<p>Detta är en empirisk studie om konvergerande BNP per capita-utveckling i Östeuropa. Både absolut och betingad konvergens har undersökts. Absolut konvergens innebär att fattigare ekonomier har högre tillväxt än rikare ekonomier. Betingad konvergens innebär att ekonomierna konvergerar mot sin egen jämviktsbana. Resultaten i denna uppsats tyder på att absolut konvergens inte förekommer i Östeuropa under tidsperioden 1990 till 2003. Förklaringen utifrån Solow-modellen är att länderna har olika jämviktsbanor. Resultaten tyder dock på betingad konvergens och att hastigheten som produktionsgapet minskar med är 28 procent per år.</p>

Detta är en empirisk studie om konvergerande BNP per capita-utveckling i Östeuropa. Både absolut och betingad konvergens har undersökts. Absolut konvergens innebär att fattigare ekonomier har högre tillväxt än rikare ekonomier. Betingad konvergens innebär att ekonomierna konvergerar mot sin egen jämviktsbana. Resultaten i denna uppsats tyder på att absolut konvergens inte förekommer i Östeuropa under tidsperioden 1990 till 2003. Förklaringen utifrån Solow-modellen är att länderna har olika jämviktsbanor. Resultaten tyder dock på betingad konvergens och att hastigheten som produktionsgapet minskar med är 28 procent per år.

IFRS infördes obligatoriskt i EU år 2005 och syftade till en kvalitetsförbättring av de finansiella rapporterna, samt ökad jämförbarhet mellan dem. Frågetecken kvarstår dock angående IFRS påverkan på ekonomin. Syftet med vår studie är därför att undersöka hur kvaliteten förändras i utvecklade länder, som är starkt genomdrivande, och mindre utvecklade länder, som är svagt genomdrivande, inom EU vid införandet av IFRS. Konservatism används i undersökningen som proxy för kvalitet. Både den betingade och den obetingade konservatismen studeras då båda inverkar på kvaliteten i redovisningen. Måttet som används för att mäta den betingade konservatismen är Basus (1997) modell. Beaver och Ryans (2000) BTM-modell tillämpas för beräkning av obetingad konservatism. Resultaten indikerar på att den obetingade konservatismen ökar och den betingade minskar vid införandet av IFRS i båda grupperna. Den mindre utvecklade gruppen förändras mer gällande båda typer av konservatism, vilket tyder på att jämförbarheten ökat mellan företags finansiella rapporter. Resultaten innebär även en eventuell kvalitetsförsämring, något som kan betyda att en högre jämförbarhet uppnåtts på bekostnad av kvaliteten. Det kan indikera att IFRS inte har uppnått önskad effekt på de finansiella rapporterna.

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.

Syftet med studien är att, med hjälp av metoden contingent valuation (CV), undersöka betalningsviljan (willingness to pay, WTP) för en reducerad risk att drabbas av mag- och tarmsjukdomar på grund av förorenat dricksvatten i Skellefteå kommun. Studien undersöker också sambandet mellan WTP och tidigare erfarenheter av förorenat dricksvatten. Respondenterna fick besvara en sluten och en öppen WTP-fråga för ett föreslaget projekt. WTP varierar mellan 39 – 67 kronor per månad utöver den nuvarande avgiften för vatten och avlopp (VA-taxan). De variabler som förklarar individuella skillnader i WTP är budnivån, upplevd dricksvattenkvalitet, huruvida personen blev drabbad vid tidigare utbrottet, om konsumtionsbeteendet har förändrats, ålder, inkomst och hushåll med barn. Resultaten visar att de respondenter som drabbats vid ett tidigare utbrott är mindre benägna att acceptera en högre kostnad. Ett förändrat konsumtionsbeteende visar däremot att respondenter i genomsnitt har en högre WTP för en minskad risk av mag- och tarmsjukdomar. / The purpose of the study is to examine the willingness to pay (WTP) for a reduced risk of gastrointestinal diseases due to contaminated drinking water in the municipality of Skellefteå using the contingent valuation method (CV). The study also examines the relationship between WTP and previous experiences of contaminated drinking water. The respondents answered to a closed and an open WTP question for a proposed project.  WTP varies between SEK 39 – 67 per month in addition to the current fee on water and wastewater. The variables that explain individual differences in WTP are the bid level, experienced drinking water quality, impact of the previous outbreak, changed consumption behavior, age, income and households with children. The results show that respondents affected by the previous outbreak are less likely to accept a higher cost. Respondents who changed their consumption behavior want, on average, pay more for a reduced risk of gastrointestinal diseases.

