The Swedish real estate market has been digitalized over the past decade with the current practice being to post your real estate advertisement online. A question that has arisen is how a seller can optimize their public listing to maximize the selling premium. This paper analyzes the use of three machine learning methods to solve this problem: Linear Regression, Decision Tree Regressor and Random Forest Regressor. The aim is to retrieve information regarding how certain attributes contribute to the premium value. The dataset used contains apartments sold within the years of 2014-2018 in the Östermalm / Djurgården district in Stockholm, Sweden. The resulting models returned an R2-value of approx. 0.26 and Mean Absolute Error of approx. 0.06. While the models were not accurate regarding prediction of premium, information was still able to be extracted from the models. In conclusion, a high amount of views and a publication made in April provide the best conditions for an advertisement to reach a high selling premium. The seller should try to keep the amount of days since publication lower than 15.5 days and avoid publishing on a Tuesday. / Den svenska bostadsmarknaden har blivit alltmer digitaliserad under det senaste årtiondet med nuvarande praxis att säljaren publicerar sin bostadsannons online. En fråga som uppstår är hur en säljare kan optimera sin annons för att maximera budpremie. Denna studie analyserar tre maskininlärningsmetoder för att lösa detta problem: Linear Regression, Decision Tree Regressor och Random Forest Regressor. Syftet är att utvinna information om de signifikanta attribut som påverkar budpremien. Det dataset som använts innehåller lägenheter som såldes under åren 2014-2018 i Stockholmsområdet Östermalm / Djurgården. Modellerna som togs fram uppnådde ett R²-värde på approximativt 0.26 och Mean Absolute Error på approximativt 0.06. Signifikant information kunde extraheras from modellerna trots att de inte var exakta i att förutspå budpremien. Sammanfattningsvis skapar ett stort antal visningar och en publicering i april de bästa förutsättningarna för att uppnå en hög budpremie. Säljaren ska försöka hålla antal dagar sedan publicering under 15.5 dagar och undvika att publicera på tisdagar.

I en företagstransaktion anlitas vanligen en investmentbank för att bistå med värdering av bolaget samt agera rådgivare. Investmentbanker agerar som en slag företagsmäklare som är antingen på köp- eller säljsidan av transaktionen. När bolagsvärdet presenteras i en pitch till säljarna brukar de använda sig av flera metoder för att beräkna värdet av företaget. För att öka precisionen i värdering av ett nordiskt industribolag ställdes frågan om multipel regressionsanalys kunde användas som ett komplement i en bolagsvärdering och hur den stod sig gentemot en klassisk värderingsmetod som Precedent Transactions Analysis. Dessa frågor kom att analyseras och besvarades genom att skapa en regressionsmodell som byggde på data hämtad från företagens finansiella rapporter. Den insamlade datan byggde på 132 transaktioner av nordiska industribolag under perioden 2009-2019. Regressionsmodellen kom sedan att jämföras mot en PTA-värdering som byggde på tidigare företagstransaktioner av bolag med liknande finansiell och affärsmässig bakgrund som bolaget i fråga skulle värderas. Denna studie visar på att regressionsanalys kan användas som en komplement till de olika värderingsmetoderna men bör ej användas för att värdera nordiska industribolag med avhandlingens val av variabler och skall inte ersätta någon av de klassiska värderingsmetoderna. / Prior to a company being sold or acquired they usually contact an investment bank to support with the valuation of the company, execute the sale and act as advisors for the actors that wish to buy or sell. Investment banks acts as a kind of company broker which is either on the buy or the sell side. When the company value is presented, they usually utilize several methods to calculate the value of the company. During the last decade the frequency of transactions on the Nordic industry market have increased significantly. To increase the precision in the valuation of a Nordic industrial company, the question was asked if multiple regression analysis could be used as a valuation method? Also, how did it compare itself against a classical valuation method like Precedent Transaction Analysis? These questions came to be analyzed and answered by creating a regression modell built of data gathered from financial reports. The regression model then came to be compared to the PTA-valuation which built on previous company transactions with companies that were alike in financial background. This study shows that regression analysis could be used as a complement to the different valuation methods. However the model should not be used to evaluate Nordic industrial companies with the choice of variables in the thesis, since the reliability of the model is unpredictable. Regression analysis as a stand-alone valuation method should be taken with great caution and not replace neither of the classical valuation methods.

