انتشارات دانشگاه تهران تحقیقات مالی 1024-8153 28 1 2026 03 21 Informed Trading Probability in Exchange-traded Funds on the Tehran Stock Exchange: A Market Microstructure Approach تخمین احتمال معاملات مبتنی بر اطلاعات نهانی در صندوق‏های قابل معامله در بورس تهران: رویکردی بر مبنای ریزساختار بازار 300 326 105502 10.22059/frj.2026.403269.1007796 FA علی نمکی دانشیار، گروه مهندسی مالی، دانشکده حسابداری و علوم مالی، دانشکدگان مدیریت، دانشگاه تهران، تهران، ایران. 0000-0003-4167-6472 رضا عیوضلو استادیار، گروه مدیریت مالی و بیمه، دانشکده حسابداری و علوم مالی، دانشکدگان مدیریت دانشگاه تهران، تهران، ایران. محسن سیار دانشجوی دکتری، گروه مهندسی مالی، پردیس بین‌‌المللی کیش، دانشگاه تهران، تهران، ایران. Journal Article 2025 09 28 Objective Informed trading, as a key factor undermining market transparency and efficiency, plays a pivotal role in investor decision-making and risk management. Accordingly, identifying and quantifying such trading activities at the microstructure level of the market is of critical importance. Given the growing presence of exchange-traded equity funds (ETFs) in Iran’s capital market and the need for enhanced transparency and regulatory oversight, this study aims to propose a robust and reliable index for measuring information asymmetry within these financial institutions. Methods The foundational model for estimating the extent of informed trading is the Probability of Informed Trading (PIN) model. This well-established measure in financial economics captures the likelihood of informed traders’ participation in the market and reflects the degree of information asymmetry in trading activity. Over time, the PIN model has undergone refinements to address computational inefficiencies and the complexity of multi-parameter estimation. A prominent advancement is the Volume-Synchronized Probability of Informed Trading (VPIN) model, which offers superior speed and accuracy, requires fewer parameter estimations, and incorporates a volume-based framework that enables continuous updating. By addressing the primary limitation of the original model—its disregard for trading volume—VPIN facilitates a more precise assessment of informed trading probabilities. The dataset used in this study consists of intraday price, time, and volume data for 92 equity exchange-traded funds listed on the Tehran Stock Exchange, covering the period from April 2019 to March 2025. To compute the VPIN index, real-time data on trade time, volume, and price were collected and processed, yielding VPIN values for each fund across the specified timeframe. Additionally, the funds were categorized based on variables such as assets under management and the industry sector of investment (sectoral ETFs), allowing for an examination of structural factors influencing informed trading levels. Results The results reveal significant variation in the probability of informed trading across the studied funds. Specifically, funds with larger assets under management (AUM) exhibited lower average VPIN values compared to smaller funds. Furthermore, sector-specific funds investing in different industries display varying VPIN levels. Moreover, funds investing in less transparent and specialized industries demonstrated higher average VPIN scores. These differences suggest that structural factors—including fund size, the nature of the target industry, and investor trading behavior— significantly influence the extent of informed trading. Conclusion This study contributes to the literature by introducing an analytical framework grounded in the VPIN methodology to identify and quantify information asymmetry among ETFs operating in Iran’s capital market. The findings—encompassing VPIN monitoring across sectoral, small, medium, and large equity