Websites today only offer simpler form of technical analysis and are not fun to use, therefore student decided to build a website that makes technical analysis a bit more fun by giving user possibility to experiment with settings for technical indicators and also see clear visible results from analysis. Student decided to build website in ASP.NET. Technical indicators for this project only consist of those who give buy and sell-signals via cross-over, no divergence or pattern finding.This project has three questions that define this project. It’s important that there is good functionality so that performing an analysis is perceived as simple, one question is therefore; what functionality for website is needed in order for analysis to be perceived as more simple?Technical analysis is a pretty complex subject and demands an interface that is perceived as easy to understand and easy to use, it’s therefore important that the interface is well designed, second question is therefore; how should the interface be designed to be user-friendly?When systems grow large they often become hard to develop and later on unmaintainable because of the accumulated complexity and dependency between classes, the code is a mess, the last question is therefore; how can the systems complexity be eased with object-oriented design principles?Jakob Nielsens ten heuristics for User Interface Design were used as inspiration for designing the interface for the website. The system design follows SOLID principles, some pattern-design were also used because pattern-design often fulfills SOLID principles or makes for pretty good solutions in regular code-problems.At the beginning of the project the student did a small research to find out what was needed in order to complete project. Work-method for project follows agile development where decisions were made on a weekly basis. The project was divided into three phases where each phase was strongly coupled to a specific area of responsibility. Prototypes for interface were made and used as a basis for the resulting interface.The project led to a working website with good functionality. Filter was considered as important in order to ease shaping of analysis because the user could more easily sort and pick stock. The student assumed that the user would want fast and easy access to their stock so portfolio management were implemented so that user could more easily get to stock that was considered as favorites. The interface follows to a big extent Jakob Nielsens ten heuristics for User Interface Design and is proven by comparing interface with principles. The same goes for design of the system, design is proven by comparing with principles, still to this day system is considered easy to continue development.Student made the conclusion that SOLID principles were very important in order for the system to maintain its health and took experience from these principles. Student became happy with the interface but more focus could’ve been given for a more interactive interface because it might’ve been perceived as more intuitive.

Background: The efficient market hypothesis asserts that one cannot consistently achieve returns in excess of market returns by trading on publicly available information. Since there is no collective market return in the foreign exchange (FX) market, it has generally been perceived as impossible to consistently generate a profit. There is now empirical evidence which seriously call into question the efficiency of the FX market and opens up the possibility to turn a profit on the FX market by ways of analysis.Technical analysis is a method of analysis which by using historical price data tries to deduce future price changes. Technical analysis assumes that financial markets move in sine waves. There are stronger and weaker sine waves simultaneously. An accurate identification of the dominant sine wave gives the investor a good idea about future movement. Most technical trading tools approximate the length of the sine wave by default. This static approach does not consider the specific market or the recent lengths of the dominant sine wave. Spectral analysis will help to identify the dominant cycle, and thus determine the frequency of that cycle making the applied trading rules adaptive to the market. Purpose: The purpose is to investigate whether adding spectral analysis to existing technical analysis tools can create a higher and more stable return on investment on the FX market. Method: An experiment involving four different sets of trading rules was conducted to answer the purpose. In the first test, trades were performed based on a static approach commonly used by technical traders today. In the other three tests different transforms of spectral analysis were applied, thus making the input not static, but adaptive to the market. The four sets of trading rules where coded as an automatic trading algorithm and backtested on data collected for the currency-pair EURGBP during an 11-month period. All four tests were analysed