A Model for Price Manipulation Prediction Case Study: Tehran Stock Exchange

A Model for Price Manipulation Prediction Case Study: Tehran Stock Exchange

يكي از مهترين مباحثي كه در سالهاي اخير در محافل حرفه اي و دانشگاهي مطرح بوده، بحث دستكاري قيمت در بورس اوراق بهادار تهران است. در اين مقاله ابتدا با انجام آزمون هاي تسلسل، خودهمبستگي و بررسي پسماند رگرسيون، وجود بازدهي غير عادي (تفاوت معني دار بين بازدهي واقعي و بازدهي انتظاري تعديل شده برمبناي ريسك)، در سهام130 شركت بورسي كه طي سالهاي 1381 تا انتهاي 1385 در مقاطعي از نوسانات شديد قيمتي برخوردار بوده اند، مورد بررسي قرار گرفت تا از اين طريق، شركت هاي دستكاري شده مشخص گردند. شركت هايي كه روند نوسانات قيمت آنها تصادفي نبوده و قيمت سهم در هر مقطع داراي خودهمبستگي با قيمت هاي گذشته باشند، بيانگر بروز دستكاري قيمت در سهم مذكور خواهد بود. در بخش بعدي با استفاده از روش رگرسيون لوجيت باينري مدلي براي پيش بيني دستكاري قيمت با استفاده از متغيرهاي شفافيت اطلاعات، نقد شوندگي سهم، اندازه شركت (سرمايه شركت)، نسبتP/E طراحي گرديد. در آخر با انجام آزمونهاي والد، درستنمايي، لانداي ويلكس كارايي مدل در پيش بيني دستكاري قيمت در بورس تهران مورد تاييد قرار گرفت. يافته هاي تحقيق نشان مي دهد كه با توجه به سطح معني داري (P-value < 0.05 )، تابع درستنمايي آزمون-2Loglikelihood= 27.49)) و ضريب تعيين محاسبه شده (Cox & Snell R2=0.792 ,0.799) و همچنين ضريب لانداي ويلكس محاسبه شده (ilkʹs Lambda=0.205) ، مدل از كارآيي بالايي براي پيش بيني دستكاري قيمت برخوردار است

Price manipulation in the Tehran Stock Exchange has been one of the most widely discussed issues among academic and professional practitioners in recent years. In this article, we first calculated the abnormal Returns- significance difference between actual and risk-based adjusted expected returns- by using an autoregressive test, for all 130 accepted firms in the Tehran stock market during 2002-2006, which seemed to be manipulated, since they had experienced great fluctuations in their stock prices. For any firm, if changes in share prices are not at random and/or its stock prices are autocorrelated with the past ones, it can be concluded that the firm is under a price manipulation. In the next stage, we have developed a binary logit regression model for predicting the firmsʹ price manipulation based on four factors i.e. the information transparency, the liquidity of the shares, the size (capital) of the firm and the P/E ratio. Finally, the model efficiency for predicting price manipulation in the Tehran Stock Exchange is validated by using appropriate statistical tests such as, The Wald, Likelihoods Function, and the Wilkʹs Lambda tests. The results showed that the model is efficient and robust for predicting the price manipulation (P < 0.05, Wilkʹs Lambda=0.205; Cox & Snell R2=0.792 ,0.799; -2Log likelihood= 27.49).