No description available.

The purpose of the following bachelor thesis report within mathematical statistics was to evaluate the decision making process at the credit department at Preem AB. The study used a logistic regression model to find a relationship between the probability of an application for credit being accepted and some quantitative and categorical factors about the applicant. These factors were both found in the applicant's financial statement and annual report as well as in data regarding risk level given to Preem AB by Upplysningscentralen. This data set was used to develop and train the logistic regression model with the aim of evaluating which factors have the biggest impact on the decisions being made after an application goes to trial at the credit department. The model was evaluated and perfected using different methods for variable selection and model evaluation. The study found that no statistically significant model could be created, and came to the conclusion there must exist further factors not covered by this study that affects a decision, or the decisions are taken randomly. Further research can therefore study which factors, such as financial security offered and level of knowledge regarding industry and financial statements among the credit controllers, affect the outcome of the manual trial of a credit application. / Syftet med detta kandidatexamensarbete inom matematisk statistik var att utvärdera prövningsprocessen på kreditavdelningen på Preem AB. I detta examensarbete användes en logistisk regressionsanalys för att finna ett samband mellan sannolikheten att en ansökan om kredit blir godkänd och några kvantitativa och kategoriska variabler om det ansökande företaget. Dessa variabler var hämtade dels från det ansökande företagets årsredovisning, dels från information gällande riskklass framtagen av Upplysningscentralen. Datasetet användes sedan för att bygga och träna en logstisk regressionsmodell med syftet att utvärdera vilka faktorer som har den största påverkan på om en ansökan för kredit blir godkänd eller ej efter den gått till manuell prövning på Preem AB. Modellen utvärderades och förbättrades genom att använda olika metoder för urval av variabler och utvärdering av modellen. Avhandlingen fann att modellen saknade stark prediktiv förmåga och det kan sägas att det bör finnas ytterligare faktorer som påverkar vilket beslut som tas vid manuell prövning på kreditavdelningen. Vidare undersökningar kan därför studera hur faktorer som finansiell säkerhet och kunskap om bransch och ekonomi bland medarbetarna på kreditavdelningen påverkar de manuella besluten som tas.

A popular type of investments are financial investments. Even though the Swedish society aspires for equality, there are still financial differences between the sexes. This thesis project focuses on what factors that affect the amount that women and men invest in stocks. The aim is to obtain a deeper knowledge about the investment market and how it appears for women and men. The reason for this is to raise awareness about the inequality issue when it comes to the low representation of females in the investment market.  The objective for this project is to produce two models where one of them is for women and the other one for men. Those models have equal regressors: inflation, GDP growth, OMX Stockholm Price Index, average income per year and eight different age groups. The response variable is the average portfolio value for a specific age group at respective model. The data is taken mainly from Swedish Statistical Central Bureau, but is also gathered from NASDAQ, as well as the World Bank. The data is collected between the years 2000 to 2020.  The models are firstly evaluated at their full model, meaning that all regressors are included. The women's model shows a considerably good fitting, since almost all regressors are significant with low p-values along with a Multiple R-squared at 0.773 and Adjusted R-squared at 0.757. However, improvements can be made since outliers need to be removed, and the regressor income hold multicollinearity. Men's full model has a poor performance with fewer significant regressors and lower Multiple and Adjusted R-squared. Both models are then transformed, with applied square root of inflation at both models, and the square of income at men's model.  To determine the reduced model, variable selection is implemented. With Best Subset Selection, women's model includes OMX, GDP, income, age group 1, age group 6, age group 7 and age group 8. On the other hand, men's model has the regressors GDP, income, age group 1, age group 2, age group 3, age group 4, age group 5 and age group 7. Both these models perform much better where all the regressors had significant p-values and satisfactory Model Assumptions plots. In addition, no multicollinearity exists in the models. In conclusion, both the reduced models are chosen for final models.  Proposed further research within this topic is to include more appropriate regressors that may affect the portfolio value as well as to compare with other countries and include real investment instead of just financial investments. / En vanlig typ av investeringar är finansiella investeringar. I Sverige råder finansiella skillnader mellan könen trots att Sverige eftersträvar jämställdhet. Detta projekt fokuserar på vilka faktorer som påverkar den mängd kvinnor och män investerar i finansiella investeringar, däribland aktier. Syftet är att öka medvetenheten kring jämställdhetsfrågan när det kommer till den låga representationen av kvinnor på investeringsmarknaden.  Projektets mål är att skapa två modeller där ena är en modell för kvinnor och den andra är en modell för män. Dessa två modeller har likvärdiga regressorer vilket är inflation, BNP, OMX Stockholm Price Index, medelinkomst per år, samt åtta olika åldersgrupper. Responsvariabeln är medelportföljvärde för respektive åldersgrupp för varje modell. Datainsamlingen är främst från Sveriges Statistiska Centralbyrå, men också NASDAQ och Världsbanken. Datat är insamlat från år 2000 till år 2020.  Först, utvärderas de fulla modellerna som inkluderar alla möjliga regressorer. Modellen för kvinnor visar sig vara hyfsad eftersom nästan alla regressorer är signifikanta med låga p-värden samt ett Multiple R-squared på 0.773 och ett Adjusted R-squared på 0.757. Emellertid, behöver förbättringar åstadkommas eftersom extremvärden ska tas bort samt att multikollinearitet upptäcks för regressorn inkomst. Den initiala modellen för män presterar ogynnsamt med låga Multiple och Adjusted R-squared och därtill färre signifikanta regressorer. Båda modellerna behöver transformationer. För kvinnomodellen appliceras roten ur inflation och för mäns modell används roten ur inflation men också inkomst upphöjt med två.  Vidare, bestäms de reducerade modellerna genom så kallad variable selection. Med utövandet av metoden Best Subset Selection har modellen för kvinnor regressorerna: OMX, BNP, inkomst, åldersgrupp 1, åldersgrupp 6, åldersgrupp 7 och åldersgrupp 8. Modellen för män får kombinationen: BNP, inkomst, åldersgrupp 2, åldersgrupp 3, åldersgrupp 4, åldersgrupp 5 och åldersgrupp 7. Bägge dessa modeller presterar bättre då alla regressorer har signifikanta p-värden och visar lämpliga grafer som granskar modelluppbyggnadsantaganden. Därför är båda dessa modellerna fördelaktiga och väljs som finala modeller.  För vidare forskning inom detta ämne skulle det vara relevant att inkludera fler lämpliga regressorer i modellerna som kan påverka portföljvärdet samt att jämföra med andra länder. Dessutom, kan det vara intressant att inberäkna reala investeringar istället för endast finansiella investeringar.