Den psykiska ohälsan har ökat bland befolkningen i Sverige vilket förutom ett personligt lidande ger stora samhällsekonomiska konsekvenser. Orsaken till denna ökning har inget definitivt svar men kan potentiellt förklaras av makro- och socioekonomiska faktorer. Denna rapport undersöker därför om det finns ett samband mellan psykisk ohälsa och makro- och socioekonomiska faktorer. Det sker även en analys av hur dessa faktorer kan förklara ökningen av psykiska ohälsa. För att ta reda på om ett samband existerar utförs en multipel linjär regressionsanalys där den beroende variabeln definieras som svåra besvär av oro, ängslan och ångest och de förklarande variablerna utgörs av förgymnasial-, gymnasial- och eftergymnasial utbildning, BNP per capita, hushållens disponibla inkomst och arbetslöshet. Analysen delas upp i grupperna kvinnor, män och totala befolkningen där data från åren 2002-2017 används. Analysen visar på ett visst samband mellan de olika regressionsvariablerna och makro- och socioekonomiska faktorer. Totala befolkningens psykiska ohälsa har framförallt ett samband med förgymnasial utbildning. De signifikanta variablerna för kvinnors psykiska ohälsa är gymnasial utbildning, BNP per capita och disponibel inkomst. För modellen för mäns psykiska ohälsa är arbetslöshet och disponibel inkomst mest signifikanta. Modellerna har approximativt uppfyllda antaganden och multikollinearitet närvarande vilket bidrar till en bristande tillförlitlighet. Vidare forskning krävs för ytterligare validering av sambanden samt för en djupare förståelse av makro- och socioekonomiska faktorers påverkan och möjliga orsakssamband. / The mental health has increased in Sweden, which besides the personal suffering affects both the society and economy. The reason behind the increase does not have any definite explanation but the answer may, at least partly, be found in macroeconomic and socioeconomic factors. This report will therefore investigate if there exists a relationship between mental health problems and macroeconomic and socioeconomic factors. An analysis of how these factors may explain the increase of mental health problems is also performed. To see if a relationship exists, a multivariable regression analysis is performed, where the dependent variable is defined as severe problems with anxiety and worry. The regression variables are education level, GDP per capita, the households disposable income and unemployment. The analysis is performed on the groups; women, men and total population and the data is collected over the years 2002 to 2017. The analysis indicates a certain relationship between the different macro and socioeconomic variables and mental health problems. For the total population, education level is the most significant. For women, education level, GDP per capita and the households disposable income are most important. For men, unemployment and disposable income are the strongest correlated variables. The models approximately fulfills the assumptions for the least square method and have multicollinearity present, which in total makes them less reliable. Further research to validate these relationships and to contribute to explanations of potential causality is needed.

This report investigates what the main price drivers are for commercial real estate rentals in Stockholm and Gothenburg. The mathematical method applied in this thesis is multiple linear regression and statistical analysis. The models are built from data provided by Datscha, a commercial market information provider. The data sets contains 922 observations across 9 different metrics from 2019. The response variable used to explain the price drivers is taxated monthly rental. The most significant driving variables common to all three final models where market value, location, and taxated value. These results align with current macroeconomic theory; revenue streams stand in direct proportion to underlying asset, i.e market value. Furthermore, location stands out as significant due to its attractiveness to all interacting entities. The models constructed had satisfying predictabilty, with R2-values ranging from 0.725 − 0.896. / Denna rapport undersöker de signifikanta faktorer som driver prisnivå vid uthyrning av kommersiella fastigheter i Stockholm och Göteborg. De matematiska metoder som tillämpas är multipel regressionsanalys samt statistisk analys. Modeller bygger på data från Datscha, en kommersiell leverantör av fastighetsrelaterad marknadsinformation. Slutgiltigt dataset har 922 observationer över 9 variabler, alla från år 2019. Den responsvariabel som används för att förklara prisdrivarna är taxerad månatlig hyra. De mest signifikanta drivande variablerna som är gemensamma för samtliga tre slutmodeller är marknadsvärde, plats samt taxerat värde. Rapportens resultat ligger i linje med kontemporär makroekonomisk teori; intäktsflöden står i direkt proportion till den underliggande tillgången, dvs. här fastighetens marknadsvärde. Vidare är variabeln plats signifikant givet fördel med närhet för samtliga inblandade entiteter. De konstruerade modellerna innehar satisfierande prediktabilitet, med R2-värden mellan 0.725 − 0.896.

