吉余峰， 梁 弋， 吉 星

(1.東華大學(xué) 旭日工商管理學(xué)院， 上海 200051；2.上海財(cái)經(jīng)大學(xué) 經(jīng)濟(jì)學(xué)院， 上海 200433)

?

“股災(zāi)”時(shí)段：融資融券對(duì)上證A股市場(chǎng)波動(dòng)性的影響

吉余峰1， 梁 弋1， 吉 星2

(1.東華大學(xué) 旭日工商管理學(xué)院， 上海 200051；2.上海財(cái)經(jīng)大學(xué) 經(jīng)濟(jì)學(xué)院， 上海 200433)

2015年上證綜指一路飆升至最高5 178點(diǎn)，再如過(guò)山車(chē)般地狂瀉至最低不足2 900點(diǎn)，如此巨幅的波動(dòng)在世界范圍內(nèi)比較罕見(jiàn)。我國(guó)自2010年3月31日引入融資融券業(yè)務(wù)以來(lái)，對(duì)它的研究一直處于初級(jí)階段，尚不明確其對(duì)于我國(guó)資本市場(chǎng)的影響究竟如何；造成這次 “股災(zāi)”的原因，大部分矛頭都指向融資融券業(yè)務(wù)。本文首次采用全新指標(biāo)融資融券強(qiáng)度(看多看空系數(shù))，運(yùn)用T-GARCH與SVAR模型，實(shí)證分析了“股災(zāi)”時(shí)段融資融券對(duì)上證A股市場(chǎng)波動(dòng)性的影響。

上證A股市場(chǎng)； 股指波動(dòng)性； 融資融券強(qiáng)度； T-GARCH模型

2015年上半年中國(guó)股市跌宕起伏，上證市場(chǎng)創(chuàng)出年內(nèi)新高，指數(shù)突破了5 000點(diǎn)大關(guān)。在隨后的幾個(gè)月，股指則掉頭向下狂瀉至最低不足2 900點(diǎn)。為了防止系統(tǒng)性金融危機(jī)的發(fā)生，政府頻頻出臺(tái)政策救市。清理場(chǎng)外配資，禁止大股東大規(guī)模套現(xiàn)，嚴(yán)查國(guó)內(nèi)外惡意做空，國(guó)家隊(duì)入場(chǎng)護(hù)盤(pán)，但似乎所有救市政策的效果都只是曇花一現(xiàn)，仍然阻止不了“股災(zāi)”的蔓延。對(duì)于造成股指巨幅上揚(yáng)然后急劇下挫的主要原因，不少專(zhuān)業(yè)人士都認(rèn)為融資融券業(yè)務(wù)是罪魁禍?zhǔn)祝偌由掀浯嬖诟軛U的特性，使得股指的波動(dòng)幅度進(jìn)一步放大，對(duì)市場(chǎng)穩(wěn)定性的破壞更是雪上加霜。它真是股災(zāi)的元兇嗎？

一、 融資融券與股市波動(dòng)性關(guān)系的文獻(xiàn)回顧

由于西方發(fā)達(dá)國(guó)家融資融券業(yè)務(wù)推出時(shí)間比較早，故學(xué)術(shù)界對(duì)融資融券與股市波動(dòng)性關(guān)系的研究比較充分。我國(guó)學(xué)者只是在近些年才開(kāi)始此領(lǐng)域的研究。到目前為止，國(guó)內(nèi)外學(xué)者在這個(gè)問(wèn)題上大體上存在三種觀點(diǎn)。

(一) 融資融券的引入會(huì)加劇股市波動(dòng)性

Bogen和Krooss首次提出融資融券的推出可能加劇資本市場(chǎng)波動(dòng)性。他們認(rèn)為，融資融券業(yè)務(wù)給投資者提供了賣(mài)空和買(mǎi)多的投資機(jī)會(huì)。一旦股票價(jià)格出現(xiàn)單向偏離的情形，融資融券業(yè)務(wù)就會(huì)被廣泛地使用，從而使得股價(jià)偏離程度加大[1]。Allen， Morris和Postlewaite提出了一個(gè)有限時(shí)期一般均衡模型與信息不對(duì)稱(chēng)交換的假設(shè)，通過(guò)對(duì)泡沫時(shí)期資本市場(chǎng)的研究，發(fā)現(xiàn)賣(mài)空機(jī)制會(huì)引發(fā)股市的波動(dòng)性[2]。蔡笑使用我國(guó)臺(tái)灣市場(chǎng)的月度數(shù)據(jù)，運(yùn)用GARCH模型和VAR模型，研究發(fā)現(xiàn)融資融券業(yè)務(wù)的推出使得臺(tái)灣股市波動(dòng)性增加[3]。

(二) 融資融券的引入會(huì)平抑股市波動(dòng)性

Angel以紐約股票交易所(NYSE)的144只股票為研究樣本，探討股價(jià)下跌是否與賣(mài)空交易相關(guān)，結(jié)果表明常規(guī)性買(mǎi)賣(mài)指令形成的“助漲殺跌”效應(yīng)是引起證券市場(chǎng)波動(dòng)的根源，是加劇市場(chǎng)波動(dòng)的一個(gè)重要原因[4]。Charoenrook和Daouk對(duì)多個(gè)國(guó)家的股票市場(chǎng)進(jìn)行研究并發(fā)現(xiàn)，沒(méi)有引入融資融券國(guó)家的資本市場(chǎng)波動(dòng)幅度要比引入融資融券的國(guó)家小，且兩者之間的關(guān)系在計(jì)量統(tǒng)計(jì)層面不是顯著的[5]。陳淼鑫，鄭振龍針對(duì)賣(mài)空機(jī)制引入后的股市波動(dòng)情況進(jìn)行了研究，認(rèn)為賣(mài)空機(jī)制的引入一方面會(huì)提高股票市場(chǎng)的流動(dòng)性，另一方面也會(huì)減小股市的波動(dòng)[6]。

(三) 融資融券的引入對(duì)股市波動(dòng)性不產(chǎn)生影響

Figlewski和Webb對(duì)標(biāo)準(zhǔn)普爾指數(shù)中包含的400多家公司股票進(jìn)行了實(shí)證分析，研究表明賣(mài)空和股市波動(dòng)性之間的相關(guān)性并不明顯[7]。Battalio 和Schultz研究了納斯達(dá)克市場(chǎng)在互聯(lián)網(wǎng)泡沫時(shí)期的表現(xiàn)，結(jié)果發(fā)現(xiàn)股市泡沫與賣(mài)空機(jī)制沒(méi)有關(guān)系[8]。李俊文具體分析了市場(chǎng)波動(dòng)性與融資融券之間的關(guān)系，通過(guò)格蘭杰檢驗(yàn)，發(fā)現(xiàn)賣(mài)空交易對(duì)股市波動(dòng)性影響不大，反而是股市波動(dòng)性對(duì)融資融券交易的影響較大，往往成為投資者操作的決策依據(jù)之一[9]。

二、 研究模型選擇

(一) ARCH模型族介紹

1. ARCH模型族

ARCH模型的基本思想是指在以往信息集下，某一時(shí)刻一個(gè)噪聲的發(fā)生服從正態(tài)分布。該正態(tài)分布的均值為零，方差是一個(gè)隨時(shí)間變化的量(即為條件異方差)，并且這個(gè)隨時(shí)間變化的方差是過(guò)去有限項(xiàng)噪聲值平方的線性組合(即為自回歸)。這樣就構(gòu)成了自回歸條件異方差模型。

該模型認(rèn)為，某一時(shí)刻噪聲項(xiàng)的方差可以由過(guò)去多個(gè)時(shí)刻的有限噪聲項(xiàng)的平方回歸來(lái)表示，從另一個(gè)角度可以說(shuō)明某個(gè)時(shí)刻噪聲的波動(dòng)程度存在記憶的特點(diǎn)。如果過(guò)去多個(gè)時(shí)刻噪聲的方差出現(xiàn)較大的變化，則這種影響會(huì)直接作用在未來(lái)某一時(shí)刻的噪聲，同樣會(huì)引起巨大的變化。同理，如果過(guò)去多個(gè)時(shí)刻噪聲的方差出現(xiàn)微小的變化，則這種影響也仍會(huì)直接作用于未來(lái)某一時(shí)刻的噪聲，同樣會(huì)引起微小的變化。

2. GARCH模型

由于ARCH模型自身存在的缺陷，后經(jīng)Engle的學(xué)生T. Bollerslev進(jìn)一步修正，提出了ARCH模型的一般形式即GARCH模型，通常將其定義為廣義自回歸條件異方差模型。該模型同樣支持異方差隨著時(shí)間的推移會(huì)出現(xiàn)變化的特點(diǎn)。在隨后關(guān)于股市波動(dòng)問(wèn)題的研究中被廣泛運(yùn)用，迄今為止它成為研究波動(dòng)率中最為理想的模型之一。一般的GARCH模型可以表示為：

(1)

(2)

(3)

其中ht為條件方差，ut為獨(dú)立同分布的隨機(jī)變量，ht與ut互相獨(dú)立，ut服從標(biāo)準(zhǔn)正態(tài)分布。(1)式稱(chēng)為條件均值方程；(3)式稱(chēng)為條件方差方程，表明條件方差隨著時(shí)間的推移會(huì)發(fā)生變化的特點(diǎn)。

3. T-GARCH模型

Runkle首次提出T-GARCH模型，也稱(chēng)為門(mén)限ARCH模型。其數(shù)學(xué)表達(dá)式如下：

(4)

(二) VAR模型

經(jīng)濟(jì)計(jì)量模型中的變量主要分為兩類(lèi)，一類(lèi)為內(nèi)生變量，另外一類(lèi)為外生變量。但在實(shí)際研究中，變量之間的關(guān)系難以被清晰地確定或者描述，將兩種變量進(jìn)行劃分更是十分困難。如果兩種變量存在某種同期相關(guān)關(guān)系，則將它們區(qū)分為內(nèi)生變量和外生變量是不恰當(dāng)?shù)模贸龅膶?shí)證分析結(jié)果的說(shuō)服力也不充分。Sims提出了VAR模型(向量自回歸模型)，該模型假設(shè)不將變量進(jìn)行劃分，而是將所有變量都作為系統(tǒng)的內(nèi)生變量進(jìn)行分析。

VAR模型在建模時(shí)，主要考慮兩個(gè)方面。首先要明確模型中哪些變量之間存在相關(guān)關(guān)系，然后確定滯后期數(shù)。滯后期數(shù)的確定主要以AIC準(zhǔn)則以及SC準(zhǔn)則作為參考依據(jù)。VAR(P)模型的數(shù)學(xué)表達(dá)式：

yt=φ1yt-1+…+φpyt-p+Hxt+εt

(5)

其中，yt是k維內(nèi)生變量列向量，xt是d維外生變量列向量，p是滯后階數(shù)，t是樣本個(gè)數(shù)。k×k維矩陣φ1， …，φp和k×d維矩陣H是待估計(jì)的系數(shù)矩陣。εt是k維擾動(dòng)向量，它們之間可以同期相關(guān)，但不與自己的滯后項(xiàng)相關(guān)，且不與等式右邊的變量相關(guān)。

三、 融資融券對(duì)上證A股市場(chǎng)波動(dòng)性影響的實(shí)證分析

(一) 數(shù)據(jù)選擇與說(shuō)明

本文選取的數(shù)據(jù)是上證A股每日收盤(pán)指數(shù)以及每日的融資融券數(shù)據(jù)，樣本期間是從2014年10月21日至2015年9月30日，總共235個(gè)樣本數(shù)據(jù)，此時(shí)間段正是上證A股由暴漲至暴跌所處的時(shí)間段。

本文選取T-GARCH模型擬合股市波動(dòng)，并選取條件方差作為股市波動(dòng)的替代指標(biāo)；同時(shí)計(jì)算并引入融資融券強(qiáng)度(看多看空系數(shù))作為解釋變量，兩個(gè)變量的值域在-1到1之間，依次記為MP、SS。融資融券強(qiáng)度計(jì)算公式如下：

融資強(qiáng)度=(融資買(mǎi)入額-融資償還額)/(融資買(mǎi)入額+融資償還額)

融券強(qiáng)度=(融券賣(mài)出量-融券償還量)/(融券賣(mài)出量+融券償還量)

(二) ARCH效應(yīng)檢驗(yàn)

我們首先對(duì)上證A股指數(shù)波動(dòng)性進(jìn)行ARCH效應(yīng)檢驗(yàn)。為了減少量綱對(duì)實(shí)證分析的影響，我們對(duì)收益率進(jìn)行對(duì)數(shù)化處理，并記為lnspt。因?yàn)楣善眱r(jià)格指數(shù)服從特殊的單位根過(guò)程，即隨機(jī)游走模型，回歸結(jié)果如下：

lnspt=0.984 917lnspt-1+0.125 768

(6)

圖1 回歸方程殘差序列

從回歸方程的殘差序列圖中，我們發(fā)現(xiàn)波動(dòng)出現(xiàn)集聚的現(xiàn)象，這說(shuō)明該序列存在條件異方差性。因此我們對(duì)殘差序列進(jìn)行ARCH效應(yīng)檢驗(yàn)，并依據(jù)AIC準(zhǔn)則來(lái)確定檢驗(yàn)的階數(shù)。通過(guò)1、 4、 8、 12各階的檢驗(yàn)，發(fā)現(xiàn)在4階時(shí)，AIC值最小且為-10.649 6，因此確定檢驗(yàn)階數(shù)為4。

表1 滯后階數(shù)的AIC檢驗(yàn)結(jié)果

根據(jù)AIC準(zhǔn)則，我們選取4階進(jìn)行ARCH效應(yīng)檢驗(yàn)

