نظارت بر متغیرهای بورس اوراق بهادار

  • 2022-10-8

اطلاعات نامتقارن و قیمت روزانه سهام در برزیل

اطلاعات مربوط به اطلاعات دقیق در برزیل

Assimetria de informação e preços diários de ações no Brazil

اطلاعات نامتقارن و قیمت روزانه سهام در برزیل

Estudios Gerenciales, vol. 36، شماره157، صفحات 465-472، 2020

دریافت: 02 مارس 2020

پذیرش: 16 سپتامبر 2020

چکیده: هدف این مقاله تجزیه و تحلیل ارتباط بین اطلاعات نامتقارن، اندازه‌گیری شده توسط برآوردگر قیمت پیشنهادی Corwin-Schultz و قیمت سهام در بازار سهام برزیل است. داده های روزانه 64 شرکت در یک دوره 10 ساله با استفاده از تکنیک هم انباشتگی پانل یوهانسن-فیشر به منظور ارزیابی اعتبار اندازه گیری های اطلاعات نامتقارن مورد بررسی قرار گرفت.

در دوره های کوتاه تری نسبت به مطالعات قبلی. نتایج نشان می‌دهد که اطلاعات نامتقارن قیمت سهام را در یک دوره حداکثر دو روزه به صورت تئوری ثابت پیش‌بینی می‌کند. تحقیقات آینده ممکن است نتایج را از طریق متغیرهای مالی سنتی کنترل کند.

طبقه بندی JEL: C33; D82; G32.

کلمات کلیدی: قیمت سهام، اطلاعات نامتقارن، برآوردگر کوروین شولتز.

رزومه: Este trabajo tuvo como objetivo analizar la asociacion entre information asimetrica، medida a traves del estimador Corwin-Schultz، y las cotizaciones bursatiles en el mercado de valores brasileno. Los datos diarios de 64 Empresas, en un periodo de 10 diez anos, Mse examinaron utilizando la tecnica de cointegracion de panel de Johansen-Fisher برای ارزیابی اعتبار از اطلاعات مدا

asimetrica en periodos mas cortos que los estudios anteriores. Los resultados indican que la information asimétrica anticipa los precios de las acciones en un periodo de hasta dos dias، de una manera teoricamente consente. Las Investigaciones Futuras deberian controlar los resultados mediante variables financieras tradicionales.

پالابراس clave: precios de las acciones، Information asimetrica، estimador Corwin-Schultz.

رزومه: Este trabalho tem como objetivo analisar a associacao entre informacao assimetrica، medida pelo estimador Corwin-Schultz، e cotizacoes bursateis no mercado brasileiro de acoes. Foram analisados dados diarios de 64 empresas, durante um peridodo de 10 anos, pela tecnica de cointegracao para dados em painel de Johansen-Fisher, para aaliar a validade de uma medida de informacao

نامتقارن در دوره های پایین تر از مطالعات قبلی. نتایج نشان می دهد که اطلاعات نامتقارن پیش بینی میزبان ها را در یک دوره حداکثر 2 روز ، به روشی سازگار از نظر تئوری پیش بینی می کند. تحقیقات آینده باید نتایج را از طریق متغیرهای مالی سنتی کنترل کند.

کلمات کلیدی: قیمت میزبان ، عدم تقارن اطلاعات ، برآوردگر کوروین-شولتز.

از آنجا که Akerlof (1970) ، اطلاعات نامتقارن (به عنوان مثال اختلافات کمیت و کیفیت اطلاعات در دسترس مدیران و سرمایه گذاران ، و همچنین بازرگانان Infomed و بی اطلاع) به موضوع فزاینده ای از بحث علمی تبدیل شده است. اطلاعات نامتقارن به عنوان یک عامل لیگ در توسعه چندین تئوری مالی (Modigliani & Miller ، 1958 ؛ Muth ، 1961 ؛ Fama ، 1991 ؛ Myers and Majluf ، 1984) و آیتپت برای ماسوره آن می دانند که Mhave Generach Field Market MicroStucture MicroSturucture را می شناسد. (هاسبروک ، 2007).

تأثیر اصلی اطلاعات نامتقارن بر قیمت سهام (Muth ، 1961) و سرعت قیمت گذاری اطلاعات است. بسته به سطح توسعه بازار (FAMA ، 1991) ، این فرصت های بیشتری را برای سرمایه گذاران Infomed ایجاد می کند. در نتیجه تغییرات در قیمت سهام یا بازده غیر طبیعی می تواند فرصتی برای سرمایه گذاران و چالشی برای سرمایه گذاران ناآگاهانه فردی باشد (آکرلوف ، 1970).

ارزیابی شرکت و به تبع آن قیمت سهام آن ، نتیجه هفت متغیر است که شایستگی مطالعه بیشتر دارند. هنگام تجزیه و تحلیل ساختار سرمایه یک شرکت ، یکی از یافته های کلاسیک بی ربط قیمت دارایی های ذکر شده آن است (Modigliani & Miller ، 1958). از طرف دیگر ، شهرت و فرانسوی (1993) اظهار داشتند که بازار سرمایه ایده آل با واکنش Accuise سهام مشخص می شود

قیمت سیگنال های صادر شده توسط شرکت ها ، خواه بازار فعلی از پارامترهای کارایی بازار پیروی کند. آکرلوف (1970) در مورد تأثیرات Uncerthy در بازار بحث کرد که برخی از آنها نشانه های بازار "Dyshonest" ناشی از اطلاعات مختلف از جمله سایر عوامل است. مایرز و ماجلوف (1984) به رفتار سرمایه گذاران و تصمیمات آنها در بازار با متقارن اطلاعاتی پرداختند ، که یکی از دلایل اصلی Marketinefficiecy است.

بازار سهام برزیل ویژگی های کارآیی نیمه قوی را دارد (Fama ، 1991 ؛ Chaudhuri ، 1991). می توان "تفاوت اجتماعی" را در شرکتهای ملی که در آن نظریه آژانس اعمال می شود ، تأیید کرد و در داخل معامله گران اطلاعات قبلی در مورد خرید دارایی شرکت را دارند. به گفته ریپامونتی (2016) ، معامله گران آگاه خود را در مذاکرات استراتژیک قرار می دهند و بنابراین موقعیت ممتازی نسبت به معامله گران ناآگاه دارند و در نتیجه سرخوردگی از بازار سهام ایجاد می شود. بنابراین ، عدم تقارن اطلاعات ممکن است منبع ناکارآمدی بازار باشد.

