劉瑩 肖欣榮 王鐸

摘? ?要：本文研究了中國A股市場融資融券標(biāo)的股票的“異質(zhì)性波動率之謎”，分別在我國融資融券制度推行初期和后期，構(gòu)建了兩階段的雙重差分回歸模型，比較融資融券制度的政策效果。實(shí)證結(jié)果表明，在融資融券制度推行初期，兩融標(biāo)的股票“異質(zhì)性波動率之謎”現(xiàn)象未能得到有效抑制。融資融券制度推行后期，A股市場融券交易總量快速增長，融資融券標(biāo)的股票的“異質(zhì)性波動率之謎”現(xiàn)象相對非融資融券股票得到明顯抑制，這一抑制效應(yīng)對于融券交易活躍的股票更為顯著，說明融券交易的活躍程度對于抑制融資融券標(biāo)的股票“異質(zhì)性波動率之謎”現(xiàn)象起主要作用。

關(guān)鍵詞：融資融券;異質(zhì)性波動率之謎;雙重差分模型

中圖分類號：F830.91? ?文獻(xiàn)標(biāo)識碼：A? 文章編號：1674-2265（2019）11-0003-13

DOI：10.19647/j.cnki.37-1462/f.2019.11.001

一、引言

經(jīng)典的CAPM理論認(rèn)為，只有系統(tǒng)性風(fēng)險可以被定價，而個別公司本身的異質(zhì)性風(fēng)險可以通過合理的組合配置充分分散，從而不具有風(fēng)險補(bǔ)償。Merton（1987）的研究則認(rèn)為由于投資者獲得信息的片面性和局限性，他們構(gòu)建組合時會更多持有熟悉的股票，因此異質(zhì)性風(fēng)險沒有得到充分分散，在這樣的情況下，股票的異質(zhì)性波動率與收益率間應(yīng)具有一定的正相關(guān)關(guān)系。但是，Ang等（2009）通過對20個發(fā)達(dá)國家和地區(qū)的股票交易數(shù)據(jù)進(jìn)行研究，發(fā)現(xiàn)異質(zhì)性波動率較高的股票收益率反而較低，當(dāng)在添加了更多控制變量后，上述結(jié)果仍顯著。左浩苗等（2011）利用中國股票市場數(shù)據(jù)的實(shí)證研究，最終也證明了這種現(xiàn)象的存在。由于傳統(tǒng)的CAPM模型無法解釋異質(zhì)性波動率與股票收益率的負(fù)相關(guān)關(guān)系，從而此現(xiàn)象被稱為“異質(zhì)性波動率之謎”。

Miller（1977）的異質(zhì)信念理論認(rèn)為，股票市場上充斥著持悲觀信念以及樂觀信念的交易者，兩者分別在不同的情緒驅(qū)動下，產(chǎn)生賣出、買入股票的行為。但由于賣空限制的存在，對于價格高估的股票持悲觀信念的投資者無法有效賣空，因此拉低股票的收益率。在學(xué)界，異質(zhì)信念被認(rèn)為是“異質(zhì)性波動率之謎”的重要成因。國內(nèi)學(xué)者虞文微和張兵（2017）的研究發(fā)現(xiàn)，在A股市場，套利限制較高的股票“異質(zhì)性波動率之謎”更為顯著。

2010年融資融券制度的引入，減少了A股市場兩融股票的賣空限制，當(dāng)投資者認(rèn)為個股當(dāng)期股價高估時，可以通過借入證券的形式進(jìn)行賣空。2014—2015年間，A股市場融券交易總量超過1萬億，賣空交易在A股市場空前活躍。參與融券交易的多為專業(yè)投資者，同時這些投資者可能基于非公開的信息源進(jìn)行交易，因此融資融券交易亦有價格發(fā)現(xiàn)、信息發(fā)現(xiàn)的功能（Karpoff，2010），這有助于減弱市場參與者的異質(zhì)信念。

在此基礎(chǔ)上，我們認(rèn)為我國融資融券標(biāo)的股票的“異質(zhì)性波動率之謎”現(xiàn)象應(yīng)得到抑制。在實(shí)證研究上，本文分別在融資融券初期和后期構(gòu)建了兩階段的雙重差分模型，以驗(yàn)證融資融券制度的政策效果。同時，本文在第二階段的雙重差分模型中，還提取了融券交易最活躍的前30%的股票樣本，對所得到的結(jié)論進(jìn)行了穩(wěn)健性檢驗(yàn)。

二、文獻(xiàn)綜述

（一）“異質(zhì)性波動率之謎”相關(guān)研究

Campbell、Lettau、Malkiel和Xu（2001）最早將研究的目光從全市場系統(tǒng)性風(fēng)險轉(zhuǎn)向個股層面的異質(zhì)性波動。他們在研究中嘗試將美股市場的股價波動在市場、行業(yè)、個股層面剝離。在一個較長的時間窗口下，實(shí)證研究表明個股層面的波動有顯著的上升趨勢，而其余兩個層面則沒有這一特征，且個股層面波動對整體股價的波動影響最大。Campell等 （2001）的研究引起了眾多學(xué)者的關(guān)注，進(jìn)而推動部分學(xué)者開始進(jìn)行個股層面異質(zhì)性波動率與收益率相關(guān)關(guān)系的研究。比較經(jīng)典且有影響力的是Ang等（2006、2009）使用全球多個發(fā)達(dá)地區(qū)股票市場數(shù)據(jù)，并利用Fama-French三因素模型回歸殘差項(xiàng)的月度化標(biāo)準(zhǔn)差作為個股異質(zhì)性波動率的測度變量，研究發(fā)現(xiàn)這一指標(biāo)與個股的收益率呈顯著的負(fù)相關(guān)關(guān)系。Zhi Su等（2018）則在研究中嘗試構(gòu)建了賣空高異質(zhì)性波動率股票、買入低異質(zhì)性波動率股票的套利策略，并發(fā)現(xiàn)這種策略長期可獲得5%—7%的年化收益，驗(yàn)證了已有的結(jié)論。由于這一發(fā)現(xiàn)違背了傳統(tǒng)資產(chǎn)定價模型“風(fēng)險補(bǔ)償”的概念，因此被稱為“異質(zhì)性波動率之謎”。

繼Ang等（2006、2009）的研究之后，Han和Kumar（2008）同樣利用傳統(tǒng)的資產(chǎn)定價模型對個股層面的異質(zhì)性風(fēng)險進(jìn)行了分離，并利用全球股票市場的交易數(shù)據(jù)驗(yàn)證了“異質(zhì)性波動率之謎”的存在。Shengnan Liu等（2019）則通過構(gòu)建GARCH模型研究了新興股票市場的數(shù)據(jù)，并驗(yàn)證了異質(zhì)性波動率和股票收益率的負(fù)相關(guān)關(guān)系長期穩(wěn)定存在。其后也有部分學(xué)者并不認(rèn)同“異質(zhì)性波動率之謎”的存在，如Fu（2009）利用美國股票市場1963—2006年的交易數(shù)據(jù)，采用EGARCH模型計(jì)算股票的異質(zhì)性波動率并發(fā)現(xiàn)所選取樣本異質(zhì)性波動率與截面收益率在長期表現(xiàn)為穩(wěn)定的正相關(guān)關(guān)系。學(xué)界通過在全球更廣泛市場、更長時間跨度的驗(yàn)證以及理論研究，普遍認(rèn)可“異質(zhì)性波動率之謎”的存在，并因此轉(zhuǎn)而展開對其成因的研究。

