中國市場融資融券與股市有效性的實證分析

■戴 秦 謝 斐

中國市場融資融券與股市有效性的實證分析

■戴 秦 謝 斐

本文基于滬深股票的日內高頻交易數據，利用盤口數據計算股票的日內流動性指標，并利用逐筆成交數據計算股票的日內波動性。通過調入和調出融資融券名單的股票樣本及其對照組股票的參數和非參數統計檢驗進行對比，結果表明調入融資融券名單的股票會出現流動性提高、波動性減小的現象，相反調出名單后會使得股票的流動性降低、波動性增大。面板數據回歸結果也表明，融資融券交易可以提高股票的日內流動性，降低股票的日內波動性。因此，我國市場實施融資融券制度能夠明顯提高股市有效性。

融資融券；股市；波動性；流動性

戴 秦，上海電力學院經濟與管理學院副教授，碩士生導師，博士；（上海 200090）

謝 斐，上海財經大學金融學院講師，博士，上海市金融信息研究重點實驗室副主任。（上海 200433）

一、引言和文獻綜述

融資融券制度是一個健全的證券市場不可或缺的重要交易制度，從理論上來說，實施融資融券制度有助于提高股市有效性,即增加流動性的同時降低股價波動。Diamond和 Verrecchia構建了賣空約束下的理性預期模型，研究認為賣空交易能提高市場的流動性［1］。Woolridge和Dickinson的研究解釋了賣空交易通過改變股票的供給為股市提供流動性,同時也降低了市場的波動［2］。

然而，我國股市自2014年下半年至今的暴漲暴跌，使得不少人對此產生了質疑，而國內外關于融資融券對股票波動性和流動性影響的實證結果并不一致。

King等的研究結果表明，賣空沒有起到穩定價格的作用［3］。但Bris等發現在允許股票賣空的市場中，收益率的波動性要低得多［4］。Gao, Hao&Ma對香港證券市場的研究也表明，賣空機制可以增加股市流動性，特別是增加低價股的流動性更加明顯［5］。廖士光、楊朝軍對香港股票市場的研究發現賣空機制實施后對流動性的影響先降低后提高，而對股市波動性影響的方向不確定［6］。王旻等利用中國臺灣地區股市研究表明：融資交易能夠在一定程度上增加股市的流動性水平［7］。陳淼鑫、鄭振龍利用全球37個證券市場的面板數據研究賣空交易對市場波動性、股指收益率偏度和市場崩潰概率等的影響，發現取消賣空限制有助于降低市場的波動性和市場崩潰的概率［8］。

我國滬深股市引入融資融券制度是否真的起到了平抑股價波動提高股市有效性的作用呢？實證研究的結論并不一致。楊德勇、吳瓊使用事件研究法發現融資融券可以提高個股的流動性，平抑個股的波動性［9］。但是許紅偉、陳欣對于同一時期數據的研究發現，融資融券制度對股票定價效率和收益率分布的影響效果仍然相當有限［10］。翟愛梅、鐘山研究發現，不同時期賣空機制對價格波動的影響是不同的［11］。肖文彥、王紫菡運用VAR模型和Granger檢驗，研究50只首批融資融券標的股，認為融資融券機制對中國A股市場波動性的影響均不明顯［12］。但于孝建利用同樣方法研究上海證券市場，卻發現融資和融券交易均是引起股市流動性和波動性變化的Granger原因；融資交易減小了股市流動性，但增大了股市波動性，而融券交易同時減小了股市流動性和波動性；但融資對股市的影響程度大于融券［13］。馮玉梅等對71只融資融券標的證券2010年3月31日至2011年9月30日的面板數據實證研究發現，融資融券對標的股的波動性和收益率都有較為顯著的正向影響，未能明顯平抑波動［14］。近期特別是涉及2014年下半年至2015年上半年的融資融券數據的實證研究，考慮到自2014年特別是下半年始場外配資數額劇增但無官方統計數據，其實證研究結論有待商榷。

