劉明青

（浙江工商大學(xué)，浙江杭州 310018）

融資融券交易對(duì)市場(chǎng)和標(biāo)的個(gè)股波動(dòng)影響的研究

劉明青

（浙江工商大學(xué)，浙江杭州 310018）

作為證券市場(chǎng)的重要制度之一，融資融券交易理論上應(yīng)具有價(jià)格發(fā)現(xiàn)，價(jià)格穩(wěn)定，提高流動(dòng)性等基本功能。本文從融資、融券交易對(duì)市場(chǎng)和個(gè)股兩個(gè)層面系統(tǒng)而全面的分析融資交易和融券交易的價(jià)格穩(wěn)定作用。對(duì)市場(chǎng)波動(dòng)性的影響的研究上主要借助GARCH族模型，VAR模型，脈沖響應(yīng)和方差分解等計(jì)量分析方法；在對(duì)個(gè)股的影響上主要是借助面板數(shù)據(jù)分對(duì)個(gè)股的總體效應(yīng)和個(gè)體效應(yīng)展開分析。研究發(fā)現(xiàn)：融資交易對(duì)指數(shù)波動(dòng)沒有顯著影響，融券交易對(duì)指數(shù)波動(dòng)有一定平抑作用；融資融券交易對(duì)標(biāo)的個(gè)股有價(jià)格穩(wěn)定作用，除極個(gè)別個(gè)股的融資作用表現(xiàn)不確定。

融資融券，非對(duì)稱GARCH模型，VAR模型，面板數(shù)據(jù)

一、引言

融資融券又叫做證券信用交易，是指證券公司向投資者出借資金供其買入或者出借證券供其賣出的經(jīng)營(yíng)活動(dòng)。關(guān)于買空證券由來(lái)已久，而從1609年發(fā)生在荷蘭阿姆斯特丹證券交易所的賣空交易以來(lái)，證券賣空交易也有四百多年歷史。我國(guó)自2010年3月31日融資融券試點(diǎn)正式啟動(dòng)以來(lái)卻僅有四年的歷史。目前融資融券的典型模式主要包括以美國(guó)為代表的分散授信模式，以日本、韓國(guó)為代表的專業(yè)化集中授信模式，以我國(guó)臺(tái)灣地區(qū)為代表的“雙軌制”模式。而我國(guó)則采用證券金融公司主導(dǎo)的集中信用模式作為過渡。這其中，分散授信模式建立在發(fā)達(dá)的金融市場(chǎng)基礎(chǔ)上，不存在專門從事信用交易融資的機(jī)構(gòu)，是包括我國(guó)在內(nèi)的其他國(guó)家的發(fā)展方向和目標(biāo)。

海外關(guān)于賣空交易的研究已相當(dāng)成熟幾乎可以蓋棺定論了，而國(guó)內(nèi)學(xué)者的經(jīng)典研究至今還停留在基于國(guó)外證券市場(chǎng)的經(jīng)驗(yàn)研究上。此外，融券本身也不等同于賣空，因此，就融資融券在國(guó)內(nèi)證券市場(chǎng)的功能發(fā)揮進(jìn)行系統(tǒng)而全面的研究更有必要。

雖然融券不完全等同于裸賣空，但是投資者可以先在證券賬戶中借入股票再賣出，這樣無(wú)疑改變了以往“單邊市”格局。方便投資者及時(shí)對(duì)市場(chǎng)信息作出反應(yīng)，增加了證券的供求彈性。當(dāng)證券價(jià)格過高時(shí)，投機(jī)者預(yù)計(jì)未來(lái)股價(jià)下跌，投機(jī)者融券賣出股票，這一方面增加市場(chǎng)上股票的供給，同時(shí)賣空交易又“示范性”地向市場(chǎng)傳遞股價(jià)被高估的信號(hào)最終改變市場(chǎng)供求狀況，抑制股價(jià)過度上漲。待市場(chǎng)股票供給大于需求，股價(jià)過度下跌時(shí)，先前賣空的投機(jī)者又因交割需要而重新買入這些股票，增加了這些股票的需求，抑制股票的過度下跌?；谝陨蠙C(jī)制分析，融資融券具有價(jià)格穩(wěn)定的功能。那么在我國(guó)目前的市場(chǎng)制度中，融資融券是否發(fā)揮了價(jià)格“緩沖器”的作用，還是助漲殺跌了呢。為此本文從理論機(jī)制分析入手，進(jìn)一步通過實(shí)證分析的手段對(duì)融資交易和融券交易對(duì)市場(chǎng)指數(shù)波動(dòng)和標(biāo)的個(gè)股的影響展開系統(tǒng)全面的研究。

