This thesis investigates the application of machine learning (ML) and traditional financial models in portfolio optimization, focusing on the OBX index. The research aims to determine whether ML algorithms can outperform traditional models in forecasting returns, estimating volatility, and optimizing portfolio weights. The study employs advanced ML techniques such as Random Forest, Support Vector ...

Studien tar sikte på regionreformens forslag om å sammenslå fylkeskommunene, og som førte til en reversering av noen av disse sammenslåingene. Denne reverseringen økte antall fylkeskommuner fra 11 til 15. Studien retter større grad av oppmerksomheten til fylkeskommunen Troms og Finnmark. Ved bruk av Data Envelopment Analysis (DEA) skal oppgavene til fylkeskommunene analyseres hver for seg. Disse ...

Tilgangen til finansiering er av stor betydning for selskaper og spiller en viktig rolle for bedrifters vekst og utvikling. Denne studien undersøker hvorvidt bankenes tilstedeværelse i Nord-Norge er av betydning for graden av gjeldsfinansiering i lokale selskaper. I tillegg undersøker studien i hvilken grad størrelse og næringssektor har noen innvirkning på graden av gjeldsfinansiering. Med bakgrunn ...

Formålet med denne oppgaven er å undersøke om en kombinasjon av to investeringsstrategier kan gi positiv meravkastning sammenlignet med OBX-indeksen på Oslo Børs. Gjennom Analysen tester vi hypotesen om at markedet ikke er fullt effisient, noe som potensielt muliggjør en utnyttelse av andre faktorer enn risiko for å oppnå meravkastning. Spesielt fokuserer vi på muligheten for å oppnå meravkastning ...

Denne masteroppgaven utforsker hvordan maskinlæringsmodeller og tradisjonelle GARCH-modeller evner seg til å predikere volatilitet i kryptovalutamarkedet, med Bitcoin som case-studie. Bitcoin som er kjent for sin høye volatilitet, påvirkes av både interne markedsdynamikker og eksterne økonomiske faktorer. Ved å kombinere teori fra finans og økonomi med moderne algoritmer, søker vi å forbedre ...

Ifølge NOU 2020:12 uttrykker regjeringen et behov for og et ønske om å styrke lokalsamfunn og øke økonomisk vekst gjennom utnyttelse av innovative bedrifter. Denne undersøkelsen tar for seg GSG, en liten bedrift i Finnmark som har endret sitt hovedformål som en respons på endringer i omgivelsene. Undersøkelsen tar sikte på å gi en dyptgående innsikt i hvordan GSG tilpasser sin strategi og ...

Norge er verdensledende innen oppdrett av laks og står for over halvparten av den globale produksjonen. Økte produksjonskostnader gjør imidlertid den norske lakseoppdrettsnæringen sårbar for negative etterspørsels- og tilbudssjokk, og denne studien analyserer hvordan biologiske utfordringer har påvirket næringens prestasjonsmålinger i perioden 2015 til 2022. Datagrunnlaget er innhentet fra ...

Bærekraftsrapportering er komplekst og utfordrende for virksomheter. Denne kompleksiteten har vært forsøkt forenklet og standardisert gjennom flere frivillige tiltak. Et av disse er blant annet standarden for bærekraftsrapportering, GRI. Nå har EU satt egne føringer for hvordan bærekraftsrapportering skal gjennomføres gjennom direktivet CSRD og den tilknyttede standarden ESRS. Sentralt i direktivet ...

Hovedformålet med denne oppgaven er å belyse for investorer i norsk aksjebasert crowdfunding hvilken avkastning de kan forvente. Hovedmotivasjonen til investorer i aksjebasert crowdfunding er finansiell avkastning, men det finnes lite data om hvilken avkastning man kan forvente. I denne studien undersøker jeg statusen til selskapene som gjennomførte emisjoner gjennom de norske crowdfunding plattformene ...

Denne masteroppgaven undersøker hvorvidt maskinlæring kan utkonkurrere kjøp-og-hold-strategier i de nordiske aksjemarkedene. Arbeidet omfatter en komparativ studie av forskjellige maskinlæringsteknikker brukt til å forutsi aksjemarkedsbevegelser. Problemstillingen er: "Har maskinlæringsteknikker en god prediksjonsevne på nordiske aksjeindekser med lengre intervaller?" Random forest, kunstige nevrale ...