Background: As a result of financial liberalization and innovations, households now have access to cheap (mortgage) credit and are able to spend money, to pay it back later in life. With the low interest levels, debt level of households are rising to an alarming rate. In Sweden the debt to income ratio has risen from 90% in the beginning of the 1990s to 170% in 2010. There is a growing concern from several financial institutions regarding the debt level. The concern stems from the latest research on its effects on the general economy. The studies on the subject concludes that a high debt level can be an ignition of financial crises. The debts effect on consumption however, is ambiguous. Studies presents that high debt level can raise the consumption, but the relationship depends on whether the house prices rise, i.e. the consumption growth depends on a wealth effect. When the prospects of the general economy fails to remain positive the growth in consumption stagnates and during recessions consumption levels drops dramatically, which in turn deepens and prolongs the crisis. Purpose: The scope of the study is to examine the accumulation of debt and its effects on consumption. In light of the debt growth among Swedish households, and the rising prices of houses it is of importance to clarify in how debt growth affects the consumption. Method: To examine the growth in consumption and debt, a time-series analysis is applied. The period consists of quarterly observations between 1995 and 2013. Before being able to run the OLS, tests for stationarity and cointegration is required. The tests shows that stationarity is found at the first difference, and a cointegration between the variables at the original form of the data. As lagged variables is used, an autocorrelation test is needed. Positive autocorrelation is found in model four and five. The result of the test on the other models are either inconclusive or free from autocorrelation. Conclusion: A positive relation between debt and consumption can be found, however when a delay of the debt variable is included a somewhat negative relation appears. Thus, the results of the previous studies in the can be confirmed. The study, however shows that the negative impact of debt reveals itself earlier than what the previous studies found. / Bakgrund: Till följd av avreglering av finansmarknader och flertalet finansiella innovationer har hushåll möjlighet att anskaffa krediter mot återbetalning senare i livet. Med låga räntor har skuldsättningen växt till nivåer som oroar flertalet finansiella institutioner. I Sverige har skuldkvoten bland hushåll från 1990-talets mitt fram till 2010 skuldkvoten ökat från 90 % till 170 %. Oron av utvecklingen kan förklaras av den senaste forskningen inom området vars resultat visar på att hög skuldsättning kan vara en faktor som ligger bakom finansiella kriser. Däremot är resultatet gällande skuldens inverkan på konsumtionen något tvetydig. Forskning säger att skulden kan ha en positiv relation med konsumtionen, däremot pekar några studier på att detta ska vara en effekt av ökade huspriser och förmögenhetseffekter. Om utsikterna över ekonomin upphör att vara positiva kommer konsumtionen att minska och recessioner förlängas och fördjupas. Syfte: Studien syftar till att belysa vilken inverkan en ökad skuldsättning har på konsumtionen. Mot bakgrund av de ökade bostadspriserna och skuldsättning bland hushåll är det av vikt att klargöra relationen mellan de två. Metod: För att undersöka skuldtillväxten och dess effekt på konsumtionen används en tidsserieanalys. Med kvartalsdata har perioden mellan 1995 och 2013 undersökts, vilket har genererat en total på 75 observationer. Innan en OLS kan genomföras behövs data undersökas för stationaritet och kointegration. Stationaritet återfinns vid första differensen för samtliga variabler. Kointegration förekommer i original data, och därmed kan regressionen utföras på denna. I och med att laggningar av variabeln skuldsättning förekommer, har data testats för autokorrelation. Modell fyra och fem uppvisar positiv autokorrelation. Därefter är resterande modeller överhängande fria från autokorrelation. Slutsats: Ett positivt förhållande uppvisas mellan skuld och konsumtion. Däremot, när en fördröjning av skuldvariabeln införs uppvisas ett negativt samband mellan skuld och konsumtion. Resultatet från tidigare studier kan bekräftas, däremot verkar den negativa inverkan som skuld har på konsumtion uppvisa sig tidigare än vad befintlig teori specificerat.