表2 ARCH效應(yīng)存在檢驗(yàn)

從表2中我們可以看出，在5%顯著性水平下，拒絕原假設(shè)，即存在ARCH效應(yīng)，因此我們可以采用T-GARCH模型對(duì)這一時(shí)段的上證A股指數(shù)波動(dòng)性進(jìn)行擬合。

表3 T-GARCH(2.1)回歸結(jié)果

從表3中我們可以看出，回歸方程的R2接近于1，擬合程度較好；非對(duì)稱(chēng)項(xiàng)的系數(shù)為正值，說(shuō)明存在杠桿效應(yīng)，且這種杠桿效應(yīng)會(huì)增加股市的波動(dòng)性。同時(shí)均值方程與方差方程的常數(shù)項(xiàng)與系數(shù)項(xiàng)在5%的顯著性水平都顯著，所以回歸結(jié)果是有效的，此時(shí)我們對(duì)回歸方程進(jìn)行ARCH效應(yīng)消除檢驗(yàn)。

表4 ARCH效應(yīng)消除檢驗(yàn)

對(duì)回歸方程進(jìn)行ARCH效應(yīng)檢驗(yàn)，我們選擇之前選定的階數(shù)為2，在5%的顯著性水平下，接受了原假設(shè)，即不存在ARCH效應(yīng)。說(shuō)明T-GARCH模型消除了條件異方差性，因此T-GARCH(2， 1)很好地?cái)M合了這一時(shí)段上證A股指數(shù)的波動(dòng)性，我們將提取的條件方差作為股市波動(dòng)率的替代變量并記為V。

(三) 平穩(wěn)性檢驗(yàn)

我們首先對(duì)V、MP、SS三個(gè)變量序列進(jìn)行ADF單位根檢驗(yàn)。從下面三個(gè)圖我們可以看出，三個(gè)時(shí)間序列都存在截距項(xiàng)，不存在趨勢(shì)項(xiàng)。

圖2 上證A股指數(shù)波動(dòng)率V

圖3 上海股市融資強(qiáng)度MP

圖4 上海股市融券強(qiáng)度SS

表5 ADF單位根檢驗(yàn)

單位根檢驗(yàn)結(jié)果表明，在5%的顯著性水平下，均拒絕了原假設(shè)，即不存在單位根，V、MP、SS三個(gè)序列都是平穩(wěn)序列。

(四) 三元VAR模型構(gòu)建

在構(gòu)建三元VAR模型時(shí)，重要的是確定合適的滯后階數(shù)。我們采用EVIEWS 6.0自帶的最優(yōu)階數(shù)選擇功能，在指定最高階數(shù)為5階的情況下，根據(jù)不同的準(zhǔn)則，每個(gè)最優(yōu)滯后階數(shù)都會(huì)標(biāo)記*符號(hào)，選擇*符號(hào)相對(duì)最多的階數(shù)即為最優(yōu)滯后階數(shù)。如表6所示，我們選擇滯后階數(shù)為4階。

表6 波動(dòng)率V與融資強(qiáng)度MP、融券強(qiáng)度SS最優(yōu)階

在此將V與MP、SS的三元VAR模型定義為VAR(3)。VAR模型估計(jì)后，擾動(dòng)項(xiàng)之間可能存在同期相關(guān)關(guān)系，而VAR模型無(wú)法刻畫(huà)這種同期相關(guān)關(guān)系，首先用殘差序列的同期相關(guān)關(guān)系矩陣來(lái)描述。用μ1、μ2、μ3來(lái)表示三個(gè)方程的殘差，其結(jié)果如表7所示。

表7 相關(guān)系數(shù)矩陣

從表7中我們可以看出，股市波動(dòng)率V與融資強(qiáng)度MP、融券強(qiáng)度SS的同期相關(guān)系數(shù)比較高，但由于VAR模型不能刻畫(huà)這種同期相關(guān)關(guān)系，于是采用SVAR模型對(duì)其施加短期約束，在此使用A-B型約束矩陣。

對(duì)VAR(3)模型短期約束，即對(duì)矩陣A、 B進(jìn)行約束，具體公式如下：

Aεt=But,t=1, 2, 3, …,T

(7)

其中，約束矩陣B是單位矩陣，A矩陣的對(duì)角線元素都是1，相當(dāng)于施加了K2+K個(gè)約束條件。對(duì)矩陣施加約束，即對(duì)變量之間的同期關(guān)系施加約束。施加兩個(gè)約束條件：(1)股市波動(dòng)率V與當(dāng)期的融資強(qiáng)度沒(méi)有關(guān)系，即a12=0；(2)股市波動(dòng)率V與當(dāng)期的融券強(qiáng)度沒(méi)有關(guān)系，即a13=0。