以上的研究結果迥異，其原因可能是：一方面是A股融資融券的諸多限制制約了其增加股票供給能力，使其對市場的影響不太顯著；但另一方面則可能是目前實證研究存在一些缺陷：一是數據頻率低，利用日數據進行的實證研究不能觀察到日內尺度上的影響，而事實上，受制于高交易成本，A股信用交易者通常采用日內短線交易，其影響可能更多體現在股票的日內流動性和波動性上；二是現有研究多以調入名單的標的股為對象，缺少對調出名單股票的研究，若融資融券交易的影響顯著，則這兩類股票的流動性和波動性表現應截然不同；三是現有研究中選取的控制變量有限，無法完全過濾其他的流動性和波動性影響因素。針對這些問題，本文將基于滬深A股的日內高頻數據，研究其日內流動性和波動性；并把樣本細分為調入組、調出組，對比其表現；同時設立對照組，以盡可能過濾其他影響因素。

二、樣本選擇和數據處理

本文對調入和調出融資融券股票名單的股票進行分組，對比調入調出前后的流動性和波動性。考慮到樣本數量充足性和數據的可得性(2014年場外配資數額劇增但無官方統計數據)，選擇第三次調入的276只股票作為調入效應樣本組（A組）、調出的54只股票作為調出效應樣本組（B組）。然后以第四次調入的206只股票作為調出效應的穩健性檢驗樣本組（C組）。

樣本時間段取樣本調整時間（2013年1月31日和2013年9月16日）前后各60個交易日。為了在保障樣本數量的前提下，消除停牌對實證檢驗的影響，剔除停牌總天數超過樣本長度5%（6個交易日）的股票。最終A組樣本為259只，B組樣本為51只，C組為170只。

為了剔除其他因素對股票流動性和波動性的影響，本文選擇2013年1月31日前后各60個交易日不在融資融券名單中的滬深300指數成分股22只，作為A組和B組的對照樣本組（D組）；同樣選擇2013年9月16日前后各60個交易日不在融資融券名單中的滬深300指數成分股12只，作為C組的對照樣本組（E組）。

表1 各樣本情況

為了檢驗融資融券對于股票流動性和波動性的實際效果，還對A組股票在2013年1月31日到2014年1月23日間共235個交易日，每日融資額和融券數量對流動性和波動性的影響進行面板數據回歸，剔除有停牌日的股票后共有164只股票形成樣本組（F組）。本文的A股和指數數據采用滬深交易所的Level 1高頻數據，包括逐筆成交和五檔盤口數據，頻率為每筆5秒。每日融資額等數據頻率為日。全部數據均來源于天相投資分析終端。

三、流動性和波動性計量

（一）流動性計量

本文提出的流動性指標LIQ，將結合買賣價差、買賣盤報單量、成交量等因素，利用高頻的買賣盤行情數據，可以比較直觀地揭示股票的流動性。指標計算方法如下：

其中，LIQi,d,t代表i證券在d日的t時刻的流動性是當時股票的賣出量加權平均最優賣出價。是當時股票的買入量加權平均最優買入價。這個指標形式上相當于絕對價差指標的倒數的計算公式如下：

發生漲跌停時，由于限價制度，會使得在漲停時，賣價無法超出漲停價，在報單驅動市場中反映為市場上的委賣單消失，即流動性急劇消失。此時，在本指標設計下，則有LIQi,d,t→0；而在跌停時流動性同樣急劇消失，在本指標設計下也有LIQi,d,t→0，保證了指標設計與股票流動性的一致性。

然后根據統計單個股票的每日流動性指標。考慮到日內可能存在若干次短暫的漲跌停，若采用算術平均法，可能會受個別極端值的影響。因此，在此采用成交量加權法（漲跌停下成交量會急劇減少），有效減少短暫漲跌停對日流動性計量的影響，計算公式為：

