融資融券與股市波動(dòng)關(guān)系研究

王同芳 商植桐

摘 要： 我國融資融券制度的出臺(tái)意在提高市場(chǎng)效率和完整性，但若投資者利用其杠桿效應(yīng)進(jìn)行投機(jī)交易則會(huì)加劇股市波動(dòng)。從融資融券與股市波動(dòng)的關(guān)系角度采用VAR模型、脈沖響應(yīng)、方差分解等計(jì)量方法，通過2018年1月26日—2021年2月10日的數(shù)據(jù)研究發(fā)現(xiàn)，在滬深300指數(shù)上升階段，股市波動(dòng)對(duì)融資交易有小幅促進(jìn)作用，對(duì)融券交易有小幅抑制作用，且融資交易變化量會(huì)大幅增加股市波動(dòng);在滬深300指數(shù)下降階段，股市波動(dòng)與融資交易不存在長(zhǎng)期影響，對(duì)融券交易有小幅抑制作用。進(jìn)一步分析得出目前我國參與融資融券交易的投資者主要為價(jià)值型投資者及其對(duì)該交易使用是不充分的結(jié)論。

關(guān)鍵詞：融資融券;股票市場(chǎng);波動(dòng)性

中圖分類號(hào)：F832.5 ? 文獻(xiàn)標(biāo)志碼：A ? 文章編號(hào)：1674-7356（2021）-02-0036-09

我國于2010年3月31日正式開通融資融券交易系統(tǒng)，該制度的出臺(tái)標(biāo)志著杠桿交易和賣空交易正式進(jìn)入我國股市，結(jié)束了二十多年的“單邊市”。但由于我國股票市場(chǎng)尚不成熟，散戶比例高、 “政策市”顯著，且進(jìn)行融資和融券交易從本質(zhì)上來說是內(nèi)生行為，因此及時(shí)探究投資者使用融資融券進(jìn)行交易與股票市場(chǎng)之間產(chǎn)生影響的內(nèi)在關(guān)聯(lián)，為相關(guān)政策的制定與調(diào)整提供理論支持與事實(shí)依據(jù)，幫助監(jiān)管機(jī)構(gòu)調(diào)整政策方向、正確引導(dǎo)投資者具有重要意義。

一、研究回顧

政策制定者認(rèn)為，將融資融券交易納入證券交易方式之中，作為提高市場(chǎng)效率和完整性的必要手段，對(duì)資本市場(chǎng)的穩(wěn)定發(fā)揮著重要作用，對(duì)全球資本市場(chǎng)及其參與者具有深遠(yuǎn)影響。在2010年3月份之前，我國并未允許進(jìn)行融資融券交易，一些國外市場(chǎng)也曾在某一些階段進(jìn)行了賣空限制。比如全球多數(shù)證券交易所監(jiān)管機(jī)構(gòu)對(duì)2007—2009年危機(jī)的反應(yīng)是對(duì)賣空行為實(shí)施禁令或監(jiān)管限制[1]。但在這些禁止賣空交易的市場(chǎng)中，監(jiān)管執(zhí)行效果不盡如人意，因?yàn)橘u空限制降低了市場(chǎng)的配置和信息效率[2]。從投資者的角度看，被高估的股票是對(duì)空頭頭寸需求最大的股票[3]，賣空限制使得這些股票的基礎(chǔ)價(jià)值無法支撐高估的股價(jià)[4]，價(jià)格發(fā)現(xiàn)速度減慢，導(dǎo)致系統(tǒng)崩潰，而融資融券制度等做空機(jī)制有助于矯正高估的股價(jià)。由此可見，進(jìn)行適當(dāng)?shù)娜谫Y融券交易是十分必要的。在美國場(chǎng)外交易市場(chǎng)允許融資融券交易之后，信息流動(dòng)增加[5]，投資者們可以借助融資融券交易信息對(duì)股票的未來回報(bào)進(jìn)行預(yù)測(cè)，對(duì)小盤股尤其有效[6-7]。

