Background: A public offering or "Initial Public Offering" means that a company is transferred from being unlisted to trading on a stock exchange. When a company is listed, the company needs to establish a prospectus. This document is meant to give potential investors information about the operations in the company with both historical financial data and more descriptive information. The prospectus should therefore contain all necessary information needed to make a well-founded assessment about the IPO. Historically IPOs have tended to overperform in the short term and have an underperformance in the long run compared with already listed companies. Purpose: The purpose of the study was to identify the general return patterns for IPOs in Sweden in both short-term and in the long run. The study also aims to investigate whether the company's prospectus published in connection with the IPO can explain these yield patterns. Methodology: The general return patterns have been calculated using the Buy and Hold Abnormal Return (BHAR) and Cumulative Abnormal Return (CAR) methods. The raw returns shown by the IPOs have been adjusted to the chosen reference index to determine whether an over- or underperformance has taken place. In addition, several multiple regressions have been conducted to determine whether selected variables can explain the abnormal return shown by IPOs. Conclusion: The study results shows that the initial return on the first day of the 2007-2014 period was an average of 2.82% for the study's selection of 45 public offerings from Stockholmsbörsen and First North. The IPOs showed a negative trend with an underperformance in the first three months. The result for the short term is thus not consistent with previous research in IPOs. In the long run, however, the study's selection shows an underperformance of -12.85% measured with BHAR and -24.13% with CAR. This result is consistent with previous studies in other markets. Furthermore, only one of the selected variables, the initial return, could to some extent (16.8%) explain the abnormal return for the first month. The other variables were not statistically significant in any of the studied periods. / Bakgrund: En börsintroduktion eller "Initial Public Offering" innebär att ett företag övergår från att vara onoterad till att handlas på en aktiebörs. I samband med att ett företag börsnoteras behöver företaget upprätta ett prospekt. Detta dokument ska ge potentiella investerare information om verksamheten av både beskrivande kvalitet och historiska finansiella data som kan kvantifieras av investeraren. Ett prospekt bör således innehålla all nödvändig information för att göra en välgrundad bedömning. Vidare har börsintroduktioner historiskt visat att dessa tenderar att överprestera på kort sikt och underpresterar på lång sikt jämfört med redan börsnoterade företag. Syfte: Syftet med studien var att identifiera generella avkastningsmönster för börsintroduktioner på kort- och lång sikt i Sverige. Studien ämnar även att undersöka om företagets prospekt som publiceras i samband med börsintroduktionen kan förklara dessa avkastningsmönster. Metod: De generella avkastningsmönstrena har beräknats med hjälp av metoden Buy and Hold Abnormal Return (BHAR) och Cumulative Abnormal Return (CAR). Avkastningen som börsintroduktionerna uppvisar har justerats till valt referensindex för att avgöra huruvida en över- eller underprestation har skett. Vidare har flertal multipla regressioner genomförts för att fastställa om utvalda variabler kan förklara den abnormala avkastningen som börsintroduktioner uppvisar. Slutsats: Studiens resultat visar att den initiala avkastningen första dagen under perioden 2007–2014 var i genomsnitt 2,82% för studiens urval på 45 stycken börsintroduktioner på Stockholmsbörsen och First North. Börsintroduktionerna visade på en negativ trend med en underprestation de första tre månaderna. Resultatet för kort sikt överensstämmer således inte med tidigare forskning inom börsintroduktioner. På lång sikt däremot uppvisar studiens urval en underavkastning på -12,85% mätt med BHAR och -24,13% med CAR. Detta resultat överensstämmer med tidigare studier på andra marknader. Vidare kunde endast en av de utvalda variablerna, den initiala avkastningen, till en viss grad (16,8%) förklara den abnormala avkastningen på en månad. De andra variablerna var inte statistiskt signifikanta i någon av undersökningsperioderna.