以上計算了當d日有m條買賣盤高頻數據時的日流動性指標LIQi,d，Volumei,d,t是t-1到t時刻的成交量。

最后，利用單個股票每日流動性指標計算單個股票在融資融券名單調整日前后兩個時段的平均流動性指標：LIQ0i和LIQ1i,并計算各組平均和。

（二）波動性計量

本文采用高頻的Tick檔逐筆成交數據來計算股票的日內波動性。

用Tick檔逐筆成交數據計算每分鐘的收益率Ri,d,t，再根據每天的241個分鐘收益率計算d日的日內波動率。

計算單個股票在融資融券名單調整日前后兩個時段的平均波動率，VOL0i和VOL1i,并計算各組平均VOL0i和VOL1i。

四、融資融券對股票影響的分組統計

（一）實證設計

根據上文對股票波動性指標的設計，計算各組樣本中的股票在調整日前60個交易日的波動率VOL0i和調整日后60個交易日的波動率VOL1i。計算出每天的波動性指標VOLi,d,t后，以日成交量為權重計算單個股票在檢驗時段I和檢驗時段II的加權平均波動性指標VOL0i和VOL1i。

其中，VOLi,d是股票i在d日的波動率，Volumei,d是股票i在d日的總成交量。VOL1i的計算方法也完全類似。

根據上文對股票流動性指標的設計，計算各組樣本中的股票在調整日前60個交易日的流動性指標VOL0i和調整日后60個交易日的流動性指標VOL1i。計算出每天的流動性指標LIQi,d,t后，以日成交量為權重計算單個股票在檢驗時段I和檢驗時段II的加權平均流動性指標VOL0i和VOL1i。使用成交量加權平均也是為了減少成交量較少，但出現漲跌停板封停現象的當日流動性指標0的極端值影響。但統計結果證明，即使僅僅使用算數平均方法，也得到性質完全相同的統計結果，因論文篇幅所限，在這里就不再列示算術平均法得到的統計結果。

其中，LIQi,d是股票i在d日的流動性指標，Volumei,d是股票i在d日的總成交量。LIQ1i的計算方法也完全類似。

進行分組對比分析：一種是對各組的兩個階段的組平均值進行絕對值和相對值的比較；另一種是對兩個階段的個股波動性和流動性指標橫截面序列進行對比，包括計算統計個股波動性/流動性變化的股票只數統計、K-S檢驗和Wilcoxon秩和檢驗。

（二）分組統計

組平均波動率的計算方法，以A組為例：

組平均流動性指標的計算方法，以A組為例：

考慮到股票的波動性和流動性和都受相當多因素影響，融資融券僅僅是其中一個因素。因此，為了考察融資融券的影響必須設置一個參照對象。本文選擇的對照樣本股票與A、B、C組樣本股票同屬于滬深300指數成分股，但在時段I和時段I0I都不在融0資融券名單中，可以代表市場的普遍流動性水平。D組是A、B組的對照組，E組是C組1的對照組。1

圖1是各組各樣本股票流動性指標變化散點圖和波動率變化散點圖。

流動性指標變化圖中，橫軸代表第三次調入/調出0發生前的流0動性指標的值，縱軸代表第三次調入/調出后的的值，圖中的水平線代表對照組D的1平均變動1值，代表市場的平均流動性指標變動水平。波動率變化圖中橫軸代表第三調入/調出發生前的波動率的值，縱軸代表第三次調入/調出后的的值，圖中的水平線代表對照組D的平均變動值，代表市場的平均波動率標變動水平。

從流動性指標變化圖的結果可以看到，第三次調整中，調入/調出后對照組D組，也就是市場平均流動性水平要高于調入/調出前。調入組A組的大部分樣本點位于水平線的上方，表明調入組A組的大部分樣本股票的流動性增加超過了市場平均變動水平；而調出組D組的結果更為明顯，絕大部分樣本點都位于水平線下方，表明調出組的樣本股票流動性增加的幅度要小于市場平均變動水平。第四次調整中，調入后的對照組E組，也就是市場平均流動性水平要高于調入前。但是調入組C組的大部分樣本點仍然位于水平線的上方，表明調入組C組的大部分樣本股票的流動性增加超過了市場平均變動水平。

