“股災”時段：融資融券對上證A股市場波動性的影響

吉余峰， 梁 弋， 吉 星

(1.東華大學 旭日工商管理學院， 上海 200051；2.上海財經大學 經濟學院， 上海 200433)

?

“股災”時段：融資融券對上證A股市場波動性的影響

吉余峰1， 梁 弋1， 吉 星2

(1.東華大學 旭日工商管理學院， 上海 200051；2.上海財經大學 經濟學院， 上海 200433)

2015年上證綜指一路飆升至最高5 178點，再如過山車般地狂瀉至最低不足2 900點，如此巨幅的波動在世界范圍內比較罕見。我國自2010年3月31日引入融資融券業務以來，對它的研究一直處于初級階段，尚不明確其對于我國資本市場的影響究竟如何；造成這次 “股災”的原因，大部分矛頭都指向融資融券業務。本文首次采用全新指標融資融券強度(看多看空系數)，運用T-GARCH與SVAR模型，實證分析了“股災”時段融資融券對上證A股市場波動性的影響。

上證A股市場； 股指波動性； 融資融券強度； T-GARCH模型

2015年上半年中國股市跌宕起伏，上證市場創出年內新高，指數突破了5 000點大關。在隨后的幾個月，股指則掉頭向下狂瀉至最低不足2 900點。為了防止系統性金融危機的發生，政府頻頻出臺政策救市。清理場外配資，禁止大股東大規模套現，嚴查國內外惡意做空，國家隊入場護盤，但似乎所有救市政策的效果都只是曇花一現，仍然阻止不了“股災”的蔓延。對于造成股指巨幅上揚然后急劇下挫的主要原因，不少專業人士都認為融資融券業務是罪魁禍首，再加上其存在杠桿的特性，使得股指的波動幅度進一步放大，對市場穩定性的破壞更是雪上加霜。它真是股災的元兇嗎？

一、 融資融券與股市波動性關系的文獻回顧

由于西方發達國家融資融券業務推出時間比較早，故學術界對融資融券與股市波動性關系的研究比較充分。我國學者只是在近些年才開始此領域的研究。到目前為止，國內外學者在這個問題上大體上存在三種觀點。

(一) 融資融券的引入會加劇股市波動性

Bogen和Krooss首次提出融資融券的推出可能加劇資本市場波動性。他們認為，融資融券業務給投資者提供了賣空和買多的投資機會。一旦股票價格出現單向偏離的情形，融資融券業務就會被廣泛地使用，從而使得股價偏離程度加大[1]。Allen， Morris和Postlewaite提出了一個有限時期一般均衡模型與信息不對稱交換的假設，通過對泡沫時期資本市場的研究，發現賣空機制會引發股市的波動性[2]。蔡笑使用我國臺灣市場的月度數據，運用GARCH模型和VAR模型，研究發現融資融券業務的推出使得臺灣股市波動性增加[3]。

(二) 融資融券的引入會平抑股市波動性

Angel以紐約股票交易所(NYSE)的144只股票為研究樣本，探討股價下跌是否與賣空交易相關，結果表明常規性買賣指令形成的“助漲殺跌”效應是引起證券市場波動的根源，是加劇市場波動的一個重要原因[4]。Charoenrook和Daouk對多個國家的股票市場進行研究并發現，沒有引入融資融券國家的資本市場波動幅度要比引入融資融券的國家小，且兩者之間的關系在計量統計層面不是顯著的[5]。陳淼鑫，鄭振龍針對賣空機制引入后的股市波動情況進行了研究，認為賣空機制的引入一方面會提高股票市場的流動性，另一方面也會減小股市的波動[6]。

(三) 融資融券的引入對股市波動性不產生影響

Figlewski和Webb對標準普爾指數中包含的400多家公司股票進行了實證分析，研究表明賣空和股市波動性之間的相關性并不明顯[7]。Battalio 和Schultz研究了納斯達克市場在互聯網泡沫時期的表現，結果發現股市泡沫與賣空機制沒有關系[8]。李俊文具體分析了市場波動性與融資融券之間的關系，通過格蘭杰檢驗，發現賣空交易對股市波動性影響不大，反而是股市波動性對融資融券交易的影響較大，往往成為投資者操作的決策依據之一[9]。