Innan Kina öppnade dörrarna för omvärlden, ansågs de inneha en av världens mest slutna marknader. Detta har dock förändrats då Kina tillät marknaden styra istället för central styre, samt att de beslöt för en utåtriktad utvecklings strategi. Detta tyder på att Kina tillät utländsk handel att spela en betydelsefull roll i deras ekonomiska utveckling. Uppsatsen, med hjälp av inkomst benämner av handel och BNP per capita, har som syfte att studera relationen mellan handel och ekonomisk tillväxt i Kina under perioden 1980-2003. Syftet är att man med hjälp av det ekonometriska verktyget, tidserie, kunna finna en positiv relation emellan dessa variabler. Inkomst benämner av handel inkluderar värden av både export och import. Det är därför teorin används för denna uppsats, eftersom teorin anser att export ensam inte kan orsaka ekonomisk tillväxt om inte import är inkluderad. Undersökningen, tidserie, innebar en enheten rotar problem, cointegration, samt Granger causalitets test. Värdena givna visar på att undersökningen har statistisk signifikanta värden, vilket tyder på att handel är av relevans för den ekonomisk tillväxt i China under 1980-2003. / Prior to China’s open-door policy, China was considered among one of the worlds’ most isolated economies. However, that changed when they allowed the market force to go before central planning, and decided on an outward orientation for their development strategy. This was a sign indicating that China allowed foreign trade to play a leading role in its economic development. This thesis, with the help of income terms of trade (ITT) and GDP per capita, aim to study if there is any relation between trade and growth in China during 1980-2003. The purpose is with help of the econometric tool, time series, to find a positive correlation between these variables. ITT include both the value of exports and imports. That is why the theory ITT is being used for this thesis, since the theory indicates that exports alone cannot explain growth if imports is not considered as well. The test, time series, was performed by doing a unit root problem, co integration, and a Granger causality test. The result given when doing these tests show of statistically significant result, which indicates that trade is of relevance for growth in China during 1980-2003.

<p>Innan Kina öppnade dörrarna för omvärlden, ansågs de inneha en av världens mest slutna marknader. Detta har dock förändrats då Kina tillät marknaden styra istället för central styre, samt att de beslöt för en utåtriktad utvecklings strategi. Detta tyder på att Kina tillät utländsk handel att spela en betydelsefull roll i deras ekonomiska utveckling.</p><p>Uppsatsen, med hjälp av inkomst benämner av handel och BNP per capita, har som syfte att studera relationen mellan handel och ekonomisk tillväxt i Kina under perioden 1980-2003. Syftet är att man med hjälp av det ekonometriska verktyget, tidserie, kunna finna en positiv relation emellan dessa variabler. Inkomst benämner av handel inkluderar värden av både export och import. Det är därför teorin används för denna uppsats, eftersom teorin anser att export ensam inte kan orsaka ekonomisk tillväxt om inte import är inkluderad.</p><p>Undersökningen, tidserie, innebar en enheten rotar problem, cointegration, samt Granger causalitets test. Värdena givna visar på att undersökningen har statistisk signifikanta värden, vilket tyder på att handel är av relevans för den ekonomisk tillväxt i China under 1980-2003.</p> / <p>Prior to China’s open-door policy, China was considered among one of the worlds’ most isolated economies. However, that changed when they allowed the market force to go before central planning, and decided on an outward orientation for their development strategy. This was a sign indicating that China allowed foreign trade to play a leading role in its economic development.</p><p>This thesis, with the help of income terms of trade (ITT) and GDP per capita, aim to study if there is any relation between trade and growth in China during 1980-2003. The purpose is with help of the econometric tool, time series, to find a positive correlation between these variables. ITT include both the value of exports and imports. That is why the theory ITT is being used for this thesis, since the theory indicates that exports alone cannot explain growth if imports is not considered as well.</p><p>The test, time series, was performed by doing a unit root problem, co integration, and a Granger causality test. The result given when doing these tests show of statistically significant result, which indicates that trade is of relevance for growth in China during 1980-2003.</p>