針對“異質(zhì)性波動率之謎”，Hou和K. Loh（2012）在研究中從投資者對彩票性股票的偏好、股票短期反轉(zhuǎn)效應(yīng)、公司未預(yù)期盈余等角度探尋其成因。通過實(shí)證檢驗(yàn)，以上變量對“異質(zhì)性波動率之謎”解釋力達(dá)到了60%—85%，遠(yuǎn)高于以前的解釋理論。他們認(rèn)為這些解釋因子也適用于更廣泛的資產(chǎn)定價問題。Stambaugh 等（2014）則從另一個角度，利用估值指標(biāo)對股票進(jìn)行了分組，研究發(fā)現(xiàn)高估值組股票收益率與個股異質(zhì)性風(fēng)險成負(fù)相關(guān)關(guān)系，低估值組則正好相反，在市場整體角度看，由于賣空限制的約束，高估值組異質(zhì)性風(fēng)險與個股預(yù)期收益率的負(fù)相關(guān)性更強(qiáng)，因此整個市場股票的個股收益風(fēng)險關(guān)系仍表現(xiàn)為負(fù)相關(guān)。且當(dāng)市場情緒越高漲，這種負(fù)相關(guān)關(guān)系表現(xiàn)得越為顯著。對于“異質(zhì)性波動率之謎”，Ming Gu等（2018）從交易限制以及構(gòu)建套利限制指數(shù)兩個方面展開研究，并發(fā)現(xiàn)為了保護(hù)投資者的交易限制措施實(shí)際上加劇了市場異象、降低了市場有效性。亦有部分學(xué)者認(rèn)為，以VIX指數(shù)為代表的市場恐慌情緒對“異質(zhì)性波動率之謎”現(xiàn)象有顯著影響，如Mahmoud Qadan等（2019）通過研究發(fā)現(xiàn)當(dāng)VIX指數(shù)處于上行趨勢時，美國股票市場的“異質(zhì)性波動率之謎”現(xiàn)象更為顯著。

對于“異質(zhì)性波動率之謎”這一市場異象近年國內(nèi)學(xué)者亦做了廣泛而深入的研究。楊華蔚等（2009）采取了與Ang等（2006、2009）相似的方法，利用Fama-French三因素模型提取了個股層面的異質(zhì)性波動率，并以我國A股市場股票交易數(shù)據(jù)為樣本，驗(yàn)證了“異質(zhì)性波動率之謎”現(xiàn)象的存在。此后還進(jìn)一步使用EGARCH模型分離異質(zhì)性波動率，同樣發(fā)現(xiàn)了異質(zhì)性波動率與個股收益率之間的負(fù)相關(guān)關(guān)系。國內(nèi)的學(xué)者亦嘗試對“異質(zhì)性波動率之謎”的成因進(jìn)行研究，如王小華等（2015）在已有研究的基礎(chǔ)上，利用日股票最大收益率、反轉(zhuǎn)效應(yīng)、股票的偏度等對異質(zhì)性波動率之謎做出了解釋，并發(fā)現(xiàn)以上因素均有一定解釋力。參考Stambaugh等（2014）對“異質(zhì)性波動率之謎”方面的研究，趙勝民等（2017）利用股票的超額收益率作為股票估值標(biāo)準(zhǔn)，并進(jìn)行打分分組，其實(shí)證研究的結(jié)果表明我國股票市場高估股票的異質(zhì)性波動率與預(yù)期收益率的負(fù)相關(guān)性更強(qiáng)。虞文薇等（2017）則從套利限制的角度，選取價格漲跌限制、融資融券指標(biāo)、股指期貨指數(shù)等變量構(gòu)建了套利限制指數(shù)，通過投資組合研究分析發(fā)現(xiàn)，套利限制較高的股票，其異質(zhì)性波動率與預(yù)期收益的負(fù)相關(guān)更強(qiáng)，整體上與理論研究和經(jīng)濟(jì)直覺相符合。

（二）“異質(zhì)性波動率之謎”成因相關(guān)研究

對于“異質(zhì)性波動率之謎”現(xiàn)象，之前的學(xué)者從多個角度提出了解釋。如從信息披露的角度而言，Jiang、Xu和Yao （2009）的研究認(rèn)為，具有高異質(zhì)性波動率的上市公司往往傾向于選擇性地披露信息，有時會刻意隱瞞負(fù)面信息，這種行為拉低了該股票未來的收益。Boehme、Danielson、Kumar和Sorescu （2009）則通過研究發(fā)現(xiàn)，機(jī)構(gòu)投資者或成熟投資者的持股比例，可能會影響個股“異質(zhì)性波動率之謎”的程度，如機(jī)構(gòu)投資者持股占比較高的個股，其股票收益與異質(zhì)性波動率之謎的相關(guān)關(guān)系會由負(fù)轉(zhuǎn)正，賣空交易量也會減小。Bali、Cakici和Whitelaw （2011）的研究則認(rèn)為，“異質(zhì)性波動率之謎”現(xiàn)象的主要成因是投資者對“彩票性股票”的偏好，在研究中他們使用股票過往最大收益作為代理變量，亦發(fā)現(xiàn)了其與股票收益率之間的負(fù)相關(guān)關(guān)系。對于這一觀點(diǎn)，周皓等（2018）亦利用了中國市場的數(shù)據(jù)進(jìn)行了檢驗(yàn)。Berrada和Hugonnier（2013）則構(gòu)建了信息不完備條件下的股票收益模型，并在研究中發(fā)現(xiàn)，當(dāng)上市公司披露信息不夠完善時，其“異質(zhì)性波動率之謎”現(xiàn)象更明顯。George J.Jiang（2019）的研究則發(fā)現(xiàn)，在新興股票市場，分析師覆蓋較少的“股票異質(zhì)性波動率之謎”現(xiàn)象更嚴(yán)重，分析師在上市公司信息披露中起到重要作用。

從行為金融學(xué)的視角，Miller（1977）在研究中提出，市場中的投資者同時存在樂觀和悲觀的預(yù)期，其中，悲觀的投資者由于缺乏賣空的手段，因此無法消除股價高估的現(xiàn)象，由此導(dǎo)致了市場整體異質(zhì)性波動率和股票收益率表現(xiàn)為顯著的負(fù)相關(guān)關(guān)系。在此后Figlewski（1981），Lamont和Stein（2004），Chordia、Jostova和Philipov （2012）等人的研究中，上述觀點(diǎn)亦被證實(shí)。對于“異質(zhì)性波動率之謎”這一市場異象，Stambaugh、Jianfeng Yu和Yu Yuan（2013）則認(rèn)為除了賣空限制導(dǎo)致的套利不對稱性外，股票較高的異質(zhì)性波動率還提高了套利的風(fēng)險，因此市場的錯誤定價難以被校正。套利風(fēng)險是市場異象產(chǎn)生的重要成因這一觀點(diǎn)，并非由Stambaugh等（2013）首次提出，在此之前，學(xué)界對此已有充分研究，例如，套利風(fēng)險是市賬率異象的重要成因（Ali 等，2003）、套利風(fēng)險增強(qiáng)了動量效應(yīng)（Nagel，2005）、套利風(fēng)險使得應(yīng)計(jì)異象無法被消除（Mashruwala等，2006）等等。

（三）融資融券與異質(zhì)性波動率相關(guān)研究

本文直接聚焦于研究融資融券制度對“異質(zhì)性波動率之謎”這一股票市場異象是否有一定的抑制作用。之前的學(xué)者在相關(guān)研究中，指出了我國融資融券制度推行中涵蓋標(biāo)的多次擴(kuò)容、多次調(diào)整的特征并廣泛采用雙重差分模型研究融資融券政策的效果，這均對本文的研究具有重要的參考意義。

如許紅偉等（2012）就通過雙重差分模型（Difference In Difference Model）對融資融券制度能否提高股市定價效率展開了研究，實(shí)證結(jié)果表明，融資融券制度對抑制市場單邊快速下跌有較好的效果，但在單邊上漲的市場中政策效果不顯著。在融資融券對于我國股市定價效率的影響上，陳晨和林秉旋（2015）的研究更具有典型意義。該研究構(gòu)建的定價效率指標(biāo)包含信息含量（股票的異質(zhì)性波動）和信息反應(yīng)速度兩個方面，同時相對于已有的文獻(xiàn)擴(kuò)大了樣本的覆蓋范圍。通過構(gòu)建雙重差分模型，該研究發(fā)現(xiàn)融資融券的確改善了A股市場的定價效率，且改善效果體現(xiàn)在提高流動性、降低信息不完備程度等多個方面。同年，陳海強(qiáng)和范云菲（2015）就融資融券制度與股票波動率的關(guān)系展開了研究，該研究選取了首批試點(diǎn)的86只兩融標(biāo)的作為實(shí)驗(yàn)組，并通過DID模型發(fā)現(xiàn)融資融券政策正式推出后，實(shí)驗(yàn)組整體的波動率得到了有效的削弱。其中，融券制度對兩融標(biāo)的波動率有正向影響，但在實(shí)證期間內(nèi)，融資交易占比過大，因而整體表現(xiàn)為負(fù)影響效應(yīng)。

國內(nèi)亦有部分文獻(xiàn)，聚焦于研究融資融券制度對于股票異質(zhì)性波動率關(guān)系的研究，但是鮮有文獻(xiàn)嘗試對于融資融券制度和“異質(zhì)性波動率之謎”關(guān)系進(jìn)行實(shí)證研究。例如肖浩等（2014）同樣采取了DID模型，在實(shí)驗(yàn)組樣本上選擇了當(dāng)期納入融資融券范圍的標(biāo)的股票，同時將下一期納入兩融范圍的標(biāo)的股票作為控制組。因該研究所選擇的時間窗口涉及多次擴(kuò)容，故文章中建立了兩個DID模型以檢驗(yàn)政策效果。該研究發(fā)現(xiàn)融資融券制度有效降低了股票本身的異質(zhì)性波動。與肖浩（2014）研究相似，虞文薇等（2017）選取兩融第二次擴(kuò)容標(biāo)的為實(shí)驗(yàn)組，第三次擴(kuò)容標(biāo)的為控制組，研究發(fā)現(xiàn)兩融政策使得處理組標(biāo)的的異質(zhì)性波動率以及異質(zhì)信念代理變量——換手率明顯降低，由此得出了政策有效的結(jié)論。

通過以上歸納整理，我們可以發(fā)現(xiàn)，目前國內(nèi)大部分研究都并非直接討論融資融券制度對“異質(zhì)性波動率之謎”這一市場異象的直接影響，而是間接性地討論了異質(zhì)性波動率、換手率等代理指標(biāo)在政策前后的變化。同時，大部分研究將樣本選擇集中在了一到兩次擴(kuò)容跨度內(nèi)，很少有貫穿多次擴(kuò)容的，因此研究結(jié)論可能有一定的局限性和片面性。本文充分借鑒了這兩方面的經(jīng)驗(yàn)。

三、數(shù)據(jù)及研究方法

（一）數(shù)據(jù)及處理方法

本文第一階段雙重差分模型（DID model）使用數(shù)據(jù)的時間窗口為：2008年12月到2011年6月。樣本選擇上實(shí)驗(yàn)組為首批納入融資融券交易的90只股票，最終實(shí)證樣本不包括金融行業(yè)和該時間跨度內(nèi)被移入或移出融資融券范圍的股票。對照組為2011年12月5日融資融券標(biāo)的第一次擴(kuò)容添加的股票，其中同樣不包括金融行業(yè)以及在第一次到第二次擴(kuò)容之間被移入或移出融資融券范圍的股票。圍繞融資融券制度在2010年3月正式落地推行，本文將實(shí)驗(yàn)期選為2010年4月至2011年6月，共15個月度;非實(shí)驗(yàn)對比期為自2008年12月至2010年2月，共15個月度。

本文第二個雙重差分模型（DID model）使用數(shù)據(jù)的時間窗口為：2013年6月到2015年12月。實(shí)驗(yàn)組為2014年9月第四次擴(kuò)容納入融資融券交易的205只股票，參照第一階段雙重差分模型的數(shù)據(jù)處理方法，樣本中剔除金融行業(yè)以及在該時間跨度內(nèi)被移入或移出融資融券標(biāo)的范圍的相關(guān)股票。第二階段雙重差分模型對照組為2016年12月12日第五次擴(kuò)容納入融資融券范圍的股票，同樣不包括金融行業(yè)以及在時間窗口內(nèi)有變動調(diào)整的股票。實(shí)驗(yàn)期為2014年10月至2015年12月①;非實(shí)驗(yàn)對比期為2013年6月至2014年8月。

本文實(shí)證部分涉及的融資融券個股交易數(shù)據(jù)及相關(guān)擴(kuò)容名單來自萬得金融證券數(shù)據(jù)庫。在計(jì)算個股異質(zhì)性波動率方面，需要的數(shù)據(jù)包括個股日度收益率、日度無風(fēng)險收益率、交易所日度三因子數(shù)據(jù)等，以上數(shù)據(jù)均來自銳思數(shù)據(jù)庫;日度數(shù)據(jù)需經(jīng)清洗、去缺失值、合并等過程并經(jīng)分組回歸計(jì)算，得到月度化殘差項(xiàng)標(biāo)準(zhǔn)差，即個股異質(zhì)性波動率（IVOL）。在完成兩個雙重差分模型（DID Model）的過程中，作為控制變量的個股公司特征數(shù)據(jù)也來自銳思數(shù)據(jù)庫。雙重差分模型面板數(shù)據(jù)回歸及相關(guān)檢驗(yàn)在SAS和Stata中完成。

（二）研究方法及模型建立

1.? 異質(zhì)性波動率相關(guān)計(jì)算。本文采用了國內(nèi)外研究“異質(zhì)性波動率之謎”問題時被廣泛使用的，提取Fama-French三因子模型中殘差月度標(biāo)準(zhǔn)差的方法，以獲得兩階段雙重差分模型實(shí)驗(yàn)組、對照組股票的異質(zhì)性波動率（IVOL）：

[Rit-rft=αit+βiMRmt-rft+siMSMBt+hiMHMLt+εit] （1）

其中，[Rit]表示第[i]只股票的日度收益率，[rft]表示日度的無風(fēng)險收益，[Rmt-rft]表示日度的流通市值加權(quán)市場風(fēng)險溢價因子，[SMBt]和[HMLt]表示日度的流通市值加權(quán)規(guī)模因子和賬面市值比因子。[βiM]、 [siM]、[hiM]是第[i]只股票的月度三因子貝塔值，[εit]是第[i]只股票通過Fama-French三因子回歸得到的日度殘差項(xiàng)，按月度求標(biāo)準(zhǔn)差即可得到第[i]只股票的月度異質(zhì)性波動率[IVOLiM]，即[IVOLiM]=[Std（εit）]。參考已有文獻(xiàn)，一般認(rèn)為異質(zhì)性波動率滿足隨機(jī)游走過程假設(shè)。因此個股第m月的預(yù)期異質(zhì)性波動率即其m-1月的異質(zhì)性波動率，即[EIVOLiM]=[IVOLi，? M-1]。由于計(jì)算異質(zhì)性波動率是完成后續(xù)實(shí)證工作的關(guān)鍵步驟，故展示樣本分年度統(tǒng)計(jì)數(shù)據(jù)如下：

2. 雙重差分模型。已有文獻(xiàn)運(yùn)用雙重差分模型研究融資融券開通前后以及擴(kuò)容的政策效果多有先例，如肖浩（2014）、虞文薇等（2017）的研究。融資融券業(yè)務(wù)開通運(yùn)行以及漸次的擴(kuò)容為本文使用雙重差分模型檢驗(yàn)其對兩融標(biāo)的“異質(zhì)性波動率之謎”的影響提供了很好的實(shí)驗(yàn)條件。對于融資融券制度與“異質(zhì)性波動率之謎”的研究，多次擴(kuò)容為采用雙重差分模型提供了獨(dú)特的優(yōu)越條件。

第一，兩融業(yè)務(wù)正式開通以及多次擴(kuò)容的具體時間點(diǎn)有絕對的外生性。第二，如果在擴(kuò)容中被納入融資融券標(biāo)的范圍，意味著此類股票與之前參與融資融券的股票并無本質(zhì)差異，而僅僅是受到政策影響。因此，兩融標(biāo)的范圍的多次擴(kuò)大，使我們擁有了多組天然的實(shí)驗(yàn)組和控制組。在每一個雙重差分模型中即期被納入融資融券標(biāo)的的股票被設(shè)置為實(shí)驗(yàn)組，下一期通過擴(kuò)容進(jìn)入兩融范圍的股票作為控制組。在此基礎(chǔ)上，我們可以在不同的政策節(jié)點(diǎn)構(gòu)建雙重差分模型，以驗(yàn)證兩融業(yè)務(wù)對“異質(zhì)性波動率之謎”的影響，基本的DID模型如下：

[RiM-rft=α+β1Treatedi×EIVOLiM+β2Posti×EIVOLiM+β3Treatedi×Posti×EIVOLiM+Firmfixed+β4ControliM+εiM] （2）

