Browsing by study line "Yleinen opintosuunta"

Tiivistelmä Tiedekunta: Valtiotieteellinen tiedekunta Koulutusohjelma: Taloustieteen maisteriohjelma Opintosuunta: Taloustieteen yleinen opintosuunta Tekijä: Kimmo Nevanlinna Työn nimi: Älysopimusalustojen hinnoittelun tehokkuus Työn laji: Maisterintutkielma Kuukausi ja vuosi: 11/2022 Sivumäärä: 48 Avainsanat: Lohkoketju, satunnaiskävely, kryptovaluutta, älysopimus Ohjaaja tai ohjaajat: Jani Luoto Säilytyspaikka: Helsingin yliopiston kirjasto Muita tietoja: Tiivistelmä: Maisterintutkielma tutkii kolmen älysopimuksiin erikoistuneen kryptovaluutan Ethereumin, Cosmoksen ja Tezosksen hinnan satunnaiskävelyn hypoteesia. Kryptovaluutat ja lohkoketjut ovat nousseet julkiseen keskusteluun viime vuosina, kun niiden hinnat ovat vaihdelleet villisti ja niiden hintojen muutoksia seurataan nykyään suurissa kansainvälisissä ja kotimaisissa talousuutisissa, mutta ymmärrys hintojen muutosten takana on vajavaista. Kryptovaluutoista tunnetuin Bitcoin sai alkunsa vuonna 2009, mutta viimeisen viiden vuoden aikana älysopimukset ovat nousseet myös julkiseen keskusteluun. Kryptovaluuttoja pidetään kuitenkin yleisessä keskustelussa keskenään samanlaisina eikä niiden eroja ymmärretä tarpeeksi hyvin. Kiinnostukseni älysopimuksiin ja niiden mahdollisuuksiin syttyi vuonna 2018 ja se kiinnostus sai minut tutkimaan asiaa taloustieteen näkökulmasta maisterintutkielman verran. Tämä maisterintutkielma selittää mitä älysopimukset ovat ja miten niiden käyttö lisää sen kryptovaluutan kysyntää, jonka päällä älysopimus suoritetaan. Tutkielmassa käydään myös läpi mitä lohkoketjut ovat. Empiirisessä osuudessa käytetään metodina autokorrelaation tutkimista tuottoaikasarjasta. Tehokkaassa hinnan muodostuksessa ei pitäisi löytyä autokorrelaatiota. Autokorrelaatio mitataan Ljung-Boxin menetelmällä päivittäisistä tuotoista 1.1.2019-31.6.2021. Toisena menetelmänä käytetään yksikköjuuren estimointia. Tämä tutkitaan Dick-Fullerin testillä. Yksikköjuuri löydetään kahdesta suuremmasta kryptovaluutasta Ethereumista ja Cosmoksesta, mutta ei pienemmästä Tezosksesta. Lopputuloksena todetaan, että isommat kryptovaluutat vaikuttavat olevan jotakuinkin tehokkaat satunnaiskävelyn osalta, mutta kaikki kolme kryptovaluuttojen tuottoaikasarjaa sisältävät autokorrelaatiota.