in three different areas; performance, stability of return and crash risk. Results: The study shows that the application of spectral analysis to technical analysis methods on the FX market results in higher return on investment and better stability of returns. The win/lose ratio is significantly higher and the adaptive approach increases profit as well as decreases losses. / Bakgrund: Den effektiva marknadshypotesen stadgar att det inte är möjligt att stadigt generera högre avkastning än marknadens kollektiva avkastning genom att köpa och sälja baserat på tillgänglig information. Eftersom det inte finns någon kollektiv avkastning på valutamarknaden har det länge ansetts omöjligt att generera någon stabil vinst på denna marknad. Det finns numera empiriskt bevis som tydligt ifrågasätter valutamarknadens egentliga effektivitet och som också i sin tur öppnar upp för möjligheten att generera stabil avkastning på valutamarknaden genom analys.Teknisk analys är en analysmetod som genom avläsandet av historisk prisdata försöker utläsa framtida prisförändringar. Teknisk analys antar att finansiella marknader rör sig i sinuskurvor. Det finns starkare och svagare sinuskurvor. En exakt identifikation av den dominanta cykeln ger investeraren en god idé om framtida rörelser. De flesta tekniska analysverktygen uppskattar längden på cykeln statiskt och tar varken hänsyn till den specifika marknaden eller hur den dominanta cykeln har sett ut nyligen. Spektralanalys identifierar den dominanta cykeln varigenom frekvensen av densamma kan bestämmas och analysverktyget görs adaptivt till marknaden. Syfte: Syftet med uppsatsen är att ta reda på huruvida teknisk analys på valutamarknaden kan skapa en högre och mer stabil avkastning på investerat kapital genom användandet av spektralanalys för att mäta den dominanta cykeln. Metod: Ett experiment innehållande fyra olika uppsättningar av analysverktyg gjordes för att besvara syftet. Handel i det första testet baserades på en statisk ansats som normalt används av tekniska analytiker idag. På de andra tre testerna applicerades olika transformer av spektralanalys och gjordes därigenom adaptiva till marknaden. Analysverktygen kodades som en automatisk handelsalgoritm och testades retroaktivt på insamlad data för valutaparet EURGBP under elva månader. Samtliga fyra tester analyserades i tre olika områden; prestation, avkastningsstabilitet och risk att förlora hela kapitalet. Resultat: Studien visar att applikationen av spektralanalys på tekniska analysverktyg på valutamarknaden resulterar i högre avkastning på investerat kapital och högre avkastningsstabilitet. Vinst/förlust ration är väsentligt högre och den adaptiva ansatsen ökar avkastning samtidigt som den minskar förluster.

<p><strong>Background: </strong></p><p>The efficient market hypothesis asserts that one cannot consistently achieve returns in excess of market returns by trading on publicly available information. Since there is no collective market return in the foreign exchange (FX) market, it has generally been perceived as impossible to consistently generate a profit. There is now empirical evidence which seriously call into question the efficiency of the FX market and opens up the possibility to turn a profit on the FX market by ways of analysis.Technical analysis is a method of analysis which by using historical price data tries to deduce future price changes. Technical analysis assumes that financial markets move in sine waves. There are stronger and weaker sine waves simultaneously. An accurate identification of the dominant sine wave gives the investor a good idea about future movement. Most technical trading tools approximate the length of the sine wave by default. This static approach does not consider the specific market or the recent lengths of the dominant sine wave. Spectral analysis will help to identify the dominant cycle, and thus determine the frequency of that cycle making the applied trading rules adaptive to the market.</p><p><strong>Purpose: </strong></p><p>The purpose is to investigate whether adding spectral analysis to existing technical analysis tools can create a higher and more stable return on investment on the FX market.</p><p><strong>Method: </strong></p><p>An experiment involving four different sets of trading rules was conducted to answer the purpose. In the first test, trades were performed based on a static approach commonly used by technical traders today. In the other three tests different transforms of spectral analysis were applied, thus making the input not static, but adaptive to the market. The four sets of trading rules where coded as an automatic trading algorithm and backtested on data collected for the currency-pair EURGBP during an 11-month period. All four tests were analysed in three different areas; performance, stability of return and crash risk.</p><p><strong>Results: </strong></p><p><strong></strong>The study shows that the application of spectral analysis to technical analysis methods on the FX market results in higher return on investment and better stability of returns. The win/lose ratio is significantly higher and the adaptive approach increases profit as well as decreases losses.