The Tobii Pro Glasses 2 are used to record gaze data that is used for market research or scientific experiments. To make extraction of relevant statistics more efficient, the gaze points in the recorded video are mapped to a static snapshot with areas of interests (AOIs). The most important statistics revolve around fixations. A fixation is when a person is keeping his or her vision still for a short period of time. The method most used today is to manually map the gaze points. However, a faster method is automated mapping using the Real World Mapping (RWM) tool. In order to examine the reliability of RWM, the fixations from different recordings and projects were analyzed using Decision Trees. Further, a Random Forest (RF) model was constructed in order to predict if a gaze point was correctly or incorrectly mapped. It was shown that fixation classification on data from RWM performed significantly worse than when the same fixation classification on manually mapped data was run. It was shown that RWM works better when head movement is low and AOIs are set appropriately. This can guide researchers in set- ting up experiments, although major improvements of RWM is needed. The RF classifier showed promising results on several test sets for mapped gaze points. It also showed promising results for gaze points that were not mapped and were close in time to being mapped. In conclusion, the RF should replace current methods of estimating the quality of RWM gaze points. Gaze points that are classified as badly mapped can be manually remapped. If RWM fails to map large segments of gaze points to a snapshot, visually classifying these to be remapped is the preferred method. / Tobii Pro Glasses 2 används för att spela in tittdata vid marknadsundersökningar och vetenskapliga experiment. Tittpunkterna mappas från den inspelade filmen till en bild med intresseareor (AOI). De flesta viktiga mätvärdena handlar om fixationer, som uppkommer när en person betraktar samma ställe under en kort period. Metoden som främst används idag är att mappa tittpunkter manuellt, men ett snabbare sätt är att genom automatisk mappning använda Real World Mapping-verktyget (RWM). RWM:s tillförlitlighet undersöktes genom att analysera fixationer från flera inspelningar med hjälp av beslutsträd. En metod för att klassificera gazepunkter som korrekt eller icke-korrekt mappade skapades med hjälp av Random Forests (RF). Resultaten visar att RWM inte är särskilt bra på att mappa fixationer, varken att finna dem eller mappa dem till korrekt AOI. Det visade sig att RWM fungerar bättre vid begränsade rörelser och då AOI:erna är korrekt utformade, vilket kan agera som riktlinjer för den som utför ett experiment. RWM borde dock förbättras. RF-klassificeringen gav bra resultat på flera test set där tittpunkterna är mappade på en bild av RWM, och på tittpunkter som inte var mappade av RWM men som var i avseende av tid nära tittpunkter som är mappade. Tittpunkter som är långt ifrån mappade tittpunkter hade dåliga testresultat. Slutsatsen var att relevanta tittpunkter borde klassificeras med RF för att mappa om felaktigt mappade tittpunkter. Om RWM inte mappar stora segment tittpunkter så borde visuell klassificering användas.

