Search

Volatilitet i elkostnader har alltid funnits och kommer alltid att finnas eftersom ett rationellt elsystembestår av en kombination av olika kraftverk. Vid hög tillgång på produktion och låg efterfrågan blirmarginalkostnaden låg, och på motsvarande sätt blir marginalkostnaden signifikant högre vid högefterfrågan och låg tillgång på kraftverk med låga driftkostnader. Den liberala elmarknaden som finns i hela Europa innebär att elpriset sätts efter dennaproduktionskostnad. Detta ger ett volatilt elpris, vilket ger incitament till flexibilitet samt ger ocksåsignaler till marknaden att investera i det som ger störst nytta för elsystemet. De kunder somefterfrågar ett stabilt elpris kan ha kontrakt med någon aktör som tar pris-risken. Detta kommer attske till en kostnad, då ingen aktör erbjuder denna tjänst gratis, men många kunder är beredda att tadenna kostnad. Sammanfattningsvis kan följande sägas om prisvolatiliteten: 1) Det är av stort värde för elmarknaden att det finns finansiella verktyg att hanteraelprisvariationer för de aktörer som så önskar. Det är bra att någon myndighet har till uppgift attstudera detta. 2) Prisvolatiliteten, mätt som standardavvikelse på elpriset i Euro/MWh har dock varit lägre iSverige jämfört med, t ex, Tyskland, Frankrike och Nederländerna under 2022-2023. 3) Prisvolatilitet gynnar flexibilitet. Den konsument som kan vara flexibel, t ex ladda sin elbil vid lågefterfrågan, får därmed ett lägre elpris. 4) En troligen central fråga gällande volatilitet är prisvariationer mellan olika år. För framtidenerbjuder då sol+vind den lägsta volatiliteten (plus/minus 4.4 procent baserat på data frånSvenska Kraftnät för tidsperioden 1982-2006) jämfört med faktisk kärnkraft (plus-minus 9.2 procent baserat på data från Energimyndigheten för tidsperioden 1996-2022). 5) Det finns en tyvärr spridd missuppfattning att kärnkraft automatiskt skulle minska prisvolatiliteten.Kärnkrafts-landet Frankrike hade såväl 2022 som 2023 en högre volatilitet änSverige, mät, QC 20240109

This thesis focuses on the realm of financial forecasting by examining the effectiveness of machine learning, specifically Support Vector Regression (SVR), in predicting stock market volatility. While numerous studies have compared various models in volatility forecasting, this research uniquely explores the impact of different datasets and frequencies on predictive accuracy. Leveraging a decade of historical data from the S&P 500 index, encompassing daily, weekly and monthly intervals, SVR models are trained and evaluated. The study aims to identify which frequency yields the most accurate volatility forecasts and assesses the performance using various evaluation metrics. The evaluation of SVR models in this thesis is conducted using a comprehensive set of metrics, including Mean Squared Error (MSE), Quasi-Likelihood (QL) loss and Symmetrical Mean Absolute Percentage Error (SMAPE). These metrics provide a multifaceted view of model performance, each highlighting different aspects of forecast accuracy and error. The main conclusion drawn from this study is that the optimal data frequency for forecasting volatility varies depending on the evaluation metric considered most critical. If absolute errors are of greater importance, higher frequency data like daily intervals should be preferred. However, if the relative size of volatility errors carries more weight, lower frequencies such as monthly data could also be valuable., Denna avhandling utforskar finansiell skattning genom att undersöka effektiviteten hos maskininlärning, specifikt Support Vector Regression (SVR), i att förutsäga volatilitet på aktiemarknaden. Medan många studier har jämfört olika modeller inom volatilitetsskattningar, utforskar denna forskning unikt påverkan av olika dataset och frekvenser på korrektheten av skattningarna. Genom att använda ett decennium av historisk data från S&P 500-indexet, som omfattar dagliga, veckovisa och månatliga intervall, tränas och utvärderas SVR-modeller. Studien syftar till att identifiera vilken frekvens som ger de mest exakta volatilitetsskattningarna och bedömer prestandan med hjälp av olika utvärderingsmetoder. Utvärderingen av SVR-modeller i denna avhandling med hjälp av en omfattande uppsättning mätetal, inklusive Mean Squared Error (MSE), Quasi-Likelihood (QL) loss och Symmetrical Mean Absolute Percentage Error (SMAPE). Dessa mätvärden ger en nyanserad bild av modellens prestanda, där var och en belyser olika aspekter av skattningsnoggrannhet och fel. Huvudslutsatsen från denna studie är att den optimala datafrekvensen för att skatta volatilitet varierar beroende på det utvärderingsmått som anses vara viktigast. Om absoluta fel är av större vikt föredras högre frekvensdata som dagliga intervall. Men om den relativa storleken på volatilitetsfel väger tyngre, kan lägre frekvenser som månatlig data också vara värdefulla.

Bakgrund: Globala händelser som krig, pandemier och naturkatastrofer påverkar snabbt ekonomier världen över. De så kallade "Black swan events" beskriver oförutsägbara och ytterst ovanliga händelser som kan resultera i extrema konsekvenser. Under det senaste århundradet har kriser som världskrigen, den stora depressionen och finanskrisen 2007 format våra samhällen som vi lever i idag. Den senaste tiden har Rysslands invasion av Ukraina 2022 orsakat bland annat råvaruprisökningar, energiproblem och påverkat global handel. Studien fokuserar på hur denna konflikt har påverkat volatiliteten på globala aktiemarknader och hitta samband mellan sociala variabler, grad av utvecklad aktiemarknad och regional spridning för att illustrera hur geopolitiska konflikter kan skapa ekonomiska chocker. Syfte: Syftet med studien är att analysera hur volatiliteten innan, under och efter Rysslands invasion av Ukraina relaterar till de institutionella variablerna demokrati, socialt välstånd, ekonomisk frihet samt med hänsyn på grad av utvecklad marknad och geografi. Metod: Genom en kvantitativ metod med en deduktiv ansats undersöks volatiliteten innan, under och efter Rysslands invasion av Ukraina i de 47 länder som ingår i MSCI ACWI IMI index. I detta urval ingår 24 utvecklade och 23 outvecklade marknader av olika karaktär. Regressioner, anovatester och chow-test utförs för att analysera samband mellan volatiliteten på dessa marknader och variablerna Human Development Index, demokratiindex, index för ekonomisk frihet samt geografisk placering. Resultat: Studien visar att volatiliteten är betydligt högre efter invasionen den 24 februari 2022 än före. Även om generella slutsatser om variablernas association till volatilitet under kriget inte kan dras, finner studien att ökad ekonomisk frihet i utvecklade marknader minskar volatiliteten efter krigsstart samt att mer demokratiska länder uppvisar högre volatilitet före kriget. Slutsats dras att mer utvecklade marknader reagerar snabbare på oro, Background: Global events such as wars, pandemics, and natural disasters can rapidly impact economies worldwide. The so called "Black swan events" describe unpredictable and extraordinary events with significant consequences. Over the past century, crises like world wars, the Great Depression, and the financial crisis 2007 have shaped our societies that we are living in. Recently, Russia's invasion of Ukraine in 2022 has caused commodity price hikes, energy issues and affected global trade. The study focuses on how the Russian invasion has influenced volatility in global stock markets, find correlations between social variables and volatility with the regard on degree of developed stock markets to illustrate how geopolitical tensions can lead to economic chocks. Purpose: The purpose of the study is to analyze how volatility before, during, and after Russia's invasion of Ukraine relates to institutional variables such as democracy, social prosperity, economic freedom, and geography. Methodology: Using a quantitative method with a deductive approach, we investigate volatility before, during, and after Russia's invasion of Ukraine across the 47 countries included in the MSCI ACWI IMI index. This sample comprises of 24 developed and 23 developing markets of diverse characteristics. Regressions, ANOVA tests, and Chow tests are conducted to analyze relationships between market volatility and variables including the Human Development Index, democracy index, economic freedom index, and geographic location. Results: The study shows that volatility is significantly higher after the invasion than in the pre-war period. Although general conclusions about the variables' association with volatility during the war cannot be drawn, the study finds that increased economic freedom in developed markets reduces volatility after the war's start, and more democratic countries exhibit lower volatility before the war. The study shows that developed markets respond more quickly to unrest, w

I denna studie har utvecklingen av hedgefonder studerats mot marknadens utveckling samt deras korrelation mot varandra. Detta har skett över perioden 2018 – 2023 samt extra fokus på 2020 med ytterligare avgränsning till den svenska marknaden. De mått som använts har varit korrelation och standardavvikelse. Studien syftar till att studera korrelationen och prestationen av hedgefonderna under perioden samt dra slutsatser kring de skillnaderna och likheter som finns med tidigare forskning samt teorier bakom hedgefonder och marknader. Urvalet hämtades från HedgeNordic och data bestod av totalt 39 stycken hedgefonder som sammanslogs till ett index. Resultatet visar på att hedgefondindexet håller en mycket hög korrelation med marknadsindex både generellt under hela perioden (0,930), men även en måttligt hög korrelation år 2020 under Covid-19 pandemin (0,621). Under 2020 presterade även hedgefondindexet bättre än marknaden. Resultatet visar även att hedgefonderna håller en lägre volatilitet jämfört med jämförelseindexet vilket går i linje med hedgefondernas investeringsfilosofi. Jämförelseindexet presterade mer extrema värden när det kom till maximi och minimivärden dessutom. Slutsatserna studien kan dra är att det förekommer en lägre korrelation under 2020 än under den totala perioden 2018 – 2023 vilket kan förklaras av tidigare forskning. Studien kommer även fram till att eftersträvan av en låg korrelation kan endast uppnås under kortare perioder. Sett över en längre period så kommer korrelationen aldrig vara speciellt låg då även hedgefonderna drivs av vinster och inte endast av skräcken av att göra förluster. Studien bedriver sitt arbete på svenska., In this study, the development of hedge funds has been studied against the market and their correlation with each other. This has taken place over the period 2018 – 2023 and extra focus on 2020 with further delimitation to the Swedish market. The measures used have been correlation and standard deviation. The study aims to examine the correlation and the performance of hedge funds during the period and draw conclusions about the differences and similarities that exist with previous research and theories behind hedge funds and markets. The selection was taken from HedgeNordic and the data consisted of a total of 39 hedge funds that were merged into an index. The result shows that the hedge fund index maintains a very high correlation with the market index generally throughout the period (0.930), but also a relatively high correlation during the Covid-19 pandemic year 2020 (0.621). In 2020, the hedge fund index also outperformed the market. The result also shows that the hedge funds maintain a lower volatility compared to the benchmark index, which is in line with the hedge fund investment philosophy. The benchmark index performed more extreme values when it came to maximum and minimum values as well. The conclusions the study can draw are that there is a lower correlation in 2020 than in the total period 2018 – 2023, which can be explained by previous research. The study also concludes that the pursuit of a low correlation can only be achieved for shorter periods of time. Seen over a longer period the correlation will never be particularly low as hedge funds are also driven by profits and not only by the fear of making losses. The Study conducts its work in Swedish.

Bakgrund: De kinesiska aktiemarknaderna har tidigare omskrivits för att vara volatila. Samtidigt har börserna i framför allt Fastlandskina varit svårtillgängliga för utländska investerare. Under 2014 lanserades Stock Connect, ett system som underlättade för utländska institutioner att handla aktier på börserna i Fastlandskina. Studien vill därför undersöka sambandet mellan volatilitet och grad av utländskt ägande samt vilken påverkan Stock Connect haft. Syfte: Syftet med studien är att analysera sambandet mellan grad av utländskt ägande och volatilitet på börserna i Fastlandskina samt inverkan av Stock Connect. Metod: Studien tillämpar en kvantitativ metod med en deduktiv ansats. Med hjälp av tidsseriedata över historisk volatilitet och grad av utländskt ägande över perioden 2006–2023 genomförs regressioner samt Chow- och t-test för att analysera samband. Vidare testas för ytterligare variabler som med stöd i litteratur och tidigare forskning kan påverka volatiliteten så som ränta, inflation, konsumentförtroende och politiskt styre. Resultat: Studiens resultat visar på att det finns ett signifikant samband mellan volatilitet och grad av utländskt ägande i Fastlandskina, där en ökad grad av utländskt ägande medför en minskad volatilitet. Studien finner även att Stock Connect har haft en signifikant påverkan på volatiliteten och det utländska ägandet, där det utländska ägandet är högre efter Stock Connect samtidigt som volatiliteten är signifikant lägre., Background: The Chinese stock markets have previously been described as volatile. At the same time, the stock exchanges in mainland China in particular have been difficult to access by foreign investors. In 2014, Stock Connect was launched, a system that made it easier for foreign institutions to trade shares on the stock exchanges in mainland China. The study therefore wants to examine the relationship between volatility and degree of foreign ownership and what impact Stock Connect had. Purpose: The purpose of the study is to analyze the relationship between degree of foreign ownership and volatility on the stock exchanges in mainland China and the impact of Stock Connect. Methodology: The study applies a quantitative method with a deductive approach. Using time series data on historical volatility and degree of foreign ownership over the period 2006–2023, regressions, Chow test and t-tests are performed to analyze relationships. Furthermore, additional variables are tested that, with support in literature and previous research, can affect volatility such as interest rate, inflation, consumer confidence and political leader. Results: The results of the study show that there is a significant relationship between volatility and degree of foreign ownership in mainland China, where an increased degree of foreign ownership leads to reduced volatility. The study also finds that Stock Connect has had a significant impact on volatility and foreign ownership, where foreign ownership is higher after Stock Connect while volatility is significantly lower.

The recent period of intensified electricity price volatility has challenged both private households and businesses, resulting in companies transitioning their strategies to address the uncertainties that follow. No previous study has analysed how electricity price volatility affects Swedish industries’ returns and electricity usage. Therefore, this essay aims to fill this knowledge gap and capture the impact of electricity price volatility on two different industries, one more electricity-intensive industry and one less electricity-intensive industry. By applying a DCC-GARCH model, the study examines the impact on the returns and electricity usage of two industries to analyse if electricity price volatility has affected businesses in terms of returns and electricity consumption. The first DCC model was run on weekly electricity spot price data from Nord Pool and data constructed through a proxy of each industry’s average return. The results show that there is almost zero conditional correlation over time, ranging from 0.03 to 0.045, between the electricity price and each industry’s returns. There are no short-run spillover effects from electricity price volatility on the on the industries’ average returns. On the other hand, there is a long term spillover effect from electricity prices to the more electricity-intensive industry and no long term spillover for the less electricity-intensive industry. The second DCC-GARCH modell is applied on monthly electricity spot prices from Nord Pool and data of monthly electricity usage of each industry. The industries are sorted by Swedish Standard Industrial Classification (SNI). SNI 17 stands for manufacture of paper and paper products and SNI 24 stands for manufacture of basic metals. The results from this part indicates that the dynamic conditional correlation between electricity price and the electricity usage in the paper industry is close to zero which differ from the basic metal industry which is positive. Beyond the

In this paper we present new foreign trade- and price data to analyze Swedish terms of trade in the very long run, from 1780 to 2018. We examine what influenced the trend in the terms of trade in the long run, particularly in how it related to the general trade structure. We also analyze the volatility of the terms of trade, and discuss how it might have affected economic growth in Sweden. The index improved slowly but substantially over the century from 1850 to 1950, which was likely connected to another poignant trend, a steadily increasing share of manufactures and finished goods in the export basket. In comparative perspective, Sweden had more industrial exports and lower export concentration than most of the rest of the European periphery, as well as much lower terms of trade volatility. We find that the growth trend and low volatility of Swedish terms of trade was positively connected with economic growth, but only really so from about 1850 to 1913. During this period the development of the terms of trade was particularly connected to increasing investment in new industries. The years from 1914 to 1960 were on the other hand characterized by high volatility in the terms of trade, and was still connected to high growth rates, such as during the interwar period. Hence, we conclude that while low volatility was connected to the onset of Swedish industrialization, it was also possible to maintain high growth rates during periods of high terms of trade volatility.

In this thesis, the foundations of evaluating the performance of volatility forecasting methods are explored, and a mathematical framework is created to determine the overall forecasting performance based on observed daily returns across multiple financial instruments. Multiple volatility responses are investigated, and theoretical corrections are derived under the assumption that the log returns follow a normal distribution. Performance measures that are independent of the long-term volatility profile are explored and tested. Well-established volatility forecasting methods, such as moving average and GARCH (p,q) models, are implemented and validated on multiple volatility responses. The obtained results reveal no significant difference in the performances between the moving average and GARCH (1,1) volatility forecast. However, the observed non-zero bias and a separate analysis of the distribution of the log returns reveal that the theoretically derived corrections are insufficient in correcting the not-normally distributed log returns. Furthermore, it is observed that there is a high dependency of abslute performances on the considered evaluation period, suggesting that comparisons between periods should not be made. This study is limited by the fact that the bootstrapped confidence regions are ill-suited for determining significant performance differences between forecasting methods. In future work, statistical significance can be gained by bootstrapping the difference in performance measures. Furthermore, a more in-depth analysis is needed to determine more appropriate theoretical corrections for the volatility responses based on the observed distribution of the log returns. This will increase the overall forecasting performance and improve the overall quality of the evaluation framework., I detta arbete utforskas grunderna för utvärdering av prestandan av volatilitetsprognoser och ett matematiskt ramverk skapas för att bestämma den övergripande prestandan baserat på observerade dagliga avkastningar för flera finansiella instrument. Ett antal volatilitetsskattningar undersökts och teoretiska korrigeringar härleds under antagandet att log-avkastningen följer en normalfördelningen. Prestationsmått som är oberoende av den långsiktiga volatilitetsprofilen utforskas och testas. Väletablerare metoder för volatilitetsprognostisering, såsom glidande medelvärden och GARCH-modeller, implementeras och utvärderas mot flera volatilitetsskattningar. De erhållna resultaten visar att det inte finns någon signifikant skillnad i prestation mellan prognoser producerade av det glidande medelvärdet och GARCH (1,1). Det observerade icke-noll bias och en separat analys av fördelningen av log-avkastningen visar dock att de teoretiskt härledda korrigeringarna är otillräckliga för att fullständigt korrigera volatilitesskattningarna under icke-normalfördelade log-avkastningar. Dessutom observeras att det finns ett stort beroende på den använda utvärderingsperioden, vilket tyder på att jämförelser mellan perioder inte bör göras. Denna studie är begränsad av det faktum att de använda bootstrappade konfidensregionerna inte är lämpade för att fastställa signifikanta skillnader i prestanda mellan prognosmetoder. I framtida arbeten behövs fortsatt analys för att bestämma mer lämpliga teoretiska korrigeringar för volatilitetsskattningarna baserat på den observerade fördelningen av log-avkastningen. Detta kommer att öka den övergripande prestandan och förbättra den övergripande kvaliteten på prognoserna.

