摘 要：本文運用雙重差分模型，基于波動性和流動性的視角，采用2009年1月至2011年6月上證A股融資融券的月度數(shù)據(jù)進行實證研究。結(jié)果表明，融資融券在所考察的時期內(nèi)能有效地改善融資融券標(biāo)的股的流動性，并且不會增加波動性。

關(guān)鍵詞：融資融券；波動性；流動性；雙重差分模型

中圖分類號：F832.51 文獻標(biāo)識碼：A 文章編號：1003-9031（2013）02-0029-06 DOI：10.3969/j.issn.1003-9031.2013.02.07

一、引言

2010年3月31日起，上海、深圳證券交易所正式接受券商的融資融券交易申報。這標(biāo)志著經(jīng)過4年精心準備的融資融券業(yè)務(wù)進入了市場實際操作階段，A股市場從此告別單邊做多機制。

融資融券，又稱信用交易，是指投資者向具有證券交易所會員資格的證券公司提供擔(dān)保物，借入資金買入本所上市證券或借入本所上市證券并賣出的行為①。其目的是，為了在交易者認為股票過高或過低時，可以進行融資買入和融券賣出的操作，使得價格更有效地反應(yīng)信息，促進證券價格的合理與穩(wěn)定。同時，由于融資融券為保證金交易，有一定的杠桿作用，從而會明顯放大市場交易量，一定程度上改善流動性。例如日本在1988—2007年融資融券交易額占比為12%～21%，我國臺灣地區(qū)在1999—2007年融資融券交易額占比高達33%～56%。

但很多國內(nèi)學(xué)者如開昌平（2010）擔(dān)心，融資融券的推出會“助漲殺跌”，增大市場風(fēng)險[1]。其基本邏輯與Bogen，Krooss（1960）一致，即由于非理性和信息不對稱等因素的存在，可能導(dǎo)致在當(dāng)股價上漲時，由于信用交易可以融資購券，從而刺激了購券需求，造成股價進一步上漲；而當(dāng)股價下跌時，則由于信用交易可以借券賣空，又進一步造成股價下跌。

基于上述討論，對我國當(dāng)前A股市場融資融券對股票市場影響的評估是十分必要的。研究將圍繞融資融券的運行是否能達到其預(yù)期的目的、是否會增加市場風(fēng)險展開，為我國融資融券機制的建設(shè)和調(diào)整提供直觀、現(xiàn)實的依據(jù)。

二、文獻評述

我國A股市場推出融資融券一年有余，相關(guān)的文獻大多是論述性的，很少有文獻對A股市場融資融券的運行情況做實證評估。唯一的一篇李競（2010）也沒有把融資融券作為一個整體，而是分別考察了融資和融券對A股波動性和流動性的影響[2]。筆者認為把融資融券作為一個整體來考察，然后再分別考察融資和融券的影響。這樣一種研究思路，能為我國融資融券制度建設(shè)提供更明確的參考依據(jù)。所以本文將從A股波動性和流動性的視角，對融資融券整體的影響進行評估。為了達到這個目的，本文使用了雙重差分模型（difference-in-differences model）。這是政策評估的有力工具，其基本思想是，通過找到一組對照組來排除待考察政策以外的一些因素的干擾，來達到政策評估的目的，如聶輝華、方明月和李濤（2009）用雙重差分模型考察增值稅轉(zhuǎn)型對企業(yè)行為和績效的影響[3]。本文的另一個不同之處在于，從微觀個股的流動性與波動性的變化來研究融資融券對市場的影響。因此，我們可以用面板數(shù)據(jù)進行研究，利用面板數(shù)據(jù)的優(yōu)勢控制一些不可觀測的變量，這有別于國內(nèi)運用融資余額和融券余額與市場指數(shù)的時間序列進行協(xié)整研究的思路。

