تبیین الگوی رفتار توده‌واری و بازدهی سهام بنگاه‌ها در بورس اوراق بهادار تهران

نوع مقاله: علمی - پژوهشی

نویسندگان

دانشگاه شهید بهشتی

چکیده

این پژوهش به ارائه الگوی رفتار توده‌وار در خریداران و فروشندگان اوراق بهادار در بورس اوراق بهادار تهران می­‌پردازد. همچنین، تأثیر بازدهی شرکت بر شکل‌گیری رفتار توده‌وار نیز  بررسی شده است. بدین منظور، ابتدا رفتار توده‌­واری با استفاده از داده‌­های معاملاتی بورس اوراق بهادار تهران به‌صورت روزانه و لحظه‌به‌لحظه (در بازه‌های زمانی 480،360،240،120 ثانیه) تحلیل و اندازه­‌گیری شده است و سپس، تعداد و نحوه بروز این رفتار در معاملات روزمره مشخص شد. براین اساس، از مدل توده‌واری اطلاعاتی بر پایه رویکرد سیپریانی و گوارینو (2014) استفاده شد تا بر مبنای ریزساختار بازار سرمایه ایران، الگوی رفتاری برای توده‌­واری ارائه شود. مزیت مدل ارائه‌­شده نسبت به سایر مدل‌های موجودی که برای بورس ‌ایران ارائه شده است، در نظر گرفتن ارزش اطلاعاتی سیگنال به ­عنوان یک پارامتر در مدل­‌های ریزساختار بازار است. نتایج نشان داد که براساس الگوی ارائه‌شده توده‌واری اطلاعاتی، بازدهی سهم و توده‌واری با هم رابطه دارند و بازدهی سهام بر رفتار توده‌وار سرمایه‌گذاران تأثیر دارد. در تمامی روزها و اکثر لحظات معاملاتی، رفتار توده­‌واری رخ‌داده و همچنین، رفتار توده‌­واری فروش بیشتر از رفتار توده‌واری خرید است. سپس، رابطه بین این رفتار با بازدهی شرکت بر اساس مدل رگرسیون لجستیک در بازه­‌های زمانی مورد تحلیل قرار گرفت و مشخص شد که بازدهی شرکت با رفتار توده‌­وار رابطه دارد.

کلیدواژه‌ها


عنوان مقاله [English]

Explaining the Herd Behavior Model and Return in Tehran Stock Exchange

نویسندگان [English]

  • Mohammad Esmaeel Fadaeinejad
  • Gholam Hossein Asadi
  • Mojtaba Kobari
Shahid Beheshti University
چکیده [English]

This study explains a model for herding behavior in Tehran Stock Exchange. Also in this study, the impact of returns on herding behavior is examined. Using transactional data herding behavior in Tehran Stock Exchange (in the time periods 480 360 240 120 seconds) was measured and analyzed, and the number and incidence of this behavior routine transactions were identified. In this study, Cipriani & Guarino model was used for offering behavioral patterns based on market microstructure. Considering of informative value of news as a parameter in market microstructure is the advantage of proposed model. Analyzing data showed the evidence of herd behavioral for all trading days and the most moments of trading. Also herd behavior in sale transactions is more than buying shares. The relationship between the behavior and performance of companies based on logistic regression models were analyzed at various time intervals and found that company return is associated herding behavior.

کلیدواژه‌ها [English]

  • Herd Behavorial Model
  • Market microstructure
  • Tranasaction Data
  • return

 

2. حمیدی­زاده، محمدرضا (1388). آمار: روش­ها، فنون و کاربرد، تهران: انتشارات حامی.

3. خاکی، غلامرضا (1378). روش تحقیق با رویکردی به پایان­نامه نویسی. تهران: مرکز تحقیقات علمی کشور.

4. سرمد، زهره، بازرگان، عباس و حجازی، الهه (1387). روش‌های تحقیق در علوم رفتاری. تهران :انتشارات نگاه دانش.

5. Avery, C. & Zemsky, P. (1998). Multidimensional uncertainty and herd behavior in financial markets. American economic review, 724-748.

6. Banerjee, A. V. (1992). A simple model of herd behavior. The Quarterly Journal of Economics, 107(3), 797-817.

7. Bikhchandani, S., Hirshleifer, D. & Welch, I. (1992). A theory of fads, fashion, custom, and cultural change as informational cascades. Journal of political Economy, 100(5), 992-1026.

8. Chang, E. C., Cheng, J. W. & Khorana, A. (2000). An examination of herd behavior in equity markets: An international perspective. Journal of Banking & Finance. 24(10), 1651-1679.

9. Chiang, T. C., and Zheng, D. (2010). An empirical analysis of herd behavior in global stock markets. Journal of Banking & Finance, 34(8), 1911-1921.

10. Cipriani, M. & Guarino, A. (2014). Estimating a structural model of herd behavior in financial markets. The American Economic Review, 104(1), 224-251.

11. Cipriani, M. & Guarino, A. (2005). Herd Behavior in a Laboratory Financial Market. American Economic Review, 95(5), 1427-1443.

12. Easley, D., Kiefer, N. M., and O'Hara, M. (1997). The information content of the trading process. Journal of Empirical Finance, 4(2), 159-186.

13. Ellis, K., Michaely, R. & O'Hara, M. (2000). The accuracy of trade classification rules: Evidence from Nasdaq. Journal of Financial and Quantitative Analysis, 35(04), 529-551.

14. F. Luchtenberg, K. & Joseph Seiler, M. (2013). The effect of exogenous information signal strength on herding. Review of Behavioral Finance, 5(2), 153-174.

15. Glosten, L. R. & Milgrom, P. R. (1985). Bid, ask and transaction prices in a specialist market with heterogeneously informed traders. Journal of financial economics, 14(1), 71-100.

16. Javaira, Z. & Hassan, A. (2015). An examination of herding behavior in Pakistani stock market. International Journal of Emerging Markets, 10(3), 474-490.

17. Lakonishok, J., Shleifer, A. & Vishny, R. W. (1992). The impact of institutional trading on stock prices. Journal of financial economics, 32(1), 23-43.

18. Latief, R. Ali Shah, Z. (2014 ). Mutual Funds Herding and Its Impact on Stock Returns; Evidence from Pakistan. Journal of Basic and Applied Scientific Research. 4(2), 72-80

19. Lee, C. & Ready, M. J. (1991). Inferring trade direction from intraday data. The Journal of Finance, 46(2), 733-746.

20. Schmidt, A. B. (2011). Financial Markets and Trading: An Introduction to Market Microstructure and Trading Strategies. Hoboken, New Jersy: John Wiley & Sons.

21. Shen, Y., Liu, S., Fang, Z., & Hu, M. (2012). Modeling and simulation of stranded passengers' transferring decision-making on the basis of herd behaviors. Kybernetes, 41(7/8), 963-976.

22. Spyrou, S. (2013). Herding in financial markets: a review of the literature. Review of Behavioral Finance, 5(2), 175-194.