從理論上說，融資融券交易不僅有助于提高價(jià)格發(fā)現(xiàn)能力，而且提供了增加市場(chǎng)容量和降低流動(dòng)性風(fēng)險(xiǎn)的手段，但在現(xiàn)實(shí)市場(chǎng)當(dāng)中，融資融券交易機(jī)制對(duì)股票市場(chǎng)的影響程度至今沒有統(tǒng)一的定論。一些學(xué)者認(rèn)為賣空機(jī)制很難發(fā)揮作用，而融資機(jī)制又為投資者提供了跟風(fēng)追漲的手段，加劇了個(gè)股股價(jià)波動(dòng)率[8]，惡化了崩盤風(fēng)險(xiǎn)[9]。王旻等（2018）則得出融資融券交易并未顯著影響市場(chǎng)的波動(dòng)性水平的結(jié)論[10]。也有一些學(xué)者認(rèn)為融資融券制度的推出有效降低了標(biāo)的個(gè)股的波動(dòng)率[11-13]。徐長(zhǎng)生和馬克（2017）發(fā)現(xiàn)在股票基本面因素沒有變化的情況下，牛市開始之后融資交易規(guī)模的擴(kuò)大導(dǎo)致融資融券標(biāo)的股的價(jià)格存在明顯高估[14]。

從以上研究成果來看，融資融券制度的出臺(tái)是否有利于穩(wěn)定股價(jià)、是否有利于降低股票市場(chǎng)波動(dòng)率還存在爭(zhēng)議。已有的融資融券與股市波動(dòng)的關(guān)系研究時(shí)間跨度大、覆蓋國家廣，導(dǎo)致宏觀經(jīng)濟(jì)水平、股市自身狀況等方面都存在較大差異，研究結(jié)果受到的干擾性較強(qiáng)。我國股市與其他國家，尤其是發(fā)達(dá)國家股市不同，權(quán)重股基本都是國有企業(yè)股，不能參與融資融券交易;MSCI雖也在2017年6月份入市，但外資與機(jī)構(gòu)投資者相對(duì)于發(fā)達(dá)國家占比仍然較小，散戶投資者占比偏多;我國股市還有T+1交易制度、漲跌停制度等。而2017年開始，市場(chǎng)中呼吁價(jià)值投資的投資者數(shù)量激增， “漂亮50”的走勢(shì)也使得一大批散戶投資者退場(chǎng)，被很多投資者稱為“價(jià)值投資元年”，人們倡導(dǎo)從公司經(jīng)營、行業(yè)發(fā)展、宏觀經(jīng)濟(jì)角度進(jìn)行投資，而不是利用K線圖進(jìn)行投機(jī)。在此背景下，融資融券交易在其中發(fā)揮了什么作用是本文研究的重點(diǎn)。

二、研究設(shè)計(jì)及數(shù)據(jù)選取

（一）研究設(shè)計(jì)

在融資融券與股市波動(dòng)關(guān)系的研究方面，學(xué)者們常用的研究方法大致有三種： 一是將股票按照是否允許融資融券交易來進(jìn)行區(qū)分，使用實(shí)驗(yàn)組和對(duì)照組構(gòu)建雙重差分模型進(jìn)行分析; 二是通過脈沖響應(yīng)、方差分解等方法，構(gòu)建向量自回歸（VAR）模型進(jìn)行分析; 三是依據(jù)回歸系數(shù)大小及顯著性，采用線性回歸模型進(jìn)行分析。本文采用第二種方法，通過格蘭杰因果檢驗(yàn)、脈沖響應(yīng)、方差分解等方法進(jìn)行實(shí)證研究。

向量自回歸（VAR）模型在去除了外生變量之后，VAR（p）模型的數(shù)學(xué)表達(dá)式如下。

yt = A1yt-1 + … + Apyt-p + ？著t，t = 1，2，…，T（1）

其中：yt為k維內(nèi)生變量向量，p為滯后階數(shù)，T為樣本個(gè)數(shù)。k×k維矩陣A1，…，Ap和k×d維矩陣B是要被估計(jì)的系數(shù)矩陣，？著t是k維擾動(dòng)向量。