Aiemmin on todistettu, että rekrytoinneissa esiintyy syrjintää. Syrjinnän kohteita ovat yleisesti olleet naiset, ulkomaalaistaustaiset tai muut vähemmistöt. Rekrytointisyrjinnän vähentämiseksi yksi kehitetty menetelmä on anonyymi rekrytointi. Anonyymissa rekrytoinnissa rekrytoijalta piilotetaan hakijoita yksilöiviä tietoja, kuten nimi, ikä ja sukupuoli. Anonyymia rekrytointia käytetään myös Metsähallituksessa. Tutkielma käsittelee Metsähallituksen toteutusta anonyymista rekrytoinnista vastaamalla kahteen tutkimuskysymykseen: Miten anonyymi rekrytointi on vaikuttanut eri ryhmien palkkaamistodennäköisyyksiin ja organisaation monimuotoisuuteen? Millaisia kokemuksia ja oletuksia rekrytoinneilla esihenkilöillä on anonyymista rekrytoinnista? Tutkielman aineisto koostuu rekrytointien tiedoista sekä rekrytoinneille esihenkilöille lähetetyn kyselyn vastauksista. Tutkielman analyysiin käytetty rekrytointiaineisto sisälsi 251 palkatun hakijan tietoja, kuten iän ja sukupuolen. Palkatuista 17 oli palkattu anonyymia rekrytointia hyödyntäen. Tutkielman aineiston toinen osa koostui kyselyn vastauksista. Kysely lähetettiin 88 esihenkilölle, joista 26 vastasi kyselyyn. Vastanneista henkilöistä yhdeksän oli käyttänyt vähintään kerran anonyymia rekrytointia Metsähallituksessa. Lähetetty kysely oli lyhyt, sisältäen 10 kysymystä. Kysymykset oli aseteltu hieman eri tavoin sen mukaan, oliko vastaaja käyttänyt anonyymia rekrytointia vai ei. Rekrytointiaineiston osalta tutkielmassa käytetään tuloksien saamiseksi lineaarista regressiomallia usealla muuttujalla. Käytetty malli tutki eri muuttujien, kuten anonyymin lomakkeen, hakijan iän ja sukupuolen vaikutuksia hakijan palkkaamistodennäköisyyteen. Palkkaamistodennäköisyys jokaisen tehtävän osalta tutkielmassa laskettiin jakamalla tehtävään palkattujen lukumäärä hakijoiden kokonaismäärällä, olettaen jokaisen hakijan olleen pätevä hakemaansa tehtävään. Kyselyn vastauksia tutkielmassa käsiteltiin aineistolähtöisesti laadullista päättelyä hyödyntäen. Esimerkiksi avoimia vastauksia teemoiteltiin tutkielmassa eri teemoihin ja tätä kautta esiteltiin teemakohtaisesti esiin nousseita asioita vastauksista. Monivalintakysymysten osalta vastauksien jakaumia tarkasteltiin kysymyskohtaisesti sekä vertailemalla vastauksia anonyymia rekrytointia käyttäneiden ja ei-käyttäneiden esihenkilöiden välillä. Rekrytointiaineistoa ja regressiomallia hyödyntämällä tutkielmassa havaitaan anonyymin rekrytoinnin parantaneen naisten palkkaamistodennäköisyyttä jopa 30 %-yksikköä. Kun taas havaittu vaikutus yli 50-vuotiaiden palkkaamistodennäköisyyteen on negatiivinen ja suuruudeltaan noin -9,5 %-yksikköä. Muiden tutkittujen muuttujien osalta tutkielmassa ei löydetty merkittäviä tuloksia anonyymin rekrytoinnin vaikutuksesta palkkaamistodennäköisyyksiin. Kyselyn vastauksista tutkielmassa huomataan, ettei vastaajat kokeneet anonyymin rekrytoinnin vaikuttaneen rekrytointiprosessiin tai hakijoiden yhdenvertaiseen kohteluun. Kyselyyn perustuen Metsähallituksen henkilöstö on avoin kokeilemaan anonyymia rekrytointia. Henkilöstö korosti menetelmään siirtymisessä organisaatiosta tulevan kannustamisen sekä menetelmään kouluttamisen tärkeyttä. Kyselyn vastauksien avulla tutkielma havaitsee myös pieniä ongelmia anonyymin rekrytoinnin toteutuksessa. Selkein havaittu ongelma oli se, että hakijoiden taustatiedot paljastuivat anonyymissa rekrytoinnissa helposti rekrytoijalle erinäisistä syistä. Tutkielma osoitti, että anonyymilla rekrytoinnilla on merkittäviä vaikutuksia tiettyjen ryhmien palkkaamistodennäköisyyksiin Metsähallituksessa sekä organisaation henkilöstön olevan avoimia kokeilemaan anonyymia rekrytointia. Tutkielmassa havaitaan Metsähallituksen anonyymin rekrytoinnin toteutuksessa ongelmia, ja menetelmän teorian mukaisen käytön takaamiseksi olisi tärkeää pohtia mitä tietoja hakijoista piilotetaan rekrytoinnin alussa. Piilotettavia tietoja miettiessä on tärkeää huomioida implisiittiset tiedot, joita rekrytoija voi saada esimerkiksi hakijan valmistumisvuosista.

