Исследование энтропии фондовых индексов Северо-Западного федерального округа Российской Федерации

  Выпуск 2(81),2025  

DOI: 10.52897/2411-4588-2025-2-42-48     (скачать полный текст статьи)
 

 

Авторы:

Карасев Василий Владимирович *, Карасева Екатерина Ивановна **

*Институт проблем машиноведения Российской академии наук
Санкт-Петербург, Россия
**Санкт-Петербургский государственный университет аэрокосмического приборостроения
Санкт-Петербург, Россия

Аннотация

Исследуется энтропия фондовых индексов Северо-Западного федерального округа на шестилетнем временном интервале, выполнен сравнительный анализ полученных результатов с основными индексами Московской биржи, обоснован вывод о целесообразности использования энтропии как показателя неопределенности состояния рынка Северо-Западного федерального oкруга.

Ключевые слова: состояние, неопределенность, энтропия, индекс, прогнозирование, оценка, экономика, информация.
Для цитирования: Карасев В. В., Карасева Е. И. Исследование энтропии фондовых индексов Северо-Западного федерального округа Российской Федерации // Экономика Северо-Запада: проблемы и перспективы развития. 2025. № 2(81).
С. 42–48. DOI: 10.52897/2411-4588-2025-2-42-48.
 
Информация о финансировании
 
Исследование поддержано Министерством науки и высшего образования РФ, проект № 124041500008-1.

Литература

  1. Entropy: From Thermodynamics to Information Processing / J. Natal, I. Avila, V. B. Tsukahara [et al.] // Entropy. 2021. Vol. 23. Art. 1340.
  2. Martin J. L. Theories of Disorder and Order, Energy and Information, in Sociological Thought // Philosophical Transactions of the Royal Society. Series A Mathematical, Physical, and EngineeringSciences. 2023. Vol. 381(2256). Art. 20220292. URL:https://royalsocietypublishing.org/doi/10.1098/rsta.2022.0292 (дата обращения: 14.05.2025).
  3. Fontaine S. A. S, Amigó J. M. Applications of Entropy in Data Analysis and Machine Learning: A Review // Entropy. 2024. Vol. 26(12). Art. 1126.
  4. Карасев В. В., Карасева Е. И. Метод оценки степени диверсификации экономики на основе энтропии экономических связей // Анализ, моделирование, управление, развитие социально-экономических систем: сборник научных трудов XVIII Международной школы-симпозиума АМУР-2024, Симферополь – Судак, 14–27 сент. 2024 г. / ред. совет: А. В. Сигал и др. Симферополь: ИП Корниенко А. А., 2024. С. 185–189.
  5. Карасев В. В., Карасева Е. И. Энтропия основных фондовых индексов как показатель неопределенности состояния экономики // Экономика. Право. Инновации. 2023. № 4. С. 4–16.
  6. Sturges H. The Choice of a Class-Interval // Journal of American Statistical Association. 1926. Vol. 21. P. 65–66.
