کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5103236 1480100 2017 20 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Detecting anomalous traders using multi-slice network analysis
ترجمه فارسی عنوان
شناسایی معامله گران غیرمستقیم با استفاده از تجزیه و تحلیل شبکه چند تکه
کلمات کلیدی
تجزیه و تحلیل شبکه، شبکه بازرگانی شبکه چند تکه، دستکاری تشخیص آنومالی،
ترجمه چکیده
دستکاری یک مسئله مهم برای بازارهای سهام توسعه یافته و در حال ظهور است. بسیاری از تلاش ها برای شناسایی دستکاری در بازار سهام صورت گرفته است. با این حال، هنوز هم یک مشکل باز برای شناسایی معامله گران جعلی است، به خصوص هنگامی که آنها با یکدیگر مخالفت می کنند. در این مقاله، ما در مورد مسئله شناسایی معامله گران غیرمولد با استفاده از داده های معامله ای از 8 سهام دستکاری شده و 42 سهام غیر دستکاری در طول یک سال تمرکز می کنیم. برای هر سهام، یک شبکه تجاری چند تکه ایجاد می کنیم تا رفتار بازرگانی روزانه و مشارکت متقابل هر یک از معامله گران را مشخص کنیم. مقایسه شبکه چند تکه ای سهام سهام دستکاری شده و سهام غیر دستکاری با نسخه تصادفی شده ما، می بینیم که سهام دستکاری دارای تعداد زیادی از جفت های معامله گران است که در چند روز با یکدیگر همکاری می کنند و انحراف زیادی از شبکه های تصادفی در همبستگی بین فرکانس معاملات و فعالیت تجاری. این یافته ها در تشخیص سهام دستکاری شده از موارد غیر دستکاری شده و در شناسایی معامله گران غیرمسلح موثر است.
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات فیزیک ریاضی
پیش نمایش مقاله
شناسایی معامله گران غیرمستقیم با استفاده از تجزیه و تحلیل شبکه چند تکه
چکیده انگلیسی
Manipulation is an important issue for both developed and emerging stock markets. Many efforts have been made to detect manipulation in stock market. However, it is still an open problem to identify the fraudulent traders, especially when they collude with each other. In this paper, we focus on the problem of identifying anomalous traders using the transaction data of 8 manipulated stocks and 42 non-manipulated stocks during a one-year period. For each stock, we construct a multi-slice trading network to characterize the daily trading behavior and the cross-day participation of each trader. Comparing the multi-slice trading network of manipulated stocks and non-manipulated stocks with their randomized version, we find that manipulated stocks exhibit high number of trader pairs that trade with each other in multiple days and high deviation from randomized network at correlation between trading frequency and trading activity. These findings are effective at distinguishing manipulated stocks from non-manipulated ones and at identifying anomalous traders.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Physica A: Statistical Mechanics and its Applications - Volume 473, 1 May 2017, Pages 1-9
نویسندگان
, , , ,