其中[RiM-rft]表示對應(yīng)股票樣本在M月對應(yīng)的月度超額收益。如果相關(guān)股票當(dāng)期在融資融券標(biāo)的范圍內(nèi)，那么被納入實(shí)驗(yàn)組，[Treatedi]=1，否則為0。如果相關(guān)樣本在實(shí)驗(yàn)期中，那么[Posti]=1，如果在非實(shí)驗(yàn)對比期為0。

[EIVOLiM]為個股[i]第[M]月預(yù)期異質(zhì)性波動率。在利用面板數(shù)據(jù)進(jìn)行雙重差分回歸的基礎(chǔ)上，本文將考慮納入個股的固定效應(yīng)（需通過Hausman檢驗(yàn)），并在模型中加入更多可能影響個股收益率的控制變量[ControliM];這些變量在已有對“異質(zhì)性波動率之謎”的研究中被廣泛采用，如虞文微等（2017）的研究，包括：（1）市凈率（[PBiM]）：即Price-To-Book ratio，定義為股票當(dāng)期每股價格與每股凈資產(chǎn)的比值。（2）換手率（[TURNiM]）：在研究異質(zhì)性波動率相關(guān)問題時，常用的指標(biāo)有換手率和交易量，但由于交易量容易產(chǎn)生偏誤，本文選擇月度換手率作為控制變量（Boehme，2006;林虎和孫博等，2013）。（3）上一期的月度收益（[MOMiM]）：選取前一個月月度收益率作為控制變量，考慮到了中國股市的反轉(zhuǎn)效應(yīng)與動量效應(yīng)（魯臻和鄒恒甫，2007）。

四、實(shí)證結(jié)果分析

（一）融資融券制度初期雙重差分研究（2008—2011年）

1. 描述性統(tǒng)計(jì)。本文第一個雙重差分模型的觀測點(diǎn)樣本總量為4862個，涉及股票總量達(dá)195只，實(shí)驗(yàn)期以及空白對比期時間跨度共30個月。通過觀察表3的描述性統(tǒng)計(jì)數(shù)據(jù)可以發(fā)現(xiàn)，實(shí)驗(yàn)組股票市凈率（PB）在非實(shí)驗(yàn)對比期最小值為0.88，最大值為19.84，平均值為4.58;在實(shí)驗(yàn)期最小值為0.87，最大值為22.04，平均值為4.01，這與首批納入融資融券交易范圍的股票以低估值藍(lán)籌股為主的特征是相符的。同時，表3中對照組股票非實(shí)驗(yàn)對比期市凈率均值為4.61，實(shí)驗(yàn)期均值為5.28，與實(shí)驗(yàn)組市凈率取值水平較為接近。這說明選取第一次擴(kuò)容的股票作為實(shí)驗(yàn)組的對照，具有合理性。

在雙重差分模型中被選為控制變量的股票月度換手率（TURN），在已有文獻(xiàn)中也被用作異質(zhì)信念的替代指標(biāo)。在表3的統(tǒng)計(jì)數(shù)據(jù)中，我們可以觀察到實(shí)驗(yàn)組股票月度換手率最大值、平均值在實(shí)驗(yàn)期分別為2.38、0.29，相較于非實(shí)驗(yàn)對比期2.92、0.50的水平有明顯下降。這說明融資融券制度的推行，在一定程度上削弱了市場上異質(zhì)信念的存在。這與已有文獻(xiàn)提供的研究結(jié)果是相符的。

進(jìn)一步觀察表3的描述性統(tǒng)計(jì)數(shù)據(jù)，我們可以發(fā)現(xiàn)，實(shí)驗(yàn)組預(yù)期異質(zhì)性波動率（EIVOL）在實(shí)驗(yàn)期的最小值為0.004、最大值為0.053、平均值為0.016;在非實(shí)驗(yàn)對比期的最小值為0.005、最大值為0.049、平均值為0.019。實(shí)驗(yàn)組EIVOL平均值在融資融券政策退出后，有減小的趨勢，這與已有文獻(xiàn)研究的結(jié)果是相符的。另一方面，對照組異質(zhì)性波動率（EIVOL）在實(shí)驗(yàn)期的最小值為0.004、最大值為0.053、平均值為0.019，整體水平上與實(shí)驗(yàn)組非常接近，非實(shí)驗(yàn)對比期均值水平為0.021，與實(shí)驗(yàn)組亦非常接近。這說明了該雙重差分模型實(shí)驗(yàn)組、對照組的選取有一定的科學(xué)性，筆者在股票篩選和數(shù)據(jù)清洗過程中采取的處理方法是適當(dāng)?shù)摹?/p>

在以上的描述性統(tǒng)計(jì)基礎(chǔ)上，本文還進(jìn)一步計(jì)算了實(shí)驗(yàn)組、對照組標(biāo)的，在實(shí)驗(yàn)期、非實(shí)驗(yàn)對比期各月度等權(quán)重的異質(zhì)性波動率平均值，該指標(biāo)統(tǒng)計(jì)結(jié)果在圖1中展示。整體而言，本文所選擇樣本的描述性統(tǒng)計(jì)結(jié)果基本驗(yàn)證了已有的研究結(jié)論，即融資融券的推出抑制了兩融標(biāo)的股票的異質(zhì)性波動率水平，使得融資融券標(biāo)的的定價效率有所提高。就圖1展示的統(tǒng)計(jì)結(jié)果而言，該結(jié)論主要體現(xiàn)在以下兩點(diǎn)上：

第一，實(shí)驗(yàn)組股票的異質(zhì)性波動率等權(quán)重平均值在融資融券政策正式落地啟用后的15個月中，除2010年8月外，其余14個月均穩(wěn)定在0.01—0.018之間，這一數(shù)值區(qū)間顯著低于融資融券開通前的水平。而且，自融資融券開通后，實(shí)驗(yàn)組股票的異質(zhì)性波動率整體延續(xù)了下行趨勢，可見兩融業(yè)務(wù)在一定程度上平抑了波動性。

第二，從圖1的統(tǒng)計(jì)結(jié)果中，我們可以觀察到實(shí)驗(yàn)組與對照組股票的異質(zhì)性波動率平均值差異在兩融業(yè)務(wù)開通后明顯拉大，且實(shí)驗(yàn)組股票異質(zhì)性波動率整體水平始終低于對照組?？梢姡谫Y融券制度對實(shí)驗(yàn)組股票的異質(zhì)性波動率的確產(chǎn)生了直接影響。

總體而言，本文描述性統(tǒng)計(jì)部分的實(shí)證結(jié)果與已有文獻(xiàn)的研究結(jié)論相符合。但是融資融券制度與異質(zhì)性波動率相關(guān)關(guān)系的研究，并不能直接說明融資融券制度對融資融券標(biāo)的股票“異質(zhì)性波動率之謎”現(xiàn)象的影響是如何的，因此本文將進(jìn)一步利用雙重差分模型研究這一問題。

2. 第一階段雙重差分模型。在進(jìn)行雙重差分模型實(shí)證研究之前，本文首先統(tǒng)計(jì)了模型中將使用的被解釋變量個股月度超額收益（Rim-rf）與股票月度預(yù)期異質(zhì)性波動率（EIVOL）以及相關(guān)控制變量的Pearson相關(guān)系數(shù)。

從表4的統(tǒng)計(jì)結(jié)果可以看出，在實(shí)驗(yàn)期，實(shí)驗(yàn)組與對照組個股月度超額收益（Rim-rf）與月度預(yù)期異質(zhì)性波動率（EIVOL）成穩(wěn)定的負(fù)相關(guān)關(guān)系，相關(guān)系數(shù)為-0.055，“異質(zhì)性波動率之謎”現(xiàn)象比較顯著;在非實(shí)驗(yàn)對比期，兩者相關(guān)系數(shù)為0.117，“異質(zhì)性波動率之謎”現(xiàn)象并不顯著。因?yàn)閷?shí)驗(yàn)期和非實(shí)驗(yàn)期同時涉及實(shí)驗(yàn)組和對照組股票，我們無法從表4相關(guān)系數(shù)的變化判斷，融資融券制度對兩融股票異質(zhì)性波動率與個股收益率相關(guān)關(guān)系的影響。接下來將進(jìn)一步構(gòu)建雙重差分模型對這一問題做出探討分析。

