning och/eller inte kunnat förutse framtida kursrörelser.   Analys: Det finns flera faktorer som påverkat resultaten i olika grad vilket gör att endast indikationer om grad av effektivitet på de olika marknaderna ges i slutsatsen.   Slutsatser: På aktiemarknaderna i Danmark, Norge, Sverige och Hong Kong ges indikationer om att kraven för svag marknadseffektivitet inte uppnåtts. Medan det på aktiemarknaderna i Finland, Brasilien, Indien, Japan, Tyskland och USA ges indikationer om att kraven för svag marknadseffektivitet varit uppfyllda.

<p>Volvo in Arvika produces wheel loaders, and the production is based on forecasts. When a machine is ordered, the customer can choose what type of equipment he or she wants, and these equipments are also made forecasts on. This is made by giving each equipment an estimated procentual usage that shows how many of the machines that will use this option. Today two people are working with the forecasts, planer A in Eskilstuna and planer B in Arvika. Planer A makes a forecast based on the historical outcome and planer B then makes adjustments of this based on how many options that are ordered. Volvo in Arvika is having problems with the accuracy of the forecasts and because of this they have got too much in stock. But how big are the forecast deviations, what is the cause of it, in what or which places does the process lack? What can be made to make more accurate forecasts, how can you get a more affective process with less work made? To answer these questions we surveyed the process and analyzed it to find strong and week spots. We found that Planer A has a lack of information about how the forecast influence the stock in Arvika, that she gets pour feedback from production, that Planer B is the only one with knowledge about the forecast work in Arvika. We also made a benchmarking with the factory in Braås to see how they differ. Just like in Arvika there are two people working with the forecasts, but in Braås both of them are located close to the production and they share the options equal. They are also able to fill in for each other if someone would be sick.</p><p>To see how much the forecast differ from market demand, we have analyzed forecast data from nine different options for eight months. It turned out that the automatic calculated forecasts are a bit high and that planner B lower them.</p><p>Our conclusion is that the forecasts should be made only in Arvika, and not as it is today when half of it is made in Eskilstuna. There should also be documents and routines on how the work shall be done. This is to make it easier for people that will do the same job in the future.</p> / <p>Volvo Wheel Loaders (WLO) i Arvika tillverkar hjullastare och gör detta mot prognos. Till hjullastarna finns olika utrustningar som kunden kan välja mellan och även dessa gör Volvo prognoser på. Detta görs genom att de uppskattar hur många procent av maskinerna som kommer använda varje utrustning och lägger in det i ett program. Idag arbetar två personer med prognoserna, planerare A på huvudkontoret i Eskilstuna och planerare B på plats i Arvika. Planerare A gör först prognosen med avseende på historiskt utfall, sedan justerar planerare B dessa gentemot bl.a. orderingång. WLO har problem med träffsäkerheten i sina utrustningsprognoser och detta har medfört höga lagernivåer och därmed bundet kapital. Hur stora är prognosavvikelserna, vad är det som gör att prognoserna blir fel, på vilket eller vilka ställen i processen är det som bristerna uppstår? Vad kan de göra för att få bättre prognoser, hur kan man effektivisera processen så att det blir mindre arbete? För att svara på dessa frågor började vi med att kartlägga prognostiseringsprocessen och sedan analysera den för att få fram svagheter och styrkor. Här fann vi t ex att planerare A inte har någon kunskap om hur prognoserna påverkar lagret i Arvika och att hon får för dålig feedback från produktion, att planerare B är ensam kunnig om prognosarbetet vilket leder till problem när han är sjuk eller borta av andra skäl.</p><p>Sedan gjorde vi även en processjämförelse med Volvo Braås för att se hur de skiljer sig åt. I Braås är det två personer som tar fram prognoserna och de arbetar med hälften av utrustningsnumren var. Båda sitter nära produktion och är även väl insatta i varandras arbete om någon av dem skulle vara borta.</p><p>För att få fram hur prognoserna avviker från utfallet har vi gått igenom prognoshistorik för nio olika typer av utrustningar och sedan gjort beräkningar på det materialet. Det visade sig att prognoserna som automatiskt beräknas ofta ligger för högt och att planerare B sänker dessa.</p><p>Vi har kommit fram till att allt arbetet med prognoserna borde ske på plats i Arvika och inte som i nuläget när hälften görs i Eskilstuna. Man bör även införa rutiner på hur arbetet med prognoserna ska gå till och göra dokument på detta så att det är lättare för personer som ska ta över eller måste sätta sig in hur det fungerar.</p>

