Fastigheter liknar mer och mer en handelsvara. En transparent marknad är därför ett måste för att skapa en effektiv marknad och för att locka internationella såväl som nationella investerare. Den svenska fastighetsmarknaden har länge kännetecknats för sin transparens, men den senaste tiden har utvecklingen gått i motsatt riktning. För att bibehålla transparensen behöver aktörer på fastighetsmarknaden tillräckligt med underlag för att fatta korrekta investeringsbeslut. Prognoser baserade på kvantitativ historisk data är ett verktyg som inte används i stor utsträckning idag, men som kan föra utvecklingen av investeringsunderlag framåt. Denna rapport beskriver en prognosmodell vilken kan användas för att prognostisera framtida potentiell värdeutveckling för kontorsfastigheter. Prognosmodellerna baseras på flertalet multipla regressioner över paneldata. Den mest tillförlitliga modellen har sedan legat till grund för en prognostisering. Resultatet visar att av de tre storstadsregionerna kommer den mest positiva värdetillväxten de kommande åren att ske i Stor-Göteborg. I Stor-Stockholm väntas kontorsfastighetspriserna utvecklas något mindre än för Stor-Göteborg medan prognosen för Stor-Malmö är mer negativ, en möjlig orsak är en stor nyproduktionstakt på orten inom kontorssegmentet.

<p>Syftet med uppsatsen är att skapa en potentiell ny prognosmodell för realiserade kapitalvinster åt Finansdepartementet. Modellen skall prognostisera skatteutfallet för realiserade kapitalvinster efter att aktuellt inkomstår har passerat. Genom att dela upp realiserade kapitalvinster i delarna realiserade Finansiella kapitalvinster, realiserade Reala kapitalvinster samt realiserade Övriga kapitalvinster skall bättre prognoser för totala realiserade kapitalvinster genereras jämfört med Finansdepartementets nuvarande modell. Denna uppdelning av realiserade kapitalvinster har ej tidigare genomförts.</p><p>För att kunna bedöma om den framtagna modellen (som presenteras i denna uppsats) är av värde kommer den att jämföras mot Finansdepartementets nuvarande modell. Jag kommer använda utvärderingskriterierna Absolutsumma avvikelsefel och Kvadratsumma avvikelsefel.</p><p>Efter genomförd jämförelse kan slutsatsen dras att den framtagna modellen är bättre än den nuvarande prognosmodellen som Finansdepartementet använder.</p>

Syftet med uppsatsen är att skapa en potentiell ny prognosmodell för realiserade kapitalvinster åt Finansdepartementet. Modellen skall prognostisera skatteutfallet för realiserade kapitalvinster efter att aktuellt inkomstår har passerat. Genom att dela upp realiserade kapitalvinster i delarna realiserade Finansiella kapitalvinster, realiserade Reala kapitalvinster samt realiserade Övriga kapitalvinster skall bättre prognoser för totala realiserade kapitalvinster genereras jämfört med Finansdepartementets nuvarande modell. Denna uppdelning av realiserade kapitalvinster har ej tidigare genomförts. För att kunna bedöma om den framtagna modellen (som presenteras i denna uppsats) är av värde kommer den att jämföras mot Finansdepartementets nuvarande modell. Jag kommer använda utvärderingskriterierna Absolutsumma avvikelsefel och Kvadratsumma avvikelsefel. Efter genomförd jämförelse kan slutsatsen dras att den framtagna modellen är bättre än den nuvarande prognosmodellen som Finansdepartementet använder.

The purpose of this bachelor thesis was, together with the company Tvinn, to develop a smart charging system in python that accurately predicts the electrical prices in Sweden electrical zone SE3 seven days ahead of time with an hourly frequency. The first objective was to acquire what parameters influence the electrical price in SE3, then continuously download all relevant historical data with API:s and lastly choose an appropriate forecast model. The final product that was constructed were two hybrid models that utilizes an XGBoost, Deeplearning RigedCv algorithms. The models created did not achieve the set up accuracy goal but is a good indicator as to how the price generally behaves daily.