This thesis was based on the subjects of mathematical statistics and industrial economics and management in order to analyze the grades of pupils in the final year of elementary school. The purpose was to find out what variables had a statistically significant impact on pupils’ final grades so that municipalities and schools could better understand what variables are important when trying to improve the average school results. A multiple regression model was used on data, obtained from the database of Skolverket, in order to examine what variables were statistically important. The final regression model acquired through a model reduction procedure showed that mostly structural covariates such as the academic background of pupils, percentage of female pupils and the percentage with Swedish background had a statistically significant impact on the academic performances of the students. R2 adjusted of the final model was 0.5289. The multiple regression model was discussed by referencing to previous research. In addition, the strategic management performance framework known as Balanced Scorecard which was introduced by Robert S. Kaplan and David P. Norton was used to discuss relevant key performance indicators to achieve the strategic objectives of schools. / Detta examensarbete, inom ämnet för matematisk statistik och industriell ekonomi, genomfördes med syftet att analysera avgångsbetygen för år 9 i den svenska skolan. Syftet var att förstå vilka variabler som hade en statistisk signifikant påverkan på elevers avgångsbetyg, så kommuner kan förstå vilka variabler som är viktiga för att förbättra de genomsnittliga skolresultaten. En regressionsanalys utfördes, på data från Skolverket, för att se vilka variabler som var statistiskt signifikanta. Den slutgiltiga regressionsmodellen, erhållen genom iterativ reducering av variabler, visade att främst strukturella kovariat, som akademisk bakgrund hos elever, andel kvinnliga studenter och andel studenter med svensk bakgrund hade en signifikant betydelse på studenters akademiska resultat. Justerad R2 var 0.5289 för den slutgiltiga modellen. I diskussionen utvärderades modellen utifrån tidigare forskning. Vidare användes teorin om balanserat styrkort, utvecklat av Robert S. Kaplan och David P. Norton, för att diskutera relevanta nyckeltal för att uppnå strategiska mål för skolan.

The rise of the sharing economy is forcing industries to move from traditional take-make-waste economy towards circular ones (Schuttelaar & Partners, 2019). Along with the increasing influence of e-commerce, supply-chain collaboration and globalization has increased the pressure of warehouse operations and requires more efficient operations with the use of less resources thanever before (Frazelle, 2016). Lean is a concept that has gained attention as a means of doing morewith less, through reducing wastes and continuously improving, which has been successful within the manufacturing sector. The difficulties of translating this concept into non-repetitive environments has contributed to the low level of adoption within industries like construction. Where companies within construction equipment rental have an even greater challenge, dealing with circular product flows. Thus, making their warehousing operations inherently complex along with the large amounts of different products. The thesis has focused on analysing the warehouse operations flow of collective fall protectionproducts in the equipment rental industry, from customer order to customer return. This has been enabled by performing an adapted Value Stream Mapping method in a new setting for equipmentrental industries. Where Value Stream Mapping traditionally is applied in manufacturing to visually represents the actions that are required for a product to move through the production andinformation flows. The purpose of the study is to apply VSM beyond manufacturing and tosummarize the results in order to provide suggestions for improving the handling of non-serialized products within the equipment rental industry. A case company within the equipment rental industry has been used to meet the purpose of the