tulokset
Silmäile
Osuva
Osuva on Vaasan yliopiston avoin julkaisuarkisto. Osuva sisältää Vaasan yliopiston omat julkaisut, opinnäytteet ja tieteellisten artikkeleiden rinnakkaistallenteet. Osuvaan sisältyy julkaisujen viitetietoja, tiivistelmiä ja kokotekstejä. Sähköisten arkistokokoelmien sisältö ei ole luettavissa verkossa.
Kokoelmat Osuvassa
Viimeksi tallennetut
Using Artificial Intelligence to Forecast Stock Markets
Rauhala, Viljo-Verneri (2025-08-13)
This thesis examines the application of AI in stock market forecasting by comparing the per-formance of several AI-based models to traditional forecasting approaches. The study evalu-ates how AI models, such as Support Vector Machine (SVM), Artificial Neural Network (ANN) and Long Short-Term Memory (LSTM) can overcome the limitations of traditional models, which often rely on assumptions of market efficiency, linearity, and rational investor behav-iour. These assumptions frequently fail in modern, volatile, and non-linear financial environ-ments.
This thesis concludes that AI is not just a supportive technology but a critical component in the evolution of stock market forecasting and portfolio management. AI models enable real-time adaptability and improved decision-making in environments characterized by uncertain-ty and rapid change. As financial markets continue to evolve, the integration of AI with do-main knowledge and alternative data sources will shape the next generation of intelligent financial systems.Tässä tutkielmassa tarkastellaan tekoälyn soveltamista osakemarkkinoiden ennustamiseen
vertaamalla useiden tekoälypohjaisten mallien suorituskykyä perinteisiin ennustamismenetelmiin. Tutkimuksessa arvioidaan, kuinka tekoälymallit, kuten tukivektorikone
(SVM), tekoälyneuroverkko (ANN) ja pitkäkestoinen lyhytaikainen muisti (LSTM), voivat
ylittää perinteisten mallien rajoitukset, jotka usein perustuvat oletuksiin
markkinoiden tehokkuudesta, lineaarisuudesta ja sijoittajien rationaalisesta käyttäytymisestä. Nämä oletukset eivät useinkaan päde nykyaikaisissa, epävakaissa ja epälineaarisissa rahoitus
ympäristöissä.
Tässä tutkielmassa päätellään, että tekoäly ei ole vain tukeva teknologia, vaan kriittinen komponentti osakemarkkinoiden ennustamisen ja salkunhallinnan kehityksessä. Tekoälymallit mahdollistavat reaaliaikaisen sopeutumiskyvyn, paremman päätöksenteon epävarmuuden ja nopeiden muutosten leimaamissa ympäristöissä. Rahoitusmarkkinoiden kehittyessä edelleen tekoälyn integrointi alan tietämykseen ja vaihtoehtoisiin tietolähteisiin muokkaa seuraavan sukupolven älykkäitä rahoitusjärjestelmiä.
Recognition of Subtle Colour Differences : A Comparative Study of Machine Learning and Colour Difference Metrics
Isohanni, Jari (Vaasan yliopisto, 2025-08-22)
Väitöskirjassa tutkitaan hienovaraisten värisävyerojen tunnistamista eri menetelmillä. Hienovaraiset värisävyerot ovat tärkeitä eri sovelluksissa, kuten terveydenhuollossa, maataloudessa ja elintarviketeollisuudessa. Värisävyerojen avulla voidaan luokitella ja tunnistaa kuvista kiinnostavia piirteitä. Tässä väitöskirjassa keskitytään hienovaraisten värisävyerojen tunnistamiseen painotuotteista, ja yksi tutkimuksen sovelluskohteista ovat ns. funktionaaliset musteet. Funktionaalisten musteiden avulla voidaan valmistaa edullisia ei-elektronisia indikaattoreita, jotka ilmoittavat esimerkiksi tuotteen lämpötilan tai kosteuden värinmuutoksen avulla.
Väitöskirjassa käytetään värisävyerojen laskenta-algoritmeja sekä valvomatonta (unsupervised) ja valvottua (supervised) koneoppimista hienovaraisten värisävyerojen tunnistamiseksi. Värisävyerojen laskennassa käytetään uusimpia ja tarkoitukseen parhaiten soveltuvia matemaattisia kaavoja. Valvomattomissa menetelmissä hyödynnetään erilaisia ryhmittelymenetelmiä (clustering). Valvottujen menetelmien osalta tutkitaan yleisimpiä neuroverkkorakenteita (convolutional neural network). Väitöskirjan kokeellisissa osissa pyritään löytämään ne menetelmät, joilla hienovaraiset sävyerot voidaan tunnistaa parhaiten.
