<p>Vectura är ett företag vars verksamhet är koncentrerad till transportinfrastruktur och deras mål är att hitta bättre lösningar för infrastrukturen. En stor del av trafikanterna i Sverige använder cykeln som transportmedel men cyklingen är i hög grad beroende av vädret som varierar hela tiden. Det varierande vädret gör det svårt att se hur cyklingen förändras över tiden och för att kunna se denna förändring behövs en modell som rensar cykelflödet från vädrets påverkan.</p><p>Syftet med denna rapport är just att utveckla en sådan modell. Denna modell ska tas fram med hjälp av dels cykelflödesdata och dels väderdata från ett antal gator i städer runt om i Sverige och ska vara tillämpbar överallt i landet.</p><p>Metoden som används för att ta fram modellen är multiplikativ tidsserieregression. Då syftet är att ta fram en rikstäckande modell måste en gemensam variabeluppsättning väljas som vi ska använda oss av när vi anpassar regressionskoefficienterna för varje gata. Detta variabelval gör vi med hjälp av</p><p>P-värden från individuella t-test och Akaikes informationskriterium. När lämpliga variabler har valts ut anpassas en separat regressionsmodell med dessa variabler för varje gata och därefter vägs betaskattningarna samman så att vi får en allmän modell. För att validera modellen utför vi en korsvalidering som går ut på att utelämna en av städerna när vi väger samman betaskattningarna och sedan testa den nya modellen på någon gata i den utelämnade staden.</p><p>Resultaten visar att modellen som vi utvecklat kan användas som en allmän modell för Sverige. Dels reducerar modellen standardavvikelsen för cykelflödet tillfredsställande och dels fungerar korsvalideringen bra. Modellen är utvecklad så att man ska kunna justera bort antingen endast vädereffekter från cykelflödet eller, utöver vädereffekter, justera bort även kalendereffekter och periodiska effekter från cykelflödet.</p>

Vectura är ett företag vars verksamhet är koncentrerad till transportinfrastruktur och deras mål är att hitta bättre lösningar för infrastrukturen. En stor del av trafikanterna i Sverige använder cykeln som transportmedel men cyklingen är i hög grad beroende av vädret som varierar hela tiden. Det varierande vädret gör det svårt att se hur cyklingen förändras över tiden och för att kunna se denna förändring behövs en modell som rensar cykelflödet från vädrets påverkan. Syftet med denna rapport är just att utveckla en sådan modell. Denna modell ska tas fram med hjälp av dels cykelflödesdata och dels väderdata från ett antal gator i städer runt om i Sverige och ska vara tillämpbar överallt i landet. Metoden som används för att ta fram modellen är multiplikativ tidsserieregression. Då syftet är att ta fram en rikstäckande modell måste en gemensam variabeluppsättning väljas som vi ska använda oss av när vi anpassar regressionskoefficienterna för varje gata. Detta variabelval gör vi med hjälp av P-värden från individuella t-test och Akaikes informationskriterium. När lämpliga variabler har valts ut anpassas en separat regressionsmodell med dessa variabler för varje gata och därefter vägs betaskattningarna samman så att vi får en allmän modell. För att validera modellen utför vi en korsvalidering som går ut på att utelämna en av städerna när vi väger samman betaskattningarna och sedan testa den nya modellen på någon gata i den utelämnade staden. Resultaten visar att modellen som vi utvecklat kan användas som en allmän modell för Sverige. Dels reducerar modellen standardavvikelsen för cykelflödet tillfredsställande och dels fungerar korsvalideringen bra. Modellen är utvecklad så att man ska kunna justera bort antingen endast vädereffekter från cykelflödet eller, utöver vädereffekter, justera bort även kalendereffekter och periodiska effekter från cykelflödet.

Bakgrund: Enligt den makroekonomiska kvantitetsteorin påverkar penningmängdstillväxten prisnivån i en ekonomi. Mer specifikt säger kvantitetsteorin att ett positivt samband finns mellan tillväxten av penningmängden och prisnivån. I detta arbete undersöks om penningmängdstillväxten i penningmängdsdefintionen M3 har en påverkan på tillgångspriser i form av aktiepriser. Syfte: Studiens syfte är att undersöka om penningmängdstillväxten har en påverkan på aktiepriser.Metod Studien är kvantitativ. För att besvara studiens syfte användes statistisk analys i form av tidsserieregression. Resultat: I tre regressionsmodeller visade sig penningmängdstillväxten vara en signifikant variabel. Hypotesprövningar indikerade också på att ett samband föreligger mellan penningmängdstillväxt och prisnivån på OMXS30. Slutsats: Den sammantagna slutsatsen är att det inte kan uteslutas att penningmängdstillväxten har en påverkan på aktiepriser. / Background: According to the macroeconomic quantity theory of money, the growth in money affects the price level in an economy. More precisely, the quantity theory of money suggests that there is a positive relationship between the growth of money and price level. This study examines whether the money growth has an impact on asset prices in the form of stock prices.  Purpose: The purpose of this study is to examine if money growth has an impact on stock prices.Method The study is quantitative. To answer the purpose of the study, statistical analysis in the form av time series regression wasused.  Results: The variable for money growth was determined to be significant in three different regression models. Hypothesis tests also indicated that a relationship between money growth and the price level of OMXS30 was present.  Conclusion: The general conclusion is that the notion of money growth’s impact on stock prices cannot be ruled out.