study by testing and evaluating the proposed frame work. The findings have been followed up by performing a return handling study, conducted by equipment rental professionals, which has been subject to a statistical analysis. The findings from the VSM are used as a foundation for the return handling study, which serves as a means of verifying or dismissing them. These are then summarized in suggestions for improvements to the case company and suggestions for future actions. Among the findings are indications of longer return times for products that are not forewarned prior to returns, and increase processing rates for sorted returns. Furthermore three product types were more frequently requiring repairs, cleaning and scrapping compared to other products, suggesting that these requiremore time to process. The company is advised to work with standardizing processes for return handling throughout the organization within invoicing specifications and product storage. Suggestions for future research within the subject area is also presented. / Den ökande utbredningen av delningsekonomi tvingar industrier att gå från traditionella linjära affärsmodeller mot cirkulära (Schuttelaar & Partners, 2019). Utöver denna förändring så ökar även trycket på lagerverksamheter som ett resultat av det ökande inflytandet av e-handel, Supply-Chainsamarbete och globalisering som kräver effektivare verksamheter med användning av mindre resurser än någonsin förut (Frazelle, 2016). Lean är ett koncept som har uppmärksammats som en filosofi för att hantera dessa förändringar, genom att åstadkomma mer med mindre resurser och därmed minska slöseri och att sträva efter ständiga förbättringar, vilket har varit framgångsrikt inom tillverkningssektorn. Svårigheterna med att översätta detta koncept till icke-repetitiva miljöer har bidragit till den begränsade appliceringen av lean inom industrier som byggnadskonstruktion. Där företag inom uthyrning av byggnadsmaskiner och utrustning har en ännu större utmaning, då deras verksamhet bygger på cirkulära produktflöden. Vilket orsakar komplex lagerhantering av många olika produkter i stora mängder. Avhandlingen har fokuserat på att analysera lagerflödet av kollektiva fallskyddsmedel i uthyrningsbranschen, från kundorder till kundreturer. Detta har möjliggjorts genom att utföra en anpassad värdeflödeskartläggning i ett nytt sammanhang, nämligen för företag inom uthyrning av byggnadsmaskiner och utrustning. Där värdeflödeskartläggning vanligtvis används inom tillverkning för att visuellt representera de aktiviteter som krävs för att en produkt ska kunna flytta genom produktions- och informationsflödena. Syftet med studien är att tillämpa värdeflödeskartläggning utanför tillverkningssektorn och att sammanfatta resultaten i form av förslag på förbättringar av hanteringen av icke-serienumrerade produkter inom uthyrningsbranschen. Ett samarbete med ett fallföretag inom uthyrningsindustrin har genomgåtts för att uppfylla syftet med studien. Tillsammans med fallföretaget har det föreslagna ramarbetet testats och utvärderats. Resultaten har följts upp genom att genomföra en returhanteringsstudie, som utförs av verksamma inom lager hanteringen för kollektiva fallskyddsmedel, studiens resultat har sedan varit föremål för en statistisk analys. Upptäckterna från värdeflödeskartläggningen användes som grund för returhanteringsstudien, som agerat medel för att verifiera eller avfärda dem. Dessa har sedan sammanfattas i förslag till förbättringar till fallföretaget och förslag till framtida åtgärder. Bland resultaten finns indikationer på längre hanteringstider för returer som inte är förvarnade innan de blir återlämnade, samt minskade hanteringstider för sorterade returer. Dessutom krävde tre produkttyper ofta reparationer, rengöring och skrotning jämfört med andra produkter, vilket tyder på att dessa produkter är mer tidskrävande vid returer. Företaget rekommenderas att arbeta med standardiseringsprocesser för returhantering i hela organisationen, mer specifikt inom bestämmelser för fakturering och produktlagring. Förslag till framtida forskning inom ämnesområdet presenteras även.