Amihud و Mendelson (1986) به قیمت دارایی و گسترش پیشنهادات آنها پرداختند. آنها دریافتند که هرچه گسترش بیشتر باشد ، بازده دارایی ها بیشتر می شود ، اما تجزیه و تحلیل آنها شامل ناکارآمدی بازار نیست. Ripamonti ، Silva و Moreira-Neto (2018) احتمال پیش بینی قیمت سهم را مورد مطالعه قرار دادند ، اما دریافتند که تمام اطلاعات بازار ، نه تنها اطلاعات نامتقارن ، می توانند بر قیمت سهم تأثیر بگذارند.

استفاده از تکنیک های ادغام نتایج سازگار تر برای نمونه هایی که در دوره های برنزه تری بیشتر می شوند ، ایجاد می کند. Timmermann (1995) ، و همچنین محققان قبلی ، از داده های سه ماهه پوشش دوره های بیش از 20 سال از شرکت های برزیل استفاده کرده بودند. به منظور حفظ ثبات نتایج و مقایسه با مطالعات بدون وقفه ، و در نظر گرفتن در دسترس بودن داده ها ، این مطالعه داده هایی را که تقریباً 800 روز یا کمی بیشتر از 10 سال را در بر می گیرد ، جمع آوری می کند ، که ثابت شده برای اهداف مشخص شده آن کافی است.

بازار سهام برزیل نسبتاً جدید است و با هدف افزایش شفافیت اطلاعات و حمایت از سرمایه گذاران در 20 سال گذشته دستخوش اصلاحاتی شده است. اندازه گیری عدم تقارن مورد استفاده در این مطالعه برای دوره های سه ماهه (Ripamonti ، 2016) در آن بازار تأیید شده است. با این حال ، با توجه به نوسانات بازارهای در حال توسعه ، به نظر می رسد نیاز به تأیید نتایج اعتبار برای دوره های کوتاه تر ، مرتبط با یک محیط تجاری بسیار فعال است. بازار برزیل نیز به دلیل افزایش اخیر مشارکت سرمایه گذاران انفرادی انتخاب شد.

در متن توضیح داده شده در بالا ، این مقاله به بررسی رابطه بین قیمت و عدم تقارن اطلاعات به منظور ارزیابی تأثیرات آنها بر روی یکدیگر ، در حالی که در نظر داشته باشید تعامل آنها در معرض تاخیر زمانی است ، بررسی می شود. نتایج حاکی از آن است که عدم تقارن اطلاعات پیش بینی تغییر در قیمت دارایی های خالص بازار سهام برزیل را می دهد.

ساختار بقیه این مقاله به شرح زیر است: بخش زیر مروری بر ادبیات اطلاعات نامتقارن و قیمت دارایی است. این با توصیف داده های اساسی و مسائل روش شناختی دنبال می شود. پس از آن به ارائه و بحث در مورد یافته ها و در نهایت سخنان پایانی در خصوص مفاهیم تجربی و نظری این تحقیق پرداخته می شود.

2. چارچوب نظری

2. 1 اطلاعات نامتقارن

اکثر مطالعات عدم تقارن اطلاعاتی از پویایی بازار برای مدل سازی استفاده می کنند (Hasbrouck, 1991). تئوری ریزساختار بازار عدم تقارن اطلاعات را به دو نوع دسته بندی می کند (Hasbrouck, 2007): ترتیبی، با معامله گران تصادفی. و تنها تاجر آگاه، که می تواند بارها معامله کند. این دو مدل وجه اشتراک دارند که تجارت آنها به اطلاعات خصوصی از نمایندگان متکی است. سازندگان بازار رقابتی، سهمیه های پیشنهادی را با توجه به اطلاعات مثبت و منفی تعریف می کنند. هر چه عدم تقارن بیشتر باشد، این سهمیه ها بیشتر می شود. گسترش و تأثیر تجاری متغیرهای تعیین کننده در این مدل هستند. اطلاعات نامتقارن دلالت بر مدل های مختلف مالی شرکت و قیمت گذاری دارایی دارد. مدل‌های کسب‌وکار متوالی، عدم تقارن را به بازار قابل مشاهده مرتبط می‌کنند، و ساخت مجموعه‌ای از متغیرهای جایگزین در تحلیل‌های تجربی، هدف اصلی مطالعه ریزساختاری است. با این حال، رول (1984) به این نتیجه رسید که اختلاف قیمت پیشنهادی باعث ناکارآمدی در دسترس بودن اطلاعات می شود، به طوری که ممکن است تغییرات در بازده مورد انتظار رخ دهد. کوروین و شولتز (2012) سادگی محاسبات اسپرد را برجسته کردند و بیان کردند که این متغیر به ویژگی های هر بازار بستگی ندارد. آنها دریافتند که اسپرد را می توان با استفاده از تجزیه و تحلیل ارزش واقعی بازار، با در نظر گرفتن اثرات اقتصاد خرد، تخمین زد و به این نتیجه رسیدند که تجزیه و تحلیل ارزش سهام در مقیاس های مختلف حتی در معاملات بزرگ امکان پذیر است.

لوی و ژانگ (2015) ارتباط بین هزینه حقوق صاحبان سهام و اطلاعات نامتقارن را تأیید می کنند. بازارسازان می توانند با افزایش سطح عدم تقارن اطلاعات، اسپرد پیشنهاد و تقاضا را افزایش دهند. این افزایش بازدهی بالاتر ناشی از سطح پایین نقدینگی بازار را ایجاد می کند. نویسندگان بیان می‌کنند که سرمایه‌گذاران انتخاب می‌کنند که سهام خود را در زمانی که عدم تقارن اطلاعات مشخص شده است نگه دارند تا از بازدهی بیشتری برخوردار شوند. آنها همچنین نشان می دهند که افزایش موقت عدم تقارن اطلاعاتی می تواند بر شرکت ها تأثیر منفی بگذارد. در روزهایی که عدم تقارن اطلاعاتی زیاد است، سهام با نوسانات بیشتر، قیمت های بالاتری دارند.