Volvo in Arvika produces wheel loaders, and the production is based on forecasts. When a machine is ordered, the customer can choose what type of equipment he or she wants, and these equipments are also made forecasts on. This is made by giving each equipment an estimated procentual usage that shows how many of the machines that will use this option. Today two people are working with the forecasts, planer A in Eskilstuna and planer B in Arvika. Planer A makes a forecast based on the historical outcome and planer B then makes adjustments of this based on how many options that are ordered. Volvo in Arvika is having problems with the accuracy of the forecasts and because of this they have got too much in stock. But how big are the forecast deviations, what is the cause of it, in what or which places does the process lack? What can be made to make more accurate forecasts, how can you get a more affective process with less work made? To answer these questions we surveyed the process and analyzed it to find strong and week spots. We found that Planer A has a lack of information about how the forecast influence the stock in Arvika, that she gets pour feedback from production, that Planer B is the only one with knowledge about the forecast work in Arvika. We also made a benchmarking with the factory in Braås to see how they differ. Just like in Arvika there are two people working with the forecasts, but in Braås both of them are located close to the production and they share the options equal. They are also able to fill in for each other if someone would be sick. To see how much the forecast differ from market demand, we have analyzed forecast data from nine different options for eight months. It turned out that the automatic calculated forecasts are a bit high and that planner B lower them. Our conclusion is that the forecasts should be made only in Arvika, and not as it is today when half of it is made in Eskilstuna. There should also be documents and routines on how the work shall be done. This is to make it easier for people that will do the same job in the future. / Volvo Wheel Loaders (WLO) i Arvika tillverkar hjullastare och gör detta mot prognos. Till hjullastarna finns olika utrustningar som kunden kan välja mellan och även dessa gör Volvo prognoser på. Detta görs genom att de uppskattar hur många procent av maskinerna som kommer använda varje utrustning och lägger in det i ett program. Idag arbetar två personer med prognoserna, planerare A på huvudkontoret i Eskilstuna och planerare B på plats i Arvika. Planerare A gör först prognosen med avseende på historiskt utfall, sedan justerar planerare B dessa gentemot bl.a. orderingång. WLO har problem med träffsäkerheten i sina utrustningsprognoser och detta har medfört höga lagernivåer och därmed bundet kapital. Hur stora är prognosavvikelserna, vad är det som gör att prognoserna blir fel, på vilket eller vilka ställen i processen är det som bristerna uppstår? Vad kan de göra för att få bättre prognoser, hur kan man effektivisera processen så att det blir mindre arbete? För att svara på dessa frågor började vi med att kartlägga prognostiseringsprocessen och sedan analysera den för att få fram svagheter och styrkor. Här fann vi t ex att planerare A inte har någon kunskap om hur prognoserna påverkar lagret i Arvika och att hon får för dålig feedback från produktion, att planerare B är ensam kunnig om prognosarbetet vilket leder till problem när han är sjuk eller borta av andra skäl. Sedan gjorde vi även en processjämförelse med Volvo Braås för att se hur de skiljer sig åt. I Braås är det två personer som tar fram prognoserna och de arbetar med hälften av utrustningsnumren var. Båda sitter nära produktion och är även väl insatta i varandras arbete om någon av dem skulle vara borta. För att få fram hur prognoserna avviker från utfallet har vi gått igenom prognoshistorik för nio olika typer av utrustningar och sedan gjort beräkningar på det materialet. Det visade sig att prognoserna som automatiskt beräknas ofta ligger för högt och att planerare B sänker dessa. Vi har kommit fram till att allt arbetet med prognoserna borde ske på plats i Arvika och inte som i nuläget när hälften görs i Eskilstuna. Man bör även införa rutiner på hur arbetet med prognoserna ska gå till och göra dokument på detta så att det är lättare för personer som ska ta över eller måste sätta sig in hur det fungerar.

Att finna den mest effektiva strategin för att maximera sin avkastning på aktiemarknaden har varit en fråga som har intresserat investerare i hundratals år. Denna studie avser att undersöka vilken av investeringsstrategierna, Gyllene korset eller Buy and hold som är mest lönsam under perioden 2004 - 2022 på Stockholmsbörsen för att dra slutsatser om marknadens effektivitet. Genom att mäta avkastningen av tio aktier från large-cap listan och tio aktier från mid-cap-listan visade studiens resultat att Buy and hold under perioden gav en högre genomsnittlig avkastning relativt Gyllene korset under parametrarna glidande medelvärde 50, 200. Detta ger stöd för den effektiva marknadshypotesen som säger att det inte går att få överavkastning genom teknisk analys. Studien finner dock stöd för att köpsignalen som gavs vid Gyllene korset skapade stora vinster, och att det snarare var en försenad säljsignal, dödskorset, som var huvudanledningen till att Buy and hold var överlägsen Gyllene korset-strategin. / Finding the most effective strategy to maximize returns in the stock market has been a question that has interested investors for hundreds of years. This study aims to see which of the investment strategies, Golden cross or Buy and hold that is most profitable during the period 2004 - 2022 on the Stockholm Stock Exchange to draw conclusions about the efficiency of the market. By measuring the return of ten stocks from the large-cap list and ten stocks from the mid-cap list, the study's results showed that during the period, Buy and hold gave a higher average return than the Golden cross under the parameters moving average 50, 200. This supports the efficient market hypothesis, which states that it is not possible to obtain excess returns through technical analysis. However, the study finds support that the buy signal given at the Golden cross created large returns, and that it was rather a delayed sell signal, the death cross, that was the reason why Buy and hold was superior to the Golden cross strategy.