This thesis investigates the use of Artificial Neural Networks (ANNs)for calculating present values, Value-at-Risk and Expected Shortfall ofoptions, both European call options and more complex rainbow options. Theperformance of the ANN is evaluated by comparing it to a second-order Taylorpolynomial using pre-calculated sensitivities to certain risk-factors. Amultilayer perceptron approach is chosen based on previous literature andapplied to both types of options. The data is generated from a financial risk-managementsoftware for both call options and rainbow options along with the relatedTaylor approximations. The study shows that while the ANN outperforms theTaylor approximation in calculating present values and risk measures forcertain movements in the underlying risk-factors, the general conclusion isthat an ANN trained and evaluated in accordance with the method in this studydoes not outperform a Taylor approximation even if it is theoretically possiblefor the ANN to do so. The important conclusion of the study is that the ANNseems to be able to learn to calculate present values that otherwise requireMonte Carlo simulation. Thus, the study is a proof of concept that requiresfurther development for implementation. / Denna masteruppsats undersöker användningen avArtificiella Neurala Nätverk (ANN) för att beräkna nuvärdet, Value-at-Risk ochExpected Shortfall för optioner, både Europeiska köpoptioner samt mer komplexarainbow-optioner. ANN:t jämförs med ett Taylorpolynom av andra ordningen somanvänder känsligheter mot ett flertal riskfaktorer. En typ av ANN som kallasmultilayer perceptron väljs baserat på tidigare forskning inom området ochappliceras på båda typerna av optioner. Datan som används har genererats frånett finansiellt riskhanteringssystem för såväl köpoptioner som rainbow-optionertillsammans med tillhörande Taylorapproximation. Studien visar att även om ANNslår Taylorpolynomet för vissa specifika beräkningar av nuvärdet och riskvärdenså är den generella slutsatsen att ett ANN som är tränad och utvärderad enligtmetoden i denna studie inte presterar bättre än ett Taylorpolynom även om detär teoretiskt möjligt att ANN:t kan göra det. Den viktigaste slutsatsen fråndenna studie är att ANN:t verkar kunna lära sig prissätta komplexa finansielladerivat som annars kräver Monte Carlo-simulering. Således validerar dennastudie ett koncept som kräver ytterligare utveckling före det implementeras

The Swedish Export Credit Agency (EKN) issues payment guarantees to Swedish companies who face the risk of non-payments in export transactions. Commitments are typically correlated, as defaults of companies are driven by other factors than factors specific to that company, such as the economic cycle or the regional conditions. In deciding upon how much capital to be reserved to remain solvent even in an unlikely scenario, this has to be accounted for in order to not underestimate financial risks.By studying models for credit risk and the research available in the area, the popular CreditRisk+ has been chosen as a suitable model for EKN to use in risk assessments. The model together with a few customizations are described in detail and tested on data from EKN. / Exportkreditnämnden (EKN) utfärdar betalningsgarantier till svenska exportörer som riskerar inställda betalningar. Fallissemang hos olika motparter är typiskt korrelerade. Vid bedömning av risken i portföljen av garantier måste detta tas i beaktning, för att inte underskatta risken väsentligt. Genom att studera befintliga kreditriskmodeller och tillgänglig forskning inom området har en modell föreslagits som kan användas i EKN:s riskbedömningar. Modellen beskrivs i detalj och testas på data från EKN.

Based on the growing interest for home styling and earlier psychological scientific evidence, this study examines how home styling and other variables affect the final price of condominiums in Uppsala. Using multiple linear regression and different statistics, seven different models are analyzed in order to determine whether or not home styling is an influencing factor. To obtain a reliable result, nine other variables such as starting price, living area and floor level etc. are included in the initial model. In addition, these models are investigated statistically to determine if near linear dependence among the regressor variables exists or not. The results show that home styling have a positive impact on the final price of a condominium. The different analytical methods do not always agree, but if looking at the regression result and confidence interval it is obvious that home styling can help increase the final price. Using variable selection, home styling is only included in the model when allowing seven or more variables. The results and analysis from this report is not enough to determine exactly how much home styling affects the final price; since home styling is converted to a dummy variable in the study. The conclusion is that there is a correlation between the response, final price, and the regressor variable, home styling. / Baserat på det växande intresset för home styling och tidigare vetenskapliga studier inom psykologi, kommer denna rapport att undersöka huruvida home styling och andra variabler påverkar slutpriset på en bostadsrätt i Uppsala. Med hjälp av multipel regressionsanalys kommer sju olika modeller analyseras för att avgöra om home styling är en influerande faktor eller inte. För att få ett pålitligt resultat har nio andra variabler såsom startpris, bostads area och våning etc. inkluderats i initialmodellen. Dessa modeller analyseras sedan statistiskt för att upptäcka potentiell multikolinjäritet och linjärt beroende mellan variablerna. Resultatet visar på att home styling har en positiv påverkan på slutpriset av en bostadsrätt. De olika analytiska metoderna tillhandahåller inte alltid enhetliga resultat, men kollar man regressionsanalysen och på konfidensintervallet så är det uppenbart att home styling kan bidra till ett högre slutpris. Baserat på variabelselektion, är home styling endast inkluderad i modellen när vi tillåter sju eller fler variabler i modellen. Resultatet från denna studie är dock inte tillräcklig för att bestämma exakt hur mycket home styling kan påverka slutpriset, eftersom home styling är konverterad till en dummy variabel i analysen. Slutliga resultatet är att det finns en korrelation mellan responsvariabeln, slutpris och regressorvariabeln, home styling.