Hydropower is one of the oldest renewable energy (RE) sources and constitutes a major share in the Swedish electricity mix. Though hydropower is renewable, there exist some issues pertaining to the local aquatic conditions. With more environmental laws being implemented, regulating the use and management of water is jeopardizing the flexibility of hydropower plants. The decided national plan for new environmental conditions in Sweden is expected to start being implemented in 2025 and more restrictions are expected. Analysing a battery energy storage system's capabilities plants may improve flexibility in hydropower plant operation. This thesis is focused on the short-term regulation in lower Oreälven river where the hydropower plants Skattungbyn, Unnån and Hansjö are located. The combined hydropower plant and battery system is simulated being employed in the day-ahead market and a techno-economic optimization of the combined system is performed. The combined system's operation is modelled using Mixed Integer Linear Programming. The future electricity market analysis is modelled using Machine Learning techniques. Three different electricity market scenarios were developed based on different Swedish nuclear energy targets for 2040 to capture the future. The first scenario developed complies with the Swedish energy target of 100 % renewable production in 2040. The second scenario has still two nuclear power plants in operation by 2040 and the third scenario has the same nuclear capacity as of 2020. It is observed from the results that with the current battery costs (~3,6 Million SEK/MWh), the implementation of a battery system for the short term regulation of the combined battery/hydropower system is not profitable and the cost of battery needs to be less than 0,5 Million SEK/MWh to make it profitable. The thesis also discusses the possibility of utilizing batteries’ second life and the techno-economic analysis of their performance. / Vattenkraft är en av de allra äldsta förnybara energikällorna och utgör idag en väsentlig del av Sveriges energimix. Trots att vattenkraft är förnybar, har den lett till vissa utmaningar i den lokala vattenmiljön. Som en följd av att fler miljölagar har implementerats för att reglera nyttjandet av vattendrag och sjöar, minskar flexibiliteten i vattenkraftproduktionen. Den av den svenska regeringen i juni 2020 beslutade nationella planen för miljöanpassning av vattenkraften i Sverige, förväntas börja genomföras med start 2025 och tros då resultera i fler flexibilitetsbegränsningar. Genom att analysera driften av batteriers energilagringssystem kombinerade med vattenkraftverk, bedöms flexibiliteten i sådana kombinerade system kunna ökas. Denna studie fokuserar på den kortsiktiga regleringen av nedre Oreälven med vattenkraftverken Skattungbyn, Unnån och Hansjö. En kombination av vattenkraftverken med batterisystem simuleras mot spot-marknaden och en teknisk-ekonomisk optimering av det kombinerade systemet utförs. Driften av det kombinerade systemet modelleras med linjärprogrammering och den framtida analysen av elmarknaden modelleras med maskininlärningstekniker. Tre olika scenarier för elmarknaden utvecklades baserade på målen för den svenska kärnkraften år 2040. Det första scenariot som utvecklades är i linje med det svenska energimålet om 100 % förnybar produktion till 2040. Det andra scenariot utvecklades med två kärnkraftverk fortfarande i drift 2040 och det tredje scenariot med samma kärnkraftskapacitet som 2020. Från resultaten kan särskilt noteras att med nuvarande batterikostnader (~3,6 miljoner SEK/MWh) kommer införandet av batterier för att kortsiktigt reglera vattenkraftverken inte att vara lönsamt om inte batterikostnaden reduceras till som högst 0,5 miljoner SEK/MWh. Denna studie diskuterar även möjligheterna att använda andrahandsbatterier samt en teknisk-ekonomisk analys för dess prestanda.

Det har länge hävdats att bostadsbristen i Stockholm i stora delar beror på att Sveriges sedan 1968 rådande hyreslagstiftning har inneburit ett pristak på marknaden, vilket motverkat en tillfredsställande nybyggnation av hyreslägenheter. Syftet med denna uppsats är undersöka om så är fallet. Hyreslagens grundläggande intentioner och antaganden har utifrån grundläggande teori noggrant synats. Dessutom har den utveckling som skett på marknaden jämförts med de symptom som ett efterfrågeöverskott och ett pristak skulle innebära. Lagstiftningen har visat sig bestå av vad som i förlängningen kan argumenteras ha inneburit en icke-adekvat prisbildningsmekanism. Rimligtvis kan detta ha inneburit ett pristak vilket i sin tur det uppenbara efterfrågeöverskottet i teorin kan härledas till. De symptomatiska tillstånd som visat sig gällande i Stockholm kan därmed på många punkter förklaras av att lagen i praktiken har inneburit ett pristak.

This paper investigates correlation between energy consumption 24 hours ahead and features used for predicting energy consumption. The features originate from three categories: weather, time and previous energy. The correlations are calculated using Pearson correlation and mutual information. This resulted in the highest correlated features being those representing previous energy consumption, followed by temperature and month. Two identical feature sets containing all attributes1 were obtained by ranking the features according to correlation. Three feature sets were created manually. The first set contained seven attributes representing previous energy consumption over the course of seven days prior to the day of prediction. The second set consisted of weather and time attributes. The third set consisted of all attributes from the first and second set. These sets were then compared on different machine learning models. It was found the set containing all attributes and the set containing previous energy attributes yielded the best performance for each machine learning model. 1In this report, the words ”attribute” and ”feature” are used interchangeably. / I denna rapport undersöks korrelation och betydelsen av olika attribut för att förutspå energiförbrukning 24 timmar framåt. Attributen härstammar från tre kategorier: väder, tid och tidigare energiförbrukning. Korrelationerna tas fram genom att utföra Pearson Correlation och Mutual Information. Detta resulterade i att de högst korrelerade attributen var de som representerar tidigare energiförbrukning, följt av temperatur och månad. Två identiska attributmängder erhölls genom att ranka attributen över korrelation. Tre attributmängder skapades manuellt. Den första mängden innehåll sju attribut som representerade tidigare energiförbrukning, en för varje dag, sju dagar innan datumet för prognosen av energiförbrukning. Den andra mängden bestod av väderoch tidsattribut. Den tredje mängden bestod av alla attribut från den första och andra mängden. Dessa mängder jämfördes sedan med hjälp av olika maskininlärningsmodeller. Resultaten visade att mängden med alla attribut och den med tidigare energiförbrukning gav bäst resultat för samtliga modeller.