(天津財經(jīng)大學 天津 300222)
本文選擇2016年5月3日到2017年11月28日共385個觀察數(shù)據(jù),數(shù)據(jù)來自于東方財富網(wǎng)站。本文采取滬深兩市的融資余額總量X1代表指標融資余額,并取對數(shù)來消除異方差形成新變量lnX1;融券余額用滬深兩市的融券余額總量表示指標融券余額,用X2表示并取對數(shù)來消除異方差形成新變量lnX2;股市波動性采用滬深300指數(shù)的日波動率來表示,第t日的價格波動率計算公式如下:Yt=(Ph-Pl)/[(Ph+Pl)/2],其中Pl代表當天的最低價格,Ph代表當天的最高價格。
因為經(jīng)濟類數(shù)據(jù)很大程度上是非平穩(wěn),所以在建立向量自回歸模型之前需要檢驗各個序列是否平穩(wěn),在這里采用ADF單位根檢驗,結(jié)果如下:

表1 ADF單位根檢驗表
上述結(jié)果顯示變量lnX1,lnX2,Y的ADF檢驗對應的p值分別為0.9523,0.9056,0.3553,均大于0.05,故可認為三個變量在ADF單位根檢驗下均為非平穩(wěn)狀態(tài)。接下來對lnX1,lnX2,Y序列分別作一階差分形成新序列D(lnX1),D(lnX2),D(Y),再分別對其作ADF單位根檢驗,新變量D(lnX1),D(lnX2),D(Y)相對應的p值都為0.0000,均小于0.05,表示各變量一階差分后在5%置信水平下均為平穩(wěn)狀態(tài)。故變量lnX1,lnX2,Y均為一階單整序列。
一般來說,滯后期的確定常用以下兩種方法:一是根據(jù)經(jīng)濟理論確定;二是由AIC和SC值得到。一般人們用AIC或SC準則來確定最合適滯后期。首先初步建立向量自回歸模型,然后在生成的界面下通過選擇lag length criteria,不斷對滯后階數(shù)進行調(diào)整并觀察AIC值和SC值的大小,最終發(fā)現(xiàn)當滯后期為3時,AIC和SC值分別為-19.98和-19.67,在所有滯后期的AIC和SC值中為最小,由AIC和SC同時最小規(guī)則知,滯后階數(shù)應選擇3。
上文發(fā)現(xiàn)原始變量經(jīng)過一階差分后才平穩(wěn),原序列可能存在“偽回歸”導致方程不準確的狀況,所以在此采用Johnson檢驗法檢驗各序列間是否存在協(xié)整關(guān)系,當原假設(shè)為0個協(xié)整向量*時,其相應的特征值、最大特征值統(tǒng)計、5%統(tǒng)計臨界值和P值分別為0.1745、72.8765、21.1316和0.0000;當原假設(shè)為至多1個協(xié)整向量時,其相應的特征值、最大特征值統(tǒng)計、5%統(tǒng)計臨界值和P值分別為0.0234、8.9982、14.2644和0.2863;當原假設(shè)為至多2個協(xié)整向量時,其相應的特征值、最大特征值統(tǒng)計、5%統(tǒng)計臨界值和P值分別為0.0027、1.0407、3.8414和0.3077。第一個檢驗的統(tǒng)計量的p=0.00<0.05,表示拒絕有0個協(xié)整向量的原假設(shè);第二個檢驗的統(tǒng)計量p=0.2863>0.05,表示接受至多有1個協(xié)整向量的原假設(shè),所以綜合來看,序列間有一個協(xié)整關(guān)系,因此可建立ECM模型。
在上述基礎(chǔ)上,建立協(xié)整方程研究融資融券余額與股市波動的長期關(guān)系。
Y=-0.0074lnX1-0.0009lnX1+0.0759
(1)
從(1)來看,在長期內(nèi),融資余額每增加1%,股市波動率平均減少0.0074%;融券余額每增加1%,股市波動率平均減少0.009%。總的來數(shù),融資余額、融券余額都能在一定程度上減少股市波動,但融資余額對抑制股市波動的作用更大。
通過協(xié)整分析發(fā)現(xiàn)融資余額、融券余額與股市波動率間有長期穩(wěn)定的關(guān)系,為了更深一步研究它們在短期內(nèi)的動態(tài)變化關(guān)系,需要建立誤差修正模型。
D(Y)=-0.9141ecm(-1)-0.2290*D(lnX1(-1))+0.0124*D(lnNX1(-2))+0.0196*D(lnX2(-1))+0.0232*D(lnX2(-2))-0.0891*D(Y(-1))-0.0178*D(Y(-2))+3.55e-05
(2)
從(2)來看,在短期內(nèi),融資余額每增加1%,股市波動率平均減少0.229%;融券余額每增加1%,股市波動率平均增加0.0196%。誤差修正系數(shù)-0.9141說明當股市的波動偏離均衡時,整體會以0.9141的速度反向逐步調(diào)整至均衡水平。
本部分利用格蘭杰因果檢驗來探究融資余額、融券余額對股市波動率有沒有因果關(guān)系,檢驗的兩個假設(shè)分別是:
原假設(shè) H0:被檢驗的解釋變量和因變量沒有Granger因果關(guān)系
備則假設(shè)H1:被檢驗的解釋變量和因變量有Granger因果關(guān)系
接下來,我們對各變量之間進行檢驗。
當原假設(shè)為融資余額不是股市波動的格蘭杰因果關(guān)系時,其p值為0.0015;當原假設(shè)為股市波動不是融資余額的格蘭杰因果關(guān)系時,其p值為0.0240;p值分別與置信水平0.05相比可得,融資余額(lnX1)構(gòu)成對股市波動(Y)的格蘭杰因果關(guān)系;反之,股市波動也構(gòu)成對融資余額的格蘭杰因果關(guān)系。當原假設(shè)為融券余額不是股市波動的格蘭杰因果關(guān)系時,其p值為0.0001;當原假設(shè)為股市波動不是融券余額的格蘭杰因果關(guān)系時,其p值為0.0062;p值分別與置信水平0.05相比可得,融資余額(lnX1)構(gòu)成對股市波動率(Y)的格蘭杰因果關(guān)系;反之,股市波動率也構(gòu)成對融券余額的格蘭杰因果關(guān)系。
方差分解的用途是把某一變量的浮動方差分配到各干擾項上。因此為了弄清各個解釋變量對因變量的解釋程度,我們接著通過Eviews8.0對股市波動Y序列進行方差分解來研究各個變量對其的貢獻程度。

表2 股市波動的方差分解表
從表可知,從第一期到第十期,Y序列的方差變動可由自身解釋部分從占100%到91.91%,呈逐漸下降趨勢;lnX1序列對Y序列的方差貢獻度從剛開始的2.76%到3.11%,呈逐漸上升趨勢;lnX2序列對Y序列的方差貢獻度從2.63%上升到4.97%。綜合可知,滯后前幾期內(nèi)融資余額對股市波動率的方差貢獻度大于融券余額,但當滯后階數(shù)變大時,融券余額對股市波動的貢獻也增強。同時也表明股市的波動性能夠被其自己解釋的比例較高,但是全體變量視角下,融資和融券所占的解釋比重隨著滯后期數(shù)的增加也越來越大。
兩融業(yè)務(wù)在我國發(fā)展了多年,無論是證券市場的制度建設(shè)還是融資融券的交易規(guī)模都與日俱增。本文通過研究我國股市的兩融業(yè)務(wù)現(xiàn)狀,利用格蘭杰因果檢驗、誤差修正模型等得到一些結(jié)論。
首先,格蘭杰因果關(guān)系檢驗顯示,融資余額與股市波動互為因果關(guān)系,融券余額與股市波動彼此之間也互為因果關(guān)系。其次,由誤差修正模型可得,短期時間內(nèi),增發(fā)融券業(yè)務(wù)會稍微促進股票市場的波動,融資余額的增加會抑制股市波動,但從長期影響看,融資余額和融券余額的增加都會在一定程度抑制股市波動。
最后,方差分解顯示隨著滯后階數(shù)增加,融資融券余額對股市波動率影響都逐漸增加,但對股市波動方差的貢獻度不是很大,從整體來看,股市波動主要受自身前期影響。說明融資融券對股市波動的影響存在時滯性。
在得出以上結(jié)論的同時,為了使股市更加穩(wěn)定相應的提出一些建議:
第一,目前我國股市融資融券標的規(guī)模不是很大,可以在可控范圍內(nèi)擴大兩融標的范圍。前文分析得出兩融業(yè)務(wù)能在一定程度能較少股市波動,起到穩(wěn)定市場情緒作用,而且目前國內(nèi)融資融券標的占據(jù)全部股票市場比例不是很大,所以在風險可控前提下,應適當擴充融資融券標的。
第二,在兩融業(yè)務(wù)中,融資業(yè)務(wù)規(guī)模以及占比甚高,相反融券業(yè)務(wù)的規(guī)模和占比很小,兩融業(yè)務(wù)的結(jié)構(gòu)不平衡也在助推市場的不穩(wěn)定,因此在擴大兩融業(yè)務(wù)的前提下進一步加大融券標的的擴充。同時,建議在保證金融安全下適當?shù)姆艑拑扇跇I(yè)務(wù)的進入門檻,因為高門檻會導致部分投資者不能參與其中,打擊投資者的參與情緒。
第三,注意控制融資融券的杠桿率,使杠桿率在適當范圍內(nèi)調(diào)整,以防止產(chǎn)生由于投機行為導致的杠桿率偏高的現(xiàn)象,同時應對配資行為進行嚴格監(jiān)督和管理,防止因股市價格的大幅波動而造成金融性風險的發(fā)生。另外要有效監(jiān)管大的投資機構(gòu)與上市公司,防止出現(xiàn)私下聯(lián)合隨意調(diào)整股票價格的行為,因為一旦大機構(gòu)對股價產(chǎn)生影響,小型投資者會形成羊群效應加劇股市的波動。
【參考文獻】
[1]王富宣.證券信用交易與股市波動性[M].大連理工大學.2008(12).
[2]崔媛媛等.融資融券運行現(xiàn)狀分析及問題研究[N].證券市場導刊.2011(8)
[3]彭澤鏵.融資融券對股票市場波動性的影響.時代金融.2015年第1期
[4]高鐵梅.計量經(jīng)濟分析方法與建模.清華大學出版社.2006年.
[5]Xiao X.Influence of Chinese Securities Margin Trading Mechanism to Stock Market Volatility[J].Advances in Asian Social Science.2012.3:589-595.