One of the biggest topics of discussion in the last decade has been the climate change and the related global warming. This has rightfully contributed to people being more aware than ever about how to live a more sustainable life and to some extension know how they should act in their everyday life in order to reduce their carbon footprint. These are maybe the most important actions one could take in order to secure a healthy planet for generations to come. What is less known is how to invest in a sustainable way and how to understand if companies are operating sustainably. This thesis aims to solve this problem, enabling people to make more sustainable investment decisions through quickly analyzing the investment target’s financial performance. The result of the thesis is a model that can partly help investors to understand if a company is operating in a sustainable manner. The findings are that ROA, short for return on assets, is the most influential financial performance metric to look at when analyzing a company’s sustainable performance. Unfortunately, the model produced and suggested in this thesis can only explain 15.4% of the CO2 emissions produced by a company. That being said, there is still much to learn about how companies / Ett av de mest omdiskuterade ämnena under det senaste decenniet är klimatförändringarna och den tillhörande globala uppvärmningen. Detta har med rätta bidragit till att människor är mer medvetna än någonsin om hur man lever ett mer hållbart liv och i viss utsträckning hur man ska agera i sin vardag för att minska sitt koldioxidavtryck. Det är kanske dessa åtgärder som är de viktigaste att vidta för att säkra en frisk planet för de kommande generationerna. Hur man investerar hållbart och hur man kan ta reda på om ett företag verkar hållbart, är däremot ett mer outforskat område. Denna avhandling syftar till att lösa detta problem, vilket skulle möjliggöra fattandet av mer hållbara investeringsbeslut genom att snabbt analysera det aktuella företagets finansiella resultat. Avhandlingens resultat är en modell som delvis kan hjälpa investerare att förstå om ett företag verkar på ett hållbart sätt. Slutsatsen är att ROA, avkastning på totalt kapital, är det mest inflytelserika finansiella resultatmåttet att titta på vid en analys av ett företags hållbara prestanda. Den utvecklade och föreslagna modellen i denna avhandling visar dessvärre en förklaringsgrad på endast 15,4 % av ett företags koldioxidutsläpp. Med det sagt finns det fortfarande mycket att lära om hur företag fungerar och presterar i förhållande till deras globala fotavtryck.

The possible effects of the General Data Protections Regulations (GDPR) have been widely discussed among policymakers, stakeholders and ordinary people who are the objective for data collection. The purpose of GDPR is to protect people’s integrity and increase transparency for how personal data is used. Up until May 25th, 2018 personal data could be sampled and used without consent from users. Many argue that the introduction of GDPR is good, others are reluctant and argue that GDPR may harm data-driven companies. The report aims to answer how GDPR affects sales at the flight search engine Flygresor.se. By examining how and to what extent these regulations impact revenue, it is hoped for that these findings will lead to a deeper understanding of how these regulations affect businesses. Multiple linear regression analysis was used as the framework to answer the research question. Numerous models were constructed based on data provided by Flygresor.se. The models mostly included categorical variables representing time indicators such as month, weekday, etc. After carefully performing data modifications, variable selections and model evaluation tests three final models were obtained. After performing statistical inference tests and multicollinearity diagnostics on the models it could be concluded that an effect from GDPR could not be statistically proven. However, this does not mean that an actual effect of GDPR did not occur, only that it could not be isolated and proven. Thus, the extent of the effect of GDPR is statistically inconclusive. / De möjliga följderna av införandet av General Data Protections Regulations (GDPR) har varit väl omdiskuterat bland beslutsfattare, intressenter och människor som är målet för datainsamlingen. Syftet med GDPR är att skydda människors integritet samt öka insynen för hur personlig data används. Fram tills den 25 maj 2018 har det varit möjligt att samla in och använda personuppgifter utan samtyckte från användare. Många menar att införandet av GDPR är nödvändigt medans andra är mer kritiska och menar att GDPR kan skada lönsamheten för data beroende verksamheter. Denna rapport syftar till att svara på huruvida GDPR har påverkat försäljningen på flygsökmotorn Flygresor.se. Genom att undersöka om och i vilken utsträckning dessa regler påverkat intäkterna, är förhoppningen att dessa resultat kan leda till en djupare förståelse för hur GDPR påverkar företag. Multipel linjär regressionsanalys användes som ramverk för att svara på frågeställningen. Flera modeller utformades baserat på data som tillhandahölls av Flygresor.se. Modellerna var främst baserade på kategoriska variabler som representerade tidsaspekter så som månad, veckodag etc. Efter ett grundligt genomförande av data modifieringar, variabelselektion och modellutvärdering kunde tre modeller konstateras. Efter att ha genomfört signifikanstester och korrelationstester på modellerna kunde det fastställas att en effekt från GDPR inte kunde statistiskt säkerställas. Dock betyder detta inte att GDPR inte har haft en faktisk effekt, utan att en effekt inte kunde isoleras och bevisas.

