Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Identifiering och analysering av faktorer som Påverkar fotbollsövergångsummor
KTH, School of Engineering Sciences (SCI), Mathematics (Dept.), Mathematical Statistics.
KTH, School of Engineering Sciences (SCI), Mathematics (Dept.), Mathematical Statistics.
2016 (Swedish)Independent thesis Basic level (degree of Bachelor), 10 credits / 15 HE creditsStudent thesisAlternative title
Identifying and analysing factors that affect transfer fees in football. (Swedish)
Abstract [sv]

Detta kandidatarbete, inom matematisk statistik och Industriell Ekonomi, består av två delar. Syftet med den första delen är att, med hjälp av en multipel linjär regression, skapa en prediktionsmodell för priset på transferövergångar för fotbollsspelare. Datan för studien samlades från den tyska hemsidan transfermarkt.co.uk och datan kommer endast från ligorna Serie A, La Liga och Premier League. Den slutgiltiga modellen som togs fram ur regressionsanalysen har en förklaringsgrad på 47.1 procent och spelarnas övergångssumma förklaras med hjälp av nio kovariat.

Syftet med den andra delen av kandidatarbetet är att identifiera och analysera intäktsstrategier som fotbollsklubbar i Premier League, La Liga och Serie A använder sig av och undersöka tillväxtsmöjligheter för klubbarna. I studien undersöks tre olika klubbar, klubbarna varierar ekonomiskt och i supporterstorlek. Klubbarna är Real Madrid, Juventus och Everton. Dessa klubbar undersöks utifrån deras intäktsmodeller som består av följande tre kategorier: Commercial revenue, Broadcasting revenue och Matchday revenue. Resultatet av studien visar att utöver bra sportsliga resultat så är Commercial revenue och Matchday revenue de kategorier i intäktsmodellen som en klubb kan påverka med hjälp av att tillämpa nya affärsstrategier. För att en klubb ska uppnå ökad tillväxt vid Commercial revenue och Matchday revenue visar resultatet av studien att klubbar ska öka exponeringen av klubben samt ha en egenägd arena. 

Abstract [en]

This thesis, in mathematical statistics and Industrial engineering and Management, consists of two parts. The main purpose of the first part is to conduct a multiple regression and create a prediction model for football transfers. The data for this thesis is gathered from the German website transfermarkt.co.uk and the data are just from the league’s Premier League, La Liga and Serie A. The final prediction model that was taken out from the regression model has an explanation degree of 47.1 percent and the players transfer fee could be explained by nine independent variables.

he purpose of the second part of the thesis is to identify and analyse revenue strategies that football clubs in Premier League, La Liga och Serie A are using and also investigate the revenue growth for the clubs. In this thesis, three clubs are chosen for analysing where all the clubs differ in economic and supporter size. The clubs are Real Madrid, Juventus and Everton. These clubs are examined in terms of their revenue models that consist three categories: Commercial revenue, Broadcasting revenue and Matchday revenue. 

The result of this study shows that beyond Commercial revenue and Matchday revenue are the only parts of the revenue model a club can influence by implementing a new strategy. The results of the study shows that in addition to good sporting performances, also Commercial revenue and Matchday revenue are the categories in the revenue models that the clubs can affect with help of new business strategies. For a club to achieve higher growth within Commercial revenue and Matchday revenue shows the results that the clubs should increase the exposure of the club and have a privately owned stadium.

Place, publisher, year, edition, pages
2016.
Series
TRITA-MAT-K, 2016:19
National Category
Mathematics
Identifiers
URN: urn:nbn:se:kth:diva-188986OAI: oai:DiVA.org:kth-188986DiVA: diva2:942565
Subject / course
Applied Mathematical Analysis
Educational program
Master of Science in Engineering - Industrial Engineering and Management
Supervisors
Examiners
Available from: 2016-06-25 Created: 2016-06-25 Last updated: 2016-06-25Bibliographically approved

Open Access in DiVA

fulltext(1141 kB)113 downloads
File information
File name FULLTEXT01.pdfFile size 1141 kBChecksum SHA-512
08676a4c862314446e2ce762d6f79560600412ab2f5a9f35c08149c68dd09302fb13b36a70c2bef83f0dd13bc10a4f7a6dd076e5838d52e20775eafab5722a64
Type fulltextMimetype application/pdf

By organisation
Mathematical Statistics
Mathematics

Search outside of DiVA

GoogleGoogle Scholar
Total: 113 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 499 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf