基于小波CCC—GARCH模型的融資融券交易與證券市場(chǎng)波動(dòng)率關(guān)系研究

王帥+謝赤

摘要：為判斷融資融券交易對(duì)證券市場(chǎng)波動(dòng)率的影響，以2010年4月2日至2016年7月21日的中國證券市場(chǎng)交易數(shù)據(jù)為樣本，運(yùn)用小波CCC-GARCH模型進(jìn)行了實(shí)證研究。實(shí)證研究表明融資交易行為對(duì)證券市場(chǎng)收益率和成交量的波動(dòng)均有較顯著的影響，而融券交易對(duì)市場(chǎng)波動(dòng)率的影響則不顯著，同時(shí)，融資交易行為對(duì)市場(chǎng)的影響主要由高頻信號(hào)所驅(qū)動(dòng)，投資者短期非理性行為或噪音交易對(duì)市場(chǎng)波動(dòng)的影響較大。為促進(jìn)市場(chǎng)的健康發(fā)展，應(yīng)均衡融資融券業(yè)務(wù)的發(fā)展、培養(yǎng)理性機(jī)構(gòu)投資者、加強(qiáng)投資者風(fēng)險(xiǎn)警示以及加快融資融券數(shù)據(jù)庫的建設(shè)。

關(guān)鍵詞：融資融券；市場(chǎng)波動(dòng)率；CCC-GARCH； 條件相關(guān)系數(shù)；小波分析

1. 引言

融資融券交易又稱為保證金交易，是指投資者向具有融資融券業(yè)務(wù)資格的證券公司提供擔(dān)保物，借入資金買入證券或借入證券并賣出的行為。在國內(nèi)證券市場(chǎng)，上海和深圳證券交易所于2010年3月30日向6家試點(diǎn)券商發(fā)出通知，在2010年3月31日起接受融資融券交易申報(bào)，融資融券交易進(jìn)入實(shí)質(zhì)性的操作階段。2015年5月6日，轉(zhuǎn)融通標(biāo)的證券擴(kuò)大到893只股票。截至2016年6月17日，滬深兩市融資余額和融券余額分別達(dá)到了8340.84億元和8363.83億元，隨著融資融券業(yè)務(wù)規(guī)模的擴(kuò)大，其對(duì)市場(chǎng)的影響也越來愈大。在2014和2015年，國內(nèi)A股市場(chǎng)發(fā)生了較大的波動(dòng)，上證指數(shù)一度從2014年7月22日的2173點(diǎn)上漲至2015年6月12日的5410點(diǎn)，上漲幅度達(dá)到149%。在隨后的幾個(gè)月內(nèi)，指數(shù)一路下行至2015年8月26日的3066點(diǎn)，下跌幅度高達(dá)43%。市場(chǎng)巨幅波動(dòng)雖然與政策導(dǎo)向和經(jīng)濟(jì)環(huán)境等因素有一定的關(guān)系，一些學(xué)者認(rèn)為融資融券業(yè)務(wù)也在一定程度上加劇了市場(chǎng)的暴漲暴跌，但也有學(xué)者認(rèn)為融資融券作為投資和風(fēng)險(xiǎn)管理工具，有助于提高市場(chǎng)定價(jià)效率，降低市場(chǎng)的波動(dòng)率。融資融群提高了市場(chǎng)波動(dòng)率，還是降低了市場(chǎng)的波動(dòng)率？目前相關(guān)研究還沒有得到一致的結(jié)論?；卮疬@一問題有助于更好地理解國內(nèi)證券市場(chǎng)的波動(dòng)特點(diǎn)以及規(guī)范融資融券業(yè)務(wù)的發(fā)展。