Taxation is a critical tool for development, as well-designed tax systems can generate greater revenues to fund public goods and investments that drive productivity. However, lower-income countries often raise only a small percentage of their gross domestic product (GDP) in taxes compared to higher-income countries. The gap in revenue is particularly striking for property taxes. This thesis begins with a literature review on taxation in developing countries and property taxation in general, emphasizing the challenges of property taxation in developing countries. It then provides relevant background information on Kenya, discussing inequality, general taxation, and property taxation. Using survey data from the Kenya Integrated Household Budget Survey 2015-2016, the thesis then investigates the distribution of property value and income among Kenyan households. It then explores the potential revenue and distributional effects of two property taxation models while also considering potential revenue loss from taxing households with insufficient income or savings. The trends between household income and property value indicate that higher annual incomes correlate with higher property values and vice versa. However, low-income individuals also owned higher-value properties, leading to liquidity problems. A 2% linear property tax rate model revealed a heavy tax burden on lower-income households and an overall revenue potential of 2.38% of total survey income or 0.94% of 2016 GDP. The study observed significant decreases in revenue potential when adjusting revenue to account for the ability to pay. This research also modeled a property tax rate payable only upon reaching a specific income threshold to address liquidity problems. In this model, the tax burden shifted to higher-income households with an overall potential tax revenue of 1.91% of total survey income or 0.76% of GDP. In conclusion, the observed trends, such as the high prevalence of inability to pay, relatively low revenue potential, and the administrative effort required for property taxation, suggest that reforming property taxation may not be the most practical approach for increasing revenue in Kenya.

Personalized pricing as a pricing strategy has become possible as a result of technological advancement. Personalized pricing uses data to determine prices that differ from uniform pricing and as a result, welfare effects change. This master thesis uses a two period oligopoly model to analyze welfare effects of personalized pricing and then applies modifications to the model to account for EU Regulations. The model finds that regulation helps mitigate negative welfare effects by reducing the amount of inefficient switching and a price ceiling helps to reduce the appropriation effect for a consumer with a high willingness to pay. A case study is used to illustrate a use case for an oligopolistic market to bring real-world context to the theoretical model. The research question is important, because it increases awareness about the effects of regulation on personalized pricing in the European union internal market.

Machine Learning (ML) has experienced significant growth, fuelled by the surge in big data. Organizations leverage ML techniques to take advantage of the data. So far, the focus has predominantly been on increasing the value by developing ML algorithms. Another option would be to optimize resource consumption to reach cost optimality. This thesis contributes to cost optimality by identifying and testing frameworks that enable organizations to make informed decisions on cost-effective cloud infrastructure while designing and developing ML workflows. The two frameworks we introduce to model Cost Optimality are: "Cost Optimal Query Processing in the Cloud" for data pipelines and "PALEO" for ML model training pipelines. The latter focuses on estimating the training time needed to train a Neural Net, while the first one is more generic in assessing cost-optimal cloud setup for query processing. Through the literature review, we show that it is critical to consider both the data and ML training aspects when designing a cost-optimal ML workflow. Our results indicate that the frameworks provide accurate estimates about cost-optimal hardware configuration in the cloud for ML workflow. There are deviations when we dive into the details: our chosen version of the Cost Optimal Model does not consider the impact of larger memory. Also, the frameworks do not provide accurate execution time estimates: PALEO estimates our accelerated EC2 instance to execute the training workload with half of the time it took. However, the purpose of the study was not to provide accurate execution or cost estimates, but we aimed to see if the frameworks estimate the cost-optimal cloud infrastructure setup among the five EC2 instances that we chose to execute our three different workloads.

The importance of protecting sensitive data from information breaches has increased in recent years due to companies and other institutions gathering massive datasets about their customers, including personally identifiable information. Differential privacy is one of the state-of-the-art methods for providing provable privacy to these datasets, protecting them from adversarial attacks. This thesis focuses on studying existing differentially private random forest (DPRF) algorithms, comparing them, and constructing a version of the DPRF algorithm based on these algorithms. Twelve articles from the late 2000s to 2022, each implementing a version of the DPRF algorithm, are included in the review of previous work. The created algorithm, called DPRF_thesis , uses a privatized median as a method for splitting internal nodes of the decision trees. The class counts of the leaf-nodes are made with the exponential mechanism. Tests on the DPRF_thesis algorithm were run on three binary classification UCI datasets, and the accuracy results were mostly comparable with the two existing DPRF algorithms DPRF_thesis was compared to. ACM Computing Classification System (CCS): Computing methodologies → Machine learning → Machine learning approaches → Classification and regression trees Security and privacy → Database and storage security → Data anonymization and sanitization

