نویسندگان

1 استادیار/دانشکده اقتصاد دانشگاه علامه طباطبایی

2 استاد دانشکده اقتاد دانشگاه علامه طباطبائی

3 دانشجوی دکترای اقتصاد مالی، دانشکده اقتصاد دانشگاه علامه طباطبائی

چکیده

یکی از مهم‌ترین پرسش‌هایی که در زمینه ریزساختار بازارهای مالی مطرح می‌شود، سنجش سطح نامتقارن بودن اطلاعات در بازارهای مالی است. طی سال­های اخیر معیار احتمال مبادله آگاهانه (PIN) برای اندازه‌گیری میزان نامتقارن بودن اطلاعات معرفی شده که مبتنی‌بر الگوهای اقتصادی و در چهارچوب ساختار خرد بازار است. رویکرد ایزلی و اوهارا (1992)، به‌عنوان نخستین ایده مطرح شد. در ادبیات موجود دو مشکل در این روش تخمین وجود دارد: مشکل اریب نمونه و مشکل شرایط مرزی. برای رفع این مشکلات در این زمینه چهار روش دیگر شامل EA،EHO Factorization ، LK Factorization  وYZ  Grid-Search Based  مطرح شده است. در این پژوهش، معیار احتمال مبادله آگاهانه برای 206 شرکت منتخب از شرکت­های فعال در بورس اوراق بهادار تهران در دوره زمانی فروردین 1394 تا اسفند 1395 تخمین زده شده است. نتایج تخمین در این مقاله نشان می­دهد که میانگین احتمال مبادله آگاهانه 23/0 است.

کلیدواژه‌ها

رحمانیانی، میلاد و طالبلو، رضا (1396). اندازه‌گیری سطح عدم تقارن اطلاعات برای شرکت‌های منتخب فعال در بورس اوراق بهادار تهران: احتمال مبادله آگاهانه(PIN) . فصلنامه تحقیقات مدل‌سازی اقتصادی، ۸ (۲۹) :۷۳-۹۸
رمضانی، جواد و کامیابی، یحیی (1396). مقایسه مدل شش عاملی با مدل‌های قیمت‌گذاری دارایی سرمایه‌ای در تبیین بازده مورد انتظار سرمایه‌گذار. پژوهش‌های اقتصادی ایران، 231-207، (70)22
عیوض‌لو، رضا، راعی، رضا و محمدی، شاپور (1391). اثرات تقویمی در احتمال معاملات مبتنی‌بر اطلاعات نهانی. بورس اوراق بهادار، 5، 18، 5-17
مکیان، سید نظام‌الدین و ایزدی، محمدرضا (1394). بررسی رابطه توسعه نظام مالی با رشد اقتصادی. پژوهش‌های اقتصادی ایران. 162-139، (62)20
نظری، محسن، پارسایی، منا و نصیری، سپیده سادات (تابستان 1391).  رابطه عدم تقارن اطلاعاتی با سیاست‌های تقسیم سود در شرکت‌ها دانش حسابداری و حسابرسی مدیریت. دوره 1، شماره 2.
نمازی، محمد و تبار کارگری، حسن‌محمد (1386). به‌کارگیری مدل چندعاملی برای توضیح بازده سهام شرکت‌های پذیرفته ‌شده در بورس اوراق بهادار تهران. پیشرفت‌های حسابداری. 26(1)، 157-180.
Easley, D., & O'hara, M. (1987). Price, trade size, and information in securities markets. Journal of Financial economics, 19(1), 69-90.
Easley, D., Kiefer, N. M., O'hara, M., & Paperman, J. B. (1996). Liquidity, information, and infrequently traded stocks. The Journal of Finance, 51(4), 1405-1436.
Easley, D., Hvidkjaer, S., & O'hara, M. (2002). Is information risk a determinant of asset returns?, The journal of finance, 57(5), 2185-2221.
Easley, D., Engle, R. F., O'Hara, M., & Wu, L. (2008). Time-varying arrival rates of informed and uninformed trades. Journal of Financial Econometrics, 6(2), 171-207.
Easley, D., López de Prado, M. M., & O'Hara, M. (2012). Flow toxicity and liquidity in a high-frequency world. The Review of Financial Studies, 25(5), 1457-1493.
Easley, D., Engle, R. F., O'Hara, M., & Wu, L. (2008). Time-varying arrival rates of informed and uninformed trades. Journal of Financial Econometrics, 6(2), 171-207.
Easley, D., López de Prado, M., & O’Hara, M. (2012). Bulk classification of trading activity. Johnson School Research Paper Series, 8(6), 14.
Easley, D., Hvidkjaer, S., & O’hara, M. (2010). Factoring information into returns. Journal of Financial and Quantitative Analysis, 45(2), 293-309.
Ersan, Oguz, Multilayer Probability of Informed Trading (2016). https://ssrn.com/abstract=2874420 
Ersan, O., & Alıcı, A. (2016). An unbiased computation methodology for estimating the probability of informed trading (PIN). Journal of International Financial Markets, Institutions and Money, 43, 74-94.
Gan, Q., Wei, W. C., & Johnstone, D. (2015). A faster estimation method for the probability of informed trading using hierarchical agglomerative clustering. Quantitative Finance, 15(11), 1805-1821.
Glosten, L. R., & Milgrom, P. R. (1985). Bid, ask and transaction prices in a specialist market with heterogeneously informed traders. Journal of financial economics, 14(1), 71-100.
Jayaraman. S. (2008). Earnings volatility, cash flow volatility and informed trading. Journal of Accounting Research, 46, 809-851.
Idier, J., & Nardelli, S. (2011). Probability of informed trading on the euro overnight market rate. International Journal of Finance & Economics, 16(2), 131-145.
Kitamura, Y. (2016). The probability of informed trading measured with price impact, price reversal, and volatility. Journal of International Financial Markets, Institutions and Money, 42, 77-90.
Lee, C., & Ready, M. J. (1991). Inferring trade direction from intraday data. The Journal of Finance, 46(2), 733-746.
Lin, H. W. W., & Ke, W. C. (2011). A computing bias in estimating the probability of informed trading. Journal of Financial Markets, 14(4), 625-640.
Popescu, M. (2007). Two Essays on the Probability of Informed Trading (Doctoral dissertation, Virginia Tech).
Vega, C. (2006). Stock price reaction to public and private information. Journal of Financial Economics, 82(1), 103-133.
Yan, Y., & Zhang, S. (2014). Quality of PIN estimates and the PIN-return relationship. Journal of Banking & Finance, 43, 137-149.
Yan, Y., & Zhang, S. (2012). An improved estimation method and empirical properties of the probability of informed trading. Journal of Banking & Finance, 36(2), 454-467.