融資融券交易對我國股市波動性影響的研究

龔玉霞++笪元元

【摘 要】 文章以滬深300指數(shù)為樣本數(shù)據(jù)研究2014年9月22日第四次擴容前后，融資融券交易對我國股票市場波動性的影響。研究表明兩融標的證券第四次擴容對市場波動性有顯著的正向影響。進一步對兩個分樣本估計結(jié)果顯示，隨著時間的推移，融資融券業(yè)務平抑股票市場波動的效果更加穩(wěn)定。最后將實證結(jié)果與我國融資融券發(fā)展現(xiàn)狀相結(jié)合提出相關(guān)對策建議。

【關(guān)鍵詞】 融資融券； 滬深300指數(shù)； VAR模型

【中圖分類號】 F832.2 【文獻標識碼】 A 【文章編號】 1004-5937（2017）02-0065-05

一、引言

融資融券交易起源于美國，是發(fā)達國家股票市場通行的交易制度，指的是證券投資者向證券公司繳納保證金，借入證券賣出獲得資金（融券交易）或者借入資金買入證券（融資交易）的行為。為了穩(wěn)定股價，結(jié)束我國的單邊市場制度，經(jīng)過近四年的積極籌備，中國證監(jiān)會于2010年3月2日宣布正式啟動融資融券業(yè)務試點。在接下來的三年里，隨著相關(guān)法律法規(guī)的逐步完善，融資融券經(jīng)歷了三次擴容，標的股票由試點階段的90只增加到第三次擴容后的700只。2014年9月12日，深滬交易所分別發(fā)布《關(guān)于擴大融資融券標的證券范圍的通知》。2014年9月22日，深滬交易所正式實施融資融券業(yè)務標的證券范圍第四次擴容，標的股票數(shù)量由700只增加到900只。

二、國內(nèi)外文獻綜述

國外學者關(guān)于融資融券對股市波動性影響問題的研究起步較早，且沒有得出一致結(jié)論。Figlewshki和Web研究認為融券交易并不能降低市場泡沫量，更不能穩(wěn)定股票價格，即對股市波動性沒有影響[ 1 ]。James和Angel選取紐交所100多只個股研究了融券交易與股價下跌之間的關(guān)系，結(jié)果表明融券交易能起到穩(wěn)定證券市場的作用[ 2 ]。Bris等通過計算個股收益的標準差發(fā)現(xiàn)，可以進行股票賣空的市場其股價波動性要低于禁止賣空的市場，即融券交易可以降低市場波動[ 3 ]。Charoenrook和Daouk等研究了賣空交易對股市波動性的影響，研究表明因為證券市場發(fā)展成熟度的差異，賣空機制會導致投機現(xiàn)象的發(fā)生，造成股票價格的大幅波動[ 4 ]。

