فهرست مطالب

نشریه تحقیقات مالی
پیاپی 51 (پاییز 1397)

  • تاریخ انتشار: 1397/09/05
  • تعداد عناوین: 7
|
  • محسن مهرآرا ، حبیب سهیلی احمدی صفحات 265-288
    هدف
    مدل‎سازی فرایند ورود معامله‎گران مطلع و نامطلع به بورس تهران و بررسی برهم‎کنش این دو گروه معامله گران در بازار که با وجود اهمیت آن تا‎ کنون مغفول مانده، هدف اصلی این مطالعه است.
    روش
    در این پژوهش، مدل معاملات متوالی بر مبنای داده های معاملات 33 شرکت از 11 صنعت بورس اوراق بهادار تهران در سال های 1392 تا 1395 و با استفاده از الگوریتم نلدر مید تخمین زده شد. یافته‎ها: در بورس تهران، افزایش پیش‎بینی نشده معاملات نامتوازن در یک روز، مقدار انتظاری ورود هر‎ دو گروه معامله‎گران به بازار در روز آتی را افزایش می دهد. مقدار ورود معامله‎گران مطلع در قیاس با معامله‎گران نامطلع پایداری کمتری نشان می دهد. به علاوه، این مقدار تاثیرپذیری اندکی از رونق معاملات دارد. همچنین، افزایش حضور معامله‎گران مطلع لزوما تعداد معامله گران نامطلع در بازار را کاهش نمی دهد. نتیجه‎گیری: مشابه یافته های پیشین در بازار کشورهای دیگر، در بورس تهران حضور معامله گران مطلع به‎طور عمده تابع مزیت‎های اطلاعاتی آنهاست، اما برخلاف نتایج اغلب مطالعات پیشین، با افزایش حضور معامله گران مطلع، تمایل معامله‎گران نامطلع برای مشارکت در بورس اوراق بهادار تهران لزوما کاهش نمی‎یابد.
    کلیدواژگان: معاملات مبتنی بر اطلاعات نهانی، مدل معاملات متوالی، اطلاعات نامتقارن، مدل های ریزساختار بازار، بورس اوراق بهادار تهران
  • سعید فلاح پور، رضا راعی، عیسی نوروزیان صفحات 289-304
    هدف
    پیش‎بینی درماندگی مالی شرکت‎ها، یکی از مهم‎ترین مسائل تحقیقاتی در حوزه‎ مدیریت ریسک بوده و همواره در کانون توجه بانک‎ها، شرکت‎ها، مدیران و سرمایه‎گذاران قرار داشته است. هدف اصلی این پژوهش ارائه یک مدل پیش‎بینی‎ کننده با عملکرد بالا و مقایسه‎ نتایج به‎دست آمده از آن با سایر مدل‎های رایج در پیش‎بینی درماندگی مالی است.
    روش
    به همین منظور از روش‎های انتخاب ویژگی پی‎درپی پیشرو شناور که مدل تعمیم‎یافته‎ روش انتخاب ویژگی پیشرو پی‎درپی بوده و از دسته روش‎های پوشش‎دهنده است و روش انتخاب ویژگی پیشرو پی‎درپی در ترکیب با ماشین بردار پشتیبان استفاده شد. این مدل‎ها از نوع مدل‎های ترکیبی انتخاب ویژگی و طبقه‎بندی‎ کننده هستند. همچنین در این پژوهش از مدل رگرسیون لجستیک که یکی از مدل‎های آماری طبقه‎بندی است نیز استفاده شده است.
    یافته‎ها: پس از بررسی نسبت‎های مالی مهم در نهایت 29 نسبت مالی که در تحقیقات گذشته بیشتر استفاده شده بودند، انتخاب گردیند. آزمون مقایسات زوجی نشان می دهد که دقت مدل پیشنهادی این پژوهش با سطح اطمینان 95 درصد بهتر از دیگر مدل های استفاده شده در این پژوهش می باشد.
