چکیده:
هدف: در این پژوهش، الگوی درونروزی معامله در بورس تهران و نقش معاملهگران با اطلاعات نهانی در شکلگیری آن بررسی میشود. روش: برای این منظور، نخست الگوی درونروز چهار متغیر حجم، ارزش معاملات، دامنه تغییرات قیمت و بازده با استفاده از دادههای پُرتواتر بررسی شد، سپس نقش معاملهگران مطلع از اطلاعات نهانی در شکلگیری چنین الگوهایی آزمون شد. یافتهها: نتایج این پژوهش نشان میدهد که حجم و ارزش معاملات از الگوی شکل و دامنه تغییرات قیمت از الگوی طی روز پیروی میکنند. همچنین، بر اساس فرضیه معامله با اطلاعات نهانی، معاملهگران با اطلاعات نهانی، بهدلیل پرهیز از افشای اطلاعات خود، بهطور معمول از معاملات با حجم متوسط استفاده میکنند که این موضوع در بورس تهران تأیید شده است. بهعلاوه، فرضیه معامله با اطلاعات نهانی بهصورت درونروز رد میشود؛ زیرا بیشتر این نوع معاملهگران در تمام ساعتهای بازار از حجمهای متوسط استفاده میکنند که میتواند نشاندهنده عمق کم بازار سهام ایران باشد. نتیجهگیری: یافتههای پژوهش حاضر برای سیاستگذاران و برنامهریزان بازار سرمایه ایران بیانگر این موضوع است که مکث یا توقف در بازار، روی رفتار معاملهگران تأثیر مستقیم دارد و ریسک معامله برای آنها را افزایش میدهد. از طرفی، برای معاملهگرانی که در حجمهای بزرگ خرید و فروش میکنند یا از روشهای معاملات الگوریتمی کمک میگیرند، توجه به این الگوها زمانی که اثر قیمتی کمترین است، کاربرد دارد.
Objective: We study intraday patterns of trading volume, size, return, and volatility using the Tehran Stock Exchange (TSE) high frequency data from 2008 to 2015. Methods: We first document the intradaily patterns in stock returns, volatility, and trading value and volume. We subsequently examine the insider trading hypothesis by identifying the contribution of large, medium, and small order sizes to price changes. Results: Our results indicate that trading value and volume follow a J-Shaped pattern, whereas absolute return exhibit an L-Shaped behavior. Our findings are consistent with the existing studies which document an increase in trading value and volume as well as absolute return. However, unlike the existing literature, we do not find a U-Shaped pattern in returns, and no statistically significant difference in returns is found throughout the trading hours. To examine the behavior of informed traders, we examine midsize trades and, consistent with the predictions of Barclay and Warner’s (1993) stealth-trading hypothesis, we find that they have higher price impact compared to other trade sizes. However, our findings do not support the intraday stealth trading pattern, as insiders prefer to trade in low and medium trade size to avoid revealing their information. This may be due to the low liquidity of the TSE. Conclusion: Our findings are relevant for both policy-makers and traders. From the policy perspective, trading halts imposed by the regulatory body may have implications for trading behavior at the time of market open. Further, traders can use our findings to better understand the intra-daily behavior of the TSE and hence, execute large orders more efficiently.
خلاصه ماشینی:
روش : براي اين منظور، نخست الگوي درون روز چهار متغير حجـم ، ارزش معـاملات ، دامنـه تغييـرات قيمـت و بـازده بـا اسـتفاده از داده هاي پرتواتر بررسي شد، سپس نقش معامله گران مطلع از اطلاعات نهاني در شکل گيري چنين الگوهايي آزمون شد.
High frequency data معاملات در بورس تهران با استفاده از داده هاي پرتواتر بررسي شده است ، زيرا انتظار مـي رود معاملـه گـران بـا اطلاعـات 1 نهاني بر اساس اين الگوها، معامله هاي خود را طي روز تقسيم کنند.
تفاوت در الگوهاي معامله در بورس تهران باعث تمايز رفتار معامله گران با اطلاعات نهاني از ساير پژوهش هاي مشابه شده است ، به نحوي که در دوره فروردين ٨٧ تا آبان ٩٢ اين نوع معامله گران براي پرهيز از افشاي اطلاعات خود، در ابتـداي روز از معـاملات بـا حجم کوچک و در ادامه با معاملات حجم متوسط خريد و فروش مي کردند، در حالي که در دوره آبان ٩٢ تـا آبـان ٩٤ در تمامي ساعت ها روز از معاملات متوسط بهره گرفته اند.
Abhyankar, Ghosh, Levin, & Limmack 14.
Eross, McGroarty, Urquhart, & Wolfe ١٧.
براي اين منظور، نخست الگوي درون روز چهار متغير حجم ، ارزش معاملات ، دامنه تغييرات قيمت و بـازده بـا استفاده از داده هاي پرتواتر بررسي شده و سپس نقش معامله گران با اطلاعات نهاني در شکل گيري چنين الگوهايي آزمون شده است .
Bid-Ask Spreads, Trading Volume and Return Volatility: Intraday Evidence from Indian Stock Market.