Värisävyerojen laskenta-algoritmit pystyvät tunnistamaan riittävän suuria värieroja todellisissa käyttötapauksissa. Ryhmittelymenetelmät toimivat tarkemmin kuin laskenta-algoritmit ja mahdollistavat myös pienempien värisävyerojen havaitsemisen. Parhaat tulokset saavutettiin konvoluutioneuroverkoilla, joista ResNet-34 osoittautui testeissä tarkimmaksi. Tätä arkkitehtuuria muokattiin edelleen käyttötarkoitukseen sopivammaksi. Sopivin neuroverkko saatiin, kun viimeinen yhdistävä kerros muutettiin keskiarvolaskennasta maksimilaskentaa n. Tässä arkkitehtuurissa käytettiin myös gradienttien keskittämistä osana oppimisprosessin takaisinkytkentää.
Eri menetelmiin vaikuttavat merkittävästi kuvien häiriöt ja kuvien laatu. Kuvien esikäsittelyllä on tärkeä rooli, kun väitöskirjassa esiteltyjä menetelmiä otetaan käyttöön eri sovelluksissa. Käyttötarkoituksesta riippuen ryhmittelymenetelmät voivat tarjota paremman hyöty-panossuhteen kuin monimutkaisemmat neuroverkot. Tämä johtuu siitä, että ryhmittelymenetelmät eivät vaadi aineiston keruuta tai neuroverkon kouluttamista. Nämä menetelmät eivät myöskään pyri oppimaan painotuotteen paperin ominaisuuksia.
Vammaispalvelujen järjestämisen paradigmat ja vammaispalvelulakiuudistuksen vaikutukset : Vanhan ja uuden vammaispalvelulain teoreettinen tarkastelu
Seppälä, Joanna (2025-07-28)
Tässä kandidaatintutkielmassa tarkastellaan vammaispalvelujen järjestämisen historiallisia paradigmoja ja vuoden 2025 alussa voimaan tullutta vammaispalvelulain uudistusta (675/2023). Tutkielma jäsentää, mitä hallintoparadigmoja vanha ja uusi vammaispalvelulaki edustavat ja millaisia vaikutuksia näillä paradigmoilla on ollut vammaispalvelujen järjestämiseen Suomessa. Lainsäädännön ja hallintomallien kehitystä tarkastellaan osana laajempaa yhteiskunnallista muutosta, jossa on siirrytty perinteisestä, hierarkkisesta hallintomallista kohti osallistavampaa ja oikeusperustaista hallintaa. Tutkielman taustalla on ajankohtainen tarve ymmärtää, kuinka vammaispalvelulainsäädäntö on muuttunut osana julkishallinnon paradigman siirtymiä klassisesta julkishallinnosta uuden julkisjohtamisen (NPM) kautta kohti uuden julkisen hallinnan (NPG) mallia. Erityistä huomiota kiinnitetään siihen, miten kansalaisen rooli on kehittynyt passiivisesta palveluiden kohteesta aktiiviseksi osallistujaksi ja oikeuksien haltijaksi.
Tutkielma toteutetaan kuvailevana kirjallisuuskatsauksena. Aineistona käytetään laajaa valikoimaa kansallista ja kansainvälistä vertaisarvioitua kirjallisuutta, lainsäädäntöä ja virallisia
asiakirjoja. Aineisto on jäsennetty temaattisesti tutkimuskysymysten mukaisesti. Menetelmä on
valittu sen joustavuuden vuoksi, sillä se mahdollistaa laaja-alaisen ilmiön tarkastelun ilman empiiristä aineistoa. Tutkielma ei tarkastele hyvinvointialueiden konkreettisia soveltamiskäytäntöjä, vaan tarjoaa käsitteellisen ja teoreettisen kokonaiskuvan paradigman
muutoksesta vammaispalvelujen kontekstissa.
Vammaispalvelulaki merkitsee merkittävää siirtymää kohti asiakaslähtöistä, osallistavaa ja
oikeuksiin perustuvaa hallintoa. Lainsäädäntö ei ole vain tekninen normisto, vaan se ilmentää
syvällisiä muutoksia kansalaiskäsityksessä ja hallinnan logiikassa. Yhteiskehittäminen, verkostomainen yhteistyö ja osallisuus nousevat keskiöön palveluiden suunnittelussa ja
toteutuksessa. Uusi laki haastaa samalla aiemmat rakenteet ja edellyttää hallinnolta
yksilölähtöisempää ja joustavampaa päätöksentekoa. Tutkielma osoittaa, että vammaispalvelujen järjestämiseen liittyvät hallintomallit eivät ole vain hallinnollisia käytäntöjä, vaan myös arvoja, jotka heijastavat yhteiskunnallista ihmiskäsitystä ja oikeudenmukaisuutta. Paradigmamuutoksen tunnistaminen auttaa ymmärtämään, miten hallinnolliset, ideologiset ja lainsäädännölliset muutokset muokkaavat palveluiden sisältöä, päätöksentekoa ja kansalaisten asemaa yhteiskunnassa.