برای تجزیه و تحلیل وی در مورد بازار برزیل ، ریپامونتی (2016) ، با استفاده از روش کوروین و شولتز برای تخمین گسترش پیشنهاد ، نشان داد که پیش بینی های اطلاعات نامتقارن به معامله گران بی اطلاع در تدوین اوراق بهادار که باعث بهبود بازده دارایی های آنها می شود ، کمک می کند. مطالعه وی همچنین روابط بین عدم تقارن اطلاعات بین بازار به کتاب (M/B) و بازده را با استفاده از تکنیک های هماهنگی تجزیه و تحلیل می کند و رابطه منفی بین عدم تقارن و بازده به دلیل شیوع معامله گران آگاه نمی یابد. فرصتی که این امر به معامله گران آگاه تر می دهد ، معمولاً تصور می شود با شرکت های جدید در ارتباط است ، اما یافته های وی این است که برعکس اتفاق می افتد ، زیرا عدم تقارن در شرکت های تأسیس شده تر اتفاق می افتد.

در یک بازار نوظهور ، نقدینگی کم مشاهده می شود ، مانند عدم تقارن بزرگ برای مشاغل کوچک. Rosati ، Cummins ، Deeney ، Gogolin ، Werff and Lynn (2017) همچنین ادعا می کنند که عدم تقارن اطلاعات با افزایش گردش مالی رابطه قوی دارد و باعث عدم تحرک برای معامله گران بی اطلاع می شود ، اما این رابطه ممکن است تضعیف شود که معامله گران مایع در زمان خود احتیاط کنند. نویسندگان همچنین احتمال دخالت بازیگران بدخیم (هکرها) در سیستم های اطلاعاتی را در نظر می گیرند. در روش آنها ، گسترش پیشنهادات و سطح فعالیت معاملاتی به عنوان اندازه گیری عدم تقارن اطلاعات استفاده شد.

Duarte ، Hu and Young (2017) اندازه گیری عدم تقارن را که معمولاً در ادبیات استفاده می شود ، به چالش کشیدند (Easley ، Hvidkjaer ، & O/Hara ، 2002) بر این اساس که در شناسایی اطلاعات خصوصی کارآمدتر از مدل سنتی نخواهد بودبسیار قابل اعتماد باشیداین امر اهمیت یافتن یک اقدام جایگزین را تأیید می کند.

GU ، Wang ، Yao و Zhang (2018) در نتایج خود نشان دادند که هرچه عدم تقارن بیشتر باشد ، تأثیر منفی نقدینگی در تنوع بیشتر می شود ، زیرا این امر منجر به نظارت بیشتر قیمت توسط خودیان می شود و بازده را از عملکرد بهتر به مدیریت شرکت کاهش می دهد. هنگامی که یک شرکت از نظر مالی محدود است ، با افزایش اثر منفی نقدینگی ، تمایل به تنوع کمتر خواهد داشت.

الماس و کوان (2018) برآوردگر گسترش پیشنهاد Corwin و Schultz (2012) را برای بررسی هزینه برای سرمایه گذاران تغییرات در بازار سهام ایالات متحده با هدف کاهش خطرات ناشی از تجارت فرکانس ، پذیرفتند.

Hao، Prevost و Wongchoti (2018) دریافتند که اطلاعات نامتقارن یک عامل مرتبط در ارتباط منفی بین همزمانی پایین قیمت سهام و هزینه بدهی در نمونه بزرگی از شرکت‌ها است.

ماروزوا (2019) نقدینگی را به عنوان چهارمین عامل توضیح دهنده بازده مازاد سهام در مدل سه عاملی فاما و فرنچ (1993) بازار سهام ژوهانسبورگ پیشنهاد کرد.

Michaelides، Milidonis و Nishiotis (2019) یافته های تحقیق خود را با برآوردگر Corwin and Schultz (2012) بررسی کردند، پس از مشاهده پیش بینی اعلام کاهش ارزش بدهی های دولتی که با کاهش ارزش پول در کشورهای دارای موسسات با کیفیت ضعیف ظاهر می شود.

بومان، میچایلوک، پاتل و والش (2019) رابطه ای بین عدم تقارن اطلاعات و نقدشوندگی سهام مشاهده کردند که می تواند با علاقه سرمایه گذاران به نقش های نقدشونده بیشتر و با رابطه با بازده، سود سهام و تصاحب توضیح داده شود. متغیرهای گسترش و بسته شدن درصد نقل قول (CPQS) با فراوانی بالا و پایین مورد تجزیه و تحلیل قرار گرفت. نتایج نشان داد که

معامله گران آگاه در دوره های پس از اعلام سود سهام، با امتیازات کمتری معامله خواهند کرد، زیرا چنین اطلاعیه هایی عدم تقارن اطلاعاتی را کاهش می دهد. این می تواند هنگام اندازه گیری نقدینگی یک شرکت مشکل ایجاد کند: شرکت ممکن است در بازار سهام پذیرفته شود، اما اندازه گیری حجم معاملات در سهام آن می تواند تحت تأثیر عدم تقارن باشد.

Pan و Misra (2020) هزینه اطلاعات نامتقارن 25 سهام از بخش‌های اصلی بازار سهام هند را بررسی کردند و 45 میلیون نقطه داده را پردازش کردند. نویسندگان مقیاس‌های اطلاعات نامتقارن را از اسپردهای پیشنهادی-خریدی و با تفکیک بخشی از اسپردها که نشان‌دهنده هزینه اطلاعات مورد نیاز برای تأیید عوامل تعیین‌کننده آن است، محاسبه کردند. یافته ها ارتباط منفی بین نقدینگی و اطلاعات نامتقارن را نشان می دهد.

ریپامونتی (2020) با استفاده از کوروین و شولتز (2012) به عنوان معیار اطلاعات نامتقارن، تأثیر اطلاعات نامتقارن را بر تعدیل ساختار سرمایه مؤسسات مالی بررسی کرد.

چن، زیمرمن و پونتیف (2020) یک Mestimator را برای بررسی تأثیر انتشار پرتفوی بر بازده سهام یا بازده تعدیل شده توسط انتشارات توسعه دادند. نویسندگان یافته های خود را با استفاده از کوروین و شولتز (2012) و سایر معیارها آزمایش کردند.

لین پنگ، شوارتز و آلن (2020) بازده سهام و انعطاف پذیری را بررسی کردند و نقدینگی را به عنوان معیار جدیدی از انعطاف پذیری در نظر گرفتند و آن را در برابر برآوردگر کوروین و شولتز (2012) و سایر معیارهای نقدینگی تایید کردند.

