In this thesis we have presented econometrics and forecasts of Bitcoin and Google (GOOG) prices. We have implemented two models, one traditional, “ARIMA” and a relatively new one, “Prophet model” by using Facebook Prophet (ML). Machine learning is still new in the economic field, it has been rewarding to learn its capability. We have evaluated the model’s performance by using root mean square error (RMSE) and compared the result which model performed better. We wanted to compare to different assets, volatile Bitcoin to considerable stable Google (GOOG), thus investigate our models performance and if they differ or not. Regarding our result, we found that the ARIMA models have the best forecasting ability. We also investigate the impact of rational expectation and its impact on an asset price. We found that announcements on Bitcoin cause a significantly change in price and had an impact on the model’s performance. 

I denna avhandling har vi presenterat ekonometriska modeller och prognoserade prisnivåer av Bitcoins och Googles (GOOG). Vi har implementerat två modeller, en traditionell, "ARIMA" samt en relativt ny modell, "Profetmodellen" med Facebook Prophet (ML). Maskininlärning är fortfarande nytt inom det ekonomiska området och det har varit givande att förstå dess förmåga. Vi vill jämföra två typer av tillgångar, Bitcoin som är volatile mot Google som är förhållandevis stabil för att se om våra modeller skiljer sig åt. Vi har utvärderat modellens prestanda med hjälp av root mean square error (RMSE) och jämförde resultatet vilken modell som var mest exakt. Vi fann att ARIMA-modellen gav oss bäst resultat. Vi undersöker också effekterna av rationella förväntningar och dess inverkan på pris av tillgång. Vi fann att nyheter om Bitcoin influerar dess pris och hade en inverkan på modellernas prestanda.