This bachelor’s thesis is a combined study of applied mathematical statistics and industrial engineering and management implemented to develop an algorithm which creates product combinations based on customer data analysis for eleven AB. Mathematically, generalized linear modelling, combinatorics and conditional probabilities were applied to create sales prediction models, generate potential combinations and calculate the conditional probabilities of the combinations getting purchased. SWOT analysis was used to identify which factors can enhance the sales from an industrial engineering and management perspective. Based on the regression analysis, the study showed that the considered variables, which were sales prices, brands, ratings, purchase countries, purchase months and how new the products are, affected the sales amounts of the products. The algorithm takes a barcode of a product as an input and checks whether if the corresponding product type satisfies the requirements of predicted sales amount and conditional probability. The algorithm then returns a list of possible product combinations that fulfil the recommendations. / Detta kandidatexamensarbete är en kombinerad studie av tillämpad matematisk statistik och industriell ekonomisk implementering för att utveckla en algoritm som skapar produktkombinationer baserad på kunddata analys för eleven AB. I den matematiska delen tillämpades generaliserade linjära modeller, kombinatorik och betingade sannolikheter för att skapa prediktionsmodeller för försäljningsantal, generera potentiella kombinationer och beräkna betingade sannolikheter att kombinationerna bli köpta. SWOT-analys användes för att identifiera vilka faktorer som kan öka försäljningen från ett industriell ekonomiskt perspektiv. Baserat på regressionsanalysen, studien har visat att de betraktade variablerna, som var försäljningspriser, varumärken, försäljningsländer, försäljningsmånader och hur nya produkterna är, påverkade försäljningsantalen på produkterna. Algoritmen tar emot en streckkod av en produkt som inmatning och kontrollerar om den motsvarande produkttypen uppfyller kraven för predikterad försäljningssumma och betingad sannolikhet. Algoritmen returnerar en lista av alla möjliga kombinationer på produkter som uppfyller rekommendationerna.

The theory of economic growth predicts that poorer regions will eventually converge towards the income level of the wealthier regions (Barro &amp; Sala-i-Martin, 2004). The aim of this Bachelor thesis is to establish if absolute convergence in Gross Regional Product (GRP) growth rates exists across LA-regions in Sweden during the period 1994-2004. The variables used in the model of absolute convergence are; the level of initial GRP per capita in the year 1994 and the growth rate of GRP per capita. The authors of this thesis find support of absolute convergence among Swedish LA-regions of 1.67 percent per year. Convergence estimations are also performed for high-, mid-, and low-performing groups of regions in respect to their income level per capita. The low-performing group of regions is in fact converging faster towards the income level of the wealthier regions in Sweden than the mid- and high-performing group. Alternative measurement of convergence is the so called sigma-convergence. The authors find that it only holds for the group of high-performing regions. However, this measurement cannot be considered reliable, as the existence of absolute convergence is necessary for sigma-convergence, but it is not sufficient. / Ekonomisk tillväxtteori förutspår att fattigare regioner med tiden kommer att konvergera mot samma inkomst nivå som rikare regioner har (Barro &amp; Sala-i-Martin, 2004). Syftet med denna Kandidatuppsats är undersöka ifall det förekommer betingad konvergenstillväxt av Brutto Regional Produkt (BRP) nivåer mellan svenska LA-regioner under perioden 1994-2004. Variablerna som används i modellen för betingad konvergens är den ursprungliga nivån av BRP per capita under år 1994, och tillväxtnivån av BRP per capita under perioden 1994-2004. Författarna av denna uppsats har funnit stöd för betingad konvergens bland svenska LA-regioner med en konvergenstakt på 1,67 procent per år. En estimering av konvergens är därtill utförd för hög-, mellan- och lågpresterande grupper av regioner med respekt till deras inkomstnivå per capita. Den lågpresterande gruppen har en snabbare konvergeringstakt mot den inkomstnivå de rikare regionerna i Sverige har, än vad de mellan- och högpresterande grupperna. Ett alternativt mått på konvergens är den så kallade sigma-konvergensen. Författarna finner att detta mått endast håller för gruppen av högpresterande regioner. Emellertid kan inte detta mått räknas som tillförlitligt, då förekomsten av betingad konvergens är nödvändigt för sigma-konvergens, men det är inte tillräckligt.

<p>The theory of economic growth predicts that poorer regions will eventually converge towards the income level of the wealthier regions (Barro & Sala-i-Martin, 2004). The aim of this Bachelor thesis is to establish if absolute convergence in Gross Regional Product (GRP) growth rates exists across LA-regions in Sweden during the period 1994-2004. The variables used in the model of absolute convergence are; the level of initial GRP per capita in the year 1994 and the growth rate of GRP per capita. The authors of this thesis find support of absolute convergence among Swedish LA-regions of 1.67 percent per year. Convergence estimations are also performed for high-, mid-, and low-performing groups of regions in respect to their income level per capita. The low-performing group of regions is in fact converging faster towards the income level of the wealthier regions in Sweden than the mid- and high-performing group. Alternative measurement of convergence is the so called sigma-convergence. The authors find that it only holds for the group of high-performing regions. However, this measurement cannot be considered reliable, as the existence of absolute convergence is necessary for sigma-convergence, but it is not sufficient.</p> / <p>Ekonomisk tillväxtteori förutspår att fattigare regioner med tiden kommer att konvergera mot samma inkomst nivå som rikare regioner har (Barro & Sala-i-Martin, 2004). Syftet med denna Kandidatuppsats är undersöka ifall det förekommer betingad konvergenstillväxt av Brutto Regional Produkt (BRP) nivåer mellan svenska LA-regioner under perioden 1994-2004. Variablerna som används i modellen för betingad konvergens är den ursprungliga nivån av BRP per capita under år 1994, och tillväxtnivån av BRP per capita under perioden 1994-2004. Författarna av denna uppsats har funnit stöd för betingad konvergens bland svenska LA-regioner med en konvergenstakt på 1,67 procent per år. En estimering av konvergens är därtill utförd för hög-, mellan- och lågpresterande grupper av regioner med respekt till deras inkomstnivå per capita. Den lågpresterande gruppen har en snabbare konvergeringstakt mot den inkomstnivå de rikare regionerna i Sverige har, än vad de mellan- och högpresterande grupperna. Ett alternativt mått på konvergens är den så kallade sigma-konvergensen. Författarna finner att detta mått endast håller för gruppen av högpresterande regioner. Emellertid kan inte detta mått räknas som tillförlitligt, då förekomsten av betingad konvergens är nödvändigt för sigma-konvergens, men det är inte tillräckligt.</p>

In recent years additional requirements have been imposed on financial institutions, including Central Counterparty clearing houses (CCPs), as an attempt to assess quantitative measures of their exposure to different types of risk. One of these requirements results in a need to perform stress tests to check the resilience in case of a stressed market/crisis. However, financial markets develop over time and this leads to a situation where some instruments traded today are not present at the chosen date because they were introduced after the considered historical event. Based on current routines, the main goal of this thesis is to provide a more sophisticated method to impute (fill in) historical missing data as a preparatory work in the context of stress testing. The models considered in this paper include two methods currently regarded as state-of-the-art techniques, based on maximum likelihood estimation (MLE) and multiple imputation (MI), together with a third alternative approach involving copulas. The different methods are applied on historical return data of commodity futures contracts from the Nordic energy market. By using conventional error metrics, and out-of-sample log-likelihood, the conclusion is that it is very hard (in general) to distinguish the performance of each method, or draw any conclusion about how good the models are in comparison to each other. Even if the Student’s t-distribution seems (in general) to be a more adequate assumption regarding the data compared to the normal distribution, all the models are showing quite poor performance. However, by analysing the conditional distributions more thoroughly, and evaluating how well each model performs by extracting certain quantile values, the performance of each method is increased significantly. By comparing the different models (when imputing more extreme quantile values) it can be concluded that all methods produce satisfying results, even if the g-copula and t-copula models seems to be more robust than the respective linear models. / På senare år har ytterligare krav införts för finansiella institut (t.ex. Clearinghus) i ett försök att fastställa kvantitativa mått på deras exponering mot olika typer av risker. Ett av dessa krav innebär att utföra stresstester för att uppskatta motståndskraften under stressade marknader/kriser. Dock förändras finansiella marknader över tiden vilket leder till att vissa instrument som handlas idag inte fanns under den dåvarande perioden, eftersom de introducerades vid ett senare tillfälle. Baserat på nuvarande rutiner så är målet med detta arbete att tillhandahålla en mer sofistikerad metod för imputation (ifyllnad) av historisk data som ett förberedande arbete i utförandet av stresstester. I denna rapport implementeras två modeller som betraktas som de bäst presterande metoderna idag, baserade på maximum likelihood estimering (MLE) och multiple imputation (MI), samt en tredje alternativ metod som involverar copulas. Modellerna tillämpas på historisk data förterminskontrakt från den nordiska energimarkanden. Genom att använda väl etablerade mätmetoder för att skatta noggrannheten förrespektive modell, är det väldigt svårt (generellt) att särskilja prestandan för varje metod, eller att dra några slutsatser om hur bra varje modell är i jämförelse med varandra. även om Students t-fördelningen verkar (generellt) vara ett mer adekvat antagande rörande datan i jämförelse med normalfördelningen, så visar alla modeller ganska svag prestanda vid en första anblick. Däremot, genom att undersöka de betingade fördelningarna mer noggrant, för att se hur väl varje modell presterar genom att extrahera specifika kvantilvärden, kan varje metod förbättras markant. Genom att jämföra de olika modellerna (vid imputering av mer extrema kvantilvärden) kan slutsatsen dras att alla metoder producerar tillfredställande resultat, även om g-copula och t-copula modellerna verkar vara mer robusta än de motsvarande linjära modellerna.

