Academic literature on the topic 'Finansiell matematik'

<p>Setelah IQ (Intellectual Quotient), EQ (Emotional Quo- tient), SQ (Spiritual Quotient), sekarang muncul FQ (Finan- cial Quotient) atau biasa disebut kecerdasan finansial. Hal ini dikarenakan salah satu cabang dalam ilmu keuangan yang berkembang pesat dalam beberapa tahun belakan- gan ini adalah perencanaan keuangan atau financial plan- ning. Pada prinsipnya merencanakan keuangan yang baik itu mudah dan semua orang dapat melakukannya sendiri. Untuk dapat melakukannya, seseorang hanya perlu me- mahami matematika keuangan dan memiliki pengetahuan tentang produk pasar modal dan pasar uang yang tersedia. Pemahaman akan matematika keuangan membuat ses- eorang menjadi cerdas finansial dan memungkinkan untuk menyusun sendiri perencanaan keuangannya.</p>

Penelitian ini bertujuan untuk menganalisis kesalahan mahasiswa dalam memecahkan masalah pada mata kuliah matematika finansial berdasarkan model Polya dan tahapan kesalahan Kastolan. Penelitian dilakukan di Sekolah Tinggi Agama Islam Negeri Gajah Putih Takengon dengan subjek penelitian mahasiswa program studi Perbankan Syariah yang berjumlah 9 orang. Metode yang digunakan adalah kualitatif deskriptif. Instrumen pengumpulan data adalah soal tes yang terdiri dari 3 soal dan wawancara tidak terstruktur. Berdasarkan hasil penelitian, jenis kesalahan dibedakan menjadi 3 jenis, yaitu kesalahan konsep, kesalahan hitung dan kesalahan strategi. Kesalahan yang paling banyak dilakukan adalah kesalahan hitung yaitu sebanyak 11 kasus atau 45,83% dari semua kesalahan. Kesalahan konsep yang dilakukan oleh mahasiswa sebanyak 10 kasus atau 41,67% dan kesalahan strategi sebanyak 3 kasus atau 12,50% dari semua kesalahan. Tahapan pemecahan masalah berdasarkan tahapan Polya yang paling banyak ditemukan kesulitannya adalah tahapan memahami masalah, pada tahapan ini mahasiswa tidak mampu menemukan fakta dan informasi yang terdapat dalam soal. Tahapan merancang suatu rencana, mahasiswa tidak dapat mengaitkan fakta-fakta yang di dapat dengan fakta lain secara tepat. Tahapan menyelesaikan rencana, belum mampu menghubungkan konsep-konsep matematika yang telah dipelajari sebelumnya untuk menyelesaikan masalah. Tahapan memeriksa kembali, mahasiswa terkesan terburu-buru dan kurang teliti sehingga tidak memeriksa kembali langkah-langkah pengerjaan yang dilakukan.

<div align="center"><table width="645" border="1" cellspacing="0" cellpadding="0"><tbody><tr><td valign="top" width="439"><p><strong>Abstract:</strong> This study discusses how to implement financial literacy education in elementary school students. Financial literacy education is a person's activity in applying, understanding and managing information to make financial decisions. Financial literacy education can be taught early to provide knowledge and skills in improving financial well-being. This study uses a descriptive qualitative approach to describe the activities of teachers and students in the implementation of financial literacy education in elementary schools. This study shows that the implementation of financial literacy education can provide positive attitudes for students to participate in production activities and motivate students to save. Teachers can teach financial literacy education in accordance with the basic competencies that already exist in subjects such as mathematics and social studies. Teachers can teach the material the role of the economy in an effort to improve the lives of the people by introducing the type of business and doing activities to make a work and sell it.</p><p class="Abstract"><strong>Abstrak:</strong><em> </em>Penelitian ini membahas tentang bagaimana melaksanakan pendidikan literasi finansial pada siswa sekolah dasar. Pendidikan literasi finansial merupakan aktivitas seseorang dalam mengaplikasikan, memahami, dan mengelola informasi untuk membuat suatu keputusan finansialnya. Pendidikan literasi finansial dapat diajarkan sejak dini untuk memberikan pengetahuan dan keterampilan dalam meningkatkan kesejahteraan finansialnya. Penelitian ini menggunakan pendekatan kualitatif jenis deskriptif, untuk mendeskripsikan aktivitas guru dan siswa dalam pelaksanaan pendidikan literasi finansial di sekolah dasar. Penelitian ini menunjukkan bahwa pelaksanaan pendidikan literasi finansial dapat memberikan sikap positif siswa untuk berpartisipasi dalam kegiatan produksi dan memotivasi siswa untuk menabung. Guru dapat mengajarkan pendidikan literasi finansial sesuai dengan kompetensi dasar yang sudah ada pada mata pelajaran, seperti Matematika dan IPS. Guru dapat mengajarkan materi peran ekonomi dalam upaya menyejahterakan kehidupan masyarakat dengan mengenalkan jenis usaha serta melakukan kegiatan membuat sebuah karya dan menjualnya.</p></td></tr></tbody></table></div>