融資融券與一般的交易不同之處在于保證金交易和賣空交易，所以關(guān)于融資融券對股票市場的影響的研究，主要集中在保證金比例變化和賣空機制對股票市場的影響，而其中又以對股票市場波動性的討論居多。

1.保證金比率變化股票市場的影響

Hsieh和 Milier（1990）的研究結(jié)果表明，不論在長期或短期內(nèi)，調(diào)整保證金比率對于股票收益率的標(biāo)準差均無明顯的影響[4]。Lee和Yoo（1991）對美國、日本、臺灣、韓國證券信用保證金比率變化與市場波動性的關(guān)系進行實證研究發(fā)現(xiàn)，市場波動與證券信用保證金比率呈同方向變化[5]。Hardouvelis（1992）研究了不同投資群體對日本證券信用保證金比率變化的反應(yīng)。實證結(jié)果表明，一般投資者和保險公司買賣行為與證券信用保證金比率增減呈反向變化，但是東京證券交易所會員買賣行為與證券信用保證金比率增減呈同向變化[6]。Hsu（1996） 選取1981至1991間臺灣加權(quán)股價指數(shù)進行研究，認為臺灣股市的保證比例和股市波動性短期間無顯著相關(guān)性，長期由于市場存在投機效果，使得保證金比例的改變會影響股市波動性而存在負向關(guān)系[7]。陳淼鑫，鄭振龍（2008a）就臺灣證券市場融券保證金成數(shù)調(diào)整對市場波動性的影響進行了深入的研究，實證結(jié)果表明，調(diào)高融券保證金成數(shù)將增大市場的波動性，而下調(diào)融券保證金成數(shù)，即放松對賣空的限制，反而可以降低市場的波動性[8]。

2.賣空機制對股票市場的影響

Woolridge和 Diekinson（1994）通過實證研究發(fā)現(xiàn)，利用市場的證券信用交易制度，賣空交易者可以通過在市場上漲時增加賣空交易量和在市場下跌時減少賣空交易量來向市場提供流動性[9]。Charoenrook and Daouk（2005）以對全球111個國家的數(shù)據(jù)進行檢驗，結(jié)果顯示，與賣空交易禁止的國家相比，賣空交易允許并真實存在的國家的市場總體收益的波動性較小，并且有更高的流動性[10]。廖士光和楊朝軍（2005）以我國臺灣股票市場的月度賣空數(shù)據(jù)為研究對象，實證結(jié)果表明，賣空交易額與股價指數(shù)之間存在著長期穩(wěn)定的協(xié)整關(guān)系，而且由于賣空交易額和股價指數(shù)存在正向變動關(guān)系，使得賣空機制可以對市場的波動起到平抑作用[11]。Gao，Hao和Ma（2006）通過對香港市場的研究發(fā)現(xiàn)，取消賣空限制可以提供市場的流動性，特別是有助于提高低價股的流動性，并且不會提高市場的波動性[12]。Cai和Xia（2006）通過高頻數(shù)據(jù)對香港市場的研究，發(fā)現(xiàn)引入賣空機制后噪聲交易者由于擔(dān)心虧損的可能性提高而退出市場或者變得更加謹慎，從而降低市場個股交易的活躍程度，導(dǎo)致市場流動性的下降[13]。陳淼鑫和鄭振龍（2008b）運用非對稱GARCH模型探討了香港市場推出賣空機制前后市場波動率的變動情況，研究表明賣空機制推出后證券市場的波動率有所降低[14]。Bris等（2007）對全球47個市場的研究也發(fā)現(xiàn)賣空交易可以顯著降低市場的波動性，起到穩(wěn)定市場的作用[15]。

上述文獻表明，信用交易的杠桿效應(yīng)和賣空機制均能改善市場流動性，但對市場波動性的影響，無論從保證金角度還是賣空機制的角度，都沒有一致的觀點，其兩者綜合效果更無從談起，所以有必要對融資融券作為一個整體來考察，然后再分別考察融資和融券的影響。這樣的研究思路，對我國融資融券制度建設(shè)更有現(xiàn)實意義。