الاوادحی و الهاسل (2020) با مقایسه قیمت ها و معیارهای نقدینگی، از جمله کوروین و شولتز (2012) در بازار سهام عربستان سعودی - یک بازار بدونبازارسازان و یکی تحت سلطه معامله گران خرده فروشی.

2. 2 قیمت سهام

چندین نظریه به قیمت گذاری دارایی ها می پردازند. راس (1976) اظهار داشت که بازده مورد انتظار ممکن است به چندین متغیر بازار بستگی داشته باشد. شارپ (1964) مدل قیمت گذاری دارایی های سرمایه ای (CAPM) را مورد بحث قرار داد و تناسب حق بیمه ریسک با بتا را تأیید کرد که معیاری برای تأثیرات همه پرتفوی های بازار است. برای ارزیابی قیمت، دو عامل در نظر گرفته می شود: زمان و ریسک، که قیمت برای زمان با نرخ بهره نشان داده می شود، در حالی که قیمت برای ریسک با "β" نشان داده می شود. رول (1984) تغییراتی را در اختلاف قیمت پیشنهادی از طریق تغییرات قیمت سهام نشان داد و فاما و فرنچ (1993) سه عامل مؤثر بر بازده دارایی و در نتیجه قیمت آن را مورد بحث قرار دادند: اندازه، بازار به دفتر و ریسک بازار. در سال 2017 فاما و فرنچ دو عامل دیگر را آزمایش کردند: سرمایه گذاری و بازده.

مرتون (1973) به مدل قیمت دارایی سرمایه بین زمانی (ICAPM) پرداخت و اظهار داشت که ریسک را می توان با تغییرات قیمت دارایی نسبت به بازده حقوق صاحبان سهام توضیح داد. دوچرتی، چان و ایستون (2013) متغیرهایی را که از نظر ریاضی به مدل مربوط می شوند، مورد بحث قرار دادند و ارزش (HML)، اندازه (SMB) و لحظه (WML) را به عنوان متغیرهایی که نوآوری و فرصت (متغیرهای کلان اقتصادی) را توضیح می دهند، برجسته کردند. اوربانسکی (2012) سه عامل فاما و فرنچ (1993) را در مدل ICAPM آزمایش کرد و به این نتیجه رسید که HML و SMB با اثرات کتاب به بازار و اثرات اندازه بر انتظارات رشد سرمایه گذاران مرتبط هستند.

کلی و لیونگ کویست (2012) اثرات عدم تقارن اطلاعاتی را بر قیمت سهام آزمایش کردند. نتایج آنها نشان می دهد که افزایش عدم تقارن به معنای کاهش قیمت ها و کاهش تقاضا از سوی سرمایه گذاران ناآگاه است. قیمت های پایین تر با تأثیر ریسک نقدینگی بر بازده مورد انتظار توضیح داده شد. این اثر زمانی رخ می‌دهد که تغییرات زیادی در گردش مالی مشاهده می‌شود، و زمانی که عدم قطعیت بازده اتفاق می‌افتد، در نتیجه معاملات کمتری توسط سرمایه‌گذاران متمایل به ریسک ایجاد می‌شود. باکلی و لانگ (2015) نیز نشان می‌دهند که عدم تقارن اطلاعاتی به طور قابل‌توجهی بر قیمت سهام تأثیر می‌گذارد. افزایش عدم تقارن تعداد معاملات سرمایه گذاران ناآگاه در سهام پرریسک را کاهش می دهد و قیمت سهم را کاهش می دهد. کاهش ریسک و خطاهای قیمت گذاری می تواند عدم تقارن اطلاعات را کاهش دهد. در دراز مدت، معامله گران آگاه می توانند مزایایی داشته باشند که با قیمت گذاری صحیح کمتر مشخص می شود.

وایانوس و وانگ (2012) نیز رابطه بین عدم تقارن و بازده مورد انتظار را تأیید کردند و بیان کردند که این موضوع موضوع مطالعات کمی بوده است. در بین نتایج آنها، رابطه مثبت بین عدم تقارن اطلاعات، نقدشوندگی و بازده مورد انتظار تایید شد. با این حال، زمانی که بازار رقابتی ناقص باشد، این رابطه می تواند منفی شود.

در لیو و وانگ (2016) عدم تقارن با توجه به یک متغیر سیگنال عمومی که همه سرمایه گذاران می توانند مشاهده کنند اندازه گیری می شود. بازارسازان در مدل نویسندگان می‌توانند بر فعالیت‌های معامله‌گران آگاه و سرمایه‌گذاران محتاط با فعال کردن تعدیل پیشنهاد و درخواست تأثیر بگذارند. نویسندگان ادعا می‌کنند که بزرگی اسپرد پیشنهاد و تقاضا می‌تواند با عدم تقارن اطلاعات کاهش یابد، و این اسپرد با افزایش گردش مالی مرتبط است، به دنبال این فرضیه که معامله‌گران ممکن است تعادلی را در میان معامله‌گران ناآگاه و آگاه هدف قرار دهند که اسپرد بر روی حجم محاسبه می‌شود.

بای، لی و کین (2017) امکان تأثیرپذیری قیمت از معاملات کوتاه مدت را آزمایش کردند، اما نشان دادند که در غیاب این معامله گران، سه عامل مدل CAPM و بازده مازاد، اندازه، و قیمت دفتری به بازار وجود دارد. فاما و فرنچ، 1993) - به درستی رفتار نکنید. فاما و فرنچ (2017) تأثیرات پنج عامل بازدهی مازاد، اندازه، دفتری به بازار، سودآوری و سرمایه گذاری را در بازارهای مختلف در سراسر جهان آزمایش کردند و نشان دادند که رفتارهای آنها بسته به شرایط بازار متفاوت است.

ریپامونتی و همکاران.(2018) روابط مثبت بین عدم تقارن اطلاعات و قیمت دارایی را مشاهده کرد. متغیرهای کنترل بازده و بازار به کتاب روابط مثبت با عدم تقارن ارائه دادند. نویسندگان تحقیقات آینده را پیشنهاد کردند ، با انتخاب نمونه کارها با توجه به عدم تقارن اطلاعات و تعادل نقدینگی دارایی.

