林 濤

(1.貴州財(cái)經(jīng)大學(xué) 大數(shù)據(jù)應(yīng)用與經(jīng)濟(jì)學(xué)院，貴州 貴陽 550025；2.貴州財(cái)經(jīng)大學(xué) 中國西部減貧與發(fā)展協(xié)同創(chuàng)新中心，貴州 貴陽 550025)

0 引言

2010年3月31日，上交所和深交所開始實(shí)施融資融券(以下簡(jiǎn)稱“兩融”)業(yè)務(wù)試點(diǎn)，將90只股票作為兩融標(biāo)的股票.自此，兩融業(yè)務(wù)成為中國股市的重要組成部分.相比美國等發(fā)達(dá)國家和地區(qū)起步早、發(fā)展成熟的兩融業(yè)務(wù)而言，中國股市兩融業(yè)務(wù)起步較晚，但發(fā)展迅速.如圖1和圖2所示，自2014年11月起，伴隨兩融標(biāo)的股票不斷擴(kuò)容，兩融余額進(jìn)入迅速增長(zhǎng)階段，2015年4月1日兩融余額突破15 000億元.與此同時(shí)，中國A股牛市興起，上證指數(shù)由2 500點(diǎn)上升至3 500點(diǎn).2015年6月11日兩融余額突破22 000億元，其中融資余額占99.58%，此時(shí)，上證指數(shù)接近最高點(diǎn)，已突破5 100點(diǎn).自2015年6月15日股市開始下跌，市場(chǎng)形成恐慌情緒，盡管國家出臺(tái)一系列利好政策，也未能改變下跌趨勢(shì).至2016年1月，上證指數(shù)跌至2 700點(diǎn)，兩融余額降至8 000多億元.從2016年1月開始，A股進(jìn)入緩慢增長(zhǎng)階段，至2018年1月28日，A股達(dá)到3 500點(diǎn)，兩融余額升至10 000億元.此后A股進(jìn)入熊市，至2018年12月，A股開始出現(xiàn)小幅上漲，兩融余額跟隨A股走勢(shì)進(jìn)入小幅波動(dòng)階段.截至2019年11月底，兩融余額為9 650億元，其中融資余額占98.65%.從A股進(jìn)入牛市開始至今，兩融余額與上證指數(shù)走勢(shì)基本一致，這是否與兩融業(yè)務(wù)引入中國股市的初衷相違背？?jī)扇跇I(yè)務(wù)引入股市的目的是有效增加股市流動(dòng)性，減小股市波動(dòng)性，為投資者提供更為有效的避險(xiǎn)方式.相對(duì)于其他發(fā)達(dá)國家和地區(qū)的股市而言，中國股市在市場(chǎng)結(jié)構(gòu)、交易體系和上市公司質(zhì)量等方面還需進(jìn)一步完善與提高.在這種股市環(huán)境中，兩融余額變動(dòng)與股市波動(dòng)是否相互影響？?jī)扇跇I(yè)務(wù)的引入能否平抑股市波動(dòng)性？國內(nèi)學(xué)者并未達(dá)成一致結(jié)論.基于此，選取兩融業(yè)務(wù)實(shí)施以來滬深300指數(shù)和兩融余額的完整數(shù)據(jù)，研究?jī)扇诮灰讓?duì)中國股市波動(dòng)性的動(dòng)態(tài)影響，以期為兩融業(yè)務(wù)更好地開展和降低股市波動(dòng)性提供相應(yīng)的依據(jù).

圖1 滬深兩市融資融券截止日余額

圖2 上證指數(shù)與融資融券余額走勢(shì)