Abstrak- Dalam penelitian ini diditeliti suatu metode untuk memprediksi masa pakai suatu pembangkit menggunakan prinsip matematis dengan data aktual dari tahun 2013 sampai dengan 2017 yaitu data pemasukan (benefit) yang terdiri dari pemasukan dari penjualan listrik dan subsidi dan biaya (cost) yang terdiri dari bahan bakar, pemeliharaan, gaji pegawai, penyusutan, dan administrasi setiap tahun yang dimodelkan dalam bentuk matriks untuk mendapatkan koefisien-koefisien persamaan regresi kuadratis dengan menganggap tahun sebagai variabel bebas, sedangkan variabel tidak bebas adalah benefitdancost. Hasil regresi benefit dan cost dicari korelasi kedekatan kecocokan data aktual dengan hasil regresi dalam persentase, kemudian dicari titk temu dari hasil regresi benefit dan cost, jika nilai benefit sama dengan nilai cost maka secara finansial tidak menguntungkan, dan tidak merugikan (breaking point), Hasil penelitian menunjukkan bahwa masa pakai keempat unit mesin PLTD Selayar tercapai pada titik pertemuan antara kurva benefit dan kurva cost rata-rata berada pada tahun 2016 dengan masa pakai umur pembangkit 29 tahun mulai dioperasikan sejak tahun 1987, secara teknis mesin tersebut masih bisa dioperasikan setelah tahun 2016 namun secara finansial tidak menguntungkan lagi. l,

Penulisan penelitian ini bertujuan untuk mengetahui peringkat atau rangking setiap aspek pelaksanaan manajemen waktu serta kendala-kendala yang dihadapi pada proyek konstruksi gedung pada pembangunan Gedung Puskesmas A di Kabupaten Lamongan. Analisis data menggunakan rumus matematis indeks kepentingan. Hasil rangking atau peringkat terhadap penerapan manajemen pelaksanaan konstruksi Gedung Puskesmas A di Kabupaten Lamongan adalah sebagai berikut: Faktor Perencanaan metode, pelaksanaan kerja tidak tepat dengan nilai kepentingan 4.294, Faktor Pengawasan, kesulitan membuat jadwal alternative percepatan proyek dengan nilai kepentingan 4,411, Faktor Alat, mobilisasi alat lambat dengan nilai kepentingan 4,294, Faktor Material, pengiriman material lambat dengan nilai kepentingan 4.353, Faktor Tenaga Kerja, kurangnya kualifikasi teknik dan manajerial tim pelaksana dengan nilai kepentingan 4.118, Faktor Finansial, kurangnya penegendalian dan pengawasan keuangan dengan nilai kepentingan 4.235, dan Faktor Komunikasi, Kurangnya komunikasi dan koordinasi tim pelaksana dengan nilai kepentiangan 4,235.

Ikan bandeng merupakan salah satu bahan pangan yang hingga saat ini pemanfaatannya masih terbatas, padahal ditinjau dari nilai gizinya ikan bandeng ini tinggi akan protein dan Omega-3 dibandingkan dengan ikan-ikan yang lain. Pengolahan cookies dari ikan juga merupakan salah satu upaya penanggulangan bahan baku yang cepat mengalami pembusukan dan dapat menambah nilai guna dari bahan baku ikan, yang terlebih dahulu diolah menjadi tepung ikan. Tepung daging ikan bandeng masih belum dimanfaatkan untuk pangan, karena sampai saat ini pemanfaatannya hanya terbatas sebagai campuran tepung ikan untuk pakan ternak. Penelitian ini bertujuan untuk merumuskan model optimasi dalam membuat formulasi cookies substitusi tepung daging ikan bandeng dengan teknik pemrograman linier, untuk mengetahui kelayakan finansial produk cookies tepung daging ikan bandeng. Dalam penelitian ini menggunakan penyelesaian Metode Simpleks. Hasil dari pemecahan model matematik, menunjukkan bahwa komposisi bahan susu bubuk penggunaannya dapat dihilangkan maupun tidak. Harga susu bubuk yang cukup mahal mengakibatkan penggunaan bahan harus dibatasi atau dihilangkan untuk meminimalkan biaya produksi cookies tepung daging ikan bandeng.

