en تحلیل فواصل پنج دقیقه ای نوسانات فرکانس بالا تحت عدم تقارن اطلاعات: شواهد تجربی از بورس اوراق بهادار تهران اقتصاد Economics پژوهشی اصیل - كاربردی Original Research - Empirical <pre dir="rtl"> مدل‌سازی و پیش‌بینی نوسانات بازدهی در بازارهای مالی به دلیل نقش محوری آن‌ها در کاربردهای کلیدی مانند ارزیابی ارزش در معرض خطر (VaR)، تخصیص بهینه منابع در پرتفوی سرمایه‌گذاری، مدیریت سرمایه‌گذاری مؤثر و قیمت‌گذاری دقیق مشتقات به طور فزاینده‌ای حیاتی شده است. در میان محرک های کلیدی نوسانات بازدهی، عدم تقارن اطلاعاتی بین فعالان بازار به عنوان یک عامل مهم تأثیرگذار بر پویایی بازار ظاهر شده است. علیرغم اهمیت آن، اکتشاف تجربی این پدیده در بازارهای نوظهور، به ویژه بورس اوراق بهادار تهران (TSE)، کمیاب است. این مطالعه تاثیر عدم تقارن اطلاعاتی را بر نوسانات شاخص کل TSE، با استفاده از چارچوب پیشرفته ناهمگونی خودرگرسیون تعمیم یافته تعمیم یافته کسری (FIGARCH) بررسی می کند. داده‌های معاملات درون روزی سال‌های 2023 و 2024 که در فواصل زمانی پنج دقیقه جمع‌آوری شده‌اند، اساس این تحلیل را تشکیل می‌دهند. عدم تقارن اطلاعاتی از طریق متریک تاثیر قیمت وزن شده بر حجم معاملات تعیین شد. معیار اطلاعات آکایک (AIC) و معیار شوارتز بیزی (SBC) مشخصات مدل بهینه را تعیین کردند، که منجر به استفاده از FIGARCH، با عدم تقارن اطلاعات برون زا در مدل پایه GARCH (1،1) شد. نتایج تجربی بر رابطه مثبت و معنی دار آماری بین عدم تقارن اطلاعات و نوسانات بازده در TSE تاکید می کند. این یافته ها پیامدهای عمیقی برای افزایش کارایی بازار، مدیریت ریسک و استراتژی های قیمت گذاری مشتقات در بازارهای مالی در حال ظهور دارند.</pre> <p style="text-align:justify"><span style="font-size:11pt"><span style="font-family:Calibri,sans-serif"><span style="font-size:12.0pt"><span new="" roman="" style="font-family:" times="">The modeling and forecasting of yield volatility in financial markets have become increasingly critical due to their pivotal role in key applications such as Value at Risk (VaR) assessment, optimal resource allocation in investment portfolios, effective investment management, and accurate pricing of derivatives. Among the key drivers of yield volatility, information asymmetry between market participants has emerged as a significant factor influencing market dynamics. Despite its importance, the empirical exploration of this phenomenon in emerging markets, particularly the Tehran Stock Exchange (TSE), remains scarce. This study examines the impact of information asymmetry on the volatility of the TSE&#39;s total index, employing the advanced Fractionally Integrated Generalized Autoregressive Conditional Heteroskedasticity (FIGARCH) framework. Intraday trading data spanning 2023 and 2024, collected at five-minute intervals, form the basis of this analysis. Information asymmetry was quantified via the transaction volume-weighted price impact metric. The Akaike Information Criterion (AIC) and Schwartz Bayesian Criterion (SBC) determined the optimal model specification, leading to the application of FIGARCH, with exogenous information asymmetry incorporated into the GARCH (1,1) baseline model. Empirical results underscore a positive and statistically significant relationship between information asymmetry and return volatility in the TSE. These findings have profound implications for enhancing market efficiency, risk management, and derivative pricing strategies in emerging financial markets.</span></span></span></span></p> عدم تقارن اطلاعات, نوسانات بازده, شاخص کل, ناهمگنی شرطی, GARCH, FIGARCH Information Asymmetry, Return Volatility, Total index, Conditional Heterogeneity, GARCH, FIGARCH 361 393 http://jme.mbri.ac.ir/browse.php?a_code=A-10-656-1&slc_lang=en&sid=1 Mohamad Ahadzadeh محمد احدزاده mohamad.ahadzadeh@srbiau.ac.ir 10031947532846006908 10031947532846006908 Yes Science and Research Branch, Islamic Azad University, Tehran, Iran. دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران Hamid Reza Vakilifard حمیدرضا وکیلی فرد Vakilifard.phd@yahoo.com 10031947532846006909 10031947532846006909 No Associate Professor, Department of Accounting, Science and Research Branch, Islamic Azad University, Tehran, Iran دانشیار دانشگاه آزاد اسلامی واحد علوم و تحقیقات،تهران، ایران Ghodratollah Talebnia قدرت اله طالب نیا gh.talebnia@yahoo.com 10031947532846006910 10031947532846006910 No Associate Professor, Department of Accounting, Science and Research Branch, Islamic Azad University, Tehran, Iran دانشیار دانشگاه آزاد اسلامی واحد علوم و تحقیقات،تهران، ایران