1 文獻(xiàn)綜述

國內(nèi)外學(xué)者就兩融交易對(duì)股市波動(dòng)性影響進(jìn)行了大量研究，但未得出一致結(jié)論，主要有三種觀點(diǎn)：

第一，兩融交易加劇了股市波動(dòng)性.Olan T.Henry等[1]選取1994—2001年香港股市的日度交易數(shù)據(jù)，就兩融交易對(duì)香港股市波動(dòng)性進(jìn)行研究，實(shí)證結(jié)果表明兩融交易在一定程度上會(huì)加劇股市波動(dòng)性，且會(huì)使投資者對(duì)于股市中利好利空消息做出過激的反應(yīng);Alessandro Beber[2]、Chip Wade[3]對(duì)限制賣空與股市崩盤風(fēng)險(xiǎn)之間的關(guān)系進(jìn)行研究，結(jié)果表明限制賣空交易會(huì)降低股價(jià)對(duì)市場(chǎng)信息的反應(yīng)速度，進(jìn)而降低股市流動(dòng)性,加劇股市波動(dòng)性，增加了股市崩盤風(fēng)險(xiǎn)；張紅偉[4]和胡憶文[5]分別構(gòu)建 TGARCH模型就兩融交易對(duì)中國股市波動(dòng)性的影響進(jìn)行研究，結(jié)果表明兩融交易加劇了股市價(jià)格波動(dòng)，沒有達(dá)到抑制股市劇烈波動(dòng)的預(yù)期.

第二，兩融交易抑制了股市波動(dòng)性.Eric C.Chang等[6]采用事件研究法對(duì)香港股市限制賣空交易前后的股市波動(dòng)性進(jìn)行研究，結(jié)果表明限制賣空有助于股價(jià)上漲；Ekkehart Boehmer等[7]認(rèn)為2008年金融危機(jī)期間美國股市賣空限制政策不能平抑股價(jià)暴跌，降低了股市信息傳遞的有效性；林炳華[8]、安輝[9]選取中國A股兩融余額和滬深300指數(shù)的日度數(shù)據(jù)進(jìn)行實(shí)證分析，結(jié)果表明兩融交易在總體上平抑了股市波動(dòng)性；郝永敬和呼曉英[10]運(yùn)用斷點(diǎn)回歸模型評(píng)估證券交易所調(diào)整兩融保證金對(duì)股市波動(dòng)性的影響，認(rèn)為在股市劇烈波動(dòng)期間提高兩融交易的保證金能平抑股市波動(dòng).

第三，兩融交易對(duì)股市波動(dòng)性的影響不明確.Pedro A.C.Saffi等[11]對(duì)26個(gè)國家的兩融交易和股市波動(dòng)數(shù)據(jù)進(jìn)行研究，結(jié)果表明賣空機(jī)制對(duì)股市的影響存在很多不確定性因素；Mikhail Anufriev等[12]研究發(fā)現(xiàn)融券交易對(duì)股市波動(dòng)不會(huì)產(chǎn)生直接的影響，兩融交易在一定條件下才會(huì)對(duì)股市波動(dòng)產(chǎn)生影響；鄭曉亞等[13]將兩融業(yè)務(wù)作為虛擬變量引入GARCH和EGARCH模型進(jìn)行實(shí)證檢驗(yàn)，結(jié)果表明兩融交易對(duì)中國股市長(zhǎng)期波動(dòng)性影響并不顯著；劉燁等[14]認(rèn)為兩融交易引入前后的信息沖擊未對(duì)股市波動(dòng)產(chǎn)生顯著影響；徐雪和馬潤平[15]則從微觀層面研究?jī)扇诮灰讓?duì)股市波動(dòng)性的影響，運(yùn)用雙重差分法檢驗(yàn)出兩融交易未對(duì)家電和房地產(chǎn)行業(yè)股價(jià)產(chǎn)生顯著的影響.

通過對(duì)已有文獻(xiàn)分析可知，研究?jī)扇诮灰讓?duì)股市波動(dòng)性的動(dòng)態(tài)影響多以美國等發(fā)達(dá)國家和地區(qū)的股市為研究對(duì)象.中國自2010年3月31日引入兩融業(yè)務(wù)以來，兩融余額規(guī)模發(fā)展迅速，但以往學(xué)者選取的數(shù)據(jù)期限較短，且多數(shù)學(xué)者分階段研究?jī)扇诮灰讓?duì)中國股市波動(dòng)性的影響，缺乏整體性，結(jié)果沒有得出一致的結(jié)論.基于此，選取2010年4月1日—2019年11月29日的融資余額、融券余額和滬深300指數(shù)波動(dòng)的日度交易數(shù)據(jù)，通過Granger因果關(guān)系檢驗(yàn)，分析出兩融交易與中國股市波動(dòng)性的雙向影響，并構(gòu)建VAR模型分別研究融資余額和融券余額變動(dòng)對(duì)中國股市波動(dòng)性的動(dòng)態(tài)影響.