三、我國融資融券的現(xiàn)狀

目前，我國融資融券業(yè)務(wù)仍處于試點階段，融資融券試點券有最初的6家變?yōu)?2家，但可供融資融券的標(biāo)的股票仍為上證50成分股（50支）和深證成指成分股（40支）。由于上證50成分股和深證成指成分股都還定期調(diào)整，融資融券標(biāo)的股同時會做相應(yīng)的調(diào)整。

作為創(chuàng)新業(yè)務(wù)，融資融券正式交易的當(dāng)日融資買入額僅為655萬元，融券賣出量僅為7100股。截止2011年11月10日，滬深兩市融資融券余額為216.33億元，其中融資余額為213.82億元，融券余額為2.51億元。雖然融資融券在總量上有快速的增長，但是其融資和融券業(yè)務(wù)發(fā)展極不平衡，融券余額僅占總量的1%。

對于融資和融券成交量的顯著差異，有學(xué)者認為其主要原因在于市場缺乏有效的轉(zhuǎn)融通機制，是目前融券券源稀少。目前，試點券商均是以自身持有的股票作為融券的來源，來借給投資者。這使試點券商只會在以下情況下將股票作為融券標(biāo)的：（1）融券券源為券商自身長期戰(zhàn)略持有的證券。這類券種一般均為券商所持上市公司的法人股，持股成本極低，且很難在市場上變現(xiàn)，但試點券商持有的這類券源的品種極為有限；（2）未來有相當(dāng)把握上漲的股票[16]。不過，2011年10月28日，中國證監(jiān)會正式發(fā)布《轉(zhuǎn)融通業(yè)務(wù)監(jiān)督管理試行辦法》，并積極的準備轉(zhuǎn)融通業(yè)務(wù)的推出。

四、實證模型與數(shù)據(jù)

（一）實證模型

由表1可以看出，對照組中因變量在政策發(fā)生前后差異為，實驗組中因變量在政策發(fā)生前后差異為？啄2+？啄3。由于對照組中樣本沒有受到待考察政策的影響，因此其前后差異為待考察政策以外，對因變量的影響，通過與實驗組對比，可以得到想要考察的政策的影響，即交叉項dTi·d2t的系數(shù)？啄3。

由于預(yù)期每支股票都會有不隨時間變化的不可觀測的特性，如公司所在的行業(yè)和公司管理層，長期經(jīng)營的策略等；在不同時間點上，也由于宏觀經(jīng)濟的變化，也存在不隨個體變化的不可觀測的特性，又因為這些不可觀測的特性很可能與解釋變量相關(guān)，樣本也并非從總體中得隨機抽樣，筆者計劃選用雙向固定效應(yīng)模型（two-way fixed effects model），將在穩(wěn)健性分析中對模型設(shè)定的正確性進行驗證。

不過雙重差分模型的運用有個前提假設(shè)，實驗組和對照組中因變量應(yīng)該有相同的“潛在”趨勢，即它們應(yīng)當(dāng)受到相同因素的影響（至少大體相同），這樣對照組才有意義，否則運用此模型是不合適的。為了驗證這個假設(shè)，我們可以觀察政策發(fā)生前，實驗組和對照組中因變量的變化趨勢。如其變化大體相同，我們可以認為模型選擇是合適的，如Justine Hastings（2004）[17]。本文將在第五部分進行驗證。

此外，模型還可能面臨的內(nèi)生性的問題，由于很多政策是按照固定標(biāo)準來選擇實驗對象，而不是隨機選擇的。因此，區(qū)分實驗組和對照組的虛擬變量dT可能是內(nèi)生的，不過筆者可以控制實驗對象的選擇標(biāo)準來緩解這一問題，下文變量說明中將有詳細討論。