Kegiatan komposting sampah kota umumnya tidak berjalan sinambung karena kegagalan pasar, lemahnya dukungan pemerintah, lemahnya manajemen dan ketidaklayakan teknik yang digunakan. Penelitian ini bertujuan menyusun konsep metabolisme pengelolaan sampah organik melalui teknologi komposting di wilayah internal perkotaan. Metodologi penelitian ini dilakukan dengan metode kuntitatif dan eksploratif deskriptif melalui analisis matematis, analisis multikriteria pengambilan keputusan, analisis aliran material, dan analisis finansial. Penelitian menyimpulkan bahwa metabolisme pengelolaan sampah organik melalui teknologi komposting di wilayah internal perkotaan adalah metabolism sistem fisik, sosial, dan ekonomi dari kegiatan pengelolaan sampah organik yang bercirikan metabolisme antropogenik untuk keberlanjutan kota sedang. Kata kunci: Pengelolaan sampah organik, metabolisme, aliran material, komposting, analisis multikriteria. AbstractComposting of municipal solid waste activities generally do not run continuously because of market failure, lack of government support, poor management and inability of the techniques used. This study aims to develop the concept of the metabolism of organic waste management through composting technology in internal urban areas. Theresearch methodology was conducted by the method of quantitative and descriptive explorative through mathematical analysis, multicriteria decision analysis, material flow analysis, and financial analysis. The study concluded that the metabolism of organic waste management through composting technology in internal urban areas is themetabolism system of physical, social, economic and environmental of organic waste management activities characterized by anthropogenic metabolism to the sustainability of medium cities. Key words: Organic waste management, metabolism, material flow, composting, analysis of multicriteria

PENETAPAN HARGA BERBASIS PENERIMAAN KONSUMENDI DUAL-CHANNEL SUPPLY CHAINERWIN WIDODOJurusan Teknik Industri, Institut Teknologi Sepuluh Nopember (ITS) SurabayaKampus ITS, Sukolilo, Surabaya 60111Surel: erwin@ie.its.ac.idABSTRAKDual-Channel Supply Chain (DCSC) adalah sebuah struktur gabungan yang secara simultanmemanfaatkan online dan offline channel untuk mendistribusikan sebuah produk. Struktur ini menjanjikanperluasan jangkauan pasar yang berujung pada peningkatan pendapatan. Meskipun demikian, selainmenawarkan potensi, DCSC juga membawa beberapa problem. Salah satu problem yang dominan adalahpenetapan harga harga antar channel. Pada prakteknya, para pelaku DCSC seringkali secara intuitifmenetapkan harga online dan offline-nya. Belum ada sebuah mekanisme pengukuran yang representatifuntuk problem yang sebenarnya sangat penting ini. Paper ini mencoba menjawab tantangan tersebutdengan mengusulkan sebuah mekanisme estimasi pengukuran secara kuantitatif tentang penerimaanpelanggan terhadap online channel relatif terhadap offline channel. Pendekatan yang diusulkan adalahpemanfaatan model matematis tentang hubungan interplay antar harga online dan offline. Parameterpenting yang menjadi perhatian utama adalah sebuah rasio penerimaan pelanggan kepada online channelrelatif terhadap offline channel. Parameter ini diukur dari 3 kelompok produk yang dijual dalam strukturDCSC yang ada di Indonesia guna menunjukkan perbedaan karakteristik dari masing-masing kelompokproduk tersebut. Hasil percobaan numerik yang dilakukan menunjukkan bahwa pemanfaatan usulanmekanisme penetapan harga ini dapat meningkatkan performansi finansial DCSC amatan.Kata kunci: dual-channel supply chain, penetapan harga, online channel, offline channelABSTRACTDual-Channel Supply Chain (DCSC) is a mixed structure which simultaneously utilizes both offline andonline channel to distribute one particular product or service. This structure provides market reach extensionin which eventually leads to revenue increase. Whatsoever, aside of this advantage, DCSC also brings somechallenging problems. One prominent problem is of about between-channel pricing-problem. In its practice,DCSC actors often apply intuitive offline and online pricing without further analytical evaluation. Yet there isno representative mechanism to address this critical problem. This paper attempts to resolute this challengeby proposing a qualitative estimation mechanism on customer acceptance on online channel relative tooffline one. This proposed approach is about to utilize an interplay relationship between offline and onlineprices. The main parameter to consider is a ratio of customer acceptance parameters. These parameters areelicited from 3 groups of products which are sold under DCSC structure in Indonesian cases to exhibit thedifferent properties in each product group. Numerical experiment result shows that the utilization of thispricing mechanism may increase the financial performance of DCSC under observation.Key words: dual-channel supply chain, pricing, online channel, offline channel

This thesis is a comparative study where the question is whether a neural network approach can outperform the principal component analysis (PCA) approach for predicting changes of interest rate curves. Today PCA is the industry standard model for predicting interest rate curves. Specifically the goal is to better understand the correlation structure between Swedish and European swap rates. The disadvantage with the PCA approach is that only the information contained in the covariance matrix can be used and not for example whether or not the curve might behave different depending on the current state. In other words, some information that might be quite important to the curve dynamic is lost in the PCA approach. This raises the question whether the lost information is important for prediction accuracy or not. As previously been shown by Alexei Kondratyev in the paper "Learning Curve Dynamics with Artificial Neural Networks", the neural network approach is able to use more information in the data and therefore has potential to outperform the PCA approach. Our thesis shows that the neural network approach is able to achieve the same or higher accuracy than PCA when performing long term predictions. The results show that the neural network model has potential to replace the PCA model, however, it is a more time consuming model. Higher accuracy can probably be achieved if the network is more optimized.
Det här är en jämförande studie där syftet är att undersöka hurvida noggrannare prediktioner kan uppnås genom att använda sig av artificiella neurala nätverk (ANN) istället för principalkomponentanalys (PCA) för att förutspå swapräntekurvor. PCA är idag industristandard för att förutspå räntekurvor. Specifikt är målet att bättre kunna förstå korrelationsstrukturen mellan de Svenska swapräntorna och de Europiska swapräntorna. En nackdel med PCA är att den enda tillgängliga informationen sparas i kovariansmatrisen. Det kan till exempel vara fallet att kurvan beter sig väldigt annorlunda beroende på om de nuvarande räntenivåerna är höga eller låga. Eftersom att sådan information går förlorad i PCA-modellen ligger intresset i att undersöka hur mycket noggrannare prediktionerna kan bli om man tar tillvara på ännu mer av informationen i datan. Som Alexei Kondratyev visar i rapporten "Learning Curve Dynamics with Artificial Neural Networks", så har ANN-modellen potential att ersätta PCA-modellen för att förutspå räntekurvor. I denna studie framgår det att ANN-modellen uppnår samma eller bättre resultat jämfört med PCA-modellen vid längre prediktioner.

