The relationship between performance for the Swedish industry and changesin prices and volatility of commodities has been examined using multiple linearregression. The study focuses on how commodity price fluctuations correlate withgross profit growth, measuring company performance. Gross profit as a performancemeasure is contrary to most previous studies that use stock performance as thedependent variable. This study has found two commodities whose prices have asignificant relationship with changes in gross profit for the Swedish industry sector,Brent oil, and platinum. The correlation with Brent oil is the most reliable one.Surprisingly, Brent oil has a positive relationship with gross profit, even thougha higher oil price is causing more expensive logistics and manufacturing operations,increasing costs of sold goods. This indicates a possible correlation between oil priceand demand for manufactured products; industrial companies can either increaseprices or produce at a high capacity. Regarding the volatility of commodities, nosignificant correlation with gross profits has been found. / Med multipel linjär regression undersöks relationen mellan prestation hos svenska industriföretag och förändringar i priser och volatilitet hos råvaror. Studien fokuserar på hur prisfluktuationer för råvaror korrelerar med bruttovinst, vilket väljs som prestationsmått. Det skiljer sig från majoriteten av tidigare studier där avkastning på aktier har varit den beroende variabeln. Denna studien har hittat stöd för att priset på två råvaror har en signifikant korrelation med förändringar i bruttovinst för den svenska industrin. Nämligen Brent olja och platinum, varav Brent olja har en betydligt pålitligare korrelation.  Brent olja har ett positivt förhållande med bruttovinst, vilket är förvånande då dyrare olja innebär ökade kostnader kopplade till logistik och tillverkning. Något som ökar kostnaden för sålda varor. Detta indikerar att ett ökad pris på olja borde korrelera med en hög efterfrågan på tillverkade produkter, så att industriföretagen kan öka sina priser och/eller tillverka fler varor när oljan ökar i pris. Vad gäller volatilitet på råvaror har det inte hittats någon significant korrelation med bruttovinst.

The ability to predict stock returns is an ability many wish to possess, and in an accurate way as possible. For many years there has been an interest in the field of factor models explaining the returns, with the aim to increase the explanatory power. This is however a complex business since the factors and their improvement of explanatory power need to be significant. Now and then, researchers come up with new significant factors that have a positive impact on models. AQR Capital Management is no exception to this, since they in 2013 presented the factor Quality Minus Junk, earning significant risk-adjusted returns. This bachelor thesis work within mathematical statistics and industrial engineering and management, aims to investigate whether or not the commercial multi-factor model used at the public pension fund Fjärde AP-fonden will be improved by adding the factor Quality Minus Junk, in the sense of explanatory power. The method used is mainly based on multiple linear regression and three three-year time periods are studied ranging from 2010 to 2018. The results from this thesis work show that the QMJ factor provides significant increases in explanatory power for one of three time periods, the most recent period 2016$-$2018. However, since the results are inconclusive further studies are needed in order to better understand how to interpret the results and whether or not to include the QMJ factor in the model. / Förmågan att förutsäga aktiers avkastning önskar många besitta, och på ett så precist sätt som möjligt. Under många år har forskning pågått inom området för faktormodeller som förklarar avkastningar, med målet att öka modellernas förklaringsgrad. Detta är dock en komplex verksamhet eftersom faktorerna och deras förbättring av förklaringsgraden måste vara signifikanta för modellen. Då och då kommer forskare fram med nya sådana faktorer som har positiv påverkan på modeller. AQR Capital Management är inget undantag eftersom de 2013 presenterade sin faktor Quality Minus Junk som visar signifikanta riskjusterade avkastningar. Detta kandidatexamensarbete inom matematisk statistik och industriell ekonomi, ämnar att utreda huruvida den kommersiella faktormodellen som används på Fjärde AP-fonden förbättras genom tillägget av faktorn Quality Minus Junk, i förklaringsgradsmening. Metoden som används är till största delen baserad på multipel linjär regression och tre treårsperioder studeras i tidsintervallet 2010 till 2018. Resultaten från detta projekt visar på att faktorn Quality Minus Junk bidrar med signifikanta ökningar av förklaringsgraden för en av tre perioder, den senaste perioden 2016-2018. Eftersom resultaten är inkonklusiva krävs vidare studier för att bättre förstå och konkludera vad dessa resultat faktiskt innebär samt för att inkludera QMJ-faktorn i modellen eller ej.

