Price-limit effectiveness: evidence from the Borsa Istanbul (BIST)
Notice bibliographique
Résumé
Purpose This paper aims to analyze the impact of price-limit hits by hit type and when such hits start and stop using intraday trades and quotes at a one-second frequency for firms included in the BIST-50 index during the 13-months starting with March 2008. Like the recent COVID-19 period, this period includes the heightened stress in global financial markets in September 2008. Design/methodology/approach Using intra-day trades and quotes at a one-second frequency, the authors examine the market effects of price limits for firms included in the BIST-50 index during the global financial crisis. The authors compare the values of various metrics for 60 min centered on price-limit hit periods. The authors conduct robustness tests using auto regressive integrated moving average (ARIMA) models with trade-by-trade and with 3-min returns. Findings The findings are supportive of the following hypotheses: magnet price effects, greater informational asymmetric effects of market quality and each version of price discovery. Results are robust using samples differentiated by cross-listed status, same-day quotes instead of transaction prices and equidistant and trade-by-trade returns. Originality/value The authors use intraday data to reduce measurement error that is particularly pronounced when daily data are used to assess price limits that start and/or stop during a trading session. The authors contribute to the micro-structure literature by using ARIMA models with trade-by-trade and 3-min returns to alleviate some bias due to the autocorrelations in returns around price-limit hits in the presence of a magnet effect. The authors include some recent regulation changes in various countries to illustrate the importance of circuit breakers using price limits during COVID-19.
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 | 0,000 | 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 ».