二、 研究模型選擇

(一) ARCH模型族介紹

1. ARCH模型族

ARCH模型的基本思想是指在以往信息集下，某一時刻一個噪聲的發生服從正態分布。該正態分布的均值為零，方差是一個隨時間變化的量(即為條件異方差)，并且這個隨時間變化的方差是過去有限項噪聲值平方的線性組合(即為自回歸)。這樣就構成了自回歸條件異方差模型。

該模型認為，某一時刻噪聲項的方差可以由過去多個時刻的有限噪聲項的平方回歸來表示，從另一個角度可以說明某個時刻噪聲的波動程度存在記憶的特點。如果過去多個時刻噪聲的方差出現較大的變化，則這種影響會直接作用在未來某一時刻的噪聲，同樣會引起巨大的變化。同理，如果過去多個時刻噪聲的方差出現微小的變化，則這種影響也仍會直接作用于未來某一時刻的噪聲，同樣會引起微小的變化。

2. GARCH模型

由于ARCH模型自身存在的缺陷，后經Engle的學生T. Bollerslev進一步修正，提出了ARCH模型的一般形式即GARCH模型，通常將其定義為廣義自回歸條件異方差模型。該模型同樣支持異方差隨著時間的推移會出現變化的特點。在隨后關于股市波動問題的研究中被廣泛運用，迄今為止它成為研究波動率中最為理想的模型之一。一般的GARCH模型可以表示為：

(1)

(2)

(3)

其中ht為條件方差，ut為獨立同分布的隨機變量，ht與ut互相獨立，ut服從標準正態分布。(1)式稱為條件均值方程；(3)式稱為條件方差方程，表明條件方差隨著時間的推移會發生變化的特點。

3. T-GARCH模型

Runkle首次提出T-GARCH模型，也稱為門限ARCH模型。其數學表達式如下：

(4)

(二) VAR模型

經濟計量模型中的變量主要分為兩類，一類為內生變量，另外一類為外生變量。但在實際研究中，變量之間的關系難以被清晰地確定或者描述，將兩種變量進行劃分更是十分困難。如果兩種變量存在某種同期相關關系，則將它們區分為內生變量和外生變量是不恰當的，所得出的實證分析結果的說服力也不充分。Sims提出了VAR模型(向量自回歸模型)，該模型假設不將變量進行劃分，而是將所有變量都作為系統的內生變量進行分析。

VAR模型在建模時，主要考慮兩個方面。首先要明確模型中哪些變量之間存在相關關系，然后確定滯后期數。滯后期數的確定主要以AIC準則以及SC準則作為參考依據。VAR(P)模型的數學表達式：

yt=φ1yt-1+…+φpyt-p+Hxt+εt

(5)

其中，yt是k維內生變量列向量，xt是d維外生變量列向量，p是滯后階數，t是樣本個數。k×k維矩陣φ1， …，φp和k×d維矩陣H是待估計的系數矩陣。εt是k維擾動向量，它們之間可以同期相關，但不與自己的滯后項相關，且不與等式右邊的變量相關。

三、 融資融券對上證A股市場波動性影響的實證分析

(一) 數據選擇與說明

本文選取的數據是上證A股每日收盤指數以及每日的融資融券數據，樣本期間是從2014年10月21日至2015年9月30日，總共235個樣本數據，此時間段正是上證A股由暴漲至暴跌所處的時間段。

本文選取T-GARCH模型擬合股市波動，并選取條件方差作為股市波動的替代指標；同時計算并引入融資融券強度(看多看空系數)作為解釋變量，兩個變量的值域在-1到1之間，依次記為MP、SS。融資融券強度計算公式如下：

融資強度=(融資買入額-融資償還額)/(融資買入額+融資償還額)