ریپامونتی (2019) اظهار داشت كه اطلاعات نامتقارن می توانند تنظیمات ساختار سرمایه را پیش بینی كنند.

Funaoka و Nishimura (2019) دریافتند که سرمایه گذاران نهادی داخلی اطلاعات بهتری نسبت به خارجی دارند ، به این دلیل که احساسات سرمایه گذاری نهادی و بازده روز اول IPO مثبت هستند.

Matanova ، Steigner ، Yi و Zheng (2019) افزایش دقت قیمت را تأیید کردند که یک IPO حاوی نظرات نگرانی (GCO) ، تأیید نظریه اجتناب از دادخواست ، و داشتن پیامدهای تجربی مبنی بر اینکه چشم انداز IPO با GCO منجر به قیمت گذاری بهتر دارایی می شود.

هدف اصلی این مطالعه تأیید این است که آیا رابطه بین اطلاعات نامتقارن و قیمت سهام ، به طور روزانه ، یکسان با آنچه برای دوره های سه ماهه مشاهده می شود ، یکسان است (Ripamonti ، 2016). همانطور که قبلاً تأکید شده بود ، دوره های روزانه ممکن است بی ثبات تر باشد. در نتیجه ، اندازه گیری اطلاعات نامتقارن می تواند برای کمک به معامله گران فعال یا سرمایه گذاران غیرحرفه ای فردی که روزانه سهام را در بازار نقطه تجارت می کنند ، استفاده شود بدون اینکه از نظر تئوری ، دارای همان کیفیت و کمیت اطلاعات در دسترس مدیران و سایر سرمایه گذاران باشد.

با توجه به نظریه ریزساختار بازار (Hasbrouck ، 2007) ، فرض بر این است که بین اطلاعات نامتقارن و قیمت سهام رابطه ای وجود دارد و این رابطه به شکلی عقب افتاده اتفاق می افتد ، با عدم تقارن پیش بینی حرکت قیمت.

برای اینکه بتوانیم رابطه نهایی را تجزیه و تحلیل کنیم ، سری زمانی اطلاعات نامتقارن و قیمت حداقل 200 دوره ضروری است (Timmermann ، 1995). این امر با استفاده از تقریباً 800 روز داده بین سال 2009 تا 2019 حاصل شد. علاوه بر این ، برای اینکه نتیجه قابل تعمیم باشد ، داده ها از 64 شرکت جمع آوری شده است که قیمت سهم آنها شاخص اصلی بازار سهام برزیل در اوایل سال 2019 را تشکیل می دهد ،کاهش تحریفات مربوط به تعصب بقا. چنین شرکت هایی بیشترین نقدینگی را در بازار سهام برزیل دارند ، بیشتر حجم معاملات بورس را به خود اختصاص می دهند و رفتار بازار را به طور کلی نشان می دهند.

اندازه گیری اطلاعات نامتقارن در این مطالعه کوروین و شولتز (2012) دو روز غیر منفی تنظیم شده شبانه (S_2) است. متغیر مورد استفاده برای قیمت حداقل قیمت بسته شدن روزانه هر سهام نمونه بود.

به طور کلی ، مطالعات در مورد قیمت گذاری سهام از تجزیه و تحلیل داده های پانل استفاده می کند. با این حال ، متغیرها ممکن است دارای خواصی باشند که فقط توسط مدل ها ضبط می شوند که تکامل آنها در دوره های مختلف در نظر گرفته شود (Engle & Granger ، 1987). به همین دلیل ، مدلهایی ساخته شده اند که ویژگی های داده های پانل و اقتصاد سنجی سری زمانی را ترکیب می کنند (یوهانسن ، 1988 ؛ 1991 ؛ لارسون ، لیهگن ، و لوتگرن ، 2001). داده های ثانویه از پایگاه داده Comdinheiro (www. comdinheiro. com. br) جمع آوری شد.

داده ها با استفاده از تکنیک ادغام پانل Johansen-Fisher (Johansen ، 1988 ؛ 1991 ؛ Larsson et al. ، 2001) به منظور ارزیابی وجود احتمالی یک رابطه طولانی مدت بین عدم تقارن و قیمت ، و همچنین تخمین آن مورد بررسی قرار گرفت. مکانیسم تصحیح خطاها در کوتاه مدت. عدم تقارن به طور متوسط 1. 42 ٪ در روز نشان داد و میانگین قیمت روزانه نمونه 33/33 بود ، همانطور که در جدول 1 نشان داده شده است. متغیرها همبستگی منفی نشان دادند ، همانطور که در جدول 2 نشان داده شده است.

Descriptive statistics

توجه: P حداقل قیمت سهام روزانه است. S_2 اندازه گیری اطلاعات نامتقارن است (Corwin & Schultz ، 2012). این نمونه شامل 64 سهم مایع در بازار برزیل از سال 2009 تا 2019 بود. منبع: تفسیر خود.

Correlation matrix

منبع: توضیح خود.

فرضیه تهی عدم ثابت بودن سری قیمت و عدم تقارن اطلاعات مورد آزمایش قرار گرفت و پس از وجود نهایی یک رتبه ادغام و انتخاب بهینه تاخیر ، تأیید شد. از آنجا که این داده های روزانه است ، ما تصمیم گرفتیم تا تا 90 روز تاخیر بهینه را بررسی کنیم. در جدول 5 نتایج با استفاده از تاخیر تا 2 روز ارائه شده است ، زیرا هیچ تفاوتی در جهت مکانیسم تصحیح خطا وجود ندارد.

طبق گفته هاسبروک (1991) تأثیر اطلاعات نامتقارن قیمت سهم را تأثیرات می کند ، اما این اثر برای شرکت های کوچک مهمتر است. باکلی و لانگ (2015) به دلیل تغییر در خطاهای قیمت گذاری ، عملکرد بهتری را از سرمایه گذاران با اطلاعات طولانی مدت مشاهده کردند. لیو و وانگ (2016) ادعا می کنند که افزایش پیشنهادات با افزایش عدم تقارن اطلاعات مثبت است و به دلیل عملکرد سازندگان بازار ، رابطه مثبت با حجم دارد.