（二）樣本選取

下面討論樣本的選取，對于可融資融券的90只標(biāo)的股票，上證50成分股是從上證180指數(shù)樣本股中選出的，其根據(jù)總市值、成交金額對股票進行綜合排名，取排名前 50 位的股票組成樣本。深證成指成分股是在深證A股中選得，選樣時先計算考察期內(nèi)入圍 A股平均總市值和平均流通市值占 A 股市場的比重，以及平均成交金額占 A 股市場的比重；再將上述三項指標(biāo)按 1∶1∶1的權(quán)重加權(quán)平均，然后將計算結(jié)果從高到低排序，選取排名在前 40 名的 A 股①。

由于上證50成分股是從上證180指數(shù)樣本股中選出的，并且上證180指數(shù)樣本股均為優(yōu)質(zhì)藍籌股，具有較強的可比性；而深證成指成分股是在深證A股中選得，存在很多規(guī)模小，業(yè)績不穩(wěn)定的公司，不適合作對照。所以，筆者考察的樣本選自上證180指數(shù)樣本股。又因為上證50成分股，融資融券標(biāo)的股同時會做相應(yīng)的調(diào)整，所以會剔除在考察時期內(nèi)，被調(diào)入或調(diào)出的與上市時間較短的股票。最終樣本數(shù)為153只股票，其中44只為融資融券標(biāo)的股，作為實驗組，其余109只股票作為對照組。樣本的時間區(qū)間為2009年1月—2011年6月。

（三）變量說明

本文參考Charoenrook and Daouk（2005）中市場流動性與波動性指標(biāo)的選取。以個股的換手率作為流動性指標(biāo)，以個股對數(shù)收益率的標(biāo)準差作為波動性指標(biāo)，以此考察融資融券對市場流動性與波動性的影響，下面為因變量與自變量的計算說明：

4.控制變量的選取

（i）由于上證50成分股其根據(jù)市值、成交金額對股票進行綜合排名，為了避免內(nèi)生性問題，筆者引入股票的流通市值（用Mv表示，單位為百億元）和股票的成交量（用Amo表示，單位為十億股）作為控制變量。

（ii）由于股票收益包含了當(dāng)期的新信息，我們預(yù)計其會影響到當(dāng)期股票價格收益率的波動性，因而筆者把當(dāng)期的股票價格收益率引入本模型中。

（四）數(shù)據(jù)來源與統(tǒng)計描述

153只樣本股票的換手率、波動率、收益率、流通市值和交易額數(shù)據(jù)均來自wind資訊。樣本數(shù)據(jù)為月度數(shù)據(jù)，樣本的時間區(qū)間為2009年1月至2011年6月。

經(jīng)面板單位根檢驗，所有的變量均為平穩(wěn)的面板數(shù)據(jù)。變量的描述性統(tǒng)計（見表2）。

五、 實證結(jié)果及穩(wěn)健性分析

（一）實證結(jié)果

首先，筆者將驗證運用雙重差分模型的合理性，即其前提假設(shè)可以得到滿足。

由圖1、圖2可以看出，在融資融券推出之前，流動性和波動性在實驗組和對照組中有大體相同的趨勢，說明它們受到共同因素的影響，運用雙重差分模型是合理的；融資融券推出之后，流動性與波動性變化趨勢都是下降的，如果僅考慮政策前后其變動，則很可能得出錯誤的結(jié)論，這說明運用雙重差分模型的必要性。同時可以看出，它們在一些時間點有較大的峰值，說明加入時期固定效應(yīng)的合理性。

下面以Vol、Liq為因變量，并加入不同解釋變量，對模型（2）進行估計，實證結(jié)果如表3所示：

由表3（a）可以看出，在沒有加入任何控制變量，僅控制個體和時期固定效應(yīng)時，融資融券對波動性的影響，即交叉項dT·d2的系數(shù)，是-0.211。但當(dāng)我們控制了流通市值Mv和成交額Amo以后，交叉項dT·d2的系數(shù)變?yōu)?.093，說明我們預(yù)期的內(nèi)生性問題可能會導(dǎo)致實證結(jié)果及分析的錯誤，但當(dāng)我們加入了融資融券標(biāo)的股票選擇標(biāo)準之后，內(nèi)生性得到了緩解。當(dāng)在Ⅲ中，我們加入了個股收益率為控制變量，交叉項的系數(shù)仍為正，但在10%的置信水平下并不顯著。所以我們認為，融資融券的推出并沒有帶來市場波動性的增加。

