吉余峰 梁弋

[摘 要]2015的中國股市注定是讓人難忘的一年。上證A股指數(shù)一路飆升至5 178點(diǎn)，再如過山車般的狂降至不足2 900點(diǎn)，如此巨幅的波動(dòng)在世界范圍內(nèi)都是前所未見的。毒杠桿、無度配資、監(jiān)管制度的缺失、強(qiáng)制平倉、惡意做空等一系列字眼，都充斥在我國尚不完善的資本市場之中。我國自2010年3月31日引入融資融券業(yè)務(wù)以來，對它的研究一直處于初步階段，尚不明確其對于我國資本市場的影響；而對于造成這次“股災(zāi)”的原因，大部分矛頭都指向融資與融券業(yè)務(wù)。本文在充分參閱國內(nèi)外文獻(xiàn)的基礎(chǔ)之上，以GARCH與VAR模型相結(jié)合的實(shí)證分析方法著重研究“股災(zāi)”時(shí)段融資融券對上證A股指數(shù)波動(dòng)性的影響。

[關(guān)鍵詞]上證A股；融資；融券；波動(dòng)性；GARCH；毒杠桿

doi：10.3969/j.issn.1673 - 0194.2017.02.068

[中圖分類號]F224；F832.51 [文獻(xiàn)標(biāo)識碼]A [文章編號]1673-0194（2017）02-0-03

0 引 言

2015年股市的熱度早已超越了氣候的溫度，無論機(jī)構(gòu)投資者還是中小投資者都在這一場指數(shù)狂飆的盛宴中盡情地享受。鋪天蓋地的都是眾多投資機(jī)構(gòu)的破萬點(diǎn)論、牛市論，給投資者展示了我國資本市場一片大好的景象，可是風(fēng)險(xiǎn)也在進(jìn)一步集聚，在等待它爆發(fā)的一天。

2015年5月25日，市場在經(jīng)歷過一次小幅調(diào)整后又向上創(chuàng)出年內(nèi)新高，創(chuàng)業(yè)板指數(shù)也連連新高，各種小盤股活躍，中字頭的大盤股開始橫盤震蕩，不久，指數(shù)就已經(jīng)破了5000點(diǎn)的大關(guān)。5月28日上午10點(diǎn)半過后，第一波下跌行情開始，創(chuàng)業(yè)板領(lǐng)跌，高價(jià)股下跌，到下午2點(diǎn)45分后，更是一波3%幅度130多點(diǎn)的下跌，使市場上眾多股票由漲停到跌停。頓時(shí)輿論四起，牛市泡沫的破裂也就在這一刻開始了。

1 研究模型選擇

1.1 ARCH模型族介紹

1.1.1 ARCH模型族

ARCH模型的基本思想是指在以前信息集下，某一時(shí)刻一個(gè)噪聲的發(fā)生是服從正態(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，即條件異方差。并且這個(gè)隨時(shí)間變化的方差是過去有限項(xiàng)噪聲值平方的線性組合，這樣就構(gòu)成了自回歸條件異方差模型。

1.1.2 GARCH模型

自從Engle提出ARCH模型分析時(shí)間序列的異方差性以后，波勒斯列夫又提出了GARCH模型，GARCH模型是一個(gè)專門針對金融數(shù)據(jù)專門做的回歸模型，除去和普通回歸模型相同的之處，GARCH對誤差的方差進(jìn)行了進(jìn)一步的建模，特別適用于波動(dòng)性的分析和預(yù)測。

1.2 VAR模型

向量自回歸（VAR）是基于數(shù)據(jù)的統(tǒng)計(jì)性質(zhì)建立模型，VAR模型把系統(tǒng)中每一個(gè)內(nèi)生變量作為系統(tǒng)中所有內(nèi)生變量的滯后值的函數(shù)來構(gòu)造模型，從而將單變量回歸自回歸模型推廣到有多元時(shí)間序列組成的“向量”自回歸模型。VAR模型是處理多個(gè)相關(guān)經(jīng)濟(jì)指標(biāo)的分析與預(yù)測最容易操作的模型之一。

2 融資融券對上證A股指數(shù)波動(dòng)性影響的實(shí)證分析

2.1 數(shù)據(jù)選擇與說明

本文選取的數(shù)據(jù)是上證A股每日的收盤指數(shù)以及每日的融資融券數(shù)據(jù)，時(shí)間跨度是2014年10月21日至2015年9月30日，總共235個(gè)樣本數(shù)據(jù)。

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-1～1之間，依次記為MP、SS。其中融資融券強(qiáng)度計(jì)算公式如下。