圖1 各組各樣本股票波動性變化和波動率變化散點圖

從波動率變化圖的結果可以看到，第三次調整中，調入/調出后對照組D組，也就是市場平均波動率水平要低于調入/調出前。調入組A組的大部分樣本點位于水平線的下方，表明調入組A組的大部分樣本股票的波動率減少增加超過了市場平均變動水平；而調出組D組的結果更為明顯，絕大部分樣本點都位于水平線上方，表明調出組的樣本股票波動率減少的幅度要小于市場平均變動水平。第四次調整中，調入后的對照組E組，也就是市場平均波動率水平要低于調入前。但是調入組C組的大部分樣本點仍然位于水平線的下方，表明調入組C組的大部分樣本股票的波動率減少超過了市場平均變動水平。

（三）分組統計結果對比檢驗

各組LIQ平均值計算結果如下，第三列為相對值LIQ1/LIQ0。

表2 各組平均值計算結果

從第三次調整中，調入A組和調出B組的絕對值及相對值LIQ1/LIQ0來看，無論是調入還是調出都出現了流動性增大的現象，因此引入對照組D組作為市場平均水平。從對照組的結果來看，市場的平均流動性指標水平在時段II比時段I增加約2.6075%。顯然在這個狀況下，調入融資融券的A組股票的流動性指標增加更多，大約為2.7149%，而調出融資融券的B組股票雖然流動性指標也增加，但是僅僅增加了約1.2012%，低于市場平均水平。

表3 各組平均值計算結果

作為穩健性檢驗的第四次調整的C組與對照的E組的檢驗結果也類似。統計結果表明融資融券制度可以增加股票的流動性。

各組平均值計算結果如下，第三列為相對值VOL1/VOL0。

從第三次調整中，調入A組合調出B組的絕對數值以及相對值VOL1/VOL0來看，無論是調入，還是調出都出現了波動率減小的現象。與流動性指標的統計相同，然后加入A、B組的對照組D組后的結果對比。從對照組的結果來看，市場的平均波動率水平在時段II比時段I減少了約4.3167%。調入融資融券的A組股票的波動率減少更多，大約為7.2803%，而調出融資融券的B組股票的波動率反而略微增加，約為0.0208%。

作為穩健性檢驗的C組與對照的E組的檢驗結果也類似。統計結果表明融資融券制度可以減少股票的波動性。

（四）非參數檢驗

現在對各組的流動性指標的前后變化情況進行非參數檢驗。先配對統計比較流動性變大或變小的股票數量：

表4

結果顯示在大部分情況下，調入組流動性變大的股票數量比例要大于對照組，而調出組的變大股票數量比率要小于對照組。

然后調入組A組對比調出組B組的流動性指標變化率進行K-S檢驗和Wilcoxon秩和檢驗。

表5

K-S檢驗結果表明A組和B組的流動性指標變化分布不同，而Wilcoxon秩和檢驗表明，調入組的流動性指標增加率均值明顯高于調出組的流動性指標增加率均值。

對各組的波動率的前后變化情況進行非參數檢驗。先配對統計比較波動率變大或變小的股票數量：

表6

結果顯示在大部分情況下，調入組波動率變小的股票數量比例要大于對照組，而調出組的變小股票數量比率要小于對照組。

然后調入組A組對比調出組B組的波動率指標變化率進行K-S檢驗和Wilcoxon秩和檢驗。

表7

K-S檢驗結果表明A組和B組的波動率變化分布不同，而Wilcoxon秩和檢驗表明，調入組的波動率減少率均值明顯高于調出組的波動率減少率均值。

五、融資融券對股票流動性的面板數據回歸分析

雖然融資融券標的股可以進行融資融券交易，但是受市場因素以及本身因素的影響，其融資融券交易量是有多寡的區別。因此上文的分組對比的實證結果還不能直接證明融資融券有提高流動性和降低波動性的效果。因此本節將再對融資融券股票的每日凈融資額和凈融券量與股票的流動性和波動性進行面板數據回歸，用實際產生的融資融券交易數據證明融資融券提高流動性和降低波動性的作用。

