Abstract The purpose of the study is to identify the backlog in invoicing within BAS-väg and be able to identify what it is due to. Furthermore, we also want to study whether Trafikverkets structure affects the backlog of invoicing. The organization that has been studied is Trafikverket which is responsible for a large proportion of Sweden's total road network. The study is based on a qualitative method and the results of conducted interviews with semi-structured questions. The study illustrates explanations from six project managers at Trafikverket and two site managers at their contracting services within BAS-väg. Material from the informants have been studied in connection with the study's questions formulation and illustrate this based on four different themes. All the informants had to answer the same main questions, however, the explanations for the backlog of invoicing is varied. The results of the study illustrate the main reason why the backlog is due to the contractor's subcontractor's delaying invoicing. The second explanation given by both parties is that there are different combinations of resource shortage, for example lack of time, financial resources and lack of competence. The informants also believe that there are contributing negative factors within the authority that affect the invoicing process. Reasons described are lack of system programs, inadequate financial forecasting methods and tough requirements of verifications from preformed jobs. In summary, the study has helped to illustrate various explanations for why the invoicing backlog is significantly larger in the last two months of the year. Both Trafikverket and the contractors have arrangements that need to be taken in order for the entire invoicing process to be smoother and faster.

Purpose: The purpose of this paper is to examine if underlying psychological factors have an impact on shareholders' investment decisions and if forecasting quarterly reports have an impact on shareholders' investment decisions. Methods: The study combines an application of two different methods, survey and an event study. The purpose of the survey was to investigate if psychological factors interfere with shareholders' investment decisions. The Event study is designed to measure equity market reaction to the forecasts and if any changes occurred in the companies' share price. Theoretical: This study is based on established theories in the fields of behavioral finance, the efficient market hypothesis and the economic man. Conlusion: Underlying psychological factors have a certain impact on the shareholders' investment decisions. Both events study and survey, in particularly the part of the survey, which includes forecasts, showed that the shareholders are not affected by the forecasts published by market analysts.

<p>Undersökningen har karaktären av en framtidsstudie med syftet att undersöka konkurrenssituationen mellan hightechföretag från Indien och Kina med hightechföretag från Västvärlden. Detta för att göra prognoser kring framtiden. Även de faktorer som är viktiga för hightechföretags framgång i framtiden har undersökts. Undersökningsobjekten är HCL Technologies från Indien, ZTE från Kina, Ericsson från Sverige och Hewlett-Packard från USA.</p><p>Författarna har använt sig av en variant på Delphi-metoden, en enkätundersökning samt två intervjuer för att göra prognoserna. Författarna har även gjort ekonomiska jämförelser för att bedöma undersökningsobjektens ekonomiska tillstånd och förutsättningar för framtiden. Slutsatser är bland annat att faktorer viktiga för hightechföretags framgång i framtiden är tekniska funktioner, kostnadseffektivitet, kompetent personal och FoU samt FDI och IPR för asiatiska hightechföretag. Författarna drar även slutsatserna att hightechföretag från Indien och Kina kommer att kunna utgöra reella hot mot västerländska hightechföretag i framtiden och ha möjligheter att bli världsledande.</p> / <p>This paper has the character of a futurology study designed to examine the competitive situation between high-tech companies from India and China with high-tech companies from West to make predictions about the future. The factors that are important for high-tech companies' success in the future have been studied. The survey objects are HCL Technologies from India, ZTE from China, Ericsson from Sweden and Hewlett-Packard from the United States of America.</p><p>The authors have used a variant of the Delphi method, a survey and two interviews to make forecasts about the future. The authors have also made economical evaluations of the companies to compare their financial situation and conditions for the future. The conclusions include that factors that are important for high-tech companies' success in the future is, the technical features, cost efficiency, competent personnel and R&D. Also FDI and IPR for Asian high-tech companies. The authors also draws the conclusion that high-tech companies from India and China will pose a real threat to Western high-tech companies in the future and have the potential to become world leaders.</p>

