پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,232 |
| تعداد مقالات | 67,774 |
| تعداد مشاهده مقاله | 115,248,409 |
| تعداد دریافت فایل اصل مقاله | 89,993,392 |
الگوریتم کشف معاملات مشکوک در بورس اوراق بهادار تهران بر اساس مدل معاملات جعلی | ||
| تحقیقات مالی | ||
| دوره 25، شماره 1، 1402، صفحه 26-62 اصل مقاله (941.4 K) | ||
| نوع مقاله: مقاله علمی پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/frj.2020.295905.1006979 | ||
| نویسندگان | ||
| رضا تهرانی1؛ سعید فلاح پور2؛ حمید نورعلی دخت* 3 | ||
| 1استاد، گروه مالی و بیمه، دانشکده مدیریت، دانشگاه تهران، تهران، ایران. | ||
| 2استادیار، گروه مالی و بیمه، دانشکده مدیریت، دانشگاه تهران، تهران، ایران. | ||
| 3دکتری مالی، گروه مالی و بیمه، دانشکده مدیریت، دانشگاه تهران، تهران، ایران. | ||
| چکیده | ||
| هدف: این پژوهش دستکاری قیمت سهام را در بورس اوراق بهادار تهران بررسی می‌کند و به شناخت و کشف دستکاری قیمت سهام با استفاده از الگوریتم ریاضی spoof trading می‌پردازد. این پژوهش بر دستکاری معامله‌محوری تمرکز کرده است که در آن، دستکاری‌کنندگان سفارش‌های خریدوفروش را برای کنترل قیمت سهام وارد سامانه می‌کنند. روش: در این پژوهش با استفاده از مجموعه‌ای از داده‌های دست‌چین‌شده مربوط به معاملات لحظه‌ای، 50 شرکت دستکاری‌شده انتخاب و مشخصات و الگوهای سهم‌های دستکاری‌شده در این شرکت‌ها، در بازه زمانی 1392 تا 1395 بررسی شده است. در ادامه، از پنل دیتا و آزمون‌های اف لیمر، هاسمن، هم‌انباشتگی، ناهمسانی واریانس و تورم واریانس و سپس، آزمون‌های اقتصادسنجی مربوط به دستکاری قیمت، از جمله آزمون‌های مانایی، خودهمبستگی، کشیدگی، چولگی، تسلسل و وابستگی دیرش استفاده شده است. در انتها نیز برای سنجش کارایی الگوریتم مدنظر، از شبکه عصبی بهره گرفته شده و نتایج در قالب ماتریس تشخیص الگو ارائه شده است. یافته‌ها: یافته‌ها حاکی از آن است که نتایج حاصل از آزمون‌های اقتصادسنجی با نتایج به‌دست‌آمده از الگوریتم طراحی‌شده هم‌خوانی دارد. همچنین فرضیه‌های ارائه شده در این پژوهش تأیید شدند. نتیجه‌گیری: نتایج بررسی الگوریتم طراحی‌شده نشان داد که کارایی الگوریتم استفاده‌شده در جهت شناسایی معاملات مشکوک 4/90 درصد بوده است که این سطح از کارایی، برای پذیرش یک الگوریتم بسیار عالی است. همچنین با تأیید فرضیه‌های این پژوهش، این نتیجه حاصل شد که قیمت‌های ارائه‌شده در بخش سفارش‌های خریدوفروش و همچنین، میزان حجم ارائه‌شده در بخش سفارش‌های خریدوفروش در ردیف‌های اول و دوم تابلوی معاملات در شناسایی دستکاری قیمت مؤثر است. | ||
| کلیدواژه‌ها | ||
| معاملات مشکوک؛ دستکاری قیمتی؛ معاملات جعلی؛ بازار بورس و اوراق بهادار تهران؛ شبکه عصبی | ||
| عنوان مقاله [English] | ||
| Developing an Algorithm for Detecting Suspicious Trades in Tehran Stock Exchange Based on Spoof Trading Model | ||
| نویسندگان [English] | ||
| Reza Tehrani1؛ Saeed Fallahpour2؛ Hamid Nouralidokht3 | ||
| 1Prof., Department of Finance and Insurance, Faculty of Management, University of Tehran, Tehran, Iran | ||
| 2Assistant Prof., Department of Finance and Insurance, Faculty of Management, University of Tehran, Tehran, Iran. | ||
| 3Phd Candidate, Department of Finance and Insurance, Faculty of Management, University of Tehran, Tehran, Iran. | ||
| چکیده [English] | ||