國內(nèi)學者關(guān)于融資融券對股票市場波動影響問題的研究較晚，且大部分研究認為融資融券交易能抑制股價波動性。前期主要以臺灣和香港市場為研究對象。廖士光和楊朝軍對臺灣股票市場股票價格與賣空機制進行研究，發(fā)現(xiàn)股價指數(shù)與賣空交易額之間存在協(xié)整關(guān)系，且股價是賣空交易額的Granger原因[ 5 ]。袁華濤對香港證券市場的研究表明，標普香港大型股指數(shù)與融券賣空交易額之間存在因果關(guān)系，賣空機制有效地平抑了市場波動[ 6 ]。后期主要以A股市場為研究對象。李曉東等基于首批融資融券標的股票數(shù)據(jù)研究發(fā)現(xiàn)，融資融券標的股上市公司會計信息披露不完善一定程度上造成了股市的波動[ 7 ]。譚平以滬深300指數(shù)每日收盤價格為研究變量，運用GARCH模型和TARCH模型研究融資融券對股票價格波動性的影響，結(jié)果表明融資融券平抑了股市波動性但也帶來了杠桿風險[ 8 ]。梁星韻和劉衛(wèi)東利用Granger因果檢驗研究融資融券業(yè)務的推出與股市波動性的關(guān)系，結(jié)果表明，融資融券能降低股市波動性，但試點階段的平抑效果并不顯著[ 9 ]。佟孟華和孟照康采用710個融資融券標的股票數(shù)據(jù)，利用VAR模型，研究了不同類別股票融資融券交易對股市波動性的影響，研究表明高市盈率、高換手率股票的融資融券交易能顯著降低股市波動性[ 10 ]。吳國平和谷慎選取融資融券標的股票重新編制指數(shù)，運用GARCH模型和VAR模型實證檢驗了融資融券業(yè)務推出前后股市波動性的變化，檢驗結(jié)果表明，融資融券業(yè)務加劇了股市波動[ 11 ]。吳瓊利用事件研究法對新納入融資融券標的范圍的個股進行參數(shù)檢驗，發(fā)現(xiàn)融資融券可以抑制個股的波動性[ 12 ]。劉燁等通過構(gòu)建TARCD-XM模型從動態(tài)視角考察融資融券余額變動對股市波動性的影響，研究發(fā)現(xiàn)融資融券余額變動不能顯著增加股市波動性[ 13 ]。宋釗等通過建立GARCH、VAR模型，選取上證180指數(shù)交易日數(shù)據(jù)為變量研究融資融券交易各自對股市波動性的影響，研究表明：融資交易能降低股市波動性，但融券交易對波動性的影響微弱[ 14 ]。

本文以滬深300指數(shù)交易日數(shù)據(jù)為研究樣本，采用2014年4月1日至2015年4月30日每日融資融券交易量為研究變量，使用VAR模型，對2014年9月22日第四次擴容前后，融資融券交易對我國股市波動性的影響進行實證研究。

三、基于Var模型的實證分析

（一）研究假設

2010年以前中國證券市場是單邊交易市場，單邊交易機制使得投資者只能先買后賣，且只有低買高賣才能獲取收益。這種機制容易使股市上漲時受趨利思想影響，助長股市泡沫，股市下跌時受恐懼心理影響，過度拋售，使股市大漲大跌，股市波動性過大，極端情況下可能引發(fā)金融動蕩和金融危機。融資融券交易制度改變了我國股票市場“單邊做市”格局，為市場提供了反向交易機制，有助于抑制股市波動性，保障證券市場穩(wěn)定性：當股票市場價格被過度低估的時候，融資交易擴大購買資金容量，促使股價回升；當股票價格暴漲時，融券交易擴大股票賣出數(shù)量，促使股票價格回歸正常，且標的股票數(shù)量越多，效果越顯著?；诖吮疚募僭O融資融券第四次擴容能夠有效抑制股市波動性。為驗證此假設，本文運用VAR模型進行實證研究。

（二）變量選取

本文以滬深300指數(shù)代表大盤股市，因為滬深300指數(shù)樣本選自滬深兩個證券市場，覆蓋了大部分流通市值，能反映中國股票市場股票價格狀況[ 10 ]。選取2014年4月1日至2014年9月22日共264個有效交易日的數(shù)據(jù)，以每日融資買入額、每日融券賣出額為研究變量，以融資融券標的股票第四次擴容正式實施日2014年9月22日作為分界點，劃分兩個研究樣本：樣本一為融資融券第四次擴容前的2014年4月1日至2014年9月22日，共121個交易日數(shù)據(jù)；樣本二為融資融券第四次擴容之后的2014年9月23日至2015年4月30日的數(shù)據(jù)，共143個交易日數(shù)據(jù)。數(shù)據(jù)來源于上海證券交易所網(wǎng)站，且采用日度數(shù)據(jù)。

