Warranty is a contract between a seller and a buyer. A warranty is also a signal for quality that can be

utilized both by the seller and the customer. Even though the warranty is mainly something that is

positive, a warranty also incurs risk to the warranty provider. The warranty cost can range from 2 -

15% of the net sales of a product which means that the warranty cost could potentially affect the

company a lot. In order to handle such a risk, forecasting is a necessary tool. Forecasting is no exact

science, and it’s impossible to forecast the exact future value due to uncertainty. Factors such as the

quality of the product affect the cost of the claims, but unpredictable factors such as fraud, human

factors and sales delay must also be considered. Forecasting error affects the warranty provider

because the forecast sets the warranty reserve, which should cover the costs of the warranty claims.

Overestimations and underestimations of the reserve have negative consequences for the company.

The purpose of this study is to forecast a warranty reserve using a quantitative approach, in order to

gain insight in to which model that could be best suited for complex products. The models that have

been tested originate from causal and time-series methods, where the models tested consider different

aspects of the data. The primary data used comes from archive data and to determine the forecast

error, error measurements have been utilized. The time series method exponential smoothing Holt’s-

Winter’s method was the one that performed best considering the error measurements. From the

models tested, it has been shown that a more complex model does not necessarily mean a more

accurate result. To be able to decrease the forecasting errors, a model considering unpredictable

factors such as fraud could be the answer which makes it interesting to investigate.

Garanti är ett kontrakt mellan en säljare och en köpare. En garanti används ocks. för att signalera

kvalitet vilket kan vara användbart för både säljaren och kunden. Även då garanti främst är något

positivt innebär garanti ockå. en risk för den som erbjuder garantier då kostanden att erbjuda garanti

kan sträcka sig mellan 2–15% av nettoresultatet av försäljningen va en produkt vilket betyder att

garanti kan påverka företaget mycket. Man anv.nder sig av prognostiseringar för att kunna hantera

den risken garantin bär med sig. Prognostisering är svårt och det är omöjligt att prognostisera det

exakta framtida värdet på grund utav osäkerhet. Faktorer så som kvaliteten av produkten påverkar

antalet och kostnaderna på garantianspr.ken men oförutsägbara faktorer så som bedrägeri, mänskliga

beteenden och fördröjning av försäljning av produkter måste också tas i akt. Prognostiseringsfel

på verkar den part som erbjuder garantin då prognosen används för att lägga undan monetära medel till

garantireserven för att täcka garantianspråk. Underestimat och överestimat har negativa konsekvenser

för företaget. Ändamålet med denna studie är att prognostisera garantireserven med hjälp av

kvantitativa metoder för att få en inblick i vilka modeller som fungerar bra för en komplex produkt.

Modeller som har testat kommer fr.n tidsserie metoder och kausala metoder, då de olika metoderna tar

hänsyn till olika aspekter i data. Primärdata som används kommer från arkivdata och för att kunna

bestämma felen på de prognoser som gjorts används fel mått. Tidsserie metoden exponential

smoothing Holt’s-Winter’s var den som gav bäst resultat på fel måtten. Resultatet av modellerna som

testats visar på att en mer komplex modell inte behöver vara den som ger bäst resultat. För att kunna

minska på prognostiseringsfelen kan en modell som tar hänsyn till oförutsägbara faktorer så som

bedrägeri vara lösningen vilket är en intressant sak att undersöka.