融券強度=(融券賣出量-融券償還量)/(融券賣出量+融券償還量)

(二) ARCH效應檢驗

我們首先對上證A股指數波動性進行ARCH效應檢驗。為了減少量綱對實證分析的影響，我們對收益率進行對數化處理，并記為lnspt。因為股票價格指數服從特殊的單位根過程，即隨機游走模型，回歸結果如下：

lnspt=0.984 917lnspt-1+0.125 768

(6)

圖1 回歸方程殘差序列

從回歸方程的殘差序列圖中，我們發現波動出現集聚的現象，這說明該序列存在條件異方差性。因此我們對殘差序列進行ARCH效應檢驗，并依據AIC準則來確定檢驗的階數。通過1、 4、 8、 12各階的檢驗，發現在4階時，AIC值最小且為-10.649 6，因此確定檢驗階數為4。

表1 滯后階數的AIC檢驗結果

根據AIC準則，我們選取4階進行ARCH效應檢驗

表2 ARCH效應存在檢驗

從表2中我們可以看出，在5%顯著性水平下，拒絕原假設，即存在ARCH效應，因此我們可以采用T-GARCH模型對這一時段的上證A股指數波動性進行擬合。

表3 T-GARCH(2.1)回歸結果

從表3中我們可以看出，回歸方程的R2接近于1，擬合程度較好；非對稱項的系數為正值，說明存在杠桿效應，且這種杠桿效應會增加股市的波動性。同時均值方程與方差方程的常數項與系數項在5%的顯著性水平都顯著，所以回歸結果是有效的，此時我們對回歸方程進行ARCH效應消除檢驗。

表4 ARCH效應消除檢驗

對回歸方程進行ARCH效應檢驗，我們選擇之前選定的階數為2，在5%的顯著性水平下，接受了原假設，即不存在ARCH效應。說明T-GARCH模型消除了條件異方差性，因此T-GARCH(2， 1)很好地擬合了這一時段上證A股指數的波動性，我們將提取的條件方差作為股市波動率的替代變量并記為V。

(三) 平穩性檢驗

我們首先對V、MP、SS三個變量序列進行ADF單位根檢驗。從下面三個圖我們可以看出，三個時間序列都存在截距項，不存在趨勢項。

圖2 上證A股指數波動率V

圖3 上海股市融資強度MP

圖4 上海股市融券強度SS

表5 ADF單位根檢驗

單位根檢驗結果表明，在5%的顯著性水平下，均拒絕了原假設，即不存在單位根，V、MP、SS三個序列都是平穩序列。

(四) 三元VAR模型構建

在構建三元VAR模型時，重要的是確定合適的滯后階數。我們采用EVIEWS 6.0自帶的最優階數選擇功能，在指定最高階數為5階的情況下，根據不同的準則，每個最優滯后階數都會標記*符號，選擇*符號相對最多的階數即為最優滯后階數。如表6所示，我們選擇滯后階數為4階。

表6 波動率V與融資強度MP、融券強度SS最優階

在此將V與MP、SS的三元VAR模型定義為VAR(3)。VAR模型估計后，擾動項之間可能存在同期相關關系，而VAR模型無法刻畫這種同期相關關系，首先用殘差序列的同期相關關系矩陣來描述。用μ1、μ2、μ3來表示三個方程的殘差，其結果如表7所示。

表7 相關系數矩陣

從表7中我們可以看出，股市波動率V與融資強度MP、融券強度SS的同期相關系數比較高，但由于VAR模型不能刻畫這種同期相關關系，于是采用SVAR模型對其施加短期約束，在此使用A-B型約束矩陣。

對VAR(3)模型短期約束，即對矩陣A、 B進行約束，具體公式如下：

Aεt=But,t=1, 2, 3, …,T

(7)

