融資融券對(duì)股票市場(chǎng)波動(dòng)性的影響研究
——基于行業(yè)視角的實(shí)證分析

鄧小朱 姚佳俊

一、問題提出

證券市場(chǎng)是實(shí)體經(jīng)濟(jì)發(fā)展動(dòng)力的源泉，我國(guó)經(jīng)濟(jì)的高速高質(zhì)量發(fā)展需要成熟穩(wěn)定的證券市場(chǎng)來(lái)支撐。早在2008年，我國(guó)政府高層就將證券市場(chǎng)的穩(wěn)定、金融市場(chǎng)的穩(wěn)定、宏觀經(jīng)濟(jì)的穩(wěn)定置于同等重要的位置，這充分體現(xiàn)出維持證券市場(chǎng)穩(wěn)定對(duì)我國(guó)經(jīng)濟(jì)發(fā)展的重大意義。然而證券市場(chǎng)的波動(dòng)問題在我國(guó)屢見不鮮，阻礙著我國(guó)經(jīng)濟(jì)健康發(fā)展。為改善證券市場(chǎng)波動(dòng)問題，我國(guó)于2010年引入融資融券業(yè)務(wù)。融資融券業(yè)務(wù)起源于美國(guó)，被認(rèn)為是資本市場(chǎng)不可或缺的業(yè)務(wù)。它具有高杠桿性、高風(fēng)險(xiǎn)性及高收益性等特點(diǎn)，可以調(diào)動(dòng)投資者的積極性以及提高投資者的獲利空間，從而增加市場(chǎng)流動(dòng)性。

融資融券業(yè)務(wù)的引入，開啟了我國(guó)證券市場(chǎng)雙邊運(yùn)行機(jī)制的新紀(jì)元。自引入十年以來(lái)，前后歷經(jīng)6次擴(kuò)容，標(biāo)的證券數(shù)量從首批的90 只增加到現(xiàn)今的1600只，交易規(guī)模漸漸壯大，投資者參與積極性不斷提高。隨著融資融券標(biāo)的股票數(shù)量的增多，融資融券余額也得到迅速增長(zhǎng)，2014年的牛市使得融資融券余額以跳躍式的增速達(dá)到10256.56 億元，開創(chuàng)了我國(guó)證券市場(chǎng)融資融券的“盛世”。而隨后到來(lái)的2015年股市大波動(dòng)則又暴露出我國(guó)證券市場(chǎng)波動(dòng)并未得到根本改善。從理論角度而言，融資融券業(yè)務(wù)對(duì)證券市場(chǎng)的發(fā)展具有積極的作用，穩(wěn)定市場(chǎng)價(jià)格、抑制股市波動(dòng)是其最為顯著的功能。那么時(shí)至今天，這種功能對(duì)我國(guó)證券市場(chǎng)的影響程度如何？能否有效改善股市波動(dòng)的現(xiàn)象？本文以此為切入點(diǎn)，從行業(yè)視角出發(fā)，選取最近年份的股票數(shù)據(jù)來(lái)實(shí)證研究融資融券業(yè)務(wù)對(duì)我國(guó)證券市場(chǎng)股市波動(dòng)的影響，為后續(xù)相關(guān)學(xué)術(shù)研究提供經(jīng)驗(yàn)證據(jù)以及為監(jiān)管當(dāng)局完善監(jiān)管體系和強(qiáng)化監(jiān)管力度提供理論基礎(chǔ)與實(shí)證支持。

二、文獻(xiàn)綜述

近年來(lái)國(guó)內(nèi)學(xué)者就融資融券業(yè)務(wù)與股票市場(chǎng)波動(dòng)性的關(guān)系做出了一定的研究，但相關(guān)文獻(xiàn)數(shù)量較少，且因研究對(duì)象和使用方法的不同，并沒有得出統(tǒng)一的結(jié)論。