| Objective: Stock market manipulation has gained significant attention in recent years. The fact that markets can be manipulated has great implications for designing trading rules and market efficiency. Market manipulation has been developing since the beginning. Thoughtful and accurate manipulation techniques adopted by manipulators may not easily be detected. This research examines stock price manipulation in Tehran Stock Exchange and addresses the identification and detection of stock price manipulation by mathematical algorithm (spoof trading). This study examines transaction-based manipulation in which manipulators place bid and ask orders to control the stock prices. More specifically, this paper studies manipulated stocks by looking at market microstructure (intraday transactions) and aims to introduce an algorithm for detecting suspicious trades so that regulators can detect them beforehand. The ultimate goal of this paper is to help the “Securities and Exchange Organization” (SEO) of Iran to reform market regulations in order to prevent the occurrence of suspicious trades in the market. Methods: This research relies on price data placed by investors in the market. Transaction data consists of two levels; the first level includes executed bid-ask orders available to the public, such as open, close, high, and low prices as well as trading volumes in a specific period. The second level includes the first layer plus all buying and selling orders whether they are executed or not. The latter can only be observed by the regulator and is not available to the public. This paper focuses on the second level in which characteristics and patterns of manipulated stocks are examined by utilizing the intraday transactions of 50 manipulated companies from 2013 to 2016. Panel data analysis and F-limer, Hausman Test, Heteroskedasticity Test, Cointegration Test, Variance Inflation Factors Test, as well as econometric tests relating to price manipulation including stationary, autocorrelation, kurtosis, skewness, run and duration dependence test, were applied to the considered data. Finally, an artificial neural network was used to test the effectiveness of the designed algorithm. The obtained results were illustrated in a confusion matrix. Results: The results of the mentioned econometric tests were consistent with the results of the designed algorithm. The study’s hypotheses were accepted. Conclusion: The results of the designed algorithm indicated that the efficiency of the utilized algorithm for detecting suspicious trades is equal to 90.4%, which is an excellent level of performance for accepting an algorithm. Additionally, this research shows that the price and volume of buy and sell orders in the first two lines of the ticker screen are effective in detecting stock price manipulation. | ||
| کلیدواژه‌ها [English] | ||
| Suspicious trades, Price manipulation, spoof Trading, Tehran Stock Exchange, Neural Networks | ||
| مراجع | ||
|
پوست فروش، ناصر و صدرآبادی، معین‌الدین (1394). سنجش دستکاری قیمت‌ها با استفاده از مدل‌های تحلیل ممیزی درجه دوم و الگوریتم ژنتیک بر مبنای شبکه عصبی مصنوعی. دانش مالی تحلیل اوراق بهادار، 8(28)-119-143.
راعی، رضا؛ محمدی، شاپور و عیوضلو، رضا (1391). بررسی ریسک اطلاعات با استفاده از مدل‌های ریزساختار بازار. پژوهش‌های مدیریت در ایران، ۱۷(3)، 71-85.
راعی، رضا؛ محمدی، شاپور و عیوضلو، رضا (1392). تخمین احتمال معامله مبتنی بر اطلاعات خصوصی با استفاده از مدل‌های ریزساختار بازار. تحقیقات مالی، 15(1)، 17-28.
زندیه، مصطفی، قوچانی، روزبه (1392). اثر حجم معاملات و نسبت بالای P/E در ایجاد حباب قیمتی در بورس اوراق بهادار تهران. فصلنامه علمی پژوهشی دانش سرمایه‌گذاری، 2(8)، 71-88.
شرف‌زاده، سید حمیدرضا و مهرگان، نادر (1387). اقتصادسنجی پنل دیتا (چاپ اول)، تهران: مؤسسه تحقیقات تعاون، دانشگاه تهران.
شرف‌زاده، سید حمیدرضا و مهرگان، نادر (1393). اقتصادسنجی پنل دیتای پیشرفته (چاپ اول)، تهران: نشر نور علم.