每日融資買入額（MP），采用滬市每日融資買入額來代表買空交易，并對其取對數(shù)，得到LNMP的時間序列數(shù)據(jù)。

每日融券賣出額（SP），采用滬市每日融券賣出額來代表賣空交易，并對其取對數(shù)，得到LNSP的時間序列數(shù)據(jù)。

股票市場波動性指標（VOL），PHt表示滬深300指數(shù)當日最高價格指數(shù)，PLt表示滬深指數(shù)當日最低價格指數(shù)。

（三）實證分析

1.各變量的平穩(wěn)性檢驗

序列的回歸模型往往存在“偽回歸”現(xiàn)象，為了保證回歸結(jié)果的有效性，需對其進行平穩(wěn)性檢驗。本文采用ADF檢驗法分別對兩個樣本的三個變量進行平穩(wěn)性檢驗，結(jié)果見表1。樣本一和樣本二中代表每日融資買入額，每日融券賣出額和股票市場波動性的三個變量LNMP、LNSP、VOL的ADF值都大于5%的臨界值，即三個變量的原時間序列都是非平穩(wěn)的，存在單位根。但經(jīng)過一階差分后，三個變量的ADF值都小于5%的臨界值，即三個變量為一階平穩(wěn)時間序列。

2.協(xié)整關(guān)系檢驗

根據(jù)ADF檢驗的結(jié)果，樣本一和樣本二的變量LNMP、LNSP、VOL都是非平穩(wěn)的，因此在進行回歸分析之前需要檢驗變量之間的協(xié)整關(guān)系。本文采用Johansen檢驗法，結(jié)果見表2。表2中第三行檢驗的是變量之間是否存在長期均衡關(guān)系，兩個分樣本的跡統(tǒng)計量大于5%的臨界值，說明三個變量之間具有協(xié)整關(guān)系。第四行檢驗的原假設最多存在一個協(xié)積向量，兩個分樣本的跡統(tǒng)計量均大于5%的臨界值，說明三個變量之間存在一個協(xié)積向量。因此，兩個分樣本均可以建立三個變量之間的誤差修正模型（VEC模型）。

3.Granger因果檢驗

為了進一步確定變量之間的關(guān)系，對三個變量進行Granger因果關(guān)系檢驗，結(jié)果見表3。檢驗結(jié)果表明：對于樣本一，在5%的顯著水平下，每日融資額、每日融券額并不是股市波動性的原因，但股市波動性卻是導致每日融資額和融券量變化的原因。對于樣本二，在5%的顯著水平下，每日融資額是造成股市波動的原因，但股市波動性并不影響每日融資額變動；每日融券額不是造成股市波動的原因，但股市波動卻會造成融券額的變動。

4.建立誤差修正模型（VEC）

考慮到變量之間有協(xié)整關(guān)系，可以建立約束的VAR模型，即向量誤差修正（VEC）模型，將兩個樣本的三個變量VOL、LNMP、LNSP的時間序列數(shù)據(jù)分別代入Evievs，結(jié)果如下：

樣本一的VEC模型：

？駐VOLt=-0.6545*（VOLt-0.0059LNMPt+ 0.0109LNSPt -

0.0927）-0.2150*？駐VOLt-1-0.1817*？駐VOLt-2 -0.0056*？駐LNMPt-1-

0.00756*？駐LNMPt-2+ 0.0029*？駐LNSPt-1+0.0032*？駐LNSPt-2-

0.0323

R2=0.5074 F=16.0454

標準化的協(xié)整方程為：VOLt = -0.0059*LNMPt +

0.0109*LNSPt

從方程中可以看出：對于樣本一，股市波動和融資交易之間存在反向的長期穩(wěn)定關(guān)系，且每日融資額對股市波動的長期彈性為-0.0059，即每日融資額每增加1%，股市波動性將降低0.0059%。此外，VEC模型的誤差修正系數(shù)為-0.6542，這表明當股票價格波動偏離長期均衡狀態(tài)時，融資融券交易將以-0.6542的速度推動股票價格向均值調(diào)整。