回歸結(jié)果：

即：

由此可以發(fā)現(xiàn)三個(gè)變量之間當(dāng)期擾動(dòng)性存在的關(guān)系，彌補(bǔ)了VAR(3)的不足。

(五) Granger因果檢驗(yàn)

表8 波動(dòng)率V與融資融券強(qiáng)度MP、SS格蘭杰因果檢驗(yàn)

從表8中我們可以看出，在5%的顯著性水平下，MP與V均拒絕了原假設(shè)，表明股市波動(dòng)率V與融資強(qiáng)度MP互為對(duì)方的Granger原因。檢驗(yàn)結(jié)果說(shuō)明“股災(zāi)”期間融資強(qiáng)度變化還是對(duì)上證A股指數(shù)的波動(dòng)率V產(chǎn)生一定影響；同樣上證A股指數(shù)的波動(dòng)率的變化也引起了融資強(qiáng)度的變化，這與股市實(shí)際運(yùn)行也是相符的。SS與V均接受了原假設(shè)，檢驗(yàn)結(jié)果表明融券強(qiáng)度的變化不能對(duì)股市波動(dòng)率V產(chǎn)生實(shí)質(zhì)性的影響，可能存在其他原因?qū)е虏▌?dòng)率巨幅波動(dòng)，股市波動(dòng)率V的變化也不會(huì)對(duì)融券強(qiáng)度產(chǎn)生實(shí)質(zhì)性的影響。在5%的顯著性水平下，融券強(qiáng)度是融資強(qiáng)度的Granger原因，融資強(qiáng)度不是融券強(qiáng)度的Granger原因。說(shuō)明融券強(qiáng)度的變化也會(huì)引起融資強(qiáng)度的變化。

(六) 脈沖響應(yīng)分析

在對(duì)建立的SVAR(3)模型進(jìn)行脈沖響應(yīng)分析與方差分解之前，需要確定SVAR模型的穩(wěn)定性，即AR根都落在單位圓內(nèi)，表明所建立的SVAR(3)模型穩(wěn)定。

圖5 AR根檢驗(yàn)結(jié)果

當(dāng)給融資強(qiáng)度MP與融券強(qiáng)度SS一個(gè)正向的標(biāo)準(zhǔn)差沖擊，作用于股市波動(dòng)V的脈沖響應(yīng)結(jié)果如圖6所示。

圖6 SVAR(3)融資融券強(qiáng)度MP、SS脈沖響應(yīng)圖

從圖6中我們可以看出，當(dāng)給融資強(qiáng)度一個(gè)正向的標(biāo)準(zhǔn)差沖擊，開(kāi)始時(shí)會(huì)對(duì)股市波動(dòng)率V產(chǎn)生一個(gè)負(fù)向的影響，即減小股市波動(dòng)。這種影響在第3期時(shí)達(dá)到最大。隨著期數(shù)的增加，這種影響在第20期逐漸消失，表明這種影響并不是持久的。在股市拉升階段，融資強(qiáng)度始終保持在一定的水平，具有降低股市波動(dòng)的效果。在股市暴跌階段，融資強(qiáng)度迅速減弱，由于非對(duì)稱(chēng)性的影響與杠桿的影響，造成一段時(shí)間內(nèi)股指巨幅波動(dòng)。反觀融券強(qiáng)度，當(dāng)給融券強(qiáng)度一個(gè)正向的標(biāo)準(zhǔn)差的沖擊，開(kāi)始時(shí)會(huì)對(duì)股市波動(dòng)率V產(chǎn)生一個(gè)負(fù)向的影響，在第3期又會(huì)增加股市的波動(dòng)，隨即在第4期又會(huì)對(duì)股市波動(dòng)產(chǎn)生負(fù)向的效應(yīng)，在以后的各期圍繞正負(fù)向波動(dòng)，并在第17期逐漸消失，表明融券強(qiáng)度的增強(qiáng)會(huì)抑制股市的波動(dòng)；但這種影響是有限的而且是不可持續(xù)的。

(七) 方差分解

在構(gòu)建三元的SVAR(3)模型基礎(chǔ)之上進(jìn)行方差分解，獲知融資融券強(qiáng)度對(duì)股市波動(dòng)率V的解釋能力。

從表9我們可以看出，股市波動(dòng)率V在第20期只有大約71.75%被其自身解釋?zhuān)喈?dāng)一部分被融資強(qiáng)度解釋掉了，且融資強(qiáng)度解釋股市波動(dòng)的能力隨著期數(shù)不斷增加，在第17期時(shí)達(dá)到26.64%，且以后各期基本保持穩(wěn)定。結(jié)合方差分解以及條件方差圖示來(lái)看，股市的巨幅波動(dòng)主要集中在暴跌階段，由于存在非對(duì)稱(chēng)性的影響，融資強(qiáng)度的急劇減弱給股市造成了極大的波動(dòng)。證明融資的確是股市巨幅波動(dòng)的原因之一，融資強(qiáng)度的變化對(duì)股市波動(dòng)產(chǎn)生的影響是很明顯的，尤其在其強(qiáng)度減弱的時(shí)候，效果更加明顯。

