融資融券對中國股市波動性的影響研究

， ，

(大連理工大學 管理與經濟學部,遼寧 大連 116024)

1 引言

中國融資融券交易始于90年代初，但因證券市場過重的投機風氣和極不成熟，經歷了短暫的繁榮即被禁止，直到2010年國務院批準開展融資融券業(yè)務試點工作才得以重新啟動。2010年至今，中國融資融券業(yè)務經歷了跨越式的發(fā)展，兩融余額剛推出時僅0.07億元，隨后一路飆升，在2014年12月首次突破萬億大關，更是在2015年6月達到了22730.35億元的峰值。相應地，兩融股票標的數量也在不斷上升，從最初的90只已經擴容到截至2018年1月31日的950只。

然而，自融資融券交易制度誕生以來，其對股市波動性的影響一直存在爭議。部分學者分析認為融資融券會加劇股市的波動性。Bogen和Krooss[1]提出的“金字塔-倒金字塔”效應最早從理論角度說明了融資融券存在著“助漲殺跌”效應，不利于市場穩(wěn)定。Hardouvelis和Theodossiou[2]運用EGARCH-M模型研究美國股市的實證結果驗證了Bogen和Krooss的觀點。王雨和粟勤[3]檢驗了我國2010～2014年納入兩融標的證券波動性受兩融業(yè)務的影響，認為兩融交易整體上增強了個股波動性。Allen和Gale[4]，Chang[5]，Beber和Pagano[6]，劉光彥和郝芳靜[7]，褚劍和方軍雄[8]，林祥友等[9]也進一步闡述了上述觀點。部分研究則持相反觀點，認為限制融資融券交易無助于市場穩(wěn)定性，而放松融資融券限制有助于提高股價對市場信息的調整速度、降低股市波動[10,11]。Charoenrook和Daouk[12]運用111個國家的面板數據進行實證發(fā)現，允許融券賣空交易國家的市場總體收益波動性較小。眾多學者對美國[13]、日本[14]和香港[15]等發(fā)達國家和地區(qū)的賣空交易進行了研究，發(fā)現融券交易可以降低股市波動性。Li等[16]對中國股市的研究結果同樣支持該觀點。王旻等[17]，Alan等[18]，肖文彥和王紫菡[19]，Battalio和Schultz[20]的研究則認為融券賣空對股市波動性沒有顯著影響。

中國兩融交易制度實施較晚，但發(fā)展十分迅猛，在開展融資融券業(yè)務之后，中國股市經歷了2014年9月到2016年2月短時期內的大漲與大跌。那么，融資融券交易對中國股市波動性是否存在影響？如果存在影響，其對市場的影響如何？二者的關系又有哪些特征？

從現有文獻研究來看，相關文獻多以美國、臺灣和香港等發(fā)達國家和地區(qū)的股市為研究對象，研究中國股市的相關文獻較少且研究期往往較短；另一方面，上述研究并未考慮市場處于異常波動階段的情況?；诖?，本文運用2010年3月31日至2016年12月30日期間滬深兩市融資、融券余額以及滬深300指數的日度數據，通過構建VAR模型和脈沖響應函數等方法考察中國推出融資融券交易制度以來長區(qū)間內融資融券對股市波動性的影響；在此基礎上，分別選取顯著的牛市和熊市區(qū)間，進一步考察股市處于不同市場形態(tài)時融資融券交易對股市波動性的影響程度，旨在為今后融資融券的研究者們提供參考。

2 研究設計

2.1 研究方法

本文采用向量自回歸模型(VAR)以及基于該模型的格蘭杰因果檢驗、脈沖響應和方差分解等實證方法來分析中國融資融券交易對股市波動性的影響情況。本文中所使用的計量軟件是Eviews 8.0。二元模型是經常被用到的一種向量自回歸模型，本文模型中有兩個內生變量，即融資余額和股市波動性，基本形式如(1)式和(2)式

y1t=β10+β11y1t-1+…+β1ky1t-k+

α11y2t-1+…+α1ky2t-k+u1t

(1)

y2t=β20+β21y2t-1+…+β2ky2t-k+

α21y1t-1+…+α2ky1t-k+u2t

(2)

