تحقیقات مالی

تحقیقات مالی

تخمین احتمال معاملات مبتنی بر اطلاعات نهانی در صندوق‏های قابل معامله در بورس تهران: رویکردی بر مبنای ریزساختار بازار

نوع مقاله : مقاله علمی پژوهشی

نویسندگان
علی نمکی 1
رضا عیوضلو 2
محسن سیار 3
1 دانشیار، گروه مهندسی مالی، دانشکده حسابداری و علوم مالی، دانشکدگان مدیریت، دانشگاه تهران، تهران، ایران.
2 استادیار، گروه مدیریت مالی و بیمه، دانشکده حسابداری و علوم مالی، دانشکدگان مدیریت دانشگاه تهران، تهران، ایران.
3 دانشجوی دکتری، گروه مهندسی مالی، پردیس بین‌‌المللی کیش، دانشگاه تهران، تهران، ایران.
10.22059/frj.2026.403269.1007796
چکیده
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.
 
کلیدواژه‌ها
تقارن اطلاعاتی
ریزساختار بازار
مدل PIN
مدل VPIN
معاملات آگاهانه و صندوق‏‌های ETF
موضوعات

عنوان مقاله English

Informed Trading Probability in Exchange-traded Funds on the Tehran Stock Exchange: A Market Microstructure Approach

نویسندگان English

Ali Namaki 1
Reza Eyvazlou 2
Mohsen Sayar 3
1 Associate Prof., Department of Financial Engineering, Faculty of Accounting and Financial Sciences, College of Management, University of Tehran, Tehran, Iran.
2 Assistant Prof., Faculty of Accounting and Financial Sciences, College of Management, University of Tehran, Tehran, Iran
3 Ph.D. Candidate, Department of Financial Engineering, Kish International Campus, University of Tehran, Tehran, Iran.
چکیده English

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.

کلیدواژه‌ها English

Informed trading
Exchange-Traded Funds (ETFs)
Information asymmetry
Market microstructure
PIN model
VPIN model
راعی، رضا؛ عیوضلو، رضا و محمدی، شاپور (1392). بررسی ریسک اطلاعات با استفاده از مدل‌های ریزساختار بازار. پژوهش‌های مدیریت در ایران، 17 (3)، 71-85.
راعی، رضا؛ محمدی، شاپور و عیوضلو، رضا (۱۳۹۲). تخمین احتمال معامله مبتنی بر اطلاعات خصوصی با استفاده از مدل‏های ریزساختار بازار. تحقیقات مالی، ۱۵(۱)، 17-28.  
راعی، رضا؛ عیوضلو، رضا و عباس‌زاده اصل، امیرعلی (۱۳۹۶). بررسی رابطه عدم تقارن اطلاعاتی و نقدشوندگی در بورس اوراق بهادار تهران با استفاده از مدل‏های ریزساختار بازار. دانش مالی تحلیل اوراق بهادار، ۳۴(۱۰)، 13-24.
رضایی، صادق؛ مهرآرا، محسن و سوری، علی (۱۳۹۹). آیا افشای اطلاعات به کاهش معاملات مبتنی بر اطلاعات خصوصی و شوک متقارن جریان سفارش در بورس اوراق بهادار تهران منجر می‏شود؟ فصلنامه تحقیقات مدل‌سازی اقتصادی، ۱۱(۴۰)، 33-66.
طالبلو، رضا؛ شاکری، عباس و رحمانیانی، میلاد (۱۳۹۸). مقایسه روش‌های مختلف تخمین احتمال مبادله آگاهانه در بورس اوراق بهادار تهران. پژوهش‌های اقتصادی ایران، ۲۴(۷۸)، 1-29.
عیوضلو، رضا؛ راعی، رضا و محمدی، شاپور (1391). اثرهای تقویمی در احتمال معاملات مبتنی بر اطلاعات نهانی. فصلنامه بورس اوراق بهادار، 5(18)، 5-17.
کردی تمندانی، حامد؛ زمانیان، غلامرضا و هاتفی مجومرد، محمد (۱۳۹۷). معیار احتمال انجام معاملات آگاهانه در اندازه‌گیری ریسک عدم تقارن اطلاعات و رتبه‌بندی شرکت‌های بورس اوراق بهادار تهران. مهندسی مالی و مدیریت اوراق بهادار (مدیریت پرتفوی)، ۹(۳۷)، 158- ۱۸۶.
فهرست صندوق‏های سرمایه‌گذاری. (1404). مرکز پردازش اطلاعات مالی ایران.
 