一部分學(xué)者認(rèn)為兩融業(yè)務(wù)能夠改善股市波動(dòng)問題。李勇、查娜（2020）使用向量誤差修正模型研究融資融券在不同行情下對(duì)股價(jià)波動(dòng)的影響，他們發(fā)現(xiàn)平穩(wěn)行情下的融資融券交易抑制了股價(jià)波動(dòng)，趨勢(shì)性行情下的融資交易也起到了抑制股價(jià)波動(dòng)的影響[3]；有效市場(chǎng)的關(guān)鍵是投資者的理性程度，黃虹、張恩煥、孫紅梅等（2016）從這一角度出發(fā)，用換手率代表投資者情緒，研究在融資融券業(yè)務(wù)實(shí)施后，投資者情緒的變化對(duì)股票指數(shù)的影響，他們認(rèn)為融資融券可以有效抑制投資者的非理性投資，進(jìn)而能夠降低股價(jià)波動(dòng)性[4]；另外楊麗彬、李虹含、周凱（2015）以不同行業(yè)的股票數(shù)據(jù)用DID 模型也實(shí)證檢驗(yàn)了這一論斷，他們從宏觀行業(yè)與微觀個(gè)體相結(jié)合的創(chuàng)新角度出發(fā)，全面地分析了融資融券業(yè)務(wù)抑制股市波動(dòng)的市場(chǎng)功能，發(fā)現(xiàn)兩融業(yè)務(wù)可以改善股市波動(dòng)[5]；許桂紅、劉洋（2020）運(yùn)用GARCH模型擬合我國(guó)股市的波動(dòng)，分析在實(shí)施融資融券業(yè)務(wù)后，兩融標(biāo)的股擴(kuò)容與滬深300指數(shù)波動(dòng)的關(guān)系，分析結(jié)果表明：融資融券標(biāo)的股票擴(kuò)容后，股票市場(chǎng)的波動(dòng)性明顯下降，從而他們也得出兩融業(yè)務(wù)可以有效抑制股市波動(dòng)的結(jié)論[6]。

另一部分學(xué)者認(rèn)為融資融券會(huì)加劇股市波動(dòng)。導(dǎo)致股市波動(dòng)的原因有很多，王朝陽(yáng)、王振霞（2017）從微觀角度對(duì)AH 股進(jìn)行研究，發(fā)現(xiàn)漲、跌停板制度是A股市場(chǎng)個(gè)股波動(dòng)的重要原因，而在這一制度下的融資融券起到了加劇個(gè)股波動(dòng)的作用[7]；張國(guó)慶、張萬(wàn)祥（2021）實(shí)證分析了融資融券交易與科創(chuàng)板股價(jià)波動(dòng)的關(guān)系，他們發(fā)現(xiàn)融資交易帶來(lái)的看漲信息傳遞速度加快會(huì)加劇科創(chuàng)板的股價(jià)波動(dòng)[8]；王雨、粟勤（2017）運(yùn)用非平衡面板數(shù)據(jù)模型研究?jī)扇跇?biāo)的股交易與其自身股價(jià)波動(dòng)之間的聯(lián)系，他們發(fā)現(xiàn)融資交易顯著增強(qiáng)了標(biāo)的股股價(jià)的波動(dòng)性，而融券交易對(duì)標(biāo)的股股價(jià)波動(dòng)影響很小，并且認(rèn)為這與融券業(yè)務(wù)發(fā)展相對(duì)滯后有關(guān)[9]；呂大永、吳文峰（2019）通過研究融資交易及其波動(dòng)對(duì)標(biāo)的股價(jià)的影響，發(fā)現(xiàn)融資交易加劇了標(biāo)的股價(jià)的崩盤，且融資交易的波動(dòng)進(jìn)一步提高了崩盤的風(fēng)險(xiǎn)[10]。

