Bakgrund: Digitaliseringen har lett till förändrade förutsättningar för finansmarknaden och finansiella tjänster som Swish och Bank-ID är idag väletablerade och används av miljontals svenskar. I takt med utökad innovation har fintech-bolagen vuxit fram, vilka sträcker sig från mindre start-ups till framgångsrika aktörer som Klarna. Fintech-bolag erbjuder finansiella lösningar på ett digitalt innovativt sätt. Till följd av införandet av PSD2 som innebär att banker är skyldiga att möjliggöra transaktion och kontoinformation till tredjepartsaktörer, har intresset vuxit bland nya aktörer att ge sig in i finansbranschen. För bankerna har detta inneburit förändrade marknadsförutsättningar med kunder som väljer att ha sitt finansiella innehav hos olika finansiella aktörer. Bankerna har inte längre den hela bankkunden och ett sätt att bemöta den nya marknadssituationen har varit för bankerna att ingå strategiska allianser med fintech-bolag.   Syfte: Syftet med uppsatsen har varit att undersöka och identifiera vilka strategiska val de fyra största bankerna i Sverige har gjort för att möta den nya utmaningen från fintech-bolag.  Metod: Studien är en kvalitativ fallstudie, vars datainsamling inhämtats från fem semistrukturerade intervjuer med respondenter från de fyra största bankerna i Sverige. Studien har en deduktiv ansats med induktiva inslag och intervjuunderlaget framtogs utifrån vald referensram. Utifrån empiri, referensram samt tidigare forskning har analys genomförts för att redogöra bankernas strategiska val samt operativa risker.      Slutsats: Studien visar att de fyra största bankerna i Sverige använt strategier av varierande karaktär när de ingått samarbeten med fintech-bolag. Fokus på snabbhet, för att som bank vara aktuell på marknaden samt en ökad flexibilitet som mindre formellt knutna samarbeten bidrar till, identifieras som anledningar till att bankerna väljer att ingå samarbeten med fintech-bolag. Studien identifierar två huvudsakliga orsaker som motverkar bankernas innovationskraft, vilka grundar sig i en historisk passivitet till innovation samt omfattande regleringar. Vidare argumenteras skillnader i kultur och riskattityd som försvårande omständigheter för ett framgångsrikt samarbete mellan parterna. I samband med strategiska allianser har flertalet operativa risker identifierats, vilka riskerar få konsekvenser på bankernas rykte och varumärke. Samarbetena riskerar medföra konsekvenser som berör hela bankernas verksamheter, varför grundläggande riskanalys blir viktigt för bankerna att genomföra innan samarbetena ingås. Däremot konstaterar studien att svårigheter uppstår vid utförandet av riskanalys till följd av att många nya fintech-bolag saknar den bolagsdata som krävs för att fastställa riskprofil.

With the increasing use of big data and automatization, financial data extraction is of growing importance in the financial industry. The thesis examines how an extraction system can be developed for extracting relevant data for credit rating analysis. The system is designed to collect financial reports, extract relevant information, and identify failed extractions. Prerequisites were identified by conducting a qualitative literature study, as well as holding meetings with employees at a credit rating analysis company to align the system’s functionality with the company’s processes. The results showed that an automatic extraction can be implemented. The system was trained through a manual review process, resulting in an increase in performance. Following the training, the system was able to identify and extract all target data correctly. However, in some reports, certain target data was missing and these were treated as failures by the system. In summary, a system that extracts all existing target data was implemented. / Med den ökande användningen av big data och automatisering blir utvinning av finansiella data allt viktigare inom finansbranschen. Uppsatsen undersöker hur ett extraktionssystem kan utvecklas för extraktion av relevant data för kreditvärderingsanalys. Systemet är utformat för att samla in finansiella rapporter, extrahera relevant information och identifiera misslyckade extraktioner. Förutsättningar identifierades genom att genomföra en kvalitativ litteraturstudie samt att hålla möten med anställda på ett företag som utför kreditvärderingsanalyser för att anpassa systemets funktionalitet efter företagets processer. Resultaten visade att en automatisk extraktion kan implementeras. Systemet tränades genom en manuell granskningsprocess, vilket resulterade i en ökad prestanda. Efter träningen kunde systemet identifiera och extrahera all måldata korrekt. Dock saknades viss måldata i vissa rapporter, och dessa behandlades som misslyckanden av systemet. Sammanfattningsvis implementerades ett system som extraherar all befintlig måldata.

De svenska fastighetsbolagen har en stor betydelse för den svenska finansiella stabiliteten. Dessa bolag står för omkring 10–25 procent av de svenska bankernas privata utlåning. När inflationen ökar innebär det även att utlåningsräntorna ökar, vilket påverkar fastighetsbolagen betalningsförmåga och på så sätt även det svenska finansiella systemet. Riksbanken ökar styrräntan i syfte att minska fluktuationer i den svenska ekonomin, däremot innebär en ökad ränta att investeringsefterfrågan minskar då risken ökar som i sin tur innebär att avkastningskraven blir högre och fastighetsvärden lägre. Inflationens påverkan på fastighetsbolagens finansiella beslutsfattande är mångdimensionellt då det påverkar deras finansierings- och investeringsbeslut. Den låga räntenivån som uppstod efter finanskrisen 2008–2009 innebar att fastighetsbolag började vända sig till kapitalmarknaden mer än till bankerna, på grund av gynnsamma finansieringsvillkor. Denna studie syftar till att beskriva hur fastighetsbolagens finansiella beslutsfattande påverkas av den ökade inflationsnivån. Studiens utförande var en deskriptiv tvärsnittsstudie med sex fastighetsbolag som undersökningsobjekt. Primärdata som samlats in har hämtats från de semistrukturerade intervjuer som utförts i syfte att besvara forskningsfrågan. Sekundärdata i form av årsrapporter och litteratur har inhämtats för att i analysen förklara och skapa förståelse för primärdata. Studiens resultat påvisar att fastighetsbolagen agerar utifrån ett rationellt beslutsfattande, men att investerarna på kapitalmarknaden och säljarna på fastighetsmarknaden agerar irrationellt. Rationaliteten utformas av att bolagen aktivt väljer att finansiellt arbeta långsiktigt och försiktigt i syfte att gardera sig för förändrade marknadsförhållanden. Kapital- och fastighetsmarknadens irrationella tendenser utformas av att det råder asymmetrisk information till följd av den ökade inflationsnivå, vilket skapar osäkerheter och informationsövertag för bolagen gentemot investerare och säljare. Sammanfattningsvis dras slutsatsen att räntenivån är en viktig faktor som påverkar bolagens finansiella beslutsfattande. Slutsatsen bygger på att räntenivån påverkar lånevillkoren för både banklån och kapitalfinansiering, vilket vidare påverkar hur bolagen väljer finansiera sig under förändrade marknadsförhållanden. / The real estate companies are of great importance for Swedish financial stability. These companies account for around 10-25 percent of the Swedish banks´ private lending. An increased inflation results in increased lending rates which effects the commercial real estate companies’ ability to pay back the loans and thus also the Swedish financial system. The Riksbank increases the policy rate when inflation reaches higher levels to reduce fluctuations in the Swedish economy. However, an increased rate leads to lower investment demand because of the growing risk, which in turn means that yield requirements increase, and property values lowers. The impact of inflation on the real estate companies´ financial decision-making is multidimensional as it affects their financial and investment decision. The low level of interest rates that arose after the financial crisis of 2008-2009 meant that real estate companies began to turn to the capital market more than to the banks, due to favourable financing decisions. This study aims to describe how the real estate companies´ financial decision-making is affected by the increased level of inflation. The study carried out a descriptive cross-sectional study with six real estate companies as subjects of investigation. The primary data collected has been taken from the semi-structured interviews conducted to answer to research question. Secondary data in the form of annual reports and literature have been collected to explain and create an understanding of the primary data in the analysis. The results of the study demonstrate that the real estate companies act based on rational decision-making while investors and sellers act irrational. The rationality is shaped by the fact that the companies actively choose to work financially long-term and cautiously to guard against changing market conditions. The capital- and real estate markets irrational tendencies are shaped by heightened asymmetric information that is a result of the increased level of inflation. Asymmetric information creates uncertainties and information superiority for the companies in relation to investors and seller. In summary, the study concludes that the interest rate is an important factor that affects companies´ financial decision-making. The conclusion is based on that the interest rate affects the loan terms for both bank loans and capital financing, which further influences how the companies choose to finance themselves under changed market conditions.

This degree project aims to investigate different evaluation strategies for clustering methodsused to cluster multivariate financial time series. Clustering is a type of data mining techniquewith the purpose of partitioning a data set based on similarity to data points in the same cluster,and dissimilarity to data points in other clusters. By clustering the time series of mutual fundreturns, it is possible to help individuals select funds matching their current goals and portfolio. Itis also possible to identify outliers. These outliers could be mutual funds that have not beenclassified accurately by the fund manager, or potentially fraudulent practices. To determine which clustering method is the most appropriate for the current data set it isimportant to be able to evaluate different techniques. Using robust evaluation methods canassist in choosing the parameters to ensure optimal performance. The evaluation techniquesinvestigated are conventional internal validation measures, stability measures, visualizationmethods, and evaluation using domain knowledge about the data. The conventional internalvalidation methods and stability measures were used to perform model selection to find viableclustering method candidates. These results were then evaluated using visualization techniquesas well as qualitative analysis of the result. Conventional internal validation measures testedmight not be appropriate for model selection of the clustering methods, distance metrics, or datasets tested. The results often contradicted one another or suggested trivial clustering solutions,where the number of clusters is either 1 or equal to the number of data points in the data sets.Similarly, a stability validation metric called the stability index typically favored clustering resultscontaining as few clusters as possible. The only method used for model selection thatconsistently suggested clustering algorithms producing nontrivial solutions was the CLOSEscore. The CLOSE score was specifically developed to evaluate clusters of time series bytaking both stability in time and the quality of the clusters into account. We use cluster visualizations to show the clusters. Scatter plots were produced by applyingdifferent methods of dimension reduction to the data, Principal Component Analysis (PCA) andt-Distributed Stochastic Neighbor Embedding (t-SNE). Additionally, we use cluster evolutionplots to display how the clusters evolve as different parts of the time series are used to performthe clustering thus emphasizing the temporal aspect of time series clustering. Finally, the resultsindicate that a manual qualitative analysis of the clustering results is necessary to finely tune thecandidate clustering methods. Performing this analysis highlights flaws of the other validationmethods, as well as allows the user to select the best method out of a few candidates based onthe use case and the reason for performing the clustering.

In this thesis, we explore the proprietary Environmental, Social and Corporate Governance (ESG) scores and analyze their impacts on firm valuation using the sample of 166 companies operating in 35 emerging and frontier markets. Three methods of ESG scores, Principal Component Analysis and regression analysis are used. The results indicate an economically significant relationship between the overall ESG measure and firm value mainly driven by the “Environmental” and “Capital allocation” sub-scores. An exploratory principal component analysis and an extensive list of firm characteristics is also employed in our regression analysis to address problems identified in previous studies - construct validity and endogeneity. The PCA revealed dominance of Environmental and Social components in the variance of the total ESG score. Finally, the strengths and weaknesses of proprietary ESG score and PCAderived index are recognized based on sector- and region level comparison and the opportunities to improve the ESG scorecard framework are identified. / In den uppsatsen, forskning går på Environmental, Social and Corporate Governance (ESG) poäng och analyserar deras påverkan på företagsvärdering genom att använda ett urval av 166 företag som verkar i 35 frontier och tillväxtmarknader. Tre metoder av ESG mätning, Principal Component Analysis och regressionsanalyser tillämpades. Resultat tyder på ett ekonomiskt signifikant förhållande mellan totala ESG mätning och företagsvärdering vilket drivs av miljö och kapitalallokering delpoäng. Principalkomponentanalys och en utförlig lista av företagsegenskaper tillämpades också i våra regressionsanalyser för att adressera problem identifierade i tidigare studier - begreppsvaliditet och endogenitetsproblem. PCA tydde på dominans av miljöoch sociala aspekter i varians av den totala ESG poängen. Avslutningsvis, styrkor och svagheter av ESG-poäng och PCA-härlett index baserat på bransch- samt regionaljämförelser och möjligheterna för förbättring av ESG-mätning ramverk identifierades.