基于本文所研究的內(nèi)容，構(gòu)建的基本VAR模型如下：

（二）數(shù)據(jù)選取

我國融資融券交易于2010年3月31日開啟，最初只有90只股票，2011年12月5日第一次擴(kuò)容后股票數(shù)量為185只，2013年1月31日第二次擴(kuò)容后股票數(shù)量為500只，2013年9月16日第三次擴(kuò)容后股票數(shù)量為696只，2014年9月22日第四次擴(kuò)容后股票數(shù)量為900只，經(jīng)過2016年12月12日第五次擴(kuò)容，至今已有950只，在市場(chǎng)中的占比日益增加。

為了保證數(shù)據(jù)的及時(shí)性，本文使用2016年12月12日最后一次擴(kuò)容之后的數(shù)據(jù)，結(jié)合市場(chǎng)行情走勢(shì)，我們選擇2018年1月26日—2021年2月10日的數(shù)據(jù)進(jìn)行研究。在對(duì)股票指數(shù)的衡量方面，滬深300指數(shù)的推出就是為了反映滬深市場(chǎng)整體走勢(shì)，是一個(gè)跨市場(chǎng)指數(shù)，而我國融資融券標(biāo)的股也是橫跨滬深市場(chǎng)，因此本文選用滬深300指數(shù)來代表股票市場(chǎng)整體走勢(shì)。為保證數(shù)據(jù)的平穩(wěn)性，將使用對(duì)數(shù)收益率來表示其波動(dòng)性，計(jì)算公式如下：

VOLt = ln（Pt / Pt-1）（6）

滬深兩融余額數(shù)據(jù)使用日融資余額和日融券余額的變化量，來考察融資融券余額的變化是否會(huì)對(duì)股市產(chǎn)生影響，計(jì)算公式如下：

MPvol = （MPt - MPt-1）MPt-1（7）

SSvol = （SSt - SSt-1）SSt-1（8）

本文將滬深300指數(shù)按照下降階段和上升階段分別研究。2018年1月26日—2019年1月4日，指數(shù)從4 403.34下降到2 935.83，為下降階段;2019年1月4日—2021年2月10日，指數(shù)從2 935.83上升到5 930.91，為上升階段。并判斷在這兩個(gè)階段中融資和融券與股市波動(dòng)性之間的關(guān)系。數(shù)據(jù)來自Wind資訊。

三、實(shí)證檢驗(yàn)

（一）下降階段

1. 平穩(wěn)性檢驗(yàn)

在實(shí)證檢驗(yàn)之前，先要對(duì)數(shù)據(jù)平穩(wěn)性進(jìn)行檢驗(yàn)。本文使用的數(shù)據(jù)屬于大樣本數(shù)據(jù)，直接選用ADF檢驗(yàn)法。在使用這種方法時(shí)，需要根據(jù)時(shí)序圖來判斷時(shí)間序列有無常數(shù)項(xiàng)和趨勢(shì)項(xiàng)，若檢驗(yàn)回歸中含有常數(shù)項(xiàng)，則原序列在一個(gè)偏離0的位置隨機(jī)變動(dòng);若含有線性趨勢(shì)項(xiàng)，則被檢驗(yàn)序列的波動(dòng)趨勢(shì)隨時(shí)間變化而變化。從圖2上可以看出，指數(shù)波動(dòng)率和融券余額變化量是圍繞靠近0的水平線隨機(jī)游動(dòng)，因此無常數(shù)項(xiàng)和趨勢(shì)項(xiàng)，融資余額變化量具有常數(shù)項(xiàng)而沒有趨勢(shì)項(xiàng)。

ADF檢驗(yàn)的原假設(shè)是序列存在一個(gè)單位根，當(dāng)P值小于0.05時(shí)可以拒絕原假設(shè)，即序列平穩(wěn)。檢驗(yàn)結(jié)果如表1所示，指數(shù)波動(dòng)率和融券余額變化量在1%顯著性水平下拒絕原假設(shè)，為平穩(wěn)序列，滿足VAR模型條件，融資余額變化量是一階平穩(wěn)，與指數(shù)波動(dòng)率為不同階平穩(wěn)，因此認(rèn)為兩者之間不存在長(zhǎng)期關(guān)系，不能創(chuàng)建VAR模型。