還有一部分學(xué)者認(rèn)為融資融券對(duì)抑制股市波動(dòng)無(wú)明顯影響。徐雪、馬潤(rùn)平（2018）運(yùn)用DID模型對(duì)標(biāo)的股進(jìn)行實(shí)證分析，實(shí)證結(jié)果表明：兩融交易對(duì)股價(jià)波動(dòng)影響不顯著，融資融券未能充分發(fā)揮其穩(wěn)定股價(jià)的功能[11]；劉燁、方立兵、李冬昕等（2016）從動(dòng)態(tài)視角出發(fā)，研究發(fā)現(xiàn)融資融券余額的變動(dòng)與市場(chǎng)的波動(dòng)性無(wú)直接聯(lián)系，從而認(rèn)為融資融券交易抑制市場(chǎng)波動(dòng)的效應(yīng)不顯著[12]；謝飛，范猛，田亞輝（2021）實(shí)證研究了由融券做空和股指期貨做空所構(gòu)成的組合做空手段對(duì)股市收益與波動(dòng)的影響，他們發(fā)現(xiàn)：融券擴(kuò)容對(duì)股票波動(dòng)性影響受流動(dòng)性、流通市值、市盈率等三個(gè)因素的影響，并且對(duì)高流動(dòng)性、低市盈率的股票波動(dòng)性影響不明顯[13]；關(guān)月（2021）通過VAR 模型對(duì)滬深300指數(shù)進(jìn)行實(shí)證分析，研究融資交易與股票市場(chǎng)波動(dòng)性的關(guān)系，其結(jié)論為股票融資交易對(duì)股票市場(chǎng)波動(dòng)性的影響較小，但從長(zhǎng)期來(lái)看，影響強(qiáng)度不斷增強(qiáng)[14]。

由此可見，國(guó)內(nèi)學(xué)者從宏觀和微觀層面對(duì)融資融券交易與股票市場(chǎng)波動(dòng)性的關(guān)系都進(jìn)行了相關(guān)研究，但是前人所選取的數(shù)據(jù)指標(biāo)時(shí)段大多是在政策引入前后，無(wú)法驗(yàn)證當(dāng)下融資融券業(yè)務(wù)的效應(yīng)?？紤]到我國(guó)市場(chǎng)體系不夠完善，加上市場(chǎng)各種無(wú)法控制的不確定因素，一項(xiàng)政策的實(shí)施效果可能會(huì)有較大的滯后性，在政策實(shí)施初期甚至可能會(huì)帶來(lái)與政策預(yù)期相反的結(jié)果。為探究?jī)扇跇I(yè)務(wù)對(duì)當(dāng)前股票價(jià)格波動(dòng)性的影響，本文從宏觀行業(yè)和微觀個(gè)體相結(jié)合的角度選取最近的股票數(shù)據(jù)，擬采用估計(jì)政策效應(yīng)較為有效的DID（雙重差分法）模型進(jìn)行實(shí)證分析，旨在探究融資融券業(yè)務(wù)能否有效改善股票市場(chǎng)的波動(dòng)問題，并就所得結(jié)果分析市場(chǎng)的現(xiàn)存缺陷，進(jìn)而提出切實(shí)有效的政策建議。

三、融資融券對(duì)證券市場(chǎng)有效性的實(shí)證分析

（一）模型選擇

本文擬采用近年來(lái)被廣泛應(yīng)用于評(píng)估政策效應(yīng)的DID 模型。融資融券業(yè)務(wù)的實(shí)施相對(duì)于股票價(jià)格而言是外生變量，DID模型的優(yōu)勢(shì)在于可以在很大程度上規(guī)避內(nèi)生性問題的干擾，并且通過比較控制組和處理組在政策實(shí)施前后差異的變化來(lái)檢驗(yàn)政策的真實(shí)效應(yīng)。

本文所采用的DID模型設(shè)置如下：

Yit=α0+α1du+a2dt+α3du×dt+εit

上式中的du 為組別虛擬變量，屬于處理組的股票i 受融資融券業(yè)務(wù)的影響，其對(duì)應(yīng)的du=1；屬于控制組的股票i 不受融資融券業(yè)務(wù)的影響，其對(duì)應(yīng)的du=0。本文處理組為納入融資融券標(biāo)的的股票，控制組為未納入融資融券標(biāo)的的股票。dt 為時(shí)間虛擬變量，股票納入融資融券標(biāo)的之前dt=0，股票納入融資融券標(biāo)的之后dt=1。du×dt的系數(shù)α3是DID模型的核心部分，也是本次實(shí)證分析的關(guān)鍵數(shù)值，它的正負(fù)性表示政策對(duì)研究事件的影響方向，其絕對(duì)值大小表示影響程度。在本文實(shí)證結(jié)果中，若該系數(shù)為正，說(shuō)明融資融券業(yè)務(wù)加劇了股票價(jià)格的波動(dòng)；若該系數(shù)為負(fù)，則說(shuō)明融資融券業(yè)務(wù)降低了股票價(jià)格的波動(dòng)。εit為控制變量。Yit為因變量。

