Klimatförändringar är en stor risk för skogsbruket, där väderförändringar kan leda till ökade risker som storm, brand, översvämning, snö, insekter och svampar. Efter de kraftiga skogsbränderna under sommaren 2018 ökade allmänhetens kännedom om vilka konsekvenser klimatförändringarna kan få på den svenska skogen ur ett samhällsperspektiv. Denna uppsats ämnar ta ett skogsägar- och skogsindustriperspektiv och genom en kvalitativ ansats undersöka hur den svenska skogsindustrin arbetar med finansiella riskhanteringsmetoder för att möta extrema väderförhållanden. För att få en helhetsblick över riskhanteringen i branschen har även skogliga metoder samt finansiella risker undersökts. De finansiella riskhanteringsmetoderna som undersöks är diversifiering, hedgning med terminer, optioner eller swapar, väderderivat och scenarioanalys. Ambitionen är att studiens resultat ska tillföra en både praktisk och teoretisk betydelse. Data har samlats in genom semistrukturerade intervjuer med sakkunniga inom branschen, och analyserats med en modifierad version av Grounded Theory. Resultaten visar att den allmänna kunskapen om klimatförändringar och vilka effekter klimatförändringar väntas ha på skogsbruket stämmer väl överens med tidigare forskning. Som väntat har fokus inom branschen varit på skogliga skötselåtgärder, som också är anpassade efter vad som kan förväntas av tidigare forskning. Däremot finns det ett visst motstånd mot att använda finansiella riskhanteringsmetoder för att hantera skogliga risker. Den generella uppfattningen är att det inte finns en marknad för hedgning av till exempel prisrisker för skogsråvara, och väderderivat ses inte som ett reellt alternativ i dagsläget då det anses vara för komplicerat och dyrt. Enklare former av scenarioanalys används för att bedöma risker, men mer avancerad modellering saknas för att skapa robusta underlag för beslutsfattande. En orsak bakom det svala intresset för att använda finansiella riskhanteringsmetoder för att hantera skogliga risker bedöms vara att de som jobbar med skogsskötsel inte har någon djupare kunskap om finansiell riskhantering och de som jobbar med finansiell riskhantering saknar istället en djupare kunskap om skogen. I och med att man har kommit långt i det operativa arbetet minskar även behovet av att applicera finansiella riskhanteringsmetoder för att hantera den skogliga risken, vilket kan vara en förklaring för det motstånd som finns.

<p>Denna uppsats behandlar den värdeskapande förmågan hos finansiell riskhantering rörande svenska företags valutarisker. Författarna finner ej ett tydligt positivt samband mellan användning av finansiell riskhantering och företagsvärde mätt som Tobin’s Q. Detta tyder på att finansiella marknader inte värderar arbete i syfte att minska den företagsspecifika risken vilket stärker fundamentala idéer inom portföljteori men står samtidigt i konflikt med flertalet empiriska undersökningar genomförde under de senaste tjugo åren.</p>

Denna uppsats behandlar den värdeskapande förmågan hos finansiell riskhantering rörande svenska företags valutarisker. Författarna finner ej ett tydligt positivt samband mellan användning av finansiell riskhantering och företagsvärde mätt som Tobin’s Q. Detta tyder på att finansiella marknader inte värderar arbete i syfte att minska den företagsspecifika risken vilket stärker fundamentala idéer inom portföljteori men står samtidigt i konflikt med flertalet empiriska undersökningar genomförde under de senaste tjugo åren.