其中uit是白噪聲擾動項，且E(uit)=0，(i=1,2)，E(u1tu2t)=0。

2.2 變量選取、數據平穩(wěn)性檢驗及模型構建

2.2.1 變量選取

本文從Wind數據庫中選取2010年3月31日～2016年12月30日這一總體區(qū)間內的融資融券交易和股市波動性數據作為樣本。具體變量定義如下：

融資買空交易：本文參考劉光彥和郝芳靜[7],朱民武[21]的選擇標準以滬深兩市每日融資余額之和代表買空交易，同時為了減小實證分析誤差，對加總之后的融資余額進行取對數處理，簡記為MP。

融券賣空交易：以滬深兩市每日融券賣空余額之和代表賣空交易，同理對加總之后的融券余額進行取對數處理，簡記為SS。

股市波動性：衡量中國股票市場走勢的指數有很多，例如上證指數、深圳指數、滬深300指數等。由于本文研究的是融資融券交易對中國股票市場整體波動性的影響情況，因此選用滬深300股票指數的日度收盤價作為衡量市場波動性的基礎指標。股市波動性的衡量有多種方式，例如朱民武[21]直接采用股票指數來代表股市波動率，于孝建[22]則是采用GARCH(1，1)模型對股票指數進行擬合，并求出條件方差來代表股市波動性?？紤]到中國開展融資融券時間較短，同時金融時間序列又會存在股市集聚性和方差時變性等特點，因此本文采用GARCH(1，1)模型來擬合中國股票市場價格，用擬合產生的條件方差來作為股市波動性的代理變量，簡記為VOL。

2.2.2 數據平穩(wěn)性檢驗

為避免偽回歸情形，本文采用ADF檢驗方法對數據進行平穩(wěn)性檢驗。檢驗結果如表1所示。由表1可得，VOL、MP和SS三個變量的ADF統(tǒng)計量的p值都顯著為零，在1%的顯著性水平下顯著，因而拒絕原假設，認為這三項數據都是平穩(wěn)數列。

表1 變量平穩(wěn)性檢驗結果

2.2.3 模型構建

在三項數據均平穩(wěn)的基礎上，根據向量自回歸基本模型構建融資交易與股市波動性之間的VAR模型(簡稱“模型1”)如(3)式和(4)式，同時構建融券交易與股市波動性之間的VAR模型(簡稱“模型2”)如(5)式和(6)式。

VOL1t=β10+β11VOL1t-1+…+β1kVOL1t-k+

α11MP2t-1+…+α1kMP2t-k+u1t

(3)

MP2t=β20+β21MP2t-1+…+β2kMP2t-k+

α21VOL1t-1+…+α2kVOL1t-k+u2t

(4)

VOL1t=β10+β11VOL1t-1+…+β1kVOL1t-k+

α11SS2t-1+…+α1kSS2t-k+u1t

(5)

SS2t=β20+β21SS2t-1+…+β2kSS2t-k+

α21VOL1t-1+…+α2kVOL1t-k+u2t

(6)

3 融資融券交易對股市波動性影響的實證分析

3.1 模型平穩(wěn)性檢驗

本文采用Eviews 8.0軟件中的Lag Length Criteria檢驗方法(“LLC檢驗”)來確定最佳滯后期。該檢驗中一共包括5種檢驗指標(LR，FPE，AIC，SC，HQ)，根據“多數原則”，即最多檢驗指標指向的那個期數為最佳滯后期。根據LLC檢驗的各項指標結果，綜合確定模型1的最佳滯后期數為8，確定模型2的最佳滯后期數為2。據此進行兩個模型的單位根檢驗，模型特征值均落于單位圓內，因此模型1和模型2均穩(wěn)定。