2 兩融交易對(duì)股市波動(dòng)性影響的實(shí)證分析

2.1 變量選取與處理

1)融資余額(RZY).選取融資余額指標(biāo)作為刻畫股市融資交易的變量.融資余額即融資買入股票的金額與賣出股票償還融資金額的差值，反映出投資者對(duì)于股市行情的預(yù)期.當(dāng)融資余額增加，即融資買入股票的金額大于賣出股票償還融資的金額時(shí)，表明投資者對(duì)未來行情的預(yù)期較好，買方勢(shì)力較強(qiáng);反之，投資者對(duì)未來的預(yù)期較差.

2)融券余額(RQY).與融資余額同理，選取融券余額指標(biāo)作為刻畫融券交易的變量.當(dāng)融券余額增加，即融券賣出股票金額大于融券償還額時(shí)，表明投資者對(duì)未來股市行情的預(yù)期較差，賣方勢(shì)力較強(qiáng).

3)股市波動(dòng)率(VOL).選取滬深300指數(shù)的波動(dòng)率作為中國股市波動(dòng)的代理指標(biāo).主要原因有兩點(diǎn)：第一，滬深300指數(shù)選取滬市和深市規(guī)模大、流動(dòng)性好的300只股票作為成分股，規(guī)避由于人為操縱股價(jià)等因素造成的非正常性波動(dòng)的影響；第二，滬深300指數(shù)橫跨滬市和深市，并且其成分股的行業(yè)占比與A股的行業(yè)占比相近，能較好地反映出中國股票市場(chǎng)的發(fā)展?fàn)顩r.參考王旻等[16]對(duì)股市波動(dòng)率的計(jì)算方法，公式如下：

(1)

2.2 數(shù)據(jù)來源與描述性統(tǒng)計(jì)

選取了2010年4月1日—2019年11月29日共2 351個(gè)交易日的滬深300指數(shù)、融資余額和融券余額數(shù)據(jù).此樣本區(qū)間包含了自兩融業(yè)務(wù)實(shí)施以來滬深300指數(shù)和兩融余額的數(shù)據(jù)，樣本區(qū)間完整.并且，在此區(qū)間A股經(jīng)歷了幾次牛市和熊市轉(zhuǎn)換，樣本區(qū)間較為合理.使用的數(shù)據(jù)均來源于RESSET金融研究數(shù)據(jù)庫，各變量的描述性統(tǒng)計(jì)結(jié)果如表1所示.

表1 各變量的描述性統(tǒng)計(jì)結(jié)果

2.3 模型構(gòu)建

為了反映股票市場(chǎng)融資交易和融券交易對(duì)股市波動(dòng)率的沖擊，建立融資余額與股市波動(dòng)率、融券余額與股市波動(dòng)率的兩變量向量自回歸模型,如公式(2)和(3)所示.

(2)

(3)

式中:VOL表示股市波動(dòng)率;RZY表示融資余額;RQY表示融券余額;π,θ,φ,α,β和γ表示待估參數(shù)，μ和η表示誤差項(xiàng).

2.3.1 單位根檢驗(yàn)