（二）指標(biāo)選取

本模型的因變量選取的是股票價(jià)格的波動(dòng)率。由于本文所選取的股票數(shù)據(jù)周期較長(zhǎng)，本文擬將周振幅作為對(duì)股票價(jià)格波動(dòng)性進(jìn)行綜合測(cè)量的技術(shù)指標(biāo)，它指的是當(dāng)周最高價(jià)和最低價(jià)的差值與前一周最后一個(gè)交易日收盤價(jià)的比值。股票價(jià)格是眾多因素導(dǎo)致的結(jié)果，為了盡可能保證融資融券業(yè)務(wù)的外生性，選取了一組與股價(jià)密切相關(guān)的控制變量，分別為成交額、換手率、流通市值、市盈率。具體變量及其計(jì)算方法如表1所示：

表1 變量定義表

為避免其他政策對(duì)行業(yè)股票價(jià)格的干擾，本文選取了相對(duì)傳統(tǒng)且成熟的房地產(chǎn)行業(yè)和媒體行業(yè)，并且這兩個(gè)行業(yè)的彼此相關(guān)性不強(qiáng)，由此得出的結(jié)果更加客觀。分別選取這兩個(gè)行業(yè)自2019年7月份納入融資融券標(biāo)的且至今有效的4 只股票作為處理組，還分別選取了4只從未納入融資融券標(biāo)的股票作為控制組?？偣策x取了16 只股票進(jìn)行實(shí)證檢驗(yàn)，所提取的數(shù)據(jù)為每只股票從2017年7月到20121年6月四年間每一周的振幅、成交額、換手率、流通市值和市盈率，另外剔除掉停牌期間的股票數(shù)據(jù)，每只股票所提取數(shù)據(jù)的個(gè)數(shù)是965 個(gè)。文中所有涉及的數(shù)據(jù)均來(lái)自Wind數(shù)據(jù)庫(kù)。

（三）描述性統(tǒng)計(jì)

將時(shí)間以所選股票被融資融券標(biāo)的為節(jié)點(diǎn)分成前后兩個(gè)時(shí)段來(lái)分析融資融券對(duì)股票價(jià)格的直接影響，為節(jié)省篇幅，只對(duì)不同行業(yè)的處理組和控制組的因變量指標(biāo)分別進(jìn)行描述性統(tǒng)計(jì)。統(tǒng)計(jì)結(jié)果如表2所示：

表2 行業(yè)股票波動(dòng)性的描述性統(tǒng)計(jì)

就房地產(chǎn)行業(yè)而言，處理組和控制組的最大值、均值及標(biāo)準(zhǔn)差在標(biāo)的之后的數(shù)值較標(biāo)的之前的數(shù)值均有所下降，其中最大值方面控制組下降了33.42%，處理組下降了28.16%；控制組的均值下降幅度為10.70%，處理組的均值下降幅度為16.73%；最小值部分，兩組數(shù)據(jù)都呈上升趨勢(shì)，控制組的最小值上升了23.39%，而處理組的最小值則上升了30.47%；值得關(guān)注的是，控制組的標(biāo)準(zhǔn)差下降幅度為23.04%，處理組的這一數(shù)值為31.40%。從這些數(shù)據(jù)我們可以直觀的看出處理組的股票在納入融資融券標(biāo)的之后的波動(dòng)性更小，因此我們可以初步判斷融資融券業(yè)務(wù)在一定程度上抑制了房地產(chǎn)行業(yè)的股價(jià)波動(dòng)性。

媒體行業(yè)方面，處理組和控制組的最大值、最小值、均值及標(biāo)準(zhǔn)差在標(biāo)的之后的數(shù)值較標(biāo)的之前的數(shù)值均有所下降，其中最大值處理組下降了13.34%，控制組下降了22.08%；處理組的最小值下降了2.19%，而控制組的最小值下降了9.33%；處理組的均值下降幅度為11.51%，控制組的均值下降幅度為11.63%；處理組的標(biāo)準(zhǔn)差下降幅度為19.69%，控制組的這一數(shù)值為14.84%。從這些數(shù)值的升降幅度我們可以判斷出處理組的股票在納入融資融券標(biāo)的之后的波動(dòng)性更小，同樣暫且把這一效應(yīng)歸因于融資融券業(yè)務(wù)，即融資融券業(yè)務(wù)在一定程度上也抑制了媒體行業(yè)的股價(jià)波動(dòng)性。