شورورزی، محمدرضا؛ قوامی، هادی و حسین پور، حمید (1392). رابطه بین شفافیت اطلاعات بازار سرمایه و بروز حباب قیمت. دوفصلنامه اقتصاد پولی و مالی، 20(5)، 27- 58.
فلاح شمس، میرفیض (1387). بررسی عوامل تأثیرگذار بر دستکاری قیمت در بورس اوراق بهادار تهران. پژوهشنامه اقتصاد کلان، 1(35)، 83-104.
فلاح شمس، میرفیض (1392). عوامل تأثیرگذار بر دستکاری قیمت در بورس اوراق بهادار تهران. پژوهشنامه علوم اقتصادی، 9(2)، 83-104.
فلاح شمس، میرفیض و تیموری شندی، علی (1394). طراحی الگوی پیش‌بینی دستکاری قیمت در بورس اوراق بهادار تهران. فصلنامه پژوهشی دانشگاه امام صادق، (21)، 115- 146.
فلاح شمس، میرفیض و زارع، عظیم (1392). بررسی عوامل تأثیرگذار در بروز حباب قیمت در بورس اوراق بهادار تهران اوراق بهادار. فصلنامه بورس اوراق بهادار، 6(21)، 73- 91.
فلاح شمس، میرفیض و کردلویی، حمیدرضا (1391). آزمون مدل‌های لاجیت و شبکه عصبی مصنوعی جهت پیش بینی دستکاری قیمت در بورس اوراق بهادار تهران. مجله مهندسی مالی و مدیریت اوراق بهادار، 2(7)، 37- 72.
فلاح شمس، میرفیض و محمدی، محمود (1390). مدلی برای پیش‌بینی دستکاری قیمت سهام در بورس اوراق بهادار (مورد مطالعه: در بورس اوراق بهادار تهران). پژوهش‌های رشد و توسعه پایدار (پژوهش‌های اقتصادی)، 11(2)، 30-41.
فلاح شمس، میرفیض؛ بادپا، ایوب و بادپا، اسماعیل (1394). طراحی مدلی برای شناسایی احتمال وقوع دستکاری قیمت پایانی در بورس اوراق بهادار تهران. مهندسی مالی و مدیریت اوراق بهادار، 6(24)، 135- 152.
فلاح شمس، میرفیض؛ کردلویی، حمیدرضا و دهقانی، امیر (1391). بررسی و تعیین عوامل کشف و پیش بینی تشکیل حباب تصنعی قیمتی. فصلنامه دانش سرمایه‌گذاری، 1(1)، 99- 124.
فلاح شمس، میرفیض؛ کردلویی، حمیدرضا و رشنو، مهدی (1391). بررسی دستکاری قیمت‌ها در بورس تهران با استفاده از مدل ماشین بردار پشتیان. مجله تحقیقات مالی، 14(1)، 69-84.
کیانی، مهرداد (1389). بررسی رابطه میزان سهام شناور آزاد با ایجاد حباب قیمتی در شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران. پایان‌نامه کارشناسی ارشد، دانشکده مدیریت و اقتصاد دانشگاه آزاد اسلامی واحد علوم و تحقیقات.
ندیری، محمد؛ علوی نسب، سیدمحمد؛ پیمانی، مسلم و ربیعی، ریحانه (1397). بررسی و تحلیل تأثیر برخی عوامل مؤثر بر دستکاری قیمت در بازار سهام ایران. تحقیقات مالی، 20(3)، 327- 342.
نمازی، محمد و کرمانی، احسان (1387). تأثیر ساختار مالکیت بر عملکرد شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران. فصلنامه بررسیهای حسابداری و حسابرسی، 15(53)، 83- 100.
وکیلی فرد، حمیدرضا؛ طالب نیا، قدرت الله و کیانی، مهرداد (1389). بررسی رابطه میزان سهام شناورآزاد با ایجاد حباب قیمتی در شرکت‌های پذیرفته شده در بورس اوراق. مهندسی مالی و مدیریت اوراق بهادار (مدیریت پرتفوی )، 1(4)، 67-83 .