由于對(duì)非平穩(wěn)的時(shí)間序列進(jìn)行VAR建模可能會(huì)出現(xiàn)“偽回歸”現(xiàn)象，因此，在建模前需要對(duì)VOL、RZY和RQY序列進(jìn)行平穩(wěn)性檢驗(yàn).采用ADF檢驗(yàn)方法對(duì)三組時(shí)間序列數(shù)據(jù)進(jìn)行單位根檢驗(yàn)，檢驗(yàn)結(jié)果如表2所示.股市波動(dòng)率的t統(tǒng)計(jì)量在1%的顯著性水平下是顯著的，因此，VOL序列是平穩(wěn)的.融資余額和融券余額的t統(tǒng)計(jì)量在1%的顯著性水平下是不顯著的，接受原假設(shè)，即RZY和RQY序列均存在單位根，是不平穩(wěn)的.對(duì)RZY和RQY序列進(jìn)行一階差分后得到DRZY和DRQY序列，差分后的序列在1%的顯著性水平下均拒絕原假設(shè)，即均不存在單位根.進(jìn)行差分后的RZY和RQY具有明確的經(jīng)濟(jì)含義，為本交易日的兩融余額分別與上一交易日的兩融余額相減，即本交易日融資凈買額與融券凈賣額.通過單位根檢驗(yàn)，可以對(duì)DRZY與VOL,DRQY與VOL進(jìn)行VAR建模.

表2 單位根檢驗(yàn)結(jié)果

2.3.2 滯后階數(shù)的確定

在構(gòu)建VAR模型之前，需要確定模型的最優(yōu)滯后階數(shù).對(duì)DRZY與VOL、DRQY與VOL的VAR模型最優(yōu)滯后階數(shù)的檢驗(yàn)結(jié)果如表3和表4所示.

表3 DRZY和股市波動(dòng)率的VAR模型LLC檢驗(yàn)

表4 DZQY和股市波動(dòng)率的VAR模型LLC檢驗(yàn)

由表3和表4的檢驗(yàn)結(jié)果可知，結(jié)合各統(tǒng)計(jì)量的數(shù)值，兩個(gè)VAR模型的最優(yōu)滯后階數(shù)均為4期.因此構(gòu)建的融資余額對(duì)股市波動(dòng)率沖擊、融券余額對(duì)股市波動(dòng)率沖擊的VAR模型分別為：

(4)

(5)

2.3.3 Granger因果關(guān)系檢驗(yàn)

采用Granger因果關(guān)系檢驗(yàn)對(duì)融資余額與股市波動(dòng)率、融券余額與股市波動(dòng)率的雙向因果關(guān)系進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果如表5所示.Granger因果關(guān)系檢驗(yàn)實(shí)質(zhì)上是檢驗(yàn)一個(gè)變量的滯后項(xiàng)能否引入其他變量的方程中，如果一個(gè)變量的滯后項(xiàng)對(duì)其他變量產(chǎn)生影響，則稱它們存在Granger因果關(guān)系.由表5的檢驗(yàn)結(jié)果可以看出，DRZY與VOL、DRQY與VOL之間存在雙向的Granger因果關(guān)系.

表5 融資余額與股市波動(dòng)率的Granger因果關(guān)系檢驗(yàn)結(jié)果

2.3.4 模型建立及AR根檢驗(yàn)

采用Eviews 10.0對(duì)融資交易與股市波動(dòng)(模型4)、融券交易與股市波動(dòng)(模型5)的VAR模型進(jìn)行估計(jì)，融資交易與股市波動(dòng)的VAR(4)估計(jì)結(jié)果如公式(6)所示：

VOL=0.296 4VOL(-1)+0.152 9VOL(-2)+

0.147 9VOL(-3)+0.172 2VOL(-4)-

(1.39E-13)DRZY(-1)-(2.99E-14)×

DRZY(-2)+(8.88E-14)DRZY(-3)-

(1.69E-15)DRZY(-4)+0.004 0.

(6)

模型(6)的R2=0.424 8，調(diào)整后的R2=0.422 8，模型擬合效果一般，融資交易對(duì)股市波動(dòng)影響顯著，但是影響幅度較小，說明股市波動(dòng)受自身因素及外部因素沖擊的影響更多.凈融資余額滯后一期、二期和四期對(duì)股市波動(dòng)具有顯著的負(fù)效應(yīng)，說明融資交易對(duì)股市波動(dòng)具有抑制效應(yīng).融券交易與股市波動(dòng)的VAR(4)估計(jì)結(jié)果如公式(7)所示：

VOL=0.299 2VOL(-1)+0.158 0VOL(-2)+

0.159 9VOL(-3)+0.174 5VOL(-4)-

(4.28E-12)DRQY(-1)-(1.52E-12)×

DRQY(-2)+(1.64E-12)DRQY(-3)+

(6.34E-13)DRQY(-4)+0.003 6.