This thesis evaluates how the evolutionary algorithm CMA-ES (Covariance Matrix Adaption Evolution Strategy) can be used for optimizing the total initial margin for a network of banks trading bilateral OTC derivatives. The algorithm is a stochastic method for optimization of non-linear and, but not limited to, non-convex functions. The algorithm searches for an optimum by generating normally distributed samples and iteratively updating the mean and covariance matrix of the search distribution using the best candidate solutions in the sampled population. In this thesis, feasible solutions are represented by the null space obtained from the constraint of keeping all banks' market exposure unchanged throughout the optimization, and the generated samples for each iteration correspond to linear combinations of the base vectors spanning this null space. In particular, this thesis investigates how different representations of this null space affect the convergence speed of the algorithm. By applying the algorithm to problems of varying sizes, using several different null space representations coming from different matrix decomposition methods, it is found that as long as an orthonormal representation is used it does not matter which matrix decomposition method it comes from. This is found to be because, given any orthonormal null space representation, the algorithm will at start generate a rotationally invariant sample space in its search for the optimal solution, independent of the specific null space representation. If the representation is not orthogonal, the initial sample will in contrast be in the shape of an ellipsoid and thus biased in certain directions, which in general affects the performance negatively. A non-orthonormal representation can converge faster in specific optimization problems, if the direction of the solution is known in advance and the sample space is pointed towards that direction. However, the benefit of this aspect is limited in a realistic scenario and an orthonormal representation is recommended. Furthermore, as it is shown that different orthonormal representations perform equally, it is implied that other characteristics can be considered when deciding which matrix decomposition method to use; such as the importance of fast computation or desire for a sparse representation.
Denna avhandling utvärderar hur CMA-ES (Covariance Matrix Adaption Evolution Strategy) kan användas för att optimera en total "initial margin" för ett nätverk av banker som handlar bilaterala OTC derivat. Algoritmen är en stokastisk metod för optimering av icke-linjära och, men inte enbart, icke-konvexa funktioner. Algoritmen söker efter ett optimum genom att generera normalfördelade utfall och iterativt uppdatera medelvärdet och kovariansmatrisen för sök-fördelningen med hjälp av de bästa lösningarna i varje iteration. I detta arbete representeras tillåtna lösningar till problemet av nollrummet från bivillkoret att alla bankers marknadsexponering ska vara oförändrade genom optimeringen och de genererade utfallen består av slumpade linjärkombinationer av nollrummets basvektorer. I synnerhet undersöks hur olika representationer av nollrummet påverkar konvergenshastigheten för algoritmen. Algoritmen har applicerats med flera olika nollrumsrepresentationer, framtagna genom olika matrisfaktoriseringsmetoder, och det kan konstateras att så länge nollrummsrepresentationen är ortonormal är valet av faktoreringsmetod obetydlig. Detta då användande av orthornormala nollrumsrpresentationer i algoritmen leder till en initialt symmetrisk, rotationsmässigt invariant, sökning efter den optimala lösningen. Om representationen inte är ortogonal kommer det resulterande sökområdet i varje iteration att ha formen av en ellipsoid och sålunda viktas i vissa riktningar, vilket i allmänhet påverkar prestandan negativt. Emellertid kan en icke-ortonormal representation konvergera snabbare i specifika scenarier, givet att lösningens riktning är känd i förväg och sökområdet kan pekas mot den riktningen. Vidare, eftersom det har visats att olika ortonormala representationer konvergerar lika fort, innebär resultatet att andra egenskaper kan beaktas vid val av matrisfaktoriseringsmetod, såsom vikten av snabb beräkning eller önskan om en gles representation.

