賣空交易機(jī)制對(duì)股票市場(chǎng)波動(dòng)的影響研究

李萌

(興業(yè)基金管理有限公司，上海,200003)

自我國(guó)股票市場(chǎng)引入融資融券交易機(jī)制以來,融券賣空交易機(jī)制對(duì)股票價(jià)格穩(wěn)定性的影響便成為監(jiān)管界與學(xué)術(shù)界關(guān)注的重點(diǎn)。在2015年我國(guó)股票市場(chǎng)發(fā)生異常波動(dòng)后(1)自2014年7月開始,我國(guó)股票市場(chǎng)出現(xiàn)一輪上漲行情,股市過快上漲使市場(chǎng)風(fēng)險(xiǎn)不斷累積,當(dāng)一致預(yù)期轉(zhuǎn)變時(shí),市場(chǎng)出現(xiàn)快速下跌。在2015年6月15日至7月8日的17個(gè)交易日內(nèi),上證綜指和深證成指分別下跌32%和39%。同時(shí),自2015年6月中旬的3個(gè)月內(nèi),出現(xiàn)16次千股跌停,股票市場(chǎng)發(fā)生了罕見的異常波動(dòng)。,為防范系統(tǒng)性風(fēng)險(xiǎn),監(jiān)管部門加強(qiáng)對(duì)賣空交易的監(jiān)管,出臺(tái)融券賣出由T+0改為T+1等規(guī)定,逐步加大對(duì)融券業(yè)務(wù)的監(jiān)管力度。2020年以來,受2019冠狀病毒病疫情與原油價(jià)格沖擊的影響,我國(guó)股票市場(chǎng)發(fā)生大幅震蕩,融券賣空交易也相應(yīng)進(jìn)一步活躍化,融券交易余額占融資融券余額的比重由年初的1%左右顯著提升至接近2%。鑒于此,有必要進(jìn)一步評(píng)估融券賣空交易對(duì)股票市場(chǎng)波動(dòng)的影響。

本文采用有向無環(huán)圖(DAG)以及基于SVAR模型的脈沖響應(yīng)分析技術(shù),實(shí)證分析了融券賣空交易與股票市場(chǎng)流動(dòng)性、波動(dòng)性之間的動(dòng)態(tài)關(guān)系,并發(fā)現(xiàn)融券賣空交易會(huì)促使市場(chǎng)流動(dòng)性增加,并有助于降低市場(chǎng)波動(dòng)。

1 文獻(xiàn)回顧

從現(xiàn)有相關(guān)文獻(xiàn)來看,融券賣空交易對(duì)股票市場(chǎng)流動(dòng)性和波動(dòng)性的影響是研究的重點(diǎn)。一方面,針對(duì)融券賣空交易對(duì)市場(chǎng)流動(dòng)性的影響研究而言,現(xiàn)有研究的主流觀點(diǎn)認(rèn)為賣空交易有利于提高標(biāo)的資產(chǎn)和市場(chǎng)整體的流動(dòng)性。比如,BEBER和PAGANO[1]基于全球多數(shù)證券監(jiān)管機(jī)構(gòu)在2008年金融危機(jī)期間的賣空限制研究表明,賣空限制不利于市場(chǎng)尤其是不利于中小盤股票的流動(dòng)性。RANDALL和DICKINSON[2]基于賣空交易與股價(jià)之間的關(guān)系研究發(fā)現(xiàn),賣空機(jī)制會(huì)為股票市場(chǎng)提供流動(dòng)性。另一方面,針對(duì)融券賣空交易對(duì)市場(chǎng)波動(dòng)和穩(wěn)定性的影響研究而言,現(xiàn)有文獻(xiàn)的研究成果存在一定分歧。其中,李志生等[3]基于中國(guó)融資融券市場(chǎng)的自然實(shí)驗(yàn)研究表明,融券交易有效提高了我國(guó)股票市場(chǎng)價(jià)格的穩(wěn)定性。肖浩與孔愛國(guó)[4]發(fā)現(xiàn)融資融券降低了標(biāo)的股票價(jià)格的特質(zhì)性波動(dòng)。與上述研究結(jié)論不同,也有一些學(xué)者發(fā)現(xiàn)由于融券賣空機(jī)制的存在,會(huì)導(dǎo)致股票價(jià)格發(fā)生過度波動(dòng)。比如,廖士光與楊朝軍[5]利用香港股票市場(chǎng)的數(shù)據(jù)研究表明,對(duì)于整個(gè)股票市場(chǎng)而言,賣空機(jī)制推出后,市場(chǎng)波動(dòng)性加大。巴曙松與朱虹[6]認(rèn)為融資融券交易對(duì)投資者情緒及市場(chǎng)波動(dòng)具有強(qiáng)化效應(yīng)。

2 實(shí)證方法與樣本數(shù)據(jù)

2.1 SVAR模型

結(jié)構(gòu)VAR模型(structural VAR,SVAR)通過施加短期約束,將變量的當(dāng)期關(guān)系納入傳統(tǒng)VAR模型中,克服了傳統(tǒng)VAR模型難以估計(jì)變量間當(dāng)前相關(guān)關(guān)系的缺陷[7-8]。以m個(gè)變量的p階結(jié)構(gòu)向量自回歸模型SVAR(p)為例,其一般矩陣形式可表示為

(1)

2.2 有向無環(huán)圖分析方法(DAG)

正確設(shè)定變量之間的同期因果關(guān)系,即如何有效矩陣形式模型公式中的識(shí)別矩陣C0,是關(guān)系SVAR模型估計(jì)效果的關(guān)鍵。與利用先驗(yàn)信息或相關(guān)經(jīng)濟(jì)理論所形成的主觀判斷對(duì)矩陣進(jìn)行識(shí)別的方法相比,有向無環(huán)圖(directed acyclic graphs,DAG)分析方法有效避免了主觀判斷對(duì)模型估計(jì)有效性的不利影響。

有向無環(huán)圖(DAG)分析方法借助殘差的方差-協(xié)方差矩陣,對(duì)數(shù)據(jù)層面上具有相關(guān)關(guān)系的變量指定因果流,以刻畫變量間的同期因果關(guān)系。對(duì)于變量A和變量B,兩者之間的關(guān)系存在5種情形:(1)A→B,即存在由A變化導(dǎo)致B變化的單向關(guān)系；(2)A←B,即存在由B變化導(dǎo)致A變化的單向關(guān)系；(3)A?B,即存在兩變量相互作用的雙向關(guān)系；(4)A—B,即雖然兩變量間存在因果關(guān)系,但指向并不明確；(5)A—B,即兩變量相互獨(dú)立[9-11]。

采用PC算法可以構(gòu)建有向無環(huán)圖,該算法從完全無向圖開始,經(jīng)過2個(gè)步驟明確變量間的同期因果關(guān)系。第一步是去邊。首先檢驗(yàn)每對(duì)變量的0階偏相關(guān)系數(shù)(即無條件相關(guān)系數(shù))是否顯著,并移去不顯著變量間的無向邊；然后對(duì)未移去無向邊所對(duì)應(yīng)的變量,檢驗(yàn)其1階偏相關(guān)系數(shù)是否顯著,將不顯著變量間的無向邊移去；檢驗(yàn)2階偏相關(guān)系數(shù)時(shí),以此類推。第二步是定向。去邊完成后,按照如下規(guī)則對(duì)保留下來的無向邊設(shè)定指向:考慮A—B—C,在該鏈條下A與B相鄰,B與C相鄰,A與C不相鄰。如果B不屬于A與C的隔離集(2)隔離集是導(dǎo)致兩變量間無向邊被移去的條件變量所組成的集合。,則三者之間的同期因果關(guān)系為A→B←C。

2.3 樣本數(shù)據(jù)