3.2 格蘭杰因果檢驗

本文采用格蘭杰因果檢驗分別考察股市波動性與融資交易和融券交易之間的相互關系，檢驗結果見表2。根據模型1的格蘭杰因果檢驗結果，在1%的顯著性水平下，股市波動性是融資交易的格蘭杰原因，這表明股市波動性對融資交易的變動會產生顯著影響。同時，在10%的顯著性水平下，融資交易也是股市波動率的格蘭杰原因，即融資交易會對股市波動性的變動產生顯著影響，因此在研究區(qū)間內，融資交易和中國股市波動性之間呈現出互為因果的關系。根據模型2的格蘭杰因果檢驗結果，在1%的顯著性水平下，股市波動性是融券交易的格蘭杰原因，在5%的顯著性水平下，融券交易是股市波動性的格蘭杰原因，即融券交易會對股市波動性的變動產生影響。因此，融券交易和中國股市波動性之間同樣呈現出互為因果的關系。

表2 格蘭杰因果檢驗結果

3.3 脈沖響應及方差分解分析

3.3.1 基于融資交易的脈沖響應及方差分解分析

由圖1左圖實線可得，當給予融資交易一個單位的正向沖擊時，股票市場的波動性并未立刻出現變動，這說明融資交易對股市波動性的沖擊存在時滯性，同時這種時滯性一直持續(xù)到第3期，從第3期開始融資交易對股市開始產生負向沖擊，即說明融資交易對股票市場波動性產生了抑制作用，這種負向沖擊一直持續(xù)到第7期才減弱至零。而從右側累積的脈沖響應圖來看，融資交易對股市波動性的沖擊也確實存在時滯性，并且從總體上來講體現為抑制股市波動性的作用，但是通過觀察圖中的縱坐標不難發(fā)現，融資交易對研究期間內股市的沖擊力度較小。

圖1MP對VOL的脈沖響應(右圖為累積脈沖響應，下同)

表3方差分解結果

從表3中的方差分解結果可知，在本文研究區(qū)間內，中國股市波動性的方差主要還是由其自身解釋的，自身解釋比例高達99%，但這一比例呈現出逐步下降趨勢。而融資交易對中國股市波動性方差變化的貢獻程度在不斷上升，但是總體偏小。這表明自中國推出融資融券交易制度以來，融資交易對股市波動性的影響總體較小，這一結果與上述脈沖響應分析結果一致。

3.3.2 基于融券交易的脈沖響應及方差分解分析

由圖2左圖可得，當給予融券交易一個單位的正向沖擊時，融券交易對研究期間內中國股票市場波動性的沖擊同樣也會產生時滯性。但是這種時滯性持續(xù)時間很短，在不到1期內就體現出對股票波動性的負向沖擊，即融券交易降低了股票市場的波動性。但是從圖中可知，這種負向沖擊持續(xù)時間非常短，在第3期內就已經減弱到零。通過觀察右側累積的脈沖響應圖，雖然融券交易對股市波動性的沖擊存在一定的時滯性，但是總體上仍體現出對股市波動性的負向沖擊，即融券交易降低了股市波動性，但是這種沖擊力度有限。同時和融資交易對股票市場波動性的脈沖響應圖對比來看，融券交易對股市波動性的沖擊力度還要小于融資交易對股市波動性的影響。

圖2SS對VOL的脈沖響應

從表4中的方差分解可得，融券交易對中國股市波動性方差變化的貢獻程度還不到0.5%，說明中國融券交易對股市波動性的影響非常小，同時這種影響小于融資交易對股市波動性的影響。這一結果與脈沖響應分析結果一致，也符合預期。股市波動性的影響因素眾多，而中國融資融券業(yè)務處于初級發(fā)展階段，兩融交易尤其是融券交易占滬深兩市交易比重較小，對股市波動率的影響力度自然有限；同時，在中國融資融券交易中，主要是融資做多，因此融資交易對股市波動性方差變動的影響比融券交易更大。

表4 方差分解結果

本部分實證研究發(fā)現，不論是融資交易還是融券交易都能夠降低中國股市的波動性。但是股票市場是瞬息萬變的，股市所呈現的形態(tài)也千差萬別，那么當中國股市處于不同的市場形態(tài)中時，融資、融券交易是否還能同樣降低股市的波動性？這是第4部分關心和將要解決的問題。本文選取了研究期間內最為顯著的一段牛市以及一段熊市來進行檢驗。