Portfolio rebalancing has become a popular tool for institutional investors the last decade. Adaptive asset allocation, an approach suggest by William Sharpe is a new approach to portfolio rebalancing taking market capitalization of asset classes into consideration when setting the normal portfolio and adapting it to a risk profile. The purpose of this thesis is to evaluate the traditional approach of portfolio rebalancing with the adaptive one. The comparison will consist of backtesting and two simulation methods which will be compared computationally measuring time and memory usage (Monte Carlo and Latin Hypercube Sampling). The comparison was done in Excel and in R respectively. It was found that both of the asset allocation approaches gave similar result in terms of the relevant risk measurements mentioned but that the traditional was a cheaper and easier alternative to implement and therefore might be more preferable over the adaptive approach from a practical perspective. The sampling methods were found to have no difference in memory usage but Monte Carlo sampling had around 50% less average running time while at the same time being easier to implement.
Portfölj rebalansering har blivit ett populärt verktyg för institutionella investerare det senaste årtiondet . Adaptiv tillgångsallokering, en taktik föreslagen av William Sharpe är en typ av rebalansering där hänsyn tas till marknadsvärdet av tillgångsklasserna samtidigt som man anpassar det efter en riskprofil. Syftet med detta arbete är att evaluera den traditionella strategin kontra den adaptiva strategin där jämförelsen kommer bestå av backtesting (tillämpa strategin på historisk data) samt två simulationsmetoder(Monte Carlo och LHS). Simulationernas implementering kommer jämföras med avseende på tid och minnesanvändning. Jämförelserna gjordes i Excel och i R respektivt. Resultatet av studien visar att att båda strategierna gav liknande resultat med avseende på de riskmått som finns med men att den traditionella strategin var billigare och enklare att implementera och kan därför vara den strategi att föredra från ett praktiskt perspektiv. Simulationsmetoderna visade ingen skillnad i minnesanvänding men däremot att Monte Carlo var både lättare att implementera samt hade ca 50% mindre körtid i genomsnitt.

Då större skogsföretag lägger ut många arbeten på entreprenad så blir den ekonomiska hälsan hos entreprenadföretagen en viktig fråga för att kunna bibehålla ett långvarigt samarbete. Detta arbete är en fortsättning på Bergs (2009) där syftet var att hitta en modell som förklarar skogsentreprenörernas ekonomiska situation, korrelera resultatet med resultaten i en enkätundersökning bland de aktuella företagen och jämföra skogsentreprenörernas ekonomiska situation med den för liknande branscher. Syftet med denna studie är att undersöka olika multivariata modeller för att bedöma ett entreprenadsföretags ekonomiska situation utifrån de ekonomiska nyckeltal som företagen lämnar i sin årsredovisning. En annan del av arbetet är att undersöka om en modell med variabler beroende på förändringar över tiden kan tillämpas. Metoder som används är faktoranalys, principalkomponentanalys, bekräftande faktoranalys, klusteranalys samt en ad hoc metod här kallad medelskillnad. Sen tillämpas även Altmans (1993) Z"-scores-modell.Det visar sig att variationen är liten för vilka företag som klassas bland de bäst och sämst rankade hos de olika metoderna. Då inget data från konkursdrabbade företag finns tillgängligt i denna studie är det omöjligt att säga om de variationer som förekommer gör någon modell bättre än någon annan. Det är därför osäkert om någon vinst görs då fler dimensionella metoder, så som faktoranalys med ett flertal faktorer, används istället för de ofta mer lättolkade endimensionella metoderna, som t.ex. Z"-scores. Vad gäller modeller med tidsberoende kan en viss skillnad ses mellan dessa och modeller utan tidsberoende, men återigen, då inga validerings möjligheter finns så kan det inte sägas om skillnaden är till de bättre.

During the last three years the Swedish stock market has showed a strong upwards movement from the lows of 2016. At the same time the IPO activity has been large and a lot of the offerings have had a positive return during the first day of trading in the market. The goal of this study is to analyze if there is any particular IPO specific data that has a correlation with the first day return and if it can be used to predict the first day return for future IPO’s. If any regressors were shown to have correlation with the first day return, the goal is also to find a subset of regressors with even higher predictability. Then to classify which regressors show the highest correlation with a large positive return. The method which has been used is a multiple linear regression with IPO-data from the period 2017-2018. The results from the study imply that none of the chosen regressors show any significant correlation with the first day return. It is a complicated process which might be difficult to simplify and quantify into a regression model, but further studies are needed to draw a conclusion if there are any other qualitative factors which correlate with the first day return.
Under de senaste tre åren har den svenska aktiemarknaden visat en kraftigt uppåtgående rörelse från de låga nivåerna 2016. Samtidigt har det varit hög IPO-aktivitet, där många noteringar har haft en positiv avkastning under den första handelsdagen. Målet med denna studie är att analysera om det finns särskilda IPO-specifika faktorer som påvisar samband med avkastningen från första handelsdagen och om det kan användas för att förutsäga utvecklingen under första handelsdagen för framtida noteringar. Om regressorerna visade korrelation är målet sedan att ta fram de bästa av dessa för att se om det ökar modellens säkerhet. Vidare var det av intresse att visa vilka regressorer som korrelerar med en positiv avkastning. Metoden som användes var en multipel linjär regression med historisk data från perioden 2017-2018. Studiens resultat visar att ingen av de valda regressorerna har någon signifikant korrelation med avkastningen under första handelsdagen. Börsintroduktioner är komplicerade processer som kan vara svåra att förenkla och kvantifiera i en regressionsmodell, men ytterligare studier behövs för att dra en slutsats om det finns andra kvalitativa faktorer som kan förklara utvecklingen under första handelsdagen.