    نتیجه‎گیری: نتایج نشان داد که مدل پیشنهادی این تحقیق در یک سال، دو سال و سه سال قبل از درماندگی مالی به طور معناداری از عملکرد بهتری در پیش بینی درماندگی مالی نسبت به روش انتخاب ویژگی پیشرو پی درپی و مدل رگرسیون لجستیک برخوردار است.
    کلیدواژگان: انتخاب پی‎درپی پیشرو شناور، پوشش‎دهنده، درماندگی مالی، ماشین بردار پشتیبان، مدل‎های ترکیبی
  • میثم عرب زاده، داریوش فروغی، هادی امیری صفحات 305-326
     
    هدف
    هدف اصلی از اجرای این پژوهش ساختگی عاملی مبتنی بر اقلام تعهدی است. همچنین در این پژوهش بررسی می شود که ناهنجاری اقلام تعهدی برگرفته از ریسک است یا از قیمتگذاری نادرست نشئت میگیرد. بر اساس تئوری های پشتوانه مدلهای قیمتگذاری دارایی های منطقی، توانایی اقلام تعهدی در پیشبینی بازده باید برگرفته از ضرایب پرتفوی های ساختگی عاملی مبتنی بر اقلام تعهدی باشد، نه ویژگی اقلام تعهدی.
    روش
    در این پژوهش فرضیه ها بهکمک رگرسیون سری زمانی آزمون شده اند و برای تحلیل ناهنجاری اقلام تعهدی از مدل قیمتگذاری چهار عاملی هیرشلیفر استفاده شده است. ویژگی اقلام تعهدی به جای ضریب عامل اقلام تعهدی، بازده را پیشبینی میکند. ،
    یافته ها
    بر اساس نتیجه آزمونهای انجام شده این نتایج نشان میدهد سرمایهگذاران ویژگی اقلام تعهدی را بهطور نادرست ارزیابی میکنند و سبب میشوند تفسیر ریسک منطقی با تردید مواجه شود.
    نتیجه گیری
    بین اقلام تعهدی و بازده سهام همگرایی وجود دارد و این همگرایی به قیمتگذاری نادرست سرمایهگذاران نسبت داده. ناهنجاری اقلام تعهدی برگرفته از قیمتگذاری نادرست است ، میشود. به بیان دیگر
    کلیدواژگان: عامل اقلام تعهدی، مالیه رفتاری، ویژگی اقلام تعهدی، توجه محدود سرمایهگذار، قیمتگذاری نادرست
  • محمد ندیری، مسلم پیمانی، ریحانه ربیعی صفحات 327-342
    هدف
    در پژوهشهای بسیاری به بحث دستکاری قیمت به صورت نظری پرداخته شده، اما شکل تجربی این بحث بهویژه در بازارهای ضروری است. این ، کمتر بررسی شده است. از این رو، توجه به این موضوع و شناسایی راه های پیشگیری از آن ،نوظهور همانند ایران پدیده سبب تغییر غیرطبیعی قیمت سهام شرکتها شده و به بیاعتمادی بین سرمایهگذاران منجر میشود. تغییرات غیرطبیعی قیمت سهام، به افزایش نوسانهای بازار سهام و ریسک بیشتر آن منجر میشود. در این پژوهش بهطور تجربی به بررسی و شناسایی شرکتهای مستعد دستکاری قیمت در بازار سرمایه ایران پرداخته شده است.
    روش
    برای اجرای این پژوهش از نمونه های دستکاری قیمت به روش ورود سفارش اغواکننده در بازار سهام ایران برای دو دوره سه ماهه (یک دوره صعودی شاخص و یک دوره نزولی) استفاده شده است. روشی که برای آزمون و تجزیه و تحلیل داده ها بهکار رفته، رگرسیون پنل لاجیت است.
    یافته ها
    نتایج نشااان میدهد شاارکتهای کوچک با حجم معاملات بالا، شاافافیت اطلاعاتی اند ، نوسااان بازدهی بالا و با سااابقه دستکاری در گذشته، برای دستکاری قیمت مستعدترند. همچنین دستکاری قیمت با تغییرات شاخص بازار رابطه معکوس دارد.
    نتیجهگیری
    تغییرات شاخص بازار متغیر تاثیرگذاری بر احتمال دستکاری قیمت است. احتمال وقوع دستکاری قیمت در بازارهای رکودی، به دلیل مشکل بودن کسب بازدهی در آنها، بیشتر است، زیرا در بازارهای صعودی که اغلب سهمها با رشد قیمت مواجه انگیزه کمتری برای این نوع اقدامات وجود دارد. ، میشوند
    کلیدواژگان: دستکاری قیمت، سفارش اغواکننده، عدم تقارن اطلاعاتی، روند بازار، حکمرانی شرکتی
  • مهدی حیدری، محمدحسین صباغزاده صفحات 343-364
    هدف
    یکی از ابزارهای رایج برای ایجاد شفافیت قبل از معامله در بازارهای مالی، دفتر سفارشهای محدود است. با اینکه در زمینه هنوز در خصوص اثر افزایش شفافیت قبل از معامله بر کیفیت بازار (نقدشوندگی ، دفتر سفارشهای محدود مطالعات متعددی صورت گرفته پله برای معاملهگران برخط بورس 5 پله به 3 و عمق بازار) اجماع نظری وجود ندارد. افزایش تعداد سطوح دفتر سفارشهای محدود از این فرصت را بهوجود آورد که به بررسی این موضوع در بورس تهران پرداخته شود. ،6331اوراق بهادار تهران در اردیبهشت ماه سال
    روش
    در این پژوهش با استفاده از معیارهای اسپرد مظنه، اسپرد موثر، عمق بازار و انحراف معیار بازدهی، اثر شفافیت دفتر سفارشهای بررسی شده است. ، محدود بر کیفیت بازار بر اساس رویکرد مطالعات رویدادی
    یافته ها
    بر مبنای یافته های پژوهش، پس از افزایش تعداد سطوح دفتر سفارشهای محدود در بورس تهران، تمام معیارهای انتخاب شده، به جز عمق بازار با کاهش معناداری روبهرو بودهاند.
    نتیجهگیری
    نتایج بهدست آمده از بررسی معیارهای کیفیت بازار نشان میدهد افزایش شفافیت دفتر سفارشهای محدود برای به کاهش کیفیت بازار منجر شده است. ، معاملهگران برخط در بورس ایران
    کلیدواژگان: اسپرد، انحراف معیار بازدهی، دفتر سفارشهای محدود، شفافیت بازار، عمق بازار
  • مجید میرزایی قزانی صفحات 365-388
    هدف
    هدف این پژوهش، بررسی رفتار متغیر تلاطم تحققیافته در ارتباط با داده های با فراوانی زیاد شاخص سهام بورس اوراق بهادار است. 1991 مرداد 11 تا 1991 اردیبهشت 9 در فاصله زمانی ،تهران
    روش
    برای دستیابی به هدف پژوهش و تحلیل و بررسی رفتار متغیر تلاطم تحققیافته، از سه گونه مختلف مدلهای خودرگرسیونی HAR شامل ،ناهمگن -RV-CJ ،HAR HAR - و RV. - استفاده شده است RVJ به نحو مطلوبی از طریق ،
    یافته ها
    نتایج بهدست آمده از سه مدل مختلف نشان میدهد که تلاطم تحققیافته تخمینی در بازار HAR معاملهگرانی که به صورت روزانه و در چارچوب مدل - فعالیت میکنند، توضیح داده شده است. علاوه بر این، منبعث از RVJ درمییابیم که در مقایسه عملکردی تمام افقهای زمانی مطالعه، مقادیر مربوط به چهار معیار ارزیابی ،فرضیه مشهور بازار ناهمگن HAR و غیره) در مدل فوق از مدلهای MAE ،RMSE(شامل HAR - و RV-CJ - کمتر است. RV HAR
    نتیجه گیری
    عملکرد پیشبینی درون نمونهای در مدل - و در ارتباط با متغیر تلاطم آتی شاخص بورس اوراق بهادار RVJ HAR تهران، از آنچه در مدلهای HAR - و RV بهتر بوده و بین تمام معیارها بیشترین امتیاز را کسب ، - بهدست آمده است RV-CJ HAR مدل ساده ، کرده است. همچنین در حالت بررسی برون نمونهای نیز باید گفت که فقط در افق زمانی ماهانه - نسبت به دو RV مدل دیگر برتری داشته است.
    کلیدواژگان: مدل خودرگرسیونی ناهمگن، تلاطم تحققیافته، فرضیه بازار ناهمگن، دادههای با فراوانی بالا، پرش
  • معین نیکوسخن صفحات 389-408
     
    هدف
    به طور کلی سری های زمانی مالی مانند شاخص سهام اغلب توانایی پیشبینی دقیق سری هایی با این گونه رفتار را ندارند. بر این اساس، هدف تحقیق ، مدلهای مبتنی بر یادگیری ماشین ) و الگوریتم ژنتیک با GMDH حاضرررر، ارا ه یک مدل ترکیبی جدید با بهرهمندی از مزایای روش گروهی مدلسرررازی داده ها ( ) برای پیشبینی دقیقتر روند حرکت و تغییرات شرراخص کب بورس اورا بهادار تهران و مقایسرره NSGA II مرتبسررازی نامغلوب (است. TIC و MAPE ،RMSE بر اساس معیارهای سنجش خطا شامب ARIMA توانایی آن با مدل) طی TEDPIX
    روش
    برای دستیابی به هدف پژوهش، از داده های شاخص کب قیمت و بازده نقدی در بورس اورا بهادار تهران ( NSGA II استفاده شده است. مدل ترکیبی 7831 تا شهریور 7831 دوره زمانی مهر را بهعنوان مدلی GMDH -، شبکه GMDH برای کمینهسازی NSGA II مقاوم در برابر داده های نویزی و نامانا برای پیشبینی بهکار میگیرد و از الگوریتم بهینهسازی چندهدفه خطای پیشبینی و انتخاب متغیرهای ورودی بهینه استفاده میکند. بیانکننده خطای کمتر و ، بر اساس هر سه معیار سنجش خطا ،
    یافته ها
    نتایج بهدست آمده از مدل ترکیبی ارا هشده در این پژوهش برای داده های خارج از نمونه است. ARIMA دقت پیش بینی بیشتر آن در مقایسه با مدل
    نتیجه گیری
    با توجه به یافته های تجربی میتوان نتیجه گرفت که مدل پیشنهادی در پوشش تغییرات ناپایدار روند حرکت شاخص. از انعطافپذیری و توانایی بیشتری برخوردار است ،کب
    کلیدواژگان: پیش بینی بازار سهام، روش گروهی مدل سازی داده ها، سری های زمانی مالی ترکیبی، الگوریتم ژنتیک با مرتب سازی نامغلوب
|
  • Mohsen Mehrara, Habib Soheyli Ahmadi Pages 265-288
    Objective
    The aim of this study is to model arrival process of informed and uninformed traders into Tehran Stock Exchange (TSE) as well as to assess the interaction between two types of traders which is an important yet neglected topic.
    Methods
    In this study, a sequential trade model was estimated based on trading data of 33 stocks belonging to 11 industries of TSE during the period from 2013 to 2016 using Nelder-Mead algorithm.