Undersökningen har karaktären av en framtidsstudie med syftet att undersöka konkurrenssituationen mellan hightechföretag från Indien och Kina med hightechföretag från Västvärlden. Detta för att göra prognoser kring framtiden. Även de faktorer som är viktiga för hightechföretags framgång i framtiden har undersökts. Undersökningsobjekten är HCL Technologies från Indien, ZTE från Kina, Ericsson från Sverige och Hewlett-Packard från USA. Författarna har använt sig av en variant på Delphi-metoden, en enkätundersökning samt två intervjuer för att göra prognoserna. Författarna har även gjort ekonomiska jämförelser för att bedöma undersökningsobjektens ekonomiska tillstånd och förutsättningar för framtiden. Slutsatser är bland annat att faktorer viktiga för hightechföretags framgång i framtiden är tekniska funktioner, kostnadseffektivitet, kompetent personal och FoU samt FDI och IPR för asiatiska hightechföretag. Författarna drar även slutsatserna att hightechföretag från Indien och Kina kommer att kunna utgöra reella hot mot västerländska hightechföretag i framtiden och ha möjligheter att bli världsledande. / This paper has the character of a futurology study designed to examine the competitive situation between high-tech companies from India and China with high-tech companies from West to make predictions about the future. The factors that are important for high-tech companies' success in the future have been studied. The survey objects are HCL Technologies from India, ZTE from China, Ericsson from Sweden and Hewlett-Packard from the United States of America. The authors have used a variant of the Delphi method, a survey and two interviews to make forecasts about the future. The authors have also made economical evaluations of the companies to compare their financial situation and conditions for the future. The conclusions include that factors that are important for high-tech companies' success in the future is, the technical features, cost efficiency, competent personnel and R&amp;D. Also FDI and IPR for Asian high-tech companies. The authors also draws the conclusion that high-tech companies from India and China will pose a real threat to Western high-tech companies in the future and have the potential to become world leaders.

The Geological Survey of Sweden (SGU) has initiated a project to calibrate models to simulategroundwater levels in monitoring wells of their Groundwater Network, based on a commission fromthe Swedish Government after experiencing historically low groundwater levels and shortage in 2016and 2017. A version of the HBV model with 4 parameters, focusing on calculating groundwaterrecharge and levels, was manually calibrated to 119 groundwater stations in 2017 and the modelresults were classified according to a ‘good’, ‘poor’ or ‘bad’ visual fit to observations. In this thesis,the process-based model CoupModel, which allows the user to freely setup a model structure, wasused to simulate groundwater levels. The objectives of this thesis were to evaluate the usability of theCoupModel in groundwater level simulations and forecasting, and compare the results to previoussimulations using the HBV model. 22 groundwater stations of fast and slow responding aquifers, distributed all over Sweden, wereused to simulate groundwater levels with the CoupModel. A model structure with 11 parameters tocalibrate was constructed to represent all groundwater stations. A split-sample test was performed withcalibration of 10,000 Monte Carlo simulations and validation of the 10 simulations with the highestNash-Sutcliffe efficiency (NSE). The NSE performance was highest, and consistent through calibration and validation, for fastresponding aquifers using the CoupModel, whereas the performance of slow responding aquifers waslower. Residual analysis showed periodicity with under- and overestimations for low and highgroundwater levels, respectively, indicating that the model structure is not sufficient in representing allgroundwater stations. No relationship existed between CoupModel performance and HBV calibrationperformance, topographic position, aquifer type, location or distance to climate station. The HBVperformance was lower than for the CoupModel, with residuals of larger spread and periodicity. The CoupModel can be used for simulation and forecasting of groundwater levels, but a newmodel structure or individual structures for all groundwater stations must be constructed. A sensitivityanalysis of the parameters in the model structure must be performed to study the systematic under- andoverestimations. / Grundvatten har en stor betydelse för att upprätthålla ekosystem och försörja människor meddricksvatten, där grundvattentillgång och nivåer beror av bland annat nederbörd, temperatur,snösmältning, växtupptag och antropogen påverkan på jord och mark. Förändringar i temperatur- ochnederbördsmönster på grund av klimatförändringar och en större vattenförbrukning påverkargrundvattennivåernas variationer inom och mellan år. Den här studien syftar till att undersöka hur ochi vilken uträckning den konceptuella modellen CoupModel kan användas för simulering ochprognostisering av grundvattennivåer, samt hur den står sig i relation till en annan, tidigare studeradmodell (HBV-modellen). Studiens relevans uppdagades hos Sveriges geologiska undersökning (SGU)i samband med historiskt låga grundvattennivåer under 2016-2017, genom initiering av ett projekt medmålet att kalibrera grundvattenmodeller till mätstationer i SGUs grundvattennät. Appliceringen avmodeller har stor samhällsnytta då förebyggande av och åtgärder mot låga grundvattennivåer kanplaneras och vidtas utifrån väderprognoser och klimatscenarier. En modellstruktur skapades i CoupModel och användes för att simulera grundvattennivåer i 22grundvattenstationer av olika karaktär och modellen kalibrerades och validerades mot observationer avgrundvattennivå. Resultatet av studien visade att CoupModel kan användas som verktyg försimulering och prognostisering av grundvattennivåer, men att modellstrukturen som användes behöverutvecklas. Systematisk över- och underestimering av observerade nivåer förkommer hos allasimuleringar och ingen relation kunde ses mellan modellens prestation och plats eller typ avgrundvattenstation. CoupModel presterade i de flesta fall bättre än HBV-modellen, men kräversamtidigt mer information om en grundvattenstations jordprofil och fler parametrar att kalibrera.