4 不同股市形態(tài)下融資融券對股市波動性的影響分析

4.1 牛熊市劃分

本文參考Wiggins[23],肖峻[24]以及史永東和李竹薇[25]的方法，從研究期間內選取2014年9月22日～2015年6月9日作為牛市區(qū)間，選取2015年6月10日～2016年2月29日作為熊市區(qū)間。本文中確定的牛市區(qū)間滬深300指數月度平均回報率為14%，熊市區(qū)間滬深300股票指數月度平均回報率為-6%，符合前述文獻確定的判定標準。2014年9月22日，中國進行了融資融券標的股票的第四次擴容，并且此后再未進行過擴容，因此選取該日作為牛市區(qū)間的開端，方便比較實證結果在牛市和熊市中的差別。從形態(tài)上來講，滬深300指數最高點是2015年6月9日的5380點，因此選定這一天作為牛市的終點并以下一個交易日作為熊市的開端；在2016年2月29日達到最低點2821點，因此選定這一日作為熊市結束的標志。本文選擇的這一波牛市和熊市的上漲和下跌幅度在整個研究區(qū)間內分別是最大的，同時這種短期之內的大幅上漲或是下跌往往也被稱作股市異常波動階段，俗稱“大牛市”和“大熊市”，因此本文選用這兩個區(qū)間進行穩(wěn)健性檢驗，具有代表性。本部分實證選取的變量及變量衡量指標與第三部分相同，同時分別以下角標n和x區(qū)分牛市和熊市區(qū)間。

4.2 基于牛市區(qū)間的實證檢驗

4.2.1 數據和模型的平穩(wěn)性檢驗

MPn、SSn和VOLn三個變量的ADF檢驗結果在1%的顯著性水平下拒絕原假設，因此認為這三項數據都是平穩(wěn)數列。采用LLC檢驗對模型進行滯后期的選擇，確定滯后期為5期，同時模型的特征值也都落入單位圓中，因此模型穩(wěn)定。

4.2.2 脈沖響應及方差分解分析

由圖3左圖可知，在牛市中給定融資交易MPn一個單位的正向沖擊后，融資交易對股市波動性產生的沖擊出現了時滯性但持續(xù)時間較短，時滯還不到1期，之后融資交易對股市波動性體現出了負向的沖擊，這種負向沖擊在第2期內達到最大，隨后開始減小并在第3期內轉為正向沖擊，但是這種正向沖擊力度很小，并且在第4期就已經減弱到零。同時，通過右側累積的脈沖響應圖中的長虛線可知，融資交易對股市波動性的累積沖擊為負值，說明在牛市中融資交易起到了抑制股市波動的作用。

圖3MPn和SSn對VOLn的脈沖響應

同理可見，在給定融券交易SSn一個單位正向沖擊時，融券交易對股市波動性產生的沖擊也存在持續(xù)時間很短的時滯性，隨后就體現出負向沖擊作用，并且該作用也是在第2期內達到最大然后逐漸減小到零。從右側累積的脈沖響應圖來看，融券交易對股市波動性的總體沖擊也是負向的，即融券交易在牛市中也降低了股市波動性。同時，對比右圖中融資交易和融券交易的累積脈沖響應圖可知，融券交易對股市波動性的影響更大，即在牛市中融券交易更能夠降低股市的波動性。

表5 方差分解結果

由表5中左邊三列的方差分解可得，在大牛市期間，中國股市波動性的方差主要還是由其自身解釋的，但這一比例隨期數的增加在不斷下降。而融資交易和融券交易對中國股市波動性方差變化的貢獻程度都在不斷上升，在第10期分別超過2.5%和3.3%。對比來看，融券交易在牛市中對股市波動性的影響情況要大于融資交易，這一結果與上文中脈沖響應得到的結果相一致。