融資強(qiáng)度=（融資買入額-融資償還額）/（融資買入額+融資償還額）；融券強(qiáng)度=（融券賣出量-融券償還量）/（融券賣出量+融券償還量）。

2.2 ARCH效應(yīng)檢驗(yàn)

首先對上證A股指數(shù)波動(dòng)性進(jìn)行ARCH效應(yīng)檢驗(yàn)。為了減少量綱對實(shí)證分析的影響，筆者對收益率進(jìn)行對數(shù)化處理，并記為lnspt。

回歸結(jié)構(gòu)中，R2（擬合優(yōu)度）接近于1，說明該回歸方程擬合效果較好，系數(shù)項(xiàng)與常數(shù)項(xiàng)在10%顯著性水平下拒絕了原假設(shè)。

從回歸方程的殘差序列圖（圖1）中，發(fā)現(xiàn)波動(dòng)出現(xiàn)樂波動(dòng)集聚的現(xiàn)象，這說明該序列存在條件異方差性。因此，筆者對殘差序列進(jìn)行ARCH效應(yīng)檢驗(yàn)，并依據(jù)AIC準(zhǔn)則來確定檢驗(yàn)的階數(shù)。通過上述操作，發(fā)現(xiàn)在1階時(shí)，AIC值最小且為-10.629 86，因此確定檢驗(yàn)階數(shù)為1。

從表1中可以看出，在5%顯著性水平下，拒絕原假設(shè)，即存在ARCH效應(yīng)，因此，可以采用GARCH模型對這一時(shí)段的上證A股指數(shù)波動(dòng)性進(jìn)行擬合。

從表2中可以看出，回歸方程的R2接近于1，擬合程度較好，非對稱項(xiàng)的系數(shù)為正值，說明存在杠桿效應(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，筆者將提取的條件方差作為股市波動(dòng)性的替代變量且記為V。

從表5中可以看出，在5%的顯著性水平下，均接受了原假設(shè)，即股市波動(dòng)率V與融券強(qiáng)度SS是獨(dú)立的，不是對方的Granger原因。檢驗(yàn)結(jié)果表明融券強(qiáng)度的變化不能對股市波動(dòng)率V產(chǎn)生實(shí)質(zhì)性的影響，可能存在其他原因?qū)е聲r(shí)波動(dòng)率巨幅波動(dòng)，股市波動(dòng)比率V的變化也不會(huì)對融券強(qiáng)度產(chǎn)生實(shí)質(zhì)性的影響。

2.5 二元VAR模型的構(gòu)建

筆者分別確定了V與MP以及V與SS的最優(yōu)滯后階數(shù)，在進(jìn)行脈沖響應(yīng)分析以及方差分解之前，要首先驗(yàn)證構(gòu)建的VAR模型是否穩(wěn)定，檢驗(yàn)標(biāo)準(zhǔn)是所有AR根均落在單位圓內(nèi)。在此將V與MP的二元VAR模型定義為VAR（1），將V與SS的二元VAR模型定義為VAR（2）。

對建立的VAR（1）模型進(jìn)行穩(wěn)定性檢驗(yàn)，從AR根圖示（圖2）中，可以看出，所有AR根均落在單位圓內(nèi)，說明V與MP的VAR模型是穩(wěn)定的，可以進(jìn)行脈沖響應(yīng)分析與方差分解。

對建立的VAR（2）模型進(jìn)行穩(wěn)定性檢驗(yàn)，同理從AR根圖示（圖3）中，可以看出，所有AR根均落在單位圓內(nèi)，說明V與SS的VAR模型是穩(wěn)定的，可以進(jìn)行脈沖響應(yīng)分析與方差分解。

2.6 脈沖響應(yīng)分析

分別對V與MP以及V與SS進(jìn)行脈沖響應(yīng)分析，脈沖響應(yīng)結(jié)果如圖4、圖5所示。

從圖4、圖5中，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，開始時(shí)會(huì)對股市波動(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5期時(shí)達(dá)到最大，隨著期數(shù)的增加，這種影響在第50期逐漸消失。結(jié)果說明融資強(qiáng)度在這一時(shí)段的變化會(huì)減小股市的波動(dòng)，而且這種影響不是持久的，隨著時(shí)間的推移會(huì)逐漸減小直至消失。當(dāng)給融券強(qiáng)度一個(gè)正向的標(biāo)準(zhǔn)差的沖擊，開始時(shí)會(huì)對股市波動(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7期時(shí)達(dá)到最大，隨著時(shí)間的推移，效應(yīng)逐漸減弱直至消失。