Sustainability is not a new concept to the financial markets, but its popularity and wider use have increased as people have grown more concerned about the future of this planet. However, the relationship between sustainable investments and financial performance is not clear. One of the most used measures of sustainability is the concept of ESG score, where E, S and G stand for environmental, social and governance. In this study, we investigate the relationship between ESG score and financial performance, both market and accounting based. We also separate the score into its individual parts E, S, and G, and try to distinguish which factor has the strongest relation to financial performance. To evaluate the relationship, a regression analysis was performed on a sample of Nordic stocks and the Sustainalytics ESG rank. Our findings concluded no significant relationship between ESG score and financial performance, neither market nor accounting based. The environmental factor (E) showed the strongest relation to financial performance, however slightly negative and only significant to one dependent variable out of three. Our results indicate that based on the ESG score used in this study, no conclusions can be drawn about financial performance. Since our research does not indicate a significant relationship, our recommendation is to invest in the highest ESG ranked stock in case of choosing between two otherwise similar stocks. / Hållbarhet är inget nytt koncept inom finans, men dess popularitet och användning har ökat kraftigt. Dock är det fortfarande oklart hur hållbara investeringar förhåller sig till lönsamhet och avkastning. En av de mest använda hållbarhetsmåtten är ESG, som står för environmental, social and governance. I denna studie undersöker vi relationen mellan ESG-mått och lönsamhet, både marknads- och resultatbaserad. Vi delar också upp ESG i sina tre komponenter E, S, och G för att undersöka vilken faktor som har den starkaste relationen till lönsamhet. Detta görs genom en regressionsanalys med paneldata från ett urval av nordiska aktier och Sustainalytics ESG-mått. Vårt resultat visar ingen signifikant relation mellan ESG-mått och lönsamhet. Komponenten E visar den starkaste relationen till lönsamhet, ett signifikant och något negativt samband, men endast till en av tre responsvariabler. Vårt resultat indikerar således att inget samband verkar finnas mellan lönsamhet och dessa ESG-mått. Eftersom vår studie inte visar på något signifikant samband, blir vår rekommendation att investera i den aktien med högst ESG-mått, om man skulle välja mellan två annars lika aktier.

This bachelor thesis within the field of mathematical statistics aims to study the possibility of predicting specifically large claims from non-life insurance policies with commercial policyholders. This is done through regression analysis, where we seek to develop and evaluate a generalized linear model, GLM. The project is carried out in collaboration with the insurance company If P&C Insurance and most of the research is conducted at their headquarters in Stockholm. The explanatory variables of interest are characteristics associated with the policyholders. Due to the scarcity of large claims in the data set, the prediction is done in two steps. Firstly, logistic regression is used to model the probability of a large claim occurring. Secondly, the magnitude of the large claims is modelled using a generalized linear model with a gamma distribution. Two full models with all characteristics included are constructed and then reduced with computer intensive algorithms. This results in two reduced models, one with two characteristics excluded and one with one characteristic excluded. / Det här kandidatexamensarbetet inom matematisk statistik avser att studera möjligheten att predicera särskilt stora skador från sakförsäkringspolicys med företag som försäkringstagare. Detta görs med regressionsanalys, där vi ämnar att utveckla och bedöma en generaliserad linjär modell, GLM. Projektet utförs i samarbete med försäkringsbolaget If Skadeförsäkring och merparten av undersökningen sker på deras huvudkontor i Stockholm. Förklaringsvariablerna som är av intresse att undersöka är egenskaper associerade med försäkringstagarna. På grund av sällsynthet av storskador i datamängden görs prediktionen i två steg. Först används logistisk regression för att modellera sannolikheten för en storskada att inträffa. Sedan modelleras storskadornas omfattning genom en generaliserad linjär modell med en gammafördelning. Två grundmodeller med alla förklaringsvariabler konstrueras för att sedan reduceras med datorintensiva algoritmer. Det resulterar i två reducerade modeller, med två respektive en kundegenskap utesluten.