In recent years, the use of machine learning has increased significantly. Its uses range from making the everyday life easier with voice-guided smart devices to image recognition, or predicting the stock market. Predicting economic values has long been possible by using methods other than machine learning, such as statistical algorithms. These algorithms and machine learning models use time series, which is a set of data points observed constantly over a given time interval, in order to predict data points beyond the original time series. But which of these methods gives the best results? The overall purpose of this project is to predict Sweden’s aid curve using the machine learning model Support Vector Regression and the classic statistical algorithm autoregressive integrated moving average which is abbreviated ARIMA. The time series used in the prediction are annual summaries of Sweden’s total aid to the world from openaid.se since 1998 and up to 2019. SVR and ARIMA are implemented in python with the help of the Scikit- and Statsmodels libraries. The results from SVR and ARIMA are measured in comparison with the original value and their predicted values, while the accuracy is measured in Root Square Mean Error and presented in the results chapter. The result shows that SVR with the RBF-kernel is the algorithm that provides the best results for the data series. All predictions beyond the times series are then visually presented on a openaid prototype page using D3.js / Under det senaste åren har användningen av maskininlärning ökat markant. Dess användningsområden varierar mellan allt från att göra vardagen lättare med röststyrda smarta enheter till bildigenkänning eller att förutspå börsvärden. Att förutspå ekonomiska värden har länge varit möjligt med hjälp av andra metoder än maskininlärning, såsom exempel statistiska algoritmer. Dessa algoritmer och maskininlärningsmodeller använder tidsserier, vilket är en samling datapunkter observerade konstant över en given tidsintervall, för att kunna förutspå datapunkter bortom den originella tidsserien. Men vilken av dessa metoder ger bäst resultat? Projektets övergripande syfte är att förutse sveriges biståndskurva med hjälp av maskininlärningsmodellen Support Vector Regression och den klassiska statistiska algoritmen autoregressive integrated moving average som förkortas ARIMA. Tidsserien som används vid förutsägelsen är årliga summeringar av biståndet från openaid.se sedan år 1998 och fram till 2019. SVR och ARIMA implementeras i python med hjälp av Scikit-learn och Statsmodelsbiblioteken. Resultatet från SVR och ARIMA mäts i jämförelse mellan det originala värdet och deras förutspådda värden medan noggrannheten mäts i root square mean error och presenteras under resultatkapitlet. Resultatet visar att SVR med RBF kärnan är den algoritm som ger det bästa testresultatet för dataserien. Alla förutsägelser bortom tidsserien presenteras därefter visuellt på en openaid prototypsida med hjälp av D3.js.

Vilken effekt har skattetillägg på självrättelser av inkomstdeklarationer för individers benägenhet att begå skattebrott? Enligt grundteorin inom 'economics of crime' bör benägenheten att begå skattebrott minska för en rationell individ av en ökad sannolikhet och kostnad att bli straffad. Studien är en tidsseriestudie som undersöker beteendeförändringar av individers självrättelser av sina inkomstdeklarationer i samband med införandet av skattetillägg som tillkom av Skatteförfarandelagens (2011:1244) reform år 2018. Studien finner statistiskt signifikanta 'structural breaks' år 2019 (med hänsyn till 'first lag') vilket indikerar på ett förändrat beteendemönster i samband med införandet av skattetillägget. Andra faktorer kan dock inte uteslutas.