Macroeconomics constitute a central part of fundamental analysis of stock markets and consequently the relationship between macroeconomic variables and stock markets is far from questioned. However, there is no general consensus regarding neither the extent of this relationship nor whether the relationship varies amongst industries. The aim of this thesis is therefore to determine the macroeconomic variables most important in explaining variations in stock return within two separate industries and furthermore the share of these variations solely accounted for by macroeconomic variables. To this end, a multiple linear regression approach is used and Nasdaq indexes OMX Stockholm Industrial Goods & Services and OMX Stockholm Banks are used as proxies for the two selected industries. The final result of this analysis is that the variables repo rate, SEK/EUR exchange rate, consumer expectations, oil price, GDP, money supply and inflation are statistically significant in explaining stock return within industrial goods and services whilst SEK/USD exchange rate, SEK/EUR exchange rate, oil price, GDP, money supply and inflation are statistically significant in explaining stock return within the banking industry. The analysis of the extent of the impact of these variables on stock return is, however, deemed inconclusive due to time dependencies amongst the variables. / Makroekonomi utgör en central del av fundamental analys av aktiemarknaden och följaktligen är förhållandet mellan makroekonomiska variabler och aktiemarknaden snarare väl etablerat än ifrågasatt. Emellertid saknas rådande konsensus om såväl omfattningen av detta förhållande som huruvida förhållandet skiljer sig mellan olika branscher. Syftet med detta kandidatexamensarbete är därför att fastställa de makroekonomiska variabler som är mest avgörande för variationen i aktieavkastning inom två skilda branscher samt andelen av dessa variationer som kan hänföras till just makroekonomiska variabler. I detta syfte tillämpas en multipel linjär regression och två Nasdaqindex - OMX Stockholm Industrial Goods & Services samt OMX Stockholm Banks - tillåts approximera de två utvalda branscherna. Det slutgiltiga resultatet av denna analys är att variablerna reporänta, växelkurs SEK/EUR, konsumentförväntningar, oljepris, BNP, penningmängd och inflation är statistiskt signifikanta för aktieavkastning inom industrin, medan växelkurs SEK/EUR samt SEK/USD, oljepris, BNP, penningmängd och inflation är statistiskt signifikanta för aktieavkastning inom bankbranschen. Analysen av omfattningen av dessa makroekonomiska variablers påverkan på aktieavkastning når emellertid ingen slutsats, vilket anses kunna hänföras till tidsberoende hos variablerna.

Producing a model explaining the trading volume can be attractive for companies who’s main revenue resides on it. Previous studies have shown that factors such as stock returns, volatility and uncertainty affects the trading volume. The purpose of this work is to clarify the consensus that prevails and determine the factors that impact Avanza’s customers trading volume. Factors such as daily stock returns and economic, political and financial uncertainty are analyzed through a multiple linear regression analysis with a daily time period between 2000-2019. The work is thus designed within the framework of mathematical statistics and industrial economics. To be able to draw a conclusion, further investigation is required in the form of a time series analysis in combination with a deeper understanding of the applied area and the mathematical methods that have been used. / Att ta fram en modell som förklarar handelsvolymen kan vara eftertraktat hos företag vars huvudintäkter beror av den. Tidigare forskning visar att faktorer som prisförändringar på aktiemarknaden, volatilitet och osäkerhet påverkar handelsvolymen. Syftet med arbetet är att klargöra den konsensus som råder och fastställa de faktorer som har störst påverkan gällande handelsvolymen för Avanza’s kunders. Faktorer som dagliga förändringar inom börsmarknaden och ekonomisk, politisk och finansiell osäkerhet har genom en multipel linjär regressionsanalys analyserats med en daglig tidsperiod mellan 2000-2019. Arbetet är således utformat inom ramen för matematisk statistik och industriell ekonomi. För att kunna dra en slutsats krävs vidare undersökning i form av en tidsserieanalys och en djupare förståelse av det tillämpade området och metoderna som har an- vänds.

During the past few decades, social responsible investing (SRI) has rapidly grown to become a renowned investment strategy. Because of the contradictory findings on how successful this strategy is in terms of financial return, the aim of this thesis is to compare the performance of sustainable and conventional funds in four different geographical areas during the last three years. With the use of regression analysis, the correlation between the Portfolio Sustainability Score of a fund, which is a Morningstar-provided rating that represents how well a fund incorporates ESG, and its risk-adjusted return is determined. The final results of this analysis varies among the four geographical regions. The correlation between the two variables is positive in USA and Asia ex-Japan, whereas a negative relationship is found in Europe and the Nordic region. However, the obtained findings are not of statistical significance, implying that there is no difference between the risk-adjusted returns of sustainable versus conventional funds. / Under de senaste årtionden har hållbara investeringar ökat och på senare tid även blivit en väletablerad investeringsstrategi. Då tidigare studier inom området uppvisat motstridiga resultat gällande hur effektiv denna strategi är inom värdeskapande, fokuserar denna rapport på att klargöra ifall hållbara alternativt vanliga fonder är fördelaktiga utifrån ett finansiellt perspektiv. Mer specifikt undersöks fyra geografiska områden över en tidsperiod på tre år. Genom regressionsanalys bestäms korrelationen mellan en fonds Portfolio Sustainability Score, ett betyg som erhålls av Morningstar som representerar hur väl den specifika fonden inkorporerar ESG, och dess riskjusterade avkastning. De slutgiltiga resultaten av denna analys varierar i de fyra geografiska områdena. I USA och Asien där Japan exkluderas är korrelationen positiv medan en negativ korrelation råder i Europa och Norden. Dock är resultaten inte av statistisk signifikans vilket indikerar att det inte är någon skillnad i den riskjusterade avkastningen mellan hållbara och vanliga fonder.

ESG risks, which stands for environmental, social, and governance, has in recent years exploded as a conversational topic. Including ESG efforts in company reports, and being transparent about operations is not as foreign as before. However, companies operating in controversial sectors and areas, known to have great environmental impact, face increased pressure to comply with the ESG values. One sector would be the oil sector, which is known as one of the most controversial sectors in regards to social and environmental issues. Disastrous events, such as spills and deaths following operations, have spread fast and sometimes hit hard on stock prices. The report will assess changes in stock prices in relation to changes in ESG-risk scores and ESG news for a selected number of companies, as well as a few macro variables. For this, a multiple regression analysis will be carried through. The thesis concludes in a model in which the ESG variables cannot explain overall stock movements; the variables that are shown statistically significant are mainly macro variables. However, certain stock movements that are marked as influential points by the model, which in this case all were rapid stock movements, seem to be reflected better on the changes of the ESG variables, which paves the way for further research. / ESG-risker, som står för miljö (enviromental), sociala (social) och styrning (governance), har under senare år blivit ett återkommande konversationsämne både på arbetsplatser och i undervisning. Transparens i årsredovisningar och tydliga ställningstaganden i miljömässiga och etiska frågor är inte längre lika främmande. Företag som verkar inom kontroversiella sektorer och områden, som är kända för att ha stor miljöpåverkan, står inför ett ökat tryck att bejaka dessa växande ESG värderingar. Den sektor som behandlas här är oljesektorn, känd som en av de mest kritiserade sektorerna när det gäller sociala och miljömässiga frågor. Katastrofhändelser, såsom oljespill, sprider sig i dag snabbt och påstås påverka aktiekursändringar. Rapporten kommer att bedöma förändringar i aktiekurserna i förhållande till förändringar i så kallade ESG-riskpoäng för ett antal utvalda företag, genom att utföra en multipel regressionsanalys. Makrovariabler som bedöms relevanta tas även hänsyn till. Avhandlingen avslutas i en modell där ESG-variablerna inte kan förklara de totala aktiekursrörelserna. De variabler som visar statistisk signifikans är huvudsakligen makrovariabler. Snabba aktierörelser som i huvudsak inte följer regressionsmodellen verkar däremot emellertid bättre förklaras av ESG-variabler eller händelser, vilket banar väg för ytterligare undersökningar.

