Extended CV

Denne siden utdyper CV-en: hva hvert emne faktisk dekket og hvilken kompetanse det gir. Graden min er en master i økonomi og ledelse med fordypning i Business Analytics (siviløkonom). Jeg er særlig interessert i maskinlæring, anvendt prognostisering og å omsette data til innsikt, dette gjenspeiles i emnene under og i masteroppgaven.

Masteroppgave

En sammenligning av fundamentale og statistiske risikofaktormodeller

MØLBA4900 · 2026

Felles masteroppgave, gjennomført med en medstudent. Vi bygde og evaluerte en fundamental (karakteristikk-basert, Barra-stil) multifaktor-risikomodell mot en statistisk (PCA-basert) faktormodell for kovariansestimering og konstruksjon av globale minimum-varians-porteføljer (GMV) på Oslo Børs, målt mot en naiv estimator. Arbeidet dekket hele pipelinen, fra rådata til out-of-sample statistisk testing.

Dataunivers og rensing (Python, EODHD API).

• Hentet ujusterte og justerte sluttkurser for både noterte og avnoterte selskaper for å redusere overlevelsesskjevhet, brukte ujusterte priser til faktorkonstruksjon (justerte priser inneholder look-ahead-skjevhet fra fremtidige selskapshendelser) og justerte priser til avkastning.
• Renset universet: oppdaget og løste omdøpte/dupliserte tickere via korrelasjonskontroller, flagget og fjernet korrupte prisserier og uforklarte outliere, og dokumenterte hver fjernede ticker med begrunnelse.
• Håndterte valuta konsistent: identifiserte tidsserie- og rapporteringsvaluta, verifiserte manglende balansevaluta manuelt mot publiserte rapporter, og mappet historiske valutapar for å konvertere alt til NOK.

Faktorkonstruksjon (point-in-time).

• Bygde rundt elleve selskapskarakteristikker med point-in-time-ankomst av regnskapsinformasjon: verdi (book-to-market), størrelse (log markedsverdi), momentum, kortsiktig reversering, CAPM idiosynkratisk volatilitet, Amihud-illikviditet, dividendeyield, markedsbeta, oljeprisbeta (Brent futures), rente-/yieldspread-sensitivitet, gjeldsgrad (debt-to-assets) og aktivavekst, pluss GICS-sektormapping.

Estimering og diagnostikk (R).

• Estimerte den fundamentale modellen som en sekvens av markedsverdivektede tverrsnitts-WLS-regresjoner (én per handelsdag) for å hente ut faktoravkastninger, med winsorisering per tverrsnitt, og dannet kovariansen som \(B\,\Sigma_f\,B' + D\) med EWMA-glattet idiosynkratisk varians.
• Kjørte diagnostikk: faktoravkastningsserier, gjennomsnittlig \(R^2\), variance-inflation (VIF) for multikollinearitet, og ADF-tester for stasjonaritet.
• Estimerte den statistiske modellen med EWMA-vektet rullerende PCA, der antall faktorer ble valgt med Bai–Ng-informasjonskriterier.

Out-of-sample-evaluering.

• Konstruerte predikerte GMV-porteføljer fra hver modells kovarians i et walk-forward-design, fulgte realisert varians, og testet tapsdifferanser med Diebold–Mariano-testen (inkludert en stasjonaritetskontroll på differensialene).
• Resultat: de to modellfamiliene var statistisk uskillbare over hele out-of-sample-perioden — tolket, i lys av litteraturen om estimeringsfeil, som et substansielt funn om et lite marked snarere enn et ikke-resultat.

Kvantitative og tekniske emner

Finansiell modellering

MØLBA3005 · A

Porteføljeteori og risikodiversifisering; empiriske tester av markedseffisienshypotesen og CAPM; kapitalstruktur og optimal finansieringsmiks; verdsettelse i prinsipp og praksis; forwards, futures og opsjoner; og modellering av volatilitet og korrelasjon — implisitt og realisert volatilitet, og volatilitetsprognoser med ARCH, GARCH, HAR-RV og kvantilregresjon. Bygger evnen til å prise derivater under no-arbitrage-prinsippet, anvende Monte Carlo-simulering til opsjonsprising, måle porteføljerisiko med flere metoder, verdsette selskaper og egenkapital, og implementere handelsstrategier.