</p> / <p><strong>Bakgrund: </strong></p><p>Den effektiva marknadshypotesen stadgar att det inte är möjligt att stadigt generera högre avkastning än marknadens kollektiva avkastning genom att köpa och sälja baserat på tillgänglig information. Eftersom det inte finns någon kollektiv avkastning på valutamarknaden har det länge ansetts omöjligt att generera någon stabil vinst på denna marknad. Det finns numera empiriskt bevis som tydligt ifrågasätter valutamarknadens egentliga effektivitet och som också i sin tur öppnar upp för möjligheten att generera stabil avkastning på valutamarknaden genom analys.Teknisk analys är en analysmetod som genom avläsandet av historisk prisdata försöker utläsa framtida prisförändringar. Teknisk analys antar att finansiella marknader rör sig i sinuskurvor. Det finns starkare och svagare sinuskurvor. En exakt identifikation av den dominanta cykeln ger investeraren en god idé om framtida rörelser. De flesta tekniska analysverktygen uppskattar längden på cykeln statiskt och tar varken hänsyn till den specifika marknaden eller hur den dominanta cykeln har sett ut nyligen. Spektralanalys identifierar den dominanta cykeln varigenom frekvensen av densamma kan bestämmas och analysverktyget görs adaptivt till marknaden.</p><p><strong>Syfte: </strong></p><p>Syftet med uppsatsen är att ta reda på huruvida teknisk analys på valutamarknaden kan skapa en högre och mer stabil avkastning på investerat kapital genom användandet av spektralanalys för att mäta den dominanta cykeln.</p><p><strong>Metod: </strong></p><p>Ett experiment innehållande fyra olika uppsättningar av analysverktyg gjordes för att besvara syftet. Handel i det första testet baserades på en statisk ansats som normalt används av tekniska analytiker idag. På de andra tre testerna applicerades olika transformer av spektralanalys och gjordes därigenom adaptiva till marknaden. Analysverktygen kodades som en automatisk handelsalgoritm och testades retroaktivt på insamlad data för valutaparet EURGBP under elva månader. Samtliga fyra tester analyserades i tre olika områden; prestation, avkastningsstabilitet och risk att förlora hela kapitalet.</p><p><strong>Resultat: </strong></p><p><strong></strong>Studien visar att applikationen av spektralanalys på tekniska analysverktyg på valutamarknaden resulterar i högre avkastning på investerat kapital och högre avkastningsstabilitet. Vinst/förlust ration är väsentligt högre och den adaptiva ansatsen ökar avkastning samtidigt som den minskar förluster.</p>

Energikontor Sydost har startat demonstrationsprojekt inom småskalig kraftvärme. Ronneby Miljö och Teknik AB driver en demonstrationsanläggning för småskalig elproduktion med ORC-turbin på värmeverk i Bräkne-Hoby. I samband med installation av ORC-turbin gjordes även ombyggnation av fjärrvärmeledning till närliggande sågverk. Detta examensarbete är en teknisk- och lönsamhetsanalys för utvärdering av investeringen. Elverkningsgrad uppgick för denna fjärrvärmesäsong till 2,23 %, alfa-värde till 2,3 %, systemverkningsgrad för ORC-system till 99,54 %. Ledningsförluster minskade från 19,7 till 17,25 % efter ombyggnation. Det visades även att sänkning av fjärrvärmereturtemperatur ökar elproduktionen. Investeringskalkyl visade en icke lönsam investering om el säljs externt. Att producera och använda el internt inom anläggningen visade sig lönsamt även utan investeringsstöd. Ombyggnation av fjärrvärmeledning visades även vara lönsamt. Tekniken är vid anslutning till värmeverk förnybar, lokal och har hög tillgänglighet vid högbelastningstider.

Denna studie behandlar två investeringsstrategier, momentum utifrån Jegadeesh &amp; Titman (1993) och värdeinvestering utifrån Greenblatts (2006) Magic Formula Investing (MFI). Det huvudsakliga syftet med studien är att undersöka om det är möjligt att generera positiv abnormal avkastning på den svenska aktiemarknaden utifrån dessa strategier. Enligt den svaga formen av effektiva marknadshypotesen ska detta inte vara möjligt (Fama, 1970). Det sekundära syftet är att undersöka om en kombinerad strategi byggd på momentum och MFI skapar ännu högre abnormal avkastning än strategierna separat. För att testa strategiernas riskjusterade avkastning används Sharpekvoten. Resultatet av studien visar att portföljerna baserade på momentumeffekten- och MFI genererade högre avkastning än jämförelseindex. Studien finner dock inte statistiskt signifikanta resultat när dessa strategier undersöks separat. I kontrast till de separata strategierna uppnår den kombinerade strategin dock statistiskt signifikant resultat och genererade även högst avkastning av de studerade strategierna. Vilket resulterar i studiens tydligaste bidrag, att en kombinerad värde- och momentumstrategi genererar högre abnormal avkastning än när dessa används separat på den svenska aktiemarknaden under den studerade perioden 2005-2018.

