Bakgrund: Med anledning av den globala uppvärmningen behövs en omställning till en cirkulär ekonomi. Svenska fastigheter står för en stor del av samhällets energianvändning men har också genomgått en betydande energieffektivisering de senaste decennierna. Syfte: Studiens huvudsyfte var att svara på frågeställningen om det fanns ett samband mellan koldioxidprestanda och finansiell lönsamhet inom urvalsgruppen svenska fastighetsverksamheter mellan åren 2016 och 2020. Syftet var också att undersöka om koldioxidskatten hade ett samband med koldioxidprestanda. Metod: Data på koldioxidprestanda inhämtades manuellt från företagens hållbarhetsrapporter. Koldioxidprestanda uttrycktes som koldioxidintensitet. Finansiell lönsamhet uttrycktes genom fem olika nyckeltal: avkastning på eget kapital, avkastning på totalt kapital, EBITAD-marginal, rörelsemarginal och vinstmarginal. Sambanden analyserades med olika linjära regressionsmodeller för paneldata.Resultat: Resultaten visade på en signifikant negativ association mellan högre lönsamhet och lägre koldioxidintensitet. Resultaten var starkast för lönsamhetsmåtten avkastning på eget kapital, avkastning på totalt kapital, rörelsemarginal och vinstmarginal (p<0,05). Det fanns också ett signifikant samband mellan högre koldioxidskatt och lägre koldioxidintensitet. Slutsats: Det finns ett samband mellan högre lönsamhet och bättre koldioxidprestanda inom svenska fastighetsbranschen. Slutsatsen är också att lönsammare företag hade en lägre koldioxidintensitet. Slutligen så har en högre koldioxidskatt ett samband med bättre koldioxidprestanda. / Background: Due to global warming, a shift to a circular economy is needed. Swedish properties account for a large part of society's energy use, but have also undergone significant energy efficiency improvements in recent decades. Aim: The main purpose of this study was to investigate the relationship between carbon performance and financial profitability within the sample group Swedish real estate companies between the years 2016 and 2020. The purpose was also to investigate a possible relationship between carbon tax and carbon performance. Method: Data on carbon performance were obtained manually from companies' environmental disclosure. Carbon performance was expressed as carbon intensity. Financial profitability was expressed through five different key ratios: return on equity, return on assets, EBITAD margin, operating margin, and profit margin. The relationships were analyzed with different linear regression models for panel data.Results: The results showed a significant negative association between higher profitability and lower carbon intensity. The results were strongest for the profitability measures return on equity, return on assets, operating margin and profit margin (p<0.05). There was also a significant association between higher carbon taxes and lower carbon intensity. Conclusion: There is a relationship between higher profitability and better carbon performance in the Swedish real estate industry. Furthermore, companies with higher profitability have lower carbon intensity. Finally, a higher carbon tax is associated with better carbon performance.

The purpose of this master thesis is to develop a model to estimate the carbon intensity, i.e the carbon emission relative to economic activity, of publicly traded companies which do not report their carbon emissions. By using statistical and machine learning models, the core of this thesis is to develop and compare different methods and models with regard to accuracy, robustness, and explanatory value when estimating carbon intensity. Both discrete variables, such as the region and sector the company is operating in, and continuous variables, such as revenue and capital expenditures, are used in the estimation. Six methods were compared, two statistically derived and four machine learning methods. The thesis consists of three parts: data preparation, model implementation, and model comparison. The comparison indicates that boosted decision tree is both the most accurate and robust model. Lastly, the strengths and weaknesses of the methodology is discussed, as well as the suitability and legitimacy of the boosted decision tree when estimating carbon intensity. / Syftet med denna masteruppsats är att utveckla en modell som uppskattar koldioxidsintensiteten, det vill säga koldioxidutsläppen i förhållande till ekonomisk aktivitet, hos publika bolag som inte rapporterar sina koldioxidutsläpp. Med hjälp av statistiska och maskininlärningsmodeller kommer stommen i uppsatsen vara att utveckla och jämföra olika metoder och modeller utifrån träffsäkerhet, robusthet och förklaringsvärde vid uppskattning av koldioxidintensitet. Både diskreta och kontinuerliga variabler används vid uppskattningen, till exempel region och sektor som företaget är verksam i, samt omsättning och kapitalinvesteringar. Sex stycken metoder jämfördes, två statistiskt härledda och fyra maskininlärningsmetoder. Arbetet består av tre delar; förberedelse av data, modellutveckling och modelljämförelse, där jämförelsen indikerar att boosted decision tree är den modell som är både mest träffsäker och robust. Slutligen diskuteras styrkor och svagheter med metodiken, samt lämpligheten och tillförlitligheten med att använda ett boosted decision tree för att uppskatta koldioxidintensitet.