Innovaatioiden vaikutus luovan talouden kilpailukykyyn : Kandidaatintutkielma
Olsson, Matilda (2025-08-03)
Tämä tutkielma tarkastelee innovaatioita, innovatiivisuutta ja kilpailukykyä, ja kuinka ne vaikuttavat luovan talouden aloilla. Luovat alat ja kulttuuriteollisuus toimivat monipuolisena syötteenä innovatiiviselle toiminnalle kaikilla toimialoilla. Innovaatiot puolestaan ovat elintärkeitä yritykselle pysyäkseen kilpailukykyisenä ja taloudellisesti kannattavana. Kilpailukyvyn lähtökohtana on tuottaa lisäarvoa asiakkaille, vastaamalla käyttäjien tarpeisiin ja toiveisiin. Innovaatioiden ytimessä on luovuus ja oikea ympäristö tukee luovaa ideointia ja näin ollen myös innovatiivista ajattelua ja toimintaa. Innovoiminen kytketään yrityksen strategiaan, jossa päättäjät yhdistävät innovatiivisen toiminnan osaksi yrityksen tulevaisuuden päämäärää. Se vaatii yritykseltä panosta ja resursseja.
Tutkielmassa annetaan esimerkkejä, miten kehittyvä teknologia ja innovaatiot ovat vaikuttaneet luovan talouden eri aloilla ja mitä haasteita niihin voi liittyä. Näillä aloilla innovaatiotoiminta yltää usein täyden uuden keksimiseen tai suuriin muutoksiin olemassa olevaan luovilla ratkaisuilla. Luovan talouden tuotoksia suojataan immateriaalioikeuksilla ja ne ovatkin luovan talouden kilpailukyvyn pohjana. Tutkielmassa käsitellään viittä eri innovaatiokategoriaa, joita ovat tuote-, palvelu, prosessi-, markkina- ja organisatoriset innovaatiot.
How Hedge Fund Size Affects Its Performance
Pelvas, Akseli (2025-08-11)
This thesis examines how the size of hedge funds affects their performance, with a particular focus on whether smaller funds outperform larger ones, and how this relationship varies across different strategies and market conditions. Based on a literature review, the study shows that while large hedge funds may benefit from economies of scale and better access to investment opportunities, they often face capacity constraints and conflicts of interest that can diminish returns as assets grow. Smaller funds, on the other hand, are often more agile and able to exploit specialised opportunities more effectively, often achieving higher risk-adjusted returns, particularly in less liquid markets. However, the relationship between fund size and performance is complex and context-dependent; it is influenced by strategy type, market environment, and organisational factors. The research findings suggest that there is no universally optimal fund size, but rather that aligning fund size with strategy capacity and market realities is crucial for maximising returns. The thesis also highlights the need for further research to address methodological challenges, clarify causal relationships, and explore the impact of technological and regulatory changes on hedge fund performance. These insights aim to provide valuable information to both investors and fund managers seeking to optimise returns in a dynamic investment environment.Tämä tutkielma tarkastelee, kuinka hedge-rahastojen koko vaikuttaa niiden tuottoon, keskittyen erityisesti siihen, suoriutuvatko pienemmät rahastot paremmin kuin suuremmat, ja miten tämä suhde vaihtelee eri strategioiden ja markkinaolosuhteiden mukaan. Kirjallisuuskatsauksen pohjalta tutkimus osoittaa, että vaikka suuret hedge-rahastot voivat hyötyä mittakaavaeduista ja paremmasta pääsystä sijoitusmahdollisuuksiin, ne kohtaavat usein kapasiteettirajoitteita ja intressiristiriitoja, jotka voivat heikentää tuottoja omaisuuden kasvaessa. Pienemmät rahastot puolestaan ovat usein ketterämpiä ja kykenevät hyödyntämään erikoistuneita mahdollisuuksia tehokkaammin, saavuttaen usein korkeampia riskikorjattuja tuottoja erityisesti vähemmän likvideillä markkinoilla. Koon ja tuoton välinen suhde on kuitenkin monimutkainen ja kontekstisidonnainen; siihen vaikuttavat strategiatyyppi, markkinaympäristö ja organisatoriset tekijät. Tutkimustulokset viittaavat siihen, ettei ole olemassa yleispätevää optimaalista rahastokokoa, vaan rahaston koon sovittaminen strategian kapasiteettiin ja markkinoiden realiteetteihin on ratkaisevaa tuoton maksimoimiseksi. Tutkielma korostaa myös lisätutkimuksen tarvetta metodologisten haasteiden ratkaisemiseksi, kausaalisuhteiden selvittämiseksi sekä teknologisten ja sääntelymuutosten vaikutusten tutkimiseksi hedge-rahastojen tuloksiin. Näiden havaintojen tavoitteena on tarjota hyödyllistä tietoa sekä sijoittajille että rahastonhoitajille, jotka pyrkivät optimoimaan tuottonsa dynaamisessa sijoitusympäristössä.