A company´s competitiveness in today’s society depends largely on their production flow efficiency. The concept of Lean Production plays an important role to achieve and retain a higher flow efficiency. In this study, research is carried at the production department of one manufacturing company that is interested in investigating its production flow efficiency on a defined production flow. The department generally plans its production based on the forecasts that vary with big uncertainty and usually result in a pushing production flow towards a finished goods inventory. The problems hence arise with unnecessary storage, handling and movement of materials. Consequently, the adjustments often have to take place and lead to an uneven production flow with high capital tied up. The purpose of this study is to analyze the production process in the context of lean production for improving the production flow efficiency of the case company. Specifically, the value stream mapping tool is applied for mapping the current state of the value flow, identifying the value-added and non-value-added activities in the defined product flow, and finding out the possibility of the improvements to a more efficient value flow from supplier to customer. The mapping of the current value flow resulted in a low production flow efficiency for the case company. A number of suggestions for production flow efficiency improvements are finally proposed. These suggestions are expected to be realistically feasible and to have a positive impact on the flow efficiency. / Ett tillverkande företags konkurrenskraft i dagens samhälle beror till stor del på produktionens flödeseffektivitet och konceptet Lean produktion har en viktig roll för att uppnå och bibehålla en hög flödeseffektivitet. Denna studie utförs vid en produktionsavdelning på ett tillverkande industriföretag med avsikt att undersöka produktionens flödeseffektivitet för ett avgränsat produktflöde. I dagsläget planerar och producerar produktionsavdelningen på fallföretaget utifrån osäkra prognoser, vilket medför ett produktionsflöde som till stor del är tryckande mot ett färdigvarulager. I produktionen anses det även finnas problem med onödig lagring, hantering och förflyttningar av material samt att omställningar ofta sker, vilket leder till ett ojämnt produktionsflöde med hög kapitalbindning. Studiens syfte var att kartlägga det nuvarande värdeflödet och identifiera värdeskapande samt icke värdeskapande aktiviteter för ett avgränsat produktflöde för att sedan föreslå förbättringar till ett effektivare värdeflöde från leverantör till kund. Kartläggningen av det nuvarande värdeflödet visade på låg flödeseffektivitet hos fallföretaget. Slutligen föreslås förbättringar för en ökad flödeseffektivitet i produktionen. Dessa förslag anses vara realistiska och genomförbara samt förväntas ha en positiv inverkan på flödeseffektiviteten.