(7)

模型(7)的R2=0.422 9，調(diào)整后的R2=0.420 9，模型效果擬合一般，融券交易對(duì)股市波動(dòng)影響顯著，但是影響幅度較小.凈融券余額滯后一期和二期對(duì)股市波動(dòng)具有顯著的負(fù)效應(yīng)，凈融券余額滯后三期和四期對(duì)股市波動(dòng)具有顯著的正效應(yīng).

融資交易與股市波動(dòng)、融券交易與股市波動(dòng)的VAR(4)模型的AR根的倒數(shù)全部位于單位圓內(nèi)(如圖3和圖4所示)，這表明所建立的VAR(4)模型是穩(wěn)定的.也就是說，當(dāng)模型中某個(gè)變量發(fā)生變化時(shí)(即生成一個(gè)沖擊)，會(huì)使其他變量發(fā)生變化，但隨著時(shí)間的推移，這種影響會(huì)逐漸地消失.因此，可以得出這樣一個(gè)結(jié)論：盡管影響股市波動(dòng)率的因素復(fù)雜多變，整體來看，由融資交易與股市波動(dòng)率組成的VAR(4)系統(tǒng)和融券交易與股市波動(dòng)率組成的VAR(4)系統(tǒng)均是穩(wěn)定的.因此，可以對(duì)模型(6)和模型(7)進(jìn)行脈沖響應(yīng)函數(shù)分析.

圖3 模型(6)的AR根檢驗(yàn)圖

圖4 模型(7)的AR根檢驗(yàn)圖

2.3.5 脈沖響應(yīng)函數(shù)分析

為了更直觀地刻畫兩融交易及股市波動(dòng)滯后期對(duì)股市波動(dòng)當(dāng)期的動(dòng)態(tài)沖擊過程，在VAR(4)模型估計(jì)結(jié)果的基礎(chǔ)上，構(gòu)建脈沖響應(yīng)函數(shù).脈沖響應(yīng)函數(shù)圖如圖5、圖6和圖7所示.圖中的實(shí)線為脈沖響應(yīng)函數(shù)，虛線為正負(fù)兩倍標(biāo)準(zhǔn)差偏離帶.

圖5直觀地刻畫出股市波動(dòng)滯后期對(duì)股市波動(dòng)當(dāng)期的動(dòng)態(tài)沖擊過程.股市波動(dòng)滯后期對(duì)當(dāng)期的沖擊逐漸減小，在第一期達(dá)到最大值，在第二期迅速減小然后呈緩慢減小趨勢(shì).根據(jù)檢驗(yàn)結(jié)果，股市波動(dòng)滯后期對(duì)股市波動(dòng)當(dāng)期存在顯著的正向影響，股市波動(dòng)滯后期對(duì)股市波動(dòng)的影響是動(dòng)態(tài)變化的.

圖5 股市波動(dòng)率對(duì)自身沖擊的脈沖響應(yīng)

圖6反映了融資交易對(duì)股市波動(dòng)的動(dòng)態(tài)沖擊過程.融資交易對(duì)股市波動(dòng)的沖擊呈現(xiàn)負(fù)向影響且影響程度先增大后逐漸減小，在第一期沒有產(chǎn)生影響，在第二期迅速增大，在第三期達(dá)到最大值，在第四期開始逐漸減小.根據(jù)檢驗(yàn)結(jié)果，融資交易對(duì)股市波動(dòng)存在顯著的負(fù)向影響，且其影響是動(dòng)態(tài)變化的.

圖6 股市波動(dòng)率對(duì)融資交易沖擊的響應(yīng)

圖7反映了融券交易對(duì)股市波動(dòng)的動(dòng)態(tài)沖擊過程.融券交易對(duì)股市的沖擊呈現(xiàn)負(fù)向影響且影響程度先增大后波動(dòng)減小，在第一期沒有產(chǎn)生影響，在第二期達(dá)到最大值，在第三期開始迅速減小，在第四期趨于0,之后影響有小幅增加,在第六期開始波動(dòng)減小且趨于平穩(wěn).