The assessment of the environmental and social impact of companies could be a key lever towards amore sustainable society. The aim of this report is to develop a quantitative approach based onmulti-criteria decision-making methods for organizations to conduct a corporate social responsibility materiality analysis. Through a literature review, a knowledge gap was identified on practical methods to implement a materiality analysis that meet non-financial reporting requirements.Therefore, the features of such a method were identified and a method combining analytic hierarchy process and failure modes and effects analysis was offered. The method was then used within a company in order to illustrate how the method should be applied in practice and to assess its application. The analytic hierarchy process was used to determine the relative weights of three criteria: risk, opportunity and influence on stakeholders’ assessments & decisions. Assessment scales were created for three failure modes and effects analysis indices for the criteria of risk and opportunity: severity, occurrence and control. A unique value can then be calculated for each corporate social responsibility issue in order to identify the material ones. The application of the methodology to a company underlined a few critical factors to be further investigated, in particular the quantification of the scales used for assessment and the selection of stakeholders. / Bedömningen av företagens miljöpåverkan och sociala effekter kan vara en nyckelhävarm mot ett hållbart samhälle. Syftet med denna artikel är att utveckla ett kvantitativt tillvägagångssätt baserat på beslutsfattningsmetoder med flera kriterier för organisationer att utföra en väsentlighetsanalys av företagets sociala ansvar. Genom en litteraturöversikt identifierades kunskapsgap om praktiska metoder för att genomföra en väsentlighetsanalys som uppfyller icke-finansiella rapporteringskrav. Därför identifierades funktionerna i en sådan metod och en metod som kombinerar analytisk hierarkiprocess och feleffektsanalys erbjuds. Metoden användes sedan inom ett företag för att illustrera hur metoden bör tillämpas i praktiken och för att bedöma dess tillämpning. Den analytiska hierarkiprocessen användes för att bestämma de relativa vikterna för tre kriterier: risk, möjlighet och inflytande på intressenternas bedömningar och beslut. Utvärderingsskalor skapades för tre feleffektsanalysindex för kriterierna för risk och möjlighet: allvarlighetsgrad, förekomst och kontroll. Ett unikt värde kan sedan beräknas för varje företags sociala ansvar för att identifiera de materiella.Tillämpningen av metodologin på ett företag underströk några kritiska faktorer som ska undersökas ytterligare, särskilt kvantifieringen av skalorna som används för bedömning och urvalet av intressenter.

SAMMANFATTNING Titel: ESG-betyg och finansiell prestation Nivå: Examensarbete på grundnivå (kandidatexamen) i ämnet företagsekonomi Författare: Axel Almefors Sjögren och Martin Lötberg Handledare: Jan Svanberg  Datum: 2023 – Maj Syfte: Hållbarhetsredovisningens betydelse hos företag har ökat sedan dess introduktion år 1981. Detta har resulterat i att företagen bär ett större ansvar för sina anställda, leverantörer, intressenter, miljön och samhället. Samtidigt har den finansiella sektorn en väsentlig roll för att länders samhällsekonomier ska vara funktionella. Trots detta har tidigare studier börjat ifrågasätta hållbarhetsredovisningens värde på grund av tvetydiga resultat. Tidigare studier har bland annat funnit dessa tvetydiga resultat hos företag som är etablerade inom olika branscher, marknader, sektorer och länder. Utifrån dessa resultat har det blivit betydande att enbart undersöka en specifik sektor inom ett visst avgränsat geografiskt område, som är välutvecklat för att se hur utvecklingen skett. Studiens syfte blir således att undersöka om ESG-betyg korrelerar med finansiellt resultat inom den nordiska finansiella sektorn. Metod: Studien tillämpar en kvantitativ deduktiv ansats ifrån den positivistiskaforskningsfilosofin. Studiens insamlade data är av sekundär art och har inhämtats ifrån Thomson Reuters datastream Refinitiv Eikon. 40 finansiella företag ifrån Sverige, Norge, Danmark och Finland har analyserats för räkenskapsåren 2019-2022. Studiens data har sedan analyserats genom statistikprogrammet SPSS, där univariat, bivariat och multivariat analys har tillämpats.  