融資融券交易對中國股市波動性的影響研究

張?zhí)K林 程帆

摘要：融資融券交易制度是現(xiàn)代金融市場中常見的交易手段之一，該制度的引入正式開啟了我國證券市場“雙邊市”時代。以2014—2018年的交易數(shù)據(jù)為樣本，采用帶有啞變量的GARCH模型以及Hsiao et al.政策面板評估模型，通過研究兩融交易對中國股票市場和兩融標的股波動性的影響發(fā)現(xiàn)，第一，當政府連續(xù)三次以上以相悖的政策干預市場時，兩融制度更傾向于增大股票市場的波動性，且融資交易和融券交易對股市波動性的影響具有非對稱性;第二，兩融制度有效平抑了標的股的波動性，但卻增加了標的股的異常漲跌頻率。

關鍵詞：融資融券交易;市場波動性;政策面板模型;異常漲跌率

Abstract： Margin trading as a common trading pattern of stock markets open a new age of Chinas security market.This paper analyzes the impact of margin trading in Chinese stock market by GARCH model and the method of Hsiao et al.（2012） based on data of 2014-2018. The result proved that firstly， as financial control intensified efforts， margin trading increased the volatility of stock market. Secondly， although margin trading decreased underlying stocks volatility increased the frequency of abnormal change. And securities lending transactions increased both the volatility of market and abnormal rate of change.

Keywords： Margin Trading; the Volatility of Stock Market; Panel Data of Hsiao et al.; Abnormal Rate of Change

一、引言

融資融券交易又稱為證券信用交易，現(xiàn)已成為發(fā)達資本市場中常見的交易形式之一。隨著新興經濟體對外開放程度的不斷提高和自身制度的不斷完善，新興證券市場也結合自身特點引入了融資融券制度。2010年，我國正式引入兩融制度，結束了我國證券市場“單邊市”的時代。學術界普遍認為，融資融券制度尤其是融券制度的推出有助于證券價格的穩(wěn)定，進而有助于平抑證券市場的波動性。隨著兩融制度的不斷發(fā)展，參與者數(shù)量的不斷壯大，截至2018年6月，兩融余額已突破萬億。隨著兩融制度的不斷完善，交易規(guī)模的不斷擴大，一個問題引起了人們的廣泛關注：融資融券制度是平抑還是增大了證券市場的波動率？

早期，我國學者主要以臺灣和香港地區(qū)的數(shù)據(jù)為樣本，研究融資融券交易對股市波動性的影響。鑒于我國證券市場的特殊性，研究結論并不適用。2013年，Sharif et al.首次以中國大陸的兩融交易數(shù)據(jù)和A股市場波動率為樣本進行實證分析。研究發(fā)現(xiàn)，融資融券制度推出后，標的股的波動率出現(xiàn)了明顯的下降。但是，該研究以2010年首批成為標的股的股票為研究對象，鑒于我國剛推出兩融制度，無論是交易規(guī)模，還是投資者參與度都較小，因此，結論也具有一定的局限性。本文以第五次擴容后的數(shù)據(jù)為樣本，基于Hsiao面板數(shù)據(jù)政策效應評估方法進行實證分析，避免了因數(shù)據(jù)選取造成的結論偏差。同時，基于市場整體、個股兩個維度，研究融資融券制度能否有效平抑證券市場的波動性。

二、文獻綜述

融資融券交易自其出現(xiàn)至今已有400多年歷史，現(xiàn)已成為發(fā)達資本市場中常見的交易制度之一。國外學者對于融資融券制度與證券市場交易質量之間的關系的研究起步較早，得出的結論主要有以下三種：

第一種觀點認為，融資融券制度會加劇市場整體和個股的波動性。Hong和Stein（2003）研究發(fā)現(xiàn)，賣空約束降低了賣空者的利空信息的傳遞效率，當市場出現(xiàn)下跌信號后，累積的負面消息集體爆發(fā)，加劇了市場整體的下跌態(tài)勢，進而加劇了證券市場的波動性[1]。Welch和Bernardo（2004）研究了金融恐慌和金融危機之間的關系，研究發(fā)現(xiàn)，投資者的恐慌情緒來自證券市場，當投資者面臨恐慌情緒的影響時，更容易出現(xiàn)“羊群效應”，即投資者集體進行恐慌性拋售，加劇金融市場的波動[2]。Battalion和Schultz（2011）研究賣空約束對股票期權市場的影響后發(fā)現(xiàn)，賣空約束使得股票的綜合價格偏離其真實股價，增加了市場的波動性[3]。

第二種觀點認為，融資融券制度更傾向于平抑證券市場的波動性。Paul J.Seguin（1990）研究了保證金制度與融資融券制度之間的關系后認為，融資融券制度的推出，有利于推動信息在證券市場和投資者間的流動，具有價格發(fā)現(xiàn)功能[4]。James.J.Angel（1997）以納斯達克個股數(shù)據(jù)為樣本進行實證分析發(fā)現(xiàn)，融資融券制度的推出能夠有效平抑股票市場的波動性，提升股市穩(wěn)定性[5]。Anchada Charoenrook和Hazem Daouk（2005）基于對111個國家證券市場交易數(shù)據(jù)的實證分析發(fā)現(xiàn)，引入融資融券制度的國家比沒有引入融資融券制度的國家擁有更低的股市波動率[6]。Saqib Sharif（2015）以中國證券市場的波動率為樣本分析發(fā)現(xiàn)，融資融券制度能有效地平抑A股市場的波動率[7]。

第三種觀點認為，融資融券制度與證券市場的波動性之間沒有明顯的關系。Gerety等（1991）研究了道瓊斯工業(yè)指數(shù)期貨與股票價格指數(shù)之間的關系，研究表明，兩者之間沒有明顯的因果關系。Charles等（1997）以1978—1995年全球股票期貨市場上12種股指期貨的數(shù)據(jù)為樣本，研究發(fā)現(xiàn)股指期貨的推出對股指波動性的影響較小。Sigurdsson和Saffi（2011）通過研究26個國家的上萬只股票發(fā)現(xiàn)，賣空機制與價格泡沫之間沒有直接的因果關系[8]。

我國最早引入融資融券制度的是臺灣和香港地區(qū)，因此，我國學者對于融資融券制度與證券市場波動性的研究也主要集中在港臺兩地。巴曙松（2005）研究認為，融資融券業(yè)務尤其是融券業(yè)務在短期內不會對股市波動性產生影響[9]。王旻、廖士光、吳淑琨（2008）基于臺灣證券市場的融資融券交易數(shù)據(jù)的研究發(fā)現(xiàn)，融資融券制度與市場波動之間無明顯關系[10]。許紅偉和陳欣（2012）以我國證券市場數(shù)據(jù)為樣本分析發(fā)現(xiàn)，融資融券業(yè)務對標的股的影響有限。李科、徐龍炳、朱偉驟（2014）以白酒行業(yè)的個股為樣本分析認為，融資融券制度在長期中有助于抑制股票的波動性。林祥友等（2016）以首批標的股為樣本，利用DID模型和非參數(shù)檢驗方法，研究融資融券制度對股市波動性的影響，研究發(fā)現(xiàn)融資融券制度有顯著的助長助跌效應[11]。張俊瑞，白雪蓮、孟翔展（2016）運用敏感性分析方法研究發(fā)現(xiàn)融資融券制度所引起的內幕交易在一定程度上增大了證券市場的波動性[12]。

三、理論基礎與計量方法

本文采用帶有啞變量的GARCH模型和Hsiao et al.政策面板評估方法研究兩融交易對我國股市波動率的影響。鑒于帶有啞變量的GARCH模型是研究金融序列常用的經典模型之一，本文不再贅述。因此，本節(jié)著重介紹基于Hsiao et al.政策面板評估方法的反事實路徑的構造以及固定效應面板模型。

（一）Hsiao et al.面板數(shù)據(jù)評估方法

本文對于兩融制度對個股波動性的影響的實證分析主要基于Hsiao et al.（2012）的面板數(shù)據(jù)政策評估方法。該模型的假設：存在一些共同因子能同時對所有橫截面數(shù)據(jù)單位產生影響。這一假設前提已被學術界廣泛接受。本節(jié)主要闡述如何利用控制組構造實驗組個股的波動率的反事實路徑。