2. 滯后階數(shù)選擇

VAR模型需要根據(jù)最優(yōu)滯后階數(shù)來建立。對(duì)股市波動(dòng)和融券交易的VAR模型滯后階數(shù)進(jìn)行檢驗(yàn)，根據(jù)AIC準(zhǔn)則和SC準(zhǔn)則，選取最小值來確定滯后階數(shù)。如表2所示，股市波動(dòng)和融券交易中根據(jù)準(zhǔn)則顯示最優(yōu)滯后階數(shù)為4，因此最優(yōu)滯后階數(shù)為4。

3. VAR模型結(jié)果

滬深300與融券交易建立的VAR（4）型結(jié)果為：

SS=-0.263037934169*SS（-1）-0.061788581714 * SS（-2）-0.0624939370961*SS（-3）+0.10633690738* SS（-4）+0.297981069603*VOL（-1）-0.1397652489 18*VOL（-2）+0.0759340771339*VOL（-3）-0.584917 229792*VOL（-4）-0.032992113823

VOL=0.0106202019125*SS（-1）+0.0213824805366* SS（-2）+0.0293364654853*SS（-3）+0.0432065933116* SS（-4）-0.0338129704351*VOL（-1）-0.0530857200 88*VOL（-2）+0.0136687884963*VOL（-3）-0.220921 783508*VOL（-4）-0.221780494762

在使用VAR模型分析時(shí)間序列時(shí)，需要驗(yàn)證VAR模型的穩(wěn)定性。若AR根檢驗(yàn)中模型的特征根的模均小于1，或所有特征根都顯示在單位圓內(nèi)，則可以認(rèn)為VAR模型是穩(wěn)定的，若不滿足這些條件則認(rèn)為模型是不穩(wěn)定的。如圖3所示，所有模型特征根均在單位圓內(nèi)，因此股市波動(dòng)與融券交易的VAR（4）模型是穩(wěn)定的。但在實(shí)際應(yīng)用中，學(xué)者們通常不太關(guān)心VAR模型的回歸系數(shù)，而重點(diǎn)關(guān)注的是Granger因果關(guān)系檢驗(yàn)、脈沖響應(yīng)和方差分解。

4. Granger因果檢驗(yàn)

在時(shí)間序列下，Granger因果檢驗(yàn)通常定義為，包含兩個(gè)變量過去信息的預(yù)測(cè)效果要比只包含單一變量過去信息的預(yù)測(cè)效果要好，即其中一個(gè)變量有助于解釋另一個(gè)變量的將來變化，則認(rèn)為其中一個(gè)變量是引致另一個(gè)變量的格蘭杰原因，它檢驗(yàn)的是一個(gè)變量的滯后變量是否可以引入其他變量方程中?；谏衔闹械难芯浚墒胁▌?dòng)和融券交易的時(shí)間序列通過了平穩(wěn)性檢驗(yàn)，可以直接進(jìn)行Granger因果關(guān)系檢驗(yàn)。根據(jù)表3中的檢驗(yàn)結(jié)果，二者之間為單向格蘭杰因果關(guān)系，融券交易不是滬深300的格蘭杰原因，而滬深300是融券交易的格蘭杰原因。

5. 脈沖響應(yīng)

脈沖響應(yīng)函數(shù)（impulse response function，IFR）是考察當(dāng)模型受到?jīng)_擊時(shí)，這種影響是如何傳遞到其他變量的。因?yàn)闇?00與融資交易之間不存在長(zhǎng)期關(guān)系，而融券交易存在從股票指數(shù)到融券交易的單向因果關(guān)系，因此下面的檢驗(yàn)僅考慮此影響。若給予股市波動(dòng)一個(gè)正標(biāo)準(zhǔn)差沖擊，得到的脈沖響應(yīng)函數(shù)如圖4所示，在第5日產(chǎn)生了負(fù)影響并達(dá)到最大值，隨后逐漸減弱并趨向于0。

