Methods for the analysis of two dimensional measurement data of paper web

This work is devoted to the problem of reconstructing the basis weight structure at paper web with black{box techniques. The data that is analyzed comes from a real paper machine and is collected by an o®-line scanner. The principal mathematical tool used in this work is Autoregressive Moving Average (ARMA) modelling. When coupled with the Discrete Fourier Transform (DFT), it gives a very flexible and interesting tool for analyzing properties of the paper web. Both ARMA and DFT are independently used to represent the given signal in a simplified version of our algorithm, but the final goal is to combine the two together. Ljung-Box Q-statistic lack-of-fit test combined with the Root Mean Squared Error coefficient gives a tool to separate significant signals from noise.

Gold investments and short- and long-run price determinants of the price of gold

Tämän tutkielman tavoitteena on tutkia tekijöitä jotkavaikuttavat lyhyellä ja pitkällä aikavälillä kullan hintaan. Toiseksi tutkielmassa selvitetään mitä eri sijoitusmahdollisuuksia löytyy kultaan sijoitettaessa. Aineistona käytetään kuukausitasoista dataa Yhdysvaltain ja maailman hintaindekseistä, Yhdysvaltain ja maailman inflaatiosta ja inflaation volatiliteetista, kullan beetasta, kullan lainahinnasta, luottoriskistä ja Yhdysvaltojen ja maailman valuuttakurssi indeksistä joulukuulta 1972 elokuulle 2006. Yhteisintegraatio regressiotekniikoita käytettiin muodostamaan malli jonka avullatutkittiin päätekijöitä jotka vaikuttavat kullan hintaan. Kirjallisuutta tutkimalla selvitettiin miten kultaan voidaan sijoittaa. Empiirisettulokset ovat yhteneväisiä edellisten tutkimusten kanssa. Tukea löytyi sille, että kulta on pitkän ajan suoja inflaatiota vastaan ja kulta ja Yhdysvaltojen inflaatio liikkuvat pitkällä aikavälillä yhdessä. Kullan hintaan vaikuttavat kuitenkin lyhyen ajan tekijät pitkän ajan tekijöitä enemmän. Kulta on myös sijoittajalle helppo sijoituskohde, koska se on hyvin saatavilla markkinoilla ja eri instrumentteja on lukuisia.

Systeemihinnan volatiliteetin mallinus Nord Pool -sähkömarkkinoilla

Työssä tarkastellaan, miten Nord Poolin spot-sähkömarkkinoiden systeemihinnan volatiliteetti on kehittynyt kyseisten markkinoiden kehittyessä ja onko volatiliteetin dynamiikkaa mahdollista mallintaa. Systeemihinta toimii referenssihintana sekä itse sähköpörssissä että pörssin ulkopuolella tapahtuvassa johdannaiskaupankäynnissä. Teoriaosassa luodaan katsaus Nord Pool -markkinoiden toimintaan ja systeemihinnan muodostumisen periaatteisiin. Lisäksi tutustutaan sähkön hinta-aikasarjoille tyypillisiin piirteisiin. Volatiliteetin mallinnus tapahtuu autoregressiivistä konditionaalista heteroskedastista (ARCH) mallia sekä sen laajennuksia hyödyntäen. Työn johtopäätöksinä todetaan, että sähkömarkkinoiden volatiliteettia mallinnettaessa tulisi ottaa huomioon hinnan muutosten asymmetrinen vaikutus volatiliteettiin ja volatiliteetin kausittainen vaihtelu. Lisäksi todettiin, etteivätparametrien kertoimet ole vakioita pitkällä aikavälillä tarkasteltaessa volatiliteetin ARCH-mallinnuksessa.