Time series forecasting and volatility forecasting is a particularly active research field within financial mathematics. More recent studies extend well-established forecasting methods with machine learning. This thesis will evaluate and compare the standard Generalized Autoregressive Conditional Heteroskedasticity (GARCH) model and some of its extensions to a proposed Long Short-Term Memory (LSTM) model on historic data from five Swedish stocks. It will also explore hybrid models that combine the two techniques to increase prediction accuracy over longer horizons. The results show that the predictability increases when switching from univariate GARCH and LSTM models to hybrid models combining them both. Combining GARCH, Glosten, Jagannathan, and Runkle GARCH (GJR-GARCH), and Fractionally Integrated GARCH (FIGARCH) yields the most accurate result with regards to mean absolute error and mean square error. The forecasting errors decreased with 10 to 50 percent using the hybrid models. Comparing standard GARCH to the hybrid models, the biggest gains were seen at the longest horizon, while comparing the LSTM to the hybrid models, the biggest gains were seen for the shorter horizons. In conclusion, the prediction ability increases using the hybrid models compared to the regular models., Tidsserieprognostisering, och volatilitetsprognostiering i synnerhet, är ett växande fält inom finansiell matamatik som kontinereligt står inför implementation av nya tekniker. Det som en gång startade med klassiksa tidsseriemodeller som ARCH har nu utvecklats till att dra fördel av maskininlärning och neurala nätverk. Detta examensarbetet uvärderar och jämför Generalized Autoregressive Conditional Heteroskedasticity (GARCH) modeller och några av dess vidare tillämpningar med Long Short-Term Memory (LSTM) modeller på fem svenska aktier. ARbetet kommer även gå närmare inpå hybridmodeller som kombinerar dessa två tekniker för att öka tillförlitlig prognostisering under längre tidshorisonter. Resultaten visar att förutsägbarheten ökar genom att byta envariata GARCH och LSTM modeller till hybridmodeller som kombinerar båda delarna. De mest korrekta resultaten kom från att kombinera GARCH, Glosten, Jagannathan, och Runkle GARCH (GJR-GARCH) och Fractionally Integrated GARCH (FIGARCH) modeller med ett LSTM nätverk. Prognostiseringsfelen minskade med 10 till 50 procent med hybridmodellerna. Specifikt, vid jämförelse av GARCH modellerna till hybridmodellerna sågs de största förbättringarna för de längre tidshorisonterna, medans jämförelse mellan LSTM och hybridmodellerna sågs den mesta förbättringen hos de kortare tidshorisonterna. Sammanfattningsvis öker prognostiseringsförmågan genom användning av hybridmodeller i jämförelse med standardmodellerna.

Sports clubs face numerous challenges, including economic fluctuations, shifting supporter preferences, and changes in regulations and policies. However, the unpredictable nature of athletic performance makes it difficult to forecast future financial outcomes, which can negatively impact planning and operations. Effective risk management is crucial for clubs to navigate these uncertainties and maintain long-term sustainability. The limited ability of Swedish clubs to access external funding sources, due to regulations on ownership and governance, poses challenges in managing risks effectively, as it restricts investment in new projects and response to unexpected and volatile events. Swedish clubs' managers face distinctive obstacles compared to their international counterparts due to the unique context they operate in. The purpose of this thesis is to investigate what risks Swedish elite football clubs face due to the uncertain and volatile environment of sports, and to explore how these risks are managed. By identifying the various risks these clubs encounter, this study aims to shed light on how they maintain their competitive edge through proactive risk management strategies. This thesis’ methodology is structured as a qualitative interview study consisting of eight semi-structured interviews with eight Swedish elite football clubs. The study uses a purposive sampling method, in order to focus on the unique regulations of Swedish sports clubs, as well the largest sport in Sweden, football. Moreover, the thesis employed a thematic analysis approach to analyse the data and draw conclusions. The results of the study show that managers in Swedish elite football clubs adopt a hybrid approach to risk management, leveraging an experience-based approach and complementing it with a long-term strategic approach. This allows them to align decisions and risk management practices with their objectives and stakeholder expectations, and through balancing competitiveness and

This is a study where the purpose is to investigate the risk-adjusted return and the correlation between the two investments, the stock market and the condominium market. In addition to this, it was analyzed how the two investments performed during the financial crisis and the covid-19 crisis. Study is carried out to get answers to the eternal question of which of these two investments is considered the most suitable for both short-term or long-term investment goals where financial conditions are taken into account. The study conducted various tests such as Pearson correlation test, volatility and regression models. The Sharpe ratio was used to measure the risk-adjusted return. These are carefully selected to see what returns the two investments give at different risks, as well as how the investments correlate with each other during crises and conditions of economic growth. The conclusion reached by this study is that the investor should diversify and invest in both investments. This is because their risk versus return profile becomes more even by investing in both investments. When one investment does worse, the other investment will, according to the study's various tests, make the return and risk profile more stable. Despite the high correlation between the investments, diversification is useful in case of possible future economic crises., Detta är en studie där syftet är att undersöka den riskjusterade avkastningen samt korrelationen mellan de två investeringarna aktiemarknaden och bostadsrättsmarknaden. Utöver detta analyserades hur de två investeringarna presterade under finanskrisen och covid-19-krisen. Studie är genomförd för att få svar på den eviga frågan om vilken av dessa två investeringar som anses vara lämpligast för både kortsiktiga eller långsiktiga investeringsmål där ekonomiska förhållanden tas i akt. Studien genomförde olika tester som Pearson korrelationstest, volatilitet och regressionsmodeller. Sharpekvoten användes för att mäta den riskjusterade avkastningen. Dessa är noga utvalda för att se vad de två investeringarna ger för avkastning vid olika risker, samt hur investeringarna korrelerar med varandra under kriser och förhållanden vid ekonomisk tillväxt. Slutsatsen som denna studie kom fram till är att investeraren bör diversifiera sig och investera i båda investeringarna. Detta på grund av att deras riskprofil kontra avkastning blir mer jämnare genom att investera i båda investeringarna. När den ena investeringen går sämre kommer den andra investeringen som enligt studiens olika tester att göra att avkastningen och riskprofilen blir mer stabil. Trots den höga korrelationen mellan investeringarna så är diversifiering användbar vid eventuella framtida ekonomiska kriser.

The stock market has from the start grown and developed and thus have the shares also developed. The pricesof the shares vary between different types of shares, but certain factors affect the price of a share. This essayaims to clarify whether there is a connection between options trading and stock prices. To investigate this, datahas been collected using a qualitative method. The result is evaluated and compared with previous research andtheories related to the subject. The study shows that there is no connection between options trading and shareprices.

Bakgrund: Aktiemarknaden reagerar på information och omvärldsförändringar. Prissättningen på aktiemarknaden sker utifrån investerares tro på aktierna och vid oro hos investerare reagerar aktiemarknaden ofta negativt. Investerarnas oro kan skapas av information från kriser, där krisen i sig kan speglas på aktiemarknaden men även investerarnas uppfattning om krisen kan bidra till negativa stängningkurser. Syfte: Syftet med studien är att beskriva och analysera relationen mellan globala kriser och aktiemarknaden i Sverige. Metod: För att mäta aktiemarknadens reaktion på kriser används marknadsindex OMX30, OMXSPI tillsammans med nio branschindex. Utifrån dessa har aktiemarknadens volatilitet under kriserna analyserats med hjälp av eventfönster. För att mäta investerares påverkan på aktiemarknaden och hur anpassningsbar den är har effektiva marknadshypotesen tillsammans med teorin beteendeekonomi använts. Studien har formulerat två hypoteser i syfte att analysera om statistiskt signifikant skillnad mellan aktiemarknadens stängningskurser föreligger innan och efter kriserna. Studien analyserade kriserna terrorattacken 11:e september, Finanskrisen 2008, Covid-19-pandemin och Rysslands invasion av Ukraina. Slutsatser: Studiens resultat visade aktiemarknadens volatilitet varit högre utifrån aktieindex efter samtliga kriser. Utifrån branschindex har aktiemarknadens volatilitet varit varierande efter kriserna. Alla kriser studien undersöker har synliggjorts som nedgång på aktieindex och majoriteten av branschindex. Det finns en statistiskt signifikant skillnad mellan aktiemarknadens stängningskurser innan och efter krisen för 36 av 39 marknadsindex. Studien kunde även visa att marknaden återhämtat sig olika snabbt efter kriserna och påverkats av information kring kriserna., Background: The stock market reacts to information and changes in the environment. Pricing on the stock market takes place based on investors' faith in the shares, and when investors are worried, the stock market often reacts negatively. Investors' concerns can be created by information from crises, where the crisis itself can be reflected on the stock market, but also investors' perception of the crisis can contribute to negative closing prices. Purpose: The purpose of the studies is to describe and analyze the relationship between global crises and the stock market in Sweden. Method: To measure the stock market's reaction to crises, the market index OMX30 and OMXSPI is used together with nine industry indices. Based on these, the volatility of the stock market during the crises has been analyzed using event windows. To measure investors' influence on the stock market and how adaptable it is, the efficient market hypothesis together with the theory of behavioral finance has been used. The study has formulated two hypotheses with the aim of analyzing whether there is a statistically significant difference between the closing prices of the stock market before and after the crises. The study analyzed the crises 9/11 terrorist attack, The financial crisis, the Covid-19 pandemic and the Russian invasion of Ukraine. Conclusions: The results of the study showed that the volatility of the stock market was higher based on the stock index after all the crises. Based on the industry index, the volatility of the stock market has been variable after the crises. All the crises the study examines have been made visible as declines in stock indices and the majority of industry indices. There is a statistically significant difference between stock market closing prices before and after the crisis for 36 out of 39 market indices. The study was also able to show that the market recovered differently quickly after the crises and was influenced by information about the crises.

Syfte: Undersöka om könsfördelning i styrelser påverkar risken i bolag på noterade på Large och Mid cap i Sverige, Finland och Danmark. Metod: Studien är av kvantitativ natur och följer en deduktiv ansats. Studien använder paneldata och OLS regressioner för att ta fram ett resultat. Teoretiskt ramverk: Studien baseras främst på liknande studier inom ämnet som undersökt hur könsfördelning i styrelser eller ledningsgrupper påverkar risken i bolag. Den grundar sig även i forskning och teorier som förklarar att kvinnor är mer riskaverta än män. Resultat: Resultatet utgår från data på 270 Large och Mid cap bolag noterade på Nasdaq Stockholm, Nasdaq Copenhagen och Nadaq Helsinki mellan åren 2015–2019. Efter samtliga regressioner visas inget statistiskt signifikant samband mellan könsfördelningen i styrelsen och risken i bolaget. Slutsats: Slutsatsen utifrån studiens resultat är att en högre könsfördelning i bolagsstyrelser inte leder till minskad risk i bolag gällande båda av studiens riskmått, volatilitet i aktiekurs och skuldsättningsgrad. Istället finner studien att de initiala sambanden som hittas är drivna av ej observerad heterogenitet samt omvänd kausalitet., Purpose: The purpose of the study is to examine if gender distribution on corporate boards affects firm risk in companies listed on Large and Mid-cap in the Nordic markets. Methodology: The study is of a quantitative nature based on a deductive approach. The study employs panel data and different OLS regressions in order to produce an unbiased result. Theoretical framework: The study is primarily based on previous studies examining the relationship between how gender diversity on corporate boards affects firm risk. It is also based around theories and research which explains that females are more risk averse than men. Results: The empirical evidence is based on data from 270 companies listed on the Nasdaq Stockholm, Nasdaq Copenhagen and Nasdaq Helsinki Large and Mid cap exchanges. Data is gathered from the period 2015-2019. The results show no significant connections between gender diversity on corporate boards with this study’s measures of risk, stock volatility and leverage. Conclusion: The conclusion drawn based on the presented results is that gender diversity on corporate boards does not affect firm risk regarding both stock volatility and leverage. Instead, the study concludes that the initial connections found were driven by unobserved heterogeneity and/or reverse causality.

LIBOR has been the dominant benchmark rate in the American market for pricing financial instruments. In 2012, the manipulation of LIBOR rates was uncovered, necessitating a change. SOFR was introduced as an alternative reference rate to replace LIBOR as the standard for pricing financial instruments. SOFR has been introduced as a more robust rate less susceptible to manipulation due to its sole reliance on transaction data, contrasting with LIBOR, which relies on bids from banks regarding the rates at which they can currently fund themselves. Empirical analyses have been conducted to measure the difference in volatility between LIBOR and SOFR and to compare the rates' responsiveness to market events. This research aims to draw conclusions about how these two benchmark rates are perceived by the market. Higher volatility may indicate greater risk for investors but can also signify the extent to which rates respond to current market events. Greater responsiveness can suggest that a rate is measuring a more active market. Tests have been carried out using an F-test for equal variances and event studies to examine how the rates react to macroeconomic factors, such as Federal Reserve rate announcements, inflation estimates, and GDP forecasts. Through the empirical analysis and a review of previous research, this paper finds that LIBOR exhibits higher volatility in its 3-month rate, while SOFR displays higher volatility in its overnight rate. Furthermore, SOFR demonstrates greater responsiveness to listed market events compared to LIBOR, indicating that it measures a more dynamic market.

Spelbranschen har växt och fortsätter att växa i en extremt hög takt. Den höga tillväxteninom spelbranschen lockar allt fler investerare att investera inom området. Trots detökade intresset för spelbranschen och dess tillväxt saknas finansiell forskning inomområdet. Denna studie ämnar därför till att bidra till den finansiella forskningen genomatt undersöka huruvida mikrotransaktioner påverkar svenska spelföretagsaktievolatilitet. Studiens huvudsakliga syfte är att studera huruvida valet av affärsmodellkan påverka företagets aktievolatilitet. Datan som krävs för att utföra denna studie är publik data hämtad från Yahoo Financeoch urvalsgruppens egna kvartalsrapporter. Tidsperioden som studien undersöker är från2014-01-01 till 2021-12-31. För att kunna besvara forskningsfrågan har två olika testerutförts. För varje enskilt företag har ett GARCH-test utförts för att semikrotransaktioners påverkan på enskild nivå, det andra testet är en regressionsanalyssom testar mikrotransaktioners påverkan på aktievolatilitet på hela urvalsgruppen. Resultaten från GARCH-testerna gav endast relevanta resultat för två företag. Att resultaten anses icke relevanta för resterande urval beror på att det krävs variation inomvariabeln mikrotransaktioner för att kunna ge utslag vilket det inte finns i resterandeurval. Ett av de två relevanta företagen gav ett negativt statistiskt signifikant sambandoch ett gav ett icke signifikant samband. Resultatet av regressionsanalysen visar ettpositivt statistiskt signifikant samband för urvalsgruppen mellan mikrotransaktioner ochaktievolatilitet. Slutsatsen som gjordes baserat på dessa resultat var attmikrotransaktionsmodellen kan vara ett mer riskfyllt alternativ för investerare.

Den pågående klimatkrisen är den största utmaningen världen står inför och en ökad medvetenheten kring hållbarhet har gjort att det blivit en allt viktigare del av företagande och dess finansiering. I takt med denna utveckling blir fler investerare medvetna hur deras investeringsbeslut påverkar samhället och klimatet. För att kvantifiera hur väl företag arbetar med hållbarhet har ett hållbarhetsmått vid namn ESG tagits fram. Betyget mäts i tre aspekter; miljö, socialt och styrning. Ur en investeringssynpunkt har risk alltid varit en viktig faktor att ta hänsyn till och i dagens samhälle är en del av risken kopplad till företagets hållbarhetsarbete. Denna studie ämnar därför att studera sambandet mellan hållbarhet och risk i syfte att undersöka hur arbete med hållbarhet kan hjälpa företag att reducera risk, samt om sambandet skiljer sig mellan olika branscher. Studien genomförs i Sverige och inkluderar 142 företag under tidperioden 2016-12-31 till 2021-12-31. Risk kan mätas på olika sätt och i denna studie har volatilitet använts, vidare har ESG-betyg hämtats från Thomas Reuters databas Eikon. Regressionsanalyser har genomförts för att studera sambandet mellan ESG-betyg och volatilitet, samt för de olika aspekterna av ESG. Resultat visar att det finns ett signifikant negativt samband mellan ESG-betyg och volatilitet. För de olika aspekterna av ESG-betyget har miljö och socialt ett signifikant negativt samband med volatilitet, inget signifikant samband kunde påvisas mellan styrning och volatilitet. Resultaten i de olika branscherna varierade. För ESG-betyg samt aspekterna miljö och socialt fanns signifikanta negativa samband i två branscher, för styrning visade en bransch ett signifikant negativt samband med volatilitet. Resultatet indikerar att hållbarhetsarbete i företag kan reducera risken och att intressentmodellen kan förklara hur arbetet är värdeskapande. Resultatet visar även att investerare värderar hå

Områdesbeskrivning: IPO-marknaden kan undersökas på olika sätt. Varför underprissättning är så förhärskande, om den går i cykler eller vad det är som påverkar den. Vi vill undersöka den svenska IPO-marknaden under perioden 2006-2020 och om den påverkas av makroekonomiska faktorer såsom inflation eller styrränta. Denna studie är inspirerad av tidigare forskning utförd av Tran och Jeon (2011) som undersöker om det finns samband mellan makroekonomiska faktorer och IPO-marknadens aktivitet på den amerikanska marknaden. Är det så att olika IPO-marknader påverkas av olika faktorer på unika sätt eller är IPO-marknader världen över homogena? Vi försöker dessutom framställa en modell som beskriver det mest gynnsamma förhållandet att genomföra en IPO under om målet är att anskaffa mer kapital. Syfte: Uppsatsen syfte är att undersöka den svenska IPO-marknadens aktivitet under perioden 2006-2020. Samt undersöka i vilken utsträckning den svenska IPO-marknadens aktiviteten påverkas av makroekonomiska faktorer. Med vår undersökning av de makroekonomiska faktorerna som grund kan vi således undersöka vilka makroekonomiska förhållanden som är mest gynnsamma för företag i Sverige att genomföra en IPO under om målet är att anskaffa mer kapital. Metod: En kvantitativ metod appliceras i denna uppsats för att besvara våra forskningsfrågor och datan vi samlar in analyseras med hjälp utav en regressionsanalys. Vi samlar in vårt datamaterial genom att läsa igenom årsredovisningar från de företag som genomfört en IPO under den tidsperioden vi undersöker. Hypoteserna formuleras utifrån tidigare forskning och ämnar att undersöka om de makroekonomiska faktorerna har ett positivt eller negativt samband med IPO-marknadsaktivitet. Resultat: Resultaten som vi finner är att det finns signifikanta samband mellan den svenska IPO-marknadens aktivitet och makroekonomiska faktorer. Vi identifierar ett förhållande som kan beskrivas som det mest gynnsamma makroekonomiska förhållandet utifrån vår modell. Beg, Area description: IPO markets can be studied in different ways. Why underpricing is so prevalent, if the market moves in cycles or what influences the market. We want to study the Swedish IPO market during the period of 2006-2020 and if it is influenced by macroeconomic factors like inflation or the policy rate. This study is influenced by the work done by Tran and Jeon (2011) who examines if there are any relationships between macroeconomic factors and IPO market activity on the American PO market. Is it that different IPO markets are influenced by different factors in unique ways or are the IPO markets around the globe homogeneous. We try to produce a model that describes the most favourable environment to implement an IPO in if the goal is to acquire more capital. Purpose: The purpose of the thesis is to examine the activity of the Swedish IPO market during the period 2006-2020 and examine the extent to which the activity of the Swedish IPO market is affected by macroeconomic factors. Based on our study of the macroeconomic factors, we can therefore examine which macroeconomic conditions are most favourable for companies in Sweden to carry out an IPO under the goal of raising more capital. Method: A quantitative method is applied in this thesis to answer our research questions and the data we collect is analysed with the help of a regression analysis. We collect our data by reading through annual reports from the companies that conducted an IPO during the period we are investigating. The hypotheses are formulated based on previous research and intend to investigate whether the macroeconomic factors have a positive or negative relationship with IPO market activity. Results: The results we find is that there are significant relationships between the activity of the Swedish IPO market and macroeconomic factors. We identify a ratio that can be described as the most favourable macroeconomic ratio based on our model. Limitations: Our thesis is limited to the period