一些學(xué)者對(duì)融資融券業(yè)務(wù)與市場(chǎng)波動(dòng)的關(guān)系展開了一系列研究，其中不少文獻(xiàn)認(rèn)為，融資融券業(yè)務(wù)會(huì)有利于股票的價(jià)值發(fā)現(xiàn)，提高股票定價(jià)效率，從而降低市場(chǎng)波動(dòng)。Zhao， Li 和Xiong （2014）運(yùn)用事件研究法，觀察了2010年2月-2013年8月中國融資融券對(duì)市場(chǎng)波動(dòng)的影響，他們發(fā)現(xiàn)融資交易容易導(dǎo)致個(gè)股泡沫出現(xiàn)，融券交易能夠使得證券價(jià)格趨于穩(wěn)定[1]。肖浩和孔愛國（2014）的研究結(jié)果表明融資融券交易降低了標(biāo)的股票的特質(zhì)波動(dòng)率[2]。李科，徐龍炳和朱偉驊（2014）認(rèn)為賣空限制導(dǎo)致了股價(jià)高估，融資融券制度等做空機(jī)制有助于矯正高估的股價(jià)，提高市場(chǎng)定價(jià)效率[3]。陳海強(qiáng)和范云菲（2015）通過對(duì)比真實(shí)波動(dòng)率與構(gòu)造的反事實(shí)波動(dòng)率路徑，發(fā)現(xiàn)融資融券制度的推出有效地降低了融資融券標(biāo)的個(gè)股波動(dòng)率[4]。李志生， 杜爽和林秉旋（2015）認(rèn)為融資融券交易顯著降低了股票價(jià)格的跳躍風(fēng)險(xiǎn)，有利于防止股票價(jià)格的暴漲暴跌和過度投機(jī)[5]。佟孟華，孟照康（2015）認(rèn)為融資融券交易能夠顯著降低股票市場(chǎng)的波動(dòng)性[6]。也有文獻(xiàn)認(rèn)為融資融券業(yè)務(wù)可能會(huì)誘發(fā)金融風(fēng)險(xiǎn)，加劇市場(chǎng)的波動(dòng)，如劉志洋和宋玉穎（2015）指出融資融券交易會(huì)給金融體系穩(wěn)定帶來威脅，可能引發(fā)系統(tǒng)性的金融風(fēng)險(xiǎn)[7]。吳國平和谷慎（2015）融資融券業(yè)務(wù)在整體上加劇了股市的波動(dòng)[8]。此外，部分學(xué)者認(rèn)為，融資融券業(yè)務(wù)對(duì)市場(chǎng)的影響并不明顯。鄭曉亞，閆慧和劉飛（2015）結(jié)合收益率波動(dòng)特征，將融資融券業(yè)務(wù)作為虛擬變量引入GARCH與EGARCH模型進(jìn)行定量分析，其結(jié)果表明融資融券業(yè)務(wù)對(duì)我國股票市場(chǎng)長期波動(dòng)性影響并不顯著[9]。吳國平和谷慎（2015）發(fā)現(xiàn)融資交易加劇了股市波動(dòng)，而融券交易則減小了股市波動(dòng)[8]。劉燁等（2016）構(gòu)建了外生信息沖擊的門限自回歸條件密度（TARCD-X）模型，發(fā)現(xiàn)融資融券余額的變動(dòng)沒有顯著增加市場(chǎng)的波動(dòng)性和暴漲暴跌的頻繁性[10]。黃虹等（2016）利用TARCH模型著重分析“兩融”是否為投資者情緒影響股指波動(dòng)的放大器，他們的研究結(jié)果表明“兩融”并不會(huì)加大投資者情緒對(duì)股指波動(dòng)的影響[11]。

從以上研究可知，目前有關(guān)融資融券與證券市場(chǎng)波動(dòng)率的關(guān)系已有了一定的討論，但由于已有研究在研究方法和研究樣本等方面不一致，所得到的結(jié)論也有較大的差異。大多數(shù)現(xiàn)有研究在對(duì)融資融券與證券市場(chǎng)關(guān)系進(jìn)行研究時(shí)忽略了原始交易信息中的噪音成分，由非理性交易者產(chǎn)生噪音信息會(huì)擾亂融資融券與證券市場(chǎng)波動(dòng)率之間的關(guān)系，針對(duì)已有研究的這一局限，本文擬從新的角度來展開研究，具體來說：一是將證券市場(chǎng)和融資融券交易信息進(jìn)行分解，從原始信息中分離出高頻成分和低頻成分，對(duì)原始數(shù)據(jù)進(jìn)行去噪處理，在多尺度下探尋融資融券與證券市場(chǎng)波動(dòng)率的關(guān)系；二是將融資融券交易行為與證券市場(chǎng)的量價(jià)變化綜合考慮，從而得到更全面和準(zhǔn)確的結(jié)論。