References
Admati, A. R. & Pfleiderer, P. (1988). A Theory of Intraday Patterns: Volume and Price Variability. The Review of Financial Studies, 1(1), 3-4.
Akbas, F. (2015). The Calm before the Storm. The Journal of Finance, 71(1), 225–266. https://doi.org/10.1111/jofi.12377
Amihud, Y. & Mendelson, H. (1986). Asset pricing and the bid-ask sprea. Journal of Financial Economics, 17(2), 223–249. https://doi.org/10.1016/0304-405X(86)90065-6
Bambade, A. (2019). A New Way to Compute the Probability of Informed Trading. Journal of Mathematical Finance, 9(4), 637–666.
Boehmer, E., Gramming, J. & Theissen, E. (2007). Estimating the probability of informed trading—Does trade misclassification matter? Journal of Financial Markets, 10(1), 26–47. https://doi.org/10.1016/j.finmar.2006.07.002
Chae, J. (2005). Trading Volume, Information Asymmetry, and Timing Information. The Journal of Finance, 60(1), 413–422.
Chan, K. & Fong, W.-M. (2000). Trade size, order imbalance, and the volatility–volume relation. Journal of Financial Economics, 57(2), 247–273. https://doi.org/10.1016/S0304-405X(00)00057-X
Corsi, F. (2009). A Simple Approximate Long-Memory Model of Realized Volatility. Journal of Financial Econometrics, 7(2), 174–196. https://doi.org/10.1093/jjfinec/nbp001
Doostian, R. & Touski, O. F. (2020). The probability of informed trading and stock liquidity. International Journal of Finance and Managerial Accounting, 7(27). https://doi.org/10.30495/IJFMA.2022.61387.1662
Duarte, J., Hu, E. & Young, L. (2020). A comparison of some structural models of private information arrival. Journal of Financial Economics, 135(3), 795–815. https://doi.org/10.1016/j.jfineco.2019.08.005
Easley, D. & O’hara, M. (1992). Time and Process of Security Price Adjustment. Journal of Finance, 47, 576–605. https://doi.org/10.1111/j.1540-6261.1992.tb04402.x
Easley, D. & O’hara, M. (2004). Information and the Cost of Capital. The Journal of Finance, 59(4), 1553–1583.
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), 171-2–7. https://doi.org/10.1093/jjfinec/nbn003
Easley, D., Hvidkjaer, S. & O’hara, M. (2002). Is Information Risk A Determinant of Asset Returns. The Journal of Finance, 57(5), 2185–2221. https://doi.org/10.2139/ssrn.249072
Easley, D., López de Prado, M. M. & O’hara, M. (2011). The Microstructure of the “Flash Crash”: Flow Toxicity, Liquidity Crashes, and the Probability of Informed Trading. The Journal of Portfolio Management, 37(2), 118–128. https://doi.org/DOI:%252010.3905/jpm.2011.37.2.118
Eyvazlou, R., Raee, R. & Mohammadi, Sh. (2012). Calendar Effects on the Probability of Informed Trading. Securities Exchange Quarterly, 5(18), 5–17. (in Persian)
Fama, E. F. (1970). Efficient Capital Markets: A Review of Theory and Empirical Work. The Journal of Finance, 25(02), 383–417. https://doi.org/10.2307/2325486
Foster, F. D. & Viswanathan, S. (1990). A Theory of the Interday Variations in Volume, Variance, and Trading Costs in Securities Markets. The Review of Financial Studies, 3(4), 593–624. https://doi.org/10.1093/rfs/3.4.593
Foster, F. D. & Viswanathan, S. (1994). Strategic Trading with Asymmetrically Informed Traders and Long-Lived Information. The Journal of Financial and Quantitative Analysis, 29(4), 499–518. https://doi.org/10.2307/2331107
