بررسی رابطه عدم تقارن اطلاعاتی و نقدشوندگی در بورس اوراق بهادار تهران با استفاده از مدل‌های ریزساختار بازار

الموضوعات : دانش مالی تحلیل اوراق بهادار

رضا راعی ¹ , رضا عیوض‌لو ² , امیر علی‌ عباس‌زاده‌اصل ³

1 - استاد دانشکده مدیریت دانشگاه تهران، تهران، ایران.
2 - استادیار دانشکده مدیریت دانشگاه تهران، تهران، ایران.
3 - دانشجوی کارشناسی ارشدمهندسی مالی دانشکده مدیریت دانشگاه تهران،تهران،ایران

تاريخ الإرسال : 15 الإثنين , رمضان, 1437 تاريخ التأكيد : 05 الأحد , شوال, 1437 تاريخ الإصدار : 27 الخميس , رمضان, 1438

الکلمات المفتاحية: کارایی بازار, عدم تقارن اطلاعاتی, ریسک اطلاعاتی, مدل‌های احتمالی معامله مبتنی ب,

ملخص المقالة :

اطلاعات یکی از مهم‌ترین فاکتورهای بازارهای مالی بوده و وجود تقارن اطلاعاتی در معاملات، نشان‌دهنده کارایی بازارها می‌‌‌‌‌باشد.کارایی اطلاعاتی و سیستم قیمت‌گذاری مناسب می‌تواند در بلندمدت به کارایی تخصیصی منجر شود. وجود عدم تقارن اطلاعاتی باعث ایجاد ریسک‌های مختلف، خصوصاً ریسک اطلاعاتی برای معامله‌گران خواهد شد. ریسک اطلاعاتی در سهم‌هایی که نقدشوندگی کمتری داشته و تعداد دفعات معاملات کمتری نیز دارند بسیار حائز اهمیت است و در نظر نگرفتن اطلاعات خصوصی و ریسک‌های ناشی از معاملات بدون اطلاعات می‌تواند باعث ضرر سرمایه‌گذاران شود. هدف از این تحقیق بررسی ریسک اطلاعاتی ناشی از عدم تقارن اطلاعات در معاملات بورس اوراق بهادار تهران با استفاده از مدل‌های احتمالی معامله مبتنی بر اطلاعات است. این مدل‌ها با در نظر گرفتن معاملات روزانه متغیرهای مختلف مربوط به ریسک‌های اطلاعاتی را محاسبه می‌کنند.بدین منظور با بهره‌گیری از مدل‌های ریزساختار بازار، احتمال معاملات سهام بر پایه اطلاعات خصوصی برای سهم‌هایی با نقدشوندگی‌های مختلف محاسبه می‌گردد.

المصادر:

*      راعی، ر.، محمدی، ش. و عیوض‌لو، ر.تخمین احتمال معامله مبتنی بر اطلاعات خصوصی با استفاده از مدل‎ های ریزساختار بازار. نشریه علمی-پژوهشی تحقیقات مالی, 15(1), 17-28.‎2013.

*      Easley, D., Kiefer, N. M., O'hara, M., & Paperman, J. B. Liquidity, information, and infrequently traded stocks. The Journal of Finance, 51(4), 1405-1436, 1996.

*      Easley, D., de Prado, M. M. L., & O'Hara, M. Flow toxicity and liquidity in a high-frequency world. Review of Financial Studies, 25(5), 1457-1493, 2012.

*      Cai, J., He, J., & He, J. How better informed are the institutional investors?. Economics Letters, 106(3), 234-237, 2010.

*      Abad, D., & Yagüe, J. From PIN to VPIN: An introduction to order flow toxicity. The Spanish Review of Financial Economics, 10(2), 74-83, 2012.

*      Akay, O. O., Cyree, K. B., Griffiths, M. D., & Winters, D. B. What does PIN identify? Evidence from the T-bill market. Journal of Financial Markets, 15(1), 29-46, 2012.

*      Yan, Y., & Zhang, S. An improved estimation method and empirical properties of the probability of informed trading. Journal of Banking & Finance, 36(2), 454-467, 2012.

*      Yan, Y., & Zhang, S. Quality of PIN estimates and the PIN-return relationship. Journal of Banking & Finance, 43, 137-149, 2014.

*      Lamoureux, C. G., & Wang, Q. Measuring private information in a specialist market. Journal of Empirical Finance, 30, 92-119, 2015.

*      Agudelo, D. A., Giraldo, S., & Villarraga, E. Does PIN measure information? Informed trading effects on returns and liquidity in six emerging markets. International Review of Economics & Finance, 39, 149-161, 2015.

*      Lee, C., & Ready, M. J. Inferring trade direction from intraday data. The Journal of Finance, 46(2), 733-746, 1991.