4.3 基于熊市區(qū)間的實證檢驗

4.3.1 數據和模型的平穩(wěn)性檢驗

MPx、SSx和VOLx三個變量的ADF檢驗結果在1%的顯著性水平下拒絕原假設，因此認為這三項數據都是平穩(wěn)數列。根據LLC檢驗結果，最終確定模型滯后期為8期。同時模型的特征值也都落入單位圓中，因此模型穩(wěn)定。

4.3.2 脈沖響應及方差分解分析

由圖4左圖可知，當給予融資交易MPx一個單位正向沖擊時，其對股市波動性的沖擊作用同樣出現了短暫的時滯性，并在第2期內消失而轉為負向沖擊，在第3期達到最大值隨后至第4期左右減弱到零。對比分析右側融資交易累積的脈沖響應圖可知，在熊市中融資交易對股市波動性的總體沖擊為負向，即融資交易在熊市中也能夠減小股市的波動性。同理可分析，融券交易在熊市中對股市波動性總體呈現出的影響也是負向的，即融券交易在熊市中也能夠起到抑制股市波動的作用。

由表5右邊三列的方差分解結果可得，中國股市波動性的方差變動在熊市中也主要是由自身解釋的。融資交易和融券交易對股市波動性方差變化的貢獻度在第10期分別超過了2.5%和3.2%。但融資融券交易對股市波動性方差的解釋力度總體仍然偏低，這一結果也基本符合預期。

雖然中國進行了五次融資融券標的股票的擴容工作，但是能夠進行兩融交易的股票數量還是占少數，同時在大牛市和大熊市時期，影響股市整體波動率的因素眾多，單個因素對股市波動率的影響力度自然有限。此外，對比觀察融資、融券分別在牛市和熊市中對股市波動性方差變動的貢獻程度發(fā)現，融券交易的貢獻程度要稍大于融資交易。然而融券交易在兩融交易總體中的占比又很小，為何會出現這樣的結果呢？本文認為，由于中國股市長期以來不能進行融券賣空交易，大家主要習慣于融資做多交易，因而在2014年的大牛市行情以及2015年的大熊市行情中投資者會對融券交易更為敏感，融券交易情況更能夠影響到投資者的投資決策，從而在對股市波動性的影響方面發(fā)揮出更大的作用。

圖4MPx和SSx對VOLx的脈沖響應

5 結論與政策建議

本文選取滬深兩市2010年3月～2016年12月的融資融券余額以及滬深300指數的日度數據，運用VAR模型和脈沖響應函數等方法就融資融券交易對中國股市波動性產生的影響進行實證研究，同時選取顯著的牛市和熊市進行了穩(wěn)健性檢驗，研究發(fā)現：(1)融資和融券交易是股市波動性的格蘭杰原因，融資和融券交易都會對股市波動性產生負向沖擊，但是沖擊存在一定的時滯性。(2)融資、融券對中國股市波動性方差變動的貢獻程度都比較低，因此融資、融券交易降低股市波動性的作用有限。(3)不論是在顯著的牛市還是熊市中，融資、融券交易都起到了抑制股市波動的作用，并且在顯著的牛市或熊市中時，融券交易比融資交易更能夠發(fā)揮出平抑市場波動的作用。

基于上述研究結論，本文提出如下政策建議：第一，完善融資融券交易機制，進一步發(fā)揮兩融機制的市場作用。目前我國融資融券交易機制還不完善，在投資者門檻、保證金比例、履約保障等多方面存在嚴格的管制和限制，這嚴重影響了融資融券的市場調節(jié)功能，進一步放寬交易條件、設置更靈活的保證金制度和風險管理制度有助于提升其市場調節(jié)作用。第二，進一步提升融券交易的市場地位，同時配套相應的風險防范措施。我國融券交易起步較晚，近兩年來才獲得迅猛發(fā)展，但標的證券主要局限于少數股票，仍然存在剛性供給不足的問題，難以起到促進融資融券交易發(fā)展和抑制市場風險泡沫的作用。因此，應當進一步擴大融資融券標的證券范圍，同時結合證券、期貨等多個市場管理要求，建立標的證券的動態(tài)管理制度，形成多方位的風險監(jiān)測體系，從而降低和避免融券交易的負面影響。