Den psykiska ohälsan har ökat bland befolkningen i Sverige vilket förutom ett personligt lidande ger stora samhällsekonomiska konsekvenser. Orsaken till denna ökning har inget definitivt svar men kan potentiellt förklaras av makro- och socioekonomiska faktorer. Denna rapport undersöker därför om det finns ett samband mellan psykisk ohälsa och makro- och socioekonomiska faktorer. Det sker även en analys av hur dessa faktorer kan förklara ökningen av psykiska ohälsa. För att ta reda på om ett samband existerar utförs en multipel linjär regressionsanalys där den beroende variabeln definieras som svåra besvär av oro, ängslan och ångest och de förklarande variablerna utgörs av förgymnasial-, gymnasial- och eftergymnasial utbildning, BNP per capita, hushållens disponibla inkomst och arbetslöshet. Analysen delas upp i grupperna kvinnor, män och totala befolkningen där data från åren 2002-2017 används. Analysen visar på ett visst samband mellan de olika regressionsvariablerna och makro- och socioekonomiska faktorer. Totala befolkningens psykiska ohälsa har framförallt ett samband med förgymnasial utbildning. De signifikanta variablerna för kvinnors psykiska ohälsa är gymnasial utbildning, BNP per capita och disponibel inkomst. För modellen för mäns psykiska ohälsa är arbetslöshet och disponibel inkomst mest signifikanta. Modellerna har approximativt uppfyllda antaganden och multikollinearitet närvarande vilket bidrar till en bristande tillförlitlighet. Vidare forskning krävs för ytterligare validering av sambanden samt för en djupare förståelse av makro- och socioekonomiska faktorers påverkan och möjliga orsakssamband. / The mental health has increased in Sweden, which besides the personal suffering affects both the society and economy. The reason behind the increase does not have any definite explanation but the answer may, at least partly, be found in macroeconomic and socioeconomic factors. This report will therefore investigate if there exists a relationship between mental health problems and macroeconomic and socioeconomic factors. An analysis of how these factors may explain the increase of mental health problems is also performed. To see if a relationship exists, a multivariable regression analysis is performed, where the dependent variable is defined as severe problems with anxiety and worry. The regression variables are education level, GDP per capita, the households disposable income and unemployment. The analysis is performed on the groups; women, men and total population and the data is collected over the years 2002 to 2017. The analysis indicates a certain relationship between the different macro and socioeconomic variables and mental health problems. For the total population, education level is the most significant. For women, education level, GDP per capita and the households disposable income are most important. For men, unemployment and disposable income are the strongest correlated variables. The models approximately fulfills the assumptions for the least square method and have multicollinearity present, which in total makes them less reliable. Further research to validate these relationships and to contribute to explanations of potential causality is needed.

This report investigates what the main price drivers are for commercial real estate rentals in Stockholm and Gothenburg. The mathematical method applied in this thesis is multiple linear regression and statistical analysis. The models are built from data provided by Datscha, a commercial market information provider. The data sets contains 922 observations across 9 different metrics from 2019. The response variable used to explain the price drivers is taxated monthly rental. The most significant driving variables common to all three final models where market value, location, and taxated value. These results align with current macroeconomic theory; revenue streams stand in direct proportion to underlying asset, i.e market value. Furthermore, location stands out as significant due to its attractiveness to all interacting entities. The models constructed had satisfying predictabilty, with R2-values ranging from 0.725 − 0.896. / Denna rapport undersöker de signifikanta faktorer som driver prisnivå vid uthyrning av kommersiella fastigheter i Stockholm och Göteborg. De matematiska metoder som tillämpas är multipel regressionsanalys samt statistisk analys. Modeller bygger på data från Datscha, en kommersiell leverantör av fastighetsrelaterad marknadsinformation. Slutgiltigt dataset har 922 observationer över 9 variabler, alla från år 2019. Den responsvariabel som används för att förklara prisdrivarna är taxerad månatlig hyra. De mest signifikanta drivande variablerna som är gemensamma för samtliga tre slutmodeller är marknadsvärde, plats samt taxerat värde. Rapportens resultat ligger i linje med kontemporär makroekonomisk teori; intäktsflöden står i direkt proportion till den underliggande tillgången, dvs. här fastighetens marknadsvärde. Vidare är variabeln plats signifikant givet fördel med närhet för samtliga inblandade entiteter. De konstruerade modellerna innehar satisfierande prediktabilitet, med R2-värden mellan 0.725 − 0.896.

