個人投資者參與融資融券交易的概率計量研究*

李 峰，李志生

(中南財經政法大學 金融學院，湖北 武漢 430073)

個人投資者參與融資融券交易的概率計量研究*

李 峰，李志生

(中南財經政法大學 金融學院，湖北 武漢 430073)

利用我國某證券公司個人投資者基本信息以及股票交易數(shù)據，采用多元logistic模型，分析了個人投資者的人口統(tǒng)計學特征、財富特征、交易行為特征等對個人投資者參與融資融券交易的概率計量。實證研究發(fā)現(xiàn)：個人投資者的人口學特征、財富特征、交易行為特征等指標可被用于投資者參與融資融券的概率計量；年齡越大的投資者、學歷越高的投資者參與融資融券交易的概率越大，男性投資者以及職業(yè)為個體、文教科衛(wèi)專業(yè)人員、行政企事業(yè)單位工人、企事業(yè)單位干部的投資者參與融資融券交易的概率更大；總資產越高的個人投資者參與融資融券交易的概率越大；換手率越高的個人投資者參與融資融券交易的概率越大。

融資融券；人口統(tǒng)計學特征；財富特征；交易行為特征；logistic模型

一 引言與文獻綜述

2010年3月21日融資融券試點交易。試點初期，監(jiān)管層要求投資者開通融資融券交易的條件為投資者從事證券交易時間6個月以上，資產不低于50萬元。2013年3月監(jiān)管層取消了開設“兩融”賬戶資產規(guī)模下限的窗口指導，證券公司可根據監(jiān)管要求及業(yè)務開展需要對客戶適當性管理的具體標準進行調整[1]。在隨后的業(yè)務開展中，證券公司不斷把投資者參與融資融券業(yè)務的資產門檻降低。據報道，[2]證券公司在2013年幾次下調投資者參與融資融券業(yè)務的資金門檻，從50萬元下降到10萬元，甚至有券商把資金門檻下降到1萬元。隨著證券公司下調融資融券業(yè)務資金門檻，參與融資融券交易的投資者也不斷增多，但是相對普通交易的投資者還只是少數(shù)。融資融券業(yè)務作為國內的創(chuàng)新業(yè)務，參與融資融券交易的投資者特征反映了參與創(chuàng)新業(yè)務的投資者特征。那么參與融資融券交易的投資者、滿足融資融券交易條件但并沒有參與融資融券交易的投資者分別具有什么樣的特征，是什么因素影響投資者參與融資融券交易？

現(xiàn)有的研究成果主要從宏觀角度討論融券賣空交易對證券市場波動性、流動性等的影響。關于融券賣空交易對證券市場的研究成果頗多，主要討論了賣空約束對資產價格波動性和市場穩(wěn)定性的影響。大量理論研究認為，賣空約束會導致系統(tǒng)性的定價偏差，引起資產價格的劇烈波動。Miller[3]的開創(chuàng)性研究指出，在進行賣空約束后，悲觀投資者將無法通過賣空獲利，所以，悲觀投資者被迫離場，而這時股價將片面的反映對應股票的積極信息，因此，賣空約束是催生資產價格泡沫的重要原因。而當市場下跌時，負面信息將集中釋放，從而加速市場下跌[4]。許多學者從實證研究和實驗研究也支持上述觀點，比如：Ho[5]基于新加坡市場的研究，陳淼鑫和鄭振龍[6]基于香港市場的研究。李志生等[7]基于內地市場的研究發(fā)現(xiàn)賣空機制有利于改善資產定價效率和提高市場質量。融資融券交易賣空機制的推出有效降低了標的股票的價格波動性，顯著降低了股票價格的跳躍風險，從而有利于抑制股票價格的暴漲暴跌[8]。但是，有學者持相反觀點，認為賣空機制會加劇股價的波動或無益于股票市場的穩(wěn)定。Chang等以香港股市數(shù)據檢驗發(fā)現(xiàn)，與賣空約束時相比，市場允許賣空后股票日收益率的負極端值出現(xiàn)的頻率更高，這意味著市場崩盤的概率在賣空允許后反而提高了。[9]

相比融券賣空交易，關于融資買入交易的研究較少，且主要考察其對市場波動性與流動性的影響。例如，Chang等發(fā)現(xiàn)融資買入交易有助于降低收益率波動性。[10]王旻以及駱玉鼎等[11-12]利用臺灣證券市場融資融券交易數(shù)據分別從波動性和流動性方面進行研究，王旻等的研究結果表明融資買入交易未對整個市場的波動性水平產生顯著影響，[11]駱玉鼎等研究發(fā)現(xiàn)融資融券保證金比率的變動能夠在很大程度上引起股票市場流動性的變化，肯定了融資買入交易對市場流動性具有增強作用的觀點。[12]