Short-term forecasting of power demand in the Nord Pool market

Sähkönkulutuksen lyhyen aikavälin ennustamista on tutkittu jo pitkään. Pohjoismaisien sähkömarkkinoiden vapautuminen on vaikuttanut sähkönkulutuksen ennustamiseen. Aluksi työssä perehdyttiin aiheeseen liittyvään kirjallisuuteen. Sähkönkulutuksen käyttäytymistä tutkittiin eri aikoina. Lämpötila tilastojen käyttökelpoisuutta arvioitiin sähkönkulutusennustetta ajatellen. Kulutus ennusteet tehtiin tunneittain ja ennustejaksona käytettiin yhtä viikkoa. Työssä tutkittiin sähkönkulutuksen- ja lämpötiladatan saatavuutta ja laatua Nord Poolin markkina-alueelta. Syötettävien tietojen ominaisuudet vaikuttavat tunnittaiseen sähkönkulutuksen ennustamiseen. Sähkönkulutuksen ennustamista varten mallinnettiin kaksi lähestymistapaa. Testattavina malleina käytettiin regressiomallia ja autoregressiivistä mallia (autoregressive model, ARX). Mallien parametrit estimoitiin pienimmän neliösumman menetelmällä. Tulokset osoittavat että kulutus- ja lämpötiladata on tarkastettava jälkikäteen koska reaaliaikaisen syötetietojen laatu on huonoa. Lämpötila vaikuttaa kulutukseen talvella, mutta se voidaan jättää huomiotta kesäkaudella. Regressiomalli on vakaampi kuin ARX malli. Regressiomallin virhetermi voidaan mallintaa aikasarjamallia hyväksikäyttäen.

Kysynnän ennustaminen leipomotuotteille ja ennusteen tarkkuuden arviointi

Tässä diplomityössä tutkittiin kysynnän ennustamista Vaasan & Vaasan Oy:n tuotteille. Ensin työssä perehdyttiin ennustamiseen ja sen tarjoamiin mahdollisuuksiin yrityksessä. Erityisesti kysynnän ennustamisesta saatavat hyödyt käytiin läpi. Kysynnän ennustamisesta haettiin ratkaisua erityisesti ongelmiin työvuorosuunnittelussa.Työssä perehdyttiin ennustemenetelmiin liittyvään kirjallisuuteen, jonka oppien perusteella tehtiin koe-ennustuksia yrityksen kysynnän historiadatan avulla. Koe-ennustuksia tehtiin kuudelle eri Turun leipomon koe-tuotteelle. Ennustettavana aikavälinä oli kahden viikon päiväkohtainen kysyntä. Tämän aikavälin erityisesti peruskysynnälle etsittiin ennustetarkkuudeltaan parasta kvantitatiivista ennustemenetelmää. Koe-ennustuksia tehtiin liukuvilla keskiarvoilla, klassisella aikasarja-analyysillä, eksponentiaalisen tasoituksen menetelmällä, Holtin lineaarisella eksponenttitasoituksen menetelmällä, Wintersin kausittaisella eksponentiaalisella tasoituksella, autoregressiivisillä malleilla, Box-Jenkinsin menetelmällä ja regressioanalyysillä. Myös neuroverkon opettamista historiadatalla ja käyttämistä ongelman ratkaisun apuna kokeiltiin.Koe-ennustuksien tulosten perusteella ennustemenetelmien toimintaa analysoitiin jatkokehitystä varten. Ennustetarkkuuden lisäksi arvioitiin mallin yksinkertaisuutta, helppokäyttöisyyttä ja sopivuutta yrityksen monien tuotteiden ennustamiseen. Myös kausivaihteluihin, trendeihin ja erikoispäiviin kiinnitettiin huomiota. Ennustetarkkuuden huomattiin parantuvan selvästi peruskysyntää ennustettaessa, jos ensin historiadata esikäsittelemällä puhdistettiin erikoispäivistä ja –viikoista.

Stock and Bond Market Integration: Evidence from Russian Financial Markets

Minimizing the risks of an investment portfolio but not in the favour of expected returns is one of the key interests of an investor. Typically, portfolio diversification is achieved using two main strategies: investing in different classes of assets thought to have little or negative correlations or investing in similar classes of assets in multiple markets through international diversification. This study investigates integration of the Russian financial markets in the time period of January 1, 2003 to December 28, 2007 using daily data. The aim is to test the intra-country and cross-country integration of the Russian stock and bond markets between seven countries. Our test methodology for the short-run dynamics testing is the vector autoregressive model (VAR) and for the long-run cointegration testing we use the Johansen cointegration test which is an extension to VAR. The empirical results of this study show that the Russian stock and bond markets are not integrated in the long-run either at intra-country or cross-country level which means that the markets are relatively segmented. The short-run dynamics are also relatively low. This implies a presence of potential gains from diversification.

Combining Advanced Forecasting Methods with System Dynamics - the Case of Finnish Seaports

Seaports play an important part in the wellbeing of a nation. Many nations are highly dependent on foreign trade and most trade is done using sea vessels. This study is part of a larger research project, where a simulation model is required in order to create further analyses on Finnish macro logistical networks. The objective of this study is to create a system dynamic simulation model, which gives an accurate forecast for the development of demand of Finnish seaports up to 2030. The emphasis on this study is to show how it is possible to create a detailed harbor demand System Dynamic model with the help of statistical methods. The used forecasting methods were ARIMA (autoregressive integrated moving average) and regression models. The created simulation model gives a forecast with confidence intervals and allows studying different scenarios. The building process was found to be a useful one and the built model can be expanded to be more detailed. Required capacity for other parts of the Finnish logistical system could easily be included in the model.

