融資融券與滬深股市波動分析
——基于VAR模型分析

韓蒙婷

（云南師范大學泛亞商學院，云南 昆明 650000）

一、引言

融資融券交易實質是一種信用交易，是投資者向具備資格的證券公司提供擔保物，借入資金買入證券或借入證券并賣出證券的行為（佟孟華和孟照康，2015）。美國開展融資融券業務已有百年歷史，而中國的資本市場起步晚、成熟度不高，股票市場上一直缺少賣空機制。經過多年籌備，我國于2010年3月31日正式啟動融資融券試點工作，突破了A股市場無賣空機制的限制，吸引了眾多的市場目光。經過近八年的發展，截至2017年12月18日，滬深兩市兩融余額歷史峰值為22730.35億元，融資余額占A流通市值比歷史最高時達到4.74%。融資融券業務的推進在一定程度上促進了證券市場的發展，但在學界和業界不乏質疑的聲音，有觀點認為融資融券制度的推出并沒有緩解股市波動，反而在股市異常時推波逐浪，將追漲殺跌的情緒進一步放大。市場對未來預期悲觀時可以借入證券賣出，進一步壓低標的股票價格；市場對未來預期向好時，投資者可以向證券公司提供擔保物借入資金進入股市，看漲情緒的進一步蔓延容易導致標的股票被高估，整個市場處于高杠桿狀態，暗藏金融風險。

推出融資融券制度的初心在于降低股市異常波動，實現完善資本市場結構體系，減緩我國金融市場劇烈波動。但是在這一制度實施后，隨著融資融券標的股票范圍的擴大以及兩融規模的增長，在復雜的市場環境中該信用制度是否發揮了預設的作用，以及產生的效果如何等問題依舊為學者們津津樂道，成為當前的研究熱點之一。本文將運用A股市場的相關數據，對此問題進行實證研究。

二、文獻綜述

圍繞融資融券交易制度與股市波動之間的關系，國內外不少學者對此展開了討論與研究。尤其是歐美發達國家，對融資融券制度的研究時間跨度長、分析層次深。國內雖然起步晚，但是對于該問題的研究文獻亦不在少數。

（一）國外研究

Diamond（1987）等通過建立模型進行了實證研究，發現賣空約束會降低股價對私有信息（尤其是負面信息）的調整速度，導致股價容易被高估。賣空約束會賦予交易者將一項資產出售給其他投資者的權利，資產購買方認為還會有更加樂觀的投資者愿意為該資產報出更高的價格。該權利的價值被市場過度放大，導致資產價格被嚴重高估，產生資產泡沫。另外，賣空約束還會導致股票交易量下降，從而降低股票價格的信息含量。賣空約束會產生資產價格被高估、降低股市流動性的不利后果。

（二）國內研究

國內學者的研究文獻大致可以分為以下三類：

第一類：研究境外地區融資融券制度與股票市場波動性的關系。

胡華鋒，劉藝璇（2012）根據中國臺灣證券市場數據，對融資融券交易與市場流動性、波動性的關系進行實證研究，研究結果表明：融券賣空交易額的變動與市場流動性變動之間沒有因果引致關系。

王朝陽，王振霞（2017）基于AH股的微觀分析發現，漲跌停制度是A股市場個股股價高波動率的重要原因；同時在實施漲跌停的A股市場，融資融券制度的引入在現階段也加劇了股價波動。

第二類：研究融資融券在短期或者長期與我國股票市場波動性的關系。

佟孟華，孟照康（2015）利用710個融資融券標的股票數據，研究兩融對于股市以及個股的日波動性影響，認為融資融券短期內可以顯著降低股票市場的波動性。

褚劍，方軍雄（2016）從股價崩盤風險的角度出發，采用雙重差分法系統檢驗融資融券政策對資本市場的影響。研究發現，與政策制定者的初衷相反，整體上融資融券制度的實施不僅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。

姚王信,姚磊（2016）將樣本區間按照四次擴容政策分類，分析中國融資融券業務四次擴容政策及其對市場的影響。利用多期DID模型處理融資融券從實施以來對A股市場的長期影響。對前四次擴容政策市場的影響表明，融資融券顯著減少市場流動性（影響程度隨著不斷擴容而降低）、微幅強化A股市場的波動性（有時正向強化、有時負向強化）。

李鋒森（2017）基于波動非對稱性視角，運用EGARCH模型研究融資融券對我國股市周期性波動的影響。實證結果表明，我國股市波動存在顯著的雙重非對稱性，但融資融券對熊市波動非對稱性和牛市反向波動非對稱性都沒有顯著影響；我國融資融券既沒有助推牛市上漲，也沒有加劇熊市下跌，它對股市周期性波動的影響是中性的。