本文以在上海證券交易所上市交易的股票為研究對(duì)象,分別采用融券交易余額、上證綜合指數(shù)換手率和過去60個(gè)交易日移動(dòng)窗口內(nèi)上證綜合指數(shù)日收益率的標(biāo)準(zhǔn)差來度量融券賣空交易規(guī)模、市場(chǎng)流動(dòng)性和波動(dòng)性水平。數(shù)據(jù)來源于WIND資訊金融數(shù)據(jù)庫。本文將樣本區(qū)間設(shè)定在2014年至2020年3月末。

為減少異方差和保證數(shù)據(jù)平穩(wěn)性,本文對(duì)融券交易余額進(jìn)行對(duì)數(shù)差分處理,對(duì)上證綜合指數(shù)日收益標(biāo)準(zhǔn)差進(jìn)行標(biāo)準(zhǔn)化處理,得到日收益率的變異系數(shù)(也稱標(biāo)準(zhǔn)差率)。融券賣空交易規(guī)模、市場(chǎng)流動(dòng)性和波動(dòng)性水平分別用SHORT，TURNOVER和VOL來表示。

3 實(shí)證結(jié)果分析

3.1 變量平穩(wěn)性檢驗(yàn)

本文采用ADF方法對(duì)所有變量進(jìn)行單位根檢驗(yàn)。由檢驗(yàn)結(jié)果可以看出,各變量均在1%的顯著性水平下拒絕“存在單位根”假設(shè),即模型中各變量均具有平穩(wěn)性，見表1。

表1 單位根檢驗(yàn)結(jié)果

3.2 同期因果關(guān)系DAG分析及SVAR識(shí)別

本文建立了2階VAR模型,并得到殘差的相關(guān)系數(shù)矩陣r如下:

SHORT TURNOVER VOL

(2)

基于上述殘差相關(guān)系數(shù)矩陣,本文采用有向無環(huán)圖分析方法來研究融券賣空交易(SHORT)、流動(dòng)性(TURNOVER)和波動(dòng)性(VOL)之間的同期因果關(guān)系。首先,用無向邊將3個(gè)變量中任意2個(gè)變量連接起來,形成完全無向圖(如圖1所示)；然后,借助TETRADⅢ軟件對(duì)殘差相關(guān)系數(shù)矩陣進(jìn)行分析,明確完全無向圖中無向邊的存在性和指向性。本文采用5%的顯著性水平。

圖1 完全無向圖

具體來說,在無條件相關(guān)系數(shù)中,融券賣空交易(SHORT)和波動(dòng)性(VOL)的相關(guān)系數(shù)為0.003 6,其p為0.890 4,因而在5%的顯著性水平下,SHORT與VOL擾動(dòng)項(xiàng)之間同期獨(dú)立。據(jù)此,可以移去SHORT與VOL之間的無向邊。在去邊階段完成后,完全無向圖中保留下來的同期因果關(guān)系表示為SHORT-TURNOVER-VOL。

進(jìn)一步地,由于以TURNOVER擾動(dòng)項(xiàng)為條件變量時(shí)SHORT與VOL間偏相關(guān)系數(shù)的p小于5%,因而可以斷定在5%的顯著性水平下,TURNOVER不屬于SHORT與VOL的隔離集。根據(jù)定向原則,上述系統(tǒng)變量之間的同期因果關(guān)系應(yīng)為SHORT→TURNOVER←VOL，如圖2所示,即存在由融券賣空交易到市場(chǎng)流動(dòng)性、市場(chǎng)波動(dòng)性到流動(dòng)性的同期因果關(guān)系。也就是說,融券賣空交易、市場(chǎng)波動(dòng)均會(huì)在當(dāng)期內(nèi)對(duì)市場(chǎng)流動(dòng)性產(chǎn)生影響。

圖2 5%顯著性水平下的有向無環(huán)圖

基于上述DAG結(jié)果,本文對(duì)矩陣M和N施加如下結(jié)構(gòu)約束,以建立SVAR模型:

(3)

其中,矩陣M的對(duì)角線元素均為1,在非對(duì)角線元素中,除同期因果關(guān)系所對(duì)應(yīng)的元素(M21和M23)外均施加0約束；矩陣N的非對(duì)角線元素均施加0約束(3)*表示未定的待估計(jì)參數(shù)。。從SVAR模型的估計(jì)結(jié)果，如表2所示，可以看出,所有參數(shù)估計(jì)值對(duì)應(yīng)的p均小于5%,即在5%的顯著性水平下,參數(shù)估計(jì)具有顯著性。

表2 SVAR模型參數(shù)估計(jì)結(jié)果

另外,Sims似然比檢驗(yàn)可用于判別DAG分析結(jié)果的合理性。根據(jù)檢驗(yàn)結(jié)果,LR統(tǒng)計(jì)量為0.019 4,其對(duì)應(yīng)p為0.89,在1%的顯著性水平下無法拒絕“過度識(shí)別約束為真”的原假設(shè)。因而由DAG分析所捕捉的同期因果關(guān)系以及進(jìn)一步的SVAR模型識(shí)別是合理而有效的,可以對(duì)SVAR模型進(jìn)行脈沖響應(yīng)分析和預(yù)測(cè)誤差方差分解，以深入分析融券賣空交易、市場(chǎng)流動(dòng)性和波動(dòng)性之間的動(dòng)態(tài)關(guān)系。

3.3 基于DAG分析的脈沖響應(yīng)分析

基于有向無環(huán)圖所刻畫的變量間的同期因果關(guān)系,本文識(shí)別并建立了SVAR模型。進(jìn)一步地,為了揭示融券賣空交易沖擊對(duì)市場(chǎng)流動(dòng)性和波動(dòng)性的影響,本文進(jìn)行了脈沖響應(yīng)分析,結(jié)果如圖3和圖4所示。

圖3 融券賣空交易對(duì)市場(chǎng)流動(dòng)性的脈沖響應(yīng)函數(shù)

圖4 融券賣空交易對(duì)市場(chǎng)波動(dòng)性的脈沖響應(yīng)函數(shù)

根據(jù)脈沖響應(yīng)分析結(jié)果,當(dāng)融券賣空交易規(guī)模出現(xiàn)暫時(shí)性增長(zhǎng)時(shí),一方面,市場(chǎng)換手率自當(dāng)期明顯上升,并在第1個(gè)預(yù)測(cè)期進(jìn)一步上升,并自第2個(gè)預(yù)測(cè)期開始逐步回歸至均衡水平，如圖3所示。另一方面,融券賣空交易擴(kuò)張?jiān)诋?dāng)期并不會(huì)影響市場(chǎng)波動(dòng)性,并自第1個(gè)預(yù)測(cè)期開始導(dǎo)致市場(chǎng)波動(dòng)率下降,該負(fù)面沖擊力度會(huì)在第2個(gè)預(yù)測(cè)期進(jìn)一步加大,并于3個(gè)預(yù)測(cè)期快速減弱至均衡水平。

