Forskningsfrågor: (1) Beskriva hur byrårotation påverkar revisionskvaliteten. (2) Utforska en indikation på om krav på en obligatorisk byrårotation ärnågot som bör införas för privata aktiebolag. Syfte: Syftet med denna studie är att undersöka hur byrårotation påverkarrevisionskvaliteten i svenska publika aktiebolag. Metod: Data från årsredovisningar har samlats in och analyserats genom denmodifierade Jones-modellen för att estimera revisionskvaliteten. Slutsats: Studien visar att det inte finns ett signifikant samband mellanrevisionskvalitet och byrårotationer i svenska publika aktiebolag.När en byrårotation sker i ett aktiebolag leder det ej till högrerevisionskvalitet. / Research questions (1) Describe how audit firm rotation affects audit quality. (2) Explore an indication of whether mandatory audit firm rotationrequirements should be introduced for private limited companies. Purpose: The purpose of this study is to investigate how audit firm rotationaffects the audit quality of Swedish public listed companies. Method: Data from annual reports have been collected and analyzed using themodified Jones model to estimate the audit quality. Conclusion: This study shows that there is no significant relationship betweenaudit quality and audit firm rotations at Swedish public listedcompanies. When an audit firm rotation takes place in a public listedcompany, it does not lead to a higher audit quality.

In response to the reported increase in accounting crime and suspected fraud in conjunction with the adjustment subsidies initialized during the covid-19 pandemic of 2020, we conducted a study examining accounting manipulation. Based on an explanatory theory for fraud, the Fraud Triangle, we theorize that the financial circumstances that companies experienced during the pandemic and the government subsidies created an environment where accounting manipulation could occur. We obtained a unique set of unpublished data from the Swedish Tax Agency. Two common models for detecting accounting manipulation were then applied to a large sample of Swedish companies. We used a version of the Jones Model to detect potential earnings management and Benford’s Law to detect fraudulent manipulation of the firms’ reported loss of revenue. Our results indicate earnings management and fraudulent reporting for some industries but no broad indication of systematic accounting manipulation across all industries. However, we suggest future research on this topic to further understand how accounting manipulation occurs in distressed industries.

Denna uppsats undersöker förekomsten av earnings management under coronakrisen i svenska börsnoterade företag samt ämnar att undersöka huruvida förekomsten skiljer sig branscher emellan. För att undersöka detta har den modifierade Jones model för beräkningen av diskretionära periodiseringar tillämpats. De svenska börsnoterade företagens diskretionära periodiseringar och absoluta diskretionära periodiseringar undersöktes för perioden innan pandemin, 2018-2019, samt under pandemins första år, 2020. Statistiska tester upprättades, vilka visade att det förelåg en signifikant skillnad mellan perioden innan pandemin och pandemiåret gällande förekomsten av negativ earnings management. Vidare undersöktes huruvida förekomsten av earnings management minskat under pandemin, men ingen statistisk signifikans kunde fastställas för detta samband. Slutligen kunde ej en signifikant skillnad mellan nivån av earnings management mellan olika branscher fastställas. Varken före eller under pandemin.

No / In this paper we present a new method for accurate real-time facial feature detection. Our method is based on local feature detection and enhancement. Previous work in this area, such as that of Viola and Jones, require looking at the face as a whole. Consequently, such approaches have increased chances of reporting negative hits. Furthermore, such algorithms require greater processing power and hence they are especially not attractive for real-time applications. Through our recent work, we have devised a method to identify the face from real-time images and divide it into regions of interest (ROI). Firstly, based on a face detection algorithm, we identify the face and divide it into four main regions. Then, we undertake a local search within those ROI, looking for specific facial features. This enables us to locate the desired facial features more efficiently and accurately. We have tested our approach using the Cohn-Kanade’s Extended Facial Expression (CK+) database. The results show that applying the ROI has a relatively low false positive rate as well as provides a marked gain in the overall computational efficiency. In particular, we show that our method has a 4-fold increase in accuracy when compared to existing algorithms for facial feature detection.

Denna kandidatuppsats är en textanalys av ett urval av psalmer i Den svenska psalmboken. Textanalysen är genomförd utifrån forskningsfrågan Hur formuleras lidande och hopp i Den svenska psalmboken? Den tyske teologen Jürgen Moltmanns teori om hoppets teologi och den amerikanska teologen Serene Jones beskrivning av berättelsers och vardagserfarenheters betydelse för en teologi kring lidande har fungerat som teoretiska tolkningsramar. Textanalysen har lett fram till några huvudslutsatser. För det första har det fysiska lidandet – sjukdom tex – till stor del försvunnit som tema i de psalmer som handlar om prövning och lidande och som överlevt från Den svenska psalmboken 1937 till Den svenska psalmboken 1986. För det andra beskrivs hoppet i dessa psalmer som ett hopp om räddning här och nu, snarare än ett eskatologiskt hopp om ett evigt liv. För det tredje tar psalmerna sin utgångspunkt i teologiska figurer och för kristna, kända bilder och använder i liten grad vardagen/den upplevda verkligheten som referensram

In this thesis we delve into the profile doping scandals involving Marion Jones and Lance Armstrong. Our aim is to analyze how the online news media portray doping allegations in sports specifically on these two athletes. Through a textual analysis and approach encompassing framing theory and intersectionality we explore the gender biases that may exist in media coverage and examine the influence of these representations. The connection between media coverage of suspected drug usage and public sentiment was investigated by using methods mentioned above between two fields of sports- cycling and track and field. This research reveals that the choices made by the media when framing their stories about doping shape opinion. This study also underscores the role played on representation by the media on doping crises within sports. It emphasizes the importance of transparent reporting that fosters discussions. By using these findings as a foundation, we can promote fairness, objectivity and evidence-based reporting when addressing instances of doping in sports.  Furthermore, this study contributes to existing literature on how the media portrays doping allegations by providing a framework for examining how these incidents are depicted by media outlets.

Historiographie de la campagne électorale de 2016 aux États-Unis, une entreprise documentaire afin de comprendre les événements, et un effort d’analyse du discours de deux animateurs avec les outils, notamment, de la théorie des affects.

Sammanfattning Titel: Resultatmanipulering bland svenska aktiebolag åren innan konkurs. Nivå: Examensarbete på grundnivå (kandidatexamen) i ämnet företagsekonomi Författare: Mohammed Nader Hamidi och David NgodaHandledare: Jan SvanbergDatum: 2023 – januari Syfte: Studiens syfte är att undersöka om svenska aktiebolag resultatmanipulerarår innan konkurs och ifall de använder sig av en positiv eller negativresultatmanipulering år innan konkurs. Och om resultatmanipulering berorpå kapitalintensitet samt företagsstorlek under åren innan konkurs. Metod: Studien tillämpar en kvantitativ undersökning där sekundärdata från åren2010–2020 samlats in från databasen Retriever Business. Denna studie har använt sig av den modifierade Jones-modellen för att mäta onormalaperiodiseringar som en proxy, för att mäta resultatmanipulering. SPSS ochExcel användes för att ta fram alla beräkningar, som är grunden tillstudiens resultat och slutsats. Resultat & slutsats Resultatet från denna undersökning till skillnad från tidigare studie visaratt svenska aktiebolag inte manipulerar resultat år innan konkurs.Dessutom har denna studie till skillnad från tidigare studier funnit attresultatmanipulering inte beror på kapitalintensitet samt företagsstorlekåren innan konkurs bland svenska aktiebolag. Bidrag: Denna undersökning kan bidra med en ökad förståelse för hurredovisningsnormerna kan utvecklas och reformeras för att stävjauppkomsten av resultatmanipulation för exempelvis reglerare ochinvesterare i Sverige. Fortsatt forskning: Ett förslag till fortsatt forskning kan vara att exempelvis använda olikamodeller i mätningen av resultatmanipulation, detta för att få ett bredareperspektiv. Ett annat förslag kan vara att även använda svenskabörsnoterade aktiebolag i fortsatt forskning. Nyckelord: Diskretionära periodiseringar, Earnings management, konkurs, denmodifierade Jones-modellen, redovisning, periodiseringar.

Titel: Ägarkoncentration och earnings management i svenska börsnoterade bolag.  Nivå: Kandidat Författare: Maja Johansson och Helene Schramm  Handledare: Jan Svanberg Datum: Januari 2024 Syfte: Att undersöka det potentiella sambandet mellan ägarkoncentration och earnings management bland företag noterade på den svenska börsen. Metod: Detta är en kvantitativ studie som syftar till att mäta och kvantifiera fenomen genom en deduktiv ansats. För att genomföra studien har data samlats in både i form av vetenskapliga artiklar som legat till grund för uppsatsens teorikapitel, samt variabler som använts för att utföra de beräkningar som syftat till att besvara frågeställningen. Insamling av data har skett både genom urvalsföretagens årsredovisningar och databasen Refinitive Eikon. I denna studie har den modifierade Jones modellen använts för att beräkna diskretionära periodiseringar, som i denna studie är ett mått på earnings management.  Resultat & slutsats: För att testa studiens två hypoteser genomfördes en multipel linjär regression som visade ett positivt och signifikant samband mellan ägarkoncentration och diskretionära periodiseringar. Likaså upptäcktes ett positivt samband mellan avkastning på totalt kapital och diskretionära periodiseringar, medan skuldsättningsgrad och företagets storlek inte uppvisar något fastställt samband med diskretionära periodiseringar. Slutsatsen av denna studies resultat blir därför att det föreligger ett samband mellan ägarkoncentration och earnings management.   Bidrag: Denna uppsats bidrar till ytterligare kunskap kring ägarkoncentrationens påverkan på earnings management i en svensk kontext där det råder hög ägarkoncentration. Fortsatt forskning: En förlängning av denna studie skulle kunna innefatta forskning som undersöker effekterna av earnings management och att genom en kvalitativ metod undersöka hur intressenternas beslutsfattande påverkas av fenomenet.  Nyckelord: Earnings management, ägarkoncentration, ägarstruktur, den modifierade Jones modellen, Agency theory

ABSTRACT MAJID MEMARI, for the Masters of Science degree in Computer Science, presented on November 3rd, 2017 at Southern Illinois University, Carbondale, IL. Title: PREDICTING THE STOCK MARKET USING NEWS SENTIMENT ANALYSIS Major Professor: Dr. Norman Carver Big data is a term for data sets that are so large or complex that traditional data processing application software is inadequate to deal with them. GDELT is the largest, most comprehensive, and highest resolution open database ever created. It is a platform that monitors the world's news media from nearly every corner of every country in print, broadcast, and web formats, in over 100 languages, every moment of every day that stretches all the way back to January 1st, 1979, and updates daily [1]. Stock market prediction is the act of trying to determine the future value of a company stock or other financial instrument traded on an exchange. The successful prediction of a stock's future price could yield significant profit. The efficient-market hypothesis suggests that stock prices reflect all currently available information and any price changes that are not based on newly revealed information thus are inherently unpredictable [2]. On the other hand, other studies show that it is predictable. The stock market prediction has been a long-time attractive topic and is extensively studied by researchers in different fields with numerous studies of the correlation between stock market fluctuations and different data sources derived from the historical data of world major stock indices or external information from social media and news [6]. The main objective of this research is to investigate the accuracy of predicting the unseen prices of the Dow Jones Industrial Average using information derived from GDELT database. Dow Jones Industrial Average (DJIA) is a stock market index, and one of several indices created by Wall Street Journal editor and Dow Jones & Company co-founder Charles Dow. This research is based on data sets of events from GDELT database and daily prices of the DJI from Yahoo Finance, all from March 2015 to October 2017. First, multiple different classification machine learning models are applied to the generated datasets and then also applied to multiple different Ensemble methods. In statistics and machine learning, Ensemble methods use multiple learning algorithms to obtain better predictive performance than could be obtained from any of the constituent learning algorithms alone. Afterwards, performances are evaluated for each model using the optimized parameters. Finally, experimental results show that using Ensemble methods has a significant (positive) impact on improving the prediction accuracy. Keywords: Big Data, GDELT, Stock Market, Prediction, Dow Jones Index, Machine Learning, Ensemble Methods