（二）固定效應面板模型

經典的回歸模型假設樣本是平穩(wěn)的時間序列，因此，為了避免出現(xiàn)偽回歸，在構建面板回歸模型之前，先對上文中求出的處置效應進行平穩(wěn)性檢驗。

四、數(shù)據(jù)選取及分析

（一）整體波動性的數(shù)據(jù)選取及分析

本文研究融資融券制度對中國股票市場波動性的影響?；谑袌鰧用娴恼w波動性的實證分析，涉及到融資余額、融券余額、股票日收益率和波動率等指標。本文選取2014年12月1日至2015年12月31日的上證指數(shù)、滬市融資余額、滬市融券余額和指數(shù)日收益率數(shù)據(jù)作為樣本數(shù)據(jù)，以GARCH模型擬合序列表示股票市場的波動率，研究兩融交易對股票市場波動性的影響。為避免出現(xiàn)偽回歸，本文采用上證指數(shù)日收盤價的一階差分作為樣本的收益率序列。

（二）個股波動性的數(shù)據(jù)選取及分析

本文對于融資融券制度對個股波動性的實證分析主要基于Hsiao et al.（2012）的面板數(shù)據(jù)政策評估方法。為了避免樣本選擇偏差，本文以2016年12月12日第5次擴容為時間分界線，選取2015年12月12日至2018年6月12日為樣本研究區(qū)間。實驗組選取在2016年12月12日以后成為標的股，而在此之前為非標的股的股票;同時，剔除長時間停牌的股票共8只;剔除采礦業(yè)、金融業(yè)的個股;剔除窗口期被S.T或摘牌的個股，其中S.T的兩支，摘牌的0支。對于控制組的選取標準如下：1.剔除曾經成為標的股后又被移出標的股名單的股票;2.剔除采礦業(yè)和金融業(yè)的股票;3.剔除2016年12月12日以后成為標的股的股票;4.剔除交易日少于500天的股票;5.剔除研究區(qū)間內被S.T或停牌的股票。

在進行股票匹配過程中，由于控制組股票太多，在一定程度上降低了預測的準確性，所以，本文通過指標選取出與控制組最相近的20只非標的股（Hsiao et al.2012）作為控制組。Sharif（2013）以中國股市數(shù)據(jù)研究兩融交易對股票的波動率的影響時采用換手率、股票市值、股票日收盤價以及日波動率作為指標選取與標的股最為匹配的非標的股，姚磊（2016）采用的是隨機選擇的方法，陳海強（2015）采用的是資本資產定價模型中的貝塔值作為選取指標。因為中國的標的股皆是選取的流動性強、市值大、具有一定代表性的藍籌股，并非隨機挑選，所以本文采用陳海強（2015）的方法來選取控制組樣本。首先，按照公式（11），將數(shù)值由小到大排序，找出與控制組最相近的20只非標的股。

五、實證分析

（一）GARCH模型分析

首先，檢驗上證指數(shù)是否存在條件異方差，即波動性集聚。經檢驗發(fā)現(xiàn)，無論是收益率的時間趨勢、殘差自相關圖、殘差偏自相關圖還是Q檢驗均顯示擾動項存在條件異方差，即波動性集聚。其次，由于上證指數(shù)收益率可能存在厚尾，因此假設擾動項服從t分布，并進行GARCH（1，1）估計。結果顯示，ARCH（1）與GARCH（1）均很顯著，且兩者系數(shù)之和小于1，滿足GARCH有效條件。將GARCH（1，1）模型估計結果作為衡量證券市場價格的波動率VOL。 最后，本文采用VAR模型研究兩融交易制度對股票市場價格波動率的影響。記融資余額為MAR，融券余額為SS。經檢驗，MAR、SS、VOL都是一階平穩(wěn)的。

如圖2所示，建立VAR（3）模型，并檢驗殘差是否存在自相關。結果顯示，VAR系統(tǒng)是穩(wěn)定的。其中，有1個根十分接近單位圓，意味著有些沖擊有較強的持續(xù)性（如圖3）。

通過脈沖響應函數(shù)分析融資交易和融券交易對股票市場波動性的影響。如圖4所示，給MAR一單位正的沖擊時，得到正的沖擊值，并存在長期性的影響。表明融資交易對股市波動性有正的沖擊，即融資交易增大了股票市場的波動率，且這種沖擊效應具有一定的持續(xù)性;給SS一單位正的沖擊，得到負的沖擊值，并存在長期性的影響。表明融券交易對股市波動性有負的沖擊，即融券交易抑制了股市的波動率，且這種抑制作用具有一定的持續(xù)性。融資融券制度對于股市波動率的總影響取決于融資交易與融券交易的相對規(guī)模。

（二）固定效應面板模型分析

首先，根據(jù)上文所述方法求出處置效應，并對處置效應進行t檢驗，結果見表5，由表5可以看出，波動率的處置效應都是顯著的。

由上述分析可知，融資融券制度在整體上有效降低了個股的波動率，且降低幅度取決于個股的異質性。下面本文將通過回歸分析分析兩融交易對個股波動率的影響。模型被解釋變量為處置效應，將融資余額比、融券余量比作為解釋變量以消除由于融資融券規(guī)模的差異帶來的影響。同時，將市盈率、市凈率、換手率、對數(shù)流通市值作為控制變量。由于本文的實證分析涉及到不同的事件時期和不同組的數(shù)據(jù)，所以在進行回歸分析時在模型中引入時間虛擬變量和組間虛擬變量。首先，檢驗各樣本區(qū)間數(shù)據(jù)的平穩(wěn)性。經檢驗各項變量在樣本期均是平穩(wěn)的。其次，對樣本進行組間異方差、組內自相關和豪斯曼檢驗，結果表明應使用固定面板模型。

由表6可知，融資交易和個股波動率之間是負相關關系，即融資交易降低了股票的波動率，而融券交易和個股的波動率之間存在顯著的正相關關系，即融券交易增大了個股的波動率。兩融交易對個股波動的總影響取決于融資交易與融券交易的相對規(guī)模。從整體上來說，絕大多數(shù)股票的融資交易的活躍程度在很大程度上超過融券交易，使得兩融制度對絕大多數(shù)股票波動率的總影響顯示出抑制的作用。

由表7可知，交叉虛擬變量對異常上漲頻率、異常下跌頻率有負影響，時間虛擬變量和融資余額比對異常上漲率有負影響，對異常下跌頻率有正效應，融券余量比對異常上漲率、異常下跌率有正效益。即融資余額比增加了異常下跌頻率，而融券余量比既增加了異常上漲率又增加了異常下跌頻率。

六、結論及建議

（一）結論

本文從市場整體波動性和個股波動性兩個維度出發(fā)，研究融資融券制度對股市波動性的影響，分別使用GARCH模型和Hsiao的政策面板分析法進行實證分析。

由GARCH模型的實證分析我們發(fā)現(xiàn)，當政府連續(xù)三次以上以作用相悖的政策干預市場時，融資交易具有增大股票市場波動性的作用而融券交易能有效平抑股票市場的波動性。由于我國融資交易和融券交易發(fā)展極不平衡，融資交易額占兩融交易總額的95%以上，因此，融資融券交易總體上增大了股票市場的波動率。

由面板分析發(fā)現(xiàn)，融資交易具有平抑個股波動性的作用，同時也降低了個股異常上漲率，但是卻增加了個股異常下跌頻率。融券交易增加了個股的波動率，同時也增加了個股的異常下跌頻率和個股異常上漲頻率。鑒于我國兩融交易發(fā)展現(xiàn)狀，融資融券交易整體上平抑了個股的波動性，但卻增加了個股異常波動頻率。

研究結果表明，對于個股來說，兩融制度的引入平抑了標的股的波動性，但卻增加了標的股的異常漲跌率;基于市場整體層面的研究發(fā)現(xiàn)，在短期較強力度的政策干預下，融資融券制度顯著地增大了股票市場波動性。

（二）相應的政策建議

1.基于監(jiān)管者角度，融資融券制度本身是具有價格發(fā)現(xiàn)功能的，能夠平抑股票波動性。但是，如果監(jiān)管機構在短期內連續(xù)三次以上以作用相悖的政策干預證券市場，如2015年上半年的“極松”和下半年的“極緊”，兩融制度反而增加了股市的波動性。所以，應穩(wěn)健地推行兩融制度，出臺和完善相關的法律法規(guī)的同時給予市場一定的自由度，以“溫和”的引導為主，使其更好地適應和發(fā)展新制度。

2.基于融資融券交易推進者角度，融資交易所占比例高達95%，遠高于西方發(fā)達國家的比例。形成這一局面的原因除了券源不足外，較低的融券額度、較高的交易利率都不利于融券業(yè)務的開展。降低融券利率，提升證券公司進行融券交易的積極性，同時，積極促進轉融通業(yè)務的發(fā)展，緩解融券標的不足的問題，促使融資融券制度更加完善。

3.基于證券公司角度，通過面板數(shù)據(jù)固定效應模型分析得出，融資交易對股票價格的波動有負向影響，融券交易對股票價格的波動有正向影響，也就是說，對于成為標的股的個股來說，融資交易降低了標的股的波動率，而融券交易則恰恰相反。證券公司在進行投資活動時，應做好風險控制，優(yōu)化融資活動，提高自身抵御風險的能力，積極探索證券交易多樣化的路徑。

4.基于個人投資者角度，通過豐富融資融券業(yè)務對中國股票市場波動性的研究，使投資者更加理性客觀而全面的理解融資融券制度以及該制度的風險特征，加強投資者自身的風險控制和防范能力;同時，兩融交易雖然在整體上降低了標的股的波動率，但是會導致標的股異常波動頻率的增加。因此，個人投資者在投資于兩融標的股時應更加謹慎。

[參考文獻]

[1]Hong H， Stein J C. Differences of Opinion， Short-Sales Constraints， and Market Crashes[J]. Review of Financial Studies， 2003， 16（2）：487-525.

[2]Bernardo， Antonio E， Welch， Ivo. Liquidity and Financial Market Runs[J]. The Quarterly Journal of Economics， 2004， 119（1）：135-158.

[3]Battalio R， Schultz P. Regulatory Uncertainty and Market Liquidity： The 2008 Short Sale Bans Impact on Equity Option Markets[J]. Journal of Finance， 2011， 66（6）：2013-2053.

[4]Seguin P J. Stock Volatility and Margin Trading[J]. Journal of Monetary Economics， 1990， 26（1）：101-121.

[5]James J. Angel. Short Selling on the NYSE[D]. Georgetown University，1997.

[6]Anchada Charoenrook，Hazem Daouk. A Study of Market-Wide Short- Selling Restrictions[D]. Vanderbilt University and Cornell University，2005.

[7]Sharif S， Anderson H D， Marshall B R. Against the Tide： the Commencement of Short Selling and Margin Trading in Mainland China[J]. Accounting & Finance， 2015， 54（4）：1319-1355.

[8]Saffi P A C， Sigurdsson K. Price Efficiency and Short Selling[J]. Review of Financial Studies， 2011， 24（3）：821-852.

[9]巴曙松. 融資融券：激活市場的創(chuàng)新舉措[J]. 金融博覽， 2006（9）：17.

[10]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， 34（10）：99-109.

[11]林祥友， 易凡琦， 陳超. 融資融券交易的助漲助跌效應——基于雙重差分模型的研究[J]. 投資研究， 2016（4）：74-86.

[12]張俊瑞， 白雪蓮， 孟祥展. 啟動融資融券助長內幕交易行為了嗎？——來自我國上市公司的經驗證據(jù)[J]. 金融研究， 2016（6）：176-192.

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

[14]Cheng Hsiao， H. Steve Ching， Shui Ki Wan. A Panel Data Approach for Program Evaluation： Measuring the Benefits of Political and Economic Integration of Hongkong with Mainland China[J]. Journal of Applied Econometrics， 2012， 27（5）：705-740.

[15]金浩， 姚臻. 異常波動時期融資融券對股價特質性波動的影響研究[J]. 天津大學學報（社會科學版）， 2018， 20（1）：31-35.

[16]宮曉云. 融資融券制度提高還是降低了股價非同步性？[J]. 南方經濟， 2018， V37（11）：47-66.

[17]呂大永， 吳文鋒. 融資、融券交易及其波動對股價穩(wěn)定性的影響一致嗎[J]. 經濟理論與經濟管理， 2018， V37（4）：49-62.

（責任編輯：郭麗春）