本文采用滬深300指數(shù)的波動(dòng)作為市場(chǎng)波動(dòng)情況的代表，運(yùn)用GARCH族模型提取指數(shù)日收益率的標(biāo)準(zhǔn)差，運(yùn)用VAR分析融資融券對(duì)股市波動(dòng)的影響，同時(shí)也就VAR模型本身所忽略的同期影響進(jìn)行了分析。實(shí)證的第二部分主要是選取最早被納入融資融券標(biāo)的范圍的證券的日融資、融券、日交易行情數(shù)據(jù)，運(yùn)用面板數(shù)據(jù)進(jìn)行回歸分析兩融對(duì)個(gè)股波動(dòng)的影響。

本文的創(chuàng)新之處在于：一、相對(duì)系統(tǒng)全面地從市場(chǎng)和個(gè)股兩個(gè)角度對(duì)融資融券的價(jià)格穩(wěn)定功能進(jìn)行考察；二、在對(duì)市場(chǎng)波動(dòng)的影響中考慮到當(dāng)期影響；三、在個(gè)股層面上選用面板數(shù)據(jù)研究對(duì)個(gè)股股價(jià)波動(dòng)影響的總體效應(yīng)和個(gè)體效應(yīng)。

二、實(shí)證研究

（一） 融資融券對(duì)股市波動(dòng)影響研究

1.研究區(qū)間與變量定義

自2010年3月31日融資融券試點(diǎn)正式啟動(dòng)至2014年1月30日，先后經(jīng)歷了三次大的范圍調(diào)整，并在2012年8月29日開始實(shí)施轉(zhuǎn)融通業(yè)務(wù)。以融資融券業(yè)務(wù)試點(diǎn)開始和轉(zhuǎn)融通實(shí)施為分界點(diǎn)，取之前和之后近17個(gè)月即2008.10.31到2014.1.30作為我們的整個(gè)研究區(qū)間，考察融資融券交易對(duì)指數(shù)波動(dòng)的影響。

我們都知道金融時(shí)間序列往往具有尖峰厚尾、時(shí)變方差特征，而大量研究表明GARCH族模型能很好刻畫金融時(shí)間序列的波動(dòng)聚類現(xiàn)象。先前有學(xué)者通過研究發(fā)現(xiàn)樣本數(shù)據(jù)的頻率相對(duì)預(yù)測(cè)期間越高，波動(dòng)率預(yù)測(cè)的精度就越高。鑒于滬深300指數(shù)最能代表整個(gè)A股市場(chǎng)，故選取滬深300指數(shù)日收盤價(jià)（index_sp）作為研究樣本。運(yùn)用GARCH族模型取收益率標(biāo)準(zhǔn)差來(lái)表示波動(dòng)性（vol）。

以融資余額（rzye）、融券余額（rqye）作為原始數(shù)據(jù)，用對(duì)數(shù)作差法分別表示融資余額變化率（rzyer）、融券余額變化率（rqyer）代表融資交易和融券交易。

2.研究準(zhǔn)備

下面取2010年3月31日至2014年1月30日作為融資融券交易對(duì)市場(chǎng)指數(shù)波動(dòng)影響的研究區(qū)間，通過時(shí)間序列模型計(jì)算指數(shù)波動(dòng)（vol）。經(jīng)過多次嘗試發(fā)現(xiàn)引入一個(gè)虛擬變量（d）的GARCH（2,1）的模型擬合效果最好。具體模型如下

使用Eviews進(jìn)行自回歸條件異方差估計(jì)，輸出結(jié)果整理如表1，顯示方程擬合效果較好，均值方程和方差方程各個(gè)系數(shù)都很顯著。虛擬變量系數(shù)顯著為正，說(shuō)明在后一階段股市波動(dòng)有所增加，但影響股市波動(dòng)因素復(fù)雜多變，不能就此歸咎于轉(zhuǎn)融通的影響。對(duì)轉(zhuǎn)融通追蹤發(fā)現(xiàn)，轉(zhuǎn)融通開通后的一段時(shí)間內(nèi)，融資融券交易規(guī)模并沒有顯著放大，因此它對(duì)市場(chǎng)的作用也不會(huì)立馬表現(xiàn)，還需要一些時(shí)日來(lái)觀察考量。

表1 非對(duì)稱GARCH（2,1）回歸結(jié)果

通過“Make GARCH Variance Series…”取方差再開平方作為指數(shù)波動(dòng)指標(biāo)（vol）。為研究融資融券交易對(duì)指數(shù)波動(dòng)的影響，對(duì)序列vol，rzyer，rqyer分別作單位根檢驗(yàn)（Unit Root Test），發(fā)現(xiàn)三個(gè)序列都為平穩(wěn)時(shí)間序列I(0)，繼而分別研究融資交易與指數(shù)波動(dòng)，融券交易與指數(shù)波動(dòng)的關(guān)系。