Med den nya omvärldsutvecklingen där NATO moderniserar sitt missilförsvar i Europa samt att Ryssland har placerat taktiska ballistiska robotar i Kaliningrad påverkade Sveriges behov till att anskaffa förmågan att bekämpa ballistiska robotar. Sverige har därför anskaffat Patriotsystemet, dock utan att tillföra ett radarsystem för att invisa ballistiska robotar till luftvärnsförbandet. Missilförsvar är ett väl utforskat område, allt från bekämpningsförlopp till hur en sensorkedja ska se ut. Forskningen tar däremot inte upp vilka förutsättningar ett nyanskaffat radarsystem behöver innefatta för att bidra till att invisa ballistiska robotar för luftvärnsförbanden. I uppsatsen genomfördes en modellering, teknisk analys, där teorin missilförsvar en kedja av event nyttjades för att härleda krav på radarprestanda. En analys om hur organisationerna idag nyttjar radarsystem och hur de tekniska och taktiska kraven påverkar organisationen genomfördes med konceptet militär nytta. Resultatet visar att organisationen där radarsystemet tillförs behövde kompletteras med ett sensorkompani och säkerhetsförband för att uppfylla kravet till invisning. Mot bakgrunden av det scenario som togs fram för undersökning visar den tekniska analysen att radarn vara fordonsburen samt ha en räckvidd på 500 km och en höjdtäckning på 50 km. Den måste även vara kompatibel med Patriotsystemet samt en sensorkedja för strategiskt partnerskap. / With the new developments in international affairs, where NATO modernizes its missile defense system in Europe and Russia has placed tactical ballistic missiles in Kaliningrad, Sweden needs to acquire the ability to combat ballistic missiles. Sweden has therefore acquired the Patriot system, however without adding an early warning radar for the Air defense against ballistic missile. Missile defense is a well-explored area, ranging from missile defense events to how a sensor chain should function. The research does not, however, discuss the abilities an acquired radar system needs to help guide ballistic missiles for Air defense units. In this essay, a modeling and a technical analysis based on the theory Missile defense a chain of events are used to conclude requirements for radar performance. An analysis of how the organizations use radar systems today and how the technical requirements affect the organizations was implemented with the concept Military utility. The result indicates the organization there the radar system will be implemented needs to be reinforced with a sensor company and a security unit to meet the requirement for guidance. The background of the scenario that has been developed for the analysis shows that the radar should be integrated to a vehicle, have a range of 500 kilometers and a height coverage of 50 kilometers. Battle management systems must also be compatible with the Patriot system and the sensor chain for strategic partnership.

På 1980-talet handlade en grupp, som kallades för The Turtle Traders, med två trendföljande handelsstrategier helt baserade på teknisk analys på ett stort antal finansmarknader. De två handelsstrategierna byggde på mekaniska regler för köp- respektive säljbeslut och riskhantering, men även regler för vilka marknader som var tillåtna att handla på. Gruppen var mycket framgångsrik under flera år och medlemmarnas avkastningar översteg marknadernas avkastningar med råge. Den svaga varianten av den effektiva marknadshypotesen säger att detta ska vara omöjligt på effektiva marknader. På en effektiv marknad är det enligt hypotesen istället bättre att följa en buy-and-hold strategi. Hur kommer det sig att The Turtle Traders lyckades? Var det bara tur att de två trendföljande strategierna, som genererade köp- och säljbesluten, gav väldigt höga avkastningar under några år på 1980-talet? Eller är inte marknaderna effektiva? Inom forskningen råder det idag en oklar bild kring den effektiva marknadshypotesen och huruvida marknaderna är effektiva. Olika vetenskapliga studier presenterar tester som både stöder och förkastar hypotesen. Syftet med det här examensarbetet är att visa huruvida de två trendföljande strategierna fortfarande är vinstgivande och därmed användbara strategier på dagens finansmarknader. Syftet är också att jämföra de två strategierna med buy-and-hold strategin på olika marknaderna och därmed bidra med ytterligare insikter till den numera alltmer ifrågasättande diskussionen kring den effektiva marknadshypotesen, med speciellt fokus på den svaga varianten. För att få fram vilka avkastningar de två trendföljande strategierna ger på dagens marknader konstrueras inom ramen för detta examensarbete ett datorprogram som simulerar de köp- och säljbeslut som skulle tas med hjälp av de mekaniska regler som de två trendföljande strategierna bygger på. Undersökningen i examensarbetet ger, precis som många andra undersökningar, en oklar bild kring den effektiva marknadshypotesen. Hälften av de finansmarknader som undersöks tycks vara ineffektiva och hälften effektiva, enligt den svaga varianten av hypotesen. Undersökningen visar även att de två trendföljande strategierna inte är så pass vinstgivande att de kan rekommenderas att använda på dagens finansmarknader. / During the 1980s a group called The Turtle Traders used two trend following trading strategies, based on technical analysis, to trade a large number of financial markets. The two trading strategies used mechanical rules to make buy and sell decisions and to manage risk. The rules also specified which markets to trade. The group was