    Results
    In TSE, an unexpected rise in unbalanced trades in current single day increases the expected arrival rate of both types of traders in the next day. The arrival rate of informed traders shows lower persistence compared to that of uninformed traders in the TSE. In addition, it showed negligible sensitivity to trading intensity. The presence of informed traders doesn't necessarily lead to a decrease in the number of uninformed traders in the TSE.
    Conclusion
    Similar to previous studies about stock markets in different countries, the presence of informed traders in TSE mainly depends upon their information-related advantages. Unlike most prior studies, the arrival rate of uninformed traders in TSE is not significantly affected by the arrival rate of informed traders
    Keywords: Informed trading, Sequential trade model, Asymmetric information, Market microstructure models, Tehran Stock Exchange
  • Saeid Fallahpour, Reza Raei, Eisa Norouzian Pages 289-304
    Objective
    Nowadays, financial distress prediction is one of the most important research issues in the field of risk management that has always been interesting to banks, companies, corporations, managers and investors. The main objective of this study is to develop a high performance predictive model and to compare the results with other commonly used models in financial distress prediction
    Methods
    For this purpose, sequential floating forward selection that is considered as the generalized form of sequential forward selection method and as one of the wrapper methods, and sequential forward selection methodin combination with support vector machine were used. These models are combined models of feature selection and classifier. Logistic regression model which is a statistical classification models, has also been used in the present study.
    Results
    After reviewing the important financial ratios, 29 financial ratios that were mostly used in previous researches were chosen. Paired T-test results showed thatwith a 95% confidence level. The proposed model provides higher accuracy than other models used in this study.
    Conclusion
    Results showed that the proposed model of this research has significantly better performance in predicting financial distress than the sequential forward selection method and Logistic regression model in one year, two years and three years before financial distress
    Keywords: Feature selection, Sequential floating forward selection, Wrapper, Financial distress, Hybrid models
  • Meysam Arabzadeh Ph.D, Hadi Amiri, Daruosh Foroghi * Pages 305-326
    Objective
    The main objective of this research is to explain the accrual anomaly using accruals factor (CMA) and accrual-based factor-mimicking portfolios as well as checking whether accrual anomaly is risk-based or mispricing. According to rational frictionless asset pricing model, the ability of accruals to predict returns should come from the loadings on this accrual factor loading that predicts returns.
    Methods
    In this research, to test the hypotheses of time series regression and also, the four-factor pricing model is used to analyze accrual anomaly.
    Results
    Our tests showed that it is the accrual characteristic rather than the accrual factor loading that predicts returns. These results indicated that investors evaluate the accrual characteristic in an incorrect manner and cause doubts on the rational risk explanation
    Conclusion
    We can conclude that there is a relationship between accruals and returns, and this comovement is attributed to mispricing of investors. In other words, accrual anomaly results from mispricing
    Keywords: Accrual factor, Accrual characteristic, Behavior finance, Limited attention of investor, Mispricing
  • Mohammad Nadiri *, Seyed Mohammad Alavi Nasab, Moslem Peymany , Reihaneh Rabiee Pages 327-342
    Objective
    There is a large theoretical literature regarding stock market manipulation. However, empirical evidence of manipulation remains scare especially in emerging markets like Iran. So, it is vital to detect and prevent. Manipulation distorts prices, thereby reducing market efficiency and harms public confidence. Distorted prices increase market volatility and risk. This study empirically investigates which firms are more susceptible to successful deceptive manipulation.
    Methods
    We collect the data set consisting of manipulation cases of entering spoofing order in Iranian stock market in two periods. In the first three-month period, the index was downward and in the second one, it was upward. Panel Logit regression was used to determine and interpret results.
    Results
    The regression results showed that small firms, with high trade volume, low information transparency, high information asymmetry and high volatility are more prone to stock price manipulation. Indeed, there is an inverse relationship between manipulation and fluctuation index.