Resultat och slutsats: Studiens resultat visar inga signifikanta samband mellan den oberoende variabeln ESG-betyg och de tre beroendevariablerna ROA, ROE och Tobin’s Q.Detta innebär att studien inte kan dra några generella slutsatser om sambanden mellan variablerna. Trots avsaknad signifikans visar regressionsanalyserna för ROA och ROE ett mer negativt samband och ett mer positivt samband för Tobin’s Q. Examensarbetets bidrag: Studien bidrar med en mer uppdaterad undersökning av sambandet mellan ESG-betyg och finansiella prestationer inom den nordiska finansiella sektorn. Utifrån detta bidrar studien med ökad kunskap gällande sambandet, vilket kan vara till intresse för potentiella investerare och intressenter. Förslag till fortsatt forskning: I och med att studien inte fann några signifikanta samband för räkenskapsåren 2019-2022 vore det intressant att undersöka sambandet på längre sikt. Detta för att se om företagens eventuella kapitalkostnader har reducerats, samt om företagen har återhämtat sig ifrån Covid-19 pandemin. Det vore även till intresse om framtida forskning tillämpar fler ESG-betyg än enbart Thomson Reuters för att få ett mer sammanhållet ESG-betyg.  Nyckelord: ESG-betyg, Finansiella prestationer, Marknadsvärde, Finanssektorn, Banksektorn, Nordiska länderna. / ABSTRACT Title: ESG-rating and financial performance Level: Student thesis, final assignment for Bachelor Degree in Business Administration Author: Axel Almefors Sjögren and Martin Lötberg Supervisor: Jan Svanberg Date: 2023 - May Aim: The importance of sustainability reporting among companies has increased since its introduction in 1981. This has resulted in companies taking greater responsibility for their employees, suppliers, stakeholders, the environment and society. At the same time, the financial sector plays an essential role in the functioning of national economies. Despite this, previous studies have started to question the value of sustainability reporting due to ambiguous results. Previous studies have found these ambiguous results among companies established in different industries, markets, sectors and countries. Based on these results, it has become significant to examine only a specific sector within a certain limited geographical area, which is well developed to see how the development has taken place. The purpose of the study is thus to investigate whether ESG ratings correlate with financial performance in the Nordic financial sector. Method: The study applies a quantitative deductive approach from the positivist research philosophy. The study's collected data is of a secondary nature and has been obtained from Thomson Reuters datastream Refinitiv Eikon. 40 financial companies from Sweden, Norway, Denmark and Finland have been analyzed for the financial years 2019-2022. The study's data has then been analyzed through the statistical program SPSS, where univariate, bivariate and multivariate analysis has been applied. Results and conclusions: The results of the study show no significant correlation between the independent variable ESG rating and the three dependent variables ROA, ROE and Tobin's Q. This means that the study cannot draw general conclusions about the relationship between the variables. Despite the lack of significance, the regression analyses for ROA and ROE show a more negative relationship and a more positive relationship for Tobin's Q. Contribution of the thesis: The study provides a more updated examination of the relationship between ESG ratings and financial performance in the Nordic financial sector. Based on this, the study contributes to increased knowledge about the relationship, which may be of interest to potential investors and stakeholders. Suggestions for future research: As the study did not find any significant relationships for the financial years 2019-2022, it would be interesting to examine the relationship in the longer term. This is to see whether companies' potential capital costs have been reduced, and whether companies have recovered from the Covid-19 pandemic. It would also be of interest if future research applies more ESG ratings than just Thomson Reuters to get a more coherent ESG rating. Key words: ESG rating, Financial performance, Market value, Financial sector, Banking sector, Nordic countries

I takt med att samhället står inför en alltmer digitaliserad vardag har cyberattacker blivit alltmer påtagliga. Cyberattackerna vars vanligaste former tar skepnad genom utpressningstrojaner, nätfiske, skadlig programvara och överbelastningsattacker kostar samhället avsevärda resurser. Attackernas skador kan kosta företag på flera sätt och är i många avseenden svåra att kvantifiera. Direkta kostnader vid driftstopp och utbetalda lösensummor visar sig direkt som påtagliga utgifter. Men även indirekta kostnader genom försämrat rykte, känsliga data röjs och reducerad produktivitet bland de anställda. I denna studie undersöks cyberattackers påverkan på aktiekurser hos svenska företag mellan åren 2010–2023, där studien använder sig av tre olika händelsefönster. Det ändamålsenliga sambandet som studerats har varit ifall den kumulativa abnormala avkastningen på de 28 observerade företagen