As an investor, the goal is to get as high return at as low risk as possible on an invested stock. Theories show a positive relationship between high risk and high return. However, there are studies that contradict this statement, which creates misleading investors. The purpose of this quantitative study was to investigate the relationship between risk and return, to see if increased risk really leads to a higher return. The study is limited to the Frankfurt Stock Exchange between the period 2010-2019. The index examined is Germany's largest index DAX, which comprised 30 shares on 1 January 2015. Four portfolios have been created: two low-risk portfolios and two high-risk portfolios, where fictitious investments were made to then measure the return after a period of five years. The two risk measures used in the study for calculation are beta value and volatility. The beta value has been used in CAPM to calculate the expected return. The results of the study using correlation and multiple regression analysis obtained a negative significant relationship between risk and return. The portfolios also showed a negative relationship between higher risk and higher return. The results from this study are consistent with many previous studies, but the variables used to measure and define risk can be questioned., För en investerare är målet att få en så hög avkastning till en så låg risk som möjligt. Finansiella teorier och allmän uppfattning hävdar att det finns ett positivt samband mellan hög risk och hög avkastning. Dock finns det mycket tidigare forskning som motstrider detta påstående, vilket kan bli vilseledande för investerare. Syftet med denna kvantitativa studie var att undersöka sambandet mellan risk och avkastning, för att se om ökad risk leder till en högre avkastning. Utöver det undersöktes om CAPM kunde ge en korrekt estimering av framtida förväntad avkastning. Studien avgränsades till Frankfurtbörsen mellan perioden 2010-2019. Det indexet som undersöktes var Tysklands största index DAX som det såg ut 2015-01-01, det omfattades då av 30 aktier. Fyra portföljer har skapats: två portföljer med låg risk och två portföljer med hög risk, där fiktiva investeringar gjordes för att sedan mäta avkastningen efter en tidsperiod på fem år. De två mått på risk som studien använt är betavärde och volatilitet. Betavärdet har använts i CAPM för att beräkna förväntad avkastning. Studiens resultat har med hjälp av korrelation och multipel regressionsanalys visat på ett negativt signifikant samband mellan risk och avkastning. Portföljerna visade också på ett negativt samband mellan högre risk och högre avkastning. Resultatet från denna studie är i enhetlighet med många tidigare studier, dock kan de variabler som använts för att mäta och definiera risk ifrågasättas.

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.

Volatility is a measure of the risk of an investment and plays an essential role in several areas of finance, including portfolio management and pricing of options. In this thesis, we have implemented and evaluated several so-called GARCH models for volatility prediction based on historical price series. The evaluation builds on different metrics and uses a comprehensive data set consisting of many assets of various types. We found that more advanced models do not, on average, outperform simpler ones. We also found that the length of the historical training data was critical for GARCH models to perform well and that the length was asset-dependent. Further, we developed and tested a method for taking exogenous variables into account in the model to improve the predictive performance of the model. This approach was successful for some of the large US/European indices such as Russell 2000 and S&P 500., Volatilitet är ett mått på risken i en investering och spelar en viktig roll inom flera olika områden av finans, såsom portföljteori och prissättning av optioner. I det här projektet har vi implementerat och utvärderat olika, så kallade, GARCH modeller för prediktering av volatiliteten givet historisk prisdata. Utvärderingen av modellerna bygger på olika metriker och använder ett omfattande dataset med prishistorik för tillgångar av olika typer. Vi fann att mer komplexa modeller inte i allmänhet ger bättre resultat än enklare modeller. Vidare fann vi att en kritisk parameter för att erhålla goda resultat är att välja rätt längd på tidshistoriken av data som används för att träna modellen, och att den längden skiljer sig mellan olika tillgångar. Slutligen, vidareutvecklade vi modellen genom att inkorporera exogena variabler på olika sätt. Vi fann att det gick att förbättra GARCH modellerna främst med hjälp av några av de stora amerikanska och europeiska index som Russell 2000 och S&P 500.

Title: Asymmetric volatility – how is it demonstrated in the various sectors of the stock market? Authors: Linus Alentun and Patrik Egléus Supervisor: Katarina Eriksson Background: Asymmetric volatility is a phenomenon that can occur in various financial assets. This can be defined by the fact that volatility and lagged return have a negative correlation in the stock market. This means that a negative market shock that affects the share price, increases volatility more than a positive shock of the same magnitude. No previous study to our knowledge has researched similarities and differences of asymmetric volatility in the various sectors of the stock market. Purpose: The main purpose of the thesis is to investigate whether there occurs asymmetric volatility in different sectors of the stock market and if so, to what extent. Further, the thesis has assessed whether there are similarities or differences between the sectors. Method: In this thesis, the asymmetric volatility amongst different stock market sectors is analyzed through the S&P 500’s eleven sector indexes. Through an E-GARCH model, the asymmetric volatility has been estimated. Also, NIC curves have been made to observe how asymmetry occurs. Conclusion: The results show that all sectors have a negative relationship between stock returns and volatility. However, there is a wide variety of levels of asymmetric volatility across the sectors. Our results show that the financial sector has the highest asymmetric effect and that utilities have the lowest asymmetric effect. Further investigation of company-specific, sector-specific, and behavioral finance factors that could explain the variety of the results found in this study, would be of interest to study to obtain a better understanding of the differences found. Keywords: asymmetric volatility; E-GARCH; stock market sectors; behavioral finance; efficient market hypothesis

The thesis aims to give a critical view into the use of alternative, blockchain-based ecosystems in the music industries for improving the way artists and composers are paid for recorded music. This is achieved through a case study of the cryptocurrency Audiocoin and how it is used on the music service Aurovine, as well as in the constellation of related partnerships which the author calls the “ADC ecosystem”. Through a description of relevant blockchain properties, rel-evant key issues in the music industries, and extrapolation from survey data gathered on respondents’ Spotify income, it is evaluated: (1) if the interplay between Audiocoin and Aurovine actually helps artists’ recorded music revenue in terms of revenue size, transparency and speed of payment at the time of writing; (2) how alternative ways of monetization in Aurovine and the overall ADC ecosystem may support the streaming payouts; (3) how barriers to blockchain adoption and questions of the feasibility of total disintermediation of infrastructure may antag-onize future increases in the value of Audiocoin. An additional and less central, but nonetheless important point is made that Audiocoin (and specific-use cryptocurrencies more generally, due to their potentially central status in a shift to the Web 3.0 paradigm, which is based on direct value exchanges between actors) might not be properly evaluated solely in terms of its corresponding value in fiat money. Instead, value judgements may be more adequately based on the premises of the intended use cases, which for specific-use cryptocurrencies may be notions of improving certain conditions for social groups in addition to being economic means of payment.

Vår studie fokuserar på huruvida aktivitet på aktieforum kan påverka avkastning och volatilitet på Stockholmsbörsen. Vi väljer ut totalt 67 bolag från large cap och small cap som uppfyller valda kriterier som vi studerar närmare. För att komma fram till vårt resultat gör vi korrelationstester, linjära regressioner samt icke-parametriska tester. Efter testerna kommer vi fram att vi saknar tillräckligt många signifikanta värden för att dra några slutsatser gällande hur forumaktivitet kan påverka avkastningen för aktierna. Däremot så kan vi konstatera att aktivitet påverkar volatiliteten för bolagen på såväl large cap som small cap. Med hjälp av de icke-parametriska testerna kan vi konstatera att aktivitet påverkar volatiliteten för bolagen på small cap mer än det påverkar bolagen på large cap, men att ingen liknande slutsats kan dras branschspecifikt.

The increasing usage of algorithms and extensive collections of data have changed the discipline of finance and created new possibilities for analyzing the financial markets. To further explore the potential of developing new methods for understanding financial market behaviour, this thesis examines the first digit probability distribution of Benford's Law and its applicability within the financial markets. The research investigates various indices', equities', and technical analysis tools' conformity to Benford's Law by using relative price changes and volume traded. It was found that both indices and equities exhibit resemblance with Benford's Law, whereas technical analysis tools did not. In addition, the relevance of data frequency was explored, but it was deemed not to have any effect on conformity found. In an attempt to apply the findings, a regression analysis was conducted to forecast volatility. However, even though correlation was found, the regression model failed to predict future volatility accurately., Den ökade användningen av algoritmer och omfattande datainsamling har förändrat det finansiella spelrummet och skapat nya möjligheter för analys av finansmarknaden. För att ytterligare undersöka potentialen i att utveckla nya metoder för att förstå finansmarknadens beteende utforskar denna avhandling Benfords lag och dess tillämpbarhet på den finansiella marknaden. Studien testar olika index, aktiers och tekniska analysverktygs överensstämmelse med Benfords lag genom att använda relativa prisförändringar och handlad volym. Det visade sig att både index och aktier följer Benfords lag medan tekniska analysverktyg inte gjorde det. Dessutom undersöktes datafrekvensens relevans, men detta ansågs inte ha någon effekt på överensstämmelsen med fördelningen. I ett försök att tillämpa resultaten genomfördes en regressionsanalys för att prognosticera volatilitet. Korrelation hittades men regressionsmodellen gav inte ett tillförlitligt resultat.