（四）實(shí)證分析

1.以房地產(chǎn)行業(yè)為例的實(shí)證分析。實(shí)證分析之前，我們需要檢驗(yàn)所選的因變量數(shù)據(jù)在被納入兩融標(biāo)的之前是否具有相同的變化趨勢(shì)，這是使用DID模型的前提條件。本文因變量選取的是股票價(jià)格的周振幅，為使變化趨勢(shì)直觀清晰，以月為單位取因變量的平均值。得出因變量具體變化趨勢(shì)如圖1所示：

圖1 房地產(chǎn)行業(yè)股票振幅變化趨勢(shì)

從圖1我們可以直觀看出，在納入融資融券標(biāo)的之前，控制組和處理組的各個(gè)周的因變量指標(biāo)的變化幅度并不完全相同，但其變化趨勢(shì)大體是一致的，這就為后續(xù)的實(shí)證分析提供了基本前提支持。

基于房地產(chǎn)行業(yè)股票的面板數(shù)據(jù)所進(jìn)行的Hausman 檢驗(yàn)中，P=0.2396，P 值大于0.1 表明應(yīng)該接受原假設(shè)，故采用隨機(jī)效應(yīng)模型。實(shí)證分析的回歸結(jié)果如表3所示：

表3 房地產(chǎn)行業(yè)股價(jià)波動(dòng)回歸結(jié)果

實(shí)證結(jié)果中的交互項(xiàng)系數(shù)α3=-0.054，且通過了顯著性檢驗(yàn)。該數(shù)值符號(hào)為負(fù)，表明在納入融資融券業(yè)務(wù)標(biāo)的后，房地產(chǎn)行業(yè)的股票價(jià)格波動(dòng)性有所降低，即融資融券業(yè)務(wù)抑制了房地產(chǎn)行業(yè)的股價(jià)波動(dòng)性。從控制變量的實(shí)證結(jié)果來(lái)看，成交額在1%的水平下顯著為正，這說(shuō)明股票的成交額與股價(jià)波動(dòng)性成正向關(guān)系。從股市實(shí)踐角度來(lái)看，如果某只股票的成交額突然增加，說(shuō)明市場(chǎng)對(duì)該股票的需求增加，股票處于多頭行情，股價(jià)也會(huì)上漲。如果成交額又不再增加，表明市場(chǎng)對(duì)該股票的需求達(dá)到極限，此時(shí)也就是股價(jià)的巔峰值。在市場(chǎng)熱情退卻的時(shí)候，該股票又會(huì)被大量拋售，導(dǎo)致該股票價(jià)格下跌。在整個(gè)成交額較大的過程中，該股票價(jià)格出現(xiàn)了巨大的波動(dòng)，這也就印證了成交額與股價(jià)波動(dòng)性的正向關(guān)系；換手率在1%的水平下顯著為正，這就說(shuō)明換手率越高的股票，其股價(jià)波動(dòng)性也越大。股票的換手率越高，說(shuō)明該股票的交易氣氛越活躍。通常來(lái)說(shuō)，換手率較高的股票是短線投資者追求的目標(biāo)，這一部分投資者的投資行為容易受情緒影響且具有較強(qiáng)的投機(jī)性，因而導(dǎo)致股價(jià)波動(dòng)性較大；流通市值在10%的水平下顯著為負(fù)，反映了流通市值越大，股價(jià)的波動(dòng)性越小。這是因?yàn)榱魍ㄊ兄荡蟮墓善笔侵虚L(zhǎng)線投資者青睞的標(biāo)的，進(jìn)行短期炒作需要較大的資金成本，短線投資者一般較少介入，因而股價(jià)波動(dòng)幅度也就較小。