表9 SVAR(3)波動(dòng)率V的方差分解

反觀融券強(qiáng)度，股市波動(dòng)率V僅有小部分被融券強(qiáng)度解釋。融券強(qiáng)度對(duì)股市波動(dòng)率的解釋能力隨著期數(shù)的增加小幅增強(qiáng)，在第12期時(shí)達(dá)到1.57%，并在隨后各期基本保持穩(wěn)定。方差分解結(jié)果表明在股市巨幅波動(dòng)階段，融券強(qiáng)度的變化對(duì)股市波動(dòng)的影響是微弱的。

(八) “股災(zāi)”時(shí)段實(shí)證結(jié)果分析

第一，導(dǎo)致本輪上證A股指數(shù)巨幅波動(dòng)的主要原因之一便是融資杠桿的使用。由于我國(guó)資本市場(chǎng)還處在欠發(fā)達(dá)階段，極容易受?chē)?guó)家政策性因素的影響，因此融資融券的杠桿特性數(shù)倍地放大了風(fēng)險(xiǎn)。股指巨幅上揚(yáng)的時(shí)期，當(dāng)存在一個(gè)來(lái)自外界的擾動(dòng)時(shí)，股指有小幅的攀升，投資者追逐短期收益便會(huì)加杠桿融資買(mǎi)入，股指成倍數(shù)上揚(yáng)；反過(guò)來(lái)又會(huì)刺激投資者進(jìn)一步融資買(mǎi)入，如此便形成了惡性循環(huán)，造成股指在短短幾個(gè)月內(nèi)從3 000點(diǎn)巨幅狂飆至最高5 178點(diǎn)。

第二，我國(guó)投資者結(jié)構(gòu)嚴(yán)重不合理。機(jī)構(gòu)投資者占比很小，而個(gè)人投資者的比重則非常大，投資策略主要是以投機(jī)需求為驅(qū)動(dòng)，追求短期利益，也就是短線投資。大多數(shù)投資者缺乏投資理性，易產(chǎn)生跟風(fēng)和踩踏效應(yīng)，傾向化嚴(yán)重，容易對(duì)股指造成助漲殺跌的作用，極易造成股市的波動(dòng)。

第三，多空雙方規(guī)模懸殊。我國(guó)鼓勵(lì)做多不做空，融資融券的規(guī)模始終無(wú)法平衡，融資的規(guī)模要遠(yuǎn)遠(yuǎn)超過(guò)融券的規(guī)模，由此導(dǎo)致券商等金融投資機(jī)構(gòu)無(wú)券可融。這種規(guī)模的失衡帶來(lái)的后果便是股市一旦有暴漲，則必有暴跌。在股市急速下跌階段，融資強(qiáng)度的減弱會(huì)造成巨幅的股市波動(dòng)。根據(jù)脈沖響應(yīng)結(jié)果，融券強(qiáng)度增強(qiáng)時(shí)會(huì)減小股市的波動(dòng)，如果融券業(yè)務(wù)的規(guī)模與融資強(qiáng)度的規(guī)模大體一致的話，可能就不會(huì)出現(xiàn)股市暴跌的情形；相反，股市暴漲的情形也會(huì)得到遏制。因此融資融券業(yè)務(wù)規(guī)模的不平衡也是股市波動(dòng)的因素之一。

四、 完善融資融券制度的政策建議

(一) 優(yōu)化投資者結(jié)構(gòu)