表5主要匯總了本文構(gòu)建的第一階段雙重差分模型，其中實(shí)驗(yàn)組為2010年3月首批納入兩融范圍的股票，對照組為2011年12月第一次擴(kuò)容進(jìn)入融資融券范圍的股票。因?yàn)榈谝浑A段雙重差分模型采取面板數(shù)據(jù)回歸，且通過Hausman檢驗(yàn)，P值<0.001，因此除模型M1外，M2—M5均考慮固定效應(yīng)。

觀察表5中雙重差分模型的匯總結(jié)果，可以發(fā)現(xiàn)M1中雙重差分交互項(xiàng)[（Treatedi×Posti×EIVOLiM）]系數(shù)為-1.41。從行為金融學(xué)含義上解釋，這意味著融資融券的開通并沒有抑制兩融股票異質(zhì)性波動率和股票收益率之間的負(fù)相關(guān)關(guān)系，同時這種負(fù)相關(guān)性相對對照組有所擴(kuò)大。簡單而言，兩融標(biāo)的在融資融券開通后，其“異質(zhì)性波動率之謎”現(xiàn)象并沒有得到抑制。

在M2—M5中，我們逐漸引入固定效應(yīng)及市凈率（[PBiM]）、換手率（[TURNiM]）、上一期月度收益率（[MOMiM]）等控制變量，可以發(fā)現(xiàn)雙重差分交互項(xiàng)（[Treatedi×Posti×EIVOLiM]）系數(shù)的顯著性明顯下降，在考慮固定效應(yīng)及全變量的模型M5中并不顯著。這4個模型中，市凈率、換手率、上一期月度收益率等控制變量回歸系數(shù)始終在1%的顯著性水平下顯著，證明控制變量本身是有效的。因此總體而言，在第一階段雙重差分模型中，融資融券對于實(shí)驗(yàn)組標(biāo)的“異質(zhì)性波動率之謎”現(xiàn)象并沒有產(chǎn)生顯著的作用。實(shí)驗(yàn)組標(biāo)的異質(zhì)性波動率和股票收益率之間的負(fù)相關(guān)性在兩融業(yè)務(wù)開通后，有一定擴(kuò)大趨勢。

縱觀模型M1—M5，第二交互項(xiàng)[Posti×EIVOLiM]的回歸系數(shù)始終保持了負(fù)值，且在1%的顯著性水平下顯著，這表明在融資融券開通后，實(shí)驗(yàn)組和對照組所有標(biāo)的組成的樣本整體異質(zhì)性波動率和股票收益率之間的負(fù)相關(guān)性顯著加劇，以上實(shí)證結(jié)果也意味著實(shí)驗(yàn)期內(nèi)“異質(zhì)性波動率之謎”現(xiàn)象是更加顯著的。綜合我們對第二交互項(xiàng)和雙重差分交互項(xiàng)的分析，本文認(rèn)為在2010年3月融資融券制度正式推行的實(shí)驗(yàn)期內(nèi)，融資融券業(yè)務(wù)并沒有顯著抑制兩融標(biāo)的股票的“異質(zhì)性波動率之謎”現(xiàn)象。

我們認(rèn)為融資融券制度在第一階段實(shí)驗(yàn)期內(nèi)政策效果不好的原因是，融資融券制度并沒有從實(shí)質(zhì)上降低“賣空限制”，因此無法有效抑制融資融券標(biāo)的股票的“異質(zhì)性波動率之謎”現(xiàn)象。

根據(jù)本文從萬得金融數(shù)據(jù)庫獲得的數(shù)據(jù)，2010年、2011年融券交易全年賣出額②分別為12.35億元和272.23億元，占當(dāng)年融資融券交易總量的1.7%和8.5%。由此可見，在融資融券政策落地后的兩年中，融資融券制度處于初期，融券交易本身也受制于證券公司“券源”③不足、融券利率較高、未被市場投資者普遍接受等問題，因此融券賣出量未能大幅增長。在兩融落地初期，無論是融券交易總量還是在融資融券交易中的占比，都處于低水平，因此無法有效降低“賣空限制”，以緩解兩融股票的“異質(zhì)性波動率之謎”現(xiàn)象。

圖2展示了2010—2015年間，我國股票市場年度融券賣出額總量的增長情況。到2014年我國A股市場年度融券賣出額達(dá)1.12萬億元，占當(dāng)年兩融交易總量的10.5%;到2015年，年度融券賣出額進(jìn)一步膨脹至2.8萬億元，占當(dāng)年兩融交易總量的8.1%。相對于融資融券制度推行初期，融券賣出額總量擴(kuò)大了近100倍，在融資融券交易中占比亦顯著提升。而同期融資融券標(biāo)的數(shù)量只擴(kuò)大了10倍，這說明每只融資融券標(biāo)的股票的融券交易活躍度大幅提升。因此，在第二階段的雙重差分模型中，本文將聚焦于被選入融資融券標(biāo)的股票第四次擴(kuò)容和第五次擴(kuò)容的股票，并將實(shí)證檢驗(yàn)的時間窗口設(shè)定在2013—2015年之間，以檢驗(yàn)融券交易活躍度大幅提升并在實(shí)質(zhì)上減小了“賣空限制”后，融資融券標(biāo)的股票的“異質(zhì)性波動率之謎”現(xiàn)象是否得到了抑制。

（二）融資融券制度后期雙重差分研究（2013—2015年）

1. 描述性統(tǒng)計(jì)。從表6我們可以觀察到在第二階段的雙重差分模型中，涉及樣本總量達(dá)到6020個，實(shí)驗(yàn)組、對照組股票共207只，時間跨度為30個月。通過表6的描述性統(tǒng)計(jì)數(shù)據(jù)，還可以發(fā)現(xiàn)實(shí)驗(yàn)組在非實(shí)驗(yàn)對比期市凈率（PB）最小值為0.4、最大值為14.43、平均值為2.8，說明兩融第四次擴(kuò)容在標(biāo)的選擇上，整體仍延續(xù)了此前以高流動性、低估值白馬股為主的標(biāo)準(zhǔn)。在實(shí)驗(yàn)期，實(shí)驗(yàn)組標(biāo)的股票市凈率（PB）均值擴(kuò)大至4.61，這與當(dāng)時A股全面性牛市的市場環(huán)境是相符的。另一方面，對照組標(biāo)的在非實(shí)驗(yàn)對比期、實(shí)驗(yàn)期市凈率（PB）平均值分別為2.29、3.20，整體比較接近實(shí)驗(yàn)組的均值水平，這說明我們選取的樣本是適當(dāng)?shù)摹?/p>

進(jìn)一步觀察表6的數(shù)據(jù)，我們還可以發(fā)現(xiàn)，第四次擴(kuò)容納入融資融券交易范圍的實(shí)驗(yàn)組標(biāo)的，預(yù)期異質(zhì)性波動率（EIVOL）在實(shí)驗(yàn)期的最小值為0.001、最大值為0.080、平均值為0.027，相對其非實(shí)驗(yàn)對比期的取值水平有明顯的增加。觀察對照組數(shù)據(jù)，也可以發(fā)現(xiàn)，預(yù)期異質(zhì)性波動率（EIVOL）在實(shí)驗(yàn)期的最小值為0.074、最大值為0.025、平均值為0.016，相對非實(shí)驗(yàn)對比期亦明顯增大。本文認(rèn)為，在實(shí)驗(yàn)期中，A股市場經(jīng)歷了全面性牛市和崩盤式下跌，在這個過程中，個股的波動性以及自身的異質(zhì)性風(fēng)險不斷加劇，由此導(dǎo)致異質(zhì)性波動率水平顯著增加。綜合而言，我們認(rèn)為觀察到這樣的變化是符合金融常識的。