En bostadsägare i Stockholm som inte noggrant följer andrahandsmarknaden för bostäder kanske inte har en aning om vilket pris hen ska sätta ifall hen skulle hyra ut sin lägenhet. Förutom att Stockholm har en reglerad hyresmarknad för bostäder har staden också sett en enormt stor prisutveckling på bostäder de senaste åren. För den som ska hyra ut sin lägenhet ger modellen utvecklad i denna studie ett rekommenderat prisintervall. Prisrekommendationerna för andrahandskontrakten tas i denna studie fram genom att utveckla en linjär modell baserat på en datamängd bestående av påskrivna kontrakt i Stockholm. Förhoppningsvis kan detta hjälpa framtida hyresvärdar och hyresgäster att sätta ett rimligt uthyrningspris. Slutsatsen av studien är att en korsvaliderad linjär modell kunde förklara mer än tvåtredjedelar av variationen i pris på ett andrahandskontrakt i Stockholm genom de fyra enkla parametrarna, m2, antal rum, avstånd från centrala Stockholm and längden på hyreskontraktet. Den här studien lägger ett grundarbete för den som önskar att ta fram linjära modeller för andra bostadsmarknader eller komplettera datamängden för ännu högre precision. / An apartment owner who is not closely monitoring the rental market may have no idea what to set as a price if he or she ever were to sublet their apartment. In addition to having a rent-controlled market, Stockholm has also experienced a price hike in apartment prices the last few years. In this study, a linear model for estimating the rental price of an apartment in Stockholm has been developed by using a dataset of signed rental contracts in Stockholm. For anyone wishing to rent out their apartment this study can offer a price interval supported by a mathematical model. In this study, it is shown that a cross-validated linear model could explain more than 2/3s of the variation of the rental price of an apartment in Stockholm by four simple parameters, m2, room count, distance from central Stockholm and rental contract length. This study lays the ground work for anyone wishing to apply the same concept in other geographical areas or complete the dataset for even more precision.

Mr Green is one of the leading online game providers in the European market. Their mission is to o˙er entertainment and a superior user experience to their customers. To be able to better understand each individual customer and the entire customer life cycle the concept of churn rate is essential, which is also an important input value when calculating the return on marketing e˙orts. This thesis analyzes the feasibility to use 24 hours of initial data on player characteristics and behaviour to predict the probability of each customer churning or not. This is done by examining various supervised machine learning models to determine which model best captures the customer behaviour. The evaluated models are logistic regression, random forest and linear discriminant analysis, as well as two ensemble methods using stacking and voting classifiers. The main finding is that the best accuracy is obtained using a voting ensemble method with the three base models logistic regression, random forest and linear discriminant analysis weighted as w = (0.005, 0.80, 0.015). With this model the attained accuracy is 75.94 %. / Mr Green är en av de ledande onlinespelsleverantörerna på den europeiska mark-naden. Deras mission är att erbjuda underhållning och en överlägsen användarup-plevelse till sina kunder. För att bättre kunna förstå sina kunder och deras livs-cykel är kundbortfall ett ytterst viktigt koncept. Det är också ett viktigt mått för att kunna utvärdera resultaten av marknadsföring. Denna rapport analyserar möjligheten att, med 24 timmars data över kundbeteende, kunna avgöra vilka kun-der som kommer att lämna siten. Detta görs genom att undersöka olika modeller inom övervakad maskininlärning för att avgöra vilken som bäst fångar kundernas be-teende. Modellerna som undersöks är logistisk regression, random forest och en linjär diskriminantanalys, samt två olika sammansättningsmodeller som använder sig av stacking och voting. Resultatet av denna studie är att en sammansättningsmodell som väger modellerna logistisk regression, random forest och en linjär diskriminan-tanalys ger den högsta förklaringsgraden på 75.94 %.