2. 融資融券交易對(duì)證券市場(chǎng)波動(dòng)率影響的理論分析

一方面，融資融券通過價(jià)格發(fā)現(xiàn)機(jī)制會(huì)降低市場(chǎng)波動(dòng)率。證券價(jià)格隨著供求關(guān)系變化而動(dòng)態(tài)調(diào)整，當(dāng)股票價(jià)格被低估時(shí)候，市場(chǎng)理性投資者會(huì)預(yù)期股票價(jià)格會(huì)上漲到均衡價(jià)格，他們將通過融資交易買入被價(jià)值被低估的股票，而股票價(jià)格的上升會(huì)使得投機(jī)交易者跟風(fēng)買入，此時(shí)股票需求上升，在供給不變的情況下，股票價(jià)格將不斷上升，直到理性投資者預(yù)期股票價(jià)格已接近或等于內(nèi)在價(jià)值。而當(dāng)股票價(jià)格被高估時(shí)，理性投資者預(yù)期股票價(jià)格會(huì)下跌，他們會(huì)進(jìn)行融券交易，股票價(jià)格因?yàn)楣┙o的增加而出現(xiàn)下跌，而市場(chǎng)上的投機(jī)交易者看到交易機(jī)會(huì)，也會(huì)賣出股票，從而導(dǎo)致價(jià)格的進(jìn)一步下跌。不同類型的投資者根據(jù)市場(chǎng)信息不斷調(diào)整交易行為，而交易行為的調(diào)整又直接引起了證券供求關(guān)系的變化，使得證券價(jià)格圍繞價(jià)值動(dòng)態(tài)調(diào)整，不至于使股票價(jià)格大幅度偏離其基本價(jià)值，因此，存在融資融券交易制度的市場(chǎng)，證券價(jià)格出現(xiàn)大幅波動(dòng)的概率相對(duì)較小，市場(chǎng)穩(wěn)定性也對(duì)較強(qiáng)。此外，如Hong和Stein （2003）提出的異質(zhì)經(jīng)濟(jì)人模型所指出，在市場(chǎng)缺乏融資融券的交易機(jī)制的條件下，賣空交易者所擁有的壞消息將不能有效釋放，他們不能運(yùn)用掌握的信息進(jìn)行交易，而必須等到市場(chǎng)下跌時(shí)才能進(jìn)行交易，此時(shí)利空消息的釋放會(huì)加大市場(chǎng)下跌的幅度，甚至?xí)?dǎo)致股災(zāi)的出現(xiàn)[12]。

另一方面，融資融券交易可能通過杠桿交易提高市場(chǎng)波動(dòng)率。在市場(chǎng)繁榮初期，杠桿交易往往能帶來財(cái)富效應(yīng)，隨著資產(chǎn)價(jià)格的進(jìn)一步上漲，越來越多的投資者參與杠桿交易，從而推動(dòng)證券價(jià)格出現(xiàn)新高。在此過程中，即使是相對(duì)理性的機(jī)構(gòu)投資者也會(huì)因?yàn)闃I(yè)績壓力和聲譽(yù)效應(yīng)等因素而參與杠桿交易，從而加快市場(chǎng)泡沫的形成。當(dāng)政策面趨緊，或基本面有所惡化時(shí)，市場(chǎng)恐懼情緒會(huì)上升，投資者會(huì)賣出資產(chǎn)，此時(shí)市場(chǎng)壓力進(jìn)一步增大，一部分投資者選擇進(jìn)行賣空交易獲取利潤，另一部分前期看多的杠桿投資者可能會(huì)被強(qiáng)制平倉，多種因素的綜合作用下，市場(chǎng)會(huì)對(duì)壞消息過度反應(yīng)，因此融資融券交易行為可能通過杠桿交易機(jī)制導(dǎo)致市場(chǎng)波動(dòng)率提高。