樣本二的VEC模型：

？駐VOLt=-0.0925*（VOLt-0.1101LNMPt +0.1900LNSPt-

1.2581）-0.4647*？駐VOLt-1-0.0077*？駐VOLt-2 +0.0010*？駐LNMPt-1-

0.0009*？駐LNMPt-2+0.0092*？駐LNSPt-1 - 0.0005*？駐LNSPt-2-

0.0010

R2=0.2646 F=6.8383

標準化的協(xié)整方程為：VOLt = -0.1101*LNMPt +

0.1900*LNSPt

由此可以看出：對于樣本二，每日融資額與股市波動性之間存在反向的長期穩(wěn)定關(guān)系，且每日融資額對股市波動性的長期彈性為-0.0925，即每日融資額每增加1%，股市波動性將降低0.1101%。VEC模型的誤差修正系數(shù)為-0.0925，這表明當股票價格波動偏離長期均衡狀態(tài)時，融資融券交易將以-0.0925的速度推動偏離的股票價格向均值調(diào)整。

5.脈沖效應分析

為了從長期角度觀察融資融券對股市波動性的影響，將樣本一和樣本二歸為一個總樣本，并建立脈沖效應函數(shù)，分析圖如圖1、圖2。對比兩圖可以發(fā)現(xiàn)：相對于融券交易誤差擾動帶給股價波動反應不明顯來說，融資交易誤差擾動帶給股價波動的影響要明顯得多。當給本期融資買入額一個標準單位的正向沖擊，股市波動率在第一期沒有變化，但到了第二期開始表現(xiàn)為負相關(guān)，并且隨著時間的推移，影響效用越來越明顯。由此看出，融資交易可以有效地抑制股票市場價格的波動，并且隨著股票數(shù)量的增加，抑制效果越好。當給本期融券買入額一個標準單位的正向沖擊時，股市波動性在第一期沒有什么變化，隨后呈現(xiàn)微弱的正相關(guān)，且隨著時間的推移這種沖擊作用日趨穩(wěn)定。

四、研究結(jié)論與對策建議

（一）研究結(jié)論

1.目前我國股市融資交易能降低股市波動性，且隨著標的股票數(shù)量的增加，作用越來越明顯。Granger因果檢驗表明融資買入額是股市波動的原因，誤差修正（VEC）模型進一步表明，融資買入額與股市波動性之間存在穩(wěn)定的負相關(guān)關(guān)系，且隨著標的股票數(shù)量的增多，負相關(guān)系數(shù)由-0.0059變成-0.1101。脈沖效應函數(shù)分析圖更直觀地表明，股市波動性對融資交易的反應隨著標的股票數(shù)量的增多越來越大。由此可見，融資業(yè)務已經(jīng)成為平抑股市波動性的一個重要因素，一定程度上達到了融資業(yè)務的預期理想效果。

2.目前我國股市融券賣空交易不能有效地平抑股票價格的波動。Granger因果檢驗表明融券賣出額并不是股市波動的原因。脈沖效應函數(shù)分析圖進一步表明股市波動性對融券交易額變化的反應很小，即使標的股票數(shù)量不斷增加，股市波動性對融券交易的反應也保持穩(wěn)定。出現(xiàn)這種結(jié)果的原因在于融資融券呈現(xiàn)非常嚴重的不平衡狀態(tài)。據(jù)統(tǒng)計數(shù)據(jù)顯示，2014年全年融資買入額9.5萬億元，占89.5%，而融券賣出額為1.1萬億元，僅占10.5%。事實上由于融券資源有限，經(jīng)常在股市向下波動時，投資者無法在融券市場上購買到足夠的證券，因此其抑制功能受到限制。

3.整體來說，融資融券標的股票第四次擴容使得融資融券交易平抑股市波動的效果更加顯著。這是因為標的股票數(shù)量的增加，一定程度上活躍了市場上的證券交易，增強了市場流動性。融資融券交易的引入將更多的信息融入了證券價格中，有利于股票市場的價格發(fā)現(xiàn)，使得股票價格日趨合理。而且，融資融券交易提高了存量資金的使用效率，豐富了投資者的盈利方式，減少了短期化投資的發(fā)生頻率，有效避免了市場價格的劇烈波動。