6. 方差分解

脈沖響應(yīng)描述了變量沖擊的方向和大小，而方差分解則用于評(píng)價(jià)不同沖擊的重要性。方差分解可以將VAR系統(tǒng)中任意一個(gè)內(nèi)生變量的預(yù)測(cè)方差分解成各個(gè)變量的隨機(jī)沖擊，并評(píng)價(jià)不同沖擊所做的貢獻(xiàn)。從表4中所示方差分解結(jié)果顯示，股市波動(dòng)對(duì)融券交易的解釋比例較小，大約在第5期達(dá)到了6%左右，而融券交易對(duì)自身的影響達(dá)到93%。

（二）上升階段

1. 平穩(wěn)性檢驗(yàn)

使用ADF檢驗(yàn)之前，先根據(jù)時(shí)序圖來判斷時(shí)間序列有無常數(shù)項(xiàng)和趨勢(shì)項(xiàng)，從圖5上可以看出，三個(gè)序列都是圍繞靠近0的水平線隨機(jī)游動(dòng)，因此無常數(shù)項(xiàng)和趨勢(shì)項(xiàng)。在此基礎(chǔ)上進(jìn)行ADF檢驗(yàn)，原假設(shè)是序列存在一個(gè)單位根，當(dāng)P值小于0.05時(shí)可以拒絕原假設(shè)，即序列平穩(wěn)。檢驗(yàn)結(jié)果如表6所示，3個(gè)變量均在1%顯著性水平下拒絕原假設(shè)，為平穩(wěn)序列，滿足VAR模型條件。

2. 滯后階數(shù)選擇

建立VAR模型前先要確定最優(yōu)滯后階數(shù)。對(duì)股市波動(dòng)和融資交易、股市波動(dòng)和融券交易的VAR模型滯后階數(shù)進(jìn)行檢驗(yàn)，如表6所示，股市波動(dòng)和融資交易中根據(jù)AIC準(zhǔn)則滯后階數(shù)為6階，SC準(zhǔn)則顯示為5階，由于AIC小于SC，因此最優(yōu)滯后階數(shù)確定為6階;如表7所示，股市波動(dòng)和融券交易的滯后階數(shù)根據(jù)AIC準(zhǔn)則顯示為8階，SC準(zhǔn)則顯示為2階，由于AIC小于SC，因此最優(yōu)滯后階數(shù)為8階。

3. VAR模型結(jié)果

滬深300與融資交易建立的VAR（6）模型結(jié)果為：

VOL=-0.207373585161*MP（-1）-0.4255970506 52*MP（-2）-0.132165031534*MP（-3）+0.055532764 2482*MP（-4）+0.454916443572*MP（-5）+0.0603634 246305*MP（-6）+0.055799220336*VOL（-1）+0.0753 517043979*VOL（-2）+0.175838635443*VOL（-3）+0.00921606668002*VOL（-4）-0.00838909708731* VOL（-5）-0.0991559854834*VOL（-6）+0.09019940 03339

MP=0.296063556832*MP（-1）+0.17995028093* MP（-2）-0.0364885236411*MP（-3）-0.07045349288 86*MP（-4）+0.47518777031*MP（-5）-0.140006175 208*MP（-6）+0.0592503415785*VOL（-1）+0.03403 04419728*VOL（-2）+0.0437683181197*VOL（-3）+0.0173194495097*VOL（-4）-0.0159251638366*VOL（-5）-0.0140115733337*VOL（-6）-0.0156097770301

如圖6所示，所有模型特征根均在單位圓內(nèi)，因此股市波動(dòng)與融資交易的VAR（6）模型是穩(wěn)定的。

同樣，滬深300與融券交易建立的VAR（8）模型結(jié)果如下所示。從圖7中來看，所有模型特征根均在單位圓內(nèi)，因此股市波動(dòng)與融券交易的VAR（7）模型是穩(wěn)定的。

