برآورد عدم تقارن اطلاعات با استفاده از معیارهای ریزساختار بازار؛ مطالعه موردی شرکت‌های بورسی حوزه انرژی ایران

مهاجری, پریسا; طالبلو, رضا

doi:10.22054/jiee.2023.75617.2036

نوع مقاله : مقاله پژوهشی

نویسندگان

دانشیار،گروه اقتصاد، دانشکده اقتصاد، دانشگاه علامه طباطبائی، تهران، ایران

https://doi.org/10.22054/jiee.2023.75617.2036

چکیده

احتمال معاملات آگاهانه (PIN)، یکی از معیارهای مهم ریزساختار بازار است که عموماً برای سنجش سطح عدم تقارن اطلاعات استفاده می‌شود. برآورد PIN به دلیل راه‌حل‌های مرزی، حداکثر محلی و استثناهای نقطه اعشار (FPE) می‌تواند مشکل‌ساز باشد. همچنین حاکم بودن فرض وجود فقط یک لایه اطلاعاتی در هر روز معاملاتی در PIN، با شواهد تجربی دنیای واقعی ناسازگار بوده و آن را در معرض اریب کم‌برآوردی قابل ملاحظه‌ای قرار می‌دهد. در مقاله حاضر با استفاده از مدل احتمال چندلایه معاملات آگاهانه (MPIN) که توسط قاچم و ارسان (2023) ارائه شده است، عدم تقارن اطلاعات برای 55 شرکت بورسی فعال در حوزه انرژی طی دوره 1Q:1396 تا 1Q:1402 برآورد شده است. یافته‌های مقاله حاضر حاکی از آن است که اولاً برای 67/2 درصد از 1200 مشاهده سهام/فصل، فرض وجود یک لایه اطلاعاتی برقرار است که دلالت بر ضرورت به‌کارگیری MPIN برای برآورد عدم تقارن اطلاعات دارد. ثانیاً به‌کارگیری PIN نه تنها با اریب کم‌برآوردی روبروست بلکه تصویر نادرستی از رتبه‌بندی شرکت‌ها از منظر عدم تقارن اطلاعات به دست می‌دهد. ثالثاً صنعت انرژی کشور به‌طور متوسط با عدم تقارن اطلاعات 4/34 درصدی روبروست و برآوردها نشان می‌دهد که وجود اطلاعات خصوصی در تابستان 1399 به اوج خود رسیده و بیش از 49 درصد بوده است. رابعاً نماد «بپیوند» از زیربخش برق، گاز و بخار و نماد «شپنا» از زیربخش «پالایشگاه» با عدم تقارن اطلاعات 75/64 و 9/18 درصدی به ترتیب در جایگاه بالاترین و کمترین عدم تقارن اطلاعات قرار می‌گیرند.

کلیدواژه‌ها

موضوعات

سیاستگذاری‌های اقتصادی و مالی در حوزه‌های فوق‌الذکر در سطوح ملی، منطقه‌ای و جهانی

عنوان مقاله [English]

Estimating Information Asymmetry using Market Microstructure Measures; A Case Study of Energy Sector Companies Listed in the Iranian Stock Exchange

نویسندگان [English]

parisa Mohajeri
Reza Taleblou

Associate Professor of Economics, Department of Economics, Allemeh Tabataba’i University, Tehran, Iran.

