<p>This paper examines what affects the demand for five Swedish ethical funds between the years 1997-2007. The purpose of this study is to examine if there is a relation between fund value and other values than just financial. This study examines if the number of conflicts in the world and the media’s coverage of the climate change debate could have an impact on the demand for ethical fund. A multiple linear regression shows that we don’t have a significant result from the examined variables except for household wealth. The regression results indicate that only household wealth is significant to explain the demand for ethical funds. It’s interesting to see that risk premium isn’t significant for the decision to invest in the ethical funds we studied. The study shows that statics inferens cannot be used to show these correlations for conflict and climate.</p>

This paper examines what affects the demand for five Swedish ethical funds between the years 1997-2007. The purpose of this study is to examine if there is a relation between fund value and other values than just financial. This study examines if the number of conflicts in the world and the media’s coverage of the climate change debate could have an impact on the demand for ethical fund. A multiple linear regression shows that we don’t have a significant result from the examined variables except for household wealth. The regression results indicate that only household wealth is significant to explain the demand for ethical funds. It’s interesting to see that risk premium isn’t significant for the decision to invest in the ethical funds we studied. The study shows that statics inferens cannot be used to show these correlations for conflict and climate.

During this project three distinct methods to improve the data processing of Controlled Source Audio Magnetotellurics (CSAMT) data are implemented and their advantages and disadvantages are discussed. The methods in question are: Detrending the time series in the time domain, instead of detrending in the frequencydomain. Implementation of a coherency test to pinpoint data segments of low quality andremove these data from the calculations. Implementing a method to detect and remove transients from the time series toreduce background noise in the frequency spectra. Both the detrending in time domain and the transient removal shows potential in improvingdata quality even if the improvements are small(both in the (1-10% range). Due totechnical limitations no coherency test was implemented. Overall the processes discussedin the report did improve the data quality and may serve as groundwork for further improvementsto come. / Projektet behandlar tre stycken metoder för att förbättra signalkvaliten hos Controlled Source Audio Magnetotellurics (CSAMT) data, dessa implementeras och deras för- och nackdelar diskuteras. Metoderna som hanteras är: Avlägsnandet av trender från tidsserier i tidsdomänen istället för i frekvensdomänen. Implementationen av ett koherenstest för att identifiera ”dåliga” datasegment ochavlägsna dessa från vidare beräkningar. Implementationen av en metod för att både hitta och avlägsna transienter (dataspikar) från tidsserien för att minska bakgrundsbruset i frekvensspektrat. Både avlägsnandet av trender samt transienter visar positiv inverkan på datakvaliteten,även om skillnaderna är relativt små (båda på ungefär 1-10%). På grund av begränsningarfrån mätdatan kunde inget meningsfullt koherenstest utformas. Överlag har processernasom diskuteras i rapporten förbättrat datakvaliten och kan ses som ett grundarbete förfortsatta förbättringar inom området.

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.

Companies in the spare part industry can implement a variety of different pricing techniques, which have traditionally been done through personnel know-how and industry conventions. One such technique is the use of price indices to track sales performance. This thesis investigates if machine learning or time series analysis can predict revenue using price and price indices in a data-driven manner which can potentially validate current pricing strategies or serve as a basis for sales teams pricing decisions. Price indices used were the Fisher Index and the Törnqvist Index. The data came from a spare parts supplier and consisted of daily transactions. Two target variables were tested: revenue as a continuous and categorical variable. The continuous target variable represented revenue the following day, while the categorical variable represented either an increase or decrease the following day. Models tested were OLS, XGBoost, ARIMAX and LSTM for the continuous case and Logistic Regression and XGBoost in the categorical case on several different feature sets. In the continuous case, ARIMAX outperformed the other models, but the best model was produced by the feature set not containing any indices. In the categorical case on a feature set containing price indices, XGBoost yielded an accuracy of 68% in classifying revenue increases or decreases. This study suggest that price indices contain some information about whether a revenue movement is going to happen, but not the magnitude of it. / Företag som säljer reservdelar kan implementera olika prissättningsstrategier. Dessa har traditionellt baserats på personalkunnande och branschkonventioner. En strategi som tillämpas är prisindex för att följa upp försäljning. Detta examensarbete undersöker om maskininlärning eller tidsserier kan prediktera omsättning med hjälp av pris- och prisindex på ett datadrivet sätt som kan potentiellt validera nuvarande strategier eller agera underlag för prissättningsbeslut. Prisindex som användes var Fisherindex och Törnqvistindex. Datan kom från en reservdelsleverantör och bestod av dagliga transaktioner. Två beroende variabler testades: omsättning som en kontinuerlig och omsättning som kategorisk variabel. Den kontinuerliga variabeln representerade omsättning nästa dag, medan den kategoriska variabeln representerade utfallet ökning eller minskning av omsättning nästa dag. Modellerna som tränades var OLS, XGBoost, ARIMAX och LSTM i det kontinuerliga fallet och Logistisk Regression och XGBoost i det kategoriska fallet. De tränades på flera uppsättningar av oberoende variabler. I det kontinuerliga fallet presterade ARIMAX bäst, men den bästa modellen tränades på en uppsättning oberoende variabler som inte innehöll några index. I det kategoriska fallet gav XGBoost en noggrannhet på 68% vid klassificering av omsättningsökningar eller minskningar. Detta på en uppsättning oberoende variabler som innehöll prisindex. Resultaten antyder att prisindex innehåller viss information om huruvida en omsättningsrörelse kommer att ske, men inte storleken på den.