VOL=-0.0116726224681*SS（-1）-0.0458267728 99*SS（-2）-0.0314511858812*SS（-3）+0.042912109 321*SS（-4）-0.0109468956402*SS（-5）-0.030199431 4313*SS（-6）+0.0279355096508*SS（-7）+0.0544389 035817*SS（-8）+0.0578297093319*VOL（-1）+0.024 7426167133*VOL（-2）+0.122904888988*VOL（-3）-0.157881411395*VOL（-4）+0.0473581063796*VOL（-5）-0.0420325855952*VOL（-6）+0.0196254290281* VOL（-7）-0.149556835986*VOL（-8）+0.079838454 776

SS=0.0166355749402*SS（-1）+0.190478017803* SS（-2）+0.107570109891*SS（-3）+0.0266744315144* SS（-4）+0.232216458189*SS（-5）-0.0688066335717* SS（-6）+0.148016609129*SS（-7）+0.103772103507* SS（-8）+0.240983330164*VOL（-1）-0.54461590156 6*VOL（-2）-0.0839302902077*VOL（-3）-0.2249830 83228*VOL（-4）-0.188401611667*VOL（-5）-0.0540 798799278*VOL（-6）+0.0308131924876*VOL（-7）-0.375009622087*VOL（-8）-.03840607553

4. Granger因果檢驗(yàn)

Granger因果檢驗(yàn)的前提必須是平穩(wěn)序列，基于上文中的研究，VOL、MP、SS的時(shí)間序列均通過了平穩(wěn)性檢驗(yàn)，屬于平穩(wěn)序列，可以直接進(jìn)行Granger因果關(guān)系檢驗(yàn)。根據(jù)表8中的檢驗(yàn)結(jié)果，融資交易與滬深300之間存在雙向因果關(guān)系，而滬深300與融券交易之間存在從股市波動(dòng)到融券交易的單向因果關(guān)系。

5. 脈沖響應(yīng)

若給股市波動(dòng)一個(gè)正標(biāo)準(zhǔn)差沖擊，得到的脈沖響應(yīng)函數(shù)如圖8所示，股市波動(dòng)對(duì)融資交易的影響為正影響，并在第4日達(dá)到最大值;若給予融資交易一個(gè)正標(biāo)準(zhǔn)差沖擊，得到的脈沖響應(yīng)函數(shù)如圖9所示，在第1日產(chǎn)生了正影響并達(dá)到最大，隨后產(chǎn)生負(fù)影響，逐漸減弱并趨向于0。同理，如圖10所示，若給股票波動(dòng)一個(gè)正標(biāo)準(zhǔn)差沖擊，對(duì)融券交易在第3日產(chǎn)生了負(fù)影響并達(dá)到最大，隨后影響逐漸減弱。因此，股市波動(dòng)和融資交易之間為正影響，而股市波動(dòng)對(duì)融券交易會(huì)產(chǎn)生抑制作用。

6. 方差分解

從表9中所示方差分解結(jié)果可以看出，對(duì)融資交易來說，其對(duì)自身的影響最大，占比達(dá)到93%左右，而股市波動(dòng)對(duì)融資交易的解釋比例從第一期開始逐漸上升，到第6期穩(wěn)定在7%左右;對(duì)股市波動(dòng)來說，融資交易對(duì)股市波動(dòng)的解釋比例從第一期開始穩(wěn)定在29%后幾乎無變化。相比而言，融資交易對(duì)股市波動(dòng)的影響要大于股市波動(dòng)對(duì)融資交易的影響。同時(shí)，如表10所示，融券交易受到股市波動(dòng)的影響程度大約在8%，而對(duì)自身的影響達(dá)到92%。

四、結(jié)論及建議

融資融券交易在資本市場(chǎng)中扮演著重要的角色，如促進(jìn)價(jià)格發(fā)現(xiàn)、緩解泡沫形成、增加市場(chǎng)流動(dòng)性、提供對(duì)沖利益等。然而，投資者和投機(jī)者參與融資融券交易的行為本質(zhì)上都是內(nèi)生的，因此，我們需要確定一個(gè)“沖擊”，在一個(gè)狹窄的時(shí)間框架內(nèi)，導(dǎo)致投資者和投機(jī)者行為的急劇差異變化，以估計(jì)相互影響。