Valuing a company is an important task in finance, especially before a potential merger or acquisition of a company. It is then of great importance for both parties in a deal to make an accurate estimate of the value of the company. The goal of this paper is to investigate how well regression analysis can be applied in this matter and if it can perform at par or better than more frequently used methods in the industry today. The study was conducted within the utilities sector in the US and Europe, with data collected from historic public transactions dating back to 2009. The study concludes that a regression model as a valuation tool can generate several advantages as it identifies key value drivers and is based on core mathematical concepts. However, the model created in this thesis underperforms compared to the prominent methods in place today. For further research this thesis may provide useful insight into different areas to consider when creating a valuation model. / Att värdera ett företag är en viktig uppgift inom finanssektorn, särskilt innan en potentiell sammanslagning eller förvärv av ett företag. Det är då av stor vikt för båda parter i en affär att göra en exakt uppskattning av företagets värde. Målet med denna studie är att undersöka hur väl regressionsanalys kan tillämpas i denna fråga och om den kan generera samma eller bättre resultat än mer använda värderingsmetoder inom branschen idag. Studien genomfördes inom el-, gas- och vattensektorn i USA och Europa, med data som samlats in från historiska offentliga transaktioner som går tillbaka till 2009. Studien drar slutsatsen att en regressionsmodell som ett värderingsverktyg kan generera flera fördelar eftersom den identifierar viktiga faktorer som driver en värdering och baseras på grundläggande matematiska begrepp. Modellen som skapats i denna avhandling underpresterar dock jämfört med de framstående metoderna som finns idag. För ytterligare forskning kan denna studie ge användbar insikt i olika områden att beakta när man skapar en värderingsmodell.

Social media has provided a way for music artists to reach many people with their music, without having to rely on record labels to perform marketing tasks. Most previous research within the area has focused on how already established music artists can use social media as part of their marketing strategies and how digital technologies have transformed the music industry. This study focuses on how unsigned music artists’ followers and fans on social media have an impact on their music streaming numbers. The main research question of the study is: how does unsigned artists’ social media performance affect the number of streams of their music? To investigate this, a robust regression model was defined with the aim of predicting the number of artists’ music streams based on their social media data. The robust regression model showed that the social media variables did not have significant effects on the number of streams. Therefore, an analysis of each individual artist in the data was conducted. The results showed that the social media data in this study could not be used to explain changes in the number of streams for unsigned music artists. An analysis based on each individual artist and the content that each individual artist is posting on the different social media channels, is suggested instead. An information visualization tool was developed with the purpose of allowing analysts to get an overview of the social media data as well as allow analysts to look at each artist’s social media feeds to understand how artists’ social media activities affect their music streaming data. / Sociala medier har gjort det möjligt för musikartister att nå många människor med sin musik utan att behöva förlita sig på skivbolag. Tidigare forskning inom området har fokuserat på hur redan etablerade musikartister kan använda sociala medier som en del av sina marknadsstrategier och hur digital teknik har förändrat musikbranschen. Denna studie fokuserar på hur osignerade musikartisters antal anhängare och fans på sociala medier påverkar antalet streams av artisternas musik. Studiens huvudsakliga forskningsfråga är: Hur påverkar osignerade artisters prestationer på sociala medier antalet streams av deras musik? För att undersöka detta definierades en robust regressionsmodell i syfte att förutse antalet streams av artisternas musik baserat på deras sociala mediedata. Den robusta regressionsmodellen visade att socialamedievariablerna inte hade signifikanta effekter på antalet streams av artisternas musik. Därför genomfördes en analys av varje enskild artist i datan. Resultaten visade att sociala mediedatan i denna studie inte kunde användas för att förklara förändringar i antalet streams för osignerade musikartister. En analys baserad på varje enskild artist och innehållet som varje enskild artist lägger ut på de olika sociala mediekanalerna föreslås istället. Ett informationsvisualiseringsverktyg utvecklades med syftet att ge analytiker en möjlighet att få en överblick över sociala mediedatan samt låta analytiker titta på varje artists sociala medieflöden för att förstå hur artisternas sociala medier påverkar deras musikstreamingdata.