相較于發(fā)達(dá)國(guó)家，我國(guó)資本市場(chǎng)仍有待完善，投資者結(jié)構(gòu)有待優(yōu)化，投資知識(shí)、理念有待普及和強(qiáng)化。投資者投資行為大致存在兩種模式，一是價(jià)值投資，另一種則是投機(jī)心理驅(qū)動(dòng)，短期持有或者套利。從各國(guó)資本市場(chǎng)的運(yùn)行歷史來(lái)看，價(jià)值投資是各國(guó)資本市場(chǎng)持續(xù)、健康運(yùn)行的重要一環(huán)。無(wú)論是在保證股市穩(wěn)定運(yùn)行，為實(shí)體經(jīng)濟(jì)發(fā)展提供支持，還是在推動(dòng)資源的分配優(yōu)化方面都具有深遠(yuǎn)的意義。西方發(fā)達(dá)國(guó)家投資者結(jié)構(gòu)呈現(xiàn)出多層次的局面，機(jī)構(gòu)投資者的占比較大，而中小投資者的占比較小，這與我國(guó)的情況正好相反。機(jī)構(gòu)投資者的投資理念較為合理，投資行為較為成熟，不容易受到其他因素干擾，故大多數(shù)機(jī)構(gòu)投資者通過(guò)長(zhǎng)期持有的方式進(jìn)行價(jià)值投資，因此發(fā)達(dá)國(guó)家極少出現(xiàn)股市波動(dòng)劇烈的情形。

(二) 適當(dāng)擴(kuò)大融券業(yè)務(wù)規(guī)模

我國(guó)自引入融資融券業(yè)務(wù)以來(lái)，兩者的規(guī)模始終處于極不平衡的狀態(tài)，兩融的規(guī)模比大致為183∶1。我國(guó)資本市場(chǎng)的政策一直是鼓勵(lì)做多不做空，以保持股票市場(chǎng)持續(xù)穩(wěn)定的上升走勢(shì)。由此而導(dǎo)致許多證券公司以及其他金融機(jī)構(gòu)經(jīng)常出現(xiàn)無(wú)券可融，或者融券難的尷尬境地。西方發(fā)達(dá)國(guó)家融資融券業(yè)務(wù)的規(guī)模大致相同，并沒(méi)有出現(xiàn)我國(guó)融資融券規(guī)模嚴(yán)重不對(duì)稱(chēng)的情況。而融資融券規(guī)模的不對(duì)稱(chēng)所造成的后果就是股市一旦暴漲，就必會(huì)有暴跌。本輪A股暴跌也從側(cè)面證實(shí)了這一點(diǎn)。如果融券規(guī)模與融資規(guī)模大致相當(dāng)，則在股市下跌時(shí)，就會(huì)起到促使股指下跌軟著陸的作用。同樣，也就不會(huì)出現(xiàn)此輪牛市。融資融券兩種業(yè)務(wù)相輔相成，規(guī)模上較大的差距將嚴(yán)重影響兩融業(yè)務(wù)在我國(guó)持續(xù)健康地發(fā)展，同樣也會(huì)給我國(guó)股票市場(chǎng)帶來(lái)許多負(fù)面的影響。融券業(yè)務(wù)發(fā)展不理想的主要原因在于券源不足，機(jī)構(gòu)投資者群體發(fā)展不足。成熟市場(chǎng)中，證券出借方主要是長(zhǎng)期持有證券的養(yǎng)老基金、保險(xiǎn)基金、共同基金等機(jī)構(gòu)投資者，借券目的主要有交割需求、賣(mài)空需求、套利交易需求、做市需求等。因此我國(guó)股票市場(chǎng)應(yīng)該通過(guò)發(fā)展機(jī)構(gòu)投資者的規(guī)模，進(jìn)而帶動(dòng)融券業(yè)務(wù)規(guī)模的擴(kuò)大。

(三) 加強(qiáng)融資融券賬戶(hù)監(jiān)管力度

此次“股災(zāi)”的發(fā)生在某種程度上是由于監(jiān)管當(dāng)局對(duì)融資融券賬戶(hù)管理的疏松，因此加強(qiáng)賬戶(hù)的管理勢(shì)在必行。融資融券在實(shí)際操作中要比單純的股票交易復(fù)雜得多，監(jiān)管機(jī)構(gòu)應(yīng)該充分認(rèn)識(shí)融資融券交易的特點(diǎn)，在對(duì)融資融券賬戶(hù)進(jìn)行管理時(shí)，應(yīng)著重制定若干反映融資融券交易的指標(biāo)及可容忍范圍。當(dāng)某些指標(biāo)超過(guò)了可容忍的范圍或者出現(xiàn)異常的頻繁交易，監(jiān)管當(dāng)局就可以采取如凍結(jié)賬戶(hù)、限制賬戶(hù)的交易額及交易量加以管制，在一定程度上可以控制由融資融券交易所帶來(lái)的股指波動(dòng)。