通過歸納與梳理已有研究可以發(fā)現(xiàn)，現(xiàn)有文獻從融資融券對市場波動性、流動性和股票定價效率的影響進行了研究，并取得了相對豐富的理論和經驗研究成果，這毫無疑問為未來的研究奠定了堅實的基礎。但是，很少有文獻對金融創(chuàng)新背景下參與和未參與融資融券交易的個人投資者的各種特征進行分析。針對這一不足，本文選擇個人投資者為研究對象，討論參與融資融券交易的個人投資者的各種特征，并對個人投資者參與融資融券交易的概率計量進行研究。在計量方法上，選擇logistic回歸模型作為計量工具，而且使用了ROC曲線方法驗證模型的準確性。

二 研究設計

(一)模型設計

logistic回歸模型可以分為條件logistic回歸模型和非條件logistic回歸模型，前者適用于配對對照資料的分析，后者適用于隊列研究或非配對的對照研究成組資料的分析。在此，非條件logistic模型是恰當?shù)哪Ｐ?，該模型可以得到投資者參與融資融券交易的概率，從而進行不同特征投資者的比較分析。我們建立logistic回歸模型為

logit(pi)=β0+β1x1，i+β2x2，i+…+

(二)變量說明

1.因變量。我們把滿足融資融券業(yè)務條件的投資者是否參與融資融券交易作為logistic回歸模型中的因變量y，令為1和0變量，y=1表示投資者參與了融資融券交易，y=0表示投資滿足融資融券業(yè)務門檻，但是并沒有參與融資融券交易。

2.自變量。在對投資者參與融資融券交易的影響因素進行研究時，所選擇的自變量如表1所示，主要包括3類：(1)投資者的人口統(tǒng)計學特征。包括投資者的年齡、性別、教育程度和職業(yè)。這些因素會影響到投資者對融資融券業(yè)務的熟悉程度。(2)投資者的財富特征。這里以投資者在證券賬戶中的總資產為變量。投資者財富特征的不同體現(xiàn)投資者的風險承受能力的不同。(3)與投資者交易行為相關的變量。包括投資者的開戶時長、投資交易換手率和投資收益率等。這些因素的體現(xiàn)了投資者的投資能力以及投資風格，這些因素的不同造成了投資者對具有杠桿效應和賣空機制的融資融券的追逐程度的不同。

其中，月超額換手率和月超額收益率的計算如下：

1)月超額換手率計算

參照Barber和Odean[13]和廖理等[14]的做法，投資者的日換手率取買入股票換手率和賣出股票換手率的平均值。投資者i在第d日買入和賣出股票的換手率分別等于

和

我們將月?lián)Q手率定義為投資者在當月所有交易日的日換手率之和，月超額換手率定義為投資者月?lián)Q手率減去指數(shù)(滬深300指數(shù))的月?lián)Q手率。

表1 自變量說明

注：因超額換手率和超額收益率變動值較大，不便于進行分類，因此采用連續(xù)變量；為了處理各職業(yè)變量導致的多重共線性，選取除軍人、農民和學生(這三個職業(yè)的人數(shù)在投資者中所占比重非常小)之外的職業(yè)為自變量。

2)月超額收益率計算

因此，投資者i在第d日的日超額收益率為

那么投資者的月收益率為

其中，MDRi，m為第i個投資者第m個月的月收益率，Nm為第m個月的交易日數(shù)目。

投資者月超額收益率為

其中，MRi，m為第i個投資者第m個月的月超額收益率，Nm為第m個月的交易日數(shù)目，MRmm為第m個月的市場收益率。

三 樣本數(shù)據與特征分析

(一)樣本數(shù)據

研究樣本為某證券公司普通證券投資者和融資融券投資者基本信息和交易信息。其中投資者基本信息主要包括客戶號、客戶性別、出生年月、職業(yè)、學歷、普通證券賬戶開戶時間、信用證券賬戶開戶時間、風險承受能力等；投資者交易信息包括日期、客戶號(該字段經過保密處理)、客戶姓名(該字段經過保密處理)、交易類別、證券代碼、證券名稱、成交數(shù)量、成交價格、成交金額、實收傭金、申報時間、成交時間、證券類別、本次資金余額、本次股份余額、印花稅、過戶費等。

