雷藝　宋良榮

摘 要：融資融券業(yè)務(wù)是我國資本市場一項重要的金融創(chuàng)新，但它對股票市場的效應(yīng)存在很多爭議，為了研究融資融券交易對我國股市波動性的影響，文章基于道氏理論將2010年3月31日至2017年6月14日的樣本區(qū)間分為1個上升市場、1個下降市場和2個整合市場，運用VAR模型、Granger因果檢驗等實證分析了在以上不同市場區(qū)間融資交易和融券交易分別對股市波動性的影響。經(jīng)實證表明：在上升市場，融資交易一定程度上能促進股市波動性，融券交易一定程度上能抑制股市波動性；在下降市場，融資交易和融券交易都能夠加劇股市波動性；牛市之前的整合市場，融資交易和融券交易對股市波動性的影響并不顯著；在熊市之后的整合市場，融資交易和融券交易對股市波動性的影響不顯著。

關(guān)鍵詞：融資融券；股票市場；波動性；VAR模型；Granger因果檢驗

中圖分類號：F 830.91

文獻標(biāo)識碼：A 文章編號：1672-7312（2018）02-0173-07

Abstract：The margin trading business is an important financial innovation in Chinas capital market，but there have been several controversies about the effect of margin trading business on the stock market.In order to study the impact of margin trading on the volatility of Chinas stock market，based on the Dow theory，the data of the sample from March 31，2010 to June 14，2017 is divided into one rising market，one falling market and two integrated markets；using the VAR model and Granger causality，the impacts of the Margin Tradingof different market segments on Volatility of Stock Market were analyzed.The empirical results show that in the rising market segment，the financing transaction can promote the volatility of the stock market to certain extent and the securities lending transactions can suppress the volatility of the stock market to certain extent.In the falling market，the financing transactions and the securities lending transactions both can aggravate the volatility of the stock market.In the integrated market before rising market，the financing transactions and the securities lending transactions are non-significant on the stock market volatility.In the integrated market after the failing market，the financing transactions and the securities lending transactions are non-significant on the stock market volatility，either.

Key words：margin trading；stock market；volatility；VAR Model；granger causality

0 引 言

融資融券是投資者向符合條件的證券公司提供擔(dān)保物，融資買入證券或融券賣出證券的信用交易行為。2010年3月31日，我國推出融資融券業(yè)務(wù)試點，并在2011年11月25日融資融券業(yè)務(wù)由“試點”階段轉(zhuǎn)為“常規(guī)”階段。融資融券業(yè)務(wù)開展以來，在宏觀經(jīng)濟形勢基本沒有明顯改善的大環(huán)境下，自2014年6月，我國股市一路高漲，實務(wù)界普遍認(rèn)為是由融資融券等杠桿資金推動導(dǎo)致的。在該輪牛市中，投資者用融資交易加杠桿以獲取高額收益。2015年6月12日，滬指站上7年來最高點，但接下來幾個周，股市大跌，千股跌停，隨著資產(chǎn)價格泡沫的破滅，融資交易成倍地放大了投資者的損失，融資客被迫爆倉或者主動平倉。

有業(yè)界人士和學(xué)界認(rèn)為，融資融券業(yè)務(wù)是股票市場異常波動的“元兇”，對股市上漲和下跌起著推波助瀾的作用。我國的融資融券業(yè)務(wù)究竟是抑制還是加大了股價波動，特別是在“牛市”和“熊市”時，融資融券業(yè)務(wù)對股市波動性的影響如何，是文中研究的重點。

融資融券對股市波動性的影響，國內(nèi)外很多學(xué)者也展開了很多的理論和實證研究，但是并沒有形成統(tǒng)一的結(jié)論，主要有以下4種觀點。

融資融券交易加劇了股價的波動。Henry and McKenzie（2006）研究了香港股票市場1994—2001年的日頻數(shù)據(jù)，發(fā)現(xiàn)融資融券在一定程度上會加劇股市的波動，賣空機制加劇了投資者對利空利好消息的反應(yīng)[1]。劉志洋和宋玉穎（2015）指出融資融券交易會給金融體系穩(wěn)定帶來威脅，可能引發(fā)系統(tǒng)性的金融風(fēng)險[2]。張紅偉、楊琨和向玉冰（2016）運用TGARCH事件模型，證實了隨著標(biāo)的股票擴容和業(yè)務(wù)常規(guī)化，兩融業(yè)務(wù)導(dǎo)致股市投機過度，加劇了滬深兩市的資產(chǎn)價格異動，沒有達到平抑波動的設(shè)計預(yù)期[3]。