2.以媒體行業(yè)為例的實(shí)證分析。為避免由房地產(chǎn)行業(yè)實(shí)證分析所得出的結(jié)果出現(xiàn)偶然性，本文將繼續(xù)對(duì)媒體行業(yè)進(jìn)行實(shí)證分析，與房地產(chǎn)行業(yè)形成行業(yè)對(duì)照，確保所得結(jié)論的客觀真實(shí)性。首先同樣檢驗(yàn)所選取的媒體行業(yè)股票的因變量指標(biāo)在被納入融資融券標(biāo)的之前的變化趨勢(shì)是否一致。具體變化趨勢(shì)如圖2所示：

圖2 媒體行業(yè)股票振幅變化趨勢(shì)

從圖2我們可以看出，所選取的媒體行業(yè)的因變量指標(biāo)數(shù)據(jù)同樣符合DID模型的前提條件。

基于媒體行業(yè)股票的面板數(shù)據(jù)所進(jìn)行的Hausman 檢驗(yàn)中，P=0.4135，因此同樣采用隨機(jī)效應(yīng)模型。媒體行業(yè)股票價(jià)格波動(dòng)回歸結(jié)果如表4所示：

表4 媒體行業(yè)股價(jià)波動(dòng)回歸結(jié)果

實(shí)證結(jié)果中的交互項(xiàng)系數(shù)α3=-0.028，且通過了顯著性檢驗(yàn)。該數(shù)值符號(hào)為負(fù)，表明融資融券業(yè)務(wù)抑制了媒體行業(yè)的股價(jià)波動(dòng)。該實(shí)證結(jié)果與房地產(chǎn)行業(yè)相同。

（五）穩(wěn)健性檢驗(yàn)

考慮到實(shí)證的結(jié)果可能不僅僅由融資融券業(yè)務(wù)導(dǎo)致，為排除其他事件對(duì)實(shí)證結(jié)果造成干擾的可能性，本文將調(diào)整研究區(qū)間進(jìn)行安慰劑檢驗(yàn)。本文所選取數(shù)據(jù)的時(shí)間區(qū)間是2017年7月-2021年6月，所選取的股票被納入融資融券標(biāo)的時(shí)間是2019年7月。我們將所選取的股票被納入融券融券標(biāo)的的時(shí)間提前一年，也就是假設(shè)納入時(shí)間是2018年7月。另外為確保安慰劑檢驗(yàn)結(jié)果的可靠性，將剔除掉2019年7月以后的數(shù)據(jù)，只采用2017年7月-2019年6月兩年的數(shù)據(jù)，再次進(jìn)行實(shí)證檢驗(yàn)，根據(jù)實(shí)證結(jié)果判斷效應(yīng)是否在2019年7月以前就已經(jīng)存在。如果后續(xù)的DID系數(shù)依然顯著，則表明抑制股價(jià)波動(dòng)性的效應(yīng)在股票納入融資融券標(biāo)的之前就已經(jīng)存在，而并非融資融券業(yè)務(wù)導(dǎo)致，原先的估計(jì)結(jié)果存在偏誤；如果后續(xù)的DID系數(shù)不顯著，則表明抑制股價(jià)波動(dòng)性的效應(yīng)在之前并不存在，因此我們可以判斷該效應(yīng)就是由融資融券業(yè)務(wù)導(dǎo)致的。下文只列出因變量的再次實(shí)證結(jié)果，安慰劑檢驗(yàn)回歸結(jié)果如表5所示：

表5 穩(wěn)健性檢驗(yàn)結(jié)果

由表中實(shí)證結(jié)果可得，安慰劑檢驗(yàn)下的DID系數(shù)均沒有通過顯著性檢驗(yàn)，這就表明實(shí)證結(jié)果在融資融券業(yè)務(wù)引入之前不存在，股價(jià)波動(dòng)得到抑制是由融資融券業(yè)務(wù)所導(dǎo)致，而并非其他事件。

雖然通過對(duì)房地產(chǎn)行業(yè)和媒體行業(yè)進(jìn)行實(shí)證分析得出了融資融券業(yè)務(wù)在一定程度上抑制了股價(jià)波動(dòng)的結(jié)論，但是效果總體上仍然有限，這一點(diǎn)從以上的兩個(gè)回歸系數(shù)可以判斷出來(lái)，兩個(gè)DID回歸系數(shù)雖然均顯著為負(fù)，但其絕對(duì)值均在未超過0.1，表明融資融券所帶來(lái)的股價(jià)波動(dòng)的改善效應(yīng)不大，融資融券抑制股價(jià)波動(dòng)的功能在我國(guó)證券市場(chǎng)仍存在較大的發(fā)揮空間。