This study examines the relationship between wealth and environmental contributions at individual and country levels by using survey data from EVS, WVS and ISSP and panel data from OECD. For the analysis I use correlation tests, and in the case of panel data, pooled OLS regression and two-way fixed effects regression, and with survey data I use OLS regression and generalized ordered logit model. The aim of this study is to clarify if wealthier countries or individuals contribute more to environment than countries and individuals with lower wealth. Environmental contributions at country level are measured as environmental policy stringency, environmental protection expenditure and environmentally related tax revenues. At individual level environmental contributions are measured as willingness to pay for environmental protection. At country level a positive relationship between wealth and environmental contributions is found, but in individual level the relationship is weak. Also relationship between national wealth and individual willingness to pay is minor. On average individuals willingness to pay for environmental protection stayed standard regardless of wealth, but some differences in averages can be seen comparing the results of different surveys. Results suggests that in wealthier countries the environmental policy is more strict and environmental protection expenditure can be expect to be higher than in lower GDP per capita level countries. The relationship between wealth and environmentally related tax revenues differs from other two variables, because tax base for environmentally related taxes change whit economic development. Previous literature offers inconclusive findings and comprehensive theoretical framework is difficult to form. One of the biggest challenges of this study is the sparseness of suitable and comparable data and thus, results have to be interpreted with caution.

Carbon pricing is gaining momentum across developing countries such as the Philippines. Along with its strong commitment to increase the shares of renewable energy sources and excise taxes on fuels already in place, the government passed the House Bill No. 4939 aiming to tax households Php 1 for every kilogram of $CO_2$ emission per kilowatt hour (kWh) of power consumption. This raises varying opinions in the public if carbon tax is necessary compared to the amount of emissions of the country as a whole, amounting only to .48\% of total global emissions. Existing literature yields diverse results on the progressiveness of carbon tax in terms of its distributional effects. Most developed countries with active carbon taxation prove it to be progressive across different income groups. However, in developing countries such as the Philippines, studies show varying outcomes -- some argue that carbon tax would be regressive and would hurt the most vulnerable populations. Others also say that it would most affect the middle class, while few conclude that it can progressive in some developing countries. The Almost Ideal Demand System (AIDS) is used in this thesis to determine the change in household consumption across different income groups in the Philippines. The results show a regressive reaction to the increase in the price of electricity. The simulation resulted to a nearly similar pattern in the overall changes in consumption by varying degrees. The changes are most substantial in the poorest and richest households, meanwhile slight changes in the middle groups. However, by taking the income and cross-price elasticity of demand, the commodities are determined to be whether a necessity or luxury good and a complement or substitute good. The maximizing household then decides from which commodities to cut back in order to compensate to the carbon tax on electricity. The lowest income has the most percentage increase in the consumption of electricity, compensating from the necessities such as food. The middle groups follow by less percentage increase. Meanwhile, the highest income decreases its budget share for electricity, making way to increase on its other more important expenses. The elasticity of demand for carbon-intensive goods plays a role in determining the distributional effects of a carbon tax. In this thesis, the Php 1 carbon tax would affect the lowest income household in substantial amount compared to their actual energy consumption. This concerns policy makers of the social equity, and fairness of carbon tax. The House Bill No. 4939, when approved, takes the first step to adapting carbon tax in the Philippines.

