بررسي و تعييين عوامل كشف و پيش بيني تشكيل حباب تصنعي قيمتي

Forecasting Stock Price Manipulation in Capital Market

در اين مقاله سعي شد تا پس از مشخص نمودن حباب هايي كه به صورت عمدي ايجاد شده اند، به وسيله روش ها و مدل هاي داراي پايه آماري، احتمال بروز مجدد حباب مورد سنجش قرار گيرد. هدف غايي در اين مطالعه، ارايه مدلي براي تخمين حباب قيمت در بورس اوراق بهادار تهران است. به همين منظور به روش غربالگري نمونه اي به حجم397 شركت پذيرفته شده در بورس اوراق بهادار تهران انتخاب گرديد و اطلاعات مربوط به قيمت و حجم معاملات آنها طي سال هاي 1380 تا 1388 گردآوري شد و سپس از طريق آزمون هاي تسلسل ، كشيدگي و آزمون وابستگي ديرش ، شركت هاي منتخب به دو دسته داراي حباب و بدون حباب تقسيم بندي شدند. در گام بعد با بررسي روند بازدهي تجمعي و حجم معاملات شركتهايي كه تعمدا و با ترفندهيي دچار حباب قيمتي سهم شده، تاريخ شروع حباب قيمت تعيين گرديد و از طريق مدل تحليل مميزي چندگانه و با استفاده از اطلاعات مربوط به اندازه شركت، شفافيت اطلاعات، نسبت P/E و نقدشوندگي سهام يكسال قبل از بروزحباب قيمت آنها، عوامل موثر براي برآورد احتمال حباب تعيين و سپس مدلي براي پيش بيني حباب قيمت سهام شركتها در بورس اوراق بهادار تهران طراحي گرديد. در پايان نيز قدرت پيش بيني مدل با استفاده از داده هاي گروه هاي آزمايش مورد بررسي قرار گرفت. با توجه به اينكه قدرت پيش بيني مدل تحليل مميزي چندگانه براي گروه آزمايش 90.2 % بوده است، بنابراين مدل داراي فدرت بالايي در پيش بيني حباب تشخيص داده شد.

The goal of the present article is extending and developing Multiple Disciminant Analysis (MDA) method which is able to distinguish buble price in Tehran stock exchange. The principal goal of the present study is to offer model for approximating buble price and also the factors efficient to make the model work at Tehran stock exchange. In order to do so by applying separation method a sample consisting of 397 companies accepted at Tehran stock exchange were selected and information related to their price and volume of trades during years 2001 until 2009 were collected and then through performing runs test, skewness test and duration correlative test the selected companies were divided into 2 sets of with bubble price and non bubbled companies. In the next stage by investigating cumulative return process and volume of trades in bubbledted companies, the date of starting bubble price was specified and in this way the multiple discriminant analysis, and by using information related to size of company, clarity of information, ratio of P/E and liquidity of stock one year prior bubble price; a model for forecasting bubble price of stocks of companies present in Tehran stock exchange were designed. At the end the power of forecasting model was studied by using data of test set. Whereas the power of forecasting MDA model was 90.2%; the model has high power to anticipate bubble price.