جدول 3 نشان می دهد که فقط اطلاعات نامتقارن ثابت است، در حالی که نتایج آزمون های انجام شده برای متغیر قیمت، فرضیه صفر مبنی بر تعیین قیمت توسط عوامل دیگر را رد نمی کند. در مفروضات، تکنیک هم‌انباشتگی غیر ثابت بودن متغیرهای مورد بررسی را پیش‌فرض می‌گیرد، اما از آنجایی که اثر عدم تقارن بر قیمت در حال بررسی است، ثابت بودن S_2 قابل قبول است. جدول 4 این احتمال را با نشان دادن اینکه آمار آزمون MAX و TRACE حداقل یک رابطه بلندمدت بین P و S_2 را تایید می کند. این نشان می دهد که بین عدم تقارن اطلاعات و قیمت رابطه بلندمدت وجود دارد که چارچوب نظری این مطالعه را تایید می کند. آزمایش‌های مشابه، رابطه بلندمدت را برای اکثر سهام در صورت در نظر گرفتن جداگانه تأیید کرد.

Stationarity of P e S_2

نکته: فرضیه صفر آزمایش شده عدم وجود ریشه واحد متغیرها است که منجر به رفتار درونزای آنها می شود و پیش زمینه ای برای کاربرد تکنیک هم انباشتگی یوهانسن است (1988؛ 1991). منبع: شرح خود

Max e Trace of P e S_2

توجه: آزمون‌های حداکثر احتمال و ردیابی همگرایی را در مدل‌های یوهانسن نشان می‌دهند (1988؛ 1991). منبع: شرح خود

تجزیه و تحلیل مشترک معادله هم انباشتگی و مکانیسم های تصحیح خطا ارائه شده در جدول 5 نشان می دهد که اطلاعات نامتقارن، تا 2 روز قبل، حرکات مثبتی را در قیمت سهام پیش بینی می کند. این با ریپامونتی (2016)، کلی و لیونگ کویست (2012) و بومن و همکاران مطابقت دارد.(2019). همانطور که انتظار می رفت، قیمت رابطه منفی بلندمدتی با عدم تقارن دارد، زیرا قیمت ها همزمان با پراکندگی اطلاعات افزایش می یابد و باعث می شود معامله گران ناآگاه نتوانند بازده مثبت را پیش بینی کنند. پیش بینی را می توان با فرضیه نظارت بر قیمت توسط افراد داخلی که توسط گو و همکاران پشتیبانی می شود نیز توضیح داد.(2018).

VECM for P e S_2

توجه: پارامترهای معادله هم انباشتگی نشان دهنده رابطه بلندمدت و پارامترهای مکانیسم تصحیح خطا نشان دهنده تعدیل کوتاه مدت انجام شده در آن رابطه است. منبع: شرح خود

نمونه مورد بررسی شامل بیشترین سهام معامله شده در بازار برزیل بود. از این نظر، نتایج بلندمدت با نتایج Rosati و همکاران مطابقت دارد.(2017)، اگرچه فقط شرایط بازار در حال توسعه بدون سهام با نقدینگی پایین در مطالعات وجود داشت. علاوه بر این، نسبت منفی در همان دوره با Vaianos و Wang (2012) مطابقت دارد.

پیش‌بینی اطلاعات نامتقارن برای حرکات قیمت را می‌توان با دستورات به اصطلاح «سازندگان بازار» توضیح داد (لوی و ژانگ، 2015). اطلاعات نامتقارن همچنین به توسعه مدل‌های قیمت‌گذاری دارایی به عنوان یک عامل اضافی و خاص که در مدل‌های مختلف در نظر گرفته می‌شود، کمک می‌کند (فاما و فرنچ، 2017؛ بای و همکاران، 2017).

مطالعه حاضر مشاهده کرد که اطلاعات نامتقارن حرکت قیمت سهام را در یک دوره حداکثر تا 2 روز پیش بینی می کند و به دلیل پراکندگی اطلاعات در میان معامله گران ناآگاه، رابطه منفی بلندمدتی با قیمت سهام دارد.

این یافته‌های مطالعات قبلی را تأیید می‌کند و همچنین معیار دیگری از عدم تقارن اطلاعات را تأیید می‌کند. پیامدهای اصلی این است که کارایی بازار را می توان با نظارت بر اندازه گیری اطلاعات نامتقارن و با انتخاب پرتفوی منحصراً بر اساس آن به دست آورد.

مطالعات قبلی رابطه بین اطلاعات نامتقارن و قیمت سهام را به صورت فصلی مشاهده کردند. مطالعه حاضر به ما این امکان را می دهد که فرض کنیم رابطه را می توان به صورت روزانه نیز مشاهده کرد، به ویژه با در نظر گرفتن تاخیر 2 روزه. بنابراین برای سرمایه گذاران امکان پیش بینی موقعیت در سهام نقدی که بخشی از Ibovespa است در کوتاه مدت وجود دارد. بنابراین، مشاهده می‌شود که نظارت بر عدم تقارن به سرمایه‌گذاران با زیرساخت محاسباتی کمی امکان می‌دهد تا مانند سرمایه‌گذاران آگاه یا مدیران شرکت، پورتفولیوی خود را مدیریت کنند. در تئوری، نقدترین سهام امکان دقت بیشتر در اندازه‌گیری‌های اطلاعات نامتقارن را فراهم می‌آورد.

در تئوری، مجدداً، توانایی همه عوامل اقتصادی برای دسترسی به اطلاعات شرکت خصوصی، سطح معقولی از کارایی بازار را به همراه خواهد داشت. این امر امکان آزمایش تئوری های مالی را فراهم می کند که پیش فرض اطلاعات متقارن، به ویژه نظریه های ساختار سرمایه را فرض می کنند.

از آنجایی که نمونه انتخاب شده فقط سهام نقدی را در نظر می گیرد، یافته ها ممکن است در شرایط غیر نقدینگی، یا با گنجاندن متغیرهای کنترل سنتی برای اندازه، ساختار سرمایه و فرصت های رشد مشخص شده در تجزیه و تحلیل، کاملاً متفاوت باشد.

آکرلوف، جی (1970). بازار لیموها: عدم قطعیت کیفیت و مکانیسم بازار. فصلنامه اقتصاد، 84 (3)، 488-500.

الاوادی، ا.، و الهاسل، ب. (2020). نقدینگی و معامله گران خرده فروشی: مورد بورس اوراق بهادار عربستان سعودی. نامه های اقتصاد کاربردی، 27 (12)، 1033-1037. https://doi. org/10. 1080/13504851. 2019. 1659486

Amihud, Y., & Mendelson, H. (1986). قیمت گذاری دارایی و اسپرد پیشنهاد و تقاضا. مجله اقتصاد مالی، 17، 223-249.