This thesis in applied statistics and industrial economics examines the correlation between a number of market conditions on the Swedish and Global market and the yield difference between the Swedish stock market and the Global stock market. The report is based on data from the index MSCI Sweden Net Return, MSCI World Net Return and the Volatility index S&P 500. The market conditions that have been examined are Bull markets, Bear markets, periods of high volatility. We also examined how the appreciation of the SEK in comparison to the USD and the yield of the Swedish stock market correlated with the yield difference between the Swedish Stock Market and the Global stock market. The correlation was examined using multiple linear regression. The results indicated a positive correlation between the yield difference between the Swedish stock market and the Global stock market and the yield of the Swedish stock market, the appreciation of the SEK compared to the USD and Bull markets. We found a negative correlation with Bear markets and no correlation at all with the volatility.   The results are in line with what could be expected and give a stronger statistical ground for the idea that the Swedish stock market has larger fluctuations than the Global stock market during large-scale market fluctuations. / Detta kandidatexamensarbete inom tillämpad matematik och industriell ekonomi syftar till att undersöka hur avkastningsdifferensen mellan den Svenska och Globala aktiemarknaden korrelerar med ett antal olika marknadsförhållanden. Rapporten är baserad på data från MSCI Sweden Net Return och MSCI World Net Return samt Volatilitetsindex S&P500. De marknadsförhållanden som har undersökts är Bull markets, Bear markets, perioder då det råder hög volatilitet på marknaden. Vi undersökte även avkastningsdifferensens korrelation till kronans värdeförändring gentemot den Amerikanska dollarn och korrelationen till den Svenska aktiemarknadens värdeökning. Korrelationen undersöktes genom att utföra en multipel linjär regression. Resultaten visade på en rådande positiv korrelation mellan utvecklingen på den Svenska aktiemarknaden, prisutvecklingen av den Svenska kronan mot Amerikanska dollarn samt under Bull markets. Vi fann även en negativ korrelation med Bear markets och ingen korrelation till volatiliteten.   Resultaten är i linje med vad som kunde förväntas och ger en starkare statistisk grund till att den Svenska aktiemarknaden har större svängningar än den Globala aktiemarknaden vid stora marknadsfluktuationer.

Through an analysis of the Swedish state budget, models have been developed to deepen the understanding of the effects that government expenditures have on reducing crime. This has been modeled by examining selected crime categories using the mathematical methods Ridge Regression, Lasso Regression and Principal Component Analysis. Combined with a qualitative study of previous research on the economic aspects of crime, an analysis has been conducted. The mathematical methods indicate that it may be more effective to invest in crime prevention measures, such as increased social protection and focus on vulnerable groups, rather than more direct efforts such as increased resources for the police force. However, the result contradicts some of the accepted economic conclusions on the subject, as these highlight the importance of increasing the number of police officers and harsher penalties. These do however also mention the importance of crime prevention measures such as reducing the gaps in society, which is in line with the results of this work. The conclusion should however be used with caution as the models are based on a number of assumptions and could be improved upon further analysis of these, together with more data points that would strengthen the validity of the analysis more. / Genom en analys av Sveriges statsbudget har modeller tagits fram för att försöka förstå de effekter olika samhällssatsningar har på brottslighet i Sverige. Detta har modellerats genom att undersöka utvalda brottskategorier med hjälp av de matematiska metoderna Ridge Regression, Lasso Regression samt Principal Component Analysis. Tillsammans med en kvalitativ undersökning av tidigare forskning gällande nationalekonomiska aspekter kring brottslighet har en analys sedan genomförts. De matematiska metoderna tyder på att det kan vara mer effektivt att satsa på brottsförebyggande åtgärder, såsom ökat socialt skydd och fokus på utsatta grupper, istället för mer direkta satsningar på brottsförhindrande åtgärder som exempelvis ökade resurser till polisväsendet. Däremot motsäger resultatet en del av de vedertagna nationalekonomiska slutsatserna om ämnet, då dessa belyser vikten av ökade antalet poliser och hårdare straff. De lyfter även fram vikten av brottsförebyggande åtgärder såsom att minska klyftorna i samhället, vilket går i linje med resultatet av detta arbete. Slutsatsen ska dock användas med försiktighet då modellerna bygger på flertalet antaganden och skulle kunna förbättras vid ytterligare analys utav dessa, tillsammans med fler datapunkter som skulle stärka validiteten.