This thesis explores and evaluates the forecasting application of the machine learning method Gradient Boosting Decision Trees. This method is used to forecast the demand of the online grocery market with a 7-day time horizon. The thesis was conducted in collaboration with the online grocery company Mathem. The model is applied and evaluated on three different periods representing the spring, summer and fall. The main evaluation metric is the mean absolute percentage error (MAPE), and clear differences were found depending on the predictability of the period. Apart from the model and its application to demand forecasting, the related risk was investigated. This was done by studying the Value-at-Risk and Expected Shortfall associated with discrepancies between the forecasted and actual values over the three periods. The most important conclusion of the case study at Mathem is that overestimation in the forecast is more costly in terms of monetary value than underestimating. It is also found that this is highly dependent on the cost structure of the company's operation and could therefore vary between companies. Thus, the study has contributed to understanding the applications of machine learning models in forecasting processes as well as the risks related to over/underestimating the demand of the online grocery market. / I denna uppsats utforskas och utvärderas maskininlärningsmetoden Gradient Boosting Decision Trees och dess tillämpningsområde inom prognostisering. Metoden används för att prognostisera efterfrågan på onlinehandel av dagligvaror med en 7 dagars tidshorisont. Uppsatsen gjordes i samarbete med företaget Mathem som är aktiva inom denna sektor. Modellen appliceras och utvärderas på tre olika tidsperioder som representerar våren, sommaren och hösten. Modellen själv utvärderas med avseende på måttet mean absolute percentage error (MAPE) och tydliga skillnader mellan tidsperioderna observerades relaterat till variansen i datan. Förutom modellen och dess applikation på prognostisering av efterfrågan utforskades även de relaterade riskerna. Detta genomfördes genom att studera riskmåtten Value-at-Risk och Expected Shortfall baserade på differensen mellan de prognostiserade och de faktiska värdena under dessa tre tidsperioder. Den viktiga slutsatsen som kunde dras från uppsatsen i samband med Mathem var att det, i monetära termer, är dyrare att prognostisera för högt än för lågt. En ytterligare slutsats som kan dras är att den monetära risken är mycket beroende av kostnadsstrukturen hos företaget och skulle därför kunna variera mellan olika företag. Således har denna uppsats bidragit till förståelse för användandet av maskininlärning för prognostisering samt riskerna kopplade till över- och underskattning av efterfrågan i marknaden för dagligvaruhandel online.

This thesis gives an example of assessing the risk of a financial portfolio with international assets, where the assets may be of different classes, by the use of Monte Carlo simulation and Extreme Value Theory. The simulation uses univariate modelling, models of the assets’ returns as stochastic processes, as well as vine copulas to create dependency between the variables. For the asset returns a modified version of a discretized Merton jump diffusion model was used. The risk assessment used Extreme Value Theory to calculate Value at Risk and Expected Shortfall of the simulated portfolio. However, the resulting return distribution, and the risk assessment thereof, was not entirely satisfactory due to unreasonably large values ascertained. / Denna uppsats ger ett exempel på hur riskbedömning av finanisella portföljer med internationella tillgångar av olika tillgångsslag genom Monte Carlo simulering och extremvärdesteori. Simuleringen använder univariat modelling, modeller för tillgångarnas avkastningar som stokastiska processer, såväl som vine-copulas för att skapa ett beroende mellan tillgångarna. Tillgångarnas avkastningar modellerades med en modifierad version av en diskretiserad Merton-jump-diffusion model. Riskbedömningen använde extremvärdesteori för att beräkna Value-at-Risk och Expected-Shortfall. Dock blev den resulterande avkastningsfördelningen och riskbedömningen därav inte helt tillfredsällande på grund av att orimligt stora värden erhölls.