樣本組（F組）共有164只股票，時間為2013年1月31日到2014年1月23日間共235個交易日，對此面板數據進行回歸，分組N=164，T=235。因此共有164x235=38540個觀測值。建立流動性模型和波動性模型：

其中，μi代表股票i的個體效應，vit～i.i.d(0,θ2v),E(vi) =0,E(viviT)=θ2vIT,E(vivj)=0(i≠j),IT為TxT單位矩陣。

對所有的序列（164x4+2=658個序列）進行ADF檢驗，可以發現所有序列都是平穩的。對模型進行固定效應模型回歸，并進行F檢驗，檢驗是否只需要用混合效應模型回歸。然后再對模型進行隨機效應檢驗，并對固定效應模型和隨機效應模型進行Hausman檢驗。

檢驗和估計結果如表8：流動性模型的F檢驗結果表明，在1%的顯著性水平上拒絕了使用混合效應模型的原假設，模型應使用固定效應模型。Hausman檢驗的結果表明，在1%的顯著性水平上拒絕了使用隨機效應模型的原假設，因此最終使用固定效應模型。

最終模型為：

從系數估計的結果來看，雖然模型的R2并不高，但是所有自變量都在至少5%的顯著性水平上顯著。對于我們需要檢驗的日凈融資額（buymarin）和日凈融券量（shortsell）的參數都為正，表明融資融券交易確實能夠提高股票的流動性指標。

波動性模型的F檢驗結果表明，在1%的顯著性水平上拒絕了使用混合效應模型的原假設，模型應使用固定效應模型。Hausman檢驗的結果表明，在1%的顯著性水平上拒絕了使用隨機效應模型的原假設，因此最終使用固定效應模型。

最終模型為：

從系數估計的結果來看，模型的R2已經達到33%，所有自變量都在至少5%水平上顯著。對于我們需要檢驗的日凈融資額（buymarin）和日凈融券量（shortsell）的參數都為負，表明融資融券交易確實能夠降低股票的波動性。

六、總結

本文利用高頻買賣盤設計一個包括買賣盤口報賣盤量和成交量的價量結合的股票流動性指標來衡量股票流動性，并利用逐筆成交數據計算股票的波動性。通過設立調入融資融券名單的股票樣本組、調出融資融券名單的股票樣本組及其兩者的對照樣本組，分組統計對比，并利用K-S檢驗和Wilcoxon秩和檢驗來驗證股票在調入調出融資融券名單后的流動性和波動性變化。再對融資融券證券的每日凈融資額和凈融券量與股票的流動性和波動性進行面板數據回歸分析，檢驗融券融券交易是否可以提高股票的流動性，降低股票的波動性。

表8 模型檢驗結果

國內市場實證研究的結論并不一致，除在上面文獻綜述中提到數據處理與方法的局限性等三個原因外，樣本數據取得的時間段也是一個重要原因。我國證券信用制度引入初期，融資交易引起的股價波動趨勢與融券交易引起的股價波動趨勢是不一致的。

我國存在大量的存量資金，融資制度一旦引入，這批資金必然大量入市。這無疑對股市形成一個有力的利好刺激。投機者在股票上漲的強烈預期下，必然利用融資制度借入資金，買入股票，以獲取財務杠桿效應帶來的高收益。股票的需求量驟然大增，在股票的供給曲線不變的情況下，股票的價格將大幅上漲。因此，我國融資融券制度引入初期融資交易將產生股價上漲效應。

股價高估是投資者做空的重要原因，而我國股市存在長期嚴重的股價高估現象。我們可通過市盈率指標進行判斷。一般認為，市盈率在20以內是比較理想的市場狀態。除了2004、2005兩年及2015年，我國上海、深圳證券市場的市盈率指標明顯高于其他國家和地區。我國2004、2005年及近年市盈率雖然大大低于往年，但當時的股市極為低迷，成交量很少。也就是說，2004、2005年的市盈率實際并沒有多少成交量支持。因此，股價高估在我國股票市場是一個長期現象。2005年后的股價變化再次用事實提醒我們不容樂觀。2006、2007年股價的上漲是驚人的，我國證券市場的市盈率也一路上漲。

