Global ETD Search

61	Driving factors for growing companies / Drivande faktorer för växande företag Liljedahl, Ida, Rondahl, Ebba January 2020 (has links) Finding a way to forecast what characteristics make a fast growing company would be useful, both for companies trying to succeed and for investment companies wanting to make successful investments. This thesis aims to develop a model describing the relationship between 9 chosen characteristics, based on real data from 2015 concerning companies that were rewarded with a DI Gasell in 2018. The final result show that half of the variables chosen to form the model have little to no relationship with the response variable EBIT margin. However, the final model consists of four variables that with statistic significance correlates with the response variable. The explanatory level is low and implies that forecasting companies growth probably can’t be done using this model. The four regressors that correlate with EBIT margin are Year of Incorporation, Operatingrevenue, Number of subsidiaries & SNI code. Although a forecast can’t be performed other insight are obtained from the research. Companies with SNI code 4, which corresponds to operating in the economic sector, affects EBIT margin in a more positive way than other sectors. Number of subsidiaries correlates fairly linearly with the response variable. Contradictory to previous research CEO characteristics are shown to be the least important factor contributing to profitability. / Att hitta ett sätt att förutspå vilka egenskaper som skapar ett snabbväxande företag kan vara användbart, både för företag som vill växa men också för investeringsbolag som letar efter gynnsamma investeringar med bra avkastning. Denna avhandling strävar efter att utveckla en modell som beskriver relationen mellan 9 utvalda variabler, baserat på data från år 2015 gällande företag som 2018 tilldelades utmärkelsen ”DI Gasell”. Den slutgiltiga modellen visar att hälften av regressorerna statistiskt signifikant påverkar responsvariabeln EBIT-marginal. Förklaringsgraden för modellen är låg, vilket antyder att sambanden inte är starka nog att kunna förutspå vilka företag som kommer att bli ”DI Gasell” med denna modell. De fyra regressorer som påverkar EBIT-marginalen mest är registreringsår, omsättning, antal dotterbolag och SNI-kod. Trots modellens låga förklaringsvärde kan andra slutsatser dras av undersökningen. Företag i ekonomisektorn påverkar EBIT-marginalen mer positivt än företag inom andra sektorer. Antal dotterbolag korrelerar relativt linjärt med respons variabeln. Till motsats från tidigare studier visar avhandlingen att ålder och kön på VD inte påverkar lönsamheten. Gazelle companies Growing companies Driving factors DI Gasell EBIT margin Multiple Linear Regression Stockholm Region Gasellföretag DI Gasell EBIT-marginal Multipel linjär regression Stockholmsregionen Probability Theory and Statistics Sannolikhetsteori och statistik
62	An investigation of the relationship between online activity on Studi.se and academic grades of newly arrived immigrant students : An application of educational data mining Menon, Akash, Islam, Nahida January 2017 (has links) This study attempts to analyze the impact of an online educational resource on academic performances among newly arrived immigrant students in Sweden between the grade six to nine in the Swedish school system. The study focuses on the web based educational resource called Studi.se made by Komplementskolan AB.The aim of the study was to investigate the relationship between academic performance and using Studi.se. Another purpose was to see what other factors that can impact academic performances.The study made use of the data mining process, Cross Industry Standard for Data Mining (CRISP-DM), to understand and prepare the data and then create a regression model that is evaluated. The regression model tries predict the dependent variable of grade based on the independent variables of Studi.se activity, gender and years in Swedish schools. The used data set includes the grades in mathematics, physics, chemistry, biology and religion of newly arrived students in Sweden from six municipalities that have access to Studi.se. The data used also includes metrics of the student’s activity on Studi.se.The results show negative correlation between grade and gender of the student across all subjects. In this report, the negative correlation means that female students perform better than male students. Furthermore, there was a positive correlation between number of years a student has been in the same school and their academic grade. The study could not conclude a statistically significant relationship between the activity on Studi.se and the students’ academic grade.Additional explanatory independent variables are needed to make a predictive model as well as investigating alternative regression models other than multiple linear regression. In the sample, a majority of the students have little or no activity on Studi.se despite having free access to the resource through the municipality. / Denna studie analyserar inverkan som digitala läromedel har på skolbetyg bland nyanlända elever i Sverige mellan årskurs sex och nio i det svenska skolsystemet. Studien fokuserar på den webbaserade pedagogisk resursen Studi.se, gjord av Komplementskolan AB.Målet med studien var att undersöka relationen mellan skolresultat och användandet av Studi.se. Ett annat syfte var att undersöka vad för andra faktorer som kan påverka skolresultat.Studien använder sig av datautvinningsprocessen, Cross Industry Standard for Datamining (CRISP-DM), för att förstå, förbereda och analysera datan i form av en regressionsmodell som sedan evalueras. Datasamlingen som används innehåller bland annat skolbetyg i ämnena matematik, fysik, kemi, biologi och religion från sex kommuner som har tillgång till Studi.se. Aktivitet hos eleverna från dessa kommuner på Studi.se hemsidan användes också för studien.Resultaten visar en negativ korrelation mellan betyg och kön hos eleverna i alla ämnena. Den negativa korrelationen betyder i denna rapport att tjejer får bättre betyg i genomsnitt än killar hos urvalet av nyanlända från de sex kommunerna. Dessutom fanns det en positiv korrelation mellan antal år en elev varit i skolan alternativt i svenska skolsystemet och deras betyg. Studien kunde inte säkerställa ett statistisk signifikant resultat mellan aktivitet på Studi.se och elevernas skolresultat.Ett flertal förklarande oberoende variabler behövs för att kunna skapa en prognastisk modell för skolresultat samt bör en undersökning på alternativa regressions modeller förutom linjär multipel regression göras. I studiens urval av nyanlända elever från kommunerna, har majoriteten inte använt eller knappt använt Studi.se även om dessa kommuner haft tillgång till denna resurs. Educational data mining (EDM) data mining (DM) Statistical analysis Multiple linear regression null-hypothesis and level of significance. Utbildningsdatautvinning Datautvinning CRISP-DM Statistisk analys Multipel linjär regression nollhypotes och signifikansnivå Computer and Information Sciences Data- och informationsvetenskap
63	Using Multiple Linear Regression to Estimate Customer Profitability in Consumer Credits / Använda Multipel Linjär Regression för att Estimera Kundlönsamhet i Konsumentkrediter Almgren, Andreas January 2021 (has links) In cooperation with a consumer credit company based in Stockholm, this bachelor thesis investigates if the customer profitability in the consumer credit market can be predicted with multiple linear regression. Data collected before the initial credit was accepted and data connected to the account activity of the customers' first nine months are analyzed. Further, it is examined if the findings could be useful in a profitability analysis and as a reduction of adverse selection. The findings show that a number of covariates express promising correlations with the costumer profitability. However, the prediction error is high and not efficient in individual cases. Further, some reduction in adverse selection, due to a decrease in asymmetric information between the customers and the company, can be identified, but further research is encouraged. Finally, potential improvements are discussed, especially concerning the choice of regression algorithm. / I samarbete med ett konsumentkreditbolag baserat i Stockholm undersöker detta kandidatexamensarbete om kundlönsamhet inom marknaden för konsumentkrediter kan förutsägas med hjälp av multipel linjär regression. Data består av information som insamlades innan den initiala kreditförfrågningen accepterades, och av kontoaktivitet under kundens nio första månader. Vidare undersöks om resultatet kan användas i en lönsamhetsanalys och som en metod för att minska snedvridet urval. Resultatet visar att ett