中國證券市場(chǎng)尚不成熟，市場(chǎng)受政策影響較大，投資者結(jié)構(gòu)以散戶為主，市場(chǎng)投機(jī)氛圍較重，在這樣的市場(chǎng)環(huán)境下，融資融券交易對(duì)證券市場(chǎng)波動(dòng)率的影響是以價(jià)格發(fā)現(xiàn)功能為主，還是以杠桿交易機(jī)制為主，目前還沒有一致的結(jié)論，本文將以小波CCC-GARCH模型為基礎(chǔ)，運(yùn)用國內(nèi)證券市場(chǎng)的數(shù)據(jù)，對(duì)融資融券與市場(chǎng)波動(dòng)率的關(guān)系進(jìn)行實(shí)證檢驗(yàn)，從而為判定融資融券對(duì)市場(chǎng)波動(dòng)率影響的主導(dǎo)作用機(jī)制。

3. 時(shí)間序列的小波分解及分析

3.1 實(shí)證研究樣本

2010年3月31日起接受融資融券交易申報(bào)，融資融券交易進(jìn)入實(shí)質(zhì)性的操作階段，本文以此時(shí)間作為研究樣本的起始時(shí)間，樣本結(jié)束時(shí)間為2016年7月21日，數(shù)據(jù)粒度為周數(shù)據(jù)。樣本數(shù)據(jù)來源于WIND數(shù)據(jù)庫。圖1中，a，b，e，d，e和f分別代表了上證指數(shù)、深圳指數(shù)、上海證券交易所周成交量（元）、深圳證券交易所周成交量（元）、市場(chǎng)融資買入額（億元）和融資賣出額（億元）的時(shí)序變化情況。圖2中，ra，rb，rc，rd，re和rf分別代表了序列a，b，e，d，e和f的對(duì)數(shù)變化率。

從圖1和圖2可以發(fā)現(xiàn)，融資融券交易量與市場(chǎng)指數(shù)和交易量的變化軌跡相似程度較高，可以初步判定融資融券交易與市場(chǎng)波動(dòng)可能存在某種程度的關(guān)聯(lián)。

3.2 市場(chǎng)信息和融資融券交易時(shí)間序列的小波分解及分析

在經(jīng)濟(jì)金融信號(hào)的分析過程中，有些信號(hào)表現(xiàn)為低頻信號(hào)或是比較平穩(wěn)的信號(hào)，而噪聲信號(hào)通常表現(xiàn)為高頻信號(hào)。在中國證券市場(chǎng)，由于投資者投機(jī)氛圍較嚴(yán)重，投資者情緒引發(fā)的證券收益率存在較大的波動(dòng)，使得證券價(jià)格常常偏離基本價(jià)值，價(jià)格與內(nèi)在價(jià)值的偏差通常通過噪音信息或高頻信息表現(xiàn)出來，因此本文將市場(chǎng)信息以及融資融券交易信息進(jìn)行分解，將這些原始的時(shí)間序列數(shù)據(jù)分解為高頻成分和低頻成分，以更準(zhǔn)確地判斷各事件序列之間的關(guān)系。由于小波變換具有時(shí)頻局部化特性和多分辨率特性，使得小波消噪能夠在去噪同時(shí)保留信號(hào)的突變部分，因而可以保留原始信號(hào)的特征，因此本文通過小波分析來對(duì)信號(hào)進(jìn)行去噪處理，通過在信號(hào)的噪聲部分進(jìn)行高頻信號(hào)的分解，得到融資融券和市場(chǎng)收益信號(hào)的高頻和低頻成分。

（1）

其中yi為含噪的原始信號(hào)，為上證指數(shù)、深圳指數(shù)、市場(chǎng)成交量以及融資融券交易額的原始序列變化率數(shù)據(jù)，它們分別為ra， rb， rc， rd， re和rf。zi為獨(dú)立同分布的高斯白噪聲，zi～iidN（0，1），σ為噪聲水平，信號(hào)長度為n。本文將小波分解層數(shù)設(shè)定為5，用門限閾值對(duì)小波系數(shù)進(jìn)行處理，得到原始信號(hào)的高頻成分和低頻成分如圖3所示。