Kartellit ovat yksi vakavimmista keinoista rajoittaa markkinoiden vapaata kilpailua. Tämän takia on tärkeää, että kilpailupolitiikalla pyritään torjumaan niitä mahdollisimman tehokkaasti. Tänä päivänä keskeinen kilpailupolitiikan väline kartellien torjumiseksi on leniency- eli ilmiantojärjestelmä. Ilmiantojärjestelmällä luodaan kartellin muodostaneille yrityksille kannustin ilmiantaa kartelli kilpailuviranomaiselle lupaamalla ilmiantavalle yritykselle esimerkiksi lievennys kartellista kiinnijäämisen myötä aiheutuvaan seuraamusmaksuun. Tässä tutkielmassa tarkastellaan, miten ilmiantojärjestelmä kartelleja torjuvana kilpailupolitiikan välineenä vaikuttaa yritysten kartellikäyttäytymiseen. Tutkielma on kirjallisuuskatsaus, jossa syvennytään aiempaan taloustieteelliseen kirjallisuuteen ilmiantojärjestelmistä. Ilmiantojärjestelmän vaikutusten yritysten kartelliin ryhtymisen ja sen ilmiantamisen kannustimiin tarkastelu aloitetaan käsittelemällä yksityiskohtaisesti Mottan ja Polon (2003) malli ilmiantojärjestelmästä. Tämän jälkeen perehdytään ilmiantojärjestelmiä käsittelevään kokeellisen taloustieteen empiriaan käymällä läpi Apesteguian, Dufwenbergin ja Seltenin (2007) sekä Hinloopenin ja Soeteventin (2008) tutkimukset. Kokeellisen taloustieteen empiriaa hyödyntäen voidaan vertailla erilaisia ilmiantojärjestelmiä sekä tarkastella, miten teoreettiset mallit mahdollisesti toimivat käytännössä. Huomataan, etteivät teoreettisten mallien ennusteet ja empiiriset tulokset ilmiantojärjestelmän toimivuudesta ja tehokkuudesta välttämättä ole yhteneväisiä. Tarkastelun perusteella havaitaan lisäksi, että ilmiantojärjestelmällä voidaan onnistua sekä saamaan kartellin jäsenet tekemään ilmianto että estämään kartellin muodostaminen kokonaan. Toisaalta on myös mahdollista, että ilmiantojärjestelmä kannustaa kartelliin ryhtymiseen, mikäli esimerkiksi ilmiantamisen seurauksena on mahdollista saada positiivinen palkkio. Ilmiantojärjestelmän ominaisuuksilla, kuten seuraamusmaksun alennuksen suuruudella, onkin keskeinen vaikutus siihen, miten ilmiantojärjestelmä vaikuttaa yritysten kartellikäyttäytymiseen. Tutkielman lopussa syvennytään pohtimaan keskeisiä ilmiantojärjestelmän ominaisuuksia. Yhteenvetona optimaalisen ilmiantojärjestelmän kiteytetään olevan kompromissi sen kartelleja torjuvan ja stabiloivan vaikutuksen välillä.

The thesis aims to analyse the individual subsidy effects on electric vehicle uptake by a unique case study of ten countries. The sample countries analysed in the thesis are Norway, Finland, Denmark, Sweden, China, France, Germany, Italy, Spain, and the United Kingdom. Together these countries represent most of the electric vehicle market share in the world and are thus potent for analysing different subsidy effect. The electric vehicle market has grown considerably in the past decade, and the markets’ role in reaching climate objectives set out by governments and other institutions is pivotal. The role of government initiatives in shaping the electric vehicle market is reviewed and the standard characteristics are discussed. The literature review outlines the importance of purchase subsidies, infrastructure subsidies and governmental institutions in increasing the electric vehicle share globally. Purchase subsidies that are designed to decrease the upfront costs of purchasing a vehicle are agreed to be most important in increasing uptake. Charging infrastructure subsidies are pivotal for increasing the number of electric vehicles in any country. However, the role of subsidising charging stations is less apparent in increasing electric vehicle sales shares. Researchers mostly identify charging infrastructure provisioning as a support function for uptake, but some evidence exists for direct influence on increased sales shares. Government institutions are paramount in increasing the market share for electric vehicles. Governments can design effective long-term policies that account for important societal factors, which private incentive designs might not consider. The empirical strategy set out in the thesis utilises a panel dataset from the sample countries to estimate the individual subsidy effects on electric vehicle uptake. Firstly, the dataset is analysed by a pooled ordinary least squares method to identify the relationship of purchase, ownership tax, infrastructure subsidies and other post-purchase subsidies on electric vehicle sales share. Secondly, a difference-in-differences estimation is conducted to analyse more predictive outcomes of ownership tax- and other subsidies on sales share. Finally, a fixed effects model is utilised to account for unobserved time-invariant heterogeneity. The results are limited by a relatively small sample size due to data availability, and the consequent limitations in the empirical models. The results suggest that the role of post-purchase subsidies should be better understood for accurate policy designs, especially when the market is past its infancy phase. Finally, suggestions for future research are provided.