第三類：研究融資融券制度對于進行有效股票定價的作用。

許紅偉，陳欣（2012）基于雙重差分（DID）模型，研究了我國融資融券試點對股票定價效率和收益率分布的影響，發現其僅在少數指標上有一定積極作用，總體上效果仍然相當有限。具體來說，融資融券在試點1年內：一是對定價效率的改善仍然較弱，標的股票價格的負面信息含量和對市場向下波動的調整速度變化均不明顯；二是能夠顯著減少股價暴跌概率，對抑制暴漲卻幾乎沒有影響；三是僅能顯著降低含H股、高市值、低換手率和低市盈率股票的偏度，對改善收益率的尖峰現象則沒有起到積極作用。

李志深等（2015）利用2009年4月至2013年12月中國A股市場的數據，通過比較融資融券標的股票和非融資融券標的股票，以及股票加入和剔出融資融券標的前后的定價效率，發現融資融券交易的推出有效改善了中國股票市場的價格發現機制，融資融券標的股票的定價效率得到了顯著提高。

綜上所述，由于研究模型、研究數據規模、研究方法等的不同，學者們的研究結論不盡相同。本文選取截至2017年底的數據，試圖從兩融交易正常化以來，對比考察每次擴容對于股市價格波動的沖擊，以期為審慎深入推進兩融制度提出對策建議。

三、模型設計、樣本與數據選取以及變量說明

（一）模型簡介

向量自回歸（Vector Auto-Regressive）簡稱VAR模型，是一種多變量數據分析方法。向量自回歸(VAR)不以經濟理論為基礎，而是基于數據的統計性質建立模型。VAR模型把系統中每一個內生變量作為系統中所有內生變量的滯后值的函數來構造模型，從而將單變量自回歸模型推廣到由多元時間序列變量組成的“向量”自回歸模型，成為經濟學研究的主流模型之一。該模型的一般表達式為：

其中，εt為向量白噪聲過程，滿足零均值、同方差、無自相關、不與解釋變量相關的古典假定。

（二）樣本與數據選取

2010年3月31日，我國證券市場允許進行融資融券交易。為降低新制度推出對市場的波動，采取“漸進式”擴容的方法。2010年至2014年，融資融券經歷了四次較大規模的擴容。姚磊和姚王信（2016）認為該政策的主要目標是穩定股票價格、緩解股票市場的資金壓力、增加市場交易的活躍性、提高券商的盈利能力并為建立多層次證券市場奠定基礎。2016年12月上交所與深交所發文《關于擴大融資融券標的股票范圍的通知》，是繼上述四次擴容后的又一次重大舉措，逐步推進兩融制度的實施。

本文為剔除新增標的股票對融資融券交易的影響，將2010年3月31日-2017年12月1日區分為兩個樣本時間段。第一階段為2010年3月31日-2014年9月12日（截至到第四次擴容結束）；第二階段為2014年9月15日-2017年12月1日。在第一階段內，兩融標的證券范圍處于較快的變動之中，而后一階段標的股票范圍相對處于穩定狀態，增速較為平緩。本文將考察兩個階段融資融券與滬深A股市場股價波動的影響。

數據來源為東方財富金融終端，數據處理由Stata12.0完成。

（三）變量說明

本文選取的變量為股市波動性指標、凈融券交易指標以及凈融資交易指標。

表1 變量說明

四、實證結果分析

本文建立VAR模型對A股市場波動、凈融資額與凈融券額的關系展開實證分析。在對數據進行描述性統計的基礎上，首先采用單位根檢驗判斷數據的平穩性，避免由于變量的不平穩造成偽回歸；其次確定最佳滯后階數，構建VAR模型、檢驗AR根穩定性；然后在構建的VAR模型基礎上逐次進行協整檢驗、Granger因果檢驗、脈沖響應分析和方差分解。

（一）描述性統計

從表2的結果以及通過J-B統計量，可以得出日內波動、凈融資額以及凈融券額這三個序列呈現出尖峰厚尾特征的結論，不服從正態分布，適合用金融時間序列模型進行分析研究。

表2 各變量描述性統計結果

（二）單位根檢驗

利用VAR模型進行時間序列分析，研究融資融券與股市波動的影響。首先要對數據進行單位根檢驗，判斷數據是否為平穩序列。本文采用ADF檢驗方法，對股市的日內波動、融資融券指標的平穩性進行檢驗，檢驗結果如表3所示，全部指標在1%的顯著性水平下，ADF統計量小于臨界值，從而拒絕原假設，故可以認為三個指標的時間序列均是平穩的。