圖3中，第1-6幅小圖分別為ra， rb， rc， rd， re和rf的小波分解結(jié)果，原始信號(hào)為序列ra， rb， rc， rd ，re和rf的變化軌跡，而低頻信號(hào)和高頻信號(hào)分別為小波分解后的低頻成分和高頻成分。高頻信號(hào)與原始信號(hào)的波動(dòng)軌跡較為一致，反映出市場(chǎng)收益和成交量以及融資融券交易行為的變化主要由短期因素所驅(qū)動(dòng)，而反映中長期趨勢(shì)的低頻信號(hào)則波動(dòng)較小，表明市場(chǎng)的中長期波動(dòng)率相對(duì)較為穩(wěn)定。

4. CCC-GARCH模型的參數(shù)估計(jì)及條件相關(guān)系數(shù)分析

CCC-GARCH模型不僅涵蓋了單變量模型的波動(dòng)特性，而且可以刻畫不同變量間的相關(guān)系數(shù)，變量間的協(xié)方差由常相關(guān)系數(shù)乘以變量的條件標(biāo)準(zhǔn)偏差形成，在描述變量間相關(guān)關(guān)系時(shí)，CCC-GARCH模型還可以較容易保證正定方差矩陣。設(shè)定條件協(xié)方差矩陣（Conditional correlation matrix）：

從表1中可以發(fā)現(xiàn)，針對(duì)原始信號(hào)和高頻信號(hào)的時(shí)間序列，CCC-GARCH模型的參數(shù)大多在99%的置信水平下顯著，模型較好的擬合了原始數(shù)據(jù)，可以運(yùn)用構(gòu)建的CCC-GARCH模型判斷融資融券交易與股票市場(chǎng)波動(dòng)率之間的關(guān)系。而對(duì)于低頻信號(hào)，模型的擬合不甚理想。根據(jù)CCC-GARCH模型，得到融資融券交易與市場(chǎng)波動(dòng)之間的相關(guān)系數(shù)如表2所示。表2第1列中的數(shù)字1-6分別代表了上證指數(shù)、深圳指數(shù)、上海證券市場(chǎng)交易量、深圳證券市場(chǎng)交易量、融資額、融券額的波動(dòng)率，ρ（i，j）代表了時(shí)間序列i和j的條件相關(guān)系數(shù)。從表2中可以發(fā)現(xiàn)，對(duì)于不同原始信號(hào)、低頻信號(hào)和高頻信號(hào)，融資交易和市場(chǎng)信息的相關(guān)系數(shù)均顯著，值得注意的是，雖然一部分基于低頻信號(hào)數(shù)據(jù)的CCC-GARCH模型參數(shù)不顯著，但融資交易與市場(chǎng)波動(dòng)的相關(guān)系數(shù)仍然顯著?？傮w來看，融資交易行為與市場(chǎng)收益率的波動(dòng)和成交量的波動(dòng)均存在緊密的聯(lián)系。而融券交易與市場(chǎng)信息的相關(guān)系數(shù)則有所差異，融券交易與上證指數(shù)和深圳指數(shù)波動(dòng)率的關(guān)系不顯著，而與兩個(gè)市場(chǎng)成交量的波動(dòng)率顯著相關(guān)。國內(nèi)證券市場(chǎng)的融資融券交易制度雖然已實(shí)施，但是多年賣空限制條件下形成的多頭（牛市）思維還比較明顯，融資交易與融券交易一直呈不對(duì)稱發(fā)展，在樣本期，融券周平均交易額為146.47億元，而融資周平均交易額為1615.88億元，融券交易額只占到融資交易額的9%，雖然存在制度等客觀因素，但投資者對(duì)于賣空交易思維的培養(yǎng)還應(yīng)加強(qiáng)。同時(shí)，CCC-GARCH模型的結(jié)果還表明：對(duì)于不同頻率的信號(hào)，相關(guān)系數(shù)的大小也有一定的差異，其中，高頻信號(hào)之間的相關(guān)系數(shù)相對(duì)更大，且更顯著，如對(duì)于高頻信號(hào)，上證指數(shù)與融資交易波動(dòng)率之間的相關(guān)系數(shù)為0.3299（5.0133），大于原始信號(hào)相關(guān)系數(shù)0.3207（4.9349），也大于低頻信號(hào)之間的相關(guān)系數(shù)，同時(shí)，基于低頻信號(hào)的CCC-GARCH模型擬合效果欠佳，實(shí)證結(jié)論表明融資交易與市場(chǎng)波動(dòng)之間的相關(guān)系數(shù)主要由高頻信號(hào)所驅(qū)動(dòng)，而非反映中長期市場(chǎng)波動(dòng)狀況的低頻信息驅(qū)動(dòng)。高頻信息通常由市場(chǎng)噪音所產(chǎn)生，這與投資者的非理性交易行為或投資者情緒緊密相連，國內(nèi)證券市場(chǎng)經(jīng)過多年的發(fā)展已逐漸成熟，但散戶比例仍然過高，在融資融券市場(chǎng)，截至2015年6月底，融資融券個(gè)人賬戶高達(dá)375.5萬戶，而機(jī)構(gòu)賬戶為6464戶，在散戶占主導(dǎo)的市場(chǎng)中，散戶的非理性行為容易導(dǎo)致市場(chǎng)偏差，使得價(jià)格偏離證券內(nèi)在價(jià)值，集聚市場(chǎng)情緒因素，導(dǎo)致價(jià)格的非理性和大幅波動(dòng)。此外，在互聯(lián)網(wǎng)和即時(shí)通信工具飛速發(fā)展的背景下，投資者更容易受短期短息的驅(qū)動(dòng)，投資者心理變化更趨敏感，這也在一定程度上加劇了融資融券隱含的高頻信息對(duì)市場(chǎng)波動(dòng)的影響。