Volatility managing strategies have gained attention over the last few years due to theiralleged ability to increase portfolio return and mitigate risk. This thesis examines the performance and risk of a portfolio using such a strategy on the Swedish equity market. The strategy is dependent on the forecasting of volatility. Different volatility forecasting models are evaluated using different refitting intervals. The GARCH(1,1) model using a monthly refitting interval is found to be the most precise. When comparing it to the buy-and-hold portfolio, the results of the risk and return of the portfolio are ambiguous and the volatility managing strategy is only found to be beneficial when using a fixed volatility target when transaction costs are accounted for. Regarding distributional characteristics, the volatility managing strategy displays features of a lighter-tailed distribution in comparison to the buy-and-hold portfolio when using a dynamic volatility target. However, for the fixed target, the distributional characteristics are incoherent. Lastly, the volatility managing strategy is not found beneficial to the investor during a shorter period of high volatility. This thesis provides support for using a volatility managing strategy with a fixed volatility target for generating a higher return compared to the benchmark. However, it does not support conclusive evidence for obtaining a higher return without increasing the risk level of the investment., Användningen av volatilitetshanterande strategier har fått ökad uppmärksamhet under de senaste åren. Därför undersöker detta arbete avkastningen och risken hos en portfölj som använder en sådan strategi på den svenska aktiemarknaden. Investeringsstrategin är baserad på prognosen av volatilitet. Olika modeller för volatilitetsprediktion utvärderas för olika tidsintervall för att hitta modellen med högst precision. Denna studie finner att en GARCH(1,1) modell som omanpassar sig månadsvis resulterar i den mest exakta prediktionen. Med hänsyn till risk och avkastning så är resultaten för volatilitetsstrategin tvetydiga i jämförelse med en köp-och-behåll strategi. Volatilitetsstrategin är endast fördelaktig när ett fast volatilitetsmål används då transaktionskostnader inkorporeras. Med avseende på fördelningsegenskaper, så visar en volatilitetsstrategi med ett rörligt volatilitetsmål på egenskaper hos en fördelning med lättare svansar, i jämförelse med köp-och-behåll portföljen. För det fasta volatilitetsmålet så är fördelningsegenskaperna inkoherenta. Volatilitetsstrategin är inte fördelaktig för investeraren under en kortare period med hög volatilitet. Detta examensarbete ger underlag för användandet av en volatilitetshanterande strategi med ett fast volatilitetsmål för att uppnå en högre avkastning i relation till referensportföljen. Det bevisar dock inte att en högre avkastning går att uppnå utan att öka risken hos portföljen.

Following the global financial crisis, both risk-based and heuristic portfolio construction methods have received much attention from both academics and practitioners since these methods do not rely on the estimation of expected returns and as such are assumed to be more stable than Markowitz's traditional mean-variance portfolio. In 2016, Lopéz de Prado presented the Hierarchical Risk Parity (HRP), a new approach to portfolio construction which combines hierarchical clustering of assets with a heuristic risk-based allocation strategy in order to increase stability and improve out-of-sample performance. Using Monte Carlo simulations, Lopéz de Prado was able to demonstrate promising results. This thesis attempts to evaluate HRP using walk-forward analysis and historical data from equity index and bond futures, against more realistic benchmark methods and using additional performance measures relevant to practitioners. The main conclusion is that applying hierarchical clustering to risk-based portfolio construction does indeed improve the out-of-sample return and Sharpe ratio. However, the resulting portfolio is also associated with a remarkably high turnover, which may indicate numerical instability and sensitivity to estimation errors. It is also identified that Lopéz de Prado's original HRP approach has an undesirable property and alternative approaches to HRP have consequently been developed. Compared to Lopéz de Prado's original HRP approach, these alternative approaches increase the Sharpe ratio with ~10% and reduce the turnover with 60-65%. However, it should be noted that compared to more mainstream portfolios the turnover is still rather high, indicating that these alternative approaches to HRP are still somewhat unstable and sensitive to estimation errors., Efter den globala finanskrisen har intresset för riskbaserade och heuristiska metoder för portföljallokering ökat inom såväl akademin som finansindustrin. Det ökade intresset grundar sig i att dessa metoder inte kräver estimering av förväntad avkastning och därför kan antas vara mer stabila än portföljer med grund i Markowitz moderna portföljteori. Lopéz de Prado presenterade 2016 en ny metod för portföljallokering, Hierarchical Risk Parity (HRP), som kombinerar hierarkisk klustring med en heuristisk riskbaserad portföljkonstruktion och vars syfte är att öka stabiliteten och förbättra avkastningen. Baserat på Monte Carlo-simuleringar har Lopéz de Prado lyckats påvisa lovande resultat. Syftet med detta examensarbete är att utvärdera HRP med hjälp av walk-forward-analys och empirisk data från aktieindex- och obligationsterminer. I denna utvärdering jämförs HRP med andra vanliga portföljmetoder med avseende på prestandamått relevanta för portföljförvaltare. Den huvudsakliga slutsatsen är att tillämpning av hierarkisk klustring inom ramen för riskbaserad portföljallokering förbättrar såväl den absoluta avkastningen som Sharpekvoten. Däremot är det tydligt att vikterna i en HRP-portfölj har hög omsättning över tid, vilket kan tyda på numerisk instabilitet och hög känslighet för skattningsfel. Vidare har en oönskad egenskap i Lopéz de Prados ursprungliga HRP-metod identifierats, varför två alternativa HRP-metoder har utvecklats inom ramen för examensarbetet. Jämfört med Lopéz de Prados ursprungliga metod förbättrar de två alternativa metoderna Sharpekvoten med 10% och minskar omsättningen av portföljvikterna med 60-65%. Det bör dock understrykas att även de nya metoderna har en förhållandevis hög omsättning, vilket tyder på att numerisk instabilitet och hög känslighet för skattningsfel till viss del fortfarande kvarstår.

This research investigates to what extent the ARCH model and the GARCH model forecasts one-day-ahead out-of-sample daily volatility (conditional variance) in European AT1 CoCo bonds compared to the Random Walk model. The research also investigates how different orders of ARCH and GARCH models affect the forecasting accuracy. Specifically, the models investigated are the Random Walk model, ARCH(1), ARCH(2), ARCH(3), GARCH(1,1), GARCH(1,2), GARCH(2,1), and the GARCH(2,2)model. The data set used in this report is 47 European AT1 CoCo bonds from 20 different issuers.The results show that 42 out of 47 CoCo bonds have daily log returns that are conditional heteroscedastic. Five CoCo bonds with homoscedastic daily log returns were CoCo bonds with significant low liquidity. The results show that the GARCH model outperforms both the Random Walk model and the ARCH model, under the assumption that the innovations follow a normal distribution. The results also show that a higherorder of ARCH or GARCH does not necessarily lead to more accurate forecasts. The GARCH(1,1) model provided the most accurate predictions. The conclusion is that the GARCH models provide accurate volatility forecasts in CoCo bonds compared to the ARCH-model, and the Random Walk model. However, the ARCH model and the GARCH model fail to forecast the daily volatility in CoCo bondswith insufficient liquidity. Furthermore, a higher order of ARCH or GARCH models does not necessarily lead to better forecast results., Denna uppsats undersöker till vilken utsträckning som ARCH och GARCH-modeller kan prediktera daglig volatilitet i AT1 CoCo-obligationer (eng. Additional Tier-1 Contingent Convertible Bonds), jämfört med Random Walk-modellen. Uppsatsen undersöker även hur olika parametrar I ARCH och GARCH-modeller påverkar resultatet i prediktionerna. De modeller som undersöks är Random Walk-modellen, ARCH(1), ARCH(2), ARCH(3), GARCH(1,1), GARCH(1,2), GARCH(2,1), och GARCH(2,2)-modellen. Datasetet som har använts i denna forskning består av 47 Europeiska AT1 CoCo obligationer från 20 olika emittenter. Resultatet visar att 42 av 47 CoCo-obligationer har betingat heteroskedastisk daglig avkastningsdata. Fem CoCo-obligationer med homoskedastisk avkastningsdata är obligationer med signifikant låg likviditet. Vidare visar resultatet visar att GARCH modellen överpresterar jämfört med både Random Walk-modellen och ARCH-modellen, under antagandet att innovationstermen följer en normal distribution. Resultatet visar även att en högre ordning av ARCH eller GARCH inte nödvändigtvis leder till ett bättre resultat i prediktonerna. GARCH(1,1)-modellen är modellen som predikterar den dagliga volatiliten i CoCo-obligationerna med bäst resultat. Slutsatsen är att GARCH-modellen predikterar volatiliteten i CoCo-obligationer bättre jämfört med ARCH-modellen och Random Walk-modellen. Däremot kan inte ARCH-modellen eller GARCH-modellen modellera CoCo-obligationer med signifikant låg likviditet. Vidare så medför en högre ordning i ARCH eller GARCH-modellen inte nödvändigtvis till bättre prediktioner.

Background: Many new investors have been introduced to the stock marketlately. Lots of them only possess some knowledge about stocks and havetherefore started to gather information from influencers on various socialmedia. The information contains, among other things, future forecasts, whichmeans that new investors can easily base their investment decisions on whatis published by these influencers. Purpose: The purpose of the study has been to study and explain what makesnew investors rely on influencers' opinions. This is done with the help oftheory and our empirical data. Method: New investors with up to five years' experience have beeninterviewed according to a semi-structure and then studied together withselected behavioral economic and communicative theories. During the courseof the study, we have used an abductive approach, which means that we haveswitched between theory and empirical data. Conclusion: The study has led to the conclusion that new investors have agreat tendency to be influenced by influencers on social media when makingtheir financial decisions. We have come to the conclusion that it is possiblethat the position of influencers has a decisive factor if the new investors areto buy a share or not. When new investors express that they have a lack ofknowledge in the financial market, they turn to influencers when makingdecisions.