融資融券交易可以起到穩(wěn)定市場、降低波動的作用。Arturo Bris，Goetzmann and Ning Zhu（2007）發(fā)現(xiàn)與賣空約束相比，允許賣空交易的市場收益率、波動率以及虧損率極值的分布頻數(shù)要小得多，說明融資融券降低了市場極端風(fēng)險出現(xiàn)的概率，有穩(wěn)定證券市場的作用[4]。馮玉梅、陳璇和張玲（2015）實證檢驗了融資融券轉(zhuǎn)常規(guī)前后對股市波動性的影響。研究結(jié)果發(fā)現(xiàn)，試點期間融資相對于融券更能平抑波動，轉(zhuǎn)常規(guī)后融券平抑股價波動的功能開始顯現(xiàn)，但兩個階段的影響系數(shù)均較小[5]。

融資融券交易行為對股票市場的波動沒有顯著影響。Battalio and Schultz（2006）研究了納斯達克市場上網(wǎng)絡(luò)泡沫出現(xiàn)的原因，并且在分析過程中考慮了融資融券對股市波動性的影響，但發(fā)現(xiàn)二者之間不存在顯著的關(guān)系[6]。王旻、廖士光和吳淑琨（2008）運用中國臺灣市場的融資融券交易數(shù)據(jù)進行了實證研究，結(jié)果表明融資交易和融券交易并沒有加劇市場的波動[7]。唐艷（2012）發(fā)現(xiàn)融資融券交易對證券市場的波動有一定的影響，但影響程度相對較低[8]。

融資交易加大了股市波動性，而融券業(yè)務(wù)減少了股市波動性。陳海強、范云菲（2015）認(rèn)為融資融券交易對證券市場的波動率有非對稱性的影響，融資交易可以增加證券市場的波動率，而融券交易則會抑制證券市場的波動率[9]。吳國平和谷慎（2015）運用含虛擬變量的GARCH模型和VAR模型實證檢驗了融資融券業(yè)務(wù)推出前后股市波動率的變化，以及融資融券交易對股市波動性的影響。得到融資交易加劇了股市波動，而融券交易則減小了股市波動性[10]。劉光彥、郝芳靜和羅閣一（2017）通過GARCH等模型進行實證分析，研究結(jié)果表明融資交易余額的增加加大了股市的波動性，而融券余額的增加則對股市波動性起到抑制作用[11]。

綜上所述，融資融券交易對股市波動性的影響并沒有得到一個確切的結(jié)果?；谝陨涎芯楷F(xiàn)狀，參考李耀萍（2016）文章中對VAR模型的運用[12]，文中從不同市場區(qū)間的股市波動性為切入點，對融資融券交易對股市波動性的影響進行實證研究，從而為穩(wěn)定市場、更好地開展融資融券業(yè)務(wù)提供一定的依據(jù)。

1 模型介紹與數(shù)據(jù)選取

1.1 模型介紹

文中在實證研究部分首先將運用VAR（向量自回歸）模型進行分析，該模型廣泛應(yīng)用于經(jīng)濟問題的研究中，主要考查一個內(nèi)生變量對其他變量沖擊的響應(yīng)情況，而忽略了變量之間的相關(guān)關(guān)系。因此，文中進一步利用脈沖響應(yīng)函數(shù)（IRF）分析某變量沖擊對經(jīng)濟系統(tǒng)的動態(tài)影響，最后對研究結(jié)果進行了格蘭杰因果檢驗。

1.2 數(shù)據(jù)及指標(biāo)選取

文中以滬深300指數(shù)代表大盤股市，因為滬深300指數(shù)選取上海和深圳證券市場300只A股作為樣本編制而成，該指數(shù)樣本覆蓋了滬深市場大部分流通市值，有良好的市場代表性，能夠反映中國證券市場股票價格變動的情況。

具體指標(biāo)選取如下

1）股市波動率（VOL）。為了克服方差不穩(wěn)定的局限性，文中運用股票市場指數(shù)的震蕩幅度作為市場波動率的衡量指標(biāo)，計算公式為

2）融資交易（MP）。文中以滬深兩市每日融資買入額為代表，即我國股票市場每日融資買入的金額，單位為億元。

3）融券交易（SS）。文中以滬深兩市每日融券賣出額為代表，即我國股票市場每日融券賣出量，單位為億股。

以上數(shù)據(jù)來源于wind數(shù)據(jù)庫，計量分析軟件為EVIEWS 9.0.