<p>Denna uppsats undersöker vilka faktorer som påverkar förändringar i elspotpriset på Nord Pool. Avsikten är att resultatet skall ligga till grund för en prisuppskattningsmodell för Lunds Energikoncernen AB. Faktorerna bestämdes genom en förstudie där viktig litteratur om elmarknaden studerades samt samtal med Lunds Energikoncernen AB. De faktorer som undersöks i denna uppsats är priset på utsläppsrätter, nettoexport till Tysk-land, temperatur, nederbörd, priset på kol och villaolja samt konjunkturutveckling i Sve-rige.</p><p>Undersökningen av faktorerna bestod av en multipel regressionsanalys med undersökta faktorer som oberoende variabler och elspotpriset på Nord Pool som den beroende va-riabeln. Faktorerna blev indelade i två grupper dagsgruppen och månadsgruppen, grunden till uppdelningen är som namnen antyder att statistiken var observerad dygnsvis och må-nadsvis. I månadsgruppen ingick nettoexport till Tyskland, priset på kol, villaolja samt konjunktur och ur denna grupp visade sig endast nettoexport till Tyskland ha statistisk signifikans.</p><p>I dagsgruppen ingick de faktorer som oftast omnämns i litteraturen som prispåverkande, nämligen temperatur, nederbörd och priset på utsläppsrätter. Dock visade sig nederbörd inte ha någon statistisk signifikant påverkan på elpriset varvid ett nytt test på ett nytt sta-tistiskt underlag gjordes för nederbörden vilket gav samma resultat, vilket var förvånan-de. Både temperatur och priset på utsläppsrätter visade sig dock ha statistisk signifikans och detta intygades genom ytterligare test.</p><p>Härefter gjordes en regressionsanalys med de faktorer visat sig ha statistisk signifikans som oberoende variabler, det vill säga nettoexport till Tyskland, temperatur och priset på utsläppsrätter gentemot elpriset som beroende variabel. Denna enkla prognosmodell kunde förklara så mycket som 70 procent av förändringarna i elpriset.</p><p>Slutligen diskuteras prognosmodellen av författarna, en brist är bland annat att den inte kan förutse hastiga förändringar i priset och att den behöver kalibreras om när den nya handelsperioden för utsläppsrätter sätter i gång 2008. Dock gav analysen positiva signa-ler om att det kan vara möjligt att basera en prismodell på el med de faktorer som har störst inverkan på den dyraste produktionsteknologi som oftast används i elproduktio-nen, då elmarknaden i praktiken tillämpar marginalprissättning.</p> / <p>This thesis examines which factors that drive changes in the electricity spot price on the Nordic energy exchange Nord Pool. The intention with this thesis is to support Lunds Energikoncernen AB to create a pricing model. The factors were determined though a pre-study in which important literature on the electricity market were studied and inter-views with Lunds Energikoncernen AB. The examined factors in this thesis are; the price of emission allowances, net export to Germany, temperature, precipitation, the prices of coal and burning oil and Sweden’s business cycle.</p><p>The factor study was a multiple regression analysis with the above factors as independ-ent variables and the spot price of electricity on Nord Pool as the dependent. The fac-tors were divided in two groups, the day group and the month group, the two groups were decided due to statistical observations. The factors from the former group had daily ob-served data and the latter monthly data. The month group included net exchange with Germany, oil and coal prices and the business cycle which are measured in GDP. In the month group only the net exchange with Germany had statistical significance and was used in further studies.</p><p>In the day group the factors that are mostly discussed in the literature to impact on the electricity price namely, temperature, precipitation, and the price of emission allowances. As it, some what unexpected, turned out the precipitation did not have a statistical affect on the electricity price. The authors chose to carry out another analysis with precipita-tion from another area, neither this result had statistical significance. However, both the temperature and the price of emission allowances did have a statistical significant effect on the electricity price, the result were verified through one more round of analysis.</p><p>After the two initial analyses, a regression analysis with the three factors that had statis-tical significance and the electricity price were used in a final analysis. The factors in-cluded in this regression were net exchange with Germany, temperature and the price of emission allowances. This, somewhat, simple forecasting model explained as much as 70 percent of the changes in the electricity spot price.</p><p>At last the forecasting model were discussed by the authors who identified two major weaknesses, first the model may not explain sudden changes in the electricity price, and second the model has to be re-calibrated when the next trading period for emission al-lowances starts in early 2008. However the analysis did indicate that it might be possible to base an electricity price forecasting model on the factors that affects the most expen-sive production facility that are used to create energy, since the electricity market prac-tice marginal pricing.</p>

