融資融券對投資者交易偏好影響的實證檢驗

李 峰，李志生

（中南財經政法大學 金融學院，武漢 430073）

0 引言

投資者在普通證券賬戶和信用證券賬戶進行交易時，投資者首先就是進行選股。但是在普通證券賬戶和信用證券賬戶中允許交易的證券標的存在一定的差異。投資者在普通證券賬戶進行交易時，除了少數有限制的特殊證券品種之外，投資者幾乎可以買賣所有在滬、深證券交易所上市交易的證券品種；但投資者在信用證券賬戶進行交易時，融資買入和融券賣出卻只能選擇證券公司和滬、深證券交易所限定的融資融券標的證券。融資融券標的證券波動性較小、流動性大，不容易被操縱，那么在信用證券賬戶中進行交易時，投資者會表現出何種偏好？根據行為金融理論的實證研究發現，在普通證券交易中投資者偏好交易某些特征的股票，比如波動性大、市值小和賬面市值比高的股票。融資融券業務開展后，開通信用證券賬戶的投資者既可以進行普通證券交易，也可以進行融資融券交易，而普通證券交易和融資融券交易在傭金、交易標的、交易權利、保證金等方面存在差異，那么這些差異是否會導致投資者在交易偏好的變化？從宏觀層面來說，投資者交易行為特征（如交易偏好）直接影響著證券市場的波動性、有效性及流動性，關系著融資融券政策的有效性，關系著證券市場是否能夠可持續性發展；從微觀層面來說，投資者交易行為特征直接關系到投資收益和個股價格的波動。因此，研究融資融券投資者的交易偏好對了解證券市場、加強投資者教育有重要意義。

本文以我國某證券公司投資者2011—2014年的普通證券賬戶交易數據和2013—2014年的信用證券賬戶交易數據為樣本，借鑒王永鋒和胡昌生（2013）構建的交易偏好度量指標來分析融資融券投資者對不同股票的交易偏好。以非融資融券投資者作為控制組，將融資融券投資者作為實驗組，建立雙重差分模型，分析融資融券交易機制對投資者交易偏好的影響。

1 模型構建

1.1 交易偏好的衡量標準構建

本文借鑒王永鋒和胡昌生（2013）對投資者交易偏好的計算方法，分別計算投資者參與融資融券交易前的交易偏好、非融資融券投資者的交易偏好以及投資者參與融資融券交易后的交易偏好。通過此方法，可以很好地刻畫出投資者對不同特征股票的交易偏好程度，對了解投資者的交易行為特征和證券市場流動性、有效性和波動性的影響有重要的作用。

首先，分別根據股票市值（Size）、賬面市值比（BM）和異質性波動（Idivol）對當時所有股票進行分組，每個月進行調整。然后，每月根據股票分組計算融資融券投資者各個股票組合的成交金額與投資者所有股票成交金額的比例。對于股票組合p來說，融資融券投資者的交易比例（TPPpt）的計算方法如下：

其中，Dt代表第t月的交易日數量；VBitj和VSitj分別代表所有信用證券賬戶對股票組合p中股票i第t月第j個交易日的買入量和賣出量（買入量包括信用買入和融資買入，賣出量為信用賣出）；Npt代表股票組合p在第t月的股票數量；VBktj和VSktj分別代表所有信用證券賬戶對股票k第t月第j個交易日的買入量和賣出量；Nt代表第t月所有股票組合的股票數量。

TPPpt表示第t月投資者買賣的股票屬于股票組合p的股票在融資融券投資者總交易金額中的比例。為了消除市場因素對TPPpt的影響，本文使用UTPPpt=TPPpt-ETPPpt和UTPPpt/ETPPpt兩個指標來度量融資融券投資者的交易偏好。ETPPpt表示股票組合p的市場交易比例，與TPPpt的計算方法類似；UTPPpt表示融資融券投資者對股票組合p的交易比例相對市場的超額交易比例。若T檢驗顯示UTPPpt平均值與0無顯著性差異，則表示融資融券投資者對股票組合p沒有強烈的交易偏好；反之，則說明融資融券投資者對股票組合p存在強烈的交易偏好。同理，UTPPpt/ETPPpt的值越大，融資融券投資者對股票組合p的交易偏好也越強。普通證券交易中投資者交易偏好的計算類似。