This thesis investigates the possibilities of conditionally generating English sentences based on keywords-framing content and different difficulty levels of vocabulary. It aims to contribute to the field of Conditional Text Generation (CTG), a type of Natural Language Generation (NLG), where the process of creating text is based on a set of conditions. These conditions include words, topics, content or perceived sentiments. Specifically, it compares the performances of two well-known model architectures: Sequence-toSequence (Seq2Seq) and Autoregressive (AR). These are applied to two different tasks, individual and combined. The Common European Framework of Reference (CEFR) is used to assess the vocabulary level of the texts. In the absence of openly available CEFR-labelled datasets, the author has developed a new methodology with the host company to generate suitable datasets. The generated texts are evaluated on accuracy of the vocabulary levels and readability using readily available formulas. The analysis combines four established readability metrics, and assesses classification accuracy. Both models show a high degree of accuracy when classifying texts into different CEFR-levels. However, the same models are weaker when generating sentences based on a desired CEFR-level. This study contributes empirical evidence suggesting that: (1) Seq2Seq models have a higher accuracy than AR models in generating English sentences based on a desired CEFR-level and keywords; (2) combining Multi-Task Learning (MTL) with instructiontuning is an effective way to fine-tune models on text-classification tasks; and (3) it is difficult to assess the quality of computer generated language using only readability metrics. / I den här studien undersöks möjligheterna att villkorligt generera engelska meningar på så-kallad “naturligt” språk, som baseras på nyckelord, innehåll och vokabulärnivå. Syftet är att bidra till området betingad textgenerering, en underkategori av naturlig textgenerering, vilket är en metod för att skapa text givet vissa ingångsvärden, till exempel ämne, innehåll eller uppfattning. I synnerhet jämförs prestandan hos två välkända modellarkitekturer: sekvenstill-sekvens (Seq2Seq) och autoregressiv (AR). Dessa tillämpas på två uppgifter, såväl individuellt som kombinerat. Den europeiska gemensamma referensramen (CEFR) används för att bedöma texternas vokabulärnivå. I och med avsaknaden av öppet tillgängliga CEFR-märkta dataset har författaren tillsammans med värdföretaget utvecklat en ny metod för att generera lämpliga dataset. De av modellerna genererade texterna utvärderas utifrån vokabulärnivå och läsbarhet samt hur väl de uppfyller den sökta CEFRnivån. Båda modellerna visade en hög träffsäkerhet när de klassificerar texter i olika CEFR-nivåer. Dock uppvisade samma modeller en sämre förmåga att generera meningar utifrån en önskad CEFR-nivå. Denna studie bidrar med empiriska bevis som tyder på: (1) att Seq2Seq-modeller har högre träffsäkerhet än AR-modeller när det gäller att generera engelska meningar utifrån en önskad CEFR-nivå och nyckelord; (2) att kombinera inlärning av multipla uppgifter med instruktionsjustering är ett effektivt sätt att finjustera modeller för textklassificering; (3) att man inte kan bedömma kvaliteten av datorgenererade meningar genom att endast använda läsbarhetsmått.