Denna uppsats undersöker vilka faktorer som påverkar förändringar i elspotpriset på Nord Pool. Avsikten är att resultatet skall ligga till grund för en prisuppskattningsmodell för Lunds Energikoncernen AB. Faktorerna bestämdes genom en förstudie där viktig litteratur om elmarknaden studerades samt samtal med Lunds Energikoncernen AB. De faktorer som undersöks i denna uppsats är priset på utsläppsrätter, nettoexport till Tysk-land, temperatur, nederbörd, priset på kol och villaolja samt konjunkturutveckling i Sve-rige. Undersökningen av faktorerna bestod av en multipel regressionsanalys med undersökta faktorer som oberoende variabler och elspotpriset på Nord Pool som den beroende va-riabeln. Faktorerna blev indelade i två grupper dagsgruppen och månadsgruppen, grunden till uppdelningen är som namnen antyder att statistiken var observerad dygnsvis och må-nadsvis. I månadsgruppen ingick nettoexport till Tyskland, priset på kol, villaolja samt konjunktur och ur denna grupp visade sig endast nettoexport till Tyskland ha statistisk signifikans. I dagsgruppen ingick de faktorer som oftast omnämns i litteraturen som prispåverkande, nämligen temperatur, nederbörd och priset på utsläppsrätter. Dock visade sig nederbörd inte ha någon statistisk signifikant påverkan på elpriset varvid ett nytt test på ett nytt sta-tistiskt underlag gjordes för nederbörden vilket gav samma resultat, vilket var förvånan-de. Både temperatur och priset på utsläppsrätter visade sig dock ha statistisk signifikans och detta intygades genom ytterligare test. Härefter gjordes en regressionsanalys med de faktorer visat sig ha statistisk signifikans som oberoende variabler, det vill säga nettoexport till Tyskland, temperatur och priset på utsläppsrätter gentemot elpriset som beroende variabel. Denna enkla prognosmodell kunde förklara så mycket som 70 procent av förändringarna i elpriset. Slutligen diskuteras prognosmodellen av författarna, en brist är bland annat att den inte kan förutse hastiga förändringar i priset och att den behöver kalibreras om när den nya handelsperioden för utsläppsrätter sätter i gång 2008. Dock gav analysen positiva signa-ler om att det kan vara möjligt att basera en prismodell på el med de faktorer som har störst inverkan på den dyraste produktionsteknologi som oftast används i elproduktio-nen, då elmarknaden i praktiken tillämpar marginalprissättning. / This thesis examines which factors that drive changes in the electricity spot price on the Nordic energy exchange Nord Pool. The intention with this thesis is to support Lunds Energikoncernen AB to create a pricing model. The factors were determined though a pre-study in which important literature on the electricity market were studied and inter-views with Lunds Energikoncernen AB. The examined factors in this thesis are; the price of emission allowances, net export to Germany, temperature, precipitation, the prices of coal and burning oil and Sweden’s business cycle. The factor study was a multiple regression analysis with the above factors as independ-ent variables and the spot price of electricity on Nord Pool as the dependent. The fac-tors were divided in two groups, the day group and the month group, the two groups were decided due to statistical observations. The factors from the former group had daily ob-served data and the latter monthly data. The month group included net exchange with Germany, oil and coal prices and the business cycle which are measured in GDP. In the month group only the net exchange with Germany had statistical significance and was used in further studies. In the day group the factors that are mostly discussed in the literature to impact on the electricity price namely, temperature, precipitation, and the price of emission allowances. As it, some what unexpected, turned out the precipitation did not have a statistical affect on the electricity price. The authors chose to carry out another analysis with precipita-tion from another area, neither this result had statistical significance. However, both the temperature and the price of emission allowances did have a statistical significant effect on the electricity price, the result were verified through one more round of analysis. After the two initial analyses, a regression analysis with the three factors that had statis-tical significance and the electricity price were used in a final analysis. The factors in-cluded in this regression were net exchange with Germany, temperature and the price of emission allowances. This, somewhat, simple forecasting model explained as much as 70 percent of the changes in the electricity spot price. At last the forecasting model were discussed by the authors who identified two major weaknesses, first the model may not explain sudden changes in the electricity price, and second the model has to be re-calibrated when the next trading period for emission al-lowances starts in early 2008. However the analysis did indicate that it might be possible to base an electricity price forecasting model on the factors that affects the most expen-sive production facility that are used to create energy, since the electricity market prac-tice marginal pricing.

Fault detection is a key component to minimizing service unavailability. Fault detection is generally handled by a monitoring system. This project investigates the possibility of extending an existing monitoring system to alert based on anomalous patterns in time series.The project was broken up into two areas. The first area conducted an investigation whether it is possible to alert based on anomalous patterns in time series. A hypothesis was formed as follows; forecasting models cannot be used to detect anomalous patterns in time series. The investigation used case studies to disprove the hypothesis. Each case study used a forecasting model to measure the number of false, missed and correctly predicted alarms to determine if the hypothesis was disproved.The second area created a design for the extension. An initial design of the system was created. The design was implemented and evaluated to find improvements. The outcome was then used to create a general design.The results from the investigation disproved the hypothesis. The report also presents a general software design for an anomaly detection system. / Feldetektering är en nyckelkomponent för att minimera nedtid i mjukvarutjänster. Feldetektering hanteras vanligtvis av ett övervakningssystem. Detta projekt undersöker möjligheten att utöka ett befintligt övervakningssystem till att kunna skicka ut larm baserat på avvikande mönster i tidsserier.Projektet bröts upp i två områden. Det första området genomförde en undersökning om det är möjligt att skicka ut larm baserat på avvikande mönster i tidsserier. En hypotes bildades enligt följande; prognosmodeller kan inte användas för att upptäcka avvikande mönster i tidsserier. Undersökningen använde fallstudier till att motbevisa hypotesen. Varje fallstudie använde en prognosmodell för att mäta antalet falska, missade och korrekt förutsedda larm. Resultaten användes sedan för att avgöra om hypotesen var motbevisad.Det andra området innefattade skapadet av en mjukvarudesign för utökning av ett övervakningssystem. En initial mjukvarudesign av systemet skapades. Mjukvarudesignen implementerades sedan och utvärderades för att hitta förbättringar. Resultatet användes sedan för att skapa en generell design. Resultaten från undersökningen motbevisade hypotesen. Rapporten presenterar även en allmän mjukvarudesign för ettanomalitetsdetekteringssystem.

De Förenta Nationernas Agenda 2030 fastställer som ett delmål att säkerställa utbildning av hög kvalitet och främja livslångt lärande för alla som en del av arbetet för ett mer hållbart samhälle. Vikten av detta delmål blir särskilt tydlig i och med det observerbara sambandet mellan en fullständig gymnasieexamen och allmän hälsa i Sverige; gymnasiestudenter som går ut med en gymnasieexamen tenderar att erhålla bättre allmän hälsa. Learning Analytics är ett relativt nytt område inom utbildningsvetenskaplig forskning som syftar till att förbättra utbildning med hjälp av elevdata. Detta arbete undersökte vilken möjlig påverkan och begränsningar som förekommer vid implementering av en multipel linjär regressionsmodell utvecklad för en matematikkurs i en gymnasieskola. Vid utvecklingen av denna modell fastställdes tre signifikanta indikatorer för att förutsäga elevernas slutbetyg; Diagnos resultat,resultat på nationella proven och frånvaro. Prognosmodellen har utvärderats statistiskt varpå den visade sig vara tillförlitlig i 90% av bedömningarna, vilket inte är tillräckligt säkert för att användas i verkliga bedömningstillfällen eftersom lärare kräver att resultaten är obestridliga. Genom en fokusgruppsintervju med lärare granskas dessa resultat och deltagarna uttrycker sitt intresse för prognosmodeller tillsammans med en reflektion över elevers potentiella negativa reaktioner på en ogynnsam prognos. Utvärdering av modellen visar att den i dagsläget har en rimlig förmåga att förutsäga elevers slutbetyg men att det finns ett starkt behov av insamling av mer nyanserade data för att öka möjligheten till innovation i framtida arbeten / The 2030 Agenda establishes the goal to ensure quality education and promote lifelong learning opportunities for all. The importance of this goal becomes particularly clear when taking into account the link between upper secondary school graduation and general health in Sweden; Upper secondary school graduates tend to have better general health. Learning Analytics is a relatively new area of education research which aims to improve education using student data. This report examines the possible impact and limitations when implementing a multiple linear regression model developed for a mathematics course in an upper secondary school. In developing this model, three major indicators are established to be significant in predicting students' final grade; Diagnosis results, national test results and the amount of student absence. The model was statistically evaluated and found to be reliable in 90% of cases, which is not secure enough to be used in real assessment situations as teachers require the results to be indisputable. Through a focus group interview with teachers these results are evaluated and the participants establish their interest in predictive tools along with concerns for students' negative reactions to poor results. Evaluation of the model shows it has a reasonable ability to anticipate students' final grades but with a strong need for improvement in data collection methods and acquisition of more nuanced data to support greater possibility for innovation in future works.