Two important physical aspects that determine the performance of a running train are the total running resistance that acts on the whole train moving forward, and the available adhesion (utilizable wheel-rail-friction) for propulsion and breaking. Using the measured and available signals, online identification of the current running resistance and available adhesion and also prediction of future values for a distance ahead of the train, is desired. With the aim to enhance the precision of those calculations, this thesis investigates the potential of online identification and prediction utilizing the Extended Kalman Filter. The conclusions are that problems with observability and sensitivity arise, which result in a need for sophisticated methods to numerically derive the acceleration from the velocity signal. The smoothing spline approximation is shown to provide the best results for this numerical differentiation. Sensitivity and its need for high accuracy, especially in the acceleration signal, results in a demand of higher sample frequency. A desire for other profound ways of collecting further information, or to enhance the models, arises with possibilities of future work in the field. / Två viktiga fysikaliska aspekter som bestämmer prestandan för ett tåg i drift är det totala gångmotståndet som verkar på hela tåget, samt den tillgängliga adhesionen (användbara hjul-räl-friktionen) för framdrivning och bromsning. Från de tillgängliga signalerna önskas identifiering, samt prediktering, av dessa två storheter, under drift. Med målet att förbättra precisionen av dessa skattningar undersöker detta examensarbete potentialen av skattning och prediktering av gångmotstånd och adhesion med hjälp av Extended KalmanFiltering. Slutsatsen är att problem med observerbarhet och känslighet uppstår, vilket resulterar i ett behov av sofistikerade metoder att numeriskt beräkna acceleration från en hastighetssignal. Metoden smoothing spline approximation visar sig ge de bästa resultaten för denna numeriska derivering. Känsligheten och dess medförda krav på hög precision, speciellt på accelerationssignalen, resulterar i ett behov av högre samplingsfrekvens. Ett behov av andra adekvata metoder att tillföra ytterligare information, eller att förbättra modellerna, ger upphov till möjliga framtida utredningar inom området.

When modelling risk in the banking book, a simple capital level approach can fail to capture the interactions between different risk measures or risk classes since they are modelled separately. In this thesis we propose a model for projecting the book value of a run-off balance sheet portfolio of fixed and variable rate loans, while also calculating net interest income, economic value of equity, capital requirement and capital cost within the same model. Using adjoint algorithmic differentiation, we also retrieve the sensitivities of each measure and the balance sheet towards a term structure of zero rates, for the lifetime of the portfolio. The model is an attempt at a holistic approach to modelling interest rate risk in the banking book, and its design allows for extensions to other financial risk classes such as credit risk and liquidity risk. / Vid modellering av risker i bankboken kan en enkel kapitalmodell misslyckas med att fånga interaktionerna mellan olika riskmått eller riskklasser eftersom de modelleras separat. I den här masteruppsatsen föreslår vi en modell för att projicera balansräkningen framåt i tiden för en portfölj av lån med fast och rörlig ränta, och beräknar samtidigt Räntenetto, Ekonomiskt Värde av Eget Kapital, kapitalkrav och kapitalkostnad inom samma modell. Med hjälp av adjoint algoritmisk derivering beräknar vi även känsligheterna för varje mått samt bokfört värde av portföljen mot en terminstruktur av nollräntor under portföljens livstid. Modellen är ett försök att holistisk modellera ränterisk i bankboken, och dess utformning möjliggör utvidgning till andra finansiella riskklasser som kreditrisk och likviditetsrisk.