På bullriga arbetsplatser använder personal ofta hörselskydd med inbyggda högtalare för att lyssna på exempelvis musik i underhållningssyfte. Om användaren lyssnar på höga ljudnivåer under långa perioder kan bullerskador uppstå i dennes öron. Enligt lagstiftning måste nivån därför begränsas i förebyggande syfte. Bullernivån är ett genomsnitt av de ljudnivåer användaren exponerats för under en arbetsdag. Användaren måste vila öronen om gränsvärdet för bullernivån nås.Om man utnyttjar att det är ett genomsnitt kan användaren tillåtas lyssna på en hög ljudnivå under en begränsad tid för att sedan sänka den. Det går att bevara både säkerheten och lyssningsupplevelsen om en sänkning införs långsamt. Detta arbete beskriver hur en algoritm till en digital signalprocessor kan konstrueras för att reglera ljudnivån.Målsättningen var att algoritmen skulle skydda användarens hörsel utan att försämra lyssningsupplevelsen, och utan att förbruka mer energi än nödvändigt. I algoritmen ingick en prediktor som predikterar mängden buller användaren riskerar att utsättas för, om denne fortsätter lyssna på samma nivå.Långsamma sänkningar av ljudnivån kan då utföras i tid innan gränsvärdet nås. Det visade sig att algoritmen endast behövde ett fåtal samplingar per sekund för att skatta och reglera ljudnivån tillräckligt precist, vilket reducerade energiförbrukningen.Resultatet visar möjligheten att kombinera målen för säkerhet, lyssningsupplevelse och energieffektivitet i hörselskydd. Algoritmen implementerades inte på ett skarpt system.Den hade enbart tillgång till ljudsignalen användaren ämnade lyssna på i underhållningssyfte. / In noisy workplaces the staff are often using hearing protectors with built-in speakers for entertainment purposes. Prolonged exposure to loud sound levels can cause damage to the user’s ears. The legislation requires therefore a limiting mechanism for the speakers. The noise level is defined as the average of the sound levels the user has been exposed to during a working day. If the noise threshold is reached the user has to rest his ears. This definition can be exploited to allow the user to listen to a loud sound level for a limited time and then lowering it. If the sound level is lowered slowly, it is possible to preserve both safety and listening experience. This work describes how an algorithm can be designed for a digital signal processor with the purpose of controlling the sound level. The aim was to protect the user's hearing without spoiling the listening experience, and without consuming more power than necessary. The algorithm design included a predictor that predicts the amount of noise the user risk being subjected to, if he continues to listen at the same level. Slow reduction of the sound level can then be carried out in time before the noise threshold is reached. It turned out that the algorithm only needed a few samples per second to estimate and control the sound level sufficiently precisely, this reduced the power consumption. The results show that it is possible to combine the objectives for safety, listening experience and power consumption in hearing protectors. The algorithm was not implemented in a real system. The algorithm had only access to the audio signal which the user intended to listen to for entertainment purposes.

This study aims to see if it is possible to generate abnormal returns in the Swedishstock market through the use of three different trading strategies based on technicalindicators. As the indicators are based on historical price data only, the study assumesweak market efficiency according to the efficient market hypothesis. The study isconducted using daily prices for OMX Stockholm PI and STOXX 600 Europe from theperiod between 1 January 2010 and 31 December 2019. Trading positions has beentaken in the OMX Stockholm PI index while STOXX 600 Europe has been used torepresent the market portfolio. Abnormal returns has been defined as the Jensen’s αin a Fama French three factor model with Carhart ­extension. This period has beencharacterised by increasing prices (a bull market) which may have had an impact onthe results. Furthermore, a higher frequency of rebalancing for the Fama ­French andCarhart model could also increase the quality of the results. The results indicate thatall three strategies has generated abnormal returns during the period. / Denna studie syftar till att se om det är möjligt att generera överavkastning på densvenska aktiemarknaden genom att använda tre olika handelsstrategier baserade påtekniska indikatorer. Eftersom indikatorerna endast baseras på historiska prisdataantar studien svag marknadseffektivitet enligt den effektiva marknadshypotesen.Studien genomförs med hjälp av dagliga priser för OMX Stockholm PI och STOXX 600Europe från perioden 1 januari 2010 till 31 december 2019. Positionerna i studien hartagits i OMX Stockholm PI medan STOXX 600 Europe har använts för att representeramarknadsportföljen . Överavkastning har definierats som Jensens α i en Fama French trefaktormodell med Carhart-­utvidgning. Perioden som används i studien har präglatsav stigande priser (en bull market) som kan ha påverkat resultatet. Dessutom skulleen högre frekvens av ombalansering av Fama ­French och Carhart-­modellen ocksåkunna öka kvaliteten på resultaten. Resultaten visar att alla tre strategier har genereratonormal avkastning under perioden.