  7. Михайлов В. Г. Центральная предельная теорема для числа неполных данных повторений // Теория вероятностей и ее применение. 1975.Т. 20, вып. 4. С. 880–884.
  8. Сенатов В. В. Центральная предельная теорема. Точность аппроксимации и асимптотические разложения. М.: Либроком, 2018. 350 с.
  9. Miller G. M. Note on the bias of information estimates // Information Theory in Psychology: Problems and Methods / Ed. H. Quastler. Free Press,1955. P. 95–100.
  10. Paninski L. Estimation of Entropy and Mutual Information // Neural Computation. 2003. Vol. 15(6). P. 1191–1253.
  11. Nonparametric Entropy Estimation: An Overview /J. Beirlant, E. J. Dudewicz, L. Györfi, E. C. van der Meulen // International Journal of Mathematical and Statistical Sciences. 1997. Vol. 6(1). P. 17–39.
  12. Leonenko N., Pronzato L., Savani V. A class of Rényi information estimators for multidimensional densities // The Annals of Statistics. 2008. Vol. 36(5).P. 2153–2182.
  13. A new class of random vector entropy estimators and its applications in testing statistical hypotheses / M. N. Goria, N. N. Leonenko, P. L. Novi Inverardi [et al.] // Journal of Nonparametric Statistics. 2005. Vol. 17(3). P. 277–297.
  14. Jizba P., Lavička H., Tabachová Z. Rényi Transfer Entropy Estimators for Financial Time Series // Engineeering Procedings. 2021. Vol. 5(1), Iss. 33. URL: https://www.mdpi.com/2673-4591/5/1/33 (дата обращения: 12.05.2025).
  15. 1Subramanian S., Hsieh M.-H. Quantum algorithm for estimating α-Renyi Entropies of Quantum States // Physical Review. 2021. A 104. Art. 022428.
  16. Entropy-Metric Estimation of the Small Data Models with Stochastic Parameters / V. Kovtun, T. Altameem, M. Al-Maitah, W. Kempa // Heliyon.2024. Vol. 10, Iss. 2. Art. e24708.
  17. Montalvao J., Attux R., Silva D. G. Simple Entropy Estimator for Small Datasets // Electronics Letters. 2012. Vol. 48, № 17. P. 1059–1061.
  18. 1Statistical Tests Based on Rényi Entropy Estimation / M. S. Çadirci, D. Evans, N. Leonenko [et al.]. 2025.URL: https://arxiv.org/html/2502.08654v1 (датаобращения: 14.05.2025).
  19. Bonachela J. A., Munoz M. A., Hinrichsen H. Entropy Estimates of Small Data Sets // Journal of Physics A: Mathematical and Theoretical. 2008.Vol. 1(20). Art. 202001
  20. Anis B. I. Choosing Parameters for Rényi and Tsallis Entropies Within a Two-Dimensional Multilevel Image Segmentation Framework //Physica A: Statistical Mechanics and its Applications. Elsevier. 2017. Vol. 466(C). P. 521–536.
  21. Panche I. D.-L. P., Alvarez-Meza A. M., Orozco-Gutierrez A. A Data-Driven Measure of Effective Connectivity Based on Renyi’s α-Entropy // Frontiers in Neuroscience (Section “Brain Imaging Methods”).2019. Vol. 13. URL: https://www.frontiersin.org/journals/neuroscience/artcles/10.3389/fnins.2019.01277/full (дата обращения: 14.05.2025).