同樣，由表3（b）可以看出，在沒有加入任何控制變量，僅控制個體和時期固定效應(yīng)時，融資融券對波動性的影響，即交叉項dT·d2的系數(shù)，是-4.364。但當(dāng)我們控制了流通市值Mv和成交額Amo以后，交叉項系數(shù)變?yōu)?5.822，并且在1%的置信水平下是顯著的，即使當(dāng)我們控制了個股收益率R，交叉項系數(shù)為13.034，仍在1%的置信水平下是顯著的。即融資融券的推出使得標(biāo)的股換手率平均增加了13.034，若用總體樣本換手率的均值61.736作比較，相當(dāng)于增加了其均值的21%。其在改善流動性效果方面還是相當(dāng)明顯的。

（二）穩(wěn)健性分析

1.模型設(shè)定的檢驗

首先，我們將驗證模型設(shè)定的正確性。

以表2（a）中Ⅲ的回歸為例，先檢驗其是否存在個體和時期固定效應(yīng)，檢驗?zāi)Ｐ褪欠翊嬖诠潭ㄐ?yīng)一般用F-檢驗，它用受約束和不受約束模型的殘差平方和構(gòu)造了F統(tǒng)計量，原假設(shè)為不存在固定效應(yīng)。經(jīng)檢驗F統(tǒng)計量為45.4，在1%的置信水平下拒絕原假設(shè)，即模型中存在個體和時期固定效應(yīng)。下面我們將檢驗固定效應(yīng)與隨機效應(yīng)的取舍。

本文參照王汝芳（2009）中對個體和時期的固定效應(yīng)和隨機效應(yīng)的檢驗步驟，對模型設(shè)定的合理性進行驗證[18]。

其有五個需要判斷的假設(shè)命題：

（1）原假設(shè)為：個體-時期隨機效應(yīng)模型；備擇假設(shè)為：個體固定效應(yīng)-時期隨機效應(yīng)模型。

（2）原假設(shè)為：個體-時期隨機效應(yīng)模型；備擇假設(shè)為：個體隨機效應(yīng)-時期固定效應(yīng)模型。

（3）原假設(shè)為：個體-時期隨機效應(yīng)模型；備擇假設(shè)為：個體-時期固定效應(yīng)模型。

（4）原假設(shè)為：個體固定效應(yīng)-時期隨機效應(yīng)模型；備擇假設(shè)為：個體-時期固定效應(yīng)模型。

（5）原假設(shè)為：個體隨機效應(yīng)-時期固定效應(yīng)模型；備擇假設(shè)為：個體-時期固定效應(yīng)模型

步驟如圖3所示：

對于5個命題的檢驗均為Hausman檢驗，命題（1）的Hausman統(tǒng)計量為負，檢驗失效，但是我們觀察兩種估計的結(jié)果發(fā)現(xiàn)其估計值有明顯的差異（估計量符號發(fā)生變化），所以我們有理由拒絕假設(shè)命題（1）原假設(shè)。進入第二步，命題（4）的Hausman統(tǒng)計量為46.65，在1%的置信區(qū)間下拒絕原假設(shè)。進入第三步，命題（5）的Hausman統(tǒng)計量為194.50在1%的置信區(qū)間下拒絕原假設(shè)。檢驗表明，選擇個體-時期固定效應(yīng)模型是合理的。