The equity trading of today is fragmented across regulated markets (RMs) and multilateral trading facilities (MTFs). Despite being legally very similar Busch (2017), market participants have reported that they attract different types of traders. Market dynamics arise from the interactions between all market participants (agents) Kyle (1985). Price impact is an important part of these dynamics which, for the most part, can be explained by the competition between liquidity takers and liquidity providers Bouchaud et al. (2009). Hence, this thesis studies whether price impact is venue dependent by using the transient impact model, developed by Bouchaud et al. (2004), on Nordic stocks listed at Nasdaq but also traded on London based MTFs. Furthermore, MiFID II and entailing legislation introduced a considerable amount of changes to the financial markets, the effects of which on price impact will also be subject to investigation here. The findings indicate that price impact is indeed venue dependent, where RMs show less price impact than the MTFs. The effects of MiFID II are vague but seems to have lowered the temporal aspect of price impact for the MTFs, while the effects on the RMs are less evident.
Dagens aktiehandel är fragmenterad över reglerade marknader och multilaterala handelsplattformar (MTF-plattformar), trots att de är juridiskt väldigt lika Busch (2017), så har marknadsaktörerna rapporterat att de attraherar olika typer av aktörer. Marknadens dynamik uppstår ur interaktionen mellan dess aktörer Kyle (1985). Prispåverkan är en viktig del av denna dynamik som, för det mesta, kan förklaras av konkurrensen mellan likviditetstagare och likviditetsgivare (Bouchaud et al. 2009). Således undersöker denna uppsats om prispåverkan skiljer sig mellan handelsplatser genom att använda en transient prispåverkansmodell, utvecklad av Bouchaud et al. (2004), på handelsdatat från nordiska aktier listade på Nasdaq, men som även handlas på MTF-platformar i London. Introduktionen av MiFID II och tillhörande lagstiftning har inneburit betydande förändringar för den finansiella marknaden, vilkas effekter på prispåverkan vid aktiehandel också kommer att undersökas här. Fynden i denna studie indikerar att prispåverkan är handelsplatsberoende, där priset påverkas mindre på reglerade marknader än på MTF-plattformar. Effekterna av MiFID II är vaga men verkar ha sänkt den temporala aspekten av prispåverkan och då främst för MTF-plattformarna, medan effekterna på de reglerade marknaderna är mindre framträdande.

The investment and financing instrument AT1, or Contingent Convertible bond, has become popular in the post-crisis capital markets, prompting interest and research in the academic world. The instrument's debt definition but equity boosting properties makes it rather extraordinary, and its stochastic features makes multiple mathematical valuation methodologies relevant, especially with regard to the risk of extending the call date of the instrument. With investors still relying on screening tools for valuation, there is an absence of applications using existing mathematical approaches. This report therefore aims to narrow the gap between academia and industry by evaluating the use of such mathematical approaches in a practical investment setting, in particular the Improved Credit Derivative approach and the Extension Premium Relative Value approach shall be examined. Both models strive to account for the extension risk, a commonly disregarded yet critical risk, adding computational challenges to the implementation. Besides from discovering necessary practical adjustments, and their effects, the two pricing approaches are compared in an attempt to confirm their joint purpose of accounting for extension risk. Ending up with varying results consisting of evident offsets for the improved credit derivative model but significant correlations in the case of the extension premium model, their individual performance was diverse while the hypothesis of joint behaviour could be dismissed.
Investerings- och finansieringsinstrumentet AT1, eller Contingent Convertible bond, har blivit populärt i kapitalmarknaderna efter finanskrisen, vilket lett till intresse och forskning i den akademiska världen. Instrumentets grund som skuld men egenskaper för att tillskjuta eget kapital gör det extraordinärt, och dess stokastiska funktioner öppar upp för flertalet värderingsmetoder, speciellt gällande förlängningsrisken hos datumet för kallning. Eftersom att investerare fortfarande använder sig utav screening-verktyg för värdering finns det endast begränsad forskning rörande användande av matematiska metoder. Denna rapport har därför som mål att minska avståndet mellan den akademiska världen och industrin genom att utvärdera användandet av sådana matematiska metoder för praktiska investeringar, särskillt skall Improved Credit Derivative och Extension Premium Relative Value metoderna användas. Båda modellerna strävar efter att ta hänsyn till förlängningsrisken, en risk vanligtvis bortsedd ifrån men trots det kritisk, vilket tillägger ytterligare beräkningsutmaningar vid implementationen. Bortsätt ifrån att upptäcka praktiska justeringar och dess effekter jämförs de två värderingsmetoderna i ett försök att bekräfta deras gemensamma syfte, att ta hänsyn till förlängningsrisken. Att i slutändan nå blandade resultat besående av uppenbara avvikelser för improved credit derivative modellen men starka korrelationer i fallet av extension premium modellen gjorde att man kunde dra slutsatsen att deras individuella prestanda skilde sig medan hypotesen om gemensamt beteende kunde avfärdas.