1.3 樣本區(qū)間劃分

我國融資融券業(yè)務(wù)試點于2010年3月31日正式啟動，因此文中選取數(shù)據(jù)的時間范圍在2010年3月31日至2017年6月14日。同時，文中以道氏理論作為劃分股票市場的主要依據(jù)，將時間段劃分成：1個“上升市場”區(qū)間：2014年6月15日至2015年6月14日，共245個數(shù)據(jù)；1個“下降市場”區(qū)間：2015年6月15日至2016年6月14日，共244個數(shù)據(jù)；2個“整合市場”：整合市場1：2010年3月31日至2014年6月14日，共1 018個數(shù)據(jù)，整合市場2：2016年6月15日至2017年6月14日，共243個數(shù)據(jù)。

2 實證分析

2.1 單位根檢驗

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。文中采用單位根檢驗，即

ADF檢驗，將序列的ADF值與t統(tǒng)計量臨界值比較，當(dāng)ADF值小于t臨界值，說明變量是平穩(wěn)的，否則不平穩(wěn)。變量的平穩(wěn)性檢驗見表1和表2.

由表1可知，在整合階段1和上升階段，原序列并不都平穩(wěn)，一階差分后都是平穩(wěn)的，但由于原始數(shù)據(jù)不平穩(wěn)，還需要先對原始數(shù)據(jù)進行協(xié)整檢驗，觀察各個關(guān)系間是否存在長期穩(wěn)定的關(guān)系。

由表2可知，下降階段和整合階段2原序列均平穩(wěn)，并不需要進行協(xié)整檢驗。

2.2 協(xié)整檢驗

協(xié)整檢驗可以判斷變量之間的長期關(guān)系，其計算基于向量自回歸模型，在構(gòu)建VAR模型之前，需要確定最優(yōu)滯后階數(shù)。通過VAR模型的LLC檢驗，得到表3、表4的檢驗結(jié)果，根據(jù)多數(shù)原則，整合階段1的最優(yōu)滯后期確定為8，上升階段的最優(yōu)滯后期確定為7.整合階段1和上升階段的協(xié)整檢驗結(jié)果見表5.

由表5可知，整合階段1和上升階段均拒絕沒有協(xié)整向量的假設(shè)，接受最多有兩個協(xié)整向量的假設(shè)，因此，在假設(shè)沒有趨勢項和常數(shù)項的情況下，在整合階段1和上升階段，MP，SS和VOL之間存在著長期協(xié)整關(guān)系。

2.3 VAR模型穩(wěn)定性檢驗

通過上文提到的LLC檢驗，得到了不同市場區(qū)間的VAR最佳估計模型：整合階段1的VAR（8）模型，上升階段的VAR（6）模型，下降階段的VAR（8）模型以及整合階段2的VAR（2）模型。

為了估計模型后續(xù)相關(guān)的檢驗，在建立好估計模型后，先對模型的穩(wěn)定性進行檢驗。檢驗VAR模型穩(wěn)定性最常用的是AR根檢驗，因為它的基本原理比較簡單，如果所有根的倒數(shù)值小于1（分布在半徑為1的單位圓內(nèi)），即可認(rèn)為估計模型是穩(wěn)定的。下面分別對不同市場區(qū)間的最佳估計模型進行穩(wěn)定性檢驗，結(jié)果如圖1，圖2，圖3和圖4所示。

由圖1至圖4可知，4個階段的估計模型的單位根的倒數(shù)值均落在了半徑為1的單位圓內(nèi)，表明4個階段的VAR模型都是穩(wěn)定的。

2.4 脈沖分析

脈沖響應(yīng)函數(shù)分析的是估計模型受到?jīng)_擊時對整個系統(tǒng)的作用及影響。具體到文中，脈沖響應(yīng)函數(shù)主要分析的是股市受到融資交易和融券交易后其波動性的反應(yīng)，脈沖響應(yīng)表現(xiàn)如圖5，圖6，圖7和圖8所示。

從圖5可以看出，整合階段1中，給融資和融券一個正的脈沖后，會在第1期對股市波動性產(chǎn)生最大正面影響，在第2期時，轉(zhuǎn)為負(fù)向，第三期后，基本趨于穩(wěn)定，說明在整合階段1，融資交易和融券交易開始會增加股市波動性，第2期抑制股市波動性，隨著期數(shù)的增加，影響基本趨于0.說明在整合階段1，融資交易和融券交易對股市波動性的影響均不明顯。

從圖6可以看出，在上升階段，給融資和融券一個正的脈沖后，會從第一期開始出現(xiàn)正負(fù)交替，融資和融券交易對股市波動性的影響并不明晰，但從期數(shù)看，融資交易促進股市波動性的期數(shù)更多，融券交易抑制股市波動性的期數(shù)更多。

從圖7可以看出，在下降階段，給融資一個正的脈沖后，前7期出現(xiàn)正負(fù)交替出現(xiàn)，第7期之后，均給股市波動一個正影響，說明在下降階段，融資交易從長久來說會加劇股市波動。給融券一個正的脈沖后，效應(yīng)均為正效應(yīng)，市場波動率在第三期達到最大，說明融券交易在下降階段加劇了股市波動性。

從圖8可以看出，整合階段2中，給融資一個正的脈沖后，前兩期給股市波動一個正影響，接下來趨于0，影響并不顯著，融券交易從第2期之后均為負(fù)效應(yīng)，一定程度上抑制了股市波動性，但是基本趨于0，影響程度非常小。

2.5 Granger因果檢驗

為進一步檢驗所建模型的可信度和實證結(jié)論的穩(wěn)健性，文中進行了Granger因果檢驗，結(jié)果見表6，表7.