Studien undersöker vilken modell som bäst modellerar matchutfallet (1,X,2 - Hemmavinst, Oavgjort, Bortavinst) på en fotbollsmatch utifrån matchstatistik. Datan som analyserats är sammanställd från den engelska fotbollens tre högsta divisioner från 2005 och framåt. Multinomial logistisk regression tillämpas för att modellera responsvariabeln utifrån förklaringsvariablerna. Med hjälp av best subset regression undersöks alla kombinationer av variabler och modellerna jämförs utifrån Akaike Information Criterion (AIC). Tillsammans med resultatet från regressionerna och en analys över multikollinearitet väljs den bästa modellen.  Resultatet visar på både väntade och oväntade effekter vilket skapar grund för framtida studier. Förbättringsområden för framtida studier innefattar fler förklaringsvariabler, jämförelser med spelbolagens odds och test på ny testdata. Tillämpningsområden för modellen är inom spelbranschen där modellen kan användas för att värdera kombinationsspel och liveodds. / This study aims to find the best model to predict the outcome of football (1,X,2 - Home Win, Draw, Away Win) games by looking at match data. The data used is put together from the three highest football divisions in England and go back to the year 2005. Multinomial logistic regression is used to model the response variable from the regressors. A best subset regression is used to find the models with the lowest Akaike Information Criterion (AIC). By doing a multicollinearity analysis these models are further examined and the best one is chosen.  The results show both expected and unexpected effects that create foundation for future studies. Areas for model improvement include more variables, comparison with the bookmaker’s odds and tests on new test data. The application of the model is in sports betting where it can be used to value multi bets and live odds.

In this thesis a Markov chain model, which can be used for analysing students’ performance and their academic progress, is developed. Being able to evaluate students progress is useful for any educational system. It gives a better understanding of how students resonates and it can be used as support for important decisions and planning. Such a tool can be helpful for managers of the educational institution to establish a more optimal educational policy, which ensures better position in the educational market. To show that it is reasonable to use a Markov chain model for this purpose, a test for how well data fits such a model is created and used. The test shows that we cannot reject the hypothesis that the data can be fitted to a Markov chain model. / I detta examensarbete utvecklas en Markov-kedjemodell, som kan användas för att analysera studenters prestation och akademiska framsteg. Att kunna utvärdera studenters väg genom studierna är användbart för alla utbildningssystem. Det ger en bättre förståelse för hur studenter resonerar och det kan användas som stöd för viktiga beslut och planering. Ett sådant verktyg kan vara till hjälp för utbildningsinstitutionens chefer att upprätta en mer optimal utbildningspolitik, vilket säkerställer en bättre ställning på utbildningsmarknaden. För att visa att det är rimligt att använda en Markov-kedjemodell för detta ändamål skapas och används ett test för hur väl data passar en sådan modell. Testet visar att vi inte kan avvisa hypotesen att data kan passa en Markov-kedjemodell.