بای، ام.، لی، ایکس، و کوین، ی. (2017). کوتاه‌پذیری و مدل قیمت‌گذاری دارایی: شواهدی از بازار سهام هنگ کنگ. مجله بانک و دارایی , 85 , 15-29. https://doi. org/10. 1016/j. jbankfin. 2017. 08. 007

Bohmann، M.، Michayluk، D.، Patel، V.، & Walsh، K. (2019). نقدینگی و سود در مطالعات رویداد: آیا جزئیات داده ها را انجام می دهد. Pacific-Basin Finance Journal, 54, 118-131. https://doi. org/10. 1016/j. pacfin. 2018. 12. 007

باکلی، دبلیو اس، و لانگ، اچ (2015). یک مدل قیمت گذاری اشتباه ناپیوسته تحت اطلاعات نامتقارن. مجله اروپایی تحقیقات عملیاتی، 243، 944-955. https://doi. org/10. 1016/j. ejor. 2014. 12. 045

Chaudhuri, S. (1991). رفتار کوتاه مدت قیمت سهام: شواهد جدید در مورد شکل ضعیف کارایی بازارGlobal Business Review ، 16 (4)، 17-21. https://doi. org/10. 1177/0256090919910402

چن، آ.، زیمرمن، تی، و پونتیف، جی. (2020). سوگیری انتشار و مقطع بازده سهام. بررسی مطالعات قیمت گذاری دارایی، 10 (2)، 249-289. https://doi. org/10. 1093/rapstu/raz011

Corwin, S., & Schultz, P. (2012). روشی ساده برای تخمین اسپردهای پیشنهادی و درخواستی از قیمت های بالا و پایین روزانه. مجله مالی، 67 (2)، 719-759.

Diamond، S.، & Kuan، J. (2018). آیا بازارهای سهام "تقلب" شده اند؟تحلیل تجربی تغییرات نظارتیبررسی بین المللی حقوق ناند اقتصاد، 55، 33-40. https://doi. org/10. 1016/j. irle. 2018. 03. 002 0144-8188

دوچرتی، پی، چان، اچ، و ایستون، اس. (2013). آیا می توانیم قوانین تجربی را به عنوان متغیرهای حالت در ICAPM در نظر بگیریم؟شواهدی از استرالیاPacific-Basin Finance Journal, 22 (1)، 107-124. https://doi. org/10. 1016/j. pacfin. 2012. 10. 004

Duarte، J.، Hu، E.، & Young، L. (2017). آیا مدل پین اطلاعات خصوصی را اشتباه شناسایی می کند و اگر چنین است، جایگزین چیست؟کاغذ کار.

Easley, D., Hvidkjaer, S., & O/Hara, M. (2002). آیا ریسک اطلاعات عامل تعیین کننده بازده دارایی است؟مجله مالی، 57 (5)، 2185-2221.

Engle, R., & Granger, C. (1987). یکپارچه سازی و تصحیح خطا: نمایش، تخمین و آزمایش. اقتصادسنجی، 55 (2)، 251-276. https://doi. org/10. 2307/1913236

فاما، ای (1991). بازارهای سرمایه کارآمد: II. مجله مالی، 46 (5)، 1575-1617.

فاما، E. F.، و فرانسوی، K. R. (1993). عوامل خطر رایج در بازده سهام و اوراق قرضه. مجله اقتصاد مالی , 33 (1), 3-56. https://doi. org/10. 1016/0304-405X(93)90023-5

فاما، E. F.، و فرانسوی، R. K. (2017). آزمون های بین المللی یک مدل قیمت گذاری دارایی پنج عاملیمجله اقتصاد مالی , 123 (3), 441-463. https://doi. org/10. 1016/j. jfineco. 2016. 11. 004

Funaoka، K.، و Nishimura، Y. (2019). اطلاعات خصوصی، احساسات سرمایه‌گذار و قیمت‌گذاری IPO: کدام سرمایه‌گذاران نهادی بهتر مطلع هستند. بازارهای نوظهور مالی و تجارت، 55 (8)، 1722-1736.

Gu, L., Wang, Y., Yao, W., & Zhang, Y. (2018). نقدینگی سهام و تنوع شرکت: شواهدی از اصلاح ساختار سهام تقسیم شده چینمجله مالی تجربی، 49 (C)، 57-80. https://doi. org/10. 1016/j. jempfin. 2018. 09. 002

Hao, W., Prevost, A., & Wongchoti, U. (2018). آیا شرکت های R2 با سهام پایین کم و بیش شفاف هستند؟شواهدی از بازار اوراق قرضه شرکتیمدیریت مالی، 47 (4)، 865-909. https://doi. org/10. 1111/fima. 12204

Hasbrouck, J. (1991). اندازه گیری محتوای اطلاعاتی معاملات سهام. مجله مالی، 46 (1)، 179-207.

Hasbrouck, J. (2007). ریزساختار تجربی بازار: نهادها، اقتصاد، و اقتصاد سنجی معاملات اوراق بهادار. نیویورک: انتشارات دانشگاه آکسفورد.

یوهانسن، اس (1988). تحلیل آماری بردارهای هم انباشتگی. فصلنامه دینامیک و کنترل اقتصاد , 12 ( 2-3 ), 231-254. http://dx. doi. org/10. 1016/0165-1889(88)90041-3

یوهانسن، اس. (1991). برآورد و آزمون فرضیه بردارهای هم انباشتگی در مدل های خودرگرسیون برداری گاوسی. اقتصادسنجی، 59(6)، 1551-1580. https://doi. org/10. 2307/2938278

کلی، بی، و لیونگ کویست، ا. (2012). آزمایش مدل های قیمت گذاری دارایی نامتقارن با اطلاعات. مروری بر مطالعات مالی، 25 (5)، 1366-1413. https://doi. org/10. 1093/rfs/hhr134

لارسون، آر.، لیهاگن، ج.، و لاثگرن، ام. (2001). آزمون های هم انباشتگی مبتنی بر احتمال در پانل های ناهمگنمجله اقتصاد سنجی ، 4(2)، 109-142. https://doi. org/10. 1111/1368-423X. 00059