An important aspect during the planning of commuter trains is how long they will be waiting at the platform. All travelers must be able to board and get off the train in time while the process cannot take too long. The train’s waiting time is called its dwell time, and this is a study of how the dwell time of the commuter trains in Stockholm behaves with a focus on the larger station Stockholm Odenplan and the smaller station Årstaberg. The duration of the dwell time compared to the stations planned dwell time was analyzed with manual measurements on the stations. The dwell time was analyzed both during and after rush hours. Possible reasons for the dwell time’s length were also analyzed and a potential factor that was in focus was the impact of the removal of train conductors. Train conductors in Stockholm’s rail system are responsible for monitoring the boarding and closing the train’s doors after it is finished. They began to dismantle from the trains Mars 2023 due to efficiency reasons. Half of the trains will run with a train conductor until autumn 2023, where they will disappear entirely. The train drivers will afterwards monitor the travelers with cameras instead. The commuter trains in Stockholm have three routes between Bålsta and Nynäshamn, Uppsala/Märsta and Södertälje and Södertälje and Gnesta. Factors considered when planning their timetables are the system’s capacity, how long the train should wait at a station and how long it takes to drive between stations. 94 % of the trains run on time in the system according to the operator MTR. The analyzed stations Stockholm Odenplan and Årstaberg are in Stockholm and have their separate conditions. Stockholm Odenplan is the second to largest station in the system and is in a central part of the city. The station is underground, and the rails are separated from the platform with platform doors. The doors are shown to cause delays for the dwell time as they are slow. Årstaberg has considerably fewer travelers than Stockholm Odenplan and is in the south parts of the city. The station is over the ground and has no platform doors. There are many theories about the causes behind a train’s dwell time based on the behavior of the passengers. They vary from where they are waiting on the platform, how they are queueing during boarding and the behavior during the boarding. The study shows that the dwell time in Årstaberg stays under its planned 42 seconds, but it is six seconds too long from its planned 60 seconds in Stockholm Odenplan. The dwell time increases during rush hour in Årstaberg and decreases outside of it, while Stockholm Odenplan seems to be largely unaffected by rush hours. Trains with train conductors seem to have a lower dwell time than those without them. The boarding has a shorter duration with train conductors, which shows that they are more efficient than the train drivers using cameras to monitor the boarding. However, it does take a little longer for the train to depart after the boarding is finished when they have a train conductor. Factors causing the dwell time are believed to be related to the flow of passengers and the design of the stations. The platform doors are believed to increase the dwell time in Stockholm Odenplan. Meanwhile, the protection from the weather and the location of the entrance in Årstaberg might impact its dwell time. When the number of passengers increases will the boarding take longer. The boarding will also be concentrated on a few doors in Årstaberg depending on the weather or if the trains are short. The dwell time should be analyzed further for a longer period and during more hours of the day. More stations in Stockholm’s rail system should be analyzed too.

Inom fondförvaltning används kvantitativa metoder för att förutsäga hur företags räkenskaper kommer att förändras vid nästa kvartal jämfört med motsvarande kvartal året innan. Banken SEB använder i dag multipel linjär regression med förändring av intäkter som beroende variabel och förändring av valutakurser som oberoende variabler. Det är problematiskt av tre anledningar. Först och främst har valutor ofta stor multikolinjäritet, vilket ger instabila skattningar. För det andra det kan ett företags intäkter bero på ett urval av de valutor som används som data varför regression inte bör ske mot alla valutor. För det tredje är nyare data mer relevant för prediktioner. Dessa problem kan hanteras genom att använda regulariserings- och urvalsmetoder, mer specifikt elastic net och viktad regression. Vi utvärderar dessa metoder för en stor mängd företag genom att jämföra medelabsolutfelet mellan multipel linjär regression och regulariserad linjär regression med viktning. Utvärderingen visar att en sådan modell presterar bättre i 65,0 % av de företag som ingår i ett stort globalt aktieindex samt får ett medelabsolutfel på 14 procentenheter. Slutsatsen blir att elastic net och viktad regression adresserar problemen med den ursprungliga modellen och kan användas för bättre förutsägelser av intäkternas beroende av valutakurser. / Quantative methods are used in fund management to predict the change in companies' revenues at the next quarterly report compared to the corresponding quarter the year before. The Swedish bank SEB already uses multiple linear regression with change of revenue as the depedent variable and change of exchange rates as independent variables. This is problematic for three reasons. Firstly, currencies often exibit large multicolinearity, which yields volatile estimates. Secondly, a company's revenue can depend on a subset of the currencies included in the dataset. With the multicolinearity in mind, it is benifical to not regress against all the currencies. Thirdly, newer data is more relevant for the predictions. These issues can be handled by using regularisation and selection methods, more specifically elastic net and weighted regression. We evaluate these methods for a large number of companies by comparing the mean absolute error between multiple linear regression and regularised linear regression with weighting. The evaluation shows that such model performs better for 65.0% of the companies included in a large global share index with a mean absolute error of 14 percentage points. The conclusion is that elastic net and weighted regression address the problems with the original model and can be used for better predictions of how the revenues depend on exchange rates.