antal kovariat uttrycker en lovande korrelation med kundlönsamheten. Dessvärre är felen från förutsägelserna stora och därför ineffektiva gällande estimering av individuella kunder. Fortsättningsvis kan det identifieras viss reduktion av snedvridet urval som en följd av minskad informationsasymmetri mellan kunderna och företaget, men vidare undersökning uppmuntras. Avslutningsvis diskuteras ett antal förbättringsmöjligheter, framför allt gällande val av regressionsalgoritm. Bachelor Thesis Mathematical Statistics Multiple Linear Regression Consumer Credits Customer Profitability Adverse Selection Strategic Marketing Kandidatexamensarbete Matematisk Statistik Multipel Linjär Regression Konsumentkrediter Kundlönsamhet Snedvridet urval Marknadsföring Probability Theory and Statistics Sannolikhetsteori och statistik
64	Robust Portfolio Optimization with Correlation Penalties / Robust portföljoptimering med korrelationsstraff Nydahl, Pelle January 2023 (has links) Robust portfolio optimization models attempt to address the standard optimization method's high sensitivity to noise in the parameter estimates, by taking an investor's uncertainty about the estimates into account when finding an optimal portfolio. In this thesis, we study robust variations of an extension of the mean-variance problem, where an additional term penalizing the portfolio's correlation with an exogenous return sequence is included in the objective. Using a normalized risk factor model of the asset returns, estimations are done using EMA filtering as well as exponentially weighted linear regression. We show that portfolio performance can significantly improve with respect to a range of metrics, such as Sharpe ratio, expected shortfall and skewness, when using appropriate robust models and hyperparameters. We further show that extending the optimization problem with a correlation penalty can notably reduce portfolio correlation with an arbitrary return sequence, with only a small impact on other performance metrics. / Robust portföljoptimering är en metod för att reducera vanliga portföljmodellers höga känslighet för brus i parameterskattningar, genom att ta en investerares osäkerhet kring skattningarna i åtanke när en optimal portfölj tas fram. I denna rapport studeras robusta varianter av ett utökat mean-variance-problem, där en straffterm för portföljens korrelation med en exogen avkastningsserie lagts till. Skattningarna bygger på en riskfaktor-modell för avkastningarna, och använder EMA-filter kombinerat med exponentiellt viktad linjär regression. Vi visar att en portföljs prestanda kan förbättras avsevärt med avseende på ett flertal prestandamått, till exempel Sharpe-kvot, expected shortfall och skevhet, vid användning av lämpliga robusta modeller och hyperparametrar. Vi visar också att inkludering av ett korrelationsstraff i optimeringsproblemet kan ge noterbara reduceringar i portföljens korrelation med en godtycklig avkastningsserie, med liten effekt på andra prestandamått. Portfolio Optimization Portfolio Allocation Robust Optimization Correlation Risk Factor Model EMA Filtering Weighted Linear Regression Portföljoptimering Portföljallokering Robust optimering Korrelation Riskfaktor-modell EMA-filtrering Viktad linjär regression Other Mathematics Annan matematik
65	Evaluation of Machine Learning Methods for Time Series Forecasting on E-commerce Data / Utvärdering av Maskininlärningsmodeller för tidsserie-prognotisering på e-handels data Abrahamsson, Peter, Ahlqvist, Niklas January 2022 (has links) Within demand forecasting, and specifically within the field of e-commerce, the provided data often contains erratic behaviours which are difficult to explain. This induces contradictions to the common assumptions within classical approaches for time series analysis. Yet, classical and naive approaches are still commonly used. Machine learning could be used to alleviate such problems. This thesis evaluates four models together with Swedish fin-tech company QLIRO AB. More specifically, a MLR (Multiple Linear Regression) model, a classic Box-Jenkins model (SARIMAX), an XGBoost model, and a LSTM-network (Long Short-Term Memory). The provided data consists of aggregated total daily reservations by e-merchants within the Nordic market from 2014. Some data pre processing was required and a smoothed version of the data set was created for comparison. Each model was constructed according to their