從表6和表7的Granger因果檢驗的結(jié)果可知，在10%的顯著性水平下，在整合階段1，股市波動性是融券交易的原因，但融資交易和融券交易均不是市場波動性變化的原因；在上升階段，融券交易是股市波動性的原因，融資交易不是股市波動性的原因，市場波動性是融資交易和融券交易的原因；下降階段，融資交易和融券交易均是市場波動性的原因；整合階段2，市場波動性是融資交易和融券交易的原因，但融資交易和融券交易并不是市場波動性的原因。

3 結(jié)論與建議

3.1 研究結(jié)論

結(jié)合脈沖分析以及Granger因果檢驗的結(jié)果，得出結(jié)論：在整合市場1階段（2010年3月31日至2014年6月14日）融資交易和融券交易對股市波動性沒有顯著的影響。在上升市場階段（2014年6月15日至2015年6月14日）融資交易一定程度上能促進股市波動性，融券交易一定程度上能抑制股市波動性。在下降市場階段（2015年6月15日至2016年6月14日），融資和融券均能加劇股市波動性。在整合市場2階段（2016年6月15日至2017年6月14日），融資交易能和融券交易對股市波動性的影響不顯著。

3.2 對策建議

穩(wěn)定健康地發(fā)展融資交易。首先嚴(yán)格控制杠桿效應(yīng)風(fēng)險。杠桿效應(yīng)提高了市場流動性，但也意味著其帶來的風(fēng)險問題需要重點關(guān)注。其次，提高融資對象及標(biāo)的證券的選擇標(biāo)準(zhǔn)，提高準(zhǔn)入門檻，加強標(biāo)的證券的動態(tài)管理。最后，完善投資者適當(dāng)性制度，降低其投資風(fēng)險，以保持融資交易頻率。

多角度全方位地促進融券交易發(fā)展。首先，培養(yǎng)投資者做空的投資理念，加強融券知識的普及，讓投資者學(xué)會在規(guī)避風(fēng)險的同時積極參與融券交易。其次，支持專業(yè)的機構(gòu)投資者參與融券交易，擴大融券券源。最后，完善交易渠道和優(yōu)化融券賣出交易機制，為融券業(yè)務(wù)開展提供基礎(chǔ)支撐。

參考文獻：

[1] Henry lan T，Michael McKenzie.The impactof short selling on the price-volume relationship：Evidencefrom Hongkong[J].The Journal of Business，2006（02）：671-691.

[2] 劉志洋，宋玉穎.融資融券的系統(tǒng)性風(fēng)險管理研究[J].上海經(jīng)濟研究，2015（07）：3-8+71.

[3] 張紅偉，楊 琨，向玉冰.融資融券加大了滬深股市波動嗎？[J].經(jīng)濟理論與經(jīng)濟管理，2016（12）：21-31.

[4] Arturo Bris，William N Goetzmann，Ningzhu.Efficiency and the bear：short Sales and markets around the world[J].The Journal ofFinance，2007，62（03）：1029-1079.

[5] 馮玉梅，陳 璇，張 玲.融資融券交易對我國股市波動性的影響研究——基于融資融券轉(zhuǎn)常規(guī)前后的比較檢驗[J].山東社會科學(xué)，2015（02）：130-134.

[6] Robert H Battalio，Paul H Schultz.Options and the bubble[J].The Journal of Finance，2006（61）：2071-2102.

[7] 王 旻，廖士光，吳淑琨.融資融券交易的市場沖擊效應(yīng)研究——基于中國臺灣證券市場的經(jīng)驗與啟示[J].財經(jīng)研究，2008（10）：99-109.

[8] 唐 艷.我國股市融資融券與股市波動的VAR模型分析[J].金融與經(jīng)濟，2012（09）：17-20.

[9] 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（06）：159-172.

[10]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.

[11]劉光彥，郝芳靜，羅閣一.融資融券對我國A 股波動性的影響研究——基于轉(zhuǎn)融通前后的比較[J].湖南科技大學(xué)學(xué)報（社會科學(xué)版），2017，20（2）：100-105.

[12]李耀萍.技術(shù)進步對經(jīng)濟增長效應(yīng)影響的實證研究——基于VAR模型的脈沖響應(yīng)和方差分解分析[J].技術(shù)與創(chuàng)新管理，2016，37（05）：491-496+508.

（責(zé)任編輯：許建禮）