在圖3中，本文進(jìn)一步統(tǒng)計(jì)和繪制了實(shí)驗(yàn)組、對照組預(yù)期異質(zhì)性波動率月度等權(quán)重平均值變化趨勢。觀察圖3可以發(fā)現(xiàn)，在2014年10月融資融券第四次擴(kuò)容發(fā)生前，實(shí)驗(yàn)組標(biāo)的股票的異質(zhì)性波動率水平是高于對照組股票的。但是當(dāng)被納入融資融券范圍后，兩者異質(zhì)性波動率水平的差距明顯縮小。在2015年5月牛市進(jìn)入末期后，實(shí)驗(yàn)組的異質(zhì)性波動率水平非常接近于對照組，這說明融資融券制度的推行顯著抑制了實(shí)驗(yàn)組的異質(zhì)性波動率，與已有結(jié)論相符;沒有納入融資融券范圍的對照組標(biāo)的，在2014年10月之后，其異質(zhì)性波動率增大的程度遠(yuǎn)高于實(shí)驗(yàn)組，這也說明了融資融券交易的確抑制了實(shí)驗(yàn)組標(biāo)的股票異質(zhì)性波動率的提升。當(dāng)然，實(shí)驗(yàn)組的異質(zhì)性波動率受到融資融券交易的抑制，仍然只是融資融券政策效果的間接證據(jù)，下面本文將建立第二階段雙重差分模型，以驗(yàn)證融資融券制度對實(shí)驗(yàn)組標(biāo)的“異質(zhì)性波動率之謎”現(xiàn)象的直接影響。

2. 第二階段雙重差分模型。與第一階段DID模型類似，在建立雙重差分模型之前，我們首先統(tǒng)計(jì)了模型中被解釋變量和解釋變量以及相關(guān)控制變量的Pearson相關(guān)系數(shù)，統(tǒng)計(jì)結(jié)果展示在表7中。

從表7中可以觀察到，在實(shí)驗(yàn)期和非實(shí)驗(yàn)對比期，模型所有樣本月度超額收益率（Rim-rf）與股票月度預(yù)期異質(zhì)性波動率（EIVOL）始終表現(xiàn)為顯著的負(fù)相關(guān)關(guān)系，在實(shí)驗(yàn)期和空白對比期相關(guān)系數(shù)分別為-0.158、-0.072。這說明，在2013—2015年間，我國A股市場的“異質(zhì)性波動率之謎”現(xiàn)象是持續(xù)存在的。且在2015年的牛市環(huán)境下，模型選取的樣本總體異質(zhì)性波動率和收益率之間的負(fù)相關(guān)關(guān)系有所擴(kuò)大。然而，僅通過觀察表7的統(tǒng)計(jì)結(jié)果，我們無法觀察到融資融券政策對實(shí)驗(yàn)組標(biāo)的“異質(zhì)性波動率之謎”現(xiàn)象究竟產(chǎn)生了何種影響，因此，本文進(jìn)一步建立第二階段的雙重差分模型以對此問題進(jìn)行研究。

表8主要匯總了第二階段的雙重差分模型，實(shí)驗(yàn)期為2014年10月至2015年12月，共15個月;非實(shí)驗(yàn)空白對比期為2013年6月至2014年8月，同樣為15個月。表8中匯總的面板數(shù)據(jù)回歸模型均通過Hausman檢驗(yàn)，P值小于0.01，因此模型M6—M9中均考慮了采用固定效應(yīng)面板數(shù)據(jù)回歸模型。

與上文變量相關(guān)性的分析一致，通過表8中的數(shù)據(jù)可以觀察到，模型M6—M9中，第二交互項(xiàng)[Posti×EIVOLiM]的回歸系數(shù)始終為負(fù)值，且在1%的顯著性水平下顯著。這意味著從整體來看，2014年10月兩融標(biāo)的第四次擴(kuò)容后，實(shí)驗(yàn)組和對照組全樣本預(yù)期異質(zhì)性波動率（[EIVOLiM]）和個股超額收益率（[RiM-rft]）的負(fù)相關(guān)有所加大，即“異質(zhì)性波動率之謎”現(xiàn)象有所加劇。然而，在這樣的背景下，我們觀察到在考慮了固定效應(yīng)但未添加控制變量的模型M6中，雙重差分交互項(xiàng)（[Treatedi×Posti×EIVOLiM]）的回歸系數(shù)為0.87，且在5%的顯著性水平下顯著。這說明，在實(shí)驗(yàn)期內(nèi)相較于對照組，第四次擴(kuò)容進(jìn)入融資融券交易范圍的股票的“異質(zhì)性波動率之謎”現(xiàn)象被顯著抑制了。

在模型M7—M9中，本文逐漸引入了市凈率（[PBiM]）、換手率（[TURNiM]）、上一期月度收益率（[MOMiM]）等控制變量。可以明顯觀察到的是，模型M7—M9中雙重差分交互項(xiàng)[（Treatedi×Posti×EIVOLiM）]

的回歸系數(shù)分別為1.25、1.32、1.34，且均在1%的顯著性水平下顯著。雙重差分交互項(xiàng)的回歸系數(shù)漸次增大意味著，在充分考慮了控制變量對個股超額收益的影響后，融資融券制度對于實(shí)驗(yàn)組“異質(zhì)性波動率之謎”的削弱作用仍然能被顯著觀察到，這也證明了這種平抑作用是伴隨融資融券交易而獨(dú)立存在的，而并非受到其他因素的影響。同時，模型M7—M9均在1%的顯著水平下通過了F檢驗(yàn)，并且隨著控制變量的加入，R2也有了顯著提升。這說明第二階段雙重差分模型的構(gòu)建是有效的。

為了更加明晰地闡述第二階段雙重差分模型中，融資融券制度對于實(shí)驗(yàn)組“異質(zhì)性波動率之謎”的影響，我們將第一階段的雙重差分模型M5也列置在表8的最后一列。M5中，雙重差分交互項(xiàng)（[Treatedi×Posti×EIVOLiM]）的回歸系數(shù)為-0.34，但在統(tǒng)計(jì)學(xué)下并不顯著，這意味著在融資融券制度對首批融資融券標(biāo)的“異質(zhì)性波動率之謎”現(xiàn)象并沒有產(chǎn)生直接作用。而在M9中，雙重差分交互項(xiàng)的回歸系數(shù)為1.34，且在1%的顯著性水平下顯著。這樣的變化有力地證明了本文的核心觀點(diǎn)，即在2014年10月之后，隨著融券賣出總交易額以及融券交易在兩融總交易額中占比的不斷擴(kuò)大，融資融券股票的“賣空限制”得到有效緩解，因此，相比于未進(jìn)行融資融券交易的對照組，其“異質(zhì)性波動率之謎”現(xiàn)象被有效抑制。

五、穩(wěn)健性檢驗(yàn)

承接上文的討論，在穩(wěn)健性檢驗(yàn)中，本文一方面致力于為上文結(jié)論提供更多驗(yàn)證;另一方面，也希望為融資融券制度降低了兩融標(biāo)的“賣空限制”，進(jìn)而抑制其“異質(zhì)性波動率之謎”現(xiàn)象尋找更直接的實(shí)證證據(jù)。結(jié)合已有文獻(xiàn)研究，融券交易是降低賣空限制的核心機(jī)制，因此本文篩選了兩融第四次擴(kuò)容標(biāo)的中實(shí)驗(yàn)期融券賣出額與股票期間成交量比值排名前30%的股票，共43只。其中，在上交所、深交所流通交易的股票分別為22只、21只，整體分布較為平均。本文將這43只股票編制為融券活躍組，作為穩(wěn)健性檢驗(yàn)新的實(shí)驗(yàn)組標(biāo)的，對照組股票仍為2016年12月融資融券第五次擴(kuò)容進(jìn)入融資融券交易范圍的股票，共62只。

在圖4中，本文首先統(tǒng)計(jì)了融券活躍組、對照組預(yù)期異質(zhì)性波動率在2014年10月融資融券第四次擴(kuò)容前后的變化情況。觀察圖4可以發(fā)現(xiàn)，在融資融券第四次擴(kuò)容前，融券活躍組股票的異質(zhì)性波動率高于對照組，且差距較大;融資融券第四次擴(kuò)容后，兩組標(biāo)的異質(zhì)性波動率差異快速縮小。值得注意的是，在2015年4月至8月，A股市場進(jìn)入牛市末期，市場情緒極為亢奮，此時融券活躍組股票的異質(zhì)性波動率相比對照組明顯受到抑制。根據(jù)已有文獻(xiàn)的研究，這樣的實(shí)證結(jié)果表明融券活躍組股票異質(zhì)信念得到了減弱。為了進(jìn)一步尋求融券交易降低兩融標(biāo)的“賣空限制”，進(jìn)而抑制其“異質(zhì)性波動率之謎”現(xiàn)象的直接證據(jù)，本文圍繞融券活躍組、對照組標(biāo)的構(gòu)建了新的雙重差分模型。