2.7 方差分解

在VAR模型基礎(chǔ)之上進(jìn)行方差分解，獲知融資融券強(qiáng)度對股市波動(dòng)率V的解釋能力。見表7、表8。

從表7可以看出，股市波動(dòng)率V只有大約66.5%被其自身解釋，而相當(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20期時(shí)達(dá)到33.5%。從方差分解的結(jié)果來看，股市的巨幅波動(dòng)與融資交易有著密不可分的聯(lián)系，融資強(qiáng)度的變化對股市波動(dòng)產(chǎn)生的影響是非常明顯的。股市波動(dòng)率V的大部分被其自身解釋掉了，僅有小部分被融券強(qiáng)度解釋。從表8中發(fā)現(xiàn)，融券強(qiáng)度對股市波動(dòng)率的解釋能力隨著期數(shù)的增加也在增強(qiáng)，在第20期時(shí)達(dá)到1.454%。方差分解結(jié)果表明在股市巨幅波動(dòng)階段，融券強(qiáng)度的變化對股市波動(dòng)存在一定的影響，但這種影響微乎其微。

2.8 “股災(zāi)”巨幅波動(dòng)期的實(shí)證結(jié)果分析

第一，我國投資者結(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，容易對股指造成助漲殺跌的作用，極易造成股市的波動(dòng)。

第二，多空雙方規(guī)模懸殊，我國鼓勵(lì)買多不買空。融資融券的規(guī)模始終無法平衡，融資的規(guī)模要遠(yuǎn)遠(yuǎn)超過融券的規(guī)模，由此導(dǎo)致券商等金融投資機(jī)構(gòu)無券可融。這種規(guī)模的失衡帶來的后果便是股市一旦有暴漲，則必有暴跌。

第三，我國融資融券交易機(jī)制不完善，法律法規(guī)與部門監(jiān)管仍存在很大缺陷。比如：最明顯的便是對于配資公司監(jiān)管的不到位，只要中小投資者有一定的本金，在支付一定傭金費(fèi)的情況下，就可以加數(shù)倍杠桿融資買入，而對于配資公司的審查及監(jiān)管方面處于空白，因此便造成了杠桿的無度使用。

3 完善融資融券制度的建議

3.1 優(yōu)化投資者結(jié)構(gòu)

我國投資者結(jié)構(gòu)目前主要呈現(xiàn)出機(jī)構(gòu)投資者少，而個(gè)人投資者較多的情形，也就意味著證券市場主要以短線投資為主，也就是投機(jī)需求主導(dǎo)。尤其在股市大幅上揚(yáng)時(shí)期，中小股民出于投機(jī)心理進(jìn)行短線投資，不斷加杠桿融資買入，是造成股市巨幅波動(dòng)的主要原因之一。為了保證資本市場持續(xù)健康有效運(yùn)行，更好地發(fā)揮對我國經(jīng)濟(jì)的助推作用，優(yōu)化投資者結(jié)構(gòu)勢在必行，主張價(jià)值投資，長期投資，積極培育更為成熟的機(jī)構(gòu)投資者與個(gè)人投資者。

3.2 建立有效的保證金制度

證券公司在融資融券日常交易的過程中實(shí)施“逐日盯市”制度，在實(shí)際操作中，分析證券信用交易的保證金追繳點(diǎn)具有如下重要意義：投資者可以據(jù)此判斷自己可能承擔(dān)的風(fēng)險(xiǎn)水平以及最大的損失程度；證券公司可以據(jù)此對沒有追加擔(dān)保物的投資者采取強(qiáng)制平倉措施，以保證其融資融券債權(quán)得以實(shí)現(xiàn)；而對于監(jiān)管機(jī)構(gòu)來說，根據(jù)不同的市場狀況設(shè)定不同的維持保證比例，可以控制整個(gè)證券市場的信用程度和風(fēng)險(xiǎn)水平。

3.3 擴(kuò)大融資融券標(biāo)的范圍

由于我國融資融券交易引入時(shí)間不長，融資融券標(biāo)的股占A股市場的比例依然較低，還有很大的上升空間。融資融券標(biāo)的規(guī)模小、種類少，不能很好地滿足投資者的需求，不利于融資融券業(yè)務(wù)的展開，也就無法優(yōu)化資源配置。因此，應(yīng)該拓寬證券公司的經(jīng)營范圍，增加標(biāo)的股數(shù)量及種類，提高證券市場的靈活性，滿足不同層次投資者的需求。

主要參考文獻(xiàn)

[1]F Allen，D Gale.Arbitrage， Short Sales， and Financial Innovation[J]. Econometrica，1991（4）.

[2]陳瀟，楊恩.中美股市杠桿效應(yīng)與波動(dòng)溢出效應(yīng)——基于GARCH模型的實(shí)證分析[J].財(cái)經(jīng)科學(xué)，2011（4）.

[3]廖士光，楊朝軍.賣空交易機(jī)制對股價(jià)的影響——來自臺灣股市的經(jīng)驗(yàn)證據(jù)[J].金融研究，2005（10）.