References Agency for the Cooperation of Energy Regulators (2019a). Layering and spoo_n in continuous wholesaleenergy markets. Agency for the Cooperation of Energy Regulators (2019b). Remit quarterly. Aggarwal, R. K., & Wu, G. (2003, March). Stock market manipulation-theory and evidence. In AFA 2004, San Diego Meetings. Aggarwal, R. K., & Wu, G. (2006). Stock market manipulations. The Journal of Business, 79(4), 1915-1953. Allen, F. &, Gale, D. (1992). Stock price manipulation. The Review of Financial Studies, 5(3), 503–529. Allen, F. &, Gorton, G. (1992). Stock price manipulation, market microstructure and asymmetric information. European Economic Review, 36(2-3), 624–630. Allen, F., Litov, L. & Mei, J. (2006). Large investors, price manipulation, and limits to arbitrage: an anatomy of market corners. Review of Finance, 10(4), 645–693. https://doi.org/10.1007/s10679-006-9008-5 Bagnoli, M., & Lipman, B. L. (1996). Stock price manipulation through takeover bids. The RAND Journal of Economics, 27(1), 124. Benabou, R., & Laroque, G. (1992). Using privileged information to manipulate markets: Insiders, gurus, and credibility. The Quarterly Journal of Economics, 107(3), 921-958. Blanes, J. (2003). Credibility and cheap talk of securities analysts: theory and evidence (No. dp472). Financial Markets Group. Brunnermeier, M. K., & Pedersen, L. H. (2005). Predatory trading. The Journal of Finance, 60(4), 1825-1863. Cartea, A., Donnelly, R., & Jaimungal, S. (2019). Hedging Non-Tradable Risks with Transaction Costs and Price Impact. arXiv preprint arXiv:1908.00054. Cartea, Á., Jaimungal, S., & Wang, Y. (2020). Spoofing and Price Manipulation in Order-Driven Markets. Applied Mathematical Finance, 1-32. Chakraborty, A., & Yılmaz, B. (2004). Informed manipulation. Journal of Economic theory, 114(1), 132-152. Chakraborty, A., & Yılmaz, B. (2004). Manipulation in market order models. Journal of financial Markets, 7(2), 187-206. Chow, E. H. Y., Hung, C. W., Liu, C. S. H., & Shiu, C. Y. (2013). Expiration day effects and market manipulation: evidence from Taiwan. Review of Quantitative Finance and Accounting, 41(3), 441-462. Comerton-Forde, C. & Putnins, T. (2011). Measuring closing price manipulation. Journal of Financial Intermediation, 20:135–158 Daniel, K., Hirshleifer, D., & Subrahmanyam, A. (1998). Investor psychology and security market under‐and overreactions. The Journal of Finance, 53(6), 1839-1885. De, L., Bradford, J., Shleifer, A., Summers, L., & Waldmann, R. (1991). The survival of noise traders in financial market. Journal of Business, 64, 1-19. Diaz, D., Theodoulidis, B., & Sampaio, P. (2011). Analysis of stock market manipulations using knowledge discovery techniques applied to intraday trade prices. Expert Systems with Applications, 38(10), 12757-12771. Dissanaike, G., & Lim, K. H. (2015). Detecting and Quantifying Insider Trading and Stock Manipulation in Asian Markets. Asian Economic Papers, 14(3), 1-20. Falah Shams, M. F., Kordlouie, H. & Rashnoo, M. (2012). Investigating the Prices Manipulation in the Tehran Stock Exchange by Using the SVM Model. Financial Research Journal, 14(1), 69-84. doi: 10.22059/jfr.2012.36633 (in Persian) Fallah Shams, M. & Kordlouie, H. (2011). Forecasting Stock Price Manipulation In Capital Market. Financial Engineering And Securities Management (Portfolio Management), 2(7), 37-72. (in Persian) Fallah Shams, M. & Zare, A. (2013). Investigating effective factors in price bubble creation in Tehran stock exchange, Journal of Securities Exchange, 6(21), 73-91. (in Persian) Fallah Shams, M. (2013). Factors Influencing Price Manipulation in Tehran Stock Exchange, Journal of Economic Sciences, 9(2), 83-104. (in Persian) Fallah Shams, M., Kordlouei, H. & Dehghani, A. (2012). Investigation and Determination of Discovering and Predicting Factors of Artificial