پورحسین, سمیه. (1395). بررسی مطابقت دادههای بازار بورس اوراق بهادار ایران با قانون بنفورد. مدیریت دارایی و تأمین مالی, (), -. doi: 10.22108/amf.2017.21322
سمیه پورحسین. "بررسی مطابقت دادههای بازار بورس اوراق بهادار ایران با قانون بنفورد". مدیریت دارایی و تأمین مالی, , , 1395, -. doi: 10.22108/amf.2017.21322
پورحسین, سمیه. (1395). 'بررسی مطابقت دادههای بازار بورس اوراق بهادار ایران با قانون بنفورد', مدیریت دارایی و تأمین مالی, (), pp. -. doi: 10.22108/amf.2017.21322
پورحسین, سمیه. بررسی مطابقت دادههای بازار بورس اوراق بهادار ایران با قانون بنفورد. مدیریت دارایی و تأمین مالی, 1395; (): -. doi: 10.22108/amf.2017.21322
بررسی مطابقت دادههای بازار بورس اوراق بهادار ایران با قانون بنفورد
در بحث دادهها و اطلاعاتی که در بازاراوراق بهادار مورد استفادهی افراد، بخصوص سرمایهگذاران، قرار میگیرد، کیفیت دادهها از اهمیت خاصی برخوردار است. دستکاری اطلاعات بازار و شرایط آن از جمله عواملی است که در کیفیت اطلاعات دخیل است. چنانچه بازار در شرایط عادی و نرمال فعالیت کند، دادههای موجود در آن توزیعی لگاریتمی بهنام قانون بنفورد دارد. این قانون احتمال وقوع ارقام مختلف در یک مجموعه اعداد را نشان میدهد. در این پژوهش برای بررسی شرایط بازار، همسانی توزیع اطلاعات مربوط به بازده روزانهی سهام شرکتهای پذیرفته شده در بورس اوراق بهادار تهران در سالهای 1384 تا 1393 با این قانون، بررسی شده است. نتایج پژوهش نشان میدهد که اطلاعات مربوط به بازده روزانهی سهام شرکتهای پذیرفته شده در بورس اوراق بهادار تهران، در طی دورهی پژوهش از این قانون تبعیت نمیکند که میتواند دلایل مختلفی مانند تبدیلاتی که بر روی اطلاعات و دادهها انجام میشود و یا شرایط و وقایع تاثیرگذار بر بازار بورس اوراق بهادار ایران، داشته باشد.
Checking conformity of Tehran Stock Exchange Data with Benford’s Law
نویسندگان [English]
somayeh poorhossein
اصفهان-خ حکیم شفاهی
چکیده [English]
In general, when a financial market works ordinarily, the probability distribution of the first significant digit of the returns of the assets listed therein follows Benford’s law, but does not necessarily follow this distribution in the case of anomalous events. This law shows the contingency of various digits in a set of numbers thus it can be used for assessing data sets that occur naturally. The present study applied benford law in order to investigate the empirical probability distribution of the first and the second digit of daily stocks return in accepted companies in the Tehran Stock Exchange during 1384 – 1393. The findings show that the data of daily stocks return in accepted companies in the Tehran Stock Exchange that used in the present study do not obey the benford law. This can be due to some reasons such as different data transformation or influential conditions in the Iran stock market.