<p>I mars år 2000 blev det tillåtet för börsnoterade bolag att genomföra återköp av egna aktier i Sverige. En del kritiker hävdar att återköp kan användas till att påverka aktiekursen positivt, till förmån för bland annat optionsinnehavare. I denna uppsats har vi undersökt om antal utestående optioner till anställda ökar sannolikheten för genomförandet av aktieåterköp. För att ta reda på detta har vi undersökt data från samtliga bolag som var noterade på NASDAQ OMX Large Cap i Stockholm vid utgången av år 2007. Vi har analyserat datamaterialet med hjälp av enkel linjär regression samt logistisk regression. Vi finner en svag positiv korrelation i den enkla regressionsmodellen. Den logistiska regressionen påvisar dock ett starkare samband, vilket indikerar att återköp till viss del kan påverkas av bolagens optionsprogram.</p>

I mars år 2000 blev det tillåtet för börsnoterade bolag att genomföra återköp av egna aktier i Sverige. En del kritiker hävdar att återköp kan användas till att påverka aktiekursen positivt, till förmån för bland annat optionsinnehavare. I denna uppsats har vi undersökt om antal utestående optioner till anställda ökar sannolikheten för genomförandet av aktieåterköp. För att ta reda på detta har vi undersökt data från samtliga bolag som var noterade på NASDAQ OMX Large Cap i Stockholm vid utgången av år 2007. Vi har analyserat datamaterialet med hjälp av enkel linjär regression samt logistisk regression. Vi finner en svag positiv korrelation i den enkla regressionsmodellen. Den logistiska regressionen påvisar dock ett starkare samband, vilket indikerar att återköp till viss del kan påverkas av bolagens optionsprogram.

Denna uppsats utreder olika metoder för att modellera olympisk framgång, genom att konstruera och utvärdera olika prediktionsmodeller som ämnar prognostisera antalet medaljer som länder förväntas vinna i vinter-OS. Uppsatsen undersöker fyra huvudsakliga frågeställningar. Inledningsvis utreds hypotesen att en utvidgad modell, som tar hänsyn till ekonomiska och idrottsrelaterade faktorer, gör bättre prognoser än en simpel modell som enbart tar hänsyn till prestationen i förra vinter-OS. Hypotesen bekräftas av resultatet. Den andra frågan som utreds är huruvida en modell som är skattad med poissonregression respektive negativ binomialregression gör bättre prognoser än en modell som är skattad med linjär regression. Slutsatsen är att modellen som är skattad med linjär regression gör bättre prognoser. Den tredje frågeställningen är om prognoserna blir bättre när en korrigering för ökat antal grenar inkluderas. Slutsatsen är att prognoserna blir sämre när korrigeringen är inkluderad. Effekten av att antalet grenar ökar fångas alltså inte in på ett lämpligt sätt i korrigeringen. Angående prognosen för OS 2018, som den fjärde frågan berör, dras slutsatsen att USA, Nederländerna, Kanada och Norge förväntas hamna i toppen, vilket de ofta gör i vintersportsammanhang. Det land som förväntas göra ett häpnadsväckande bra resultat, i förhållande till tidigare OS, är Sydkorea eftersom det förväntas vara en stor fördel att vara värdnation.