Price Bubble. Journal of investment knowledge, 1(1), 99-124. (in Persian) Fallah Shams, M., Kordlouei, H. & Rashnoo, M. (2011). Investigating the Prices Manipulation in the Tehran Stock Exchange by Using the SVM Model. Financial research journal, 14(1), 69-84. (in Persian) Fallah Shams, M., Teimouri Shendi, A. (2015). Designing a price manipulation prediction pattern in Tehran stock exchange. Journal of Imam Sadegh University, (21), 115 – 146. (in Persian) Fishman, M. J., & Hagerty, K. M. (1995). The mandatory disclosure of trades and market liquidity. The Review of financial studies, 8(3), 637-676. Frieder, L., & Zittrain, J. (2007). Spam works: Evidence from stock touts and corresponding market activity. UC Law SF Communications and Entertainment Journal, 30(3), 479. Gao, Y., & Oler, D. (2012). Rumors and pre-announcement trading: why sell target stocks before acquisition announcements? Review of Quantitative Finance and Accounting, 39(4), 485-508. Gervais, S. & Odean, T. (2001). Learning to be overconfident. The Review of Financial Studies, 14(1), 1-27. Goldstein, I., & Guembel, A. (2008). Manipulation and the allocational role of prices. The Review of Economic Studies, 75(1), 133–164. Hanke, M., & Hauser, F. (2008). On the effects of stock spam e-mails. Journal of Financial markets, 11(1), 57-83. Hart, O. D. (1977). On the profitability of speculation. The Quarterly Journal of Economics, 579-597. Hart, O. D., & Kreps, D. M. (1986). Price destabilizing speculation. Journal of Political Economy, 94(5), 927-952. Hong, H., Scheinkman, J., & Xiong, W. (2008). Advisors and asset prices: A model of the origins of bubbles. Journal of Financial Economics, 89(2), 268-287. Huddart, S., Hughes, J. S., & Levine, C. B. (2001). Public disclosure and dissimulation of insider trades. Econometrica, 69(3), 665-681. Jarrow, R. A. (1992). Market manipulation, bubbles, corners, and short squeezes. Journal of financial and Quantitative Analysis, 27(3), 311-336. Jarrow, R. A. (1994). Derivative security markets, market manipulation, and option pricing theory. Journal of Financial and Quantitative Analysis, 29(2), 241-261. Jiang, G., Mahoney, P. G., & Mei, J. (2005). Market manipulation: A comprehensive study of stock pools. Journal of Financial Economics, 77(1), 147-170. John, K., & Narayanan, R. (1997). Market manipulation and the role of insider trading regulations. The Journal of Business, 70(2), 217-247. Kartik, N. (2005). Information transmission with almost-cheap talk. Available at SSRN 817508. Kartik, N., Ottaviani, M., & Squintani, F. (2007). Credulity, lies, and costly talk. Journal of Economic theory, 134(1), 93-116. Khwaja, A. I., & Mian, A. (2005). Unchecked intermediaries: Price manipulation in an emerging stock market. Journal of Financial Economics, 78(1), 203-241. Kiani, M. (2010). Investigating the Relationship between Free Floating Shares and Price Bubble Creation in Companies Listed in Tehran Stock Exchange, MSc Thesis, Faculty of Management and Economics, Islamic Azad University, Science and Research Branch. Kumar, P., & Seppi, D. J. (1992). Futures manipulation with “cash settlement”. The Journal of Finance, 47(4), 1485-1502. Kyle, A. S., & Viswanathan, S. (2008). How to define illegal price manipulation. American Economic Review, 98(2), 274-79. Kyle, A. S., & Wang, F. A. (1997). Speculation duopoly with agreement to disagree: Can overconfidence survive the market test? The Journal of Finance, 52(5), 2073-2090. McQueen, G., & Thorley, S. (1994). Bubbles, stock returns, and duration dependence. Journal of Financial and Quantitative Analysis, 29(3), 379-401. Mei, J., Wu, G., & Zhou, C. (2004). Behavior based manipulation: theory and prosecution evidence. Available at SSRN 457880. Merrick Jr, J. J., Naik, N. Y., & Yadav, P. K. (2005). Strategic trading behavior and price distortion