由融券活躍組和對照組在2013—2015年間組成的面板數(shù)據(jù)可以通過Hausman檢驗(yàn)，因此在構(gòu)建雙重差分模型時，本文采用了固定效應(yīng)模型。模型M10—M13均為融券活躍組雙重差分模型。對于表9的實(shí)證回歸數(shù)據(jù)，我們從以下三個角度分析：

在考慮了控制變量的模型M10—M13中，雙重差分交互項(xiàng)[（Treatedi×Posti×EIVOLiM）]的回歸系數(shù)分別為1.34、1.58、1.58，且均在1%的顯著性水平下顯著。該系數(shù)為正值，說明相對于對照組，融券活躍組預(yù)期異質(zhì)性波動率與收益率的負(fù)相關(guān)關(guān)系得到抑制，即“異質(zhì)性波動率之謎”得到減弱。

對比模型M13和M9的回歸結(jié)果可以發(fā)現(xiàn)，M13雙重差分交互項(xiàng)回歸系數(shù)為1.58，M9為1.34，且兩個模型均可以通過F檢驗(yàn)，在1%的顯著性水平下顯著。M13雙重差分交互項(xiàng)的回歸系數(shù)更大且顯著，說明第二階段實(shí)驗(yàn)組標(biāo)的中，融券交易越活躍的，其“異質(zhì)性波動率之謎”現(xiàn)象受抑制的程度越高，定價也更為有效?？v覽M10—M13，雙重差分交互項(xiàng)回歸系數(shù)的整體水平均高于表8中的M6—M9的水平。因此M10—M13的回歸結(jié)果可以作為融券交易降低兩融標(biāo)的“賣空限制”，進(jìn)而抑制“異質(zhì)性波動率之謎”現(xiàn)象的直接證明。

從模型M5—M9，變化體現(xiàn)在時間維度上，反映的是融資融券制度從導(dǎo)入期到成熟期的過程，融券交易也逐漸走向活躍，因此在M9中我們可以觀察到雙重差分交互項(xiàng)的回歸系數(shù)顯著為正值。從M9—M13，我們進(jìn)一步精煉樣本的選擇，將研究聚焦到融券活躍標(biāo)的上，并觀察到雙重差分交互項(xiàng)回歸系數(shù)進(jìn)一步擴(kuò)大，進(jìn)而驗(yàn)證了本文的核心觀點(diǎn)。

六、結(jié)論與政策建議

縱觀本文兩個階段的雙重差分研究，在融資融券制度推行初期，融券交易還未被市場上的投資者普遍接受，2011年全年的融券交易額僅為272億，融資融券標(biāo)的股票的“賣空限制”并未有效減弱。在實(shí)證結(jié)果上，我們也觀察到，相對非融資融券股票，兩融標(biāo)的股票異質(zhì)性波動率和收益率間的負(fù)相關(guān)性未能得到抑制。2013—2015年間，融資融券標(biāo)的擴(kuò)大到900只，融券交易蓬勃發(fā)展，2014年全年融券交易量超過萬億，在融資融券交易總量中的占比亦超過10%。在這一階段，融資融券標(biāo)的股票的“異質(zhì)性波動率之謎”現(xiàn)象相對非融資融券股票得到有效抑制，這一抑制效應(yīng)對于融券交易活躍的股票更為顯著。第二階段雙重差分模型的實(shí)證數(shù)據(jù)也對這一結(jié)論提供了有效的支持。對比融資融券初期、后期的實(shí)證結(jié)果，我們不難看出融券交易的活躍程度對抑制“異質(zhì)性波動率之謎”現(xiàn)象的重要性。

本質(zhì)上“異質(zhì)性波動率之謎”現(xiàn)象屬于市場異象的一種，同時也是市場定價效率低、信息不夠完備的體現(xiàn)。本文的研究發(fā)現(xiàn)，在融資融券制度推行的后期，雖然融資融券標(biāo)的股票的“異質(zhì)性波動率之謎”現(xiàn)象有所抑制，但是這種異象在市場上仍然是普遍存在的。這意味著我國股票市場整體的定價效率仍然處在較低水平，同時信息完備程度也需進(jìn)一步提高。

隨著2019年6月13日科創(chuàng)板在我國上海證券交易所正式開板，一批處在發(fā)展初期的新興科技公司獲得了公開發(fā)行股票融資的機(jī)會。在科創(chuàng)板上市的公司，大多來自互聯(lián)網(wǎng)、高端裝備、新材料、新能源、生物醫(yī)藥等潛力巨大的高新產(chǎn)業(yè)。由于發(fā)展初期需要巨大的研發(fā)投入，這一類公司往往并不能實(shí)現(xiàn)盈利，如美國的科技巨頭亞馬遜曾連續(xù)20年虧損。對此類公司的估值和定價，往往具有一定的復(fù)雜性和多樣性。在這樣的情況下，如何提高市場定價效率以及信息完備程度，重新成為投資者和學(xué)界關(guān)注的焦點(diǎn)問題。

本文的實(shí)證結(jié)果說明，活躍的融券交易可以減少市場“賣空限制”，以此消除股票市場異象、提高市場定價效率。在科創(chuàng)板的制度設(shè)計(jì)上，管理層也尤為注意發(fā)揮融資融券促進(jìn)市場充分博弈、提高市場有效性的作用。在科創(chuàng)板股票上市首日就可以作為融券標(biāo)的、券商保薦跟投股票以進(jìn)一步豐富券源等制度的支持下，科創(chuàng)板市場的融券交易日益活躍。但就我國股票市場的整體情況而言，2016—2019年間，融券交易總量重新滑落至2000億以下的水平，在融資融券年交易總量中占比也暴降至2%以下。券源不足、融券利率過高等現(xiàn)象亦始終存在，在融資融券制度相對寬松的科創(chuàng)板，目前平均的融券利率仍然高達(dá)15%，個別股票的融券年化利率甚至達(dá)到60%。因此，本文認(rèn)為，為了進(jìn)一步提高市場定價效率，促進(jìn)我國股票市場盡快從核準(zhǔn)制向注冊制轉(zhuǎn)型，監(jiān)管層應(yīng)適度放松對融券交易的政策限制，鼓勵證券公司積極參與融券交易;在降低融券拆借成本、放松擔(dān)保品要求等方面，亦應(yīng)提出更有效的制度安排;同時，交易所和證券公司也應(yīng)努力做好投資者教育，引導(dǎo)有經(jīng)驗(yàn)的專業(yè)投資者、機(jī)構(gòu)客戶正確認(rèn)識“賣空交易”，并積極參與融資融券交易，以此來提高我國股票市場的定價效率和信息完備程度。

注：

①兩階段雙重差分回歸模型的實(shí)驗(yàn)期分別對應(yīng)融資融券制度初期和后期。

②融券賣出額對應(yīng)的是融券交易賣出量與成交價格的乘積，此處取年度區(qū)間累積值。

③券源指證券公司可用于融券拆借的股票，一般來源于券商自營、證金公司或大股東質(zhì)押。

參考文獻(xiàn)：

[1]Ali，A.，Hwang，L.，Trombley，M.A. 2003. Arbitrage risk and the Book-to-Market Anomaly[J].Journal of Financial Economics，69（2）.

[2]Ang，A.，Hodrick，R. J.，Xing Y.，and Zhang X. 2006. The Cross-section of Volatility and Expected Return[J]. The Journal of Finance，61（1）.

[3]Ang，A.，Hodrick，R. J.，Xing Y.，and Zhang X. 2009. High Idiosyncratic Volatility and Low Returns：International and Further US Evidence[J].Journal of Financial Economics，91（1）.

[4]Bali T G，Cakici N，Whitelaw R F. 2011. Maxing Out：Stocks as Lotteries and the Cross-Section of Expected Returns[J]. Journal of Financial Economics，99（2）.

[5]Berrada T，Hugonnier J. 2013. Incomplete Information，Idiosyncratic Volatility and Stock Returns[J].Journal of Banking and Finance，37（2）.

[6]Bhootra A. 2011. Are Momentum Profits Driven by the Cross-sectional Dispersion in Expected Stock Returns？[J]. Journal of Financial Markets，14（3）.

[7]Boehme，R. D.，Danielsen，B. R.，and Sorescu，S. M. 2006. Short-sale Constraints，Differences of Opinion，and Overvaluation[J].Journal of Financial and Quantitative Analysis ，41（2）

[8]Campbell J Y，Lettau M，Malkiel B G，et al. 2001. Have Individual Stocks Become More Volatile？ An empirical Exploration of Idiosyncratic Risk[J]. The Journal of Finance，56（1）.

