PL EN


2015 | 41 | 59-79
Article title

Wpływ ogłoszenia upadłości na złożoność strukturalną zmian cen na GPW

Content
Title variants
EN
The Effects of Bankruptcy on the Structural Complexity of the Price Changes on WSE
Languages of publication
PL
Abstracts
PL
W artykule prezentujemy metodę badania efektywności rynku gieł- dowego za pomocą teorii informacji. Efektywność rynku badana jest przez stopień redundancji w szeregach czasowych opisujących zmia- ny cen, a konkretnym narzędziem jest stopa entropii Shannona, którą można także interpretować jako miarę przewidywalności zmian cen (w sensie granicy przewidywalności). Metody tej używamy do anali- zy szeregów czasowych opisujących logarytmiczne zmiany cen akcji wybranych spółek z Giełdy Papierów Wartościowych, które podległy procesowi upadłościowemu. Znane są badania efektywności całego rynku, natomiast nie jest zbadane dogłębnie, jak skrajnie negatywna sytuacja ekonomiczna samej spółki, a konkretnie informacja o niej, wpływa na efektywność procesów cenotwórczych dotyczących jej akcji oraz na przewidywalność zmian cen tych akcji. Przegląd pre- zentowany w niniejszym badaniu, oparty na 44 spółkach giełdowych, jest wstępem do szerszej gamy badań dotyczących wpływu zdarzeń pozagiełdowych na złożoność strukturalną procesów cenotwórczych.
EN
In this study we present a method of analysing market efficiency using information theory. The efficiency of a given market is studied by the degree to which redundancy is present in the time series describing stock returns, while the particular tool used is called Shannon’s en- tropy rate, and can be interpreted as a measure of the predictability of stock returns (understood as the limits of prediction). We use this me- thod to analyse time series describing logarithmic returns of chosen companies listed at Warsaw Stock Exchange, which have undergone bankruptcy. There exists a body of research analysing the efficiency of the whole market, but there are no detailed studies analysing how strongly negative economic situation of a company (and particularly information about this situation) affects the efficiency of price forma- tion processes with regards to the shares of this company, and how it affects the predictability of the changes in the prices of these shares. The review presented in this study, based on 44 stocks, is meant to be a prelude to many detailed studies of the influence of effects of events outside of the stock market on the structural complexity of the price formation processes themselves.
Contributors
author
  • Uniwersytet Ekonomiczny w Krakowie
author
  • Uniwersytet Ekonomiczny w Krakowie
References
  • Alanyali, Merve, Helen Susannah Moat i Tobias Preis. 2013. „Quantifying the relationship between financial news and the stock market”. Scientific Reports 3, 3578.
  • Cover, Thomas i Joy A. Thomas, 1991. Elements of Information Theory. New York: Wiley.
  • Doğanaksoy Ali i Faruk Göloğlu. 2006. „On Lempel-Ziv Complexity of Sequences”, Lecture Notes in Computer Science 4086: 180–189.
  • Farah, Martin, Michiel Noordewier, Serap Savari, Larry Shepp, Abraham Wyner i Jacoby Ziv. 1995. „On the entropy of DNA: algorithms and measurements based on memory and rapid convergence”. W: SODA’95: Proceedings of the Sixth Annual ACM-SIAM Symposium on Discrete Algorithms, 48–57.
  • Fiedor, Paweł. 2014. „The Social Dynamics of the Peter Principle”. Journal of Engineering Science & Technology Review 8: 56–60.
  • Fiedor, Paweł. 2014a. „Frequency Effects on Predictability of Stock Returns”. W: Proceedings of the IEEE Computational Intelligence for Financial Engineering & Economics 2014, 247–254.
  • Fiedor, Paweł. 2014b. „Information-theoretic approach to lead-lag effect on financial markets”, European Physical Journal B 87, 168.
  • Fiedor, Paweł. 2014c. „Maximum Entropy Production Principle for Stock Returns”, arXiv: 1408.3728.
  • Fiedor, Paweł i Artur Hołda A. 2015. „Istota ekonofizyki jako dziedziny naukowej”. Studia Ekonomiczne, w druku.