Kvantitative metoder og avansert statistisk modellering

LMSM130 (A) · MØLBA3007 (B)

En økonometrisekvens over to emner: forskningsdesign og forutsetningene for og tolkningen av multippel lineær regresjon; logistisk regresjon; instrumentvariabelregresjon; paneldatamodeller; eksplorerende og bekreftende faktoranalyse; og, på det avanserte nivået, endogenitet, modeller for begrensede avhengige variabler, og partial least squares structural equation modelling (PLS-SEM). Bygger evnen til å teste OLS-forutsetninger, skille prediktiv fra kausal tolkning, begrunne metodevalg ut fra de underliggende forutsetningene, og designe og gjennomføre avanserte empiriske studier på data fra næringsliv, økonomi og finans.

Maskinlæring

MØLBA3002 · B

Veiledet læring rammet inn rundt minimering av forventet tap for optimale beslutninger: regresjonsmetoder (lineær regresjon, nevrale nett); klassifisering (logistisk regresjon, diskriminantanalyse, naive Bayes); ytelsesevaluering; bias–varians-avveiingen; modellseleksjon og -gjennomsnitt; regularisering; og kryssvalidering og bootstrap. Bygger evnen til å implementere og evaluere maskinlæringsalgoritmer og gjøre kvalifiserte metodevalg for et gitt problem.

Business forecasting

MØLBA3004 · A

Mønstre i tidsseriedata og dekomponering i trend, sykel, sesong og støy; glidende gjennomsnitt og eksponentiell glatting; dynamisk regresjon; ARIMA; multivariate tidsserier som vektorautoregresjon; avanserte metoder inkludert nevrale nett og tilstandsromsmodeller; prognosekombinasjon; og tapsfunksjoner, prognosenøyaktighet og optimalitet. Bygger evnen til å lage og evaluere prognoser, kombinere dem for bedre nøyaktighet, og gjenkjenne forholdene der modeller bryter sammen.

Anvendt programmering

LDBA200 · A

Sentrale programmeringskonsepter; variabeltyper og datastrukturer; funksjoner, løkker, tilordninger, subsetting og betingelser; algoritmisk tenkning; verktøy for data wrangling, deskriptiv analyse, testing og visualisering; debugging; og dokumentasjon, reproduserbarhet og automatisering. Bygger evnen til å skrive programmer som løser forretningsproblemer og lage reproduserbare skript og dynamiske rapporter.

Data engineering

MØLBA3001 · B

Innhenting, rensing, transformering og lasting av data: datatyper, -strukturer og -kilder; datainnhenting; lagring i databaser og datavarehus; SQL; skyløsninger og programmeringsgrensesnitt; særtrekk ved Big Data; og rollen datahåndtering spiller i verdiskaping. Bygger evnen til å hente ut, transformere og slå sammen data med SQL og å hente lokale og web-baserte kilder.

Effektivitetsanalyse / business performance

MØLBA3003 · B

Måling og benchmarking av virksomheters ytelse: identifisering av innsatsfaktorer og produkter; bruk av determinanter og miljøvariabler for å fange heterogenitet mellom selskaper; effektivitetsanalyse med både parametriske og ikke-parametriske metoder; optimeringsmetoder; produktivitetsanalyse og indekser; og benchmarking. Bygger evnen til å gjennomføre produktivitets- og effektivitetsanalyser og anbefale tiltak for å forbedre ytelsen.

Personvern og etikk

MØLBA3008 · C

Personvern og databeskyttelse; GDPR og innebygd personvern; dataklassifisering og -overføring; EØS-forpliktelser og regler for grensekryssende dataoverføring; og de etiske paradoksene ved big data-analyse. Bygger evnen til å identifisere personvern- og juridisk risiko og håndtere data innenfor regelverk og etiske standarder.

Ledelses- og økonomifag

Økonomistyring (management accounting and control)

LMØS120 · C

Tradisjonelle og moderne tilnærminger til økonomistyring og koblingen mellom strategi og økonomisk styring; budsjetter, prognoser, residualinntektsmodeller, balansert målstyring, aktivitetsbasert kalkulasjon og målkostnad; prestasjonsmåling og -styring; og den endrede rollen til styringsfunksjonen under digitalisering.

Strategi og ledelse

LMMF120 · B

Strategi som akademisk felt og strategiske prosesser; digital påvirkning på strategi; markeds- og konkurranseposisjonering; lederrollen og digital transformasjon; konkurrent- og omgivelsesanalyse; nettverksstrategier; insentivsystemer og prestasjonsmål; og etikk og samfunnsansvar.

Sustainable business model innovation

INN3024 · C

Design av forretningsmodeller som forener økonomisk, sosial og miljømessig måloppnåelse; analyse av forretningsmodeller og samfunnsansvar gjennom case fra norske og internasjonale selskaper; og hvordan komme forbi den tradisjonelle avveiingen mellom ansvar og lønnsomhet.