in a manipulated market: anatomy of a squeeze. Journal of Financial Economics, 77(1), 171-218. Misra, V., Lagi, M., & Bar-Yam, Y. (2011). Evidence of market manipulation in the financial crisis. arXiv preprint arXiv:1112.3095. Nadiri, M., Alavi Nasab, S. M., Peymani, M., & Rabiee, R. (2018). Investigating Some of Effective Factors on Spoofing Manipulation in Iranian Stock Market. Financial Research Journal, 20(3), 327-342. doi: 10.22059/frj.2018.260795.1006685 (in Persian) Namazi, M. & Kermani, E. (2009). Investigating the Effects of Ownership Structure on The Performance of the Companies Accepted in the Tehran Stock Exchange. Accounting and Auditing Review, 15(53), 83-100. (in Persian) Odean, T. (1998). Volume, volatility, price, and profit when all traders are above average. The journal of finance, 53(6), 1887-1934. Öğüt, H., Doğanay, M. M., & Aktaş, R. (2009). Detecting stock-price manipulation in an emerging market: The case of Turkey. Expert Systems with Applications, 36(9), 11944-11949. Ottaviani, M., & Sørensen, P. N. (2006b). The strategy of professional forecasting. Journal of Financial Economics, 81(2), 441-466. Ottaviani, M., and Sørensen, P. N. (2006a). Professional Advice, Journal of Economic Theory 126, 120-142. Palshikar, G. K., & Apte, M. M. (2008). Collusion set detection using graph clustering. Data Mining and Knowledge Discovery, 16(2), 135-164. Poustfroush, M. H., Naser Sadrabadi, A., & Moeinaddin, M. (2015). Reviews of Manipulating Prices using QDF & ANN-GA Models in Tehran's Stock Exchange. Financial Knowledge of Securities Analysis, 8(28), 119-143. (in Persian) Punniyamoorthy, M., & Thoppan, J. J. (2012). Detection of stock price manipulation using quadratic discriminant analysis. International Journal of Financial Services Management, 5(4), 369-388. Qi, B., Yang, R., & Tian, G. (2014). Can media deter management from manipulating earnings? Evidence from China. Review of Quantitative Finance and Accounting, 42(3), 571-597. Raee, R., Eyvazlu, R. & Mohammadi, Sh. (2013). A Survey On Information Risk Using Market Microstructure Models. Management Research in Iran (Modares Human Sciences), 17(3), 71-85. (in Persian) Raee, R., Mohammadi, S., & Eyvazloo, R. (2013). Estimating Probability of Private Information Based Trade Using Microstructure Model. Financial Research Journal, 15(1), 17-28. doi: 10.22059/jfr.2013.35430 (in Persian) Sharafzadeh, S.H. & Mehrgan, N. (2008). Panel Data Econometrics, Tehran, Cooperative Research Institute (1th ed.). University of Tehran. (in Persian) Shoorvarzy, M.R., Ghavami, H. & Hosseinpour, H. (2013). Relationship between Clarity of Stock Market Information and The Appearing of Price bubble. Journal of Financial and Monetary Economics, 20(5), 27-58. (in Persian) Sun, X. Q., Shen, H. W., Cheng, X. Q., & Wang, Z. Y. (2012). Degree-strength correlation reveals anomalous trading behavior. PloS one, 7(10), e45598. Van Bommel, J. (2003). Rumors. The Journal of finance, 58(4), 1499-1520. Vila, J. L. (1989). Simple games of market manipulation. Economics Letters, 29(1), 21-26. Villa, J. L. (1987). The role of information in the manipulation of futures markets. University of Pennsylvania, Center for Analytic Research in Economics and the Social Sciences Vitale, P. (2000). Speculative noise trading and manipulation in the foreign exchange market. Journal of International Money and Finance, 19(5), 689-712. Zandieh, M., & Ghouchani, R. (2013). The Effect of trading volume and high P/E ratio on the price bubble in Tehran stock exchange market. Journal of Investment Knowledge, 2(8), 71-88. (in Persian) Zhai, J., Cao, Y., Yao, Y., Ding, X., & Li, Y. (2017). Computational intelligent hybrid model for detecting disruptive trading activity. Decision Support Systems, 93, 26-41. | ||
|
آمار تعداد مشاهده مقاله: 345 تعداد دریافت فایل اصل مقاله: 356 |
||