總體上,從融券賣空交易對(duì)系統(tǒng)內(nèi)變量的脈沖響應(yīng)函數(shù)可以看出,融券賣空交易會(huì)促使市場(chǎng)流動(dòng)性增加,并有助于降低市場(chǎng)波動(dòng)。從作用機(jī)制上看,融券交易的上述作用效果主要源于這種賣空機(jī)制能夠使投資者通過信用交易參與市場(chǎng),形成雙向交易的市場(chǎng)格局。具體來說,一方面,在賣空交易機(jī)制下,看跌投資者可以向符合條件的證券公司借入股票并賣出,而不受須持有該股票才能賣出的約束,增加了股票的供給彈性,這不僅有助于提高交易頻率,增加市場(chǎng)流動(dòng)性,而且避免了單邊做多情形下股票供不應(yīng)求而出現(xiàn)巨幅震蕩的局面。另一方面,如果股票市場(chǎng)限制融券賣空,做空者無法進(jìn)入市場(chǎng),股價(jià)更多地反映做多者的觀點(diǎn),這往往導(dǎo)致股價(jià)被高估[12]。融券交易使做空者的觀點(diǎn)在股價(jià)中得到充分反映,促使股價(jià)向其內(nèi)在價(jià)值收斂。融券交易在提高市場(chǎng)定價(jià)效率的同時(shí),避免了證券價(jià)格過度偏離其內(nèi)在價(jià)值而埋下市場(chǎng)暴漲暴跌的隱患。此外,融券交易為投資者提供了規(guī)避市場(chǎng)風(fēng)險(xiǎn)的手段,幫助投資者在一定程度上規(guī)避證券價(jià)格下跌的風(fēng)險(xiǎn),避免了市場(chǎng)下跌時(shí)投資者集中拋售股票。

4 結(jié)論與建議

本文采用有向無環(huán)圖(DAG)及結(jié)構(gòu)SVAR模型實(shí)證考察了我國(guó)股票市場(chǎng)融券賣空交易對(duì)市場(chǎng)流動(dòng)性和市場(chǎng)波動(dòng)性的影響。DAG分析結(jié)果表明,融券賣空交易會(huì)在當(dāng)期內(nèi)對(duì)市場(chǎng)流動(dòng)性產(chǎn)生影響。從基于DAG的脈沖響應(yīng)分析結(jié)果可以看出,融券賣空交易會(huì)促使市場(chǎng)流動(dòng)性增加[13],并有助于降低市場(chǎng)波動(dòng)。

從我國(guó)融資融券業(yè)務(wù)的發(fā)展?fàn)顩r來看,融資融券存在結(jié)構(gòu)性失衡,融券業(yè)務(wù)規(guī)模過低,盡管融券余額占兩融余額的比例自2020年以來有所提升,但該比例仍不超過2%,這導(dǎo)致融券交易平抑市場(chǎng)波動(dòng)的功能難以有效發(fā)揮。這是因?yàn)槭苋垂┙o不足、融券成本較高等因素影響,投資者融入股票的數(shù)量受到限制。相反,當(dāng)股票市場(chǎng)處于上漲行情階段時(shí),場(chǎng)內(nèi)融資和場(chǎng)外配資規(guī)模急速膨脹,杠桿水平不斷加大,多空力量的嚴(yán)重失衡進(jìn)一步弱化了融券交易對(duì)市場(chǎng)波動(dòng)的平抑作用。

因此,為促進(jìn)股票市場(chǎng)流動(dòng)性增加并降低市場(chǎng)波動(dòng)程度,建議監(jiān)管部門以完善融券交易制度設(shè)計(jì)為核心,緩解融資融券業(yè)務(wù)失衡現(xiàn)狀。一方面,降低融券成本,拓寬融券渠道,繼續(xù)推動(dòng)轉(zhuǎn)融券業(yè)務(wù)的發(fā)展,促使融資融券結(jié)構(gòu)性失衡現(xiàn)狀得到緩解,使融券交易增加市場(chǎng)流動(dòng)性、平抑市場(chǎng)波動(dòng)的功能得到有效發(fā)揮。另一方面,應(yīng)完善融券交易申報(bào)制度,警惕投機(jī)性賣空力量破壞股票市場(chǎng)的穩(wěn)健運(yùn)行。在推動(dòng)融券業(yè)務(wù)發(fā)展的同時(shí),應(yīng)注意防范投機(jī)者借此做空股票市場(chǎng)。為此,應(yīng)加強(qiáng)對(duì)融券交易行為的監(jiān)控,通過完善融券交易申報(bào)管理及時(shí)跟蹤并監(jiān)管大額賣空交易,預(yù)防市場(chǎng)操縱行為的發(fā)生。