During the last three years the Swedish stock market has showed a strong upwards movement from the lows of 2016. At the same time the IPO activity has been large and a lot of the offerings have had a positive return during the first day of trading in the market. The goal of this study is to analyze if there is any particular IPO specific data that has a correlation with the first day return and if it can be used to predict the first day return for future IPO’s. If any regressors were shown to have correlation with the first day return, the goal is also to find a subset of regressors with even higher predictability. Then to classify which regressors show the highest correlation with a large positive return. The method which has been used is a multiple linear regression with IPO-data from the period 2017-2018. The results from the study imply that none of the chosen regressors show any significant correlation with the first day return. It is a complicated process which might be difficult to simplify and quantify into a regression model, but further studies are needed to draw a conclusion if there are any other qualitative factors which correlate with the first day return. / Under de senaste tre åren har den svenska aktiemarknaden visat en kraftigt uppåtgående rörelse från de låga nivåerna 2016. Samtidigt har det varit hög IPO-aktivitet, där många noteringar har haft en positiv avkastning under den första handelsdagen. Målet med denna studie är att analysera om det finns särskilda IPO-specifika faktorer som påvisar samband med avkastningen från första handelsdagen och om det kan användas för att förutsäga utvecklingen under första handelsdagen för framtida noteringar. Om regressorerna visade korrelation är målet sedan att ta fram de bästa av dessa för att se om det ökar modellens säkerhet. Vidare var det av intresse att visa vilka regressorer som korrelerar med en positiv avkastning. Metoden som användes var en multipel linjär regression med historisk data från perioden 2017-2018. Studiens resultat visar att ingen av de valda regressorerna har någon signifikant korrelation med avkastningen under första handelsdagen. Börsintroduktioner är komplicerade processer som kan vara svåra att förenkla och kvantifiera i en regressionsmodell, men ytterligare studier behövs för att dra en slutsats om det finns andra kvalitativa faktorer som kan förklara utvecklingen under första handelsdagen.

Hur kommer det sig att antalet resenärer inom Stockholms kollektivtrafik skiljer sig kraftigt från dag till dag? Är skillnaden rent slumpmässig eller spelar faktorer som befolkningsmängd, lufttemperatur, nederbörd, månad eller veckodag en signifikant roll för att förklara variationen? Denna uppsats ämnar att utforska dessa externa variablers påverkan på kollektivtrafiken och hur denna typ av datadriven information kan leda till bättre understödda beslut. Den applicerade metoden var multipel linjär regression och data som användes mottogs från Trafikförvaltningen, SMHI och SCB. Slutsatsen från studien visar att variationerna i antal resenärer i Stockholms Lokaltrafik kan förklaras med cirka 84\% från befolkningsmängden, månad och veckodag. / Why is it that the number of travellers in Stockholm's public transportation differs from day to day? Is the difference arbitrary or do factors such as population, temperature, weather conditions, months, or even weekdays have a significant role in this variation? This thesis aims to explore these external variables and their effect on public transportation, as well as how this type of data driven information can result in well supported decisions. The method applied to the study was multiple linear regression and the data used was retrieved from Trafikförvaltningen, SMHI, and SCB. The study concluded that the variations in the number of travellers in Stockholm's public transportation is up to 84\% explained by population, as well as month and weekday.

This project is about the optimization of the capital management of a French global bank. Capital management corresponds here to allocating the available capital to the different business units. In this project, I focus on the optimization of the allocation of the risk weighted assets (RWA) between some of the business units of the bank, as a representation of the allocated capital. Emphasis is put on the market and retail part of the bank and the first step was to be able to model the evolution of a business unit given an economic environment. The second one was about optimizing the distribution of RWA among the selected parts of the bank. / Projektets ämne handlar om att optimering allokering av kapital inom en fransk global bank. Kapital management syftar här på hur kapital ska fördelas mellan olika avdelningar inom banken. I detta projekt fokuserar jag på optimering av allokeringen av riskvägda resurser (RWA) mellan några av bankens enheter, som en representation av det allokerade kapitalet. Uppsatsen inriktar sig främst emot retail-delen av banken. Första steget var att modellera utvecklingen av en bankavdelning givet en ekonomisk omgivning? Andra steget var att försöka optimera fördelningen av RWA mellan de utvalda bankavdelningarna.