  • Gao, Yun, Ioannis Kontoyiannis i Elie Bienenstock. 2006. „From the entropy to the statistical structure of spike trains”. W: 2006 IEEE International Symposium on Information Theory, 645–649.
  • Gao, Yun, Ioannis Kontoyiannis i Elie Bienenstock. 2008. „Estimating the Entropy of Binary Time Series: Methodology, Some Theory and a Simulation Study”, Entropy 10: 71–99.
  • Kennel, Matthew B., Jonathon B. Shlens, Henry D.L. Abarbanel, E.J. Chichilnisky. 2005. „Estimating entropy rates with Bayesian confidence intervals”. Neural Computations 17: 1531–1576.
  • Kennel, Matthew B. i Alistair Mees. 2002. „Context-tree modeling of observed symbolic dynamics”. Physical Review E 66: 056209.
  • Kontoyiannis, Ioannis. 1998. „Asymptotically Optimal Lossy Lempel-Ziv Coding”. W: Proceedings of the 1998 IEEE International Symposium on Information Theory, 273.
  • Kontoyiannis, Ioannis, P.H Algoet., Y.M. Suhov i A.J. Wyner. 1998. „Nonparametric entropy estimation for stationary processes and random fields, with applications to English text”. IEEE Transactions on Information Theory 44(3): 1319–1327.
  • Kristoufek, Ladislav. 2013. „Can Google Trends search queries contribute to risk diversification? ” Scientific Reports 3, 2713.
  • Lempel, Abraham i Jacob Ziv. 1976. „On the complexity of finite sequences”, IEEE Transactions on Information Theory 22(2): 75–81.
  • Lempel, Abraham i Jacob Ziv. 1977. „A Universal Algorithm for Sequential Data Compression”. IEEE Transactions on Information Theory 23(3): 337–343.
  • London, Michael, Adi Schreibman, Michael Häusser, Matthew E. Larkum i Idan Segev. 2002. „The information efficacy of a synapse”. Nature Neuroscience 5: 332–340.
  • Maciejewski, Artur, Mirosław Łątka i W. Jernajczyk. 2008. „Zastosowanie metody empirycznej dekompozycji modalnej i złożoności Lempel’a-Ziv’a do analizy EEG chorych na schizofrenię”. Medycyna Dydaktyka Wychowanie 60: 90–94.
  • Mantegna, Rosario N. i Eugene H. Stanley. 2000. Introduction to Econophysics: Correlations and Complexity in Finance. Cambridge: Cambridge University Press.
  • Mestyán, Márton, Taha Yasseri I János Kertész. 2013. „Early prediction of movie box office success based on Wikipedia activity big data”, PloS ONE 8: e71226.
  • Moat, Helen S., Chester Curme, Adam Avakian A., Dror Y. Kenett, Eugene Stanley, Tobias Preis. 2013. „Quantifying Wikipedia usage patterns before stock market moves”. Scientific Reports 3: 1801.
  • Navet, Nicolas i Shu-Heng Chen. 2008. „On Predictability and Profitability: Would GP Induced Trading Rules be Sensitive to the Observed Entropy of Time Series? ”. Natural Computing in Computational Finance 100: 197–210.
  • Preis, Tobias., Helen S. Moat i Eugen Stanley. 2013. „Quantifying trading behavior in financial markets using Google Trends”. Scientific Reports 3: 1684.
  • Rosser, Barkley J. 2008 „Econophysics and Economic Complexity”. Advances in Complex Systems 11 (745): 745–760.
  • Samuelson, Paul A. 1965. „Proof That Properly Anticipated Prices Fluctuate Randomly”. Industrial Management Review 6(2): 41–49.
  • Shannon, Claude E. 1948. „A Mathematical Theory of Communication”. Bell Systems Technical Journal 27: 379–423, 623−656.
  • Tumminello, M., T. Aste, T. Di Matteo i R.N. Mantegna. 2005. „A tool for filtering information in complex systems”. Proceedings of the National Academy of Science of the United States of America 102(3): 10421–10426.
  • Willems, Frank J.M. 1998. „The context-tree weighting method: Extensions”. IEEE Transactions on Information Theory 44(2): 792–798.
  • Willems, Frank J.M., Yuri M. Shtarkov, Tjalling Tjalkens. 1995. „The Context- Tree Weighting Method: Basic Properties”. IEEE Transactions on Information Theory 41(3): 653–664.
  • Willems, Frank J.M., Yuri M. Shtarkov, Tjalling Tjalkens. 1996. „Context weighting for general finite-context sources”. IEEE Transactions on Information Theory 42(5): 1514–1520.
Document Type
Publication order reference
Identifiers
YADDA identifier
bwmeta1.element.desklight-d41a350c-f61c-4e10-a4fe-64b0d206693e
JavaScript is turned off in your web browser. Turn it on to take full advantage of this site, then refresh the page.