表3 ADF平穩性檢驗結果

（三）協整檢驗

協整檢驗可用于判斷變量之間是否存在長期關系，前提是這些變量滿足同階單整。在本文中三個指標在兩個樣本時間段內均符合平穩性條件，故可以進行協整檢驗。在構建VAR模型之前，需要確定最佳滯后階數，結果如圖1和圖2。

圖1 第一階段VAR模型滯后項結果

圖2 第二階段VAR模型滯后項結果

根據圖1檢驗結果，按照FPE與AIC準則的最佳滯后階數為4，HQIC與SBIC準則的最優滯后階數為1階，本文按照折中處理的方法，選擇最佳滯后階數為2階，選擇建立VAR（2）模型。根據圖2檢驗結果，按照FPE、AIC以及HQIC準則最佳滯后階數為3階，依據多數原則，故選擇建立滯后階數為3階的VAR（3）模型。第一階段與第二階段的數據均通過協整檢驗，實證結果表明凈融資額、凈融券額與股市波動存在長期內存在著一種穩定的變化關系。

（四）格蘭杰因果檢驗

以上檢驗只是證明了A股市場波動，凈融資額與凈融券額之間存在著一種長期的均衡關系，但是三者之間的這種均衡關系的因果聯系需要進一步驗證。格蘭杰因果檢驗從統計意義出發，用于判斷變量之間的因果關系。為闡述本文三大指標之間的因果關系，運用Stata進行格蘭杰檢驗。由檢驗結果得出，融資融券交易與股市的波動互為因果，即融資融券交易對股市波動產生影響；股市波動對融資融券交易亦產生影響。鑒于本文研究目的在于探究兩融制度推出的影響及效果，故將重點論述兩融交易行為對股市波動的單向影響。

（五）VAR穩定性檢驗與脈沖響應

融資融券交易的VAR模型穩定性檢驗是應用脈沖響應方法的前提，如果所設定的模型不穩定，則不能考察脈沖函數的變量關系。因此要首先對所構建的VAR模型進行穩定性檢驗，檢驗結果顯示全部特征根均在單位圓內，表明設定的VAR模型是穩定的。

以第一階段的樣本數據為例，通過圖3和圖4可知，股市對本期融資融券各自帶來的沖擊于第二個交易日達到大，從第二個交易日后股市的波動開始趨于平緩，這與決策層推出融資融券制度的初心一致，表明其會抑制股市的波動。從圖中還可以發現融券的沖擊大于融資，雖然截至2017年12月22日滬深兩市融資余額為10170.71億元，融券余額為48.9億元，兩者規模相距甚遠。這從一定程度上表明研究兩融對股市的波動性僅僅考慮規模因素是不夠全面的。

圖3 第一階段融券變動對股市的沖擊

圖4 第一階段融資變動對股市的沖擊

（六）方差分解

方差分解是通過分析每一個結構沖擊對內生變量的變化（通常用方差來度量）的貢獻度，進一步評級不同結構沖擊的重要性，本文選定8期作為方差分解的滯后期，基于已經建立的向量自回歸模型，分別對三個指標進行方差分解。實證結果為：滬深股市波動絕大部分來自于自身標準誤差擾動，比如行業因素、宏觀經濟環境、經濟周期、微觀個體因素等，而融資與融券的交易行為給股市波動帶來的貢獻率低。2010年3月31日-2014年9月12日期間內，融資融券交易帶來的波動貢獻率合計不超過2%；2014年9月15日-2015年12月1日，兩融交易的貢獻率合計大約為4%，較第一階段有了近2%的增長，表明融資融券制度在進入日常化運行后對股市的影響力逐漸上升，對股市異常波動的抑制作用逐步顯現。

五、簡要結論

本文利用向量自回歸模型（VAR）分析了融資融券交易與股市波動在不同時間段內的相關關系。得出以下實證結果：一是凈融資融券額在日內的變動與滬深股市的波動是一種雙向的影響，互為因果。雖然從實施融資融券交易制度以來，融券規模一直與融資規模存在大幅差距，但是融券交易與股市的相互關系更加突出，這反映出賣空機制在我國股市的重要性地位。在完善資本市場的過程中，隨著融資融券規模的擴大，賣空機制的作用不可小覷。二是融資融券交易雖然占A股交易比重不高，但是卻起到抑制股市異常波動的顯著作用，這與決策層的初心保持一致。三是樣本的第一階段，標的股票處于不斷擴容中，而在第二階段中標的股票范圍變動小，處于一個較為穩定的狀態。基于該狀態，通過實證分析表明，雖然股市波動的原因中融資融券的影響力較為細微，但是隨著融資融券規模的增長，這種影響力處于不斷成長中，未來該交易制度將會發揮愈來愈重要的作用。