This research study in applied mathematical statistics, and industrial engineering and management aims to determine the wine properties that drive the wine sales in Sweden, while also examining how the monopoly in Sweden affects the alcohol sales and demand. Data were collected from Systembolaget, which is the only alcohol retail store chain in Sweden. A multiple linear regression analysis was performed on 4 931 observations from Systembolaget’s sales statistics of 2019. The covariates were the type of wine, taste, price, size, country of origin, ecologically classified and ethically certified. The final model contained 18 variables where the taste parameters dominated the model. The results conclude that wines from Australia, Italy and Portugal have an advantage when it comes to the wine sales in Sweden, while wines from Sweden have a negative correleation with the volume sold. Other results suggest that wine producers should make ethically produced wines. From an economic perspective, the alcohol monopoly in Sweden is not a regular monopoly. Moreover, the monopoly is considered to has had a negative impact on the alcohol sales by lowering the demand through a strict alcohol law, among other things. The positive aspects of Sweden’s alcohol monopoly is the overall better health of the Swedish society and the in-store consultation that is offered. This study has contributed to previous research and also given the wine producers a better overview of the factors that drive the wine sales in Sweden. / Denna forskningsstudie i tillämpad matematisk statistik och industriell ekonomi syftar till att bestämma de vinegenskaper som driver vinförsäljningen i Sverige, samtidigt som man undersöker hur monopolet i Sverige påverkar alkoholförsäljningen och efterfrågan. Data samlades in från Systembolaget, som är den enda butikskedjan för alkohol i Sverige. En multipel linjär regressionsanalys utfördes på 4 931 observationer från Systembolagets försäljningsstatistik från 2019. Kovariaterna var typen av vin, smak, pris, storlek, ursprungsland, ekologiskt klassificerat och etiskt certifierat. Den slutliga modellen innehöll 18 variabler där smakparametrarna dominerade modellen. Resultaten visar på att viner från Australien, Italien och Portugal har en fördel när det gäller vinförsäljningen i Sverige, medan vin från Sverige har en negativ korrelation med den sålda volymen. Andra resultat tyder på att vinproducenter bör göra etiskt producerade viner. Ur ett nationalekonomiskt perspektiv är alkoholmonopolet i Sverige inte ett vanligt monopol. Dessutom anses monopolet ha haft en negativ inverkan på alkoholförsäljningen genom att bland annat sänka efterfrågan med hjälp av en strikt alkohollag. De positiva aspekterna av Sveriges alkoholmonopol är den övergripande bättre hälsan hos det svenska samhället och konsultationen som erbjuds i butikerna. Denna studie har bidragit till tidigare forskning och även givit vinproducenterna en bättre överblick över de faktorer som driver vinförsäljning i Sverige.

The purpose of this study is to analyze if there is any tweet specific data posted by Donald Trump that has a correlation with the volatility of the stock market. If any details about the president Trump's tweets show correlation with the volatility, the goal is to find a subset of regressors with as high as possible predictability. The content of tweets is used as the base for regressors. The method which has been used is a multiple linear regression with tweet and volatility data ranging from 2010 until 2020. As a measure of volatility, the Cboe VIX has been used, and the regressors in the model have focused on the content of tweets posted by Trump using TF-IDF to evaluate the content of tweets. The results from the study imply that the chosen regressors display a small significant correlation of with an adjusted R2 = 0.4501 between Trump´s tweets and the market volatility. The findings Include 78 words with correlation to stock market volatility when part of President Trump's tweets. The stock market is a large and complex system of many unknowns, which aggravate the process of simplifying and quantifying data of only one source into a regression model with high predictability. / Syftet med denna studie är att analysera om det finns några specifika egenskaper i de tweets publicerade av Donald Trump som har en korrelation med volatiliteten på aktiemarknaden. Om egenskaper kring president Trumps tweets visar ett samband med volatiliteten är målet att hitta en delmängd av regressorer med för att beskriva sambandet med så hög signifikans som möjligt. Innehållet i tweets har varit i fokus använts som regressorer. Metoden som har använts är en multipel linjär regression med tweet och volatilitetsdata som sträcker sig från 2010 till 2020. Som ett mått på volatilitet har Cboe VIX använts, och regressorerna i modellen har fokuserat på innehållet i tweets där TF-IDF har använts för att transformera ord till numeriska värden. Resultaten från studien visar att de valda regressorerna uppvisar en liten men signifikant korrelation med en justerad R2 = 0,4501 mellan Trumps tweets och marknadens volatilitet. Resultaten inkluderar 78 ord som de när en är en del av president Trumps tweets visar en signifikant korrelation till volatiliteten på börsen. Börsen är ett stort och komplext system av många okända, som försvårar processen att förenkla och kvantifiera data från endast en källa till en regressionsmodell med hög förutsägbarhet.