very successful during several years in the 1980s and the returns the members of the group generated, using the two trading strategies, widely surpassed the returns of the markets. The weak form of the efficient market hypothesis states that this should be impossible on markets that are efficient. On efficient markets it is instead better to follow a buy-and-hold strategy. How come that The Turtle Traders succeeded? Was is just luck that the two trend following strategies, that generated the buy and sell decisions, resulted in such high returns during a few years in the 1980s? Or are the markets inefficient? Current research gives an unclear picture regarding the efficient market hypothesis and whether or not the markets are efficient. Different studies present results that both support and reject the hypothesis. The purpose of this bachelor thesis is to show whether or not the two trend following strategies still are profitable and therefor useful strategies on the financial markets of today. The purpose is also to compare the two strategies with the buy-and-hold strategy on different markets and in this way contribute with more insights to the ongoing and nowadays often increasingly questioning discussion regarding the efficient market hypothesis, with special focus on the weak form of the hypothesis. To get the returns of the two trend following strategies on the financial markets of today a computer program is constructed as part of this bachelor thesis. This computer program simulates the buy and sell decisions that would have been taken by the mechanical rules the two trend following strategies are built upon. The study done in this bachelor thesis gives, just as many other studies, an unclear picture of the efficient market hypothesis. Half of the markets that are studied in this thesis seem to be inefficient and half seem to be efficient, according to the weak form of the hypothesis. The study also shows that none of the two trend following strategies are profitable enough that they can be recommended to be used on the financial markets of today.

Algorithms have been used in finance since the early 2000s and accounted for 25% of the market around 2005. In this research, algorithms account for approximately 85% of the market. The challenge faced by many investors and fund managers is beating the Swedish market index OMXS30. This research investigates publicly available algorithms and their potential for implementation and modification to outperform the market. There is a lot of research done on the subject and most of the research found was mostly at a high academic level. Although few algorithms were found in the search, some algorithms that managed to beat other markets caught interest. The market data for this research was obtained from Nordnets closed API, specifically the historical price data of various financial securities. The algorithms use the historical price data to generate buy and sell signals which represents a trade. These trades were then used to calculate performance metrics such as the geometric mean and the sharpe ratio. The performance metrics are used to measure and compare performance with the OMXS30 using a quantitative method. On average, the algorithms did not perform well on the chosen securities, although some securities stood out in all cases. Beating the market is considered a difficult task, and this research reflects some of the challenges involved. The chosen method highlights the importance of the stocks the algorithms trade, emphasizing that stocks cannot be chosen randomly. Building a fully automated unsupervised trading system is challenging and requires extensive work. Some strategies tend to require human supervision to maximize returns and limit losses, while others yield low returns for low risk. / Algoritmer har använts inom finans sedan början av 2000-talet och utgjorde cirka 25% av marknaden runt 2005. När detta arbete utförs står algoritmer för cirka 85% av marknadsvolymen. Utmaningen som många investerare och fondförvaltare står inför är att slå den svenska marknadsindexet OMXS30. Detta arbete undersöker offentligt tillgängliga algoritmer och deras potential att implementeras och modifieras för att överträffa marknaden. Det finns mycket forskning gjord inom ämnet och majoriteten av denna forskning är på en hög akademisk nivå. Trots att få algoritmer hittades i sökningen, fanns det ett fåtal algoritmer som lyckats slå andra marknadsindex. Marknadsdata för denna forskning erhölls från Nordnets slutna API, specifikt historisk prisdata från olika finansiella värdepapper. Algoritmerna använder den historiska prisdatan för att generera köp- och säljsignaler. Dessa köp och säljsignaler användes sedan för att beräkna prestandamått som geometrisk medelvärde och riskjusterad avkastning. Prestandamåtten används för att mäta och jämföra prestanda med OMXS30 genom en kvantitativ metod. I genomsnitt presterade algoritmerna inte väl på de valda värdepappren, även om vissa värdepapper utmärkte sig i alla fall. Att slå marknaden anses vara en svår uppgift och denna forskning speglar några av de utmaningar som är involverade. Den valda metoden belyser vikten av de aktier som algoritmerna handlar med och betonar att aktier inte kan väljas slumpmässigt. Att bygga ett helt automatiserat obevakat handelssystem är utmanande och kräver omfattande arbete. Vissa strategier visade sig vara i behov av mänsklig övervakning för att maximera avkastningen och begränsa förluster, medan andra gav låg avkastning för låg risk.

