The Effects of Order Flow Imbalance on Stock Prices in Tehran Stock Exchange
Notice bibliographique
Résumé
در این پژوهش با استفاده از دادههای دفتر سفارش سهام 30 شرکت بزرگ در بازار سهام تهران در سال2020 میلادی اثر رویدادهای دفتر سفارش بر تغییرات قیمت سهام بررسی میشود. هدف از این پژوهش اندازهگیری حساسیت قیمت به تغییرات حجم عرضه و تقاضا در سرخطهای مختلف دفتر سفارش و شناسایی عوامل موثر بر این حساسیت است. برای این منظور ابتدا با استفاده از دادههای دفتر سفارش، متغیر نابرابری جریان سفارش، که نشاندهنده نابرابری حجم سفارشها در دو سمت عرضه و تقاضای سهم است، ساخته میشود. سپس مشابه روش پیشنهادی کنت و همکاران (2014)، با انجام حدود سی هزار رگرسیون OLS نشان داده میشود که متغیر نابرابری جریان سفارش تغییرات قیمت سهام در بازههای کوتاهمدت را توضیح میدهد [7]. همچنین نشان داده میشود که استفاده از متغیر نابرابری جریان سفارش در سه سرخط اول دفتر سفارش میتواند توضیحدهندگی مدل را برای تغییرات قیمت سهام افزایش دهد که حاکی از آن است که سرخطهای بالاتر دفتر سفارش نیز بر تغییرات قیمت سهام اثرگذار هستند. همچنین نشان داده میشود که بین میزان اثرگذاری سفارشها بر تغییرات قیمت سهام و عمق بازار یک رابطه خطی منفی وجود دارد. بنا بر شواهد ارائه شده، این نتایج به تغییرات در ماهها یا سهمها حساس نیستند.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».