specific requirements but with similar feature engineering. Evaluation was then made on a monthly level with a forecast horizon of 30 days during 2021. The results shows that both the MLR and the XGBoost provides the most consistent results together with perks for being easy to use. After these two, the LSTM-network showed the best results for November and December on the original data set but worst overall. Yet it had good performance on the smoothed data set and was then comparable to the first two. The SARIMAX was the worst performing of all the models considered in this thesis and was not as easy to implement. / Inom efterfrågeprognoser, och specifikt inom området e-handel, innehåller den tillhandahållna informationen ofta oberäkneliga beteenden som är svåra att förklara. Detta motsäger vanliga antaganden inom tidsserier som används för de mer klassiska tillvägagångssätten. Ändå är klassiska och naiva metoder fortfarande vanliga. Maskininlärning skulle kunna användas för att lindra sådana problem. Detta examensarbete utvärderar fyra modeller tillsammans med det svenska fintechföretaget QLIRO AB. Mer specifikt en MLR-modell (Multiple Linear Regression), en klassisk Box-Jenkins-modell (SARIMAX), en XGBoost-modell och ett LSTM-nätverk (Long Short-Term Memory). Den tillhandahållna informationen består av aggregerade dagliga reservationer från e-handlare inom den nordiska marknaden från 2014. Viss dataförbehandling krävdes och en utjämnad version av datamängden skapades för jämförelse. Varje modell konstruerades enligt deras specifika krav men med liknande \textit{feature engineering}. Utvärderingen gjordes sedan på månadsnivå med en prognoshorisont på 30 dagar under 2021. Resultaten visar att både MLR och XGBoost ger de mest pålitliga resultaten tillsammans med fördelar som att vara lätta att använda. Efter dessa visar LSTM-nätverket de bästa resultaten för november och december på den ursprungliga datamängden men sämst totalt sett. Ändå visar den god prestanda på den utjämnade datamängden och var sedan jämförbar med de två första modellerna. SARIMAX var den sämst presterande av alla jämförda modeller och inte lika lätt att implementera. Thesis Time Series Machine Learning E-commerce Demand Forecasting Multiple Linear Regression SARIMAX XGBoost LSTM Model Evaluation Examensarbete tidsserier maskininlärning e-handel efterfrågeprognoser multipel linjär regression SARIMAX XGBoost LSTM modellutvärdering Other Mathematics Annan matematik
66	Factors Affecting Employment Duration in the Food Retail Industry / Faktorer som Påverkar Anställningens Varaktighet i Dagligvaruhandeln Sundling, Beata, Höft, Lova January 2023 (has links) Measuring and tracking the employee turnover rate is a crucial part when evaluating a company’s performance. An important part of this is measuring the employment duration within an organization. The purpose of this report is to investigate if employment duration in a food retail company can be explained by predetermined variables using multiple linear regression. Data from five years ago until today has been collected and processed to analyze and fit the best choice of the linear model. Gender, employment rate, industry experience and age are the predictors used for conducting the analysis. The result shows that a low linear correlation can be seen between employment duration and the explanatory variables: gender, employment rate, industry experience and age. In the discussion, the results are analyzed as well as potential problems and improvements of the regression. statistics applied mathematics regression analysis multiple linear regression employment duration employment turnover rate food retail industry statistik tillämpad matematik regressionsanalys multipel linjär regression anställningens varaktighet personalomsättningshastighet dagligvaruhandeln Probability Theory and Statistics Sannolikhetsteori och statistik