(四) 提升證券監(jiān)管當(dāng)局監(jiān)管能力

此次“股災(zāi)”急速下挫及劇烈波動(dòng)與監(jiān)管當(dāng)局“簡(jiǎn)單粗暴”的干預(yù)是密不可分的。證券監(jiān)管當(dāng)局應(yīng)該根據(jù)我國(guó)的國(guó)情，探尋一套適合我國(guó)資本市場(chǎng)發(fā)展的監(jiān)督與管理模式。生搬硬套其他發(fā)達(dá)國(guó)家資本市場(chǎng)的監(jiān)管模式必然是不可取的。我國(guó)資本市場(chǎng)大部分是中小投資者，機(jī)構(gòu)投資者則是占少數(shù)，市場(chǎng)信心在這樣一個(gè)市場(chǎng)中是非常重要的。粗暴的、過(guò)分的干預(yù)只會(huì)增加股市的動(dòng)蕩，極易打擊市場(chǎng)信心，會(huì)導(dǎo)致資金迅速撤離，資本市場(chǎng)流動(dòng)性大大降低。證券監(jiān)管當(dāng)局應(yīng)時(shí)刻觀望股市運(yùn)行情況與投資者情緒，在保證不引起股市巨幅波動(dòng)以及恐慌的情況下，以適度方式逐步去杠桿。在我國(guó)目前的金融市場(chǎng)格局下，證監(jiān)會(huì)應(yīng)該注意與其他金融監(jiān)管機(jī)構(gòu)等部門(mén)積極協(xié)同，方能取得比較理想的監(jiān)管效果。

[1] Jules Irwin Bogen and Herman Edward Krooss.SecurityCredit：ItsEconomicRoleandRegulation[C]. Englewood Cliffs， NJ：Prentice-Hall， Inc，1960.

[2] Franklin Allen， Stephen Morris and Andrew Postlewaite. Finite Bubbles With Short Sale Constraints and Asymmetric Information[J].Journal of Economic Theory，1993， 61(2)：206-229.

[3] 蔡笑.融資融券對(duì)股票市場(chǎng)的影響研究[D].蘇州：蘇州大學(xué)，2010.

[4] James J. Angel. Short Selling on the NYSE [R]. Georgetown University Current Draft， 1997-10-27

[5] Anchada Charoenrook and Hazem Daouk. The World Price of Short Selling [R]. Working paper， The Owen Graduate School of Management， Vanderbilt University， 2003：1-49.

[6] 陳淼鑫，鄭振龍.賣(mài)空機(jī)制對(duì)證券市場(chǎng)的影響：基于全球市場(chǎng)的經(jīng)驗(yàn)研究[J].世界經(jīng)濟(jì)，2008，(12)：73-81.

[7] Stephen Figlewski and Gwendolyn Webb. Options， Short Sales， and Market Completeness [J].JournalofFinance， 1993， 48(2)：761-777.

[8] Robert Battalio and Paul Schultz. Options and the Bubble [J].JournalofFinance，2006，61(5)：2071-2102.

[9] 李俊文.我國(guó)融資融券交易對(duì)市場(chǎng)波動(dòng)性影響的實(shí)證分析[J].中國(guó)證券期貨，2011，(12)：43-47.

[10] 曾長(zhǎng)虹.漲跌幅限制對(duì)流動(dòng)性和波動(dòng)性影響的因子分析[J].金融研究，2004,(4)：37-44.

[11] 瘳士光，楊朝軍.賣(mài)空交易機(jī)制對(duì)股價(jià)的影響——來(lái)自臺(tái)灣股市的經(jīng)驗(yàn)證據(jù)[J].金融研究，2005,(10)：131-140.

[12] 高鐵梅.計(jì)量經(jīng)濟(jì)分析方法與建模[M].北京：清華大學(xué)出版社，2009.

[13] 黎元奎.建立我國(guó)股市融資融券制度的動(dòng)因分析與模式選擇[J].武漢金融，2004，(5)：37-40.

[14] 李謙.融資融券業(yè)務(wù)對(duì)資本市場(chǎng)的影響[J].中國(guó)金融，2009，(5)：72-73.

[15] 廖士光，楊朝軍.證券市場(chǎng)中賣(mài)空交易機(jī)制基本功能研究[J].證券市場(chǎng)導(dǎo)報(bào)，2005，(3)：72-77.

[16] 文艷軍.融資融券對(duì)我國(guó)股票市場(chǎng)的影響研究[D].成都：西南財(cái)經(jīng)大學(xué)，2012.

[17] 張曉峒.EViews使用指南與案例[M].北京：機(jī)械工業(yè)出版社，2007.

[18] 趙振全，張宇.中國(guó)股票市場(chǎng)波動(dòng)和宏觀經(jīng)濟(jì)波動(dòng)關(guān)系的實(shí)證分析[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2003，(6)：143-146.

2016-10-10

吉余峰(1966—)，男，江蘇南通人，副教授，博士，研究方向?yàn)橘Y本市場(chǎng)。E-mail:jiyufeng66@126.com

F832.5

A

1009-9034(2016)04-0231-10