This thesis examines the concept of time series forecasting. More specifically, it predicts the load and power demand in Sulaymaniyah, Iraqi Kurdistan, who are today experiencing frequent power shortages. This study applies a commonly used time series model, the autoregressive integrated moving average model, which is compared to the naïve method. Several key model properties are inspected to evaluate model accuracy. The model is then used to forecast the load and the demand on a daily, weekly and monthly basis. The forecasts are evaluated by examining the residual metrics. Furthermore, the quantitative results and the answers collected from interviews are used as a basis to investigate the conditions of capacity planning in order to determine a suitable strategy to minimize the unserved power demand. The findings indicate an unsustainable over consumption of power in the region due to low tariffs and subsidized energy. A suggested solution is to manage power demand by implementing better strategies such as increasing tariffs and to use demand forecast to supply power accordingly. The monthly supply forecast in this study outperforms the baseline method but not the demand forecast. On weekly basis, both the load and the demand models underperform. The performance of the daily forecasts performs equally or worse than the baseline. Overall, the supply predictions are more precise than the demand predictions. However, there is room for improvement regarding the forecasts. For instance, better model selection and data preparation can result in more accurate forecasts. / Denna studie undersöker prediktion av tidserier. Den tittar närmare på last- och effektbehov i Sulaymaniyah i Irak som idag drabbas av regelbunden effektbrist. Rapporten applicerar en vedertagen tidseriemodell, den autoregressiva integrerade glidande medelvärdesmodellen, som sedan jämförs med den naiva metoden. Några karaktäristiska modellegenskaper undersöks för att evaluera modellens noggrannhet. Den anpassade modellen används sedan för att predikera last- och effektbehovet på dags-, månads-, och årsbasis. Prognoserna evalueras genom att undersöka dess residualer. Vidare så användas de kvalitativa svaren från intervjuerna som underlag för att undersöka förutsättningarna för kapacitetsplanering och den strategi som är bäst lämpad för att möta effektbristen. Studien visar att det råder en ohållbar överkonsumtion av energi i regionen som konsekvens av låga elavgifter och subventionerad energi. En föreslagen lösning är att hantera efterfrågan genom att implementera strategier som att höja elavgifter men även försöka matcha produktionen med efterfrågan med hjälp av prognoser. De månadsvisa prognoserna för produktionen i studien överträffar den naiva metoden men inte för prognoserna för efterfrågan. På veckobasis underpresterar båda modellerna. De dagliga prognoserna presterar lika bra eller värre än den naiva metoden. I sin helhet lyckas modellerna förutspå utbudet bättre än efterfrågan på effekt. Men det finns utrymme för förbättringar. Det går nog att uppnå bättre resultat genom bättre förbehandling av data och noggrannare valda tidseriemodeller.

This thesis investigates the robustness and stability of total return series for credit bond index investments. Dueto the challenges which arise for financial institutes and investors in achieving these objectives, we aim to createa forecasting model which matches the statistical properties of historical data, while remaining robust, stable andeasy to calibrate. To reach this goal, we implement autoregressive time-series models for credit spreads, a Vasicekmodel for the interest rate and use transformations to create total return series. We find that our autoregressivemodel performs well in terms of robustness and stability, while being statistically accurate for the Investment GradeIndex. The High Yield model has good statistical accuracy, but is lacking in stability and robustness. / Denna avhandling undersöker robustheten och stabiliteten hos totalavkastningsserier för investeringar ikreditobligationsindex. På grund av de utmaningar som uppstår för finansiella institut och investerare i att uppnådessa mål, syftar vi till att skapa en prognosmodell som matchar de statistiska egenskaperna hos historiska datasamtidigt som den förblir robust, stabil och enkel att kalibrera. För att nå detta mål implementerar vi autoregressivatidsserie-modeller för kreditspridningar, en Vasicek-modell för räntan och använder transformationer för att skapatotalavkastningsserier. Vi finner att vår autoregressiva modell för Investment Grade Indexet presterar bra gällanderobusthet och stabilitet samtidigt som den är statistiskt korrekt. High Yield modellen är statistiskt korrekt, men ärmindre bra gällande stabilitet och robusthet.

