Fondrobotar, privatspararens bästa vän?

dc.contributor.authorHansson Häggstrand, Ida
dc.contributor.authorLevin Hane, Gabriel
dc.contributor.authorPettersson, Anton
dc.contributor.authorRahm, Axel
dc.contributor.authorRamhult, Axel
dc.contributor.authorRöst, Jonas
dc.contributor.departmentChalmers tekniska högskola / Institutionen för teknikens ekonomi och organisationsv
dc.contributor.examinerBohlin, Erik
dc.contributor.supervisorBohlin, Erik
dc.date.accessioned2022-06-09T12:40:52Z
dc.date.available2022-06-09T12:40:52Z
dc.date.issued2022sv
dc.date.submitted2020
dc.description.abstractProblem: Användningen av fondrobotar har under de senaste åren ökat kraftigt och antalet fondrobottjänster som erbjuds likaså. På grund av börsmarknaders tendenser att vara volatila och osäkra ställs höga krav på den framväxande sparformen i form av riskhantering och krishantering. En kartläggning av fondrobotar är således nödvändig för att ge möjlighet till förståelse för den automatiserade sparformen som fler och fler kunder vänder sig till. Syfte: Studien syftar till att kartlägga dagens fondrobotar på den svenska marknaden och skapa en förståelse för hur dessa hanterar svängningar på börsmarknaden. Fortsättningsvis är syftet att analysera hur AI och maskininlärning kan implementeras i fondrobotar, samt dess effekter. Metod: Metoden som använts i studien går att dela upp i tre delar; en litteraturstudie, en intervjustudie och en delfistudie. Intervjustudien genomfördes för att samla in underlag till kartläggningen av dagens fondrobotar medan litteraturstudien samt delfistudien hade som syfte att undersöka framtidsfrågor om implementation av AI och maskininlärning. Resultat och analys: Resultatet visar att automatiseringsgraden hos dagens fondrobotar skiljer sig åt. En av likheterna är att samtliga undersökta fondrobotföretag använder sig av algoritmer för att profilera sina kunder, medan en skillnad är hur potentiella innehav analyseras. Vidare indikerar resultatet att tron på hur AI kan implementeras samt vilka effekter det skulle medföra varierar. Tydligt är även att datatillgänglighet är en avgörande faktor för AI:s prestanda. Slutsats: Studien visar att fondrobotarnas automatiseringsgrad skiljer sig åt. Orsaken går att härleda till investeringsfilosofi och tron på Efficient Market Hypothesis. För att minska risk använder samtliga fondrobotar diversifiering. Ombalansering används i vissa fall för att hantera risk, vilket korrelerar med deras investeringsfilosofi. AI:s framtida påverkan kommer med stor sannolikhet bestå av att fungera som ett analysverktyg. AI kommer inte kunna förutse börskrascher inom en femårsperiod eftersom den inte har tillgång till all data som krävs.sv
dc.identifier.coursecodeTEKX04sv
dc.identifier.urihttps://hdl.handle.net/20.500.12380/304634
dc.language.isoswesv
dc.relation.ispartofseriesTEKX04-22-19sv
dc.setspec.uppsokTechnology
dc.subjectfondrobotsv
dc.subjectautomatiserad tradingsv
dc.subjectfondförvaltningsv
dc.subjectportföljhanteringsv
dc.subjectartificiell intelligenssv
dc.subjectfintechsv
dc.subjectinvesteringsv
dc.subjectprivatekonomisv
dc.subjectfinanssv
dc.titleFondrobotar, privatspararens bästa vän?sv
dc.type.degreeExamensarbete på kandidatnivåsv
dc.type.uppsokM2
Ladda ner
Original bundle
Visar 1 - 1 av 1
Hämtar...
Bild (thumbnail)
Namn:
TEKX04-22-19.pdf
Storlek:
2.2 MB
Format:
Adobe Portable Document Format
Beskrivning:
License bundle
Visar 1 - 1 av 1
Hämtar...
Bild (thumbnail)
Namn:
license.txt
Storlek:
1.51 KB
Format:
Item-specific license agreed upon to submission
Beskrivning: