تاثیر معیارهای نوین نقدشوندگی بر اخلال ریزساختاری قیمت‌های پربسامد

محورهای موضوعی : دانش سرمایه‌گذاری

مجید صفری ¹ (کارشناسی ارشد حسابداری، دانشکده مدیریت، دانشگاه آزاد اسلامی، اراک، ایران.)
مجید زنجیردار ² (دانشیار گروه مدیریت مالی، دانشکده مدیریت، دانشگاه آزاد اسلامی، اراک، ایران .)
محمود نصرالهی ³ (دانشجوی دکتری مهندسی مالی، دانشکده مدیریت، دانشگاه آزاد اسلامی، اراک، ایران)

تاریخ دریافت : 1398/10/06 تاریخ پذیرش : 1399/04/02 تاریخ انتشار : 1401/07/01

کلید واژه: نقدشوندگی, شکاف موثر, شکاف قیمتی, ریزساختار قیمت‌ها, اخلال در قیمت‌های پربسامد,

چکیده مقاله :

هدف این پژوهش بررسی تاثیر معیارهای نوین نقدشوندگی بر اخلال ریزساختاری قیمت‌های پربسامد در شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران بین سال‌های 1391 تا 1396بوده است. پژوهش حاضر از لحاظ ماهیت در زمره پژوهش‌های توصیفی قرار داشته و از نظر روش پژوهش نیز در دسته پژوهش‌های همبستگی محسوب می‌گردد. در این پژوهش برای جمع‌آوری داده‌ها و اطلاعات، ازروش کتابخانه‌ای استفاده شد. بر اساس روش نمونه گیری کوکران تعداد 126 شرکت به عنوان نمونه آماری انتخاب گردید. به منظور توصیف و تلخیص داده‌های جمع‌آوری شده از آمار توصیفی و استنباطی بهره گرفته شده است. به منظور تحلیل داده‌ها ابتدا پیش آزمون‌های ناهمسانی واریانس، آزمون Fلیمر، آزمون هاسمن و آزمون جارک برا و سپس از آزمون رگرسیون چند‌متغیره برای تایید و رد فرضیه‌های پژوهش استفاده گردیده است. نتایج نشان می‌دهد معیارهای نوین نقدشوندگی مشتمل بر شکاف قیمتی، شکاف موثر و جزء انتخابی نامطلوب بر اخلال ریزساختاری قیمت‌های پربسامد تاثیر گذارند. نتایج به دست آمده با تئوری بازار دارای اخلال مطابقت دارد و تئوری بازار کارا را به چالش می‌کشد.

چکیده انگلیسی:

This study aimed at investigating the effect of new liquidity criteria on microstructure disturbance in high frequency prices in companies listed in Tehran Stock Exchange. The locative domain of this research is the companies listed in the Tehran Stock Exchange and was during 2012-2017. The current research is among applied researches, and if the classification of types of researches be considered based on the nature and method, the method of the present study is essentially descriptive in terms of the nature, and in terms of the method is considered in correlation researches category. In this study, library method was used to collect data. Based on the Cochran sampling method, 126 companies were selected as the statistical sample. In order to describe and summarize the data collected, the descriptive and inferential statistics are used. In order to analyze the data, variance heterogeneity pre-test, F Limer test, Hausman test and Jarque-Bera test and then multivariate regression test were used to confirm and reject the research hypotheses . The results showed that new liquidity criteria, including price gap, effective gap, and undesirable selective component affect the micro structure disturbance in high frequency prices.

منابع و مأخذ:

• اسلامی بیدگلی، غلامرضا؛ سارنج، علی. (1387). انتخاب پرتفوی با استفاده از­ سه معیار، میانگین بازدهی، انحراف معیار بازدهی و نقدشوندگی در­بورس اوراق بهادار تهران. بررسی‌های­ حسابداری و حسابرسی، 15(53)، 3-16.


• حیدری، سید­عباس؛ فلاح­شمس،­ میرفیض؛ هاشمی، نازنین. ­­(1390). بررسی رابطه بین­­­ ریسک نقد شوندگی و ­قیمت در­بورس اوراق بهادار تهران. مهندسی مالی و مدیریت اوراق بهادار، 2(9)، 207-227.


• رحمانی، علی؛ حاجی مراد خانی، حدیثه. (1396). قدرت بازار محصول و نقد شوندگی بازار سهام. مدیریت دارایی و تامین مالی، 5(2)، 36-21.


• رهبر، صدیقه؛ سلیمانی، اعظم؛ فلاح شمس، میرفیض. (1392). بررسی اثرات ریز ساختار بازار بر قیمت سهام در بورس اوراق بهادار تهران. دانش سرمایه گـذاری، 2(5)، 31-4.


• سیف الدینی، جلال؛ رهنمای رودپشتی، فریدون؛ نیکومرام، هاشم. (1396). برآورد اخلال ریزساختاری قیمتها و بررسی اثر آن بر­بازده سهام با استفاده از پرتفولیوسوئیچینگ و داده های پربسامد. دانش مالی تحلیل اوراق بهادار، 10(34)، 12-1.


• سیف الدینی، جلال؛ رهنمای رودپشتی، فریدون؛ نیکومرام، هاشم. (1394). برآورد پارامتریک اخلال ریز ساختاری قیمت های پربسامد به عنوان یک ریسک غیرسیستماتیک. فصلنامه پول و اقتصاد، شماره 4، 50-29.


• سیف الدینی، جلال؛ رهنمای رودپشتی، فریدون؛ نیکومرام، هاشم. (1396). برآورد عمق بازار و بررسی رابطه آن با اخلال قیمت­ها به روش حداکثر درست‌نمایی. دانش سرمایه گذاری ، 6(23)، 38-23.


• عباسی، ابراهیم؛ رجب پور، علیرضا. (1392). سنجش معیارهای نقد شوندگی سهام پیرامون تصمیمات افزایش سرمایه. دانش سرمایه گذاری، 2(8)، 120-105.


• *فروغ نژاد ،حیدر؛ مرادی جز، محسن؛ حیدری، حسین؛ معصومی خانقاه، قادر. (1395). نقدشوندگی سهام، کارایی سرمایه گذاری و عملکرد شرکت:شواهدی از بورس اوراق بهادار تهران. دانش سرمایه گذاری، 5(18)، 196-179.


• *مدیریت تحقیق و توسعه بورس تهران. (1394).گزارش بررسی ریزساختارهای بورس­های اوراق بهادار. 243-1.


• نوبهار، نازنین. (1388). بررسی ارتباط بین نقدشوندگی و بازده سهام در بازار بورس اوراق بهادار تهران. پایان نامه کارشناسی ارشد، دانشکده مدیریت، دانشگاه تهران.


• یحیی­زاده فر، محمود؛ زارعی، حسن. (1392). بررسی رابطه قیمت پایانی سهام و نقدشوندگی سهام در بورس اوراق بهادار تهران. تحقیقات حسابداری و حسابرسی، 4 (17)، 123-108.


• یحیی‌زاده‌فر، محمود؛ خرمدین، جواد. (1387). نقش عوامل نقد شوندگی و ریسک عدم نقدشوندگی بر مازاد بازده سهام در بورس اوراق بهادار تهران. بررسی­های حسابداری و حسابرسی ، 15(4)، 101-118.


• Ait-Sahalia, Y., and D. Xiu. (2012). Likelihood-Based Volatility Estimators in the Presence of Market Microstructure Noise. Handbook of Volatility Models and Their Applications. John Wiley & Sons. DOI: 10.1002/9781118272039.ch14


• Ait-Sahalia, Y., and J. Yu. (2009). High frequency market microstructure noise estimates and liquidity measures. The Institute of Mathematical Statistics. 3, No. 1, Pp.422-457, DOI: 10.1214/08-AOAS200.


• Amihud, Y., and H. Mendelson. (1986). Asset Pricing and the Bid-Ask Spread. Journal of Financial Economics.Vol. 17, Pp. 223-249.DOI: 10.1016/0304-405X(86)90065-6.


• Battalio, R., Greene, J., and R. Jennings. (1998). Order flow distribution, bidask spreads, and liquidity costs: Merril Lynch's decision to cease routinely routing orders to regional stock exchanges. Journal of Financial Intermediation. Vol .7, Pp.338-358, DOI: https://doi.org/10.1006/jfin.1998.0247.


• Benos, A. V. (1998). Aggressiveness and survival of overconfident traders. Journal of Financial Markets. Pp. 353-383, DOI: 1016/S1386-4181(97)00010-4.


• Black, F. (1986). Noise. The Journal of Finance.Vol.41, Pp.528-543, DOI: 1111/j.1540-6261.1986.tb04513.x.


• Bodie, Z., Kane, A., and A. Marcus. (2009). investments 8th edition. McGraw-Hill/Irwin Publishing. ISBN-13: 978-0077261450.


• Chan, H.W., and R. Faff. (2003). An Investigation into The Role of Liquidity in Asset Pricing: Australian Evidence. Pacific-Basin Finance Journal.Vol.11, Pp.555-572, DOI: 1016/S0927-538X(03)00003-9.


• Chordia, T., and R. Roll. (2008). Liquidity and Market efficiency, Journal of Financial Economics. Vol.87, Pp.249-268. DOI: 1016/j.jfineco.2007.03.005.


• Chordia, T., Roll, R., and A. Subrahmanyam. (2000). Commonality in liquidity. Journal of Financial Economics. Vol.56, Pp.3-28, DOI:10.1016/S0304-405X(99)00057-4.


• Dayanandan, A., and Donker, H., and G. Karahan. (2017). Do voluntary disclosures of bad news improve liquidity? North American Journal of Economics and Finance. Vol. 40, Pp. 16–29, DOI: 10.1016/j.najef.2017.01.002.


• * Deuskar, P. (2006). Extrapolative Expectations: Implications for Volatility and Liquidity. AFA 2007 Chicago Meetings Paper.45 Pages. http://dx.doi.org/10.2139/ssrn.891539.


• Doman, M. (2010). Liquidity and market microstructure noise: evidence from the Pekao data. Dynamic Econometric Models. Vol.10, Pp.5-14.


• Harris, L. (2003). Trading and Exchanges: Market Microstructure for Practitioners. Oxford University Pres. ISBN: 9780195144703.


• Hattori, T. (2018). Noise as a Liquidity Measure in the Japanese Market: Evidence from Quantitative and Qualitative Easing by the Bank of Japan. Available at SSRN: https://ssrn.com/abstract=3197145, DOI: 10.2139/ssrn.3197145 .


• Hu, G. X., Pan, J., and J. Wang. (2013). Noise as Information for Illiquidity. The Journal of Finance. Vol.68, Pp 2341–2382, DOI: 1111/jofi.12083.


• Jessica, E., Chung, J., Cui X., and G.Y. Tian. (2016). Liquidity, investor sentiment and price discount of SEOs in Australia. International Journal of Managerial Finance. Vol. 12, DOI: 1108/IJMF-10-2013-0106.


• Jiang, G.J., and K.X., Zhu. (2016). Information Shocks and Short-Term Market Under reaction. Journal of Financial Economics.Vol.124, Pp.43-64, DOI: 10.1016/j.jfineco.2016.06.006.


• Lillo, F., and S. Micciche. (2010). High Frequency Data. Encyclopedia of Quantitative Finance . DOI:1002/9780470061602.eqf18009.


• Morawski, J. (2009). Investment Decisions on Illiquid Assets: A Search Theoretical Approach to Real Estate Liquidity. Springer Science & Business Media. ISBN 978-3-8349-9955-9.


• Piqueira, N. (2006). Trading activity, Illiquidity costs and stock returns, working paper. Princeton university, Social Science ElectronicPublishing, Inc.


• Tissaoui, K. (2012). The intraday pattern of trading activity, return volatility and liquidity: Evidence from the emerging Tunisian stock exchange. International Journal of Economics and Finance.Vol.4, No.5,Pp. 156-176, DOI:5539/ijef.v4n5p156.


• Vishwanath, R., and C. Krishnamurti. (2009). Investment Management: A Modern Guide to Security Analysis and Stock Selection. Springer Science & Business Media, DOI: 1007/978-3-540-88802-4.


• Weston, J. P. (2001). Information, liquidity and noise. Unpublished working paper. Rice University.


• Zreik, O., and W. Louhichi. (2017). Risk sentiment and firm's liquidity in the French market. Journal of Elsevier.Vol. 39, Part B, Pp. 809-823. DOI: 1016/j.ribaf.2014.11.003.