چکیده:
هدف: مدلسازی فرایند ورود معاملهگران مطلع و نامطلع به بورس تهران و بررسی برهمکنش این دو گروه معاملهگران 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 دادههای معاملات 33 شرکت از 11 صنعت بورس اوراق بهادار تهران در سالهای 1392 تا 1395 و با استفاده از الگوریتم نلدر ـ 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 میدهد. مقدار ورود معاملهگران مطلع در قیاس با معاملهگران نامطلع پایداری کمتری نشان میدهد. به علاوه، این مقدار تأثیرپذیری اندکی از رونق معاملات دارد. همچنین، افزایش حضور معاملهگران مطلع لزوماً تعداد معاملهگران نامطلع در بازار را کاهش نمیدهد.
نتیجهگیری: مشابه یافتههای پیشین در بازار کشورهای دیگر، در بورس تهران حضور معاملهگران مطلع بهطور عمده تابع مزیتهای اطلاعاتی آنهاست، اما برخلاف نتایج اغلب مطالعات پیشین، با افزایش حضور معاملهگران مطلع، تمایل معاملهگران نامطلع برای مشارکت در بورس اوراق بهادار تهران لزوماً کاهش نمییابد.
خلاصه ماشینی:
Gao, Song, & Wang 6.
از آنجا که معاملات یک سهم در طول زمان ممکن است به دلیل تغییر وضعیت بازار، تعداد فعالان بازار یا سایر عوامل ، روند نزولی یا صعودی داشته باشد و با توجه به گفته ایزلی و همکارانش (٢٠٠٨)، برای حذف اثر روند بر مقدار ورود معامله گران ، از مقادیر روندزدایی شده که از رابطه ٢ ,١=,̃= − به دست میآید، استفاده میشود که در آن نشان دهنده درصد رشد ورود معامله گر نوع i است .
Level-2 (رجوع شود به تصویر صفحه) یافته های پژوهش مطالعه حاضر به دنبال بررسی نسبت حضور معامله گران مطلع و نامطلع در معاملات نمادهای مختلف بورس تهران که مبحثی متفاوت است و در برخی مطالعات پیشین داخلی، انجام شده نیست .
با نگاهی به آماره های به دست آمده از آزمون فرضیه ٠>Γ١٢-Γ١١ که در ستون دوم جدول ٤ درج شده ، مشخص است که به استثنای دو نماد فملی و کاما، برای تمام نمادها Γ١٢-Γ١١ مثبت و از نظر آماری معنادار است ، بنابراین با فرض ثابت ماندن تعداد کل معاملات ، افزایش سهم معاملات نامتوازن در یک روز، سبب افزایش پیش بینی مقدار ورود معامله گران مطلع برای روز آتی میشود.
Investigation on relation between information asymmetry and liquidity via market microstructures model in Tehran Stock Exchange.
Applying Combined Approach of Sequential Floating Forward Selection and Support Vector Machine to Predict Financial Distress of Listed Companies in Tehran Stock Exchange Market Saeid Fallahpour Assistant Prof.
Applying Combined Approach of Sequential Floating Forward Selection and Support Vector Machine to Predict Financial Distress of Listed Companies in Tehran Stock Exchange Market.