其中，約束矩陣B是單位矩陣，A矩陣的對角線元素都是1，相當于施加了K2+K個約束條件。對矩陣施加約束，即對變量之間的同期關系施加約束。施加兩個約束條件：(1)股市波動率V與當期的融資強度沒有關系，即a12=0；(2)股市波動率V與當期的融券強度沒有關系，即a13=0。

回歸結果：

即：

由此可以發現三個變量之間當期擾動性存在的關系，彌補了VAR(3)的不足。

(五) Granger因果檢驗

表8 波動率V與融資融券強度MP、SS格蘭杰因果檢驗

從表8中我們可以看出，在5%的顯著性水平下，MP與V均拒絕了原假設，表明股市波動率V與融資強度MP互為對方的Granger原因。檢驗結果說明“股災”期間融資強度變化還是對上證A股指數的波動率V產生一定影響；同樣上證A股指數的波動率的變化也引起了融資強度的變化，這與股市實際運行也是相符的。SS與V均接受了原假設，檢驗結果表明融券強度的變化不能對股市波動率V產生實質性的影響，可能存在其他原因導致波動率巨幅波動，股市波動率V的變化也不會對融券強度產生實質性的影響。在5%的顯著性水平下，融券強度是融資強度的Granger原因，融資強度不是融券強度的Granger原因。說明融券強度的變化也會引起融資強度的變化。

(六) 脈沖響應分析

在對建立的SVAR(3)模型進行脈沖響應分析與方差分解之前，需要確定SVAR模型的穩定性，即AR根都落在單位圓內，表明所建立的SVAR(3)模型穩定。

圖5 AR根檢驗結果

當給融資強度MP與融券強度SS一個正向的標準差沖擊，作用于股市波動V的脈沖響應結果如圖6所示。

圖6 SVAR(3)融資融券強度MP、SS脈沖響應圖

從圖6中我們可以看出，當給融資強度一個正向的標準差沖擊，開始時會對股市波動率V產生一個負向的影響，即減小股市波動。這種影響在第3期時達到最大。隨著期數的增加，這種影響在第20期逐漸消失，表明這種影響并不是持久的。在股市拉升階段，融資強度始終保持在一定的水平，具有降低股市波動的效果。在股市暴跌階段，融資強度迅速減弱，由于非對稱性的影響與杠桿的影響，造成一段時間內股指巨幅波動。反觀融券強度，當給融券強度一個正向的標準差的沖擊，開始時會對股市波動率V產生一個負向的影響，在第3期又會增加股市的波動，隨即在第4期又會對股市波動產生負向的效應，在以后的各期圍繞正負向波動，并在第17期逐漸消失，表明融券強度的增強會抑制股市的波動；但這種影響是有限的而且是不可持續的。

(七) 方差分解

在構建三元的SVAR(3)模型基礎之上進行方差分解，獲知融資融券強度對股市波動率V的解釋能力。

從表9我們可以看出，股市波動率V在第20期只有大約71.75%被其自身解釋，而相當一部分被融資強度解釋掉了，且融資強度解釋股市波動的能力隨著期數不斷增加，在第17期時達到26.64%，且以后各期基本保持穩定。結合方差分解以及條件方差圖示來看，股市的巨幅波動主要集中在暴跌階段，由于存在非對稱性的影響，融資強度的急劇減弱給股市造成了極大的波動。證明融資的確是股市巨幅波動的原因之一，融資強度的變化對股市波動產生的影響是很明顯的，尤其在其強度減弱的時候，效果更加明顯。

表9 SVAR(3)波動率V的方差分解

反觀融券強度，股市波動率V僅有小部分被融券強度解釋。融券強度對股市波動率的解釋能力隨著期數的增加小幅增強，在第12期時達到1.57%，并在隨后各期基本保持穩定。方差分解結果表明在股市巨幅波動階段，融券強度的變化對股市波動的影響是微弱的。