When modelling more that one asset, it is desirable to apply multivariate modeling to capture the co-movements of the underlying assets. The GARCH models has been proven to be successful when it comes to volatility forecast- ing. Hence it is natural to extend from a univariate GARCH model to a multivariate GARCH model when examining portfolio volatility. This study aims to evaluate a specific multivariate GARCH model, the DCC-GARCH model, which was developed by Engle and Sheppard in 2001. In this pa- per different DCC-GARCH models have been implemented, assuming both Gaussian and multivariate Student’s t distribution. These distributions are compared by a set of tests as well as Value at Risk backtesting. / I portföljanalys så är det åtråvärt att applicera flerdimensionella modeller för att kunna fånga hur de olika tillgångarna rör sig tillsammans. GARCH-modeller har visat sig vara framgångsrika när det kommer till prognoser av volatilitet. Det är därför naturligt att gå från endimensionella till flerdimensionella GARCH-modeller när volatiliteten av en portfölj skall utvärderas. Den här studien ämnar att utvärdera tillvägagångssättet för prognoser av en viss typ av flerdimensionell GARCH-modell, DCC-GARCH-modellen, vilken utvecklades av Engle och Sheppard 2001. I den här uppsatsen har olika DCC-GARCH modeller blivit implementerade, som antar innovationer enligt både flerdimensionell normalfördelning samt flerdimensionell student's t-fördelning. Dessa jämförs med hjälp av en handfull tester samt Value-at-Risk backtesting.

The main thrust of time-series forecasting models in recent years has gone in the direction of pattern-based learning, in which the input variable for the models is a vector of past observations of the variable itself to predict. The most used models based on this traditional pattern-based approach are the autoregressive integrated moving average model (ARIMA) and long short-term memory neural networks (LSTM). The main drawback of the mentioned approaches is their inability to react when the underlying relationships in the data change resulting in a degrading predictive performance of the models. In order to solve this problem, various studies seek to incorporate external factors into the models treating the system as a black box using a machine learning approach which generates complex models that require a large amount of data for their training and have little interpretability. In this thesis, three different algorithms have been proposed to incorporate additional external factors into these pattern-based models, obtaining a good balance between forecast accuracy and model interpretability. After applying these algorithms in a study case of Ethereum price time-series forecasting, it is shown that the prediction error can be efficiently reduced by taking into account these influential external factors compared to traditional approaches while maintaining full interpretability of the model. / Huvudinstrumentet för prognosmodeller för tidsserier de senaste åren har gått i riktning mot mönsterbaserat lärande, där ingångsvariablerna för modellerna är en vektor av tidigare observationer för variabeln som ska förutsägas. De mest använda modellerna baserade på detta traditionella mönsterbaserade tillvägagångssätt är auto-regressiv integrerad rörlig genomsnittsmodell (ARIMA) och långa kortvariga neurala nätverk (LSTM). Den huvudsakliga nackdelen med de nämnda tillvägagångssätten är att de inte kan reagera när de underliggande förhållandena i data förändras vilket resulterar i en försämrad prediktiv prestanda för modellerna. För att lösa detta problem försöker olika studier integrera externa faktorer i modellerna som behandlar systemet som en svart låda med en maskininlärningsmetod som genererar komplexa modeller som kräver en stor mängd data för deras inlärning och har liten förklarande kapacitet. I denna uppsatsen har tre olika algoritmer föreslagits för att införliva ytterligare externa faktorer i dessa mönsterbaserade modeller, vilket ger en bra balans mellan prognosnoggrannhet och modelltolkbarhet. Efter att ha använt dessa algoritmer i ett studiefall av prognoser för Ethereums pristidsserier, visas det att förutsägelsefelet effektivt kan minskas genom att ta hänsyn till dessa inflytelserika externa faktorer jämfört med traditionella tillvägagångssätt med bibehållen full tolkbarhet av modellen.