1.2 雙重差分模型構建

該證券公司于2012年底正式開展融資融券業務，投資者在普通證券賬戶和信用證券賬戶的交易為本文使用雙重差分模型檢驗融資融券交易機制對投資者交易偏好的影響提供了很好的自然實驗環境。首先，該證券公司融資融券業務開啟的時間具有外生性。其次，部分符合融資融券業務條件的投資者參與融資融券交易為分析融資融券交易機制對投資者交易偏好的影響創造了天然的實驗組和控制組。實驗組和控制組可能存在事前差異，單純通過橫向或者縱向分析的方法可能會忽視這種差異，從而導致對融資融券交易機制實施效果的錯誤估計；而通過雙重差分模型則可以有效控制融資融券投資者和非融資融券投資者的事前差異，從而有效地評估融資融券交易機制對投資者交易偏好的影響。

本文把2013—2014年參與融資融券交易的投資者作為實驗組，將未參與融資融券交易的投資者作為控制組。把融資融券投資者和非融資融券投資者在開展融資融券交易前后的交易偏好作為因變量，建立雙重差分模型進行分析，模型如下：

其中，preferencei,t代表投資者交易偏好，分別取值為上文中的流通市值、賬面市值比和異質性波動的UTPPpt和UTPPpt/ETPPpt，計算方法和上文的計算方法一致；i代表投資者是否參與了融資融券交易，參與融資融券的投資者取值為1，沒有參與融資融券交易的投資者取值為0；t代表時間（月份）；Di代表i是否參與融資融券交易，參與融資融券交易的投資者則D1取值為1，未參與融資融券的投資者則D0取值為0；Tt代表在t時間該證券公司是否開展了融資融券交易，該證券公司開展了融資融券交易，則Tt取值為1，否則，Tt取值為0。

在這個雙重差分模型中，交叉項的系數α3就是所要估計的融資融券交易機制對投資者交易偏好的影響。如顯著，則融資融券交易機制有效地影響了投資者的交易偏好；如不顯著，則融資融券交易機制并沒有有效地影響投資者的交易偏好。

2 數據來源及統計描述

本文實證研究所用的數據包括了該證券公司2011—2014年所有投資者的普通證券賬戶交易記錄以及2013—2014年所有投資者的信用證券賬戶交易記錄。其中2011—2014年所有投資者的普通證券賬戶交易記錄包含了融資融券投資者2011—2012年在普通證券賬戶的交易記錄以及非融資融券投資者2011—2014年在普通證券賬戶的交易記錄。融資融券投資者2011—2012年在普通證券賬戶的交易記錄主要用于分析投資者在參與融資融券交易之前的交易偏好，2013—2014年所有投資者的信用證券賬戶交易記錄主要用于分析投資者參與融資融券交易之后的交易偏好以及作為實驗組分析融資融券交易機制對投資者交易偏好的影響，非融資融券投資者2011—2014年在普通證券賬戶的交易記錄主要用于分析非融資融券投資者的交易偏好以及作為控制組分析融資融券交易機制對投資者交易偏好的影響。復權價格數據來自于wind咨詢系統，包括了2011—2014年所有證券及指數的復權數據。

該證券公司有效的普通證券賬戶為285698個，交易指令總數為4200多萬條，數據量巨大，而且本文的重點在于研究融資融券業務，因此不對普通證券交易數據進行過多的描述。該證券公司有效的信用證券賬戶為7050個，信用證券賬戶交易數據情況如表1所示。

表1 信用證券賬戶交易數據統計

由表1可知，交易指令總數為1299330條，證券交易指令總數為1207122條，非證券交易指令記錄為92208條。所有信用證券賬戶在樣本期間共發生交易120.7萬筆，交易總金額為1423.14億元。其中，信用買入總金額為345.46億元，信用賣出總金額為570.89億元；融資買入總金額為372億元，融券賣出總金額為0.75億元；賣券還款總金額為133.72億元，買券還券總金額為0.32億元（因融券賣出和買券還券占比非常小，因此本文剔除了相應交易）。融券賣出總成交金額及總交易筆數都遠遠小于融資買入，融券賣出總成交金額只占交易總金額的0.05%。而且從整個市場來看，近兩年融券賣出額占A股成交額的比例約為1.3%，融券賣出額占融資融券交易總額的比例約為13.3%，低于日本和臺灣等成熟證券市場中20%的比例，說明在我國融資融券推出后，融券（做空機制）并沒有真正的發揮作用。

對融資融券投資者的日均持有股票數量和日均持有股票市值進行統計，結果如表2所示。由表2可知，投資者的日均持有證券市值平均等于187.57萬元，一半以上的投資者日均持有證券市值小于41.84萬元。根據中位數的統計，一個典型的融資融券投資者信用證券賬戶證券市值規模約為41.84萬元，每日持有股票數目約為3只。

表2 投資者日均持有股票數量及市值統計

對融資融券投資者信用證券賬戶中的總資產、總負債、凈資產及維持擔保比例進行統計，結果如表3所示。由表3可知，融資融券投資者的日均總資產為160.51萬元，日均總負債為57.33萬元，日均凈資產為103.18萬元，維持擔保比例為2.8倍。根據中位數的統計，一個典型的信用交易投資者信用證券賬戶總資產規模為31.98萬元，總負債為9.1萬元，凈資產為20.8萬元，維持擔保比例大概為3.5。根據維持擔保比例計算，融資融券投資者的杠桿比例（杠桿比例=總資產/凈資產，也即杠桿比例=維持擔保比例/（維持擔保比例-1））均值為1.56，中位數為1.4。而當時市場中場外配資的杠桿比例在3以上，高的甚至達到11倍，相對來說，融資融券業務的風險還是較小的。

表3 信用證券賬戶資產及負債情況

3 統計結果與比較

3.1 投資者參與融資融券交易前的交易偏好

依據交易偏好衡量標準的計算公式，計算了融資融券投資者在參與融資融券交易之前對不同股票組合交易比例的月平均值并進行T檢驗，結果如表4所示。

表4 融資融券投資者參與融資融券交易之前對不同股票組合的交易偏好

表4的結果顯示，融資融券投資者在參與融資融券交易之前對小市值和高異質性波動的股票表現出更強的交易偏好，且均在1%的水平下顯著。融資融券投資者參與融資融券交易之前對小市值股組合的成交比例超過其市場成交比例2.1%，而融資融券投資者在參與融資融券之前對大市值股的成交比例低于其市場成交比例9.01%；融資融券投資者參與融資融券交易之前對各賬面市值比組合的成交比例與其市場成交比例的差值并不顯著；融資融券投資者在參與融資融券交易之前對高異質性波動股票組合的成交比例超過其市場成交比例3.68%，而融資融券投資者在參與融資融券交易之前對低異質性波動股票組合的成交比例低于其市場成交比例2.66%。

3.2 非融資融券投資者的交易偏好

依據交易偏好衡量標準的計算公式，計算了非融資融券投資者對不同股票組合交易比例的月平均值并進行T檢驗，結果如表5所示。

表5 非融資融券投資者對不同股票組合的交易偏好

表5的結果顯示，非融資融券投資者對小市值、低賬面市值比和高異質性波動的股票表現出更強的交易偏好，且均在1%的水平下顯著。非融資融券投資者對小市值股組合的成交比例超過其市場成交比例4.69%，而非融資融券投資者對大市值股的成交比例低于其市場成交比例10.75%；非融資融券投資者對低賬面市值比股票組合的成交比例超過其市場成交比例7.73%，而非融資融券投資者對高賬面市值比股票組合的成交比例低于其市場成交比例8.67%；非融資融券投資者對高異質性波動股票組合的成交比例超過其市場成交比例5.83%，而非融資融券投資者對低異質性波動股票組合的成交比例低于其市場成交比例4.5%。

3.3 投資者參與融資融券交易后的交易偏好

依據投資者交易偏好的計算公式，計算了融資融券投資者對不同股票組合交易比例的月平均值，分析融資融券投資者對不同公司特征的交易偏好差異。結果如表6所示。

表6 融資融券投資者對不同股票組合的交易偏好

表6的統計結果表明，融資融券投資者對大市值、高賬面市值比和低異質性波動的股票表現出更強的交易偏好，而且分別在1%、1%和5%的水平下統計性顯著。融資融券投資者對大市值股組合的成交比例超過其市場成交比例17.14%，而融資融券投資者對小市值股的成交比例低于其市場成交比例4.09%；融資融券投資者對高賬面市值比股票組合的成交比例超過其市場成交比例2.58%，而融資融券投資者對低賬面市值比股票組合的成交比例低于其市場成交比例3.51%；融資融券投資者對低異質性波動股票組合的成交比例超過其市場成交比例2.48%，而融資融券投資者對高異質性波動股票組合的成交比例低于其市場成交比例6.15%。

把融資融券投資者參與融資融券交易前后、融資融券投資者與非融資融券投資者對不同股票組合的交易偏好進行對比會發現，投資者在普通證券交易和信用證券交易中的交易偏好發生了明顯的變化，投資者在普通證券交易中對小市值、低賬面市值比和高異質性波動的股票具有顯著的交易偏好，而在投資者在參與融資融券交易之后，對大市值、高賬面市值比、低異質性波動的股票具有顯著的交易偏好。那么投資者在參與融資融券前后這種交易偏好的變化是由于融資融券交易機制導致，還是由內生性導致？因此本文建立雙重差分模型來估計融資融券交易機制對投資者交易偏好的影響。圖1和圖2顯示了控制組和實驗組投資者交易偏好差值在整個觀測期間的變化。