（二）對策建議

1.穩(wěn)定發(fā)展融資交易。首先，可以嘗試逐步擴大融資融券標的股票范圍，因為實證分析表明隨著標的股票數(shù)量的增多，融資交易平抑市場波動性的效果愈發(fā)顯著。其次，嚴格控制杠桿效應風險。融資融券的杠桿效應使得大量投資者證券資產(chǎn)得以盤活，提高了市場流動性，但也意味著其帶來的風險問題需要重點關(guān)注。最后，完善投資者適當性制度，降低其投資風險，以保持融資交易頻率，進一步增加其對股票市場波動性的影響。

2.多角度促進融券交易發(fā)展。首先，支持專業(yè)機構(gòu)投資者參與融券交易，擴大融券券源。其次，加大融券業(yè)務知識的普及，培育投資者做空的投資理念，學會在有效規(guī)避風險的同時積極參與融券交易。再次，優(yōu)化融券賣出交易機制和完善交易渠道，為融券業(yè)務的開展提供基礎支撐，刺激市場融券量的穩(wěn)定增加。最后，完善相關(guān)法律法規(guī)和制度建設，為融券業(yè)務的開展提供法律保護。

3.推進轉(zhuǎn)融通業(yè)務的發(fā)展進程。中國證券金融公司于2012年推出轉(zhuǎn)融資業(yè)務試點，隨著我國融資融券交易規(guī)模的不斷擴大，融資融券機制真正發(fā)揮了其完善市場價格形成機制的作用。具體來說，轉(zhuǎn)融通業(yè)務的發(fā)展擴大了市場交易活躍度，加強了融資融券信用交易和現(xiàn)貨交易的配合，增加了證券供求的彈性。因此，繼續(xù)鼓勵推進轉(zhuǎn)融通業(yè)務，將盤活證券資產(chǎn)的流動性，是降低我國股票市場巨幅波動的重要舉措之一。

【參考文獻】

[1] FIGLEWSKI S， WEBB G P.Options， short sales， and market completeness[J]. Journal of Finance，1993，48（2）：761-777.

[2] ANGEL J J. Short selling on the NYSE[R].1997.

[3] BRIS A，GOTEZMANN W N， ZHU N. Efficiency and the bear： short sales and markets around the world[J].Nber Working Papers，2007，62（3）：1029-1079.

[4] DAOUK H， CHAROENROOK A. A study of market-wide short-selling restrictions[R].Working paper，Cornell University，2005.

[5] 廖士光，楊朝軍.賣空交易機制對股價的影響：來自臺灣股市的經(jīng)驗證據(jù)[J].金融研究，2005（10）：131-140.

[6] 袁華濤.我國證券市場引入融資融券交易研究[D].西南財經(jīng)大學，2007.

[7] 李曉東，王潔重，李占領(lǐng).賣空交易機制在我國具有會計信息的外部治理作用嗎：基于首批融資融券試點標的股的檢驗[J].會計之友，2013（35）：32-35.

[8] 譚平.融資融券業(yè)務對股票價格波動性影響：基于滬深300指數(shù)[J].現(xiàn)代經(jīng)濟信息，2014（21）：308-309.

[9] 梁星韻，劉衛(wèi)民.我國融資融券與股票市場波動[J].會計之友，2015（18）：22-24.

[10] 佟孟華，孟照康.融資融券交易對我國股市波動性影響的實證研究[J].數(shù)學的實踐與認識，2015（24）：96-107.

[11] 吳國平，谷慎.融資融券交易對我國股市波動性影響的實證研究[J].價格理論與實踐，2015（10）：105-107.

[12] 吳瓊.融資融券對上海證券市場影響的實證分析[J].中央財經(jīng)大學學報，2011（5）：28-34.

[13] 劉燁，方立兵，李冬昕，等.融資融券交易與市場穩(wěn)定性：基于動態(tài)視角的證據(jù)[J].管理科學學報，2016，19（1）：102-116.

[14] 宋釗，陳昊，朱家明.融資融券業(yè)務對A股市場價格波動的影響：基于GARCH模型實證分析[J].天津商業(yè)大學學報，2016，36（2）：54-59.