(八) “股災”時段實證結果分析

第一，導致本輪上證A股指數巨幅波動的主要原因之一便是融資杠桿的使用。由于我國資本市場還處在欠發達階段，極容易受國家政策性因素的影響，因此融資融券的杠桿特性數倍地放大了風險。股指巨幅上揚的時期，當存在一個來自外界的擾動時，股指有小幅的攀升，投資者追逐短期收益便會加杠桿融資買入，股指成倍數上揚；反過來又會刺激投資者進一步融資買入，如此便形成了惡性循環，造成股指在短短幾個月內從3 000點巨幅狂飆至最高5 178點。

第二，我國投資者結構嚴重不合理。機構投資者占比很小，而個人投資者的比重則非常大，投資策略主要是以投機需求為驅動，追求短期利益，也就是短線投資。大多數投資者缺乏投資理性，易產生跟風和踩踏效應，傾向化嚴重，容易對股指造成助漲殺跌的作用，極易造成股市的波動。

第三，多空雙方規模懸殊。我國鼓勵做多不做空，融資融券的規模始終無法平衡，融資的規模要遠遠超過融券的規模，由此導致券商等金融投資機構無券可融。這種規模的失衡帶來的后果便是股市一旦有暴漲，則必有暴跌。在股市急速下跌階段，融資強度的減弱會造成巨幅的股市波動。根據脈沖響應結果，融券強度增強時會減小股市的波動，如果融券業務的規模與融資強度的規模大體一致的話，可能就不會出現股市暴跌的情形；相反，股市暴漲的情形也會得到遏制。因此融資融券業務規模的不平衡也是股市波動的因素之一。

四、 完善融資融券制度的政策建議

(一) 優化投資者結構

相較于發達國家，我國資本市場仍有待完善，投資者結構有待優化，投資知識、理念有待普及和強化。投資者投資行為大致存在兩種模式，一是價值投資，另一種則是投機心理驅動，短期持有或者套利。從各國資本市場的運行歷史來看，價值投資是各國資本市場持續、健康運行的重要一環。無論是在保證股市穩定運行，為實體經濟發展提供支持，還是在推動資源的分配優化方面都具有深遠的意義。西方發達國家投資者結構呈現出多層次的局面，機構投資者的占比較大，而中小投資者的占比較小，這與我國的情況正好相反。機構投資者的投資理念較為合理，投資行為較為成熟，不容易受到其他因素干擾，故大多數機構投資者通過長期持有的方式進行價值投資，因此發達國家極少出現股市波動劇烈的情形。

(二) 適當擴大融券業務規模

我國自引入融資融券業務以來，兩者的規模始終處于極不平衡的狀態，兩融的規模比大致為183∶1。我國資本市場的政策一直是鼓勵做多不做空，以保持股票市場持續穩定的上升走勢。由此而導致許多證券公司以及其他金融機構經常出現無券可融，或者融券難的尷尬境地。西方發達國家融資融券業務的規模大致相同，并沒有出現我國融資融券規模嚴重不對稱的情況。而融資融券規模的不對稱所造成的后果就是股市一旦暴漲，就必會有暴跌。本輪A股暴跌也從側面證實了這一點。如果融券規模與融資規模大致相當，則在股市下跌時，就會起到促使股指下跌軟著陸的作用。同樣，也就不會出現此輪牛市。融資融券兩種業務相輔相成，規模上較大的差距將嚴重影響兩融業務在我國持續健康地發展，同樣也會給我國股票市場帶來許多負面的影響。融券業務發展不理想的主要原因在于券源不足，機構投資者群體發展不足。成熟市場中，證券出借方主要是長期持有證券的養老基金、保險基金、共同基金等機構投資者，借券目的主要有交割需求、賣空需求、套利交易需求、做市需求等。因此我國股票市場應該通過發展機構投資者的規模，進而帶動融券業務規模的擴大。

(三) 加強融資融券賬戶監管力度

此次“股災”的發生在某種程度上是由于監管當局對融資融券賬戶管理的疏松，因此加強賬戶的管理勢在必行。融資融券在實際操作中要比單純的股票交易復雜得多，監管機構應該充分認識融資融券交易的特點，在對融資融券賬戶進行管理時，應著重制定若干反映融資融券交易的指標及可容忍范圍。當某些指標超過了可容忍的范圍或者出現異常的頻繁交易，監管當局就可以采取如凍結賬戶、限制賬戶的交易額及交易量加以管制，在一定程度上可以控制由融資融券交易所帶來的股指波動。