5. 結(jié)論及啟示

本文運(yùn)用小波CCC-GARCH模型對(duì)融資融券交易與證券市場(chǎng)波動(dòng)率之間的關(guān)系進(jìn)行了實(shí)證檢驗(yàn)，研究結(jié)果表明融資交易行為對(duì)證券市場(chǎng)收益率和成交量的波動(dòng)均有較顯著的影響，而融券交易對(duì)市場(chǎng)波動(dòng)率的影響則不顯著，同時(shí)，融資交易行為對(duì)市場(chǎng)的影響主要由高頻信號(hào)所驅(qū)動(dòng)，投資者短期非理性行為或噪音交易對(duì)市場(chǎng)波動(dòng)的影響較大。有鑒于此，為了促進(jìn)證券市場(chǎng)的健康發(fā)展，首先應(yīng)均衡融資融券業(yè)務(wù)的發(fā)展，只有融資融券業(yè)務(wù)同時(shí)發(fā)展，其價(jià)格發(fā)現(xiàn)功能才能更好地發(fā)揮，融資或融券業(yè)務(wù)一類發(fā)展過快，可能會(huì)導(dǎo)致市場(chǎng)暴漲或暴跌，從而不利于證券市場(chǎng)的穩(wěn)定。其二，應(yīng)加快機(jī)構(gòu)投資者的發(fā)展，培養(yǎng)理性投資者，理性機(jī)構(gòu)投資者的發(fā)展有利于更合理的使用融資融券進(jìn)行交易，在運(yùn)用融資融券交易過程中防范風(fēng)險(xiǎn)，降低噪音交易，提高市場(chǎng)定價(jià)的準(zhǔn)確性，提高市場(chǎng)效率。其三，監(jiān)管部門應(yīng)加強(qiáng)投資者風(fēng)險(xiǎn)警示，管理部門應(yīng)大力加強(qiáng)融資融券業(yè)務(wù)知識(shí)的普及，并對(duì)投資者進(jìn)行充分的風(fēng)險(xiǎn)提示，促使投資者形成正確的投資思維，減少市場(chǎng)的非理性投機(jī)行為，從而維護(hù)市場(chǎng)穩(wěn)定。其四，應(yīng)加強(qiáng)融資融券交易行為數(shù)據(jù)庫的建設(shè)，運(yùn)用大數(shù)據(jù)分析技術(shù)，將市場(chǎng)上融資融券交易的相關(guān)數(shù)據(jù)進(jìn)行分析，及時(shí)掌握市場(chǎng)運(yùn)行的動(dòng)態(tài)，為市場(chǎng)波動(dòng)率降低以及市場(chǎng)穩(wěn)定提供及時(shí)準(zhǔn)確地決策參考信息。