通常情況下認(rèn)為，融資交易會(huì)導(dǎo)致投資者對(duì)股票的需求增加，供不應(yīng)求使股票價(jià)格上升、股市波動(dòng)增加，融券交易使投資者對(duì)股票需求減少，因此股票價(jià)格回落、股市波動(dòng)減少。結(jié)合本文的實(shí)證研究，本文認(rèn)為在股市呈上升趨勢(shì)時(shí)，股市波動(dòng)對(duì)融資交易有小幅促進(jìn)作用，對(duì)融券交易有小幅抑制作用，且融資交易變化量會(huì)大幅增加股市波動(dòng)，可以分析得出，市場(chǎng)中的投資者在上升行情中并未過多利用融資交易增加杠桿，也并未利用市場(chǎng)行情翻轉(zhuǎn)的可能性融券投機(jī)，始終保持理性狀態(tài)，但由于上升行情中市場(chǎng)需求已經(jīng)飽和，少量股票需求即可對(duì)股市波動(dòng)有較大影響;在股市呈下降趨勢(shì)時(shí)，股市波動(dòng)與融資交易不存在長(zhǎng)期影響，對(duì)融券交易有小幅抑制作用，可以認(rèn)為投資者在下降趨勢(shì)中出于對(duì)后續(xù)市場(chǎng)樂觀或者規(guī)避風(fēng)險(xiǎn)的態(tài)度，減少了交易杠桿的使用。因此本文認(rèn)為，在股票市場(chǎng)交易過程中，投資者并未出現(xiàn)大幅追漲殺跌的趨勢(shì)交易現(xiàn)象，一方面是由于參與融資融券交易投資者投資風(fēng)格慢慢向價(jià)值型投資轉(zhuǎn)變，另一方面是由于我國市場(chǎng)中使用杠桿交易的投資者占比較小。

通過本文的研究，給監(jiān)管機(jī)構(gòu)和投資者的建議是：第一，2017年開始傳統(tǒng)的投機(jī)方式不再適用，投資者開始更多關(guān)注行業(yè)研究、公司估值等價(jià)值投資方面，被很多投資者稱為“價(jià)值投資元年”，而融資融券交易作為價(jià)格發(fā)現(xiàn)手段，在此背景下發(fā)揮了怎樣的作用是值得關(guān)注的。實(shí)證結(jié)果顯示，在股市行情快速上升或下降的過程中，投資者并未增幅使用融資融券進(jìn)行杠桿交易，因此目前我國投資者對(duì)融資融券交易的使用是不充足的，其價(jià)格發(fā)現(xiàn)功能沒有充分實(shí)現(xiàn)。第二，研究將股市走勢(shì)按照上升階段和下降階段進(jìn)行拆分，得出的結(jié)論是投資者初步具備價(jià)值投資意識(shí)，不盲目“追漲殺跌”，但研究結(jié)果提示監(jiān)管機(jī)構(gòu)要繼續(xù)完善融資融券交易規(guī)則，加強(qiáng)交易市場(chǎng)的監(jiān)督監(jiān)管，增加融資融券交易信息公布的及時(shí)性和公開性，正確引導(dǎo)投資者進(jìn)行價(jià)值投資。

[參考文獻(xiàn)]

[1] ?Bener A，Pagano M. Short-Selling Bans Around the World： Evidence from the 2007-09 Crisis[J]. The Journal of Finance，2013，68（1）：343-381.

[2] ?Bai Y，Chang E C，Wang J. Asset Prices Under Short-Sale Constraints[C]. Working Paper，Hong Kong Institute of Economics and Business Strategy. 2006：1-17.

[3] ?Lamont O A，Stein J C. Aggregate Short Interest and Market Valuations[J]. American Economic Review，2004，94（2）：29-32.

[4] ?李科，徐龍炳，朱偉驊. 賣空限制與股票錯(cuò)誤定價(jià)—融資融券制度的證據(jù)[J]. 經(jīng)濟(jì)研究，2014，49（10）：165-178.