Contingent convertible bonds (often referred to as CoCo bonds, or simply CoCos) are a relatively new financial instrument designed to absorb unexpected losses. This instrument became increasingly more common after the financial crisis of 2008, as a way to decrease the risk of insolvency among banks and other financial institutions. In this thesis, we will investigate two mathematical models for valuation of CoCo bonds, known as the credit derivative approach and the equity derivative approach, previously developed by De Spiegeleer and Schoutens [1]. We will investigate how these models can be modified in order to be applied to a large set of bonds available on the market. The effect of parameter alterations will also be studied, in order to determine which parameters that influence the pricing accuracy the most. We reach the conclusion that by estimating market triggers, conversion prices and by computing a continuous interest rate from a discrete rates table, the models are indeed executable on a large set of bonds available on the market. However, these parameter estimations come at the cost of reduced accuracy. In general, both investigated models produces prices which follows the overall movements of the market prices quite well, but at the same time with a relatively large absolute distance from the market prices. In other words, the correlation with the market is often high, but the absolute error (measure by root mean square error) is often large. The sensitivity analysis of the parameters shows that the market trigger is the most influential parameter in both investigated models. The fact that we had to estimate the market trigger in order to be able to price a large number of bonds is believed to be the main cause of reduced accuracy. By utilizing a more bond-specific parameter estimation, the accuracy of the investigated models could most likely be improved. We can conclude that there is a trade-off between being able to price a large set of bonds with a mediocre accuracy, or being able to price a few bonds with high accuracy.
Det finansiella instrumentet contingent convertible bond (ofta benämnt CoCo bond, eller endast CoCo) är en relativt ny obligationstyp som används av banker och andra finansiella institutioner för att absorbera oväntade förluster. Instrumentet blev mer vanligt förekommande efter finanskrisen 2008, som ett sätt att minska risken för insolvens. I detta examensarbete undersöker vi två matematiska modeller för värdering av CoCo bonds, nämligen den så kallade credit derivative approach och equity derivative approach, som tidigare har utvecklats av De Spiegeleer och Schoutens [1]. Vi kommer att undersöka hur dessa modeller kan modifieras för att bli applicerbara på ett stort antal obligationer tillgängliga på marknaden. En omfattande parameterstudie kommer att genomföras, för att dra slutsatser kring de mest betydelsefulla parametrarna för prissättningen. Genom att skatta så kallade market triggers, conversion prices och en kontinuerlig ränta är det möjligt att exekvera de undersökta modellerna på ett stort antal obligationer. Dessa skattningar medför dock en viss försämrad noggrannhet. Generellt sett följer priserna från modellerna marknadens rörelser ganska väl, men är samtidigt ganska långt ifrån marknadspriset. Med andra ord är korrelationen hög, men absolutfelet är relativt stort. Parameterstudien visar att parametern som kallas market trigger är mest betydelsefull för prissättningen. Faktumet att vi måste skatta market triggers för att kunna prissätta ett stort antal obligationer tros vara den största anledningen till försämrad noggrannhet. Genom att använda en mer ”obligationsspecifik” skattning av parametrar bör noggrannheten kunna förbättras. I dessa modeller är det en tydlig avvägning mellan att kunna prissätta många obligationer med relativt låg noggrannhet, och att kunna prissätta få obligationer med hög noggrannhet.