由于該證券公司2012年底才開展融資融券業(yè)務，因此研究的投資者基本信息樣本為截止期間為2012年12月31日的所有投資者，對2013年1月1日至2014年12月31日開立信用證券賬戶的投資者進行標記。所有客戶的普通證券交易數(shù)據時間為2011年1月1日至2012年12月31日。樣本投資者分布在北京、天津、上海、深圳、浙江、廣東、湖南等地。

為了分析滿足融資融券交易條件參與融資融券交易的概率，我們把滿足融資融券交易的投資者分成以下兩組：

A1組：是指在該證券公司開通信用證券賬戶并且進行交易(只要在信用證券賬戶中有一筆交易)的投資者。

A2組：截止2014年12月31日，滿足該證券公司開通信用證券賬戶的條件但沒有開通的投資者，以及開通信用證券賬戶但是并沒有進行一筆交易的投資者。

(二)描述性統(tǒng)計

截至2014年12月31日，該券商共有普通證券賬戶581 682個，滿足開通信用證券賬戶條件的個人投資者賬戶數(shù)為152 906個，雖然開立信用證券賬戶的投資者有12 009個，但有在進行交易的個人信用證券賬戶只有7 040個。進行融資融券交易的個人投資者數(shù)量占滿足融資融券交易條件的個人投資者數(shù)量比例只有4.6%。這說明在我國廣大的股民群體中，選擇具有做空機制和杠桿效應的融資融券交易的投資者只是一小部分。下面我們就投資者的人口統(tǒng)計學特征、財富特征、交易行為特征看看A1組和A2組的情況。

1.人口統(tǒng)計學特征

從投資者性別來看，進行融資融券交易的投資者中男性占比達到了61.25%，女性只有38.75%。滿足融資融券交易條件的投資者中，男性投資者進行融資融券交易的比例達到5.83%，而女性只有3.46%。這說明男性投資者比女性投資者更加的自信。

從投資者年齡來看，進行融資融券交易的投資者中40歲(含)-50歲的投資者占比最高，達到了40.30%，30歲(含)-40歲及50歲(含)-60歲的投資者占比次之，大概只有40歲(含)-50歲的投資者占比的一半。滿足融資融券交易條件的投資者中，小于30歲的投資者參與融資融券交易的投資者占比比40歲(含)-50歲的投資者占比還高。這說明更多的年輕人想通過融資融券交易獲取更高的投資回報。

從投資者的職業(yè)來看，進行融資融券交易的投資者中，以個體和行政企事業(yè)單位工人為主，行政企事業(yè)單位工人的比例達到45.47%，個體的比例達到35.51%，兩者合計比例超過80%。而黨政機關干部、學生、軍人、農民、無業(yè)及其他合計不超過10%。滿足融資融券交易條件的投資者中，個體參與融資融券交易的占比最高，為22.31%，黨政機關干部、行政企事業(yè)單位工人、文教科衛(wèi)專業(yè)人員、企事業(yè)單位干部等具有穩(wěn)定收入的職業(yè)占比也高于平均數(shù)。

從投資者的文化程度來看，進行融資融券交易的投資者中，學士和大專文化為主，大專的比例達到38.15%，學士的比例達到32.14%，兩者合計比例超過70%。而參與融資融券交易的投資者中，碩士和博士學歷的投資者占比不到5%，初中及其以下以及其他學歷的投資者占比也不到5%。滿足融資融券交易條件的投資者中，碩士參與融資融券交易的占比最高，為17.07%，而且基本上是學歷越低，占比越低。

表2 投資者人口統(tǒng)計學特征

2.開戶時長

從投資者的開戶時長來看，進行融資融券交易的投資者中，開戶時長在0～5年的投資者占比最高，開戶時長越長，投資者占比越低。開戶時長在0～10年的投資者占比達到82%。滿足融資融券交易條件的投資者中，開戶時長在20年以上的投資者參與融資融券交易的占比最高，為8.49%，其次是開戶時長在0～5年的投資者，而開戶時長在5～20年的投資者占比都在4%以下。

3.財富特征

參加融資融券交易的投資者的日均總資產為47萬元，滿足融資融券交易條件但并沒有參與融資融券交易的投資者的日均總資產為26.9萬元。

4.交易行為特征

A1組的投資者月超額換手率平均值為169.11%，中位數(shù)也達到了57.49%；A2組的投資者月超額換手率小于A1組的投資者，為148.64%，中位數(shù)為27.24%。我們再來看看分組后月超額收益率的情況。A1組的投資者月超額換手率平均值為-1.36%，中位數(shù)為-1.45%；A2的投資者的月超額收益率大于A1組的投資者，為-0.97%，中位數(shù)為-1.12%。我們發(fā)現(xiàn)，兩組投資者的月超額收益率都遠小于0，跑輸了市場。