är lägre efter händelsedagen då cyberattacken inträffat jämfört med innan händelsedagen. Dessutom studeras sambandet i informationsasymmetrin mellan insynspersoner hos det attackerade företaget och marknadens investerare för att se ifall insynshandel förekommer. Urvalet för de observerade företagen som attackerats gjordes manuellt och börsdatan hämtades från databasen Refinitiv Eikon. Tidigare forskning på området är geografiskt spridd och inte tidsenlig vilket resulterar i varierande resultat som inte är tidstrogna. Detta kan försvåra appliceringen av studiens resultat, på andra aktiemarknader, eftersom aktiemarknader skiljer sig åt såväl som att andra faktorer kan spela en betydande roll. I teorikapitlet presenteras de valda teorierna; Hypotesen om den effektiva marknaden, informationsasymmetri, modellen för prissättning av kapitaltillgångar, Fama French trefaktormodell och diskonterat kassaflöde. För att genomföra studien på ett forskningsetiskt korrekt sätt, redovisas och diskuteras det kvantitativa metodvalet, etiska aspekterna och det positivistiska paradigmet som ligger till grund för studien. Tillämpningen av källkritik, forskningsetisk och samhällelig relevans såväl som sanningskriterier framställs. Studien genomförs i form av en händelsestudie med tre olika händelsefönster. Den abnormala avkastningen beräknas med hjälp av en estimering av den förväntade avkastningen från CAPM-modellen. För att testa studiens hypoteser använder författarna sig av statistiska testerna; regressionsanalys, T-test och Wilcoxons teckenrangtest. Vidare testas även huruvida den kumulativa abnormala avkastningen påverkas av publikationen av ett pressmeddelande, författarna finner ej stöd för att detta påverkar den kumulativa abnormala avkastningen. Författarna genomför även tester specifikt utformade för att påvisa förekomsten av insynshandel innan cyberattacken offentliggjorts och finner att detta förekommer. Slutligen kommer författarna, efter en gedigen analys, fram till att det finns ett negativt samband mellan en cyberattack och ett företags börsvärde. Studiens resultat överensstämmer med tidigare forskningsresultat inom ämnet.

Financial time-series are not uncommon to research in an academic context. This is possibly not only due to its challenging nature with high levels of noise and non-stationary data, but because of the endless possibilities of features and problem formulations it creates. Consequently, problem formulations range from classification and categorical tasks determining directional movements in the market to regression problems forecasting their actual values. These tasks are investigated with features consisting of data extracted from Twitter feeds to movements from external markets and technical indicators developed by investors. Cryptocurrencies are known for being evermore so volatile and unpredictable, resulting in institutional investors avoiding the market. In contrast, research in academia often applies state-of-the-art machine learning models without the industry’s knowledge of pre-processing. This thesis aims to lessen the gap between industry and academia by presenting a process from feature extraction and selection to forecasting through machine learning. The task involves how well the market movements can be forecasted and the individual features’ role in the predictions for a six-hours ahead regression task. To investigate the problem statement, a set of technical indicators and a feature selection algorithm were implemented. The data was collected from the exchange FTX and consisted of hourly data from Solana, Bitcoin, and Ethereum. Then, the features selected from the feature selection were used to train and evaluate an Autoregressive Integrated Moving Average (ARIMA) model, Prophet, a Long Short-Term Memory (LSTM) and a Transformer on the spread between the spot price and three months futures market for Solana. The features’ relevance was evaluated by calculating their permutation importance. It was found that there are indications of short-term predictability of the market through several forecasting models. Furthermore, the LSTM and ARIMA-GARCH performed best in a scenario of low volatility, while the LSTM outperformed the other models in times of higher volatility. Moreover, the investigations show indications of non-stationary. This phenomenon was not only found in the data as sequence but also in the relations between the features. These results show the importance of feature selection for a time frame relevant to the prediction window. Finally, the data displays a strong mean-reverting behaviour and is therefore relatively well-approximated by a naive walk. / Finansiella tidsserier är inte ovanliga att utforska i ett akademiskt sammanhang. Det beror troligen inte bara på dess utmanande karaktär