Griffin, J., Oberoi, J. & Oduro, S. D. (2021). Estimating the probability of informed trading: A Bayesian approach. Journal of Banking & Finance, 125. https://doi.org/10.1016/j.jbankfin.2021.106045
Grossman, S. J. & Stiglitz, J. E. (1980). On the Impossibility of Informationally Efficient Markets. The American Economic Review, 70(3), 393–408.
Hwang, L.S., Lee, W.J., Lim, S.Y. & Park, K.-H. (2013). Does information risk affect the implied cost of equity capital? An analysis of PIN and adjusted PIN. Journal of Accounting and Economics, 55(2–3), 148–167. https://doi.org/10.1016/j.jacceco.2013.01.005
Iran Financial Data Processing Center. (2025). List of investment funds. https://fund.fipiran.ir/mf/list
Karyampas, D. & Paiardini, P. (2011). Probability of Informed Trading and Volatility for an ETF. https://www.researchgate.net/publication/254391845_Probability_of_Informed_ Trading_and_Volatility_for_an_ETF
Kordi-Temandani, H., Zamanian, G., & Hatefi Mojomard, M. (2018). Probability of informed trading as a measure of information asymmetry risk and the ranking of firms listed on the Tehran Stock Exchange. Financial Engineering and Securities Management (Portfolio Management), 9(37), 158–186. (in Persian)
Lof, M. & Van Bommel, J. (2023). Asymmetric information and the distribution of trading volume. Journal of Corporate Finance, 82. https://www.sciencedirect.com/science/ article/pii/S092911992300113X
Raee, R., Eyvazlou, R. & Mohammadi, Sh. (2013). Survey on Information Risk Using Microstructure Models. Journal of Management Research in Iran, 17(3), 71-85.
(in Persian)
Raee, R., Eyvazlu, R., & Abbaszade Asl, A. (2017). The relationship between information asymmetry and liquidity in the Tehran Stock Exchange using market microstructure models. Financial Knowledge of Securities Analysis, 10(34), 13–24. (in Persian)
Raee, R., Mohammadi, Sh. & Eyvazlu, R. (2013). Estimating Probability of Private Information Based Trade Using Microstructure Model. Financial Research Journal, 15(1), 17-28. https://doi.org/10.22059/jfr.2013.35430 (in Persian)
Rezaei, S., Mehrara, M., & Soori, A. (2020). Does disclosure reduce private information-based trading and symmetric order flow shock in the Tehran Stock Exchange? Quarterly Journal of Economic Modeling Research, 11(40), 33–66. (in Persian)
Taleblou, R., Shakeri, A., & Rahmaniani, M. (2019). A comparison of different methods for estimating the probability of informed trading in the Tehran Stock Exchange. Iranian Economic Research, 24(78), 1–29. https://doi.org/10.22054/ijer.2019.10161 (in Persian)
Touski, O. F., Janani, M. & Hemmatfar, M. (2020). Measuring and Explaining the Probability of Informed Trading and its Relationship with the Cost of Capital with an Emphasis on Family Ownership. International Journal of Nonlinear Analysis and Applications, 11, 63–79. https://doi.org/10.22075/ijnaa.2020.4525
Wang, T. & Huang, Z. (2012). The Relationship between Volatility and Trading Volume in the Chinese Stock Market: A Volatility Decomposition Perspective. Annals of Economics and Finance, 13(1), 217–242.
Wen, C., Jia, F. & Hao, J. (2020). Does VPIN provide predictive information for realized volatility forecasting: Evidence from Chinese stock index futures market. China Finance Review International, 13(2), 285–303. https://doi.org/10.1108/CFRI-05-2020-0049
تحقیقات مالی
دوره 28، شماره 1
1405
صفحه 300-326