由圖1和圖2可知，相比于投資者在進行融資融券交易前，投資者交易的股票按照流通市值、賬面市值比、異質性波動分組后，實驗組和控制組的各組交易偏好差異在參與融資融券交易后都有了很明顯的變化，這表明融資融券交易機制顯著影響了投資者的交易偏好。另外，實驗組和控制組投資者在進行融資融券交易之前的交易偏好UTPPpt差值（UTPPpt差值=控制組UTPPpt-實驗組UTPPpt）和UTPPpt/ETPPpt差值（UTPPpt/ETPPpt差值=控制組UTPPpt/ETPPpt-實驗組UTPPpt/ETPPpt。）并沒有表現出明顯的趨勢，因此，使用雙重差分模型對交易偏好UTPPpt差值和UTPPpt/ETPPpt差值進行分析是合適的。

圖1 融資融券與交易偏好（UTPPpt差值）

圖2 融資融券與交易偏好（UTPPpt/ETPPpt差值）

本文對流通市值、賬面市值比和異質性波動分組后進行雙重差分回歸，回歸結果（α3）如表7所示。從流通市值來看，與參與融資融券交易之前比，投資者在參與融資融券后更加偏好交易流通市值大的股票，而對于流通市值小的股票交易偏好下降；從賬面市值來看，與參與融資融券交易之前比，投資者在參與融資融券交易之后更加偏好交易賬面市值比大的股票，而對于賬面市值比小的股票交易偏好下降；從異質性波動來看，與參與融資融券交易之前比，投資者在參與融資融券交易之后更加偏好交易低異質性波動的股票，而對于高異質性波動的股票交易偏好下降。這主要是因為普通證券賬戶和信用證券賬戶的交易機制不同：首先，信用證券賬戶中的融資買入和融券賣出只能買賣融資融券標的證券，而融資融券標的證券都是大市值、高賬面市值比和低異質性波動的股票，在普通證券賬戶中買賣并無限制；其次，在信用證券賬戶中，大市值、高賬面市值比和低異質性波動的股票的折算率高。融資融券投資者買入更愿意買入折算率高的擔保證券，以便融入更多的資金和證券，進行杠桿交易，獲取更高的收益，在普通證券賬戶中并不存在折算率這一機制。

表7 交易偏好雙重差分模型回歸結果

4 結論

本文利用我國某證券公司2011—2014年個人投資者普通證券交易和融資融券交易數據，對融資融券投資者參與融資融券交易前后的交易偏好進行了分析。在此基礎之上，選取非融資融券投資者作為控制組，將融資融券投資者作為實驗組，建立雙重差分模型，分析融資融券交易機制對投資者交易偏好的影響。研究發現：（1）投資者在參與融資融券交易之前對小市值和高異質性波動的股票具有顯著的交易偏好；（2）投資者在參與融資融券交易之后，對大市值、高賬面市值比、低異質性波動的股票具有顯著的交易偏好；（3）在控制內生性影響之后，發現融資融券交易機制有效的改變了投資者的交易偏好。

此研究結果說明，在融資融券業務開展之后，融資融券交易機制有效的改變了投資者的交易偏好。從宏觀層面來說，這樣有利于提高大市值、高賬面市值比、低異質性波動股票的交易量。提高了證券市場定價效率、增加了證券市場的流動性、降低了證券市場整體的波動率。這正符合我國監管層對融資融券業務完善證券市場交易制度、改善證券市場定價效率和提高市場質量的目的；從微觀層面來說，有利于改變投資者投資觀念，引導投資者進行價值投資，降低投資者投機行為，提高投資者投資收益。

[1]Merton R.A Simple Model of Capital Market Equilibrium With Incomplete Information[J].Journal of Finance,1987,(42).

[2]Scharfstein D,Stein J.Herd Behavior and Investment[J].American Economic Review,1990,(80).

[3]Nofsinger J,Sias R.Herding and Feedback Trading by Institutional and Individual Investors[J].Journal of Finance,1999,(54).

[4]Aggarwal R,Klapper L,Wysochi P.Portfolio Preference of Foreign Institutional Investors[J].Journal of Banking and Finance,2005,(29).

[5]王永鋒，胡昌生.交易偏好、公司特征與股票收益——基于我國個體投資者交易數據的實證檢驗[J].投資研究，2013,(1).

[6]翟偉麗等.中國股票市場投資者交易偏好及其對股價波動的影響[J].金融評論，2010,(3).

[7]李志生，陳晨，林秉旋.賣空機制提高了中國股票市場的定價效率嗎?基于自然實驗的證據[J].經濟研究，2015，(4).

[8]成學真，黃華一.金融結構理論體系劃分研究[J].經濟問題，2016,(6).

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