Bakgrund: Den ökade populariteten av ESG som investeringsgrund har gett upphov till en intressant diskussion kring huruvida ESG-betyg har en effekt på avkastning eller inte. En del forskning tar ståndpunkten att en hållbar profil med fokus på ESG påverkar avkastning positivt. De som associerar sig med denna ståndpunkt belyser att investerare kan influera arbete mot en hållbar framtid utan att det ska ge en negativ effekt i önskade avkastningskrav. Däremot finns en motpol i en del av forskningen som hävdar att ESG berör avkastning negativt. Därtill hävdar vissa studier att det finns en diskrepans mellan sektorer på marknaden gällande eventualiteten av ESG:s effekt på riskfyllda tillgångar. Därav är ämnet av intresse med anledning av den motstridiga forskningen angående effekten ESG-betyget har på avkastning. Syfte: Uppsatsens syfte är att historiskt analysera ESG-betygets eventuella effekt på avkastningen för bolag noterade på OMX Stockholm Large Cap, för att utreda om ESG-betyg kan vara en drivande faktor. Studien har som delsyfte att undersöka om det råder några skillnader i hur ESG-betyget påverkar avkastning i olika sektorer. Metod: Studien har antagit en deduktiv ansats med en kvantitativ metod för att uppfylla syftet. Med grund i dessa metodval analyseras urvalet genom teoretiskt grundade variabler. Studien använder balanserad paneldata som karaktäriseras som kort panel. Resultat: Observerade resultat av rapporten understryker att ESG-betyg återger en försumbar effekt på avkastningen i samtliga regressioner. Koefficienterna för ESG-betygen är dock statistiskt icke-signifikanta. Således kan inte författarna fastställa ESG-betygets inverkan på avkastning för bolagen i urvalet. Däremot finns det tidigare forskning på området som finner liknande resultat som denna studie., Background: The rising popularity of ESG investing has provided for an interesting deliberation whether the ratio influences stock returns or not. There are those who assert that emphasizing upon ESG yields higher stock returns for investors. Hence, reiterating that investors can contribute to a sustainable future without interfering with desired capital gains. However, there is research that indicates that the incorporation of ESG impedes potential stock returns. Furthermore, previous studies have indicated that there is a potential disparity between sectors of the market, meaning that ESG might have a varied effect. The topic is henceforth of interest due to the contradicting results regarding the effects of ESG on stock returns. Aim: This study aims to analyze and clarify whether ESG-score is a determining factor in the return of stocks listed on OMX Stockholm Large Cap during the time period 2011-2019. The report will also investigate if there is a difference in its possible impact acrossvarious industries. Methodology: The study has utilized a deductive and quantitative approach to effectuate the aim of the report. Furthermore, the report has used a balanced panel data with a short panel. Results: The results of the report emphasize that the ESG-score has a negligible effect on stock returns across all industries. However, the coefficients for the ESG-score are statistically insignificant, which means that no conclusion can be established regarding its effect on the selection of stocks listed on OMX Stockholm Large Cap. Nonetheless, there is previous research that supports the findings of the report.

This study examines the total cumulative return and the total risk-adjusted return for OMXSPI and the two investment strategies The Magic Formula and The Acquirer’s Multiple. The aim is to find out if it’s possible to beat the market over time in contradiction to the efficient market hypothesis. Data has been collected to cover a 15-year period between 2005 and 2020. The results end up challenging the efficient market hypothesis with higher total cumulative returns, but also fairly convincingly higher risk-adjusted returns from the strategies. The study also found that the Acquirer’s Multiple outperformed the Magic Formula with regards to both measures.

Denna studie undersöker den kortsiktiga värdeökningen som potentiellt genereras i anknytning till annonseringen av en avknoppning. Totalt undersöks 33 avknoppningar från svenska bolag noterade på Nasdaq Stockholm under tidsperioden 1996-2019. Syftet var att utreda om annonseringar av svenska avknoppningar är förknippade med ett värdeskapande i form av positiv abnorm avkastning. Studien finner att bolagen i genomsnitt erhåller en positiv abnorm avkastning om 1,87% över ett tre dagar långt eventfönster i anslutning till annonseringen. För annonseringsdagen i sig är motsvarande värdeökning 1,12%. Studien undersöker dessutom hur värdeökning påverkas av variabler som på olika sätt kan anknytas till informationsasymmetri. De oberoende variabler som studeras är aktievolatilitet, industriell fokusering och bolagens byten av VD. Studien finner att aktievolatilitet har en tydlig positiv relation till storleken på värdeökningen. Industriell fokusering visas också ha en trolig koppling till värdeökningen. Studien finner däremot ingen tydlig relation mellan förekomsten av ett VD-byte och värdeökningen i anknytning till en avknoppning.

Denna studie syftar till att undersöka om växelkursen har en påverkan på svensk varuexport och om effekten skiljer sig med avseende på varugrupp. För att uppnå syftet används en ARDL-Approach som skattas med hjälp av tidsseriedata från 32 viktiga handelspartners och 10 viktiga varugrupper under perioden januari 1995 till december 2019. Två effekter är i fokus: effekten av en real appreciering/depreciering och effekten av en volatil växelkurs. För den totala varuexporten visas signifikanta resultat för att en depreciering av den svenska kronan med 1 % i genomsnitt ökar varuexporten med 0,192 % på kort sikt och med 0,416 % på lång sikt. Effekten av en volatilitetsökning på 1 % skattas till -0,366 % på kort sikt och till -0,794 % på lång sikt, dock utan statistisk signifikans. På varugruppsnivå tyder resultaten på att olika varor påverkas olika av förändringar i växelkursen., The aim of this study is to examine whether the exchange rate has an impact on Swedish export of goods and if this effect differs between different categories of goods. To reach the aim, we use an ARDL-Approach with time-series data from 32 important trade partners and 10 different categories of goods during the period January 1995 to December 2019. Two effects are in focus: The effect of real appreciation/depreciation and the effect of exchange rate volatility. In total export of goods, this study finds significant results that a 1 % depreciation of the Swedish crown on average increases exports of goods with 0,192 % in the short-term and with 0,416 % in the long-term. The effect of an increase in exchange rate volatility by 1 % is estimated to decrease the exports of goods with -0,366 % in the short run and -0,794 % in the long run, but without statistical significance. The results imply that different categories of goods are being affected differently by changes in the exchange rate.

Det har sedan långt tillbaka genomförts omfattande forskning om insynspersoner möjlighet till abnormal avkastning. Här pekar majoriteten av tidigare studier mot att det är möjligt. Vidare är den gemensamma diskussionen riktade mot att dessa insynspersoner troligen besitter mer kunskap om företaget än övriga och genom denna informationsasymmetri kan de avgöra köp och säljtillfällen bättre än kapitalmarknaden. Därtill hävdar vissa forskare om att denna informationsasymmetri kan bidra till att insynspersoners handelsaktivitet kan signalera olika indikationer, varvid kapitalmarknaden kan använda dessa som en del av investeringsbeslutet. Ett annat välstuderat område är volatilitet i olika tillgångar. Eftersom volatilitet kan beskrivas som svängningarna runt medelvärdet kan det tillämpas för att observera osäkerheten kring en tillgång. Trots att det finns omfattande forskning inom de två olika områden har det utförts minimalt med forskning som integrerat insiderhandel med volatilitet. Med grund av detta, anser vi ha funnit en kunskapslucka. Inte minst då, enligt vår kännedom, ingen annan utfört en sådan studie på den svenska marknaden. Detta resulterade i forskningsfrågan: ”Finns det ett samband mellan insiderhandel och volatilitet i det gemensamma värdepappret?”. Där huvudsyftet är att undersöka om insidertransaktioner har ett signalvärde som påverkar osäkerheten på marknaden, mätt i form av volatilitet. Därutöver, ämnar studien undersöka om insiderhandel påverkar volatiliteten olika beroende på om bolaget är listat på Stockholmsbörsens Small, Mid, eller Large cap lista. Slutligen ämnar vi undersöka om insiderhandel påverkar volatiliteten olika beroende på transaktionstyp och transaktionsstorlek. Studien kommer att inkludera teorier såsom effektiva marknadshypotesen, informationsasymmetri, signalteorin samt olika volatilitets teorier. Därutöver kommer vi använda oss av en kvantitativ forskningsstrategi, en objektiv verklighetssyn, en positivistisk kunskapssyn samt en ded

Options are an important part in today's financial market. It's therefore of high importance to be able to understand when options are overvalued and undervalued to get a lead on the market. To determine this, the relation between the volatility of the underlying asset, called realized volatility, and the market's expected volatility, called implied volatility, can be analyzed. In this thesis five models were investigated for modeling the relation between implied and realized volatility. The five models consisted of one Ornstein–Uhlenbeck model, two autoregressive models and two artificial neural networks. To analyze the performance of the models, different accuracy measures were calculated for out-of-sample forecasts. Signals from the models were also calculated and used in a simulated options trading environment to get a better understanding of how well they perform in trading applications. The results suggest that artificial neural networks are able to model the relation more accurately compared to more traditional time series models. It was also shown that a trading strategy based on forecasting the relation was able to generate significant profits. Furthermore, it was shown that profits could be increased by combining a forecasting model with a signal classification model., Optioner är en viktig del i dagens finansiella marknad. Det är därför viktigt att kunna förstå när optioner är över- och undervärderade för att vara i framkant av marknaden. För att bestämma detta kan relationen mellan den underliggande tillgångens volatilitet, kallad realiserad volatilitet, och marknadens förväntade volatilitet, kallad implicit volatilitet, analyseras. I den här avhandlingen undersöktes fem modeller för att modellera relationen mellan implicit och realiserad volatilitet. De fem modellerna var en Ornstein–Uhlenbeck modell, två autoregressiva modeller samt två artificiella neurala nätverk. För att analysera modellernas prestanda undersöktes olika nogrannhetsmått för prognoser från modellerna. Signaler från modellerna beräknades även och användes i en simulerad optionshandelsmiljö för att få en bättre förståelse för hur väl de presterar i en handelstillämpning. Resultaten tyder på att artificiella neurala nätverk kan modellera relationen bättre än mer traditionella tidsseriemodellerna. Det visades även att en handelsstrategi baserad på prognoser av relationen kunde generera en signifikant vinst. Det visades dessutom att vinster kunde ökas genom att kombinera en prognosmodell med en modell som klassificerar signaler.

