کاربرد قانون بن‌فورد در تحلیل بازارهای مالی: شواهد تجربی از بازار بورس تهران

قانون بن‌فورد به بررسی توزیع فرکانس ارقام اصلی در مجموعه داده‌های عددی می‌پردازد. بر اساس این قانون، در یک مجموعه داده‌ که بطور طبیعی اتفاق می‌افتد، احتمال اینکه رقم اول 1 باشد، بیشتر از احتمال بزرگتر بودن رقم از 1 است. قانون بن‌فورد به عنوان یک معیار تجربی کاربرد وسیعی در مجموعه داده‌ها برای شناسایی عددسازی و تقلب‌های سیستماتیک، به‌ویژه در نتایج انتخابات و صورت‌های مالی داشته و به‌طور گسترده‌ای در کشف تقلب در زمینه حسابرسی و صورت‌های مالی استفاده می‌شود. یکی از کاربردهای در حال گسترش این قانون بررسی دستکاری‌های احتمالی در اطلاعات بازارهای مالی و به ویژه شاخص‌های بازده سهام در بازارهای مالی بورس‌های معتبر جهان است. به دلیل نقش مهم کیفیت و قابل اتکا بودن داده‌ها و اطلاعات برای تصمیم گیری کارگزاران بازارهای مالی و اقتصادی در بازار اوراق بهادار، بررسی تطابق داده‌های بازده سهام و شاخص‌های معیار در بازار بورس با قانون بن‌فورد اهمیت خاصی دارد. در این چارچوب این پژوهش با استفاده از قانون بن‌فورد کیفیت داده‌های بازدهی سهام در بازار بورس اوراق بهادار تهران را ارزیابی کرده است. جامعه آماری داده‌های روزانه شاخص کل هم‌وزن بورس اوراق بهادار تهران از بازه 28 اسفند 1392 تا 28 اسفند 1401 و در مجموع 2172 مشاهده است. نتایج آزمون‌های تطابق با قانون بن‌فورد نشان می‌دهد که داده‌ها از این قانون تبعیت نمی‌کنند که نشان دهنده پایین بودن کیفیت داده‌ها به عنوان یکی از معیارهای تصمیم گیری به دلیل تبدیلات انجام شده روی داده‌ها و یا عدم شفافیت در بازار سرمایه ایران است.