Описание на английском языке

RESEARCH OF STOCK INDICES ENTROPY FOR THE NORTH-WEST FEDERAL DISTRICT OF THE RUSSIAN FEDERATION

Authors:

Vasily V. Karasev*, Ekaterina I. Karaseva**

*Institute of Problem of Mechanical Engineering Russian Academy of Sciences
St. Petersburg, Russia
**St. Petersburg State University of Aerospace Instrumentation
St. Petersburg, Russia

Abstract

In the paper the stock indices entropy is researched for the Northwestern Federal district over a six-year time interval and a comparative analysis of the obtained results with the main indices of the Moscow Exchange is performed. We substantiate the conclusion about the advisability to use entropy as an indicator of market uncertainty in the Northwestern Federal District.

Keywords: state, uncertainty, entropy, index, forecasting, assessment, economics, information.
For citation: Karasev V. V., Karaseva E. I. Research of stock indices entropy for the North-West federal district of the Russian
Federation. Ekonomika Severo-Zapada: problemy i perspektivy razvitiya = Economy of the North-West: problems and prospects of development. 2025;(2(81)):42–48. DOI: 10.52897/2411-4588-2025-2-42-48

References

  1. Entropy: From Thermodynamics to Information Processing / J. Natal, I. Avila, V. B. Tsukahara [et al.]. Entropy. 2021;(23):1340.
  2. Martin J. L. Theories of Disorder and Order, Energy and Information, in Sociological Thought. Philosophical Transactions of the Royal Society. Series A Mathematical, Physical, and EngineeringSciences. 2023;(381(2256)):20220292. Available at: https://royalsocietypublishing.org/doi/10.1098/rsta.2022.0292 (accessed: 14.05.2025).
  3. Fontaine S. A. S, Amigó J. M. Applications of Entropy in Data Analysis and Machine Learning: A Review. Entropy. 2024;(26(12)):1126.
  4. Karasev V. V., Karaseva E. I. Metod otsenki stepeni diversifikatsii ekonomiki na osnove entropii ekonomicheskikh svyazei. Analiz, modelirovanie, upravlenie, razvitie sotsial’no-ekonomicheskikh sistem: sbornik nauchnykh trudov XVIII Mezhdunarodnoi shkoly-simpoziuma AMUR-2024, Simferopol’ – Sudak, 14–27 sent. 2024 g. / red. sovet: A. V. Sigal i dr. Simferopol’: IP Kornienko A. A., 2024:185–189. (In Russ.)
  5. Karasev V. V., Karaseva E. I. Entropiya osnovnykh fondovykh indeksov kak pokazatel’ neopredelennosti sostoyaniya ekonomiki. Ekonomika. Pravo.Innovatsii. 2023;(4):4–16. (In Russ.)
  6. Sturges H. The Choice of a Class-Interval. Journal of American Statistical Association. 1926;(21):65–66.
  7. Mikhailov V. G. Tsentral’naya predel’naya teorema dlya chisla nepolnykh dannykh povtorenii. Teoriya veroyatnostei i ee primenenie. 1975;(20(4)):880–884. (In Russ.)
  8. Senatov V. V. Tsentral’naya predel’naya teorema. Tochnost’ approksimatsii i asimptoticheskie razlozheniya. M.: Librokom, 2018. 350 s. (In Russ.)
  9. Miller G. M. Note on the bias of information estimates. Information Theory in Psychology: Problems and Methods / Ed. H. Quastler. Free Press, 1955:95–100.
  10. Paninski L. Estimation of Entropy and Mutual Information. Neural Computation. 2003;(15(6)):1191–1253.
  11. Nonparametric Entropy Estimation: An Overview /J. Beirlant, E. J. Dudewicz, L. Györfi, E. C. van der Meulen. International Journal of Mathematical andStatistical Sciences. 1997;(6(1)):17–39.
  12. Leonenko N., Pronzato L., Savani V. A class of Rényi information estimators for multidimensional densities. The Annals of Statistics. 2008;(36(5)):2153–2182.
  13. A new class of random vector entropy estimators and its applications in testing statistical hypotheses / M. N. Goria, N. N. Leonenko, P. L. Novi Inverardi [et al.]. Journal of Nonparametric Statistics. 2005;(17(3)):277–297.
  14. Jizba P., Lavička H., Tabachová Z. Rényi Transfer Entropy Estimators for Financial Time Series. Engineeering Procedings. 2021;(5(1(33))). Available at: https://www.mdpi.com/2673-4591/5/1/33 (accessed: 12.05.2025).
  15. Subramanian S., Hsieh M.-H. Quantum algorithm for estimating α-Renyi Entropies of Quantum States. Physical Review. 2021;(A 104):022428.
  16. Entropy-Metric Estimation of the Small Data Models with Stochastic Parameters / V. Kovtun, T. Altameem, M. Al-Maitah, W. Kempa. Heliyon. 2024;(10(2)):e24708.
  17. Montalvao J., Attux R., Silva D. G. Simple Entropy Estimator for Small Datasets. ElectronicsLetters. 2012;(48(17):1059–1061.
  18. Statistical Tests Based on Rényi Entropy Estimation / M. S. Çadirci, D. Evans, N. Leonenko [et al.]. 2025. Available at: https://arxiv.org/html/2502.08654v1 (accessed: 14.05.2025).
  19. Bonachela J. A., Munoz M. A., Hinrichsen H. Entropy Estimates of Small Data Sets. Journal of Physics A: Mathematical and Theoretical. 2008;(41(20)):202001
  20. Anis B. I. Choosing Parameters for Rényi and Tsallis Entropies Within a Two-Dimensional Multilevel Image Segmentation Framework. PhysicaA: Statistical Mechanics and its Applications.Elsevier. 2017;(466(C)):521–536.
  21. Panche I. D.-L. P., Alvarez-Meza A. M., Orozco-Gutierrez A. A Data-Driven Measure of Effective Connectivity Based on Renyi’s α-Entropy // Frontiers in Neuroscience (Section “Brain Imaging Methods”).2019. Vol. 13. URL: https://www.frontiersin.org/journals/neuroscience/artcles/10.3389/fnins.2019.01277/full (дата обращения: 14.05.2025).