The implied volatility surface plays an important role for Front office and Risk Management functions at Nasdaq and other financial institutions which require mark-to-market of derivative books intraday in order to properly value their instruments and measure risk in trading activities. Based on the aforementioned business needs, being able to calibrate an end of day implied volatility surface based on new market information is a sought after trait. In this thesis a statistical learning approach is used to calibrate the implied volatility surface intraday. This is done by using OMXS30-2019 implied volatility surface data in combination with market information from close to at the money options and feeding it into 3 Machine Learning models. The models, including Feed Forward Neural Network, Recurrent Neural Network and Gaussian Process, were compared based on optimal input and data preprocessing steps. When comparing the best Machine Learning model to the benchmark the performance was similar, indicating that the calibration approach did not offer much improvement. However the calibrated models had a slightly lower spread and average error compared to the benchmark indicating that there is potential of using Machine Learning to calibrate the implied volatility surface., Implicita volatilitetsytor är ett viktigt vektyg för front office- och riskhanteringsfunktioner hos Nasdaq och andra finansiella institut som behöver omvärdera deras portföljer bestående av derivat under dagen men också för att mäta risk i handeln. Baserat på ovannämnda affärsbehov är det eftertraktat att kunna kalibrera de implicita volatilitets ytorna som skapas i slutet av dagen nästkommande dag baserat på ny marknadsinformation. I denna uppsats används statistisk inlärning för att kalibrera dessa ytor. Detta görs genom att uttnytja historiska ytor från optioner i OMXS30 under 2019 i kombination med optioner nära at the money för att träna 3 Maskininlärnings modeller. Modellerna inkluderar Feed Forward Neural Network, Recurrent Neural Network och Gaussian Process som vidare jämfördes baserat på data som var bearbetat på olika sätt. Den bästa Maskinlärnings modellen jämfördes med ett basvärde som bestod av att använda föregående dags yta där resultatet inte innebar någon större förbättring. Samtidigt hade modellen en lägre spridning samt genomsnittligt fel i jämförelse med basvärdet som indikerar att det finns potential att använda Maskininlärning för att kalibrera dessa ytor.

The demand for sustainable investments has seen an increase in recent years. There is considerable literature covering backtesting of the performance and risk of socially responsible investments (SRI) compared to conventional investments. However, literature that models and examines the risk characteristics of SRI compared to conventional investments is limited. This thesis seeks to model and compare the risk of mutual funds scoring in the top 10% in terms of sustainability, based on Morningstar Portfolio Sustainability Score, to those scoring in the bottom 10%. We create one portfolio consisting of the top 10% funds and one portfolio consisting of the bottom 10%, for European and global mutual funds separately, thus in total creating 4 portfolios. The analysis is based on data of the funds' returns and Morningstar Portfolio Sustainability Scores during December 2015 to August 2019. Investigating several GARCH models, we find an ARMA-GARCH model with skewed Student's t-distribution as innovation distribution to give the best fit to the daily log-returns of each portfolio. Based on the fitted ARMA-GARCH models with skewed Student's t-distribution, we use a parametric bootstrap method to compute 95% confidence intervals for the difference in long-run volatility and value at risk (VaR) between the portfolios with high and low Morningstar Portfolio Sustainability Scores. This is performed on the portfolios of European and global funds separately. We conclude that, for global and European funds respectively, no significant difference in terms of long-run volatility and VaR is found between the funds in each of the 10% ends of the Morningstar Portfolio Sustainability Score., Efterfrågan av hållbara investeringar har ökat kraftigt de senaste åren. Det finns många studier som genomför backtesting av hållbara investeringars avkastning och risk jämfört med konventionella investeringar. Färre studier har däremot gjorts för att modellera och jämföra investeringarnas riskegenskaper. Denna uppsats syftar till att modellera risken av hållbara investeringar genom att jämföra de 10% fonder med högst Morningstar Portfolio Sustainability Score mot de 10% fonder med lägst score. Jämförelsen görs separat för globala fonder och europeiska fonder, vilket resulterar i totalt 4 portföljer. Analysen baseras på data på fondernas avkasting och Morningstar Portfolio Sustainability Score under tidsperioden december 2015 till augusti 2019. Genom att undersöka flera olika GARCH-modeller, kommer vi fram till att en ARMA-GARCH-modell med skev t-fördelning bäst beskriver den dagliga logaritmerade avkastningen för varje portfölj. Baserat på de anpassade ARMA-GARCH-modellerna, används en "parametric bootstrap"-metod för att beräkna 95%-iga konfidensintervall för skillnaden i långsiktig volatilitet och value at risk (VaR) mellan portföljerna med högt och lågt Morningstar Portfolio Sustainability Score. Detta görs separat för de europeiska och globala fonderna. Vår slutsats är att det, för globala och europeiska fonder, inte råder en signifikant skillnad i långsiktig volatilitet eller VaR mellan fonder med högt och lågt Morningstar Portfolio Sustainability Score.

In this report the goal is to investigate general properties of implied volatility such as the relationship between implied volatility and local volatility as well as the relationship between implied volatility and the sign of the jumps in jump-diffusion models. More specific the question to investigate is whether the implied volatility is decreasing as the strike price increases under the assumption that the market is pricing under a monotonically decreasing local volatility model. To investigate the previously mentioned problem some derivations will have to be done. The core of the derivations are Dupire's equation and Black-Scholes formula. Not only will the result from the derivation show what is tried to be proven, the derived results will also be implemented to visualise the results. This means that the result both is backed by both theory and derivations but also computations which is plotted in the report. An additional goal of this report is to shed light of the relationship between the concepts of implied volatility and local volatility, as well as on the computational aspects on how to determine the implied volatility.

Med finansiella egenskaper som liknar konventionella obligationer spelar gröna obligationer en viktig roll i kampen mot klimatförändringar. Trots att marknaden för gröna obligationer har vuxit snabbt sedan 2008 så har sambandet mellan de gröna egenskaperna hos en obligation och dess avkastning inte studerats i en större utsträckning. I den här studien använder vi data från Eikon och regressionsmodeller för att undersöka hur de gröna egenskaperna påverkar obligationens avkastning, likviditet och volatilitet på den skandinaviska marknaden. Vår studie visar att gröna obligationer har en lägre avkastning (-42,7 baspunkter) än motsvarande konventionella obligationer. Resultatet i vår studie tyder också på skillnader i likviditet och volatilitet (0,01 respektive 0,30 baspunkter) men dessa resultat är ej signifikanta. Eftersom det här forskningsområdet är i ett tidigt stadie kan den här studien ligga till grund för framtida forskning. I takt med att den skandinaviska marknaden för gröna obligationer växer kan vår studie replikeras för att se om resultaten blir mer signifikanta när urvalsstorleken blir större., With financial attributes similar to conventional bonds, green bonds play an important role in the fight against climate change. Even though the green bond market has seen a rapid growth since 2008, the relationship between the bond's greenness and its yield has not been studied to a great extent. In this study, we use a set of data from Eikon and regression analysis to examine how the green traits of a bond affects its yield, liquidity and volatility on the Scandinavian market. We match 62 green and conventional bonds into 31 bond pairs and show that the yield of green bonds are -42,7 basis points lower than its conventional counterparts. Our study also indicates that green bonds are slightly more liquid (0,01 basis points) and more volatile (0,30 basis points) but these results are not significant. Since the research in this field is in its initial phase, this study may serve as a foundation for future research. If the market for green bonds proceeds to grow in Scandinavia, our study could be replicated to see if the results may be more significant as the sample size increases.

Bakgrund: Människor tenderar att i större grad investera i bekanta företag i närområden, detta psykologiska fenomen kallas för home bias. Det kan bli problematiskt då det kan medföra att investerare inte optimerar sina portföljer utifrån risk, avkastning och korrelation mellan tillgångarna i portföljen. Tidigare forskning kring home bias har indikerat på att fenomenet kan drivas av olika förklaringsmekanismer, exempelvis marknadsförhållanden, volatilitet och transaktionskostnader. Forskningen kring home bias har i mindre skala fokuserat på hur home bias förändras i olika marknadsförhållanden dessutom finns endast begränsad forskning om detta för svenska fonder vilket är varför det var intressant att undersöka denna kunskapslucka. Syfte: Syftet var att undersöka och analysera potentiell exponering och förändring av home bias i svenskregistrerade fonder vid marknadsförändringar i ekonomin mellan år 1994–2018. För att definiera olika marknadsförhållanden används termerna bear-marknad vilket är en kontraherande marknad och bull-marknad som är motsatsen. Detta har sedan undersökts och analyserats tillsammans med de två valda förklaringsmekanismerna volatilitet och transaktionskostnader. Metod: Studien var kvantitativ med en deduktiv ansats. Den primära datan har bestod av den totala svenska fondförmögenheten mellan 1994–2018 och den totala världsmarknadsportföljen. Dessutom har indexdata använts för att fånga marknadsförändringar och svenska genomsnittliga fondavgifter för att beskriva transaktionskostnader. Att inkludera volatilitet och transaktionskostnader grundade sig på den tidigare forskningens tyngdpunkt på dessa två mekanismer. Analysmetoden har främst utgått från hypotestest för dessa variabler. Slutsats: Resultatet av studien hittade signifikanta samband för home bias för svenskregistrerade fonder både för bear-och bull-marknad, vilket ligger i linje med tidigare forskning som har sett att bear-marknader leder till ökning av home bias på grund av att osäkerhete, Background: People tend to invest a large portion of their investments in familiar companies near their home area, this psychological phenomenon is called home bias. This can become problematic thus it means that investors do not optimize their portfolios based on risk, return and correlation between assets in the portfolio. In addition, there are studies that indicate that home bias is driven by various explanatory mechanisms, for example market conditions, volatility and transaction costs. Research about home bias has in a smaller scale focused on how home bias changes in different market conditions, especially in Sweden and for funds, therefore it would be interesting to investigate this knowledge gap. Purpose: The purpose of this study was to examine and analyze the relationship between funds registered in Sweden and their potential exposure to home bias in various market conditions in the economy between 1994-2018. To define market conditions, the concepts bear market is used when the market is in a contracting phase and bull market is used when the opposite conditions occur. This has been examined and analyzed together with the two selected explanatory mechanisms volatility and transaction costs. Method: The method for this research is quantitative with a deductive approach. The primary data used to investigate home bias comes from statistics of total Swedish fund assets between 1994-2018 and the total world market portfolio. Furthermore, index data is used to capture market changes and data of average fund fees are used to examine transaction costs. The choice to include volatility and transaction costs is based on the previous research emphasis on these two mechanisms. The method of analysis is based primarily on hypothesis testing for the mentioned variables. Conclusion: The result of the study shows that the relationship between bear and bull markets and home bias for funds registered in Sweden are significant. Which is in line with previous research that

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.