67	Precision Tailoring Cooling Systems using Linear Regression / Precisionsanpassning av Kylsystem med Linjär Regression Bjelle, Kajsa, Cui, Ida January 2021 (has links) This bachelor thesis is written for KTH Royal Institute of Technology and Ymer Technology AB. It examines the friction factor associated with the pressure drop in wavy-fin heat exchangers. Previous studies have used a nonlinear approach for determining the regression coefficients. This study introduces a linearizing transform that solves the issues of finding non-optimal parameter values stemming from the current nonlinear approach. The linearization also drastically improves the computational time. A final model explaining 95.4\% of the variance in the data is presented. Methods for avoiding overfitting, detecting outliers and hidden extrapolation are presented and used to evaluate the model. The implications of the mathematical results on improving profit, competitiveness, and customer relationships are analyzed in the second part of the report with a qualitative approach. / Denna kandidatuppsats är skrivet vid Kungliga Tekniska Högskolan och Ymer Technology AB. Det undersöker den friktionsfaktor som associeras med tryckfallet i kylare med wavy-fins. Tidigare studier har använt ett ickelinjärt tillvägagångssätt för att bestämma regressionskoefficienterna. Denna studie introducerar en linjäriserande transform som löser problemen med att hitta icke-optimala paramatervärden, som härstammar från tidigare icke-linjära tillvägagångsätt. Linjäriseringen visar sig även förbättra beräkningstiden drastiskt. En slutgiltig modell som förklarar 95\% av variansen i datan presenteras. Metoder för att undvika overfitting, identifiera outliers, och undvika att falla offer för gömd extrapolation presenteras och används för att evaluera modellen. De matematiska resultatens implikationer för Ymer med avseende på vinst, konkurrenskraft och kundrelationer, analyseras i den andra delen av rapporten med en kvalitativ ansats. Regression analysis nonlinear regression linear regression Levenberg-Marquardt applied mathematics friction factor wavy fin bachelor thesis Regressionsanalys ickelinjär regression linjär regression Levenberg-Marquardt tillämpad matematik friktionsfaktor wavy fin kandidatexamensarbete Probability Theory and Statistics Sannolikhetsteori och statistik
68	Modelling Factors Affecting Academic Performance in Swedish Schools with Multiple Linear Regression / Modellering av faktorer som påverkar studieresultat i svenska skolor med multipel linjär regression Breivold, Johanna January 2023 (has links) This bachelor thesis examines factors affecting the academic performance in Swedish schools. Specifically, the average qualification point among ninth grade students in schools in Stockholm municipality during the academic year 2021-2022 are studied. Multiple linear regression is used to identify individual, social, and school specific factors which have a significant impact on the average qualification point in schools. The purpose is to identify factors affecting the academic performance, and by that contribute to the knowledge base constituting the foundation for the work to improve the academic performance and provide equal opportunities for all students. The Swedish grading system, previous research on factors affecting students' performance, and the Swedish school in a societal perspective are also discussed. The findings indicate that the background of the students, the parents' level of education, and the number of students per teacher are good predictors for academic performance. / Denna kandidatuppsats undersöker faktorer som påverkar studieresultatet i svenska skolor. Specifikt studeras det genomsnittliga betyget bland elever i årskurs nio i Stockholms kommuns skolor under läsåret 2021-2022. Multipel linjär regression används för att identifiera individfaktorer, sociala faktorer och skolspecifika faktorer som har en signifikant inverkan på skolors genomsnittliga betyg. Syftet är att identifiera faktorer som påverkar studieresultatet och därmed bidra till kunskapsbasen som utgör grunden för arbetet med att förbättra studieresultat och tillhandahålla lika möjligheter för alla elever. Det svenska betygssystemet, tidigare forskning kring faktorer som påverkar elevers studieprestation samt den svenska skolan i ett samhälleligt perspektiv diskuteras också. Resultatet tyder på att elevernas bakgrund, föräldrarnas utbildningsnivå och antalet elever per lärare är bra prediktorer för akademisk prestation. Academic performance average qualification point foreign background educational level teacher's degree students per teacher staffing ratio organizer multiple linear regression Studieresultat genomsnittligt meritvärde utländsk bakgrund utbildningsnivå lärarexamen lärartäthet huvudman multipel linjär regression Probability Theory and Statistics Sannolikhetsteori och statistik