funds—underscore the necessity for regulatory authorities and policymakers to consider variables such as fund structure, industry focus, and trading volume in efforts to enhance market transparency and mitigate informational inequality. Furthermore, the VPIN index proves to be an effective analytical tool for modeling informational risk in ETFs and offers a foundation for developing intelligent regulatory monitoring systems. Ultimately, the insights derived from this research hold practical relevance for investor decision-making, strategic trading design, and the advancement of capital market oversight policies. هدف: معاملات آگاهانه، به‌عنوان یکی از عوامل مخدوش‌کنندۀ شفافیت و کارایی بازار، در تصمیم‌گیری‌های سرمایه‌گذاران و مدیریت ریسک، نقشی مؤثر ایفا می‌کند؛ بنابراین شناسایی و سنجش میزان این‌گونه معاملات در سطوح خُرد بازار، اهمیت ویژه‌ای دارد. با توجه به گسترش فعالیت صندوق‌های سهامی قابل معامله در بورس، در بازار سرمایۀ ایران و نیاز به افزایش شفافیت و نظارت مؤثر بر آن‌ها، این مقاله در تلاش است که شاخصی معتبر و قابل اتکا برای سنجش‌عدم تقارن اطلاعاتی در این نهادهای مالی ارائه کند. روش: اولین مدل برای سنجش میزان معاملات مبتنی بر اطلاعات نهانی، مدل تخمین احتمال معاملات مبتنی بر اطلاعات نهانی (PIN) بوده است. این مدل شاخصی در اقتصاد مالی است که احتمال حضور معامله‌گران دارای اطلاعات نهانی در بازار را اندازه‌گیری می‌کند و نشان‌دهندۀ میزان‌عدم تقارن اطلاعاتی در فرایند معاملات است. مدل PIN طی زمان بهبود یافته است و مشکلات آن، از جمله سرعت کُند محاسبات و نیاز به تخمین چندین پارامتر، رفع شده است. یکی از مدل‌های تعدیل شده، مدل VPIN است که علاوه‌بر سرعت و دقت بیشتر، نیاز کمتری به تخمین پارامترهای مجهول مدل PIN دارد و با داشتن خاصیت حجم‌محور، قابلیت به‌روزرسانی پیوسته را نیز دارد. مدل VPIN با رفع ضعف اصلی مدل اولیه که حجم معاملات را نادیده می‌گرفت، امکان ارزیابی دقیق‌تری از احتمال وقوع معاملات آگاهانه را فراهم می‌آورد. داده‌های مورد استفاده در این مقاله، اطلاعات درون روزی قیمت، زمان و حجم معاملات برای ۹۲ صندوق سهامی قابل معامله در بورس اوراق بهادار تهران، طی بازه زمانی فروردین ۱۳۹۸ تا اسفند ۱۴۰۳ است. به‌منظور محاسبه شاخص احتمال معاملات مبتنی بر اطلاعات نهانی، ضمن جمع‌آوری و پردازش اطلاعاتی از جمله زمان، حجم و قیمت روزانه به‌صورت لحظه‌ای، شاخص VPIN برای هر صندوق در بازه زمانی مذکور استخراج شد. همچنین، صندوق‌ها بر اساس متغیرهایی چون میزان دارایی تحت مدیریت و نوع صنعت سرمایه‌پذیر (صندوق‌های سهامی بخشی قابل معامله در بورس) دسته‌بندی شدند تا تأثیر عوامل ساختاری بر سطح معاملات مبتنی بر اطلاعات نهانی بررسی شود. یافته‌ها: نتایج تحقیق نشان می‌دهد که احتمال وقوع معاملات مبتنی بر اطلاعات نهانی، در میان صندوق‌های مورد مطالعه تفاوت معناداری دارد. به‌طور مشخص، صندوق‌هایی با سطح دارایی تحت مدیریت بالاتر، میانگین شاخص VPIN کمتری نسبت به صندوق‌های کوچک‌تر داشته‌اند. همچنین، صندوق‌های بخشی در صنایع مختلف، شاخص VPIN متفاوتی دارند و این تفاوت‌ها نشان می‌دهد که عوامل ساختاری، از جمله حجم دارایی، نوع صنعت سرمایه‌پذیر و رفتار معاملاتی سرمایه‌گذاران، بر میزان معاملات آگاهانه تأثیرگذارند. نتیجه‌گیری: مقاله حاضر با ارائه یک چارچوب تحلیلی بر پایه مدل VPIN، گامی در راستای شناسایی و سنجش‌عدم تقارن اطلاعاتی در صندوق‌های ETF فعال در بازار سرمایه ایران برداشته است. نتایج مطالعه (شامل بررسی و پایش شاخص VPINدر صندوق‌های سهامی، بخشی و کوچک، متوسط و بزرگ) بیانگر ضرورت توجه نهادهای نظارتی و سیاست‌گذاران، به متغیرهایی چون ساختار دارایی صندوق‌ها، نوع صنعت سرمایه‌پذیر و حجم معاملات برای افزایش شفافیت و کاهش نابرابری اطلاعاتی در بازار سرمایه است. همچنین، شاخص VPIN می‌تواند به‌عنوان ابزار تحلیلی مؤثر در مدل‌سازی ریسک اطلاعاتی در صندوق‌های ETF مورد استفاده قرار گیرد و مبنایی برای توسعه سامانه‌های نظارتی هوشمند فراهم سازد. در نهایت، یافته‌های این تحقیق ظرفیت کاربرد در تصمیم‌گیری‌های سرمایه‌گذاران، طراحی راهبردهای معاملاتی و ارتقای سیاست‌های نظارتی بازار سرمایه را دارد.

https://jfr.ut.ac.ir/article_105502_ce0a8723c4e4a0fba874945aa5adc3ae.pdf