我國股價嚴重高估的情況下推出融券機制，投資做空空間很大，短期內大大增加股票供給，加之“示范效應”的影響，必然引起股票價格的回歸和下跌。國際上大量的研究也證明，融券交易將引起股價下跌。事實上，我國股市單邊運行，缺乏做空機制本身就被認為是我國股價長期高估的一個重要原因。

雖然我國同時推出融資融券制度，但證券公司開展融券業務的積極性往往小于融資業務。開展融資業務，不管股票漲跌，證券公司都將獲得融資利息。而在我國股價嚴重高估的情況下開展融資業務，證券公司必須買入被投資人看空的股票借給投資人，承擔股價下跌的風險。所以，除非是為了套期保值或套利，證券公司不愿開展融券業務。而從我國證券市場目前情況看，大量推出金融衍生品還需要時間。國際上，大部分國家和地區，比如紐約證券交易所，其融資交易量新增額及余額往往明顯大于融券交易量。而隨著融券業務的逐步展開，融資融券制度對股價波動長期影響才能逐漸凸現。戴秦和謝斐等基于SWARM平臺構建了一個符合我國證券市場實際的動態演化模型來研究我國現行制度下的股價波動，認為從長期來看融資融券制度可以有效提高股票交易的流動性，降低波動性［15］。

分組統計檢驗、非參數檢驗和固定效應面板數據回歸的實證結果都可以表明，在樣本檢驗的時間范圍內，融資融券制度可以有效增加股票交易的供給，提高股票交易的日內流動性，降低日內波動性。

［1］Diamond,D.,Verrecchia,R.Constraints on shortselling and asset price adjustment to private information. Journal of Financial Economics,1987,18.

［2］Woolridge,J.R.&A.Dickinson,Short-selling and common stock price.Financial Analysts Journal,January/ February,1994.

［3］King Ronald R,Smith Vernon L,Williams Arlington W.and Van Boening Mark.The Robustness of Bubbles and Crashes in Experimental Stock Markets.in R.H.Day and P. Chen,eds.,Nonlinear Dynamics and Evolutionary Economics,New York.Oxford University Press,1993.

［4］Bris,A.,Goetzmann W.,Zhu,N.,Efficiency and the bear:short sales and markets around the world.Working paper,Yale International Center for Finance,2003.

［5］Gao,P.,Hao,J.,Ma,T..Does Removing the Shortsale Constraint Improve Liquidity?.Evidence from Hong Kong,2006.

［6］廖士光,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).

［7］王旻,廖士光,吳淑琨.融資融券交易的市場沖擊效應研究——基于中國臺灣證券市場的經驗與啟示［J］.財經研究,2008,(10).

［8］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).

［9］楊德勇,吳瓊.融資融券對上海證券市場影響的實證分析——基于流動性和波動性的視角［J］.中央財經大學學報，2011，(5).

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

［11］翟愛梅,鐘山.賣空機制對股票價格波動的影響:基于A+H股公司的實證研究［J］.南方經濟,2012，(8).

［12］肖文彥,王紫菡.融資融券機制對我國股市波動性的影響——基于上證50的實證分析［J］.中國證券期貨, 2012，(5).

［13］于孝建.融資融券交易對中國股市流動性和波動性的影響——以滬市為例［J］.華南理工大學學報(社會科學版),2012,(2).

［14］馮玉梅,陳璇,王亞男.融資融券對標的股票價格變化影響的實證研究［J］.山東財政學院學報,2012，(5).

［15］戴秦，謝斐，嚴廣樂.基于Swarm平臺的中國融資融券制度對股市波動性的影響研究［J］.上海經濟研究，2014，(9).

【責任編輯：薛 華】

F832.51

A

1004－518X（2016）04－0053-09

上海市科委“十三五”規劃項目“上海國資國企改革立法需求研究”（Z2015-055）、上海市高校人文社會科學重點研究基地上海電力學院“一帶一路”能源電力管理與發展戰略研究中心項目（WKJD15004）