med höga ljudnivåer och icke-stationära data, utan även till följd av de oändliga möjligheter till inmatning och problemformuleringar som det skapar. Följaktligen sträcker sig problemformuleringarna från klassificering och kategoriska uppgifter som bestämmer riktningsrörelser på marknaden till regressionsproblem som förutsäger deras faktiska värden. Dessa uppgifter undersöks med data extraherad från twitterflöden till rörelser från externa marknader och tekniska indikatorer utvecklade av investerare. Kryptovalutor är kända för att vara volatila och oförutsägbara till sin natur, vilket resulterar i att institutionella investerare undviker marknaden. I kontrast tillämpas forskning inom den akademiska världen ofta med avancerade maskininlärningsmodeller utan branschens typiska förbearbetningsarbete. Detta examensarbete syftar till att minska klyftan mellan industri och akademi genom att presentera en process från dataextraktion och urval till prognoser genom maskininlärning. Arbetet undersöker hur väl marknadsrörelserna kan prognostiseras och de enskilda variablernas roll i förutsägelserna för ett regressionsproblem som prognotiserar en sex timmar fram i tiden. Därmed implementerades en uppsättning tekniska indikatorer tillsammans med en algoritm för variabelanvändning. Datan samlades in från börsen FTX och bestod av timdata från Solana, Bitcoin och Ethereum. Sedan användes variablerna som valts för att träna och utvärdera en Autoregressive Integrated Moving Average (ARIMA)-modell, Prophet, en Long Short-Term Memory (LSTM) och en Transformer på skillnaden mellan spotpriset och tre månaders framtidsmarknad för Solana. Variablernas relevans utvärderades genom att beräkna deras vikt vid permutation. Slutsatsen är att det finns indikationer på kortsiktig förutsägbarhet av marknaden genom flera prognosmodeller. Vidare noterades det att LSTM och ARIMA-GARCH presterade bäst i ett scenario med låg volatilitet, medan LSTM överträffade de andra modellerna i vid högre volatilitet. Utöver detta visar undersökningarna indikationer på icke-stationäritet inte bara för datan i sig, utan också för relationerna mellan variablerna. Detta visar vikten av att välja variabler för en tidsram som är relevant för prediktionsfönstret. Slutligen visar tidsserien ett starkt medelåtergående beteende och är därför relativt väl approximerad av en naiv prediktionsmodell.

Stocks belonging to publicly traded companies is a topic which in society is mystified and by some considered to be an unpredictable phenomenon where you either make an economic loss or gain seemingly by chance. Despite this, there are numerous fields of work where the sole purpose is to predict the movement of stocks in order to maximize economic gain. The purpose of this report was to research whether or not these movements actually can be predicted by the usage of regression analysis. A regression model was constructed where the response variable used was the rate of change of a certain stock over 30 days and numerous different qualitative and quantitative parameters were used as regressors. This full model was then evaluated and improved in order to refine its construction and results yielded in order to present the best possible model. When researching and optimizing the model, it was found that several parameters turned out to be statistically significant for the model. The model itself did however come with some uncertainties in the form of a low R-squared value, meaning that despite the significance of said parameters, it contained a high amount of unrepresented variance. / Aktier tillhörande publikt handlade bolag är i samhället ett mystifierat ämne varvid vissa ser det som ett oförutsägbart fenomen, som kan genera antingen vinst eller förlust, till synes av slumpen. Trots detta finns det flertalet områden vars främsta syfte är att förutspå aktiers prisrörelser med ändamålet att maximera ekonomisk vinning. Syftet med denna rapporten var att studera huruvida dessa prisrörelser faktiskt kan förutspås med hjälp av regressionsanalys. En regressionsmodell skapades där rate of change för flertalet aktier under en period på 30 dagar användes som responsvariabel. Flertalet olika kvantitativa och kvalitativa parametrar för respektive aktie användes som regressorer. Den fullständiga modellen som byggde på all data utvärderades för att sedan förbättras, i syfte att förfina dess uppbyggnad och de resultat den genererade, för att skapa en så bra modell som möjligt.  När modellen studerades och optimerades kunde det konstateras att flertalet parametrar var statistiskt signifikanta för modellen. Modellen hade dock osäkerheter i form av bland annat lågt R-kvadratvärde, vilket innebar att trots statistiskt signifikans i flertalet parametrar, kunde modellen inte förklara en stor del av förekommen varians.