Impact of High-Frequency Trading on the Stock Returns of Large and Small Companies in the Tehran Stock Exchange
Notice bibliographique
Résumé
<p>The main objective of this study is to evaluate the effect of high-frequency trading on stock returns of the Exchange market in Tehran Stock Exchange. The research methodology in this study is in terms of the purpose, functional and in terms of the method of data collection, descriptive and in terms of the type, solidarity.</p><p>Statistical society of this research is all companies in the Tehran Stock Exchange which in the past two years had been active in the stock market. In this study, companies are divided into two categories: large and small companies. Large companies that their assets logarithm is greater than the average total sample and small companies that their assets logarithm is less than the average total sample. To collect information has been used from the financial statements of accepted companies in Tehran Stock Exchange.</p><p>MATLAB software has been used for data analysis.</p>Used tests in this study are include (DF) Dickey-Fuller test, (ADF) Generalized Dickey-Fuller test, Phillips-Perron test, and time series methods. The results of this study show that the dynamics of stock returns of the Tehran Stock Exchange are non-linear functions and high Frequency trading of the large companies affect the turnover of small companies. As a result, volume of the high-frequency trading and the returns of small and large companies are different from each other.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».