بررسی و تحلیل تأثیر برخی عوامل مؤثر بر دستکاری قیمت در بازار سهام ایران

نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 استادیار، گروه مدیریت مالی،دانشکده مدیریت و حسابداری، دانشگاه تهران، تهران، ایران

2 استادیار، گروه مدیریت مالی، دانشکده مدیریت و حسابداری، دانشگاه تهران، تهران، ایران

3 استادیار، گروه مدیریت مالی و بانکداری، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران

4 دانشجوی دکتری، گروه حقوق مالی، دانشگاه تهران، تهران، ایران

چکیده

هدف: در پژوهش‎های بسیاری به بحث دستکاری قیمت به‎صورت نظری پرداخته شده، اما شکل تجربی این بحث به‎ویژه در بازارهای نوظهور همانند ایران، کمتر بررسی شده است. از این رو، توجه به این موضوع و شناسایی راه‌های پیشگیری از آن، ضروری است. این پدیده سبب تغییر غیرطبیعی قیمت سهام شرکت‌ها شده و به بی‌اعتمادی بین سرمایه‌گذاران منجر می‎شود. تغییرات غیرطبیعی قیمت سهام، به افزایش نوسان‎های بازار سهام و ریسک بیشتر آن منجر می‌شود. در این پژوهش به‎طور تجربی به بررسی و شناسایی شرکت‌های مستعد دستکاری قیمت در بازار سرمایه ایران پرداخته شده است.
روش: برای اجرای این پژوهش از نمونه‎های دستکاری قیمت به روش ورود سفارش اغواکننده در بازار سهام ایران برای دو دوره سه ماهه (یک دوره صعودی شاخص و یک دوره نزولی) استفاده شده است. روشی که برای آزمون و تجزیه و تحلیل داده‌ها به‎کار رفته، رگرسیون پنل لاجیت است.
یافته‎ها: نتایج نشان می‎دهد شرکت‌های کوچک با حجم معاملات بالا، شفافیت اطلاعاتی اندک، نوسان بازدهی بالا و با سابقه دستکاری در گذشته، برای دستکاری قیمت مستعدترند. همچنین دستکاری قیمت با تغییرات شاخص بازار رابطه معکوس دارد.
نتیجه‎گیری: تغییرات شاخص بازار متغیر تأثیرگذاری بر احتمال دستکاری قیمت است. احتمال وقوع دستکاری قیمت در بازارهای رکودی، به‎دلیل مشکل بودن کسب بازدهی در آنها، بیشتر است، زیرا در بازارهای صعودی که اغلب سهم‎ها با رشد قیمت مواجه می‎شوند، انگیزه کمتری برای این نوع اقدامات وجود دارد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Investigating Some of Effective Factors on Spoofing Manipulation in Iranian Stock Market

نویسندگان [English]

  • Mohammad Nadiri 1
  • Seyed Mohammad Alavi Nasab 2
  • Moslem Peymani 3
  • Reihaneh Rabiee 4
1 Assistant Prof., Department of Financial Management, Faculty of Management & Accounting, University of Tehran, Tehran, Iran
2 Assistant Prof., Department of Financial Management, Faculty of Management & Accounting, University of Tehran, Tehran, Iran
3 Assistant Prof., Department of Financial and Banking Management, Faculty of Management & Accounting, Allameh Tabataba’i University, Tehran, Iran
4 Ph.D. Candidate, Department of Financial Rights, Faculty of Management & Accounting, University of Tehran, Tehran, Iran.
چکیده [English]

Objective: There is a large theoretical literature regarding stock market manipulation. However, empirical evidence of manipulation remains scare especially in emerging markets like Iran. So, it is vital to detect and prevent. Manipulation distorts prices, thereby reducing market efficiency and harms public confidence. Distorted prices increase market volatility and risk. This study empirically investigates which firms are more susceptible to successful deceptive manipulation.
Methods: We collect the data set consisting of manipulation cases of entering spoofing order in Iranian stock market in two periods. In the first three-month period, the index was downward and in the second one, it was upward. Panel Logit regression was used to determine and interpret results.
Results: The regression results showed that small firms, with high trade volume, low information transparency, high information asymmetry and high volatility are more prone to stock price manipulation. Indeed, there is an inverse relationship between manipulation and fluctuation index.
Conclusion: Index change is an effective variable on stock manipulation. Manipulation is more probable in bear market, because most of the stocks are upward in bullish markets and there are fewer motives for stock manipulation.
 