Levi, S., & Zhang, X. (2015). آیا افزایش موقت عدم تقارن اطلاعاتی بر هزینه حقوق صاحبان سهام تأثیر می گذارد؟علوم مدیریت , 61 (2), 354- 371. https://doi. org/10. 1287/mnsc. 2013. 1887

لین پنگ، جی.، شوارتز، آر، و آلن، ن. (2020). انعطاف پذیری و بازده سهام. بررسی مطالعات مالی، 33 (2)، 747-782. https://doi. org/10. 1093/rfs/hhz048

لیو، اچ، و وانگ، ی. (2016). بازارسازی با اطلاعات نامتقارن و ریسک موجودی. فصلنامه تئوری اقتصاد , 163 , 73-109. https://doi. org/10. 1016/j. jet. 2016. 01. 005

Marozva ، G. (2019). نقدینگی و بازده سهام: شواهد جدید بورس اوراق بهادار ژوهانسبورگ. مجله مناطق در حال توسعه ، 53 (2) ، 79-90. https://doi. org/10. 1353/jda. 2019. 0022

Matanova ، N. ، Steigner ، T. ، Yi ، B. ، & Zheng ، Q. (2019). در مورد نظرات و دقت قیمت گذاری IPO. مرور امور مالی و حسابداری کمی ، 53 (1) ، 195-238. https://doi. org/10. 1007/s11156-018-0747-0

مرتون ، R. C. (1973). یک مدل قیمت گذاری دارایی سرمایه بین زمانی. اقتصاد سنج ، 41 (5) ، 867-887. https://doi. org/10. 2307/1913811

Michaelides ، A. ، Milidonis ، A. ، & Nishiotis ، G. P. (2019). اطلاعات خصوصی در بازارهای ارز. مجله اقتصاد مالی ، 131 ، 643-665. https://doi. org/10. 1016/j. fineco. 2018. 08. 012

Modigliani ، F. ، & Miller ، M. H. (1958). هزینه سرمایه ، امور مالی شرکت و تئوری سرمایه گذاری. بررسی اقتصادی آمریکا ، 48 (3) ، 261-297.

Muth ، J. (1961). انتظارات منطقی و تئوری حرکات قیمت. اقتصاد سنج ، 29 (3) ، 315-335. https://doi. org/10. 2307/1909635

Myers ، S. C. ، & Majluf ، N. S. (1984). تأمین مالی شرکت و تصمیمات سرمایه گذاری هنگامی که بنگاه ها اطلاعاتی را که سرمایه گذاران ندارند ، ندارند. مجله اقتصاد مالی ، 13 (2) ، 187-221. https://doi. org/10. 1016/0304-405x(84)90023-0

Pan ، A. ، & Misra ، A. (2020). ارزیابی هزینه اطلاعات نامتقارن در بازار سهام هند: یک رویکرد بخش. بررسی جهانی تجارت ، 21 (1) ، 1-24. https://doi. org/10. 1177/0972150919865085

Ripamonti ، A. (2016). برآوردگر گسترش پیشنهاد Corwin-Schultz در بازار سهام برزیل. بررسی دولت برزیل ، 13 (1) ، 76-97. https://doi. org/10. 1590/1807-7692Bar2016150036

Ripamonti ، A. (2019). تنظیم ساختار سرمایه و اطلاعات نامتقارن. مجله بین المللی اقتصاد و دارایی ، 11 (12) ، 1-14. https://doi. org/10. 5539/ijef. v11n12p1

Ripamonti ، A. (2020). موسسات مالی ، اطلاعات نامتقارن و تنظیم ساختار سرمایه. بررسی سه ماهه اقتصاد و امور مالی ، 77 ، 75-83. https://doi. org/10. 1016/j. qref. 2020. 01. 010

Ripamonti ، A. ، Silva ، D. R. ، & Moreira-Neto ، E. B. (2018). قیمت گذاری دارایی و اطلاعات نامتقارن. مجله اقتصاد ، تجارت و حسابداری آسیایی ، 7 (2) ، 1-9. https://doi. org/10. 9734/ajeba/2018/42075

رول ، R. (1984). یک اندازه گیری ضمنی ساده از گسترش موثر پیشنهاد در یک بازار کارآمد. مجله مالی ، 39 (4) ، 1127-1139. https://doi. org/10. 1111/j. 1540-6261. 1984. tb03897. x

Rosati ، P. ، Cummins ، M. ، Deeney ، P. ، Gogolin ، F. ، Werff ، L. v. ، & Lynn ، T. (2017). تأثیر اعلامیه های نقض داده ها فراتر از قیمت سهام: شواهد تجربی در فعالیت بازار. بررسی بین المللی تجزیه و تحلیل مالی ، 49 (1) ، 146-154. https://doi. org/10. 1016/j. irfa. 2017. 01. 001

راس ، S. A. (1976). نظریه داوری قیمت گذاری دارایی سرمایه. مجله نظریه اقتصادی ، 13 (3) ، 341-360. https://doi. org/10. 1016/0022-0531(76)90046-6

شارپ ، دبلیو اف. (1964). قیمت دارایی سرمایه: نظریه تعادل بازار تحت شرایط ریسک. مجله مالی ، 19 (3) ، 425-442.

Timmermann ، A. (1995). تست های ادغام مدل های ارزش فعلی با یک عامل تخفیف متغیر زمان. مجله اقتصاد سنجی کاربردی ، 10 (1) ، 17-31.< Span> Rosati ، P. ، Cummins ، M. ، Deeney ، P. ، Gogolin ، F. ، Werff ، L. v. ، & Lynn ، T. (2017). تأثیر اعلامیه های نقض داده ها فراتر از قیمت سهام: شواهد تجربی در فعالیت بازار. بررسی بین المللی تجزیه و تحلیل مالی ، 49 (1) ، 146-154. https://doi. org/10. 1016/j. irfa. 2017. 01. 001

برچسب ها

ثبت دیدگاه

مجموع دیدگاهها : 0در انتظار بررسی : 0انتشار یافته : ۰
قوانین ارسال دیدگاه
  • دیدگاه های ارسال شده توسط شما، پس از تایید توسط تیم مدیریت در وب منتشر خواهد شد.
  • پیام هایی که حاوی تهمت یا افترا باشد منتشر نخواهد شد.
  • پیام هایی که به غیر از زبان فارسی یا غیر مرتبط باشد منتشر نخواهد شد.