I takt med ökat intresse för investeringar i vindkraft behöver aktörer på marknaden tillgång till mer information om vilka faktorer som kan påverka dessa investeringars förmåga att generera intäkter. Eftersom intäkter kan genereras genom att strukturera sin försäljning på olika sätt behöver intressenter erhålla bättre förståelse kring varje strukturs förmåga att generera intäkter över tid. I detta examensarbete har vi undersökt aggregerade intäkter och estimerade riskmått över ett år för tre försäljningsstrukturer: försäljning till Spotmarknaden, genom Baseload PPA och genom As-produced PPA. För att göra detta har vi försökt replikera fördelnings- och tidsserie-egenskaper för vindhastigheter, spotpriser och balanseringspriser. Försöken visar lovande replikerbarhet för vindhastigheter, och ganska lovande replikerbarhet för spotpriser och balanseringspriser.  Vi visar att högre förväntade aggregerade intäkter uppvisar även tendens till högre estimerad risk. Den försäljningsstruktur som visar högst förväntade aggregerade intäkter var försäljning till Spotmarknaden, följt av Baseload PPA och lägsta intäkter erhölls genom As-produced PPA. Liknande rangordning sammanfattar estimerade riskmått, där försäljning till Spotmarknaden visade högst Value-at-Risk, följt av Baseload PPA och lägsta risken estimerades i As-produced PPA. Slutligen drar vi även slutsatsen att As-produced PPA är den största riskmitigeraren av de två olika PPA alternativen.  Vår studie har genomförts under många avgränsningar och antaganden som behöver förstås ordentligt innan slutsatser från denna studie används. Några av avgränsningarna är att vi antar stationäritet i spotpriser, tar ingen hänsyn till förluster i kraftproduktion till följd av typ av landyta, undersöker endast ett vindkraftsverk och vi tar inte hänsyn till förluster i transmission eller kostnader från Nord Pool. Dessutom undersöker vi försäljningsprocessen för vindkraftsproducent som säljer all elektricitet själv och som inte har tillgång till handel genom Intradagsmarknaden. En ytterligare begränsning i arbetet är att vi inte har mätdata för historiska vindhastigheter vid en faktiskt planerad vindkraftspark, utan för en mätmast som är inom ett visst avstånd från några vindkraftsparker. Eftersom positionering av vindkraftsturbiner är extremt viktigt påverkar detta våra resultat då historiska vindhastigheter vid mätmasten möjligtvis inte är tillräckligt attraktiva för många investerare. Efter utvärdering av våra replikerade tidsserie rekommenderar vi vidare forskning inom området att ta hänsyn till icke-stationäritet vid skapande av modell för spotpriser. / As interest for wind power investment increases, market participants require access to more information regarding which factors that can affect the income generating capacities of their investments. Since income can be generated through various structures of selling electricity, stakeholders need better understanding regarding the income generating capacity of each structure over time. In this thesis we have examined aggregated income and estimated risk measures over one year for three different methods of selling electricity: selling to the Nord Pool Spot market, selling through Baseload PPA and selling through As-produced PPA. For the examination we have tried to replicate distributional and time series attributes for wind speeds, spot prices and regulating (balancing) prices. Our results demonstrate promising replicability for wind speeds, and quite promising replicability for spot prices and balancing prices.  We show that higher expected aggregated income also implies higher estimated risk. Highest expected aggregated income was generated from selling to the Market, followed by Baseload PPA and lowest income was generated for As-produced PPA. Estimated risk measures followed the same pattern, where selling to the Market demonstrated highest Value-at-Risk, followed by Baseload PPA and the lowest estimated risk was found in As-produced PPA. Finally we also conclude that As-produced PPA is the largest mitigator of risk between the two examined PPA alternatives.  Our study has been conducted under many delimitations and assumptions which need to be thoroughly understood before utilizing conclusions from this study. Some assumptions we take are stationarity in spot prices, no loss in power production due to type of surface surrounding the wind turbine, we only used one turbine and we assumed no losses in transmission nor any costs from Nord Pool. Furthermore, our study examines how electricity is sold from a wind power producer who sells all their electricity by themselves and who also does not have access to trading through the Intraday market. Another limitation in the study is that we do not have measurement data from actual wind farm locations, but data from a publicly available source that is within an undisclosed vicinity of some wind farms. Since positioning of wind power turbines is very important to maximize potential output, this limitation will affect our results since our used wind data might not be attractive enough for many potential investors. We finally recommend further study within the field, especially researching ways to handle lack of stationarity in spot prices.