چکیده:
چکیده یکی از مباحث مهم در بازارهای مالی اثر عدم تقارن اطلاعات است. تقارن اطلاعات یکی از مهمترین ملزومات اثباتشده بازارهای کارا است. درنتیجه ریسک ناشی از عدم تقارن اطلاعات و اطلاعات نهانی، یکی از ریسکهای تأثیرگذار برای سرمایهگذاران محسوب میشود. هدف اصلی این پژوهش بررسی عدم تقارن اطلاعاتی در معاملات بورس اوراق بهادار تهران و همچنین بررسی دقت تخمین مدل معاملات مبتنی بر اطلاعات نهانی (PIN) با استفاده از الگوریتمهای مختلف تقسیمبندی معاملات است. بر این اساس پس از انتخاب 40 سهم از سهام حاضر در بازار سرمایه ایران که در بیش از 75 درصد از روزهای معاملاتی این بازار فعال بودهاند و با بهرهگیری از الگوریتمهای LR و EMO در تقسیمبندی معاملات، میزان PIN محاسبه و مشاهده شد که احتمال معامله مبتنی بر اطلاعات نهانی مقدار قابل ملاحظهای (بهطور متوسط 25/0) در بورس اوراق بهادار تهران برخوردار است که با حرکت به سمت دهکها با حجم کمتر، سطح آن افزایش مییابد. همچنین با استفاده از روش شبیهسازی ریزساختار ملاحظه گردید هرگونه انحراف در تقسیم صحیح معاملات خرید و فروش، احتمال معامله مبتنی بر اطلاعات نهانی را متأثر نموده و درنتیجه میتواند دقت سیستم نظارتی را تحت تأثیر قابل ملاحظهای قرار دهد
Abstract One of the most important issues in financial markets is the effect of information asymmetry. Information symmetry is one of the most important proven requirements of efficient markets. As a result, the risk of information asymmetry and the existence of inside information is one of the most effective risks for investors. The main purpose of this study is to investigate the level of information asymmetry on the Tehran Stock Exchange and also to investigate the accuracy of estimating the trading model based on probability of informed trading model (PIN) using different trading classification algorithms. Accordingly, after selecting 40 shares of stocks present in Tehran Stock Exchange, which have been active in more than 75% of the trading days of market and using LR and EMO algorithms in classification of transactions, the PIN was calculated and observed that The probability of informed trading has a considerable level (on average 0.25) in Tehran Stock Exchange, which increases by moving to smaller volume deciles. Also, using the microstructure simulation method, it was observed that any deviation in the correct classification of trades affects the probability of informed trading and as a result can significantly affect the accuracy of the supervision system.