This thesis is conducted within the project of categorizing the building stock in Sweden, which is a part of the research program Spara and bevara initiated by the Swedish Energy Agency. Categorizing the building stock is done to find typical buildings of which to analyze for energy efficiency measures. The purpose of this thesis is to evaluate the performance of energy signatures calculated with different time steps and methods in order to find out how energy signatures can be used as a supplement to the categorization and to compare the energy use in buildings to their Energy Performance Certificate (energideklaration). The certificates are found in the database GRIPEN, provided by the National Board of Housing, Building and Planning (Boverket). The results show that an energy signature with time resolution of hours or days can be used for an accurate prediction of the energy use in a building. With larger time steps the accuracy is reduced. The prediction of the buildings use of domestic hot water is scattered and need to be compared to measured values for a better result. When the energy use (corrected for climate) is compared to the Energy Performance of a building there is a large difference, at the most 26 %, with the conclusion that the corrected energy use has to be calculated over a couple of years for a good estimation. Furthermore the results show that grouping measured energy use in even intervals of temperature is better when the specific energy loss of the building is to be predicted. The coefficient of determination (R2) can be used to detect an abnormal energy use in a building. When equivalent temperature (Te) is used the value of R2 increases. Further studies are required to determine whether effects of solar radiation and wind on the building can be predicted from the value of R2 for different temperature sets.

This report is aimed at building companies and brokers who are interested to see how the trends in prices are on older buildings, near a new construction project. It may be that it is easier for construction companies to get through the planning permission if it can be shown that the new construction projects have a positive impact on the price of existing adjacent buildings. The study may be viewed as a pilot project where this kind of reports are rare and probably not done before in Sweden. The model must be extended to more areas in order to ensure the result of higher significance. The conclusion about the study is that it is an indication of positive price impact, but the modeling and the approach has been the central focus of the study. It is likely to assume that in order to make a better model, even more factors have be taken into account. For example, it is possible that when a construction project is built, it can be improved communications to the area, new stores can be built or similar improvements, so even such aspects would be needed for a more rigorous study. / Den här rapporten är riktad till byggbolag och mäklare som är intresserade av att se hur prisutvecklingen på äldre bebyggelse är kring ett nybyggnadsprojekt. Det kan tänkas att det är lättare för byggbolag att få igenom bygglov om det kan påvisas att nybyggnadsprojekt har en positiv inverkan på priset gällande närliggande byggnation. Studien får dock ses som ett pilotprojekt då arbeten av den här typen är ovanliga och troligen inte utförda tidigare i Sverige. Modellen behöver utvidgas med fler områden för att kunna säkerställa resultatet med högre signifikans. Slutsatsen kring studien är att det finns indikation på positiv prispåverkan, men modelleringen och tillvägagångssättet har varit det centrala i studien. Det är troligt att anta att för att göra en så god modell som möjligt behövs även fler faktorer beaktas. Exempelvis kan det tänkas att då ett nybyggnadsprojekt byggs, förbättras även kommunikationerna till området det kan byggas nya butiker eller motsvarande förbättringar, så även sådana aspekter skulle behövas för en mer rigorös studie.

Sverige har under 1900-talets senare halva prioriterat inkludering och att alla elever skulle få en chans att nå så långt som möjligt, oberoende av dess ekonomiska eller sociala bakgrund. 1990-talet förde dock med sig en mängd reformer som drastiskt förändrade skolans förutsättningar. Elever har idag större möjlighet till egna val gällande deras skolgång. Denna valfrihet, tillsammans med friskolereformen, har ökat utbudet och variationen av skolor. Skillnaderna mellan skolorna, i form av elevunderlag och likvärdighet, har i sin tur också ökat. Denna studie har parat ihop samtliga elevers slutbetyg med deras föräldrars inkomstnivå. Detta underlag har använts för att genomföra statistisk analys av hur föräldrars inkomstnivå påverkar elevers slutbetyg i årskurs 9 vid en högstadieskola i Ängelholm. Resultaten visar att en högre inkomst, hos elevens bäst tjänande förälder, i genomsnitt leder till högre betyg. Ungefär 17% av elevers slutbetyg kan förklaras av deras föräldrars inkomst. Dock med en relativt tidig övre gräns på 450 000 kr per år och bara upp till strax över betyget C i genomsnitt, ett resultat som är lägre än i andra nationella studier. Föräldrars inkomstnivå påverkar också ämnen olika med svenska i topp. Matematik är det ämne med lägst betygsgenomsnitt men även det ämne som minst påverkas av förälders inkomstnivå. En delförklaring till resultatskillnaderna finns troligen att finna i att Ängelholms skolor är relativt heterogena i sitt elevunderlag, dvs relativt osegregerade och det finns enbart en gymnasieskola inom kommunen att välja. Tillsammans med att avståndet mellan rik och fattig i kommunen är mindre än riksgenomsnittet skapar det förutsättningar som minskar effekten av föräldrars inkomst på elevers skolresultat.

