سهیلا عسکری حسن آبادی - گروه حسابداری و مدیریت مالی، واحد بندرعباس، دانشگاه آزاد اسلامی، بندرعباس، ایران
سعید مرادپور - گروه حسابداری و مدیریت مالی، واحد بندرعباس، دانشگاه آزاد اسلامی، بندرعباس، ایران
محمدحسین رنجبر - گروه حسابداری و مدیریت مالی، واحد بندرعباس، دانشگاه آزاد اسلامی، بندرعباس، ایران
علی امیری - گروه حسابداری و مدیریت مالی، واحد بندرعباس، دانشگاه آزاد اسلامی، بندرعباس، ایران

هدف اصلی این پژوهش، توسعه الگوریتم معاملاتی در بازارهای متلاطم است. روزهای متلاطم در بازار در این پژوهش زمانی تعریف می شوند که مقادیر قدرمطلق بازده های بازار بزرگتر از ۲ درصد هستند. بدین منظور، نمونه ای متشکل از ۲۷۶ شرکت پذیرفته شده در بورس اوراق بهادار تهران با استفاده از رگرسیون چندمتغیره و لجستیک بررسی شده است. نتایج پژوهش نشان داد در روزهای صعودی بازار، سهام هایی که تقاضای معاملات الگوریتمی بیشتری دارند، دارای بازده غیرعادی سهام کمتری هستند و از نوسانات قیمت کمتری برخوردار هستند. نتایج در مورد روزهای نزولی بازار نشان داد سهام هایی که بیشتر توسط معاملات الگوریتمی معامله می شوند، نوسانات نزولی بیشتری را در روزهای نزولی بازار از خود نشان می دهند. همچنین نتایج نشان داد اخبار و اطلاعات حسابداری بر تصمیمات معامله گران الگوریتمی در روزهای متلاطم تاثیر می گذارد و منجر به نوسانات کمتر قیمت سهام می شود. به گونه ای که شدت معاملات الگوریتمی در ارتباط با نوسانات قیمت در شرکت هایی که اخبار و اطلاعات حساس به قیمت منتشر می کنند در مقایسه با سایر شرکت های بیشتر است. به طور کلی نتایج نشان داد، در مقایسه با معاملات غیرالگوریتمی، معاملات الگوریتمی موجب نوسان قیمت بین سهام در بازارهای آشفته نمی شوند.

معاملات الگوریتمی, بازارهای متلاطم, بازده غیرعادی سهام