    Conclusion
    Index change is an effective variable on stock manipulation. Manipulation is more probable in bear market, because most of the stocks are upward in bullish markets and there are fewer motives for stock manipulation
    Keywords: Price manipulation, Spoofing order, Information asymmetry, Market trend, Corporate governance
  • Mahdi Heidari, Mohammad Hossein Sabbaghzadeh * Pages 343-364
    Objective
    One of the common tools used to make pre-trade transparency in financial markets is the Limit Order Book. In spite of several researches on the Limit Order Book, there is no consensus about the impact of increasing pre-trade transparency on market quality. Increasing the number of Limit Order Book levels from 3 to 5 levels, in May 2017, for online traders in Tehran Stock Exchange, gave us the opportunity to study the issue.
    Methods
    In this paper, based on the even study, we examined the impact of transparency of Limit Order Book on market quality using Quoted Spread, Effective Spread, Market Depth and Return Standard Deviation.
    Results
    According to the results, after increasing the number of Limit Order Book levels in Tehran Stock Exchange, there was a significant decrease among all of the selected criteria with the exception of Market Depth.
    Conclusion
    The results indicated that increasing the number of Limit Order Book’s levels for online traders in Tehran Stock Exchange led to deterioration in the market quality.
    Keywords: Spread, Return standard deviation, Limit order book, Market transparency, Market depth.
  • Majid Mirzaee Ghazani, K. N. Toosi Pages 365-388
    Objective
    The present study aims at investigating the behavior of realized volatility for high-frequency data of Tehran Stock Index from April 28th, 2012 to August 8th, 2018.
    Methods
    Three different types of HAR models including of HAR-RV-CJ, HAR-RV and HAR-RVJ were used to analyze the Realized Volatility.
    Results
    The obtained results of three diverse models revealed that the estimated Realized Volatility in market was described appropriately by the traders who work daily and in the framework of HAR-RVJ model. Moreover, based on the Heterogeneous Market Hypothesis, we found out that in comparative performance for all of time horizons in this study, the results of four evaluative criteria (including of MSE, RMSE and etc.) in HAR-RVJ model is lower than HAR-RV-CJ
    and
    HAR-RV.
    Conclusion
    The in-sample forecasting performance of HAR-RVJ, in relation to Future Volatility of Tehran Stock Exchange Index, was better than the results we obtained from the alternative models in the study (HAR-RV
    and
    HAR-RV-CJ) and the best scores were observed among all the criteria. In addition, for the out-of-sample analysis, the simple HAR-RV model had superiority over the other two models only in the Monthly time horizon.
    Keywords: Heterogeneous autoregressive model, Realized volatility, Heterogeneous market hypothesis, High-frequency data, Jump
  • Moien Nikusokhan Pages 389-408
    Objective
    In general, financial time series such as stock indexes have nonlinear, mutable and noisy behavior. Structural and statistical models and machine learning-based models are often unable to accurately predict series with such a behavior. Accordingly, the aim of the present study is to present a new hybrid model using the advantages of the GMDH method and Non-dominated Sorting Genetic Algorithm II (NSGA II) to, more accurately, predict the trend of movement and volatility of Tehran Stock Exchange Price Index, and to compare its ability with the ARIMA model based on RMSE, MAPE, and TIC error assessment criterions.
    Methods
    For this purpose, the data of Tehran Stock Exchange Dividend and Price Index (TEDPIX) was used during the period of October 2008 to September 2013. The hybrid model NSGA II - GMDH utilizes the GMDH network as a model resistant to nonstationary and noisy data for prediction and uses the NSGA II multi-objective optimization algorithm to minimize predictive error and select the optimal input variables.
    Results
    The results of the proposed hybrid model in this study indicated a lower error and more prediction accuracy compared to ARIMA model for out-of-sample data based on all three error criterions.
    Conclusion
    The empirical findings of the study showed that the proposed model has higher flexibility and capability in covering unstable changes in the total index movement trend
    Keywords: Financial time series, Group method of data handling, Hybrid model, Nondominated sorting genetic algorithm II, Stock market forecasting