表3 投資者開戶年限

四 模型估計與驗證

(一)模型回歸結果分析

以滿足融資融券業(yè)務門檻的投資者作為參考基準，采用logistic回歸模型進行逐步回歸，并利用似然估計方法進行估計，得出系數(shù)的估計值回歸結果見表4及表5。

表4 投資者參與融資融券交易的影響因素回歸結果

因此logistic回歸模型為：

0.3426x3-1.1841x41+1.1804x42+1.7556x43+

1.671x44+1.4088x45+0.9819x46+2.6481x47+

0.0633x5+0.178x6

表5 預測數(shù)和觀測數(shù)的關聯(lián)性分析

從模型整體來看(表5)，一致性比率(Percent Concordant)為88%，不一致性比率為(Percent Discordant)為12%，說明預測值與觀測值在現(xiàn)有水平上有較強的關聯(lián)性，回歸模型有很強的預測能力。

從表4的回歸結果來看，我們發(fā)現(xiàn)除了年齡的回歸系數(shù)在5%的水平下顯著之外，其他變量的回歸系數(shù)都在1%的水平下顯著，說明性別、年齡、教育程度、職業(yè)、總資產和換手率都對投資者參與融資融券交易有顯著的影響。

首先從人口統(tǒng)計學特征來看，變量年齡、性別和教育程度的回歸系數(shù)分別為0.0298、0.4155、0.3426，OR值分別為1.03、1.515、1.409，這表明在其他變量相同的情況下，年齡大的投資者參與融資融券交易的概率大；男性投資者參與融資融券交易的概率要大于女性投資者，這與一般認為的男性比女性更有冒險精神，而女性的投資策略更加穩(wěn)健、保守的常識是一致的；教育程度高的投資者參與融資融券交易的概率大；職業(yè)為個體、行政企事業(yè)單位工人、文教科衛(wèi)專業(yè)人員的投資者參與融資融券交易的概率大。

從財富特征來看，變量總資產的回歸系數(shù)為0.0633，OR值為1.065。這表明在其他變量相同的情況下，總資產高的投資者參與融資融券交易的概率要大。

從交易行為特征來看，超額換手率的回歸系數(shù)為0.178，說明在其他變量相同的情況下，投資者的超額換手率越高，則投資者參與融資融券交易的概率也越高。就投資者的超額投資收益率來看，回歸結果中并沒有此變量，所以投資者的超額收益率并不是投資者參與融資融券交易的影響因素，或者說超額投資收益率對投資者參與融資融券交易的影響并不顯著。

總體來說，年齡大的投資者、男性投資者、學歷高的投資者、職業(yè)為個體、行政企事業(yè)單位工人、文教科衛(wèi)專業(yè)人員的投資者、總資產高的投資者和換手率高的投資者參與融資融券交易的積極性高，他們是我國創(chuàng)新業(yè)務的主要參與者，希望通過參與創(chuàng)新業(yè)務——融資融券業(yè)務獲得高收益。

(二)模型的驗證

使用ROC曲線方法，從模型預測準確性與擬合性的角度，對logistic模型進行驗證。ROC曲線是比較與驗證模型預測準確性的重要方法。通過比較投資者參與融資融券交易概率的預測值與閾值的大小，ROC曲線方法判定投資者是否會參與融資融券交易，進而通過計算模型預測正確的命中率與錯誤的參與率，繪制ROC曲線。模型預測準確性的優(yōu)劣，取決于ROC曲線下正確預測的命中率與錯誤預測的參與率的變化速度。圖1給出了logistic模型的ROC曲線。

圖1 ROC曲線

圖1由右下方向左上方，曲線依次為y=x函數(shù)曲線、logistic模型的ROC曲線。首先，ROC曲線均位于y=x直線上方，這表明logistic模型都具有一定的模型預測能力。其次，AUC值計算了ROC曲線下方的面積，因此，當ROC曲線與y=x曲線相重合時，AUC值為0.5，此時模型無任何預測力可言。如圖1所示，logistic模型的AUC值為0.8261，遠大于0.5，因此，logistic模型具有較強的預測能力。

五 研究結論

選取某證券公司的個人投資者(包括普通交易投資者和信用交易投資者)為樣本進行分類，在對投資者的年齡、性別、教育程度、職業(yè)、總資產、開戶時長、交易換手率和交易收益率等特征進行統(tǒng)計分析的基礎上，對投資者參與融資融券交易的概率計量進行了分析。