This thesis examines which factors that affect the number of trades in exchange-traded products (ETPs) on Nordic Derivatives Exchange. Multiple linear regression is used to model the relationship between the number of trades and 65 initially chosen predictor variables. The predictor variables include various indices, commodities, stocks, and volatility measures. Two models are presented, one of which includes a lagged dependent variable. These models explain 89% and 92% of the variance within the data. Foremost, the results confirm previous research advocating the volatility to play a significant role on the number of trades, but now also shown for ETPs. Currency exchange rates, equity indices and palladium are also shown to be statistically significant. In addition, interpretations of the results are given and suggestions for further research. / Den här uppsatsen undersöker vilka faktorer som påverkar antalet avslut i börshandlade produkter (ETP:er) på Nordic Derivatives Exchange. Multipel linjär regression används för att undersöka relationen mellan antalet avslut och 65 på förhand valda regressionsvariabler som vi anser intressanta att undersöka. Dessa regressionsvariabler består av bland annat olika index, råvaror, aktier samt volatilitetsmått. Två modeller presenteras, varav en inkluderar en laggad beroende variabel. Dessa två modeller förklarar 89 % respektive 92% av variationen i datan. Resultatet visar att volatiliteten har en signifikant påverkan med avseende på antal avslut vilket bekräftar tidigare forskning, men visas nu gälla även för ETPer. Valutakurser, aktieindex och palladium visas vara signifikanta. Vidare ges tolkning av resultatet och förslag på framtida forskning.

Denna kandidatexamen ligger inom området matematisk statistik. I samarbete med försäkringsbolaget Hedvig syftar denna avhandling till att utforska en ny metod för hantering av Hedvigs försäkringsdata genom att bygga en prissättningsmodell för alla riskförsäkringar med generaliserade linjära modeller. Två generaliserade linjära modeller byggdes, där den första förutspår frekvensen för ett anspråk och den andra förutspår svårighetsgraden. De ursprungliga uppgifterna delades in i 9 förklarande variabler. Båda modellerna inkluderade fem förklarande variabler i början och reducerades sedan. Minskningen resulterade i att fyra av fem egenskaper var förklarande signifikanta i frekvensmodellen och endast en av de fem var förklarande signifikanta i svårighetsmodellen. Var och en av modellerna erhöll relativa risker för nivåerna av deras förklarande variabler. De relativa riskerna resulterade i en total risk för varje nivå. Genom multiplicering av en skapad basnivå med en uppsättning kombination av riskparametrar kan premien för en vald kund erhållas. / Det här kandidatexamensarbetet ligger inom ämnet matematisk statistik. Jag samarbete med försäkringsbolaget Hedvig, avser uppsatsen att undersöka en ny metod att hantera Hedvigs försäkringsdata genom att bygga en prissättningsmodell för drulleförsäkring med hjälp av generaliserade linjära modeller. Två modeller skapades varav den första förutsättningen frekvensen av ett försäkringsanspråk och den andra förutsäger storleken. Originaldatan var indelad i 9 förklarande variabler. Båda modellerna innehöll till en början fem förklarande variabler, vilka sedan reducerades till fyra respektive en variabler i de motsvarande modellerna. Från varje modell kunde sedan de relativa riskerna tas fram för varje kategori av de förklarande variablerna. Tillsammans bildades sedan totalrisken för alla grupper.