Small and medium-sized companies constitute a large part of the Swedish economy and are to a great extent exposed to the developments in the macroeconomy. There is a general consensus that it exists a relationship between these two components, but to what dimension is it true? The aim of this thesis is to evaluate if the number of bankruptcies among small and medium-sized companies can be explained by the situation in the macroeconomy. In order to do so, data have been collected and a multiple linear regression analysis has been accomplished. The result of the analysis suggests that a model of the six macroeconomic factors months, CPI, retail sales, OMX30, total enterprises and liquidated enterprises, can explain the number of bankruptcies to an extent of 64.49%. When comparing the adequacy of other models used to estimate risks of bankruptcy, it is stated that other models are more accurate. Furthermore, we have concluded that the model is useful to bring insight but only when considered in combinations with other models and tools. / Små- och medelstora bolag utgör en stor del av den svenska ekonomin och är i mycket stor utsträckning exponerad mot utvecklingen i makroekonomin. Den generella bilden är att det existerar en relation mellan dessa två komponenter, men till vilken utsträckning är det sant? Syftet med den här uppsatsen är att utvärdera om antalet konkurser bland små- och medelstora bolag kan förklaras av vilket stadium makroekonomin befinner sig i. För att kunna genomföra undersökningen har en multipel linjär regressionsanalys genomförts. Resultatet av analysen visar att en modell bestående av sex oberoende variabler, månader, KPI, detaljhandeln, OMX30, totalt antal bolag och antal likviderade bolag, kan till 64.49% förklara utfallet av antalet konkurser bland små- och medelstora bolag. Jämfört med andra modeller och teorier som används för att beräkna risken av konkurs hos ett bolag uppfyller modellen inte lika hög tillförlitliget. Slutgiltigen föreslås att modellen kan användas i kombination med andra modeller och verktyg för att bidra med insikt och slutsatser.

The purpose of this thesis is to define which variables affect the average credit spread on the Swedish bond market. The study is conducted via the help of Enter Fonder, who contributes with data and insight into the Swedish corporate bond market. Earlier research has put a lot of weight on the connection between default risk and credit spread. The exact effect is however still debated and it is unclear which variables best describe the default risk. A multilinear regression analysis is conducted, studying the effect on the average credit spread in the NOMX-index (NOMXCRSP) with the following predictor variables: Treasury rate, Predicted EPS amongst OMXS30-companies, Change in net asset under management (AUM) of Swedish corporate bonds, The average credit spread on two European and two American counterparts to NOMX, D/E-ratio and EBITDA-margin amongst OMXS30-companies and finally PMI-index from both the industry and service sector. The regression analysis is based on 89 data points which were aggregated into an equivalent interval on a monthly basis. The final results presents a model of seven variables consisting of all the four international indexes, treasury rate, predicted EPS and change in net AUM, and was able to explain around 87% of the variance in the data. / Syftet med denna avhandling är att identifiera och analysera den genomsnittliga kreditspreadens underliggande variabler på den svenska företagsobligationsmarknaden. Arbetsprocessen utförs tillsammans med fondbolaget Enter Fonder vilka bidrar med stöd i samband med datainsamlingen samt insikt om den svenska företagsobligationsmarknaden. Tidigare forskning inom ämnet har påpekat ett tydligt samband mellan ett företags likviditetsrisk och kreditspreaden på dess emitterade företagsobligationer. Likviditetsriskens exakta effekt på kreditspreaden samt hur denna risk lämpligast mäts, råder det dock oenighet om. En multipel linjär regressionsanalys genomförs där effekten på den genomsnittliga kreditspreaden i NOMX-indexet (NOMXCRSP) analyseras utifrån de underliggande variablerna: Statslåneränta, Estimerade EPS bland OMXS30-bolag, Förändringar i fondflöden på svenska företagsobligationer, Genomsnittlig kreditspread på två europeiska respektive amerikanska motsvarigheter till NOMX, D/E-ratio samt EBITDAmarginal bland OMXS30-bolag och slutligen PMI-siffror från både industri- samt tjänstesektorn. Regressionsanalysen baseras på totalt 89 datapunkter som aggregerats till likvärdig och månatlig basis. Den slutliga modellen består av totalt sju förklarande variabler där de fyra internationella indexen, Estimerad EPS, Statslåneräntan samt Förändringar i fondflöden utgör dessa och tycks förklara cirka 87 % av variansen i datasetet.