[5] ?Seguin P J. Stock volatility and margin trading[J]. Journal of Monetary Economics，1990，26（1）：101-121.

[6] ?Long J B D，Shleifer A，Summers L H，et al. Noise Trader Risk in Financial Markets[J]. Journal of Political Economy，1990，98（4）：703-738.

[7] ?Takehide Hirose，Hideaki Kiyoshi Kato，Marc Bremer. Can margin traders predict future stock returns in Japan？[J]. Pacific-Basin Finance Journal，2008，17（1）：41-57.

[8] ?王朝陽，王振霞. 漲跌停、融資融券與股價(jià)波動(dòng)率——基于AH股的比較研究[J]. 經(jīng)濟(jì)研究，2017，52（4）：151-165.

[9] ?褚劍，方軍雄. 中國式融資融券制度安排與股價(jià)崩盤風(fēng)險(xiǎn)的惡化[J].經(jīng)濟(jì)研究，2016，51（5）：143-158.

[10] ?王旻，廖士光，吳淑琨. 融資融券交易的市場(chǎng)沖擊效應(yīng)研究——基于中國臺(tái)灣證券市場(chǎng)的經(jīng)驗(yàn)與啟示[J]. 財(cái)經(jīng)研究，2008，（10）：99-109.

[11] ?陳海強(qiáng)，范云菲. 融資融券交易制度對(duì)中國股市波動(dòng)率的影響——基于面板數(shù)據(jù)政策評(píng)估方法的分析[J]. 金融研究，2015，（6）：159-172.

[12] ?Sharif S，Anderson H D，Marshall B R. Against the tide： the commencement of short selling and margin trading in mainland China[J]. Accounting & Finance，2015，54（4）：1319-1355.

[13] ?王帥. 融資融券對(duì)我國股市波動(dòng)率影響機(jī)理研究——基于VAR模型的檢驗(yàn)[J]. 中南財(cái)經(jīng)政法大學(xué)學(xué)報(bào)，2017，（1）：41-46.

[14] ?徐長(zhǎng)生，馬克. 牛市中融資融券交易對(duì)股價(jià)高估的影響——基于上證A股交易數(shù)據(jù)的雙重差分法分析[J]. 經(jīng)濟(jì)評(píng)論，2017，（1）：40-52.

The Relationship between Margin Lending and Short Selling and Stock Market Volatility

WANG Tongfang， SHANG Zhitong

（1. School of Economics and Management， Hebei University of Technology， Tianjin 300401， China;

2. School of Artificial Intelligence， Hebei University of Technology， Tianjin 300401， China）

Abstract： The policy of securities margin trading in China aims to improve the market efficiency and integrity， but if investors exploit its leverage effect for speculative trading， it will aggravate the volatility of the stock market. The paper uses several quantitative methods such as VAR model， impulse response， and variance decomposition to analyze the volatility between securities margin trading and stock market. According to the data of CSI 300 Index from January 26， 2018 to February 10， 2020， it can be found that in the rising stage of CSI 300 Index， the stock market volatility has a small promoting effect on the financing transaction and a small inhibiting effect on the short selling transaction， and the change of the financing transaction will greatly increase the stock market volatility. In the decline stage of CSI 300 Index， there is no long-term impact of stock market fluctuations and financing transactions， which has a small inhibitory effect on securities trading. According to further analysis， Chinese investors who are engaged in securities margin trading are mainly value investors， but they have not made full use of it.

Key words： securities margin trading; the stock market; volatility

收稿日期：2019-01-07

基金項(xiàng)目：天津市社科規(guī)劃項(xiàng)目（TJYY17-028）

作者簡(jiǎn)介：王同芳（1992—），女，河北廊坊人，河北工業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院碩士研究生，主要研究方向：金融學(xué)。

網(wǎng)絡(luò)出版時(shí)間：2019-04-30 ? ? ? ?網(wǎng)絡(luò)出版地址：http：//kns.cnki.net/kcms/detail/13.1396.G4.20190430.1036.001.html