This thesis studies whether Google search trends can be used as indicators for movements in the S&P500 index. Using Granger's causality test, the level of causality between movements in the S&P500 index and Google search volumes for certain keywords is analyzed. The result of the analysis is used to form an investment strategy entirely based on Google search volumes, which is then backtested over a five year period using historic data. The causality tests show that 8 of 30 words indicate causality at a 10% level of significance, where one word, mortgage, indicates causality at a 1% level of significance. Several investment strategies based on search volumes yield higher returns than the index itself over the considered five year period, where the best performing strategy beats the index with over 60 percentage units. / Denna uppsats studerar huruvida Google-söktrender kan användas som indikatorer för rörelser i S&P500-indexet. Genom Grangers kausalitetstest studeras kausalitetsnivån mellan rörelser i S&P500 och Google-sökvolymer för särskilt utvalda nyckelord. Resultaten i denna analys används i sin tur för att utforma en investeringsstrategi enbart baserad på Google-sökvolymer, som med hjälp av historisk data prövas över en femårsperiod. Resultaten av kausalitetstestet visar att 8 av 30 ord indikerar en kausalitet på en 10 % -ig signifikansnivå, varav ett av orden, mortgage, påvisar kausalitet på en 1 % -ig signifikansnivå. Flera investeringsstrategier baserade på sökvolymer genererar högre avkastning än indexet självt över den prövade femårsperioden, där den bästa strategin slår index med över 60 procentenheter.

This thesis consists of two parts which both focus on the profitability of movies with a theatrical release. The first part has examined if it is possible to create a model for predicting and understanding the profitability of movies. Factors that influence the profitability have also been identified. This has been achieved through a regression analysis with data on movies from 2015-2017. A final multiple regression model has been created which explains 41% of the variability in the data. Significant influencing factors with at least a level of 5% significance have been identified such as the genres Horror and Musical, the MPAA-ratings PG and PG-13, the creative types Historical Fiction and Dramatization, Rotten Tomatoes Score and Sequel. The second part is an analysis on movie theaters as a distribution channel with respect to profitability for distribution companies using Porter's five forces. The five forces analysis suggests that movie theaters are a good distribution channel for studios which can provide mainstream movies while studios should consider releasing their low profile movies directly to streaming services since it might be more profitable. / Den här uppsatsen består av två olika delar som båda fokuserar på lönsamheten hos filmer som släpps ut på bio. Den första delen har undersökt ifall det är möjligt att skapa en modell för att förutspå och förstå lönsamheten hos filmer. Faktorerna som påverkade lönsamheten har också identifierats. Detta har gjorts genom en regressions analys med data från filmer mellan åren 2015-2017. En slutgiltig multipel regressionsmodell har skapats som kan förklara 41% av variabiliteten i datan. Signifikanta påverkande faktorer med en signifikansnivå på minst 5% har identifierats som genrerna Horror och Musical, MPAA-betygen PG och PG-13, kreativa typerna Historical Fiction och Dramatization, Rotten Tomatoes Score och Sequel. Den andra delen av rapporten är en analys på hur lämplig biografer är som distributionskanal med avseende på lönsamheten för distributionsföretagen. Detta har gjorts genom en Porters femkrafts modell. Femkraftsmodellen antyder att biografer är en bra distributionskanal for studios som kan skapa mainstream filmer medan studios borde överväga att släppa deras lågprofil filmer direkt till streamingtjänster eftersom det kan vara mer lönsamt.