Fotboll och ekonomi är två ämnen som tillsammans utgör en stor del av världens intressen. Det är dessutom ämnen som under 2000-talet oftast blir nämnda i samma mening. Oftast talas det om att pengar inte kan köpa allt, och i fotbollsvärlden handlar det om att man inte kan köpa en ligatitel. Denna studie fokuserar på att undersöka hur ekonomisk ställning i ett svenskt elitfotbollslag kan påverka deras slutliga tabellplacering i Allsvenskan och Superettan. Inledningsvis diskuteras det om svensk fotbolls ställning i världen, tidigare studier och på vilket sätt denna studie tar sig ann ämnet. Relevant teori kring ämnet presenteras och även en förklaring kring urvalet av olika ekonomiska nyckeltal. Undersökningen omfattar totalt sex olika ekonomiska nyckeltal tagna från årsredovisningar från sex olika lag under är period på nio år. Dessa nyckeltal sätts i relation till lagens tabellplaceringar i en analys av beskrivande statistik, enkel linjär regression och multipel regression. Genom en analys av beskrivande statistik kring den insamlade datan visade studien på att en stark ekonomi kan ge en fördel i jakten på ligaguldet. Resultatet från den enkla linjära regressionen gav en analys på hur de olika nyckeltalen påverkar tabellplacering var för sig. Slutligen av resultaten från den multipla regressionen fick studien svar på vilka av de ekonomiska nyckeltalen som tillsammans bäst kan förklara vilken tabellplacering laget tar. För framtida studier föreslås en undersökning med ett större urval av variabler relaterade till ekonomisk styrka och prestation.

Bakgrund: För att kunna ta välgrundade finansiella beslut, behöver aktörer göra prognoser om vad som kommer ske i framtiden. Detta har medfört att både forskare och praktiker har byggt olika modeller som syftar till att prognostisera framtiden. Ett centralt mått i många finansiella modeller är tillgångens volatilitet, som är ett mått på prisförändringen under en tidsperiod. Den implicita volatiliteten, härledd via derivatmarknaden och prissättningsmodeller, är en marknadsprognos för en tillgångs framtida volatilitet. Tidigare forskning pekar på att den implicita volatiliteten är bättre på att prognostisera den framtida volatiliteten jämfört med modeller som använder historisk volatilitet. Däremot finns det osäkerheter kring hur variabler som handelsvolym och löptid påverkar dessa volatilitetsprognoser. Syfte: Syftet med studien är att undersöka hur prognosförmågan hos den implicita volatiliteten för den framtida realiserade volatiliteten förhåller sig vid olika löptider samt vid olika handelsvolymer. Metod: För att uppnå syftet med studien har vi använt oss av en kvantitativ metod samt en deduktiv ansats. Urvalet består av 100 bolag som varit noterade på S&amp;P 500 mellan 2017 och 2021. Vidare har regressioner utförts i syfte till att fastställa den implicita volatilitetens prognosförmåga. Två modeller har använts varav en heterogeneous autoregressive modell (HAR) och en enkel linjär regression (ELR). Slutligen analyseras regressionerna utifrån kategoriseringar baserat på löptid samt olika handelsvolym. Slutsats: Studien finner inga signifikanta skillnader bland förklaringsgraderna med avseende på olika löptider. Däremot finner vi att den implicita volatiliteten från kortare optioner tenderar att underskatta den realiserade volatiliteten till högre grad än för längre löptider. I kontrast till tidigare forskning finner vi att prognoser blev sämre vid högre handelsvolymer men att underskattningar är vanligare för lägre handelsvolymer.

