Aktiemarknadens mest grundläggande uppgift är att genom nyemissioner förmedla nytt kapital till näringslivet för investering och utveckling. Inveserarnas incitament till att placera nytt kapital vid nyemissioner kommer att minska om aktiekurserna inte helt återspeglar all tillgänglig information. En effektiv aktiemarknad är därför av stor betydelse för samhällsekonomin. Studier om marknadseffektivitet har pågått sedan 1950- talet. Eugen F.

Aktiemarknaden fyller en viktig funktion genom att förmedla kapital från placerare till företag med behov av kapital för investeringar. För att Aktiemarknaden ska kunna förmedla kapitalet på ett så bra sätt som möjligt är det av största vikt att aktiekurserna reflekterar all tillgänglig information, det vill säga att marknaden är effektiv. Vår ambition med denna uppsats har varit att redogöra för svensk lagstiftning gällande marknadsmissbruk. Vi har även på ett tydligt sätt belyst och utvecklat det tankar som lett fram till den nya lagen om marknadsmissbruk och hur denna är utformad, samt tittat närmare på det brott som har direkt anknytning till lagstiftningen..

Syftet med studien var att undersöka om insynspersoner genererar en extra avkastning gentemot övriga placerare på den svenska Aktiemarknaden. Eventstudiemetoden ligger till grund för vår kvantitativa angreppssätt. Vi har använt oss av marknadsmodellen för att mäta den abnormal avkastningens effekt av insynstransaktioner. Resultaten visar på många signifikanta resultat. Studien visar att det ofta förekommer abnormala avkastningar vid köptransaktioner på den svenska aktiemarkanden.

Tidigare forskning visar att nyintroduktioner o?veravkastar den fo?rsta handelsdagen men underpresterar relativt ett ja?mfo?rande index pa? la?ngre sikt. Enligt den effektiva marknadshypotesen a?r det inte mo?jligt att fo?rutse prisro?relser i marknaden med hja?lp av information som redan a?r tillga?nglig fo?r allma?nheten. Denna studie underso?ker om det finns en avvikelse fra?n den effektiva marknadshypotesen pa? den svenska Aktiemarknaden fo?r nyintroduktioner beroende pa? bo?rsens trendla?ge.

Finanskrisen uppstod i samband med att banker världen över, men främst i USA lånade ut pengar till folk för att de skulle köpa fastigheter. Stora delar av dessa låntagare hade inte förmågan att betala tillbaka räntan och amorteringen, vilket ledde till att bankerna uteblev intäkter och istället hade en massa fastigheter som kom att säljas via exekutiva auktioner. Oroligheten bankerna och investmentbolagen emellan ledde till att ingen vågade låna ut pengar till den andra och detta eskalerade till att ett av USA:s största investmentbolag gick i konkurs. Flera andra investmentbolag fusionerade med andra starkare bolag för att klara sig ur krisen.Syftet med denna uppsats är att se hur styrräntan påverkar Aktiemarknaden. Påverkas olika branscher olika av ränteförändringen? Hur påverkas Aktiemarknaden av reporäntan under en högkonjunktur som övergår kraftigt till extrem lågkonjunktur det vill säga finanskris? Undersökningens material består av olika finans, ekonomi och Riksbankens hemsida samt vetenskapliga artiklar och internetsidor, för att kunna pröva teorier som ställts för att få fram ett samband mellan reporänta och Aktiemarknaden.Författaren kommer att använda sig av kvantitativa metoder i forskningen då det görs en eventstudie för att få fram sambandet mellan reporäntan och Aktiemarknaden, på grund av att författaren utgår från konkret fakta som återfinns hos Riksbanken och Stockholms börs OMX.Marknaden verkar vara väldigt effektiv enlig den effektiva marknadshypotesen (EMH).

Syftet med denna uppsats är att kartlägga kapitalstrukturen i olika branscher på den svenska Aktiemarknaden och utifrån detta utröna om skillnader mellan branscher kan påvisas. Om skillnader kan identifieras syftar uppsatsen till att visa vilka faktorer som ligger bakom dessa skillnader. Uppsatsen syftar även till att analysera skillnader mellan branscher över tiden. Utifrån statistiska metoder undersöker uppsatsen om det föreligger skillnader i kapitalstruktur mellan de olika branscherna på den svenska Aktiemarknaden. Uppsatsen baseras på två mättidpunkter, år 1990 och år 2000, för att se om det skett förändringar över tiden.

Olika modeller har genom åren tagits fram för att förenkla analys av Aktiemarknaden. En relativt ny teknik är så kallade artificiella neuronnät.Dessa modeller har visat sig lovande när det gäller att förutsägaaktiekurser. Projektets syfte är att hitta artificiella neuronnät som ger bra förutsägelser av framtida aktiekurser. Under projektet har ett mjukvarusystemsom genererar och tränar artificiella neuronnät av typen feedforward utvecklats för att kunna testa neuronnät med olika indata, struktur och träningsinställningar. För att komma fram till vilka konfigurationer på neuronnäten som ger bra resultat har näten testats genom simulerad aktiehandel där köp- och säljbeslut grundats på neuronnätens förutsägelser.

Olika modeller har genom åren tagits fram för att förenkla analys av Aktiemarknaden. En relativt ny teknik är så kallade artificiella neuronnät.Dessa modeller har visat sig lovande när det gäller att förutsägaaktiekurser. Projektets syfte är att hitta artificiella neuronnät som ger bra förutsägelser av framtida aktiekurser. Under projektet har ett mjukvarusystemsom genererar och tränar artificiella neuronnät av typen feedforward utvecklats för att kunna testa neuronnät med olika indata, struktur och träningsinställningar. För att komma fram till vilka konfigurationer på neuronnäten som ger bra resultat har näten testats genom simulerad aktiehandel där köp- och säljbeslut grundats på neuronnätens förutsägelser.

Olika modeller har genom åren tagits fram för att förenkla analys av Aktiemarknaden. En relativt ny teknik är så kallade artificiella neuronnät.Dessa modeller har visat sig lovande när det gäller att förutsägaaktiekurser. Projektets syfte är att hitta artificiella neuronnät som ger bra förutsägelser av framtida aktiekurser. Under projektet har ett mjukvarusystemsom genererar och tränar artificiella neuronnät av typen feedforward utvecklats för att kunna testa neuronnät med olika indata, struktur och träningsinställningar. För att komma fram till vilka konfigurationer på neuronnäten som ger bra resultat har näten testats genom simulerad aktiehandel där köp- och säljbeslut grundats på neuronnätens förutsägelser.

Olika modeller har genom åren tagits fram för att förenkla analys av Aktiemarknaden. En relativt ny teknik är så kallade artificiella neuronnät.Dessa modeller har visat sig lovande när det gäller att förutsägaaktiekurser. Projektets syfte är att hitta artificiella neuronnät som ger bra förutsägelser av framtida aktiekurser. Under projektet har ett mjukvarusystemsom genererar och tränar artificiella neuronnät av typen feedforward utvecklats för att kunna testa neuronnät med olika indata, struktur och träningsinställningar. För att komma fram till vilka konfigurationer på neuronnäten som ger bra resultat har näten testats genom simulerad aktiehandel där köp- och säljbeslut grundats på neuronnätens förutsägelser.

I dagens globaliserade samhälle är det enkelt att placera sitt kapital på olika marknader. Dock kan det innebära både risker och möjligheter för investeraren. Vilket betyder att det satsade kapitalet antingen kan bli en lönsam investering eller gå förlorat. Bör hänsyn tas till landsrisker på Aktiemarknaden för att kunna bedöma investeringens lönsamhet?Syftet med studien är att ta reda på vilken betydelse landsrisker har för avkastningen i industri- respektive tillväxtländer.

Olika modeller har genom åren tagits fram för att förenkla analys av Aktiemarknaden. En relativt ny teknik är så kallade artificiella neuronnät.Dessa modeller har visat sig lovande när det gäller att förutsägaaktiekurser. Projektets syfte är att hitta artificiella neuronnät som ger bra förutsägelser av framtida aktiekurser. Under projektet har ett mjukvarusystemsom genererar och tränar artificiella neuronnät av typen feedforward utvecklats för att kunna testa neuronnät med olika indata, struktur och träningsinställningar. För att komma fram till vilka konfigurationer på neuronnäten som ger bra resultat har näten testats genom simulerad aktiehandel där köp- och säljbeslut grundats på neuronnätens förutsägelser.

Olika modeller har genom åren tagits fram för att förenkla analys av Aktiemarknaden. En relativt ny teknik är så kallade artificiella neuronnät.Dessa modeller har visat sig lovande när det gäller att förutsägaaktiekurser. Projektets syfte är att hitta artificiella neuronnät som ger bra förutsägelser av framtida aktiekurser. Under projektet har ett mjukvarusystemsom genererar och tränar artificiella neuronnät av typen feedforward utvecklats för att kunna testa neuronnät med olika indata, struktur och träningsinställningar. För att komma fram till vilka konfigurationer på neuronnäten som ger bra resultat har näten testats genom simulerad aktiehandel där köp- och säljbeslut grundats på neuronnätens förutsägelser.

Olika modeller har genom åren tagits fram för att förenkla analys av Aktiemarknaden. En relativt ny teknik är så kallade artificiella neuronnät.Dessa modeller har visat sig lovande när det gäller att förutsägaaktiekurser. Projektets syfte är att hitta artificiella neuronnät som ger bra förutsägelser av framtida aktiekurser. Under projektet har ett mjukvarusystemsom genererar och tränar artificiella neuronnät av typen feedforward utvecklats för att kunna testa neuronnät med olika indata, struktur och träningsinställningar. För att komma fram till vilka konfigurationer på neuronnäten som ger bra resultat har näten testats genom simulerad aktiehandel där köp- och säljbeslut grundats på neuronnätens förutsägelser.

Aktiekursen påverkas av en rad olika faktorer, allt från spekulationer- till nationella och internationella händelser. Många tidigare studier har genomförts för att undersöka i vilken utsträckning olika centrala makroekonomiska variabler påverkar aktiekursen, de flesta i USA och Asien. Studier på den svenska marknaden har i stort sett lyst med sin frånvaro. Syftet med studien är att undersöka om det finns något samband mellan olika aktieindex och makroekonomiska variabler genom att studera fyra olika branschindex; finans, fastighet, teknologi och industri. Syftet är att lyfta fram eventuella skillnader mellan branschindexen.