کلیدواژه‌ها [English]

  • Price manipulation
  • Spoofing order
  • Information Asymmetry
  • Market trend
  • Corporate governance
پوست​فروش، محمدحسین؛ ناصر صدرآبادی، علیرضا.؛ معین​الدین، محمود (1394). سنجش دستکاری قیمت​ها با استفاده از مدل​های تحلیل ممیزی درجه دوم و الگوریتم ژنتیک بر مبنای شبکه عصبی مصنوعی. فصلنامه علمی پژوهشی دانش مالی تحلیل اوراق بهادار، 8(28)، 119- 143.
شمس، شهاب‌الدین؛ عطایی، بهروز (1395). شناسایی دستکاری قیمت سهام از طریق مدل ترکیبی الگوریتم ژنتیک ـ شبکه عصبی مصنوعی و مدل SQDF. فصلنامه راهبرد مدیریت مالی، 4(14)، 149-171.
فلاح شمس، میرفیض؛ کردلوئی، حمیدرضا؛ رشنو، مهدی (1391). بررسی دستکاری قیمت​ها در بورس اوراق بهادار تهران با استفاده از مدل ماشین بردار پشتیبان. فصلنامه تحقیقات مالی، 14 (1)، 69-84.
زیرک ساز، محمدعلی (1387). بررسی عوامل مؤثر بر دستکاری قیمت سهام و ارائه الگویی جهت پیشبینی آن در بورس اوراق بهادار تهران. پایان‎نامه کارشناسی ارشد، دانشگاه آزاد اسلامی.
 
References
Aggarwal, R., Wu, G. (2006). Stock market manipulations. Journal of Business, 79(4), 1915–1953.
Allen, F., Gale, D. (1992). Stock price manipulation. Review of Financial Studies, (5), 503–529.
Bagnoli, M., Lipman, B. (1996). Stock price manipulation through takeover bids. Rand Journal of Economics, 27(1), 124–147.
 Canellos, G. S., Rangwala, T. S., Walfish, D. R., Jou, J. K., Palladino, Samantha, L. (2016). The law surrounding spoofing in the derivatives and securities markets, FIA L&C Conference, New York.
Chakraborty, A., Yilmaz, B. (2004). Informed manipulation. Journal of Economic Theory, 114(1), 132–152.
Comerton-Forde, C., Putnins, T. J. (2013). Measuring closing price manipulation. Journal of Financial Intermediation, 20 (2), 135–158.
Fallah Shams, M.F., Kordlouie, H.R., Rashnoo, M. (2013). Investigating the Prices Manipulation in the Tehran Stock Exchange by Using the SVM Model. Financial research, 14 (1), 69-84. (in Persian)
Felixon, K., & Pelli, A. (1999). Day end returns-stock manipulation. Journal of Multinational Financial Management, 9(2), 95–127.
Fishman, M.J., Haggerty, K. (1995). The mandatory disclosure of trades and market liquidity. Review of Financial Studies, 8 (3), 637–676.
Goldwasser, V. (1999). Stock Market Manipulation and Short Selling. Centre for Corporate Law and Securities Regulation, Parkville Australia, CCH Australia Ltd, North Ryde Australia.
Huang, Y.C., Chen, R.C.Y. & Cheng, Y. J. (2007). Stock manipulation and its impact on market quality. Retrieved on September 21, 2014 from http://centerforpbbefr.rutgers.edu/2007 /Papers/066-manipulation.pdf.
Haung, Y. Ch., Cheng, Y. J. (2013). Stock manipulation and its effects: pump and dump versus stabilization.  Review of Quantitative Finance and Accounting, 44(4).
Imisiker, S., Tas, B. (2013). Which firms are more prone to stock market manipulation. Emerging market review, 16, 119-130.
Jarrow, R.A, (1992). Market manipulation, bubbles, corners, and short squeezes. Journal of Financial and Quantitative Analysis, 27(3), 311-336.
John, K., Narayanan, R. (1997). Market manipulation and the role of insider trading regulations. Journal of Business, 70(2), 217–247.
Khwaja, A. I., & Mian, A. (2003). Trading in phantom markets: Price manipulation in an emerging stock market. Working paper.
Kumar, P., Seppi, D.J. (1992). Futures manipulation with cash settlement. Journal of Finance, 47(4), 1485–1502.
Lee, E.J., Eom, S. K., Park, K.S. (2013). Microstructure-based manipulation: strategic behavior and performance of spoofing traders. Journal of financial market, 16(2), 227-252.
Mei, J., Wu, G., Zhou, Ch. (2004). Behavior Based Manipulation: Theory and Prosecution Evidence, Journal of Financial and Quantitative Analysis, 27, 311–336.
Moazeni, B., Asadollahi, F. (2013). Manipulation of stock price and its consequences. European Online Journal of Natural and Social Sciences, 2 (3s), 430-433.
Neupane, S., Rhee, G., Vithanage, K., Veeraraghavan, M. (2017). Trade-based manipulation: Beyond the prosecuted cases. Journal of corporate finance, 42, 115-130.
Pirrong, S.C. (1995). The self-regulation of commodity exchanges: The case of market manipulation. Journal of Law and Economics, 38 (1), 141–206.
 
Poustforosh, M. H., Naser Sadr Abadi, A., Moein o Din, M. (2016). Evaluation of price manipulation using second-order audit analysis models and genetic algorithm based on artificial neural network, Financial knowledge analysis of securities, 8(28), 119-143.
(in Persian)
Shams, Sh., Ataei, B. (2016). The Detection of the Stock Price Manipulation by Hybrid Genetic Algorithm: Artificial Neural Network Model (ANN-GA) and SQDF Model. Financial management strategy, 4 (3), 149-171. (in Persian)
Technical Committee of the International Organization of Securities Commissions, (2013). Investigating and prosecuting market manipulation.
Van Bommel, J. (2003). Rumors. Journal of Finance, 58(4), 1499–1519.