參考文獻(xiàn)

[1] Zhao Zhongkuang， Li Shuqi， Xiong Heping. Short Sale Constraints， Disperse Pessimistic Beliefs and Market Efficiency Evidence from the Chinese Stock Market[J]. Economic Modelling， 2014， 42： 333-342

[2] 肖浩， 孔愛國. 融資融券對(duì)股價(jià)特質(zhì)性波動(dòng)的影響機(jī)理研究： 基于雙重差分模型的檢驗(yàn)[J]. 管理世界， 2014， （8）： 30-43， 187-188.

[3] 李科， 徐龍炳， 朱偉驊. 賣空限制與股票錯(cuò)誤定價(jià)——融資融券制度的證據(jù)[J]. 經(jīng)濟(jì)研究， 2014， 10：165-178.

[4] 陳海強(qiáng)， 范云菲. 融資融券交易制度對(duì)中國股市波動(dòng)率的影響——基于面板數(shù)據(jù)政策評(píng)估方法的分析[J]. 金融研究， 2015， （6）：159-172.

[5] 李志生， 杜爽， 林秉旋. 賣空交易與股票價(jià)格穩(wěn)定性——來自中國融資融券市場(chǎng)的自然實(shí)驗(yàn)[J]. 金融研究， 2015， （6）： 173-188

[6] 佟孟華， 孟照康. 融資融券交易對(duì)我國股市波動(dòng)性影響的實(shí)證研究[J]. 數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)， 2015， （24）： 96-107.

[7] 劉志洋， 宋玉穎. 融資融券的系統(tǒng)性風(fēng)險(xiǎn)管理研究.上海經(jīng)濟(jì)研究， 2015， （7）： 3-8， 71.

[8] 吳國平， 谷慎. 融資融券交易對(duì)我國股市波動(dòng)性影響的實(shí)證研究. 價(jià)格理論與實(shí)踐， 2015， （10）： 105-107

[9] 鄭曉亞， 閆慧， 劉飛. 融資融券業(yè)務(wù)與我國股票市場(chǎng)長期波動(dòng)性[J]. 經(jīng)濟(jì)與管理評(píng)論， 2015， （2）： 87-93.

[10] 劉燁， 方立兵， 李冬昕， 李心丹. 融資融券交易與市場(chǎng)穩(wěn)定性：基于動(dòng)態(tài)視角的證據(jù)[J].管理科學(xué)學(xué)報(bào)， 2016， （1）： 102-116.

[11] 黃虹， 張恩煥， 孫紅梅， 劉江會(huì). 融資融券會(huì)加大投資者情緒對(duì)股指波動(dòng)的影響嗎？[J].中國軟科學(xué)， 2016， （3）： 151-161

[12] Hong H， Stein J. Differences of opinion， short-sales constraints， and market crashes [J]. Review of Financial Studies， 2003， （16）： 487 - 525.

An Empirical Study on the Relationship between Margin Trading Business and Volatility of Security Market based on Wavelet CCC-GARCH Models

Abstract：For understanding the impact of margin trading business on the security market volatility， we use the wavelet CCC-GARCH models to conduct an empirical research by taking the market trading data from April 2， 2010 to July 21， 2016 as the samples. The results show that the margin financing has the significant positive relationship with the return and trading volume volatility of security market， while the influence of short selling is not significant. Meanwhile， the influence of margin trading on market volatility is mostly driven by the high frequency signal， and the irrational behavior or noise trading from investors may cause the high volatility of the security market. For the health development of the security market， the supervisors should balance the development of the margin trading， cultivate the institutional investors， strength the risk warning to investors and construct the database of the margin trading.

Keywords：Margin trading； Market volatility； CCC-GARCH； Conditional correlation； wavelet analysis