Warranty is a contract between a seller and a buyer. A warranty is also a signal for quality that can be utilized both by the seller and the customer. Even though the warranty is mainly something that is positive, a warranty also incurs risk to the warranty provider. The warranty cost can range from 2 - 15% of the net sales of a product which means that the warranty cost could potentially affect the company a lot. In order to handle such a risk, forecasting is a necessary tool. Forecasting is no exact science, and it’s impossible to forecast the exact future value due to uncertainty. Factors such as the quality of the product affect the cost of the claims, but unpredictable factors such as fraud, human factors and sales delay must also be considered. Forecasting error affects the warranty provider because the forecast sets the warranty reserve, which should cover the costs of the warranty claims. Overestimations and underestimations of the reserve have negative consequences for the company. The purpose of this study is to forecast a warranty reserve using a quantitative approach, in order to gain insight in to which model that could be best suited for complex products. The models that have been tested originate from causal and time-series methods, where the models tested consider different aspects of the data. The primary data used comes from archive data and to determine the forecast error, error measurements have been utilized. The time series method exponential smoothing Holt’s- Winter’s method was the one that performed best considering the error measurements. From the models tested, it has been shown that a more complex model does not necessarily mean a more accurate result. To be able to decrease the forecasting errors, a model considering unpredictable factors such as fraud could be the answer which makes it interesting to investigate. / Garanti är ett kontrakt mellan en säljare och en köpare. En garanti används ocks. för att signalera kvalitet vilket kan vara användbart för både säljaren och kunden. Även då garanti främst är något positivt innebär garanti ockå. en risk för den som erbjuder garantier då kostanden att erbjuda garanti kan sträcka sig mellan 2–15% av nettoresultatet av försäljningen va en produkt vilket betyder att garanti kan påverka företaget mycket. Man anv.nder sig av prognostiseringar för att kunna hantera den risken garantin bär med sig. Prognostisering är svårt och det är omöjligt att prognostisera det exakta framtida värdet på grund utav osäkerhet. Faktorer så som kvaliteten av produkten påverkar antalet och kostnaderna på garantianspr.ken men oförutsägbara faktorer så som bedrägeri, mänskliga beteenden och fördröjning av försäljning av produkter måste också tas i akt. Prognostiseringsfel på verkar den part som erbjuder garantin då prognosen används för att lägga undan monetära medel till garantireserven för att täcka garantianspråk. Underestimat och överestimat har negativa konsekvenser för företaget. Ändamålet med denna studie är att prognostisera garantireserven med hjälp av kvantitativa metoder för att få en inblick i vilka modeller som fungerar bra för en komplex produkt. Modeller som har testat kommer fr.n tidsserie metoder och kausala metoder, då de olika metoderna tar hänsyn till olika aspekter i data. Primärdata som används kommer från arkivdata och för att kunna bestämma felen på de prognoser som gjorts används fel mått. Tidsserie metoden exponential smoothing Holt’s-Winter’s var den som gav bäst resultat på fel måtten. Resultatet av modellerna som testats visar på att en mer komplex modell inte behöver vara den som ger bäst resultat. För att kunna minska på prognostiseringsfelen kan en modell som tar hänsyn till oförutsägbara faktorer så som bedrägeri vara lösningen vilket är en intressant sak att undersöka.

Society depends on unbiased, efficient and replicable measurement tools to tell us more truthfully what is happening when our senses would otherwise fool us. A new approach is made to consistently detect the start and end of historic recessions as defined by the US Federal Reserve. To do this, three measures, correlation (Spearman and Pearson), Baur comovement and Kolmogorov complexity, are used to quantify market behaviour to detect recessions. To compare the effectiveness of each measure the normalized correct Area Under Curve (AUC) fraction is introduced. It is found that for all three measures, the performance is mostly dependent on the type of data and that financial market data does not perform as good as fundamental economical data to detect recessions. Furthermore, comovement is found to be the most efficient individual measure and also most efficient of all measures when compared against several measures merged together. / Samhället är beronde förväntningsriktiga, effektiva och replikerbara mätverktyg för att mer sanningsenligt informera vad som händer när våra sinnen lurar oss. Ett nytt tillvägagångssätt utvecklas för att konsekvent uppmäta början och slut av historiska lågkonjunkturer så som definierats av US Federal Reserve. För att göra detta används tre mätmetoder, korrelation (Spearman och Pearson), Baur comovement och Kolmogorovkomplexitet, för att kvantifiera marknadsbeteendet i avsikt att upptäcka lågkonjunkturer. För att jämföra effektiviteten hos varje metod introduceras normalized correct Area Under Curve (AUC) fraktionen. Det konstateras att effektiviteten hos alla tre metoder är främst beroende av vilken typ av data som används och att finansiell data inte fungerar lika bra som real ekonomiska data för att upptäcka lågkonjunkturer. Vidare visas att comovement är den mest effektiva individualla mätmetoden och även den mest effektiva metoden jämfört med sammanslagna metoder