導(dǎo)致融資融券業(yè)務(wù)效應(yīng)不大的最重要原因是我國(guó)證券市場(chǎng)投資者結(jié)構(gòu)極不合理，長(zhǎng)期處于散戶投資者居主導(dǎo)地位的局面，而個(gè)人投資者的投資弊端正是我國(guó)證券市場(chǎng)波動(dòng)性較大的源頭。試點(diǎn)月以來(lái)，在所有的新增投資者中，散戶投資者占比超過99%，而機(jī)構(gòu)投資者占比卻從未超過1%，二者比例嚴(yán)重失調(diào)。在西方發(fā)達(dá)國(guó)家較為成熟的證券市場(chǎng)中，機(jī)構(gòu)投資者占據(jù)著大多數(shù)。其次，監(jiān)管不利也是其一重要因素，尤其在當(dāng)前環(huán)境下，游資炒作“垃圾股票”、惡意哄抬股價(jià)的現(xiàn)象頻頻發(fā)生，而監(jiān)管層對(duì)此的事后懲戒力度也是不痛不癢，導(dǎo)致這種現(xiàn)象并沒有得到改善。最后，監(jiān)管層對(duì)證券金融公司發(fā)展轉(zhuǎn)融券業(yè)務(wù)存在較多限制，導(dǎo)致轉(zhuǎn)融券業(yè)務(wù)發(fā)展遲緩，我國(guó)證券市場(chǎng)的做空機(jī)制也因此一直處于“雛形”狀態(tài)，雙邊機(jī)制的運(yùn)行始終沒能步入正軌。

四、政策建議

融資融券業(yè)務(wù)對(duì)我國(guó)證券市場(chǎng)意義重大，雙邊運(yùn)行機(jī)制更是維持我國(guó)證券市場(chǎng)良性運(yùn)轉(zhuǎn)的前提。為提高兩融業(yè)務(wù)對(duì)股票市場(chǎng)的效應(yīng)，本文提出以下政策建議：

（一）加強(qiáng)監(jiān)管

強(qiáng)化退市制度，例如對(duì)于財(cái)務(wù)造假的上市公司，適當(dāng)降低造假年限以及造假金額標(biāo)準(zhǔn)，將“奄奄一息”的企業(yè)盡快清除出市場(chǎng)。這樣既能避免人為炒作“垃圾”股票，也能形成優(yōu)勝劣汰的良性競(jìng)爭(zhēng)機(jī)制。同時(shí)加大對(duì)惡意哄抬股價(jià)行為的懲戒力度，提高罰款標(biāo)準(zhǔn)。

（二）強(qiáng)化投資者教育

鼓勵(lì)由券商面向個(gè)人投資者舉辦模擬融資融券交易投資競(jìng)賽，引導(dǎo)個(gè)人投資者合理使用杠桿，降低投資風(fēng)險(xiǎn)；同時(shí)規(guī)范機(jī)構(gòu)投資者市場(chǎng)行為，發(fā)揮機(jī)構(gòu)投資者在市場(chǎng)中的主導(dǎo)作用，引導(dǎo)個(gè)人投資者樹立價(jià)值投資理念。

（三）加快轉(zhuǎn)融券步伐

目前，對(duì)轉(zhuǎn)融券業(yè)務(wù)發(fā)展的約束主要有兩點(diǎn)：券種不足和做空成本較大。首先應(yīng)該擴(kuò)大標(biāo)的股票范圍，適當(dāng)將標(biāo)的股票擴(kuò)展至滬深300成分股，滬深300成分股的屬性能夠滿足納入融資融券標(biāo)的的標(biāo)準(zhǔn)。同時(shí)靈活調(diào)節(jié)對(duì)融券做空的限制，可對(duì)不同種類的股票實(shí)行不同的限制。對(duì)于價(jià)值虛高的品種，適當(dāng)降低做空成本，鼓勵(lì)投資者進(jìn)行做空交易；對(duì)于價(jià)值被低估的品種，則提高做空成本。