69	Macroeconomic Factors' Impact on Sweden’s CO2e Emissions - A Multiple Linear Regression Analysis / Makroekonomiska faktorers påverkan på Sveriges CO2e-utsläpp - En multipel linjär regressionsanalys Magnusson, Johan, Nilsson, Axel January 2023 (has links) This study investigated the relationship between Sweden’s CO2e (Carbon Dioxide Equivalent) emissions and key macroeconomic factors, for the period 2008Q1- 2022Q3. The aim was to enhance the understanding of the link between macroeconomic factors and greenhouse gas emissions in a post-industrial economy, using multiple regression analysis. The study identified several significant macroeconomic factors affecting CO2e emissions and examined the extent to which these variables explain the fluctuations in Sweden’s emissions. Additionally, the study assessed the validity of the Environmental Kuznets Curve and Porter Hypothesis within Sweden’s environmental context. In the study, two multiple regression models were developed. Model 1 had an R^2 of 0.90, using the macroeconomic variables Industry Fuel Consumption, Population, Net Export, and Oil Prices. However, since the first model displayed moderate autocorrelation, a second model was also built by introducing a lagged dependent variable which yielded an R^2 of 0.92. / Denna studie undersökte förhållandet mellan Sveriges CO2e (koldioxidekvivalent) utsläpp och centrala makroekonomiska faktorer för perioden 2008K1-2022K3. Syftet var att öka förståelsen för sambandet mellan makroekonomiska faktorer och växthusgasutsläpp i en postindustriell ekonomi, med användning av multipel regressionsanalys. Studien identifierade flera betydande makroekonomiska faktorer som påverkar CO2e-utsläpp och undersökte i vilken utsträckning dessa variabler förklarar fluktuationerna i Sveriges utsläpp. Dessutom utvärderade studien giltigheten av Miljökuznetskurvan och Porters hypotes inom ramen för Sveriges miljökontext. I studien skapades två multipel regressionsmodeller. Modell 1 hade ett R^2 på 0,90, med de makroekonomiska variablerna Industriell Bränsleförbrukning, Befolkning, Nettoexport och Oljepriser. Eftersom den första modellen visade måttlig autokorrelation byggdes dock även en andra modell genom att införa en fördröjd beroende variabel, vilket resulterade i ett R^2 på 0,92. Mathematical statistics Multiple linear regression CO2e emissions Sweden Macroeconomic development Sustainable economic growth Environmental Kuznets Curve Porter Hypothesis Matematisk statistik Multipel linjär regression CO2e-utsläpp Sverige Makroekonomisk utveckling Hållbar ekonomisk tillväxt Miljökuznetskurvan Porters hypotes Probability Theory and Statistics Sannolikhetsteori och statistik
70	ML implementation for analyzing and estimating product prices / ML implementation för analys och estimation av produktpriser Kenea, Abel Getachew, Fagerslett, Gabriel January 2024 (has links) Efficient price management is crucial for companies with many different products to keep track of, leading to the common practice of price logging. Today, these prices are often adjusted manually, but setting prices manually can be labor-intensive and prone to human error. This project aims to use machine learning to assist in the pricing of products by estimating the prices to be inserted. Multiple machine learning models have been tested, and an artificial neural network has been implemented for estimating prices effectively. Through additional experimentation, the design of the network was fine-tuned to make it compatible with the project’s needs. The libraries used for implementing and managing the machine learning models are mainly ScikitLearn and TensorFlow. As a result, the trained model has been saved into a file and integrated with an API for accessibility. Machine Learning ML Regression Deep Learning Artificial Neural Network ANN TensorFlow ScikitLearn CUDA cuDNN Estimation Prediction AI Artificial Intelligence Price Tracking Price Logging Price Estimation Supervised Learning Random Forest Decision Trees Batch Learning Hyperparameter Tuning Linear Regression Multiple Linear Regression Maskininlärning Djup lärning Artificiellt Neuralt Nätverk Regression TensorFlow SciktLearn ML ANN Estimation Uppskattning CUDA cuDNN AI Artificiell Intelligens pris loggning pris estimation prisspårning Batchinlärning Hyperparameterjustering Linjär Regression Multipel Linjär Regression Supervised Learning Random Forest Decision Trees Computer Engineering Datorteknik

Search results