MCMC Analysis Of Classical Time Series Algorithms

Identification of order of an Autoregressive Moving Average Model (ARMA) by the usual graphical method is subjective. Hence, there is a need of developing a technique to identify the order without employing the graphical investigation of series autocorrelations. To avoid subjectivity, this thesis focuses on determining the order of the Autoregressive Moving Average Model using Reversible Jump Markov Chain Monte Carlo (RJMCMC). The RJMCMC selects the model from a set of the models suggested by better fitting, standard deviation errors and the frequency of accepted data. Together with deep analysis of the classical Box-Jenkins modeling methodology the integration with MCMC algorithms has been focused through parameter estimation and model fitting of ARMA models. This helps to verify how well the MCMC algorithms can treat the ARMA models, by comparing the results with graphical method. It has been seen that the MCMC produced better results than the classical time series approach.

Luottolaitosten oman pääoman määrän muutos ja Basel II

Luottolaitosten pääoman valvonta on tärkeä osa talouden tasapainon säilyttämisessä. Tässä tutkielmassa tutkitaan miten luottolaitosten pääoman sääntelyn Basel II:n säännönmuutokset vuonna 2007 ovat vaikuttaneet luottolaitosten oman pääoman määrään. Muuttuneiden säännösten vaikutuksia selvitetään tutkimalla eurooppalaisten luottolaitosten omavaraisuusasteita ajalla 1999 – 2009 yleistetyllä lineaarisella regressiolla ja autoregressiivisellä aikasarjamallinnuksella. Talouden suhdanteiden ja vuonna 2007 alkaneen finanssikriisin vaikutukset pääoman määrään huomioidaan bruttokansantuotteen kasvun avulla analyysissa. Tuloksena todetaan, että oman pääoman määrä luottolaitoksissa on vähentynyt merkitsevästi Basel II:n voimaan astumisen jälkeen, mutta muutos on luultavasti aiheutunut talouden laskusuhdanteesta.

The determination of EONIA rate: The impact of the financial crisis and the effects of the changes in the monetary policy implementation framework

EONIA is a market based overnight interest rate, whose role as the starting point of the yield curve makes it critical from the perspective of the implementation of European Central Bank´s common monetary policy in the euro area. The financial crisis that started in 2007 had a large impact on the determination mechanism of this interest rate, which is considered as the central bank´s operational target. This thesis examines the monetary policy implementation framework of the European Central Bank and changes made to it. Furthermore, we discuss the development of the recent turmoil in the money market. EONIA rate is modelled by means of a regression equation using variables related to liquidity conditions, refinancing need, auction results and calendar effects. Conditional volatility is captured by an EGARCH model, and autocorrelation is taken into account by employing an autoregressive structure. The results highlight how the tensions in the initial stage of the market turmoil were successfully countered by ECB´s liquidity policy. The subsequent response of EONIA to liquidity conditions under the full allotment liquidity provision procedure adopted after the demise of Lehman Brothers is also established. A clear distinction in the behavior of the interest rate between the sub-periods was evident. In the light of the results obtained, some of the challenges posed by the exit-strategy implementation will be addressed.

Orthogonal function method in modelling paper web quality variation

This work is devoted to the analysis of signal variation of the Cross-Direction and Machine-Direction measurements from paper web. The data that we possess comes from the real paper machine. Goal of the work is to reconstruct the basis weight structure of the paper and to predict its behaviour to the future. The resulting synthetic data is needed for simulation of paper web. The main idea that we used for describing the basis weight variation in the Cross-Direction is Empirical Orthogonal Functions (EOF) algorithm, which is closely related to Principal Component Analysis (PCA) method. Signal forecasting in time is based on Time-Series analysis. Two principal mathematical procedures that we used in the work are Autoregressive-Moving Average (ARMA) modelling and Ornstein–Uhlenbeck (OU) process.

Stochastic variability of output levels in a pulp mill

Quite often, in the construction of a pulp mill involves establishing the size of tanks which will accommodate the material from the various processes in which case estimating the right tank size a priori would be vital. Hence, simulation of the whole production process would be worthwhile. Therefore, there is need to develop mathematical models that would mimic the behavior of the output from the various production units of the pulp mill to work as simulators. Markov chain models, Autoregressive moving average (ARMA) model, Mean reversion models with ensemble interaction together with Markov regime switching models are proposed for that purpose.