2.模型潛在問題及解決

在驗證了模型設(shè)定的合理性之后，模型還存在以下問題，如異方差、自相關(guān)、同期截面相關(guān)、內(nèi)生性等問題。我們將一一討論。

為了驗證潛在的異方差、自相關(guān)、同期截面相關(guān)不會對我們的結(jié)果產(chǎn)生明顯的影響。我們先檢驗異方差、自相關(guān)、和截面相關(guān)是否存在①。經(jīng)檢驗，異方差、自相關(guān)、和截面相關(guān)均存在。因此，我們用穩(wěn)健標(biāo)準差修正異方差，如表4（Ⅰ）所示，同時用Driscoll and Kraay（1998）標(biāo)準差，修正自相關(guān)和截面相關(guān)如表4（Ⅱ）②。由于Driscoll and Kraay （1998）討論的誤差項結(jié)構(gòu)同時考慮了異方差、自相關(guān)、和同期截面相關(guān)，其標(biāo)準差對異方差是一致的，并且對自相關(guān)和截面相關(guān)是穩(wěn)健的[19]。

由表4的回歸結(jié)果可以看出，交叉項dT·d2的標(biāo)準差均有一定程度的增大，但是其顯著性與表3的結(jié)果是一致的，說明異方差、自相關(guān)、同期截面相關(guān)問題沒有對實證結(jié)果產(chǎn)生重要影響。此外，模型可能存在遺漏變量導(dǎo)致的內(nèi)生性問題和虛擬變量dT本身的內(nèi)生性問題，我們可以通過加入新的控制變量考察其是否得到控制。由于滯后一期的因變量可以作為其影響因素的代理變量，所以我們將其加入模型中，同時我們可以看到因變量的動態(tài)變化。由于加入了因變量的滯后項，估計時會產(chǎn)生新的內(nèi)生性問題，需要用動態(tài)面板進行估計，但是roodman（2006）指出隨著T的增大時，滯后因變量帶來內(nèi)生性問題是不斷減弱的[20]，所以T較大說明其內(nèi)生性是可以忽略的，而我們的T=30，所以我們?nèi)杂锰摂M變量最小二乘法（LSDV）對其進行估計，如表5（Ⅰ）所示，表中（Ⅱ）同時報告穩(wěn)健標(biāo)準差的回歸結(jié)果。

由表5可知，在加入了因變量的滯后項以后，融資融券對市場波動性的影響為0.069，在表2回歸結(jié)果0.027與0.093之間，修正了異方差以后，其在10%的置信水平下不顯著，與我們的結(jié)論是一致的。融資融券對市場流動性的影響為11.056，在表2回歸結(jié)果13.034和15.822，相差不大，并且都在表2中得到的回歸結(jié)果是穩(wěn)健的，能夠據(jù)此來分析問題的置信水平下是顯著的。

六、結(jié)論與政策建議

本文運用雙重差分模型，對上證A股融資融券試點對市場波動性和流動性的影響進行研究后發(fā)現(xiàn)：上證A股融資融券顯著增加了融資融券標(biāo)的股的流動性，并且并不會加劇個股的波動。

需要指出的是，在我國A股市場融資與融券業(yè)務(wù)的發(fā)展極不平衡，融券交易余額一般只占融資融券余額的1%左右。因此所考察的融資融券的對流動性和波動性的影響，主要是融資業(yè)務(wù)造成的，即保證金交易對市場的影響。但融資與融券對A股市場具體的影響還需要進一步論證。特別是融券對市場的影響，由于相關(guān)部門正在積極推動轉(zhuǎn)融通業(yè)務(wù)與投資者對融券業(yè)務(wù)的熟悉，預(yù)期融券業(yè)務(wù)在其推出以后有較大的增長，融券對市場的沖擊作用將逐漸增大。

基于上述分析，本文認為為了促進證券市場的發(fā)展，融資融券標(biāo)的股票可以進一步放開不用擔(dān)心其會加劇市場的波動。同時，推動加快轉(zhuǎn)融通，以使融券業(yè)務(wù)正常發(fā)展。

參考文獻：

[1]開昌平.融資融券業(yè)務(wù)對我國證券市場的影響[J].中國金融，2010（4）：56-58.