Public transport is essential for both residents and city planners because of its environmentally and economically beneficial characteristics. During the past decade climatechange, coupled with fuel and energy crises have attracted significant attention toward public transportation. Increasing the demand for public transport on the one hand and its complexity on the other hand have made the optimum network design quite challenging for city planners. The ridership is affected by numerous variables and features like space and time. These fluctuations, coupled with inherent uncertaintiesdue to different travel behaviors, make this procedure challenging. Any demand and supply mismatching can result in great user dissatisfaction and waste of energy on the horizon. During the past years, due to recent technologies in recording and storing data and advances in data analysis techniques, finding patterns, and predicting ridership based on historical data have improved significantly. This study aims to develop forecasting models by regressing boardings toward population, time of day, month, and station. Using the available boarding dataset for blue bus line number 4 in Stockholm, Sweden, seven different machine learning algorithms were assessed for prediction: Multiple Linear Regression, Decision Tree, Random Forest, Bayesian Ridge Regression, Neural Networks, Support Vector Machines, K-Nearest Neighbors. The models were trained and tested on the dataset from 2012 to 2019, before the start of the pandemic. The best model, KNN, with an average R-squared of 0.65 in 10-fold cross-validation was accepted as the best model. This model is then used to predict reduced ridership during the pandemic in 2020 and 2021. The results showed a reduction of 48.93% in 2020 and 82.24% in 2021 for the studied bus line.

In the last 10 years, no significant increase in the peak electricity consumption of the region of Stockholm has been observed, despite new customers being connected to the grid. But, as urbanization continues and with electrification being a decisive step of decarbonization pathways, more growth is expected in the future. However, the Swedish Transmission System Operator (TSO), Svenska Kraftnat, can only supply a limited power to Stockholm region. Distribution System Operators (DSOs) such as Vattenfall Eldistribution, which operates two thirds Stockholm region's distribution grid, need to find solutions to satisfy an increasing demand with a limited power supply. In these times, forecasting the worst-case scenarios, i.e., the highest possible loads, becomes a critical question. In Sweden, peak loads are usually triggered by the coldest temperatures, but the recent winters have been mild: this brings uncertainty about a possible underlying temperature adjusted growth that would be masked by relatively warm winters. Answering the question 'What would be the highest loads in 2022 with -20°C in Stockholm region ?' could help Vattenfall Eldistribution estimating the flexibility needed nowadays and designing the future grid with the necessary grid reinforcements. This master thesis uses a data-driven approach based on eleven years of hourly data on the period 2010-2021 to investigate the temperature sensitivity of aggregated electricity load in Stockholm region. First, an exploratory analysis aims at quantifying how large the growth has been in the past ten years and at understanding how and when peak loads occur. The insights obtained help design two innovative regression techniques that investigate the evolution of the loads across years and provide first estimates of peak loads. Then, a Seasonal Autoregressive Integrated Moving Average with eXogenous regressors (SARIMAX) process is used to model a full winter of load as a function of temperatures. This third method provides new and more reliable estimates of peak loads in 2022 at e.g. -20°C. Eventually, the SARIMAX estimates are kept and a synthesis of the global outlooks of the three methods and possible extensions of the SARIMAX method is presented in a final section. The results conclude on a significant increase in the load levels in southern Stockholm ('Stockholm Sodra') between 2010 and 2015 and stable evolution onwards, while the electric consumption in Northern Stockholm remained stable during the period 2010-2021. During a very cold winter, the electricity demand is expected to exceed the subscription levels during about 300h in Stockholm Sodra and 200h in Stockholm Norra. However, this will be a rare occurrence, which suggests that short-term solutions could be privileged rather than costly grid extension work. Many questions arise, and the capability of local heat & power production and electricity prices signals to regulate today's demand are yet to investigate. Additional work exploring future demand scenarios at a smaller scale could also be contemplated. / Under den senaste årtionden har Stockholms toppkonsumtion av el inte ökat markant trots nya elkunder som ansluter till elnätet. Med en snabb urbanisering, är ökad elektrifiering en huvudlösning för att uppnå ett fossilfritt samhälle och denna trend förväntas fortsätta under kommande årtionden. Samtidigt börjar den svenska transmissionsnätoperatören (TSO) Svenska kraftnät få problem med att leverera elkraft till Stockholmsregionen, på grund av en begränsad överföringskapacitet. Därför måste lokala eldistributörer (DSO), liksom Vattenfall Eldistribution, som är Sveriges största DSO med systemansvar för distributionssystem, undersöka nya lösningar för att uppfylla den ökande efterfrågan på el. Det blir dessutom mycket viktigt att identifiera de värsta tänkbara scenario, som att göra prognos av högsta möjliga elförbrukning. Stockholm konsumerar exempelvis mest el när det är som kallast – men de senaste vintrarna har varit milda jämfört med till exempel vintrarna 2010 – 2011 eller 2012 – 2013 då temperaturer i Stockholmsregion mättes till under -20°C grader för flera dagar i sträck. Detta resulterar i en relevant frågeställning: ” Vad skulle Stockholms elkonsumtion vid -20°C bli 2021 eller 2022?”. Att kvantitativt kunna besvara denna fråga skulle hjälpa Vattenfall med att designa framtidens elnät samt se till att det finns rätt mängd flexibilitet i reserv i nuvarande Stockholm Flex elmarknad. Detta examensarbete utgår från att kvantitativt analysera denna frågeställning. Utgångsläget är ett datadrivet tillvägagångssätt baserat på tio års tidseriedata för att undersöka temperaturkänsligheten för det aggregerade elbehovet i Stockholmsregionen, och dra slutsatser om dess utveckling genom åren. I första hand, utförs en explorativ analys för att förstå när och hur toppbelastning kan hända. Då hjälper dessa insikter till att utforma två innovativa regressionsmetoder för att undersöka utvecklingen av elförbrukning under det senaste decenniet och uppskatta värdet på toppbelastningen. Därefter används ett säsongmässigt autoregressivt integrerat rörligt genomsnitt med exogena faktorer (SARIMAX) för att modellera en vinter som en funktion av temperaturerna. Denna tredje metod behandlar nya och mer tillförlitliga beräkningar av toppbelastning värden i 2022 på -20°C. Huvudslutsatser från examensarbetet är att elförbrukningen skulle öka i området Stockholm Södra speciellt mellan 2010 och 2015, medan elförbrukningen skulle vara stabil under hela perioden i området Stockholm Norra. Det finns en risk för att under ett antal timmar vid riktigt kall vinter, ha ett elbehov högre än Vattenfall Eldistributions summa av abonnemang. Dock är det väldigt låg sannolikhet att detta händer, vilket innebär att det förmodligen finns andra sätt att hantera denna efterfråga på el än att öka överföringskapaciteten i elnätet. Examensarbetet resulterar i flera frågor. Exempelvis att utreda möjligheter i att utnyttja lokala el och värmekraftverk och använda elprissignaler. Ytterligare arbete kan också undersöka scenarier av den framtida elförbrukning i en mindre skala.