通過研究我們發(fā)現(xiàn)：投資者的人口統(tǒng)計學特征、財富特征和交易行為特征等指標可被用于投資者參與融資融券的概率計量；融資融券業(yè)務作為國內的又一創(chuàng)新業(yè)務，年齡越大的投資者、學歷越高的投資者參與融資融券交易的概率越大；男性投資者以及職業(yè)為個體、文教科衛(wèi)專業(yè)人員、行政企事業(yè)單位人員的投資者參與融資融券交易的概率更大；總資產越高的個人投資者參與融資融券交易的概率越大；換手率越高的個人投資者參與融資融券交易的概率越大。

因此，證券公司在開發(fā)融資融券客戶時更應該重點關注男性投資者、年齡在30～60歲的投資者、職業(yè)為個體、行政企事業(yè)單位人員、文教科衛(wèi)專業(yè)人員的投資者、高學歷的投資者、高資產的投資者以及換手率較高的投資者，而且可通過logistic模型進行概率計量，提高融資融券客戶開發(fā)的效率。

[1] 浦泓毅.監(jiān)管層取消窗口指導融資融券告別“50萬元門檻”[N].上海證券報，2013-03-20(F08).

[2] 伍澤琳.融資融券門檻驟降10萬元即可參與[N].證券時報網，2013-03-28(A07).

[3] Miller，Edward M..Risk，Uncertainty and divergence of opinion[J].The Journal of Finance，1977，32(4)：1151-1168.

[4] Hong H，Stein J.Differences of opinion，short-sales constraints and market crashes[J].Review of Financial Studies，2003，16(2)：487-525.

[5] Ho K W.Short-sales restrictions and volatility：The case of the stock exchange of Singapore[J].Pacific-Basin Finance Journal，1996，4(4)：377-391.

[6] 陳淼鑫，鄭振龍.賣空機制對證券市場的影響：基于全球市場的經驗研究[J].世界經濟，2008(12)：73-81.

[7] 李志生，陳晨，林秉旋.賣空機制提高了中國股票市場的定價效率嗎?——基于自然實驗的證據[J].經濟研究，2015(4)：165-178.

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

[9] Chang E C，Cheng J W，Yinghui Y u.Short sales constrains and price discovery：evidence from the Hong Kong Market[J].The Journal of Finance，2007，62(5)：2097-2121.

[10]Chang E C，Luo Y，Ren J.Short-selling，margin-trading，and price efficiency：Evidence from the Chinese Market[J].Journal of Banking & Finance，2014，48(C)：411-424.

[11]王旻，廖士光，吳淑琨.融資融券交易的市場沖擊效應研究——基于中國臺灣證券市場的經驗與啟示[J].財經研究，2008(10)：99-109.

[12]駱玉鼎，廖士光.融資買空交易流動性效應研究——臺灣證券市場經驗證據[J].金融研究，2007(5)：118-132.

[13]Barber B M，Odean T.Boys will be boys：Gender，overconfidence，and common stock investment[J].Quarterly Journal of Economics，2001，116(1)：261-292.

[14]廖理，賀裴菲，張偉強，沈紅波.中國個人投資者的過度自信和過度交易研究[J].投資研究，2013(8)：35-46.

[15]程天笑，聞岳春.融資融券業(yè)務個人客戶違約概率計量研究[J].金融研究，2016(4)：174-189.

[16]Stein R M.The relationship between default prediction and lending profits：integrating ROC analysis and loan pricing[J].Journal of Banking & Finance，2005，29(5)：1213-1236.

ResearchonProbabilityMeasurementofIndividualInvestor’sParticipatinginMarginTrading

LI Feng，LI Zhi-sheng

(School of Finance，Zhongnan University of Economics and Law，Wuhan 430073，China)

By using the individual investors’ basic information and trade data of a securities company in china，and the Logistic model，the paper analysis the effects of demographic characteristics，wealth characteristics，trading behavior characteristics of individual investors on the choice to participate in margin trading.The empirical study find that：Individual investors’ demographic characteristics，wealth characteristics，trading behavior characteristics can be used for probability measurement of individual investors participating in margin trading；the probability of older investors and the high educated persons investor participation in margin trading is higher；the male investors，the investors who are sole trade，workers of science，education，culture and hygiene，administrative institutions.Cadres of enterprises and institutions have higher probability of participation in margin trading；the probability of the higher assets investors to participate in margin trading is higher；the individual investors which have higher turnover have the higher probability of participation in margin trading.

margin trading；demographic characteristics；wealth characteristics；trading behavior characteristics；logistic model

F832

A

1008—1763(2017)05—0064—07

2017-04-13

國家自然科學基金資助項目(71271214)

李峰(1982—)，男，湖南郴州人，中南財經政法大學金融學院博士研究生。研究方向：行為金融。