The Impact of European Macroeconomic News Announcements on CIVETS Stock Markets

The purpose of this research is to investigate how CIVETS (Colombia, Indonesia, Vietnam, Egypt, Turkey and South Africa) stock markets are integrated with Europe as measured by the impact of euro area (EA) scheduled macroeconomic news announcements, which are related to macroeconomic indicators that are commonly used to indicate the direction of the economy. Macroeconomic announcements used in this study can be divided into four categories; (1) prices, (2) real economy, (3) money supply and (4) business climate and consumer confidence. The data set consists of daily market data from CIVETS and scheduled macroeconomic announcements from the EA for the years 2007-2012. The econometric model used in this research is Exponential Generalized Autoregressive Conditional Heteroscedasticity (EGARCH). Empirical results show diverse impacts of macroeconomic news releases and surprises for different categories of news supporting the perception of heterogeneity among CIVETS. The analyses revealed that in general EA macroeconomic news releases and surprises affect stock market volatility in CIVETS and only in some cases asset pricing. In conclusion, all CIVETS stock markets reacted to the incoming EA macroeconomic news suggesting market integration to some extent. Thus, EA should be considered as a possible risk factor when investing in CIVETS.

Dynamic linkages of real estate and stock markets in Finland

Traditionally real estate has been seen as a good diversification tool for a stock portfolio due to the lower return and volatility characteristics of real estate investments. However, the diversification benefits of a multi-asset portfolio depend on how the different asset classes co-move in the short- and long-run. As the asset classes are affected by the same macroeconomic factors, interrelationships limiting the diversification benefits could exist. This master’s thesis aims to identify such dynamic linkages in the Finnish real estate and stock markets. The results are beneficial for portfolio optimization tasks as well as for policy-making. The real estate industry can be divided into direct and securitized markets. In this thesis the direct market is depicted by the Finnish housing market index. The securitized market is proxied by the Finnish all-sectors securitized real estate index and by a European residential Real Estate Investment Trust index. The stock market is depicted by OMX Helsinki Cap index. Several macroeconomic variables are incorporated as well. The methodology of this thesis is based on the Vector Autoregressive (VAR) models. The long-run dynamic linkages are studied with Johansen’s cointegration tests and the short-run interrelationships are examined with Granger-causality tests. In addition, impulse response functions and forecast error variance decomposition analyses are used for robustness checks. The results show that long-run co-movement, or cointegration, did not exist between the housing and stock markets during the sample period. This indicates diversification benefits in the long-run. However, cointegration between the stock and securitized real estate markets was identified. This indicates limited diversification benefits and shows that the listed real estate market in Finland is not matured enough to be considered a separate market from the general stock market. Moreover, while securitized real estate was shown to cointegrate with the housing market in the long-run, the two markets are still too different in their characteristics to be used as substitutes in a multi-asset portfolio. This implies that the capital intensiveness of housing investments cannot be circumvented by investing in securitized real estate.

Foreign Direct Investment, Clean Development Mechanism, and Environmental Management: A case of Sub-Saharan Africa

This doctoral dissertation explores the contribution of environmental management practices, the so-called clean development mechanism (CDM) projects, and foreign direct investment (FDI) in achieving sustainable development in developing countries, particularly in Sub- Saharan Africa. Because the climate change caused by greenhouse gas emissions is one of the most serious global environmental challenges, the main focus is on the causal links between carbon dioxide (CO2) emissions, energy consumption, and economic development in Sub-Saharan Africa. In addition, the dissertation investigates the factors that have affected the distribution of CDM projects in developing countries and the relationships between FDI and other macroeconomic variables of interest. The main contribution of the dissertation is empirical. One of the publications uses crosssectional data and Tobit and Poisson regressions. Three of the studies use time-series data and vector autoregressive and vector error correction models, while two publications use panel data and panel data estimation methods. One of the publications uses thus both timeseries and panel data. The concept of Granger causality is utilized in four of the publications. The results indicate that there are significant differences in the Granger causality relationships between CO2 emissions, energy consumption, economic growth, and FDI in different countries. It appears also that the causality relationships change over time. Furthermore, the results support the environmental Kuznets curve hypothesis but only for some of the countries. As to CDM activities, past emission levels, institutional quality, and the size of the host country appear to be among the significant determinants of the distribution of CDM projects. FDI and exports are also found to be significant determinants of economic growth.