The Swedish real estate market has, and arguably still continues to, endure a crisis in terms of increased interest rate followed by uncertainties on a global scale. Both the residential and commercial real estate market has been affected, seeing prices and transaction volumes decrease as a consequence. The commercial real estate market is largely dependent on financing, which is further strengthened by the large amount of the Swedish banks’ total lending that is directed towards the commercial real estate sector. These aspects combined proves the need of accurately forecasting the real estate market, partly in the aspect of investment decision making but also in relation to the development of the overall economy.  To connect the real estate market with the economy as a whole, this study will analyze five different macroeconomic variables’ effect on the transaction price on commercial real estate in Sweden, as well as making forecasts on the future outlook of real estate prices in relation to the development of the variables. This is conducted with the time series regression model ARIMAX, which utilizes lagged versions of previous commercial real estate prices along with macroeconomic variables in terms of GDP, KIX (the krona index), real interest rate, the Euro/SEK exchange rate as well as the unemployment rate. The model is conducted in relation to the commercial real estate market in Sweden, with a dataset of commercial transactions ranging from 1996 until 2023. Additionally, an analysis of a subset of solely the industrial segment is investigated.  Lastly, the forecasting of real estate prices was conducted in relation to a scenario analysis. The analysis was built on multiple market outlooks by utilizing a predictive movement of the independent variables in relation to three scenarios: pessimistic, base and optimistic. The results of the scenario analysis depicts a fairly modest difference in predicted outcomes on the transaction price in December 2024 in relation to the different scenarios. / Den svenska fastighetsmarknaden har genomgått, och enligt vissa prognoser genomgår, en kris i form av höjda räntor följt av osäkerheter på global nivå. Både bostadsfastigheter och kommersiella fastigheter har påverkats och priserna och transaktionsvolymerna har sjunkit som en följd av detta. Den kommersiella fastighetsmarknaden är till stor del beroende av finansiering, vilket ytterligare förstärks av att en stor del av de svenska bankernas totala utlåning är riktad mot den kommersiella fastighetssektorn. Dessa aspekter sammantaget visar på behovet av att kunna göra korrekta prognoser för fastighetsmarknaden, dels för att kunna fatta investeringsbeslut men också för att kunna bedöma utvecklingen av ekonomin överlag.  För att koppla samman fastighetsmarknaden med ekonomin i stort kommer denna studie att analysera fem olika makroekonomiska variablers effekt på transaktionspriset på kommersiella fastigheter i Sverige, samt göra prognoser om fastighetsprisernas framtidsutsikter i förhållande till variablernas utveckling. Detta görs med tidsserieregressionsmodellen ARIMAX, som utnyttjar laggade versioner av tidigare kommersiella fastighetspriser tillsammans med makroekonomiska variabler i form av BNP, KIX (kronindex), realränta, växelkursen Euro/SEK samt arbetslöshet. Modellen genomförs i relation till den kommersiella fastighetsmarknaden i Sverige, med ett dataset av kommersiella transaktioner från 1996 till 2023. Dessutom genomförs en analys av enbart industrisegmentet. Slutligen genomfördes en prognostisering av fastighetspriserna med hjälp av en scenarioanalys. Analysen byggde på flera marknadsutsikter genom att använda den förutspådda förändringen av de oberoende variablerna i förhållande till tre scenarier: pessimistisk, bas och optimistisk. Resultatet av scenarioanalysen visar på en svag men noterbar skillnad i förväntat utfall för transaktionspriset i december 2024 i förhållande till de olika scenarierna.

Passive Intermodulation is a type of distortion affecting the sensitive receiving signals in a cellular network, which is a growing problem in the telecommunication field. One way to mitigate this problem is through Passive Intermodulation Cancellation, where the predicted noise in a signal is modeled with polynomials. Recent experiments using neural networks instead of polynomials to model this noise have shown promising results. However, one drawback with neural networks is their lack of explainability. In this work, we identify a suitable method that provides explanations for this use case. We apply this technique to explain the neural networks used for Passive Intermodulation Cancellation and discuss the result with domain expertise. We show that the input space as well as the architecture could be altered, and propose an alternative architecture for the neural network used for Passive Intermodulation Cancellation. This alternative architecture leads to a significant reduction in trainable parameters, a finding which is valuable in a cellular network where resources are heavily constrained. When performing an explainability analysis of the alternative model, the explanations are also more in line with domain expertise. / Passiv Intermodulation är en typ av störning som påverkar de känsliga mottagarsignalerna i ett mobilnät. Detta är ett växande problem inom telekommunikation. Ett tillvägagångssätt för att motverka detta problem är genom passiv intermodulations-annullering, där störningarna modelleras med hjälp av polynomiska funktioner. Nyligen har experiment där neurala nätverk används istället för polynomiska funktioner för att modellera dessa störningar påvisat intressanta resultat. Användandet av neurala nätverk är dock förenat med vissa nackdelar, varav en är svårigheten att tyda och tolka utfall av neurala nätverk. I detta projekt identifieras en passande metod för att erbjuda förklaringar av neurala nätverk tränade för passiv intermodulations-annullering. Vi applicerar denna metod på nämnda neurala nätverk och utvärderar resultatet tillsammans med domänexpertis. Vi visar att formatet på indatan till neurala nätverket kan manipuleras, samt föreslår en alternativ arkitektur för neurala nätverk tränade för passiv intermodulations-annullering. Denna alternativa arkitektur innebär en avsevärd reduktion av antalet träningsbara parametrar, vilket är ett värdefullt resultat i samband med mobilnät där det finns kraftiga begränsningar på hårdvaruresurser. När vi applicerar metoder för att förklara utfall av denna alternativa arkitektur finner vi även att förklaringarna bättre motsvarar förväntningarna från domänexpertis.