[2]李競.我國A股融資融券交易與市場表現(xiàn)關(guān)系研究——以我國融資融券試點股為例[J].現(xiàn)代商業(yè)，2010（27）：27-29.

[3]聶輝華，方明月，李濤.增值稅轉(zhuǎn)型對企業(yè)行為和績效的影響——以東北地區(qū)為例[J].管理世界，2009（5）：17-25.

[4]David A. Hsieh， Merton H. Miller. Margin Regulation and Stock Market Volatility [J]. Journal of Finance， 1990 （45）：3-29.

[5]Sang Bin Lee， Tae Yol Yoo. Margin regulation and stock market response： further evidence from the U.S and some pacific-basin countries[J].Review of Financial Economics，1991

（1）：79-98.

[6]Gikas A. Hardouvelis， Stavros Peristiani. Margin Requirements， Speculative Trading， and Stock Price Fluctuations： The case of Japan [J]. Quarterly Journal of Economies， 1992（107）：1333-1370.

[7]Y. Hsu. Margin Requirements and Stock Market Volatility：Another look at the Case of Taiwan [J].Pacific-Basin Finance Journal， 1996（4）：409-419.

[8]陳淼鑫，鄭振龍.融券保證金成數(shù)調(diào)整對證券市場波動性的影響——來自臺灣的證據(jù)[J].財經(jīng)問題研究，2008（3）：55-60.

[9]J.Randall Woolridge， Amy Dickinson. Short Selling and Common Stock Prices [J]. Financial Analysts Journal， 1994（50）：20-28.

[10]Anchada Charoenrook and Hazem Daouk.A Study of Market-Wide Short-Selling Restrictions[C].Cornell University， Department of Applied Economics and Management Working Papers，2005.

[11] 廖士光，楊朝軍.賣空交易機制對股價的影響——來自臺灣股市的經(jīng)驗證據(jù)[J].金融研究，2005（10）：131-140.

[12]Pengjie Gao， Jia Hao and Tongshu Ma.Does Removing the Short-sale Constraint Improve Liquidity？ Evidence from Hong Kong[R]，2006.

[13]Jinghan Cai，Yuming Li and Le Lei.Liquidity， Information Asymmetry and Short Sales Constraints： Evidence from the Hong Kong Stock Market[R]，2006， Available at SSRN：http：//ssrn.com/abstract=979688 or http：//dx.doi.org/10.2139/ssrn.979688.

[14]陳淼鑫，鄭振龍.推出賣空機制對證券市場波動率的影響[J].證券市場導(dǎo)報，2008（2）：61-65.

[15]Arturo Bris ，William N. Goetzmann and Ning Zhu.Efficiency and the bear： Short sales and markets around the world[J].Journal of Finance，2007（62）：1029-1079.

[16]霍媛媛，王建瓊，盧濤，湯弦.融資融券運行現(xiàn)狀分析及問題剖析[J].證券市場導(dǎo)報，2010（10）：19-23.

[17]Justine S.Hastings.Vertical Relationships and Competition in Retail Gasoline Markets： Empirical Evidence from Contract Changes in Southern California[J]. American conomic Review，2004（94）：317-328.

[18]王汝芳，杜勇宏.面板數(shù)據(jù)的雙誤差分量模型與Ha-usman檢驗[J].統(tǒng)計與決策，2009（21）：30-32.

[19]Daniel Hoechle.Robust Standard Errors for Panel Re-gressions with Cross-Sectional Dependence[J].The Stata Journ-al，2007（7）： 281-312.

[20]David Roodman.How to Do xtabond2： An Introduction to \"Difference\" and \"System\" GMM in Stata[C].Center for Global Development Working Paper，2006，No.103.

（責(zé)任編輯：張恩娟）