探究融資融券交易制度對股票市場的影響

一、引言

2008年上半年，“單邊市”形態引起了學者們的廣泛討論。出于供求關系扭曲和股市價格高估的擔憂，改革創新的呼聲日益擴大。自2010年融資融券制度試點以來，股市變化多端，股市和融資融券制度的關系也引起了不少學者的興趣。本文在過去學者的理論基礎之上，就數據本身進行一些處理，試圖找尋融資融券制度對股市的影響規律。

二、文獻綜述

(一)融資融券制度對定價效率的影響

有效市場理論認為，完美市場中股票價格能正確反映股票基礎資產的價值，投資者不可能獲取超額的收益。但是現實中往往并不完美，諸多金融摩擦會影響股票價格對基礎資產價格的反映，市場效率由此低下。

國內學者認為減少賣空限制能夠提高市場的定價效率，李科等人根據股票賣空限制的性質構建對沖投資組合，利用自然實驗——白酒行業“塑化劑事件”，發現了賣空限制導致了股價的高估，融資融券制度等做空機制有助于矯正高估的股價，提高市場定價效率。

(二)融資融券制度對市場波動性和流動性的影響

融資融券交易在國外也被稱作信用交易，國外成熟的資本市場早已將其作為一種不可或缺的證券定價機制。Miller認為，賣空交易的限制將使得股價正面消息呈現較多，進而使得股價高估，增大市場的波動性。Saffi和 Sigurdsson發現賣空限制使得公司對負面消息的吸收速度變緩，但放松賣空約束和股價波動率之間沒有明顯的關系，這與 Hardouvelis的發現相反。

國內學者認為通過賣空約束的市場行為選擇影響市場流動性和波動性。劉曉星等人發現，滬深倆市種融資融券業務通過對投資者情緒的影響，進而影響股市的流動性；肖浩等人運用雙重差分模型檢驗融資融券對股價特質性波動的影響和其機理，發現了融資融券交易降低了標的證券股價的波動性，其中涉及了噪聲交易和信息傳遞以及信息不對稱的影響。

(三)融資融券制度對股價崩盤的影響

Diether等人研究股票市場中取消賣空的報升規則的股票，發現盡管市場允許賣空行為，不加以限制，但是其行為并沒有增減市場的波動；國內市場上，劉燁等人發現總體來說融資融券實施對于市場穩定性沒有顯著的影響。而褚劍等人針對融資融券制度變遷，通過雙重差分方法研究表明，中國市場融資融券機制的實施，沒有降低相關標的股票的股價崩盤風險，反而惡化了其崩盤風險。

三、數據、變量和描述性統計

(一)樣本和數據來源

本文選取的是融資融券交易總金額和滬深300指數的日度數據，時間自2010年3月31日到2018年4月4日。時間段選擇的依據是上交所和深交所正式公告正式開通融資融券交易系統的時間是2010年3月31日，選擇滬深300指數是因為滬深300能夠較好地代表滬深股市，并且其優秀個股有很多列為融資融券地標的之中。另外，本文中所有的數據來源均是銳思數據庫。

(二)樣本數據的處理

本文將滬深300指數簡稱為HS，將融資融券的交易總金額簡稱為RZ，將滬深300指數的對數收益率簡稱為DHS，將融資融券交易總金額的一階差分簡稱為DRZ。

(三)樣本數據的描述

總體而言，滬深300指數和融資融券交易總金額均呈現不停振蕩的趨勢，而從數據圖直觀來看，兩者還是存在較大的區別。

2010年至2014年底期間，滬深300指數一直在出現小幅的振蕩，經過三輪的小幅下跌，到達最低點位置；但是融資融券的交易總金額一直在不斷攀升，尤其在2014年下半年融資融券交易總金額出現新的增長趨勢。2015年上半年，滬深300指數強勢逆轉，迅速提升接近5500點，說明了投資者信心劇增，股市一片向好；恰恰此時融資融券交易總金額也迅速激增，達到了歷史的高峰。2015年下半年至今，滬深300指數經過了股災，迅速下跌至最低點，現呈現小幅上升的趨勢；巧的是融資融券的交易總金額也呈現了相似的趨勢。這就會引起筆者的思考，滬深300指數和融資融券交易額的軌跡如此相像，究竟是偶然的現象，還是倆者之間存在某種關聯，就此本文展開了研究。

圖1 滬深300和融資融券總金額數據圖

(四)描述性統計

融資融券交易總金額的平均值為5.4e+11，中值為3.9e+11；而滬深300指數的平均值約為3038，和中值3044較為接近。從其標準差和最大最小值極差可以看出，滬深300的波動要比融資融券交易總金額小得多。由偏度和峰度，進行Jarque-Bera檢驗，實驗數據不符合正態分布。

四、實證研究

(一)平穩性檢驗

表1 資融券交易總金額平穩性檢驗

注：符號*、**和***分別表示在10%、5%和1%水平下顯著

不論是含截距項、還是含截距項和趨勢的模型上，ADFDF-GLSPP和NPZa四個方法均在1%顯著水平下不能拒絕“序列有單位根”的原假設，因此融資融券交易總金額不是平穩性數據。

表2 資融券交易總金額差分的平穩性檢驗

注：符號*、**和***分別表示在10%、5%和1%水平下顯著

不論是含截距項、還是含截距項和趨勢的模型上，ADFDF-GLSNPZa和PP四個方法均在1%顯著水平下拒絕“序列有單位根”的原假設，而KPSS拒絕原假設，因此融資融券交易總金額差分是平穩性數據。

表3 深300指數的平穩性檢驗

注：符號*、**和***分別表示在10%、5%和1%水平下顯著

不論是含截距項、還是含截距項和趨勢的模型上，ADFDF-GLSPP和NPZa四個方法均在1%顯著水平下不能拒絕“序列有單位根”的原假設，因此滬深300指數不是平穩性數據。

表4 滬深300指數的對數收益率的平穩性檢驗

注：符號*、**和***分別表示在10%、5%和1%水平下顯著

不論是含截距項、還是含截距項和趨勢的模型上，ADFDF-GLSNPZa和PP四個方法均在1%顯著水平下拒絕“序列有單位根”的原假設，而KPSS拒絕原假設，因此滬深300指數的對數收益率是平穩性數據。

單整階數確定根據上述單位根檢驗，倆個數據均為一階差分平穩，因此確定單整階數為1。

(二)建立VAR模型和確定最優滯后階數

1.VAR模型解釋

向量自回歸模型，簡稱VAR模型，主要的功能是將單變量自回歸模型推廣到多變量情形。而VAR模型的構建問題在于：選取怎樣的滯后階數p，使得模型的沖擊向量εt是白噪聲向量。表達式如下：

2.最優滯后階數確定：

經過最優滯后階數檢驗：確定最優滯后階數為5

3.VAR模型建立

最優滯后階數為5。據此構建VAR模型：

表5 VAR建模

綜上：DHS=0.0075DHS(-1)-0.042DHS(-2)+0.024DHS(-3)+0.050DHS(-4)+0.0055DHS(-5)+1.86e-13DRZ(-1)-1.09e-13DRZ(-2)-1.47e-13DRZ(-3)+6.94e-14DRZ(-4)+2.43e-14DRZ(-5)+5.68e-05

DRZ=3.79e+10DHS(-1)+7.67e+09DHS(-2)+3.94e+10DHS(-3)+3.13e+10DHS(-4)+4.54e+10DHS(-5)+0.60DRZ(-1)+0.10DRZ(-2)-0.14DRZ(-3)+0.046DRZ(-4)+0.12DRZ(-5)+1.33e+08

(三)Granger因果關系檢驗

1.Granger因果關系檢驗解釋

在VAR模型中，本文確定了融資融券交易總金額的差分和滬深300對數收益率存在某種關系，但是倆者誰因誰果沒有得到確定。因此我們運用一種定性的方式——Granger因果關系檢驗，來確定倆者誰granger引起了誰。

具體的Granger因果關系檢驗的原理如下：利用F-檢驗來檢驗下述聯合檢驗：

H0：所有系數均為0；H1：系數中至少有一個不為0

統計量為：

如果S1大于F的臨界值，則拒絕原假設；否則接受原假設：x不能Granger引起y。

2.Granger因果關系檢驗

從檢驗結果看出，不僅融資融券交易的總金額會對滬深300的對數收益率有影響，而且滬深300的對數收益率會Granger引起融資融券交易總金額變化。

表6 Granger因果關系檢驗

(四)脈沖響應函數分析

1.脈沖響應函數解釋

上述Granger檢驗證明，融資融券交易的總金額的確和滬深300對數收益率互為因果關系，但這只是定性分析；然而我們想要定量分析得出倆者的關系，只有通過脈沖響應函數來實現。脈沖響應函數是指一個變量受到沖擊因素時，對系統各個變量的動態影響路徑。

2.穩定性檢驗

由于VAR模型的穩定性是進行脈沖響應函數等分析的前提和基礎。VAR模型的穩定性是指當把一個脈動沖擊施加在VAR模型中每一個方程的新息上時，隨著時間推移，如果這個沖擊的影響會逐漸地消失，那么稱該系統是穩定的，否則稱為不穩定的。

VAR模型穩定的條件是：|INXp-Φ1Xp-1-Φ2Xp-2-…-Φp|=0的所有特征根都落在單位圓之內。

本文可以確定其VAR模型是穩定的，可以進行脈沖響應函數分析。

3.脈沖響應函數分析

圖2 脈沖響應函數圖

在本期給滬深300對數收益率一個正沖擊后，滬深對數收益率在第一期迅速變化，多次振蕩后，從第七期開始趨于平穩不變；融資融券交易總金額的差分在2、4期也有反應，從第4期以后開始穩定不變。這表明滬深300對數收益率的某一沖擊也會給融資融券交易總金額帶來短暫的同向的沖擊，而后沒有影響。

當在本期給融資融券交易總金額的差分一個正沖擊后，也會給滬深300對數收益率帶來正面的沖擊，但是同樣沖擊幅度不斷減弱，一直延續至10期以后。

綜上所述，滬深300對數收益率和融資融券的交易總金額的關系密不可分，滬深300對數收益率會給融資融券交易總金額一個短暫的沖擊，相對來說，融資融券交易總金額則對滬深300對數收益率有較長時間的影響。

(五)非平穩數據的協整做法

1.協整檢驗解釋對時間序列分析的要求數據必須是平穩的，即沒有隨機趨勢或確定趨勢，否則會產生“偽回歸”問題。本文的滬深300收益率和融資融券交易總金額本身都是非平穩的，考慮到運用差分，可能會損失某些有用的長期信息，因此本文開始新的嘗試-協整檢驗。

協整檢驗的原理是：一些經濟變量本身是非平穩序列，但它們的線性組合卻有可能是平穩序列。這種平穩的線性組合被稱為協整方程，且可解釋為變量之間的長期穩定的均衡關系。如果一些經濟指標被某經濟系統聯系在一起，那么從長遠看來這些變量應該具有均衡關系，這是建立和檢驗模型的基本出發點。滿足方程kxt+lyt～I(0)

2.基于回歸系數的Johansen檢驗法

表7 協整檢驗結果(1)

根據表11，可以發現HS和RZ不具有協整關系。因此，無法使用誤差修正模型。

表1 2協整檢驗結果(2)

在10%的顯著性水平下，拒絕HS和DRZ不具有協整關系的原假設。因此可以發現HS和DRZ具有協整關系，接下來使用誤差修正模型。

3.協整檢驗結果分析

從Johansen協整檢驗結果，可以得出結論，融資融券交易總金額差分和滬深300指數之間存在穩定的長期均衡關系。

(六)建立VEC模型，并賦予經濟學解釋

Cointegrating Eq系數HS(-1)1.00DRZ(-1)1.28E-06(8.6E-08)[14.82]c-3696.51

CointegratingEq=HS(-1)-1.28E-06DRZ(-1)-3696.51

D(HS)D(DRZ)CointEq18.87e-06(0.00013)[0.068]-243853.9(17801.5)[-13.699]D(HS(-1))0.029(0.025)[1.18]14793397(3379793)[4.38]D(HS(-2))-0.08(0.025)[-3.25]3849750(3387893)[1.14]D(HS(-3))0.03(0.025)[1.21]17324775(3401985)[3.95]D(HS(-4))0.096(0.025)[3.86]13438085(3401985)[3.95]D(HS(-5))0.017(0.025)[0.70]19392706(3393963)[5.71]D(DRZ(-1))5.72e-10(2.0e-10)[2.81]-0.12(0.028)[-4.25]D(DRZ(-2))2.59e-10(2.0e-10)[1.32]-0.02(0.027)[-0.78]D(DRZ(-3))-2.44e-10(1.9e-10)[-1.32]-0.17(0.025)[-6.74]D(DRZ(-4))-1.12e-10(1.8e-10)[-0.62]-0.14(0.025)[-5.49]D(DRZ(-5))3.97e-11(1.7e-10)[0.233]-0.042(0.023)[-1.82]C0.22(1.12)[0.20]-20416676(1.5e+08)[-0.13]

CointegratingEq=HS(-1)-1.28E-06DRZ(-1)-3696.51

D(HS)=8.87e-06(HS(-1)-1.28E-06DRZ(-1)-3696.51)+0.029D(HS(-1))-0.08D(HS(-2))+0.03D(HS(-3))+0.096D(HS(-4))+0.017D(HS(-5))+5.72e-10D(DRZ(-1))+2.59e-10D(DRZ(-2))-2.44e-10D(DRZ(-3))-1.12e-10D(DRZ(-4))+3.97e-11D(DRZ(-5))+0.22D(DRZ)=-243853.9(HS(-1)-1.28E-06DRZ(-1)-3696.51)+14793397D(HS(-1))+3849750D(HS(-2))+17324775D(HS(-3))+13438085D(HS(-4))+19392706D(HS(-5))-0.12D(DRZ(-1))-0.02D(DRZ(-2))-0.17D(DRZ(-3))-0.14D(DRZ(-4))+-0.042D(DRZ(-5))-20416676

根據結果我們可以發現，CointEq1=0時，HS和DRZ存在穩定的長期均衡關系，根據短期的結果可以發現，DRZ比HS更易受到前一期和前二期的影響，因為其結果更加顯著，表明從短期來說，DRZ更易產生波動。無論是DRZ，還是HS均存在對長期均衡的偏離，DRZ對誤差的系數為負值，符合反向修正機制，從數量上看，也是DRZ對誤差修正的反映速度較快。

五、結論和建議

近年來，融資融券交易越來越頻繁，意味著賣空的限制越來越少。本文驗證了融資融券制度對滬深倆市的影響，一方面我們要利用融資融券的交易制度，增加股市的活躍性，從而促進股票定價效率的進一步提高；另一方面我們要防范融資融券背后的風險，稍有不慎，風險可能就會經過這種交易制度擴散至整個股市。