[9]D Avramov，T Chordia，G Jostova. 2007. Momentum and Credit Rating[J]. The Journal of Finance，62（5）.

[10]Fama，E. F.，and French，K. R. 1992. The Cross-section of Expected Stock Returns[J].The Journal of Finance，47（2）.

[11]Fama，E. F.，and MacBeth，J. D. 1973. Risk，Return，and Equilibrium：Empirical Tests[J] The Journal of Political Economy，81（3）.

[12]Fu F. 1973. Idiosyncratic Risk and the Cross-section of Expected Stock Returns[J].Journal of Financial Economics，91（1）.

[13]Figlewski Stephen. 1981. The Informational Effects of Restrictions on Short Sales：Some Empirical Evidence[J].Journal of Financial and Quantitative Analysis，16（4）.

[14]Han B，A. Kumar. 2008. Retail Clienteles and the Idiosyncratic Volatility Puzzle[R]. McComs Research Paper Series.

[15]Hou K，Loh R K. 2016. Have We Solved the Idiosyncratic Volatility Puzzle[J].Journal of Financial Economics，121（1）.

[16]Jonathan Karpoff，Xiao Xia Lou. 2010. Short Sellers and Financial Misconduct[J]. Social Science Electronic Publishing，65（5）.

[17]Jiang，G. J.，Xu，D.，and Yao，T. 2009. The Information Content of Idiosyncratic Volatility[J].Journal of Financial and Quantitative Analysis 44（1）.

[18]Mahmoud Qadan，Doron Kliger，Nir Chen. 2019. Idiosyncratic Volatility，the VIX and Stock Returns[J].The North American Journal of Economics and Finance，47.

[19]Mashruwala，C.，Rajgopal，S.，Shevlin，T. 2006. Why is the Accrual Anomaly Not Ar-bitraged Away？ The Role of Idiosyncratic Risk and Transaction Costs[J].Journal of Accounting and Economics，42.

[20]Merton R C. 1987. A Simple Model of Capital Market Equilibrium with Incomplete Information[J].Journal of Finance，42（3）.

[21]Miller E M. 1977. Risk，Uncertainty and Divergence of Opinion[J]. Journal of Finance，32（4）.

[22]Ming Gu，Wenjin Kang，BuXu. 2018. Limits of Arbitrage and Idiosyncratic Volatility：Evidence from China Stock Market[J]. Journal of Banking & Finance，86.

[23]Ming Gu，George J.Jiang，Bu Xu. 2019. The Role of Analysts：An Examination of the Idiosyncratic Volatility Anomaly in the Chinese Stock Market[J]. Journal of Empirical Finance.

[24]Nagel，S. 2005. Short Sales，Institutional Investors and the Cross-section of Stock Returns[J].Journal of Financial Economics .78.

[25]Owen A. Lamont，Jeremy C. Stein. 2004. Aggregate Short Interest and Market Valuations[J]. American Economic Review，94（2）.

[26]Shengnan Liu，Ao Kong，Rongbao Gu，Wenjing Guo. 2019. Does Idiosyncratic Volatility Matter？——Evidence from Chinese Stock Market[J].Physica A：Statistical Mechanics and its Applications，516.

[27]Stambaugh，R. F.，Yu，J.，and Yuan，Y. 2014. Arbitrage Asymmetry and the Idiosyncratic Volatility Puzzle[J]. Journal of Finance，70 （5）.

[28]Zhi Su，Tengjia Shu，Libo Yin. 2018. The Pricing Effect of the Common Pattern in Firm-level Idiosyncratic Volatility：Evidence from A-Share Stocks of China[J].Physica A： Statistical Mechanics and its Applications，497.

[29]陳海強(qiáng)，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，（6）.

[30]鄧雪春，鄭振龍.中國股市存在 “特質(zhì)波動率之謎” 嗎？[J].商業(yè)經(jīng)濟(jì)與管理，2011，（1）.

[31]黃波，李湛，顧孟迪. 基于風(fēng)險偏好資產(chǎn)定價模型的公司特質(zhì)風(fēng)險研究[J].管理世界，2016，（11）.

[32]黃卓，康辰，王小華.中國股市“特質(zhì)性波動率之謎”研究[J].山東社會科學(xué)，2016，（7）.

[33]李志生，陳晨，林秉旋.賣空機(jī)制提高了中國股票市場的定價效率嗎？——基于自然實(shí)驗(yàn)的證據(jù)[J].經(jīng)濟(jì)研究，2015，（4）.

[34]林虎，張博，劉力.換手率波動、轉(zhuǎn)售期權(quán)與股票橫截面收益率[J].金融研究，2013，（12）.

[35]劉鵬，田益祥.特質(zhì)風(fēng)險與股票收益——來自中國股票市場的經(jīng)驗(yàn)證據(jù)[J].管理學(xué)家（學(xué)術(shù)版），2011，（10）.

[36]魯臻，鄒恒甫.中國股市的慣性與反轉(zhuǎn)效應(yīng)研究[J].經(jīng)濟(jì)研究，2007，（9）.

[37]施劍威.賣空失衡、異質(zhì)信念與股票定價效率[J].金融發(fā)展研究，2018，（7）.

[38]蘇冬蔚，倪博.轉(zhuǎn)融券制度、賣空約束與股價變動[J].經(jīng)濟(jì)研究，2018，（3）.

[39]肖浩，孔愛國.融資融券對股價特質(zhì)性波動的影響機(jī)理研究：基于雙重差分模型的檢驗(yàn)[J].管理世界，2014，（8）.

[40]許紅偉，陳欣.我國推出融資融券交易促進(jìn)了標(biāo)的股票的定價效率嗎？——基于雙重差分模型的實(shí)證研究[J].管理世界，2012，（5）.

[41]楊華蔚，韓立巖.外部風(fēng)險、異質(zhì)信念與特質(zhì)波動率風(fēng)險溢價[J].管理科學(xué)學(xué)報(bào)，2012，（14）.

[42]虞文微，張兵，于琴.套利限制與中國股票市場特質(zhì)波動率之謎[J].北京工商大學(xué)學(xué)報(bào)，2017，（6）.

[43]周皓，陳湘鵬，王遠(yuǎn).A股市場的異質(zhì)波動率之謎是否已被充分解釋？ [J].投資研究，2018，（5）.

[44]趙勝民，劉笑天.公司特質(zhì)風(fēng)險、估值水平與股票收益——基于分位數(shù)Fama-MacBeth回歸模型的實(shí)證分析[J].華東經(jīng)濟(jì)管理，2017，（9）.

[45]左浩苗，鄭鳴，張翼.股票特質(zhì)波動率與橫截面收益：對中國股市“特質(zhì)波動率之謎”的解釋[J].世界經(jīng)濟(jì)，2011，（5）.

[46]周皓，陳湘鵬，何碧清，趙靖.中國金融市場高風(fēng)險時期的形勢判斷與政策建議[J].清華金融評論，2019，（1）.

Research on the "Heterogeneity Volatility Puzzle" of? Securities Margin Trading Underlying Stocks in China's Stock Market

Liu Ying/Xiao Xinrong/Wang Duo

（School of Economics and Finance，University of International Business and Economics，Beijing? ?100029）

Abstract：This paper studies the "heterogeneity volatility puzzle" of securities margin trading underlying stocks in China's A-share market. In the early and late stages of the implementation of China's securities margin trading system，a two-stage dual difference-in-difference（DID）model was constructed to compare the policy effects of the securities margin trading system. The empirical results show that in the early stage of the implementation of the securities margin trading system，the phenomenon of the "heterogeneity volatility puzzle" of the securities margin trading underlying stocks is not effectively suppressed. While in the later stage，the total amount of securities loan in the A-share market rapidly increased to more than 1 trillion yuan. The phenomenon above is controlled effectively compared to the non-margin stocks. Such a suppressive effect plays a more dominant role in brisk securities loan trading，which illustrates that the activeness of the securities loan trading plays a leading role in suppressing the "heterogeneity volatility puzzle" of securities margin trading underlying stocks.

Key Words：securities margin trading，heterogeneity volatility puzzle，dual DID model