Bakgrund: Uppkomsten av Internet och introduktionen av Internettjänster som möjliggör Aktiehandel har gjort det möjligt att handla med aktier på ett helt nytt sätt. Denna uppsats fokuserar på att utreda huruvida Internet och Internettjänster som möjliggör Aktiehandel via Internet har påverkat Aktiehandeln vid Stockholmsbörsen. Frågorna uppsatsen har besvarats med hjälp av litteratur samt med hjälp av intervjuer med ansvariga för Aktiehandeln vid två av Sveriges största banker.Problem: Hur har Aktiehandeln på Stockholmsbörsen påverkats i och med att svenska folket fick tillgång till Internet och Internettjänster som möjliggör Aktiehandeln?Vilka likheter och skillnader finns det mellan Aktiehandel över Internet och annan Internetbaserad handel?Syfte: Syftet med uppsatsen är att utreda hur Aktiehandeln vid Stockholmsbörsen har påverkats i och med att Aktiehandeln har blivit förenklad och tillgänglig för alla i en större utsträckning genom tillgången till Internettjänster som möjliggör Aktiehandel. Ett delsyfte är att testa förklaringsvärdet på modellen för Internethandel som appliceras på empirin i denna uppsats.Resultat: Studien som har genomförts visar att Internettjänsterna inte direkt har lockat nya investerare att investera i aktier.

Syftet med uppsatsen är att undersöka vilka fördelar det finns för affärsbanker att använda sig utav handelsalgoritmer inom Aktiehandel jämfört med manuell handel. Genom att intervjua tre företag som verkar inom handel med värdepapper skall jag försöka få svar på varför den algoritmiska handeln ökat och vilka dess fördelar är gentemot manuell handel. Undersökningen visar att en stor anledning till att företag ökar sin användning av handelsalgoritmer inom sin Aktiehandel är för att det är mer kostnadseffektivt alternativ jämfört med manuell handel. Datorernas snabbhet och möjlighet att överblicka flera marknader och tusentals värdepapper samtidigt gör att affärsbankerna kan göra fler affärer jämfört med manuell handel men med färre mäklare..

Syftet med uppsatsen är att undersöka vilka fördelar det finns för affärsbanker att använda sig utav handelsalgoritmer inom Aktiehandel jämfört med manuell handel. Genom att intervjua tre företag som verkar inom handel med värdepapper skall jag försöka få svar på varför den algoritmiska handeln ökat och vilka dess fördelar är gentemot manuell handel. Undersökningen visar att en stor anledning till att företag ökar sin användning av handelsalgoritmer inom sin Aktiehandel är för att det är mer kostnadseffektivt alternativ jämfört med manuell handel. Datorernas snabbhet och möjlighet att överblicka flera marknader och tusentals värdepapper samtidigt gör att affärsbankerna kan göra fler affärer jämfört med manuell handel men med färre mäklare..

Syftet med denna uppsats är att ytreda huruvida det existerar en semestereffekt på den svenska aktiemarknaden. Författarna har studerat Stockholmsbörsen via Affärsvärldens generalindex med perioden 1990-2005 som grund. Via en referensperiod har det påvisats att denna effekt tycks ha uppkommit under de senaste 20 åren. Anledningarna till detta tros främst bero på ett tilltagande intresse för Aktiehandel och den påtagligt förbättrade infrastrukturen kring denna..

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.

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.

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 aren 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 gerbra förutsägelser av framtida aktiekurser. Under projektet har ett mjukvarusystemsom genererar och tränar artificiella neuronn at av typen feedforwardutvecklats för att kunna testa neuronnät med olika indata, struktur och träningsinställningar.

I den här undersökningen har vi konstruerat en investeringsmodell, baserad enbart på finansiella nyckeltal. Modellen riktar sig mot privata aktiesparare då vi märkt att investeringsmodeller och andra existerande analysverktyg för Aktiehandel är komplicerade och i regel avsedda för professionella aktörer.I modellen ingår fem nyckeltal som vi har valt utifrån tidigare forskning samt egna preferenser. Nyckeltalen har beräknats för 24 börsnoterade företag på Stockholmsbörsen 1991-12-31 - 1995-12-31. Syftet med investeringsmodellen är att bilda en aktieportfölj som vi prognostiserat ska ha genererat högre avkastning än jämförbara marknadsindex under perioden 1995-12-31 - 2009-12-31. Aktieportföljen inkluderat/exkluderar företag beroende av ifall de uppfyller investeringsmodellens nyckeltalsgränser.Resultatet av undersökningen visar att vår aktieportfölj var överlägsen markandsindex.