In this thesis we examined the validity of Okun’s law across four Nordic countries (Sweden,Norway, Finland and Denmark) using the gap version of Okun's law. Our method foranalyzing the Okun’s law for Nordic countries in this study is time series. We performed anAugmented-Dickey fuller test in order to test for stationarity, to which the result yielded allvariables stationary. Our result, after running the regression of the gap version of Okun’s law,confirms the existence of a negative relationship between unemployment rate and economicgrowth. However, the outcome indicates different Okun coefficients for the four Nordiccountries within the time period of 1989-2018. In conclusion we can affirm that according toour result, the basic assumptions made by Okun regarding a negative correlation betweenunemployment rate and output still holds true today for Nordic countries, with the exceptionthat the percentage decrease in unemployment rate when output increases by one percentvaries across Nordic countries. / I denna uppsats undersökte vi validiteten av Okuns lag för fyra nordiska länder (Sverige, Norge, Finland och Danmark) hjälp av Okuns lag gap modellen. Vår metod för att analyseraOkuns lag för de nordiska länderna i denna studie är tidsserier. Vi testade stationariteten ivåra resultat från tidsserie regressionen via ett Augmented-Dickey fuller test, vilketindikerade att alla variabler var stationära. Vårt resultat, efter att ha utfört regressionen av gapversionen av Okuns lag, bekräftar förekomsten av ett negativt samband mellan arbetslöshetoch ekonomisk tillväxt. Utfallet indikerar dock olika Okun-koefficienter för de fyra nordiskaländerna inom tidsperioden 1989-2018. Sammanfattningsvis kan vi konstatera att enligt vårtresultat gäller de fundamentala antagandena för Okuns lag fortfarande idag för de nordiskaländerna, med undantaget att den procentuella minskningen av arbetslösheten närproduktionen ökar med en procent varierar mellan de nordiska länderna.

In this thesis, an anomaly detection framework has been developed to aid in maintenance of tightening tools. The framework is built using LSTM networks and gaussian naive bayes  classifiers. The suitability of LSTM networks for multi-variate sensor data and time-series prediction as a basis for anomaly detection has been explored. Current literature and research is mostly concerned with uni-variate data, where LSTM based approaches have had variable but often good results. However, most real world settings with sensor networks, such as the environment and tool from which this thesis data is gathered, are multi-variable. Thus, there is a need to research the effectiveness of the LSTM model in this setting. The thesis has emphasized the need of well defined evaluation metrics of anomaly detection approaches, the difficulties of defining anomalies and anomaly datasets, as well as illustrated the effectiveness of LSTM networks in multi-variate environments. / I den här uppsatsen har ett anomali detektions ramverk utvecklats för att bidra till underhållandet av åtdragarverktyg. Ramverket bygger på LSTM neurala nätverk och gaussian Naive Bayes klassificerare. Användbarheten av LSTM nätverk för multi-variabel data och tidsserie prediktion som basis för anomali detektion har undersökts. Nutida literatur och forskning berör mest envariabel data där LSTM baserade metoder ofta har presterat bra. Men, de flesta system i verkligheten är inte envariabel utan multivariabel, som den miljö verktyget, vars data undersöks i den här uppsatsen, opererar i. Därför anses det att det finns ett behov att undersöka användbarheten av LSTM modeller i den här typen av miljö. Det här arbetet har betonat vikten av väldefinierade utvärderingsvärden för anomali detektion, svårigheterna med att definiera anomalier och anomalidataset, samt illustrerat användbarheten av LSTM nätverk i multivariabla miljöer.

An organization must manage its resource consumption and material flows in order to satisfy the demand of its products as efficiently as possible. Managing of the aforementioned requires a balance between the organizations resources (such as the capability of distribution and production) and the market demand. According to Gardner (1990), an estimation of future demand is a necessity for maintaining the balance. An instrument that is used frequently to estimate future demand is demand forecasting. The demand forecasting practice has been thoroughly studied and a plethora of academic contributions exist on the topic. However, a best practice demand forecasting method does not exist for every kind of product. The purpose of this paper is to identify which time series forecasting method that will result in the lowest error rate on fast moving consumer goods. The methods are based on sales data of 18 articles from the company Coca-Cola Enterprises Sverige AB which predominantly sells soft drinks. The majority of the theoretical framework is time series models presented by the authors Stig-Arne Mattsson, Patrik Jonsson and Steven Nahmias. The paper identifies Exponential smoothing with individual input variables as the forecasting method with the lowest error rate. The method gave the lowest possible error rate on over 55 percent of the articles. In addition, the combined error rate of the articles using Exponential smoothing with individual input variables gave the lowest overall error.