This paper uses a back-propagating neural network (BPN) to predict the price movements of major crypto currencies, leveraging technical factors as well as measurements of collective sentiment derived from the micro-blogging network Twitter. Our dataset consists of daily, hourly and minutely price levels for Bitcoin, Ether and Litecoin along with 8 popular technical indicators, as well as all tweets with the currencies' cash tags during respective time periods. Insprired by previous research which suggest that artificial neural networks are superior forecasting models in this setting, we were able to create a system generating automated investment decisions on a daily, hourly and minutely time basis. The study concluded that price trends are indeed predictable, with a correct prediction rate above 50% for all models, and corrensponding profitable trading strategies for all currencies on an hourly basis when neglecting trading fees, buy-sell spreads and order delays. The overall highest predictability is obtained on the hourly trading interval for Bitcoin, yielding an accuracy of 55.74% and a cumulative return of 175.1% between October 16, 2021 and December 31, 2021. / I denna studie används ett bakåtpropagerande neoronnät (BPN) för att förutsäga prisrörelser i större kryptovalutor med hjälp av tekniska faktorer och kvantifiering av kollektivt sentimentet från mikrobloggnätverket Twitter. Vårt dataset består av dagliga, timvisa och minutvisa prisnivåer för Bitcoin, Ether och Litecoin tillsammans med 8 populära tekniska indikatorer, samt alla tweets med valutornas "cash tags" under respektive tidsperiod. Med inspiration från tidigare forskning som hävdar att artificiella nauronnät är överlägsna prognosmodeller i denna typ av analys kunde vi skapa ett system som genererar automatiska investeringsbeslut på daglig, timvis och minutvis basis. Vi hävdar med denna studie att pristrender är förutsägbara för dessa kryptovalutor, med en korrekt förutsägelsefrekvens på över 50% för alla modeller, och med lönsamma handelsstrategier för alla valutor på timbasis när man bortser från handelsavgifter, köp- och säljspreadar och orderfördröjningar. Den högsta förutsägbarheten erhålls på timhandelsintervallet för Bitcoin, vilket ger en nogrannhet på 55,74% och en ackumulerad avkastning på 175,1% mellan den 16 oktober 2021 och den 31 december 2021.

Valutamarknaden är världens största marknad och en nödvändig del av dagens globala samhälle, som gör det möjligt för företag att göra affärer i olika valutor och mellan olika gränser. Marknaden utgör en stor handelsplattform för både små och stora aktörer, för vilka det är viktigt att prognostisera valutakurser med gott resultat. Att modellera finansiella instrument i form av tidsserier är en av de vanligaste investeringsstrategierna och dess användningsområde sträcker sig från valutamarknaden till bland annat aktiemarknaden och råvarumarknaden. I denna uppsats undersöks fyra olika statistiska metoder för att modellera valutakursen Euro-US Dollar givet historisk data, och prognoser görs med de framtagna modellerna. Dessa metoder är slumpvandring, ARIMA, ARIMA-GARCH och VAR. Vidare undersöks för den dynamiska VAR-modellen hur valutamarkanden påverkar, och blir påverkad av, långa och korta räntan. Resultaten visar att ARIMA(3,1,2) förklarar valutakursen bäst medan VAR(2) med valutakursen och skillnaden mellan långa räntor som ingående variabler ger de bästa prediktionerna. / The foreign exchange market is the world’s largest market and is an essential part of the global society of today. The FX market enables companies to trade with different currencies across country borders. It is also a large trade-platform for both big and small financial actors, who greatly benefit from the advantages of good predictions. Modeling of financial instruments is one of the most commonly used investment strategies and its area of application ranges from the FX market to markets suchas the stock market and the commodity market. In this paper, four different statistical models are used to model the currency pair Euro-US Dollar. These methods are random walk, ARIMA, ARIMA-GARCH and VAR. Besides investigating which method that gives the best forecasts, the method that best describes the training datais also found. Furthermore, for the dynamic VAR model, it is explored how the FX market affects, and is affected by, the long term and short term interest. The results show that ARIMA(3,1,2) is the best at describing the exchange rate while VAR(2) with the exchange rate and the difference between long term interests as variables gives the best predictions.