ارائه مدلی برای تشخیص زمان سقوط قیمت سهام

سقوط قیمت سهام به ‌تغییر بزرگ، منفی، غیرمعمول و ناگهانی در روند بازده سهام اشاره دارد که در نبود حادثه مهم اقتصادی رخ می‌دهد و چون مهم‌ترین هدف سرمایه‌گذاری اشخاص، یعنی کسب سود ‌را به مخاطره می اندازد، اگر ‌تشدید شود سبب بدبینی سرمایه‌گذاران ‌خروج منابع از بورس اوراق بهادار می گردد. بنابراین، ‌پژوهش حاضر به ‌بررسی، کشف و ارائه مدلی برای سقوط قیمت سهام پرداخته که ضمن همخوانی با تعاریف و نظریه‌های مرتبط با سقوط قیمت سهام، ‌بتواند زمان سقوط قیمت سهام را‌ با ورود داده های جدید شناسایی نماید. برای این منظور، تعداد 49559 داده مربوط به بازده ماهانه ‌299 شرکت پذیرفته شده در ‌بورس اوراق بهادار تهران طی بازه زمانی مهرماه 1371 الی فروردین ماه 1397 مورد بررسی قرار گرفت. به منظور راستی آزمایی مدل طراحی شده، 90 درصد از شرکت‌های مورد بررسی (269 شرکت)، به صورت تصادفی به عنوان شرکت‌های آموزش برای طراحی مدل انتخاب شدند و 10 درصد باقی مانده (30 شرکت) به‌عنوان شرکت‌های آزمایش برای راستی‌آزمایی مدل مورد استفاده قرار گرفتند. نتایج ‌نشان داد مدل تعیین شده بر مبنای نسبت درست‌نمایی، توانایی تشخیص زمان سقوط قیمت سهام شرکت‌های مورد مطالعه را مطابق با هدف پژوهش دارد.

Detection Model of Stock Price Crashes

The stock price crash (SPC) is associated with profitability as the most important goal of investing. Any increase in the phenomenon of SPC has raised the pessimism of investors in investing in the stock market, and this can ultimately lead to the withdrawal of resources from the stock market. The SPC can be a big, negative, sudden and unusual change in stock returns that occurs in the absence of an important economic event. The purpose of this study is to review and provide an online SPC detection model that is consistent with the definitions and theories. In so doing, 49559 monthly specific returns of 299 companies listed on the Tehran Stock Exchange (TSE) were investigated from July 1992 to April 2018. As a result, an online model for SPC detection was presented based on Likelihood Ration (LR) and consistent with the agency theory. In this model, the Local Generalized Likelihood Ratio (LGLR) was used for detection of abrupt changes in the trend of specific returns. The results of this study showed that the proposed model was capable of SPC detection