(四) 提升證券監管當局監管能力

此次“股災”急速下挫及劇烈波動與監管當局“簡單粗暴”的干預是密不可分的。證券監管當局應該根據我國的國情，探尋一套適合我國資本市場發展的監督與管理模式。生搬硬套其他發達國家資本市場的監管模式必然是不可取的。我國資本市場大部分是中小投資者，機構投資者則是占少數，市場信心在這樣一個市場中是非常重要的。粗暴的、過分的干預只會增加股市的動蕩，極易打擊市場信心，會導致資金迅速撤離，資本市場流動性大大降低。證券監管當局應時刻觀望股市運行情況與投資者情緒，在保證不引起股市巨幅波動以及恐慌的情況下，以適度方式逐步去杠桿。在我國目前的金融市場格局下，證監會應該注意與其他金融監管機構等部門積極協同，方能取得比較理想的監管效果。

[1] Jules Irwin Bogen and Herman Edward Krooss.SecurityCredit：ItsEconomicRoleandRegulation[C]. Englewood Cliffs， NJ：Prentice-Hall， Inc，1960.

[2] Franklin Allen， Stephen Morris and Andrew Postlewaite. Finite Bubbles With Short Sale Constraints and Asymmetric Information[J].Journal of Economic Theory，1993， 61(2)：206-229.

[3] 蔡笑.融資融券對股票市場的影響研究[D].蘇州：蘇州大學，2010.

[4] James J. Angel. Short Selling on the NYSE [R]. Georgetown University Current Draft， 1997-10-27

[5] Anchada Charoenrook and Hazem Daouk. The World Price of Short Selling [R]. Working paper， The Owen Graduate School of Management， Vanderbilt University， 2003：1-49.

[6] 陳淼鑫，鄭振龍.賣空機制對證券市場的影響：基于全球市場的經驗研究[J].世界經濟，2008，(12)：73-81.

[7] Stephen Figlewski and Gwendolyn Webb. Options， Short Sales， and Market Completeness [J].JournalofFinance， 1993， 48(2)：761-777.

[8] Robert Battalio and Paul Schultz. Options and the Bubble [J].JournalofFinance，2006，61(5)：2071-2102.

[9] 李俊文.我國融資融券交易對市場波動性影響的實證分析[J].中國證券期貨，2011，(12)：43-47.

[10] 曾長虹.漲跌幅限制對流動性和波動性影響的因子分析[J].金融研究，2004,(4)：37-44.

[11] 瘳士光，楊朝軍.賣空交易機制對股價的影響——來自臺灣股市的經驗證據[J].金融研究，2005,(10)：131-140.

[12] 高鐵梅.計量經濟分析方法與建模[M].北京：清華大學出版社，2009.

[13] 黎元奎.建立我國股市融資融券制度的動因分析與模式選擇[J].武漢金融，2004，(5)：37-40.

[14] 李謙.融資融券業務對資本市場的影響[J].中國金融，2009，(5)：72-73.

[15] 廖士光，楊朝軍.證券市場中賣空交易機制基本功能研究[J].證券市場導報，2005，(3)：72-77.

[16] 文艷軍.融資融券對我國股票市場的影響研究[D].成都：西南財經大學，2012.

[17] 張曉峒.EViews使用指南與案例[M].北京：機械工業出版社，2007.

[18] 趙振全，張宇.中國股票市場波動和宏觀經濟波動關系的實證分析[J].數量經濟技術經濟研究，2003，(6)：143-146.

2016-10-10

吉余峰(1966—)，男，江蘇南通人，副教授，博士，研究方向為資本市場。E-mail:jiyufeng66@126.com

F832.5

A

1009-9034(2016)04-0231-10