Ekonomisk brottslighet är mer lukrativt jämfört med annan brottslighet som narkotika, häleri och människohandel. Tidiga åtgärder som försvårar att kriminella kan använda företag för brottsliga syften gör att stora kostnader för samhället kan undvikas. En genomgång av litteraturen visade också att det finns stora brister i samarbetet mellan svenska myndigheter för att upptäcka grov ekonomisk brottslighet. Idag uppdagas brotten först ofta efter att en konkurs inletts. I studier har maskininlärningsmodeller prövats för att kunna upptäcka ekonomisk brottslighet och några svenska myndigheter använder maskininlärningsmodeller för att upptäcka brott men mer avancerade metoder används idag av danska myndigheter. Bolagsverket har idag ett omfattande register för bolag i Sverige och denna studie syftar till att undersöka om maskininlärning kan användas för att identifiera misstänkta bolag, genom att använda digitalt inlämnade årsredovisningar och information ur bolagsverkets register för att kunna träna klassificeringsmodeller att identifiera misstänkta bolag. För att träna modellen så har stämningsansökningar inhämtats från Ekobrottsmyndigheten som kunnat kopplas till specifika bolag av de inlämnade årsredovisningar. Principalkomponentanalys används för att visuellt visa på skillnader mellan grupperna misstänkta och icke misstänkta bolag och analyserna visade på ett överlapp mellan grupperna och ingen tydlig klustring av grupperna. Data var obalanserat med 38 misstänkta bolag av totalt 1009 bolag och därför användes översamplingstekniken SMOTE för att skapa mer syntetiskt data och för att öka antalet i gruppen misstänkta. Två maskininlärningsmodeller Random Forest och Stödvektormaskin (SVM) jämfördes i en 10 fold korsvalidering. Där båda uppvisade en recall på runt 0.91 men där Random Forest hade en mycket högre precision och med högre accuracy. Random Forest valdes och tränades på nytt och uppvisades en recall på 0.75 när den testades på osett data bestående av 8 misstänkta av 202 bolag. Ett sänkt tröskelvärde resulterade i en högre recall men med en större antal felklassificerade bolag. Studien visar tydligt problemet med obalans i data och de utmaningar man ställs inför med mindre data. Ett större data hade möjligjort ett strängare urval på brottstyper som hade kunnat ge en mer robust modell som skulle kunna användas av bolagsverket för att lättare kunna identifiera misstänkta bolag i deras register.
Economic crimes are more lucrative compared to other crimes as drugs, selling of stolen gods, trafficing. Early preventions that make it more difficult for criminals to use companies for criminal purposes can reduce large costs for sociaty. A litterature study showed that there are large weaknesses in the collaboration between Swedish authorities to detect serious economic crimes.Today most crimes among companies that commit fraud are found after a company has declared bancruptcy. In studies, machine learning models have been tested to detect economic crimes and some swedish authorites are now using machine learning methods to detect different crimes and more advanced methods are used by the danish authorites. Bolagsverket has a large register of companies in Sweden and the aim of this study is to investigate if machinelearning can be used to detect on annual reports that have been digitaly submited and information in Bolagsverket’s register to be able to train classificationsmodels and identify companies that are suspicious. To be able to train the model lawsuits have been collected from the Swedish Economic Crime Authority that can be connected to specific companies through their digitally submited annual report. Principal component analysis is used to visually show differences between the groups suspect companies and not suspected companies and the analysis show that there is an overlap between the groups and no clear clustering between the groups. Because the dataset was unbalanced with 38 suspicious companies out of 1009 companies the oversampling tecnique SMOTE was used to create more synthethic data and more suspects in the dataset. The two machinelearnings models Random Forest and support vector machine (SVM) was compared in a 10 fold crossvalidation. Both models showed a recall on around 0.91 but Random Forest had a much higher precision with a higher accuracy. Random Forest was chosen and was trained again and showed a recall on 0.75 when it was tested on unseen data with 8 suspects out of 202 companies. Lowering the treshold resulted in a higher recall but with a larger portion of wrongly classfied companies. The study shows clearly the problem with an unbalanced dataset and the challanges with a small dataset. A larger dataset could have made it possible to make a more selective selection of certain crimes that could have resulted in a more robust model that could be used by Bolagsverket to easier identify suspicous companies in their register.

Since the 2008 financial crisis, the interest for the subject area of modelling non-maturity deposits has been growing quickly. The area has been widely analysed from the perspective of a traditional bank where customers foremost have transactional and salary deposits. However, in recent year the Swedish banking sector has become more digitized. This has opened up opportunities for more niche banking actors to establish themselves on the market. Therefore, this study aims to examine how the theories developed and previously used in modelling liquidity volumes at traditional banks can be used at a niche bank focused on savings and investments. In this study the topics covered are short-rate modelling using Vasicek's model, liquidity volume modelling using SARIMA and SARIMAX modelling as well as liquidity risk modelling using an approach developed by Kalkbrener and Willing. When modelling the liquidity volumes the data set was divided depending on account and customer type into six groups, for four out of these the models had lower in and out of set prediction errors using SARIMA models for only two of the six models were there improvements made to the in and out of set prediction error using SARIMAX models. Finally, the resulting minimization of liquidity volume forecasting 5 years in the future gave reasonable and satisfactory results.
Sedan finanskrisen 2008 har intresset kring ämnesområdet gällande modellering av inlåningsvolymer utan en kontrakterad förfallodag ökat snabbt. Området har analyserats i stor utsträckning från perspektivet av en traditionell bank där kunder har framförallt transaktions- och lönekonton. De senaste åren har den Svenska banksektorn blivit mer digitaliserad. Detta har öppnat upp möjligheter för nischbanker att etablera sig på marknaden. Därför ämnar denna studie att undersöka hur teorier som har utvecklats och tidigare använts på traditionella banker för att modellera likviditetsvolymer kan användas på en nischbank som är fokuserad på sparande och investeringar. I denna studie modelleras korträntor med Vasicek's modell, likviditetsvolymer med SARIMA och SARIMAX modeller och likviditetsrisk med en modell utvecklad av Kalkbrener och Willing. För modelleringen av likviditetsvolymer delades likviditetsdatan upp i sex grupper baserat på konto- och kund typ. För fyra av dessa data set gav SARIMA-modeller lägre prediktionsfel och endast för två av de sex grupperna gav SARIMAX-modeller bättre resultat. Slutligen så gav den resulterande minimeringen av nödvändiga likviditetsvolymer på en 5 årig horisont rimliga och tillfredsställande resultat.