In this study, the Botswanan currency Pula is analyzed and factors affecting the exchange rate between the Pula and the US Dollar are examined. Using a multiple linear regression analysis and the Cochrane-Orcutt transformation, an explanatory model is developed. Factors are chosen based on economic theory and are evaluated empirically through statistical methods. The final model shows that The Botswana Stock Index, The Real Interest Rate Spread between Botswana and USA, Corruption Index, Business Confidence Index, Diamond Price Index and Unemployment Rate, are relevant and significant in determining changes in the exchange rate. Some factors were significant, but had to be removed from the model due to multicollinearity. / I den här studien analyseras den botswanska valutan Pula och faktorer som påverkar den. Med hjälp av multipel linjär regression och Cochrane-Orcutt-transformation, utvecklas en modell. Faktorer väljs utifrån ekonomisk teori och utvärderas empiriskt genom statistiska metoder. Den slutgiltiga modellen visar att Botswanas aktieindex, skillnaden i realränta mellan Botswana och USA, korruptionsindex, index för affärsförtroende, diamantprisindex och arbetslöshet är relevanta och väsentliga för att bestämma förändringar i växelkursen. Vissa faktorer var signifikanta, men behövde avlägsnas från modellen på grund av multikollinearitet.

This report analyzes which macroeconomic factors have the greatest effect on a consumer’s purchasing power on the Swedish housing market. Multiple linear regression analysis is used to construct separate models for each of the eight Swedish regions: West Sweden, South Sweden, Småland and the Islands, Stockholm, East Middle Sweden, Middle Northern Sweden, North Middle Sweden and Upper Northern Sweden. The chosen factors, which are also used as regressors in the regression model, are disposable income, increase in households, employment rate, the Riksbank’s repo rate, square meter price for tenant owned flats and new construction of residential homes. Quarterly data is collected and processed for every macroeconomic factor from the second quarter of 2005 to the fourth quarter of 2015. The affordability is defined as the consumer closing price for tenant owned flats and it is used as the response variable for the regression models. The models are first fitted using all the regressors. To improve the models and potentially eliminate some of the macroeconomic factors a number of different model adjustments, such as Cook’s distance, VIF evaluation, stepwise forward and backward elimination are used. The results show that the purchasing power among the regions is mainly described by disposable income, employment rate and increase in households. Disposable income is the macroeconomic factor that has the greatest effect on the regional purchasing power. / Den här rapporten analyserar vilka makroekonomiska faktorer som påverkar hushållens köpkraft på den svenska bostadsrättsmarknaden. Multipel linjär regressionsanalys används för att konstruera separata modeller för Sveriges åtta regioner: Västsverige, Sydsverige, Småland och öarna, Stockholm, Östra Mellansverige, Norra Mellansverige, Mellersta Norrland och Övre Norrland. De valda faktorerna, som också används som förklarande variabler i regressionsmodellen, är disponibel inkomst, hushållsökning, sysselsättningsgrad, riksbankens reporänta, kvadratmeterpriset för bostäder, samt nybygge av bostäder. Kvartalsvis data har sammanställts och processats för varje faktor från det andra kvartalet år 2005 till det fjärde kvartalet år 2015. Köpkraften definieras som konsumenternas avslutningspris för bostäder och används också som responsvariabel i regressionsmodellerna. Basmodellerna för varje region använder alla förklarande variabler. För att förbättra modellerna och eventuellt utesluta några av de makroekonomiska faktorerna används olika modelljusteringar såsom Cooks avstånd, VIF-evaluering, stegvis framlänges- och baklängeseliminering. Resultaten visar på att köpkraften bland regionerna huvudsakligen bestäms av inkomst, sysselsättningsgrad och ökning av antal hushåll. Disponibel inkomst är den makroekonomiska faktor som har den största påverkan på den regionala köpkraften.