The purpose of this bachelor thesis is to investigate how different variables impact voice and data traffic for a telecom operator that operates in an undisclosed Sub-Saharan African country. The data has been provided by said company. The models, generated by using multivariate linear regression analysis, have a high explanatory power, as evidenced by high coefficients of determination. However, it is important to recognize the persistence of certain systematic issues, which are most likely due to the absence of key explanatory variables. Addressing these limitations in future research efforts will lead to a more comprehensive understanding of the subject and more robust findings to determine which factors drive voice and data traffic. In the report, the telecommunication sites are segmented based on generated income. Two segmentation models were created to categorize sites based on their data and voice revenue quartiles. A color matrix was used to depict the results. The hypothesis that nearby sites are more likely to perform similarly was tested using a quartile-based scoring method. The regression analysis uncovered significant variables and revealed information about the relationship between various factors and data and voice traffic. The regression residuals were analyzed using qualitative cluster analysis, which revealed distinct clustering patterns. Overall, the study provides useful insights into data and voice traffic segmentation and performance analysis in the analyzed region. / Syftet med detta kandidatarbete är att undersöka hur olika variabler påverkar röst- och datatrafik för en telekom-operatör som är verksam i ett Subsahariskt afrikanskt land. Studien använder sig av linjär regressionsanalys för att utveckla modeller som visar med en bra förklaringsgrad. Förklaringsgraden visas genom höga determinationskoefficienter. Men, trots ett bra resultat är det viktigt att ta hänsyn till systematiska problem hos modellerna. problemen beror troligtvis på att viktiga förklarande variabler saknas i datan. Framtida forskningsinsatse bör därför sträva efter att åtgärda dessa begränsningar, och på så sätt uppnå en mer omfattande förståelse av ämnet och mer korrekt resultat. I rapporten segmenteras telekommunikationsmasterna baserat på genererad inkomst. Två segmenteringsmodeller har utvecklats för att kategorisera masterna enligt deras kvartiler för data- och röstintäkter. Resultaten visas visuellt med hjälp av en färgmatris. Dessutom prövades hypotesen att närliggande master uppvisar liknande prestanda med hjälp av en kvartilsbaserad poängmetod. Regressionsanalysen identifierar signifikanta variabler och ger insikter i relationen mellan olika faktorer mellan data- och rösttrafik. Vidare upptäcks, via kvalitativ klusteranalys av regressionsresterna, tydliga klustringsmönster i resultatet. Sammantaget ger denna studie värdefulla insikter i data- och rösttrafiksegmentering samt prestandaanalys i den analyserade regionen.

För alpina skidåkare mäter man prestationer i så kallad FIS-ranking. Vi undersöker några metoder för hur man kan analysera data där responsen består av ranger som dessa. Vid situationer då responsdata utgörs av urval av ranger finns ingen självklar analysmetod. Det vi undersöker är skillnaderna vid användandet av olika regressionsanpassningar så som linjär, logistisk och ordinal logistisk regression för att analysera data av denna typ. Vidare används bootstrap för att bilda konfidensintervall. Det visar sig att för våra datamaterial ger metoderna liknande resultat när det gäller att hitta betydelsefulla förklarande variabler. Man kan därmed utgående från denna undersökning, inte se några skäl till varför man ska använda de mer avancerade modellerna. / Alpine skiers measure their performance in FIS ranking. We will investigate some methods on how to analyze data where response data is based on ranks like this. In situations where response data is based on ranks there is no obvious method of analysis. Here, we examine differences in the use of linear, logistic and ordinal logistic regression to analyze data of this type. Bootstrap is used to make confidence intervals. For our data these methods give similar results when it comes to finding important explanatory variables. Based on this survey we cannot see any reason why one should use the more advanced models.