圖7 股市波動(dòng)率對(duì)融券交易沖擊的響應(yīng)

根據(jù)檢驗(yàn)結(jié)果，融券交易對(duì)股市波動(dòng)存在顯著的負(fù)向影響，且其影響是動(dòng)態(tài)變化的.

2.3.6 方差分解

為了研究?jī)扇诮灰捉Y(jié)構(gòu)沖擊對(duì)股市波動(dòng)方差的貢獻(xiàn)度，構(gòu)建了DRZY、DRQY和VOL三個(gè)變量的VAR(4)模型，模型的方差分解結(jié)果如表6所示.中國股市波動(dòng)的方差主要是由其自身解釋的，但這一比例在不斷下降，伴隨期數(shù)增加，下降幅度不斷放緩.融券交易對(duì)股市波動(dòng)方差的貢獻(xiàn)度在第3期達(dá)到最大值0.770 511%，從第四期開始，其貢獻(xiàn)度緩慢減小.融資交易對(duì)股市波動(dòng)的貢獻(xiàn)度伴隨期數(shù)增加而增大，在第十期達(dá)到2.576 547%.總體來看，兩融交易對(duì)股市波動(dòng)方差的貢獻(xiàn)度較小.與融資交易相比，融券交易對(duì)股市波動(dòng)方差的貢獻(xiàn)度較小.

表6 股市波動(dòng)VOL的方差分解

3 結(jié)論

選取2010年4月1日—2019年11月29日的融資余額、融券余額和滬深300指數(shù)波動(dòng)數(shù)據(jù)，采用ADF檢驗(yàn)、Granger因果關(guān)系檢驗(yàn)和VAR模型，實(shí)證分析了兩融交易對(duì)股市波動(dòng)的動(dòng)態(tài)影響.研究結(jié)果表明：1)兩融余額變動(dòng)與股市波動(dòng)具有雙向Granger因果關(guān)系，即中國A股兩融交易與股市價(jià)格波動(dòng)互相影響.2)兩融交易對(duì)股市波動(dòng)具有顯著的負(fù)向沖擊，即對(duì)股市波動(dòng)具有抑制作用，但其沖擊具有滯后性，且影響程度較小.其中，融資交易對(duì)股市波動(dòng)的沖擊在第二期開始顯現(xiàn)，在第三期達(dá)到最大值，從第四期開始沖擊逐漸波動(dòng)減小.融券交易對(duì)股市波動(dòng)的沖擊在第二期開始顯現(xiàn)并達(dá)到最大值，從第三期開始迅速減小并趨于平穩(wěn).A股市場(chǎng)兩融標(biāo)的股票范圍較小，標(biāo)的股票數(shù)量?jī)H占股票總數(shù)的34.78%，兩融交易難以較大程度發(fā)揮其對(duì)股市波動(dòng)的抑制作用.由于中國股市在市場(chǎng)結(jié)構(gòu)、交易體系和信息披露等方面存在不足，市場(chǎng)信息傳遞具有一定的滯后性，從而導(dǎo)致兩融交易對(duì)股市波動(dòng)的沖擊具有一定的滯后性.3)兩融交易對(duì)股市波動(dòng)方差的貢獻(xiàn)度較小，股市波動(dòng)方差更多是由其自身因素或外部因素解釋，且融券交易對(duì)股市波動(dòng)方差的貢獻(xiàn)度小于融資交易.與發(fā)達(dá)國家股市相比，中國股市在市場(chǎng)結(jié)構(gòu)、交易體系和上市公司質(zhì)量等方面還需進(jìn)一步加強(qiáng)與完善，中國股市價(jià)格不僅受上市公司業(yè)績(jī)和國內(nèi)經(jīng)濟(jì)基本面等因素的影響，還會(huì)受到外部沖擊的影響.因此，兩融交易對(duì)中國股市波動(dòng)方差貢獻(xiàn)度較低.融券余額占兩融余額總量的比重不到5%，相比融資交易，融券交易未形成規(guī)模，所以對(duì)股市波動(dòng)方差的貢獻(xiàn)度小于融資交易.