چکیده [English]

The Probability of Informed Trading (PIN) is one of the important measures of market microstructure that is generally used to estimate the level of information asymmetry. Estimating PIN can be challenging due to boundary solutions, local maxima, and Floating Point Exceptions (FPE). Additionally, the prevailing assumption of the existence of only one information layer per trading day in PIN is inconsistent with the real-world empirical evidence and exposes it to a considerable underestimation bias. In this paper, we estimate information asymmetry for 55 listed companies in the energy sector during the period from 2017:Q1 to 2023:Q2, utilizing the Multi-Layer Probability of Informed Trading (MPIN) model introduced by Ghachem and Ersan (2023). The findings indicate: First, the assumption of a single information layer is satisfied for only 2.67% of the 1,200 stock/season observations, which implies the necessity of using MPIN to estimate information asymmetry. Second, the use of PIN not only leads to significant underestimation bias, but also provides an inaccurate picture of the ranking of companies from the perspective of information asymmetry. Third, the energy sector faces an average information asymmetry of 34.4%, and estimations reveal that private information reached its peak in the summer of 2020, exceeding 49%. Fourth, the symbols "Bepeyvand" from the electricity, gas, and steam sub-sector and "Shapna" from the refining sub-sector hold the highest (64.75%) and lowest (18.9%) information asymmetry, respectively.
Abstract should be written in one paragraph and the subject matter (one or two sentences), purpose (one sentence), method (in two to three sentences including research design, statistical population, sample number, sampling method, intervention, instruments (Full name of the instrument, designer's name, and year of the design}, data analysis method (the name of the software used should not be stated), results (two to three sentences including key findings without mentioning the numbers) and conclusions (two sentences) (Verbs should be in past tense).

کلیدواژه‌ها [English]

Market Microstructure
Information Asymmetry
Multi-Layer Probability of Informed Trading (MPIN)
Hierarchical Agglomerative Clustering (HAC)

مراجع

دولو، مریم و عزیزی، نازنین. (1396). واکاوی منشأ قیمت‌گذاری ریسک اطلاعات؛ شواهدی از معیار احتمال معاملات آگاهانه تعدیل‌شده. تحقیقات مالی، 19(3)، 438-415.

طالبلو، رضا و رحمانیانی، مولود. (1396). اندازه‌گیری سطح عدم تقارن اطلاعات برای شرکت‌های منتخب فعال در بورس اوراق بهادار تهران: احتمال مبادله آگاهانه (PIN). تحقیقات مدلسازی اقتصادی، 29، 98-73.

طالبلو، رضا و مهاجری، پریسا. (1399). الگوسازی سرایت تلاطم در بازار سهام ایران؛ رویکرد فضا-حالت غیرخطی. تحقیقات اقتصادی، 55(4)، 990-963.

طالبلو، رضا و مهاجری، پریسا. (1401). اتصالات و سرریز ریسک در بازار سهام ایران، یک تحلیل بخشی با به‌کارگیری مدل خودرگرسیون برداری با پارامترهای متغیر طی زمان (TVP-VAR). مدلسازی اقتصادسنجی، 7(3)، 125- 95.

طالبلو، رضا؛ شاکری، عباس و رحمانیانی، میلاد. (1398). مقایسه روش‌های مختلف تخمین احتمال مبادله آگاهانه در بورس اوراق بهادار تهران. پژوهش‌های اقتصادی ایران، 24 (78)، 29-1.

مهاجری، پریسا و طالبلو، رضا. (1401). بررسی پویایی‌های سرریز تلاطمات بین بازده بخش‌ها با رویکرد اتصالات خودرگرسیون برداری با پارامترهای متغیر در طول زمان (TVP-VAR)؛ شواهدی از بازار سهام ایران. تحقیقات اقتصادی، 57(2)، 356-321.

مهاجری، پریسا؛ طالبلو، رضا و خان‌احمدی، فاطمه. (1401). برآورد تلاطم قیمت نفت با استفاده از روش تلاطم تصادفی (SV) و تأثیر آن بر سرمایه‌گذاری شرکت‌ها. پژوهشنامه اقتصاد انرژی ایران، 11(2)، 190-161.

References

Atilgan, Y. (2014). Volatility Spreads and Earnings Announcement Returns. Journal of Banking and Finance, 38, 205-215.

Brown, S. & Hillegeist, S.A. (2007). How Disclosure Quality Affects the Level of Information Asymmetry. Review Accounting Studies, 12(2-3), 443-477.

Brown, S., Hillegeist, S.A. & Lo, K. (2004). Conference Calls and Information Asymmetry. Journal of Accounting and Economics, 37(3), 343-366.

Cepoi, C.O., Dragota, V., Trifan, R. & Lordache, A. (2023). Probability of Informed Trading during the COVID-19 Pandemic: The Case of the Romanian Stock Market. Financial Innovation, 9(34), 1-27.

Chen, Q., Goldstein, I. & Jiang, W. (2007). Price Informativeness and Investment Sensitivity to Stock Price. The Review of Financial Studies, 20(3), 619-650.

Chen, Y., & Zhao, H. (2012). Informed Trading, Information Uncertainty, and Price Momentum. Journal of Banking and Finance, 36(7), 2095-2109.

Chung, K.H., Li, M. & McInish, T.H. (2005). Information-Based Trading, Price Impact of Trades, and Trade Autocorrelation. Journal of Banking & Finance, 29(7), 1645-1669.

Davallou, M. & Azizi, N. (2017). The Investigation of Information Risk Pricing; Evidence from Adjusted Probability of Informed Trading Measure. Financial Research Journal, 19(3), 415-438 (In Persian).

De Cesari, A. & Huang-Meier, W. (2015). Dividend Changes and Stock Price Informativeness. Journal of Corporate Finance, 35, 1-17.

Dennis, P.J. and Weston, J. (2001). Who’s Informed? An Analysis of Stock Ownership and Informed Trading. American Finance Association 2002 Atlanta Meetings, Chicago, IL.

Duarte, J. & Young, L. (2009). Why Is Pin Priced? Journal of Financial Economics, 91(2), 119-138.

Duarte, J., Han, X., Harford, J. & Young, L. (2008). Information Asymmetry, Information Dissemination and the Effect of Regulation FD on the Cost of Capital. Journal of Financial Economics, 87(1), 24-44.

Easley D., & O’Hara, M. (1992). Time and the Process of Security Price Adjustment. Journal of Finance, 47(2), 577-605.

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., Hvidkjaer, S. & O’Hara, M. (2010). Factoring Information into Returns. Journal of Financial and Quanti- tative Analysis, 45(2), 293-309.

Easley, D., O’Hara, M. & Paperman, J.B. (1998). Financial Analysts and Information-Based Trades. Journal of Financial Markets, 1(2), 175-201.

Easley, D., O’Hara, M. & Saar, G. (2001). How Stock Splits Affect Trading: A Microstructure Approach. The journal of Financial and Quantitative Analaysis., 36(1), 25-51.

Ellul, A. & Pagano, M. (2006). IPO Underpricing and after-Market Liquidity. Review of Financial Studies, 19(2), 381-421.

Ersan, O. & Alici, 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.

Ersan, O. (2016). Multilayer Probability of Informed Trading. SSRN Electronic Journal.

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.

Ghachem M. & Ersan O. (2023). PINstimation: An R Package for Estimating Models of Probability of Informed Trading. SSRN Electronic Journal.

Henry, T. R., Kisgen, D. J., & Wu, J. J. (2015). Equity Short Selling and Bond Rating Downgrades. Journal of Financial Intermediation, 24, 89-111.

Hu, J. (2014). Does Option Trading Convey Stock Price Information? Journal of Financial Economics, 111 (3), 625-645.

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.

Jayaraman, S., & Shuang Wu, J. (2020). Should I Stay or Should I Grow? Using Voluntary Disclosure to Elicit Market Feedback. The Review of Financial Studies, 33(8), 38543888.

Kang, M. (2010). Probability of Information-Based Trading and the January Effect. Journal of Banking and Finance, 34(12), 2985-2994.

Lee, C. M., & Ready, M. J. (1991). Inferring Trade Direction from Intraday Data. The Journal of Finance, 46(2), 733-746.

Lin, W.W. & Ke, W.C. (2011). A Computing Bias in Estimating the Probability of Informed Trading. Journal of Financial Markets, 14(4), 625- 640.

Ma, R., Marshall, B. R., Nguyen, H. T., Nguyen, N. H., & Visaltanachoti, N. (2022). Climate Events and Return Comovement. Journal of Financial Markets, 61, 100731.

Madhavan, A., Richardson, M. & Roomans, M. (1997). Why Do Security Prices Change? a Transaction-Level Analysis of NYSE Stocks. Review of Financial Studies, 10(4), 1035-1064.

Martins, O.S. & Paulo, E. (2014). Information Asymmetry in Stock Trading, Economic and Financial Characteristics and Corporate Governance in the Brazilian Stock Market. Accounting & Finance Review, 25 (64), 33-45.

Mohajeri, P. & Taleblou, R. (2023). Investigating the Dynamic of Volatility Spillovers across Sector’s Return Utilizing a Time-Varying Parameter Vector Autoregressive Connectedness Approach; Evidence from Iranian Stock Market. Economic Research (Tahghighat-E-Eghtesadi), 57(2), 321-359 (In Persian).

Mohajeri, P., Taleblou, R. & KhanAhmadi, F. (2022). Estimating Oil Price Volatility Using Stochastic Volatility (SV) and Its Impact on Corporate Investment. Iranian Energy Economics, 11(2), 161-190 (In Persian).

Odders-White, E. & Ready, M.J. (2006). Credit Ratings and Stock Liquidity. Review of Financial Studies, 19(1), 119-157.

Pan, J. & Poteshman, A.M. (2006). The Information in Option Volume for Future Stock Prices. Review of Financial Studies, 19(3), 871-908.

Taleblou, R. & Mohajeri, P. (2021). Modeling the Transmission of Volatility in the Iranian Stock Market; Space-State Nonlinear Approach. Economic Research (Tahghighat-E-Eghtesadi), 55(4), 963-990 (In Persian).

Taleblou, R. & Mohajeri, P. (2022). Connectedness and Risk Spillovers in Iranian Stock Market: Using TVP-VAR in a Sectoral Analysis. Journal of Econometric Modeling, 7(3), 95-125 (In Persian).

Taleblou, R. & Rahmaniani, M. (2017). Measuring Probability of Informed Trading in Tehran Stock Exchange. Journal of Economic Modeling Research, 8(29), 73-98 (In Persian).

Taleblou, R., Shakeri, A. & Rahmaniani, M. (2019). Comparing Different Methods of Estimation for Probability of Informed Trading in Tehran Stock Exchange. Iranian Journal of Economic Research, 24(78), 1-29 (In Persian).

Vega, C. (2006). Stock Price Reaction to Public and Private Information. Journal of Financial Economics, 82(1), 103-133.

Wu, W.S., Liu, Y.J., Lee, Y.T. & Fok, R.C. (2014). Hedging Costs, Liquidity, and Inventory Management: The Evidence from Option Market Makers. Journal of Financial Markets, 18, 25-48.

Yan, Y. & Zhang, S. (2006). An Improved Estimation Method and Empirical Properties of the Probability of Informed Trading. Working Paper, University of Pennsylvania.

Yan, Y. & Zhang, S. (2012). An Improved Estimation Method and Empirical Properties of the Probability of Informed Trading. Journal of Banking and Finance, 36 (2), 454-467.

برآورد عدم تقارن اطلاعات با استفاده از معیارهای ریزساختار بازار؛ مطالعه موردی شرکت‌های بورسی حوزه انرژی ایران

مراجع

مراجع

دوره 13، شماره 50 - شماره پیاپی 2بهار1403فروردین 1403صفحه 141-173

دوره 13، شماره 50 - شماره پیاپی 2
بهار1403
فروردین 1403
صفحه 141-173