3.融資、融券交易對(duì)指數(shù)波動(dòng)影響分析

通過序列Granger因果關(guān)系檢驗(yàn)初步判斷融資交易、融券交易與指數(shù)波動(dòng)的因果關(guān)系，進(jìn)而分別建立兩變量VAR模型，對(duì)變量的因果關(guān)系，影響方向和程度進(jìn)行進(jìn)一步探討。

（1）序列Granger因果檢驗(yàn)

對(duì)指數(shù)波動(dòng)與融資交易、融券交易進(jìn)行Granger因果關(guān)系檢驗(yàn)結(jié)果如表2，從表中我們可以看出融資交易與指數(shù)波動(dòng)并沒有明顯的因果關(guān)系。融資交易即沒有對(duì)指數(shù)有助漲作用，也沒有平抑作用。而融券交易顯著是指數(shù)波動(dòng)的Granger原因。進(jìn)一步地建立VAR模型來(lái)來(lái)分析其影響方向與程度。

表2 指數(shù)波動(dòng)與融資交易、融券交易序列間因果關(guān)系檢驗(yàn)

指數(shù)波動(dòng)與融資交易的兩變量VAR模型

指數(shù)波動(dòng)與融券交易的兩變量VAR模型

（2）最佳滯后階數(shù)，穩(wěn)定性檢驗(yàn)

通過“Lag Length Criteria”確定指數(shù)波動(dòng)與融資交易的兩變量VAR模型最優(yōu)滯后階數(shù)為8。對(duì)模型進(jìn)行穩(wěn)定性檢驗(yàn)，特征根均在單位圓內(nèi)，表明序列是平穩(wěn)的，可以建立VAR模型。建立VAR（8）模型，發(fā)現(xiàn)波動(dòng)性方程擬合效果較好，融資余額變化率方程擬合效果較差，說(shuō)明融資余額變化率對(duì)指數(shù)波動(dòng)性的解釋性要強(qiáng)一些。

指數(shù)波動(dòng)與融券交易VAR模型最佳滯后階數(shù)為6，穩(wěn)定性檢驗(yàn)顯示并無(wú)特征根在單位圓外，說(shuō)明模型穩(wěn)定。同融資交易部分的結(jié)果，指數(shù)波動(dòng)方程比融券交易方程的擬合效果更好，說(shuō)明融券交易對(duì)指數(shù)波動(dòng)的解釋性更強(qiáng)一些。

（3）因果關(guān)系檢驗(yàn)

分別對(duì)指數(shù)波動(dòng)與融資交易的VAR（8）模型，指數(shù)波動(dòng)與融券交易的VAR（6）模型進(jìn)行Granger因果關(guān)系檢驗(yàn)整理如表4。結(jié)果顯示，融資交易和融券都是指數(shù)波動(dòng)的Granger原因，但是在5%的置信水平下，指數(shù)波動(dòng)是融券交易的Granger原因，而指數(shù)波動(dòng)卻不是融資交易的Granger原因，但是在10%置信水平下卻可以拒絕指數(shù)波動(dòng)不是融資交易的Granger原因。因此，我們認(rèn)為融資交易、融券交易對(duì)指數(shù)波動(dòng)有顯著影響；而指數(shù)波動(dòng)對(duì)融券交易影響顯著，指數(shù)波動(dòng)對(duì)融資交易有一定影響。

表4 VAR模型Granger因果檢驗(yàn)

從Granger因果分析，我們可以認(rèn)為融資交易、融券交易對(duì)會(huì)對(duì)指數(shù)的波動(dòng)產(chǎn)生影響。進(jìn)一步分析影響的方向和程度。

（4）脈沖響應(yīng)分析

對(duì)指數(shù)波動(dòng)與融資交易的兩變量VAR(8)的脈沖響應(yīng)結(jié)果如圖3，圖中我們可以看出對(duì)融資余額變化率施加一個(gè)單位標(biāo)準(zhǔn)差的沖擊，對(duì)指數(shù)的影響是負(fù)向的，且在第三期影響達(dá)到最大，后逐漸減小，第四到五期又表現(xiàn)為正的沖擊，第六到七期沖擊又表現(xiàn)為負(fù)向的，正負(fù)效應(yīng)交替出現(xiàn)兩次后大概從第十期開始影響基本消失殆盡，信息基本被市場(chǎng)消化。另一方面，對(duì)指數(shù)的波動(dòng)施加一個(gè)正向沖擊，融資交易變化率有一個(gè)正向影響，說(shuō)明指數(shù)的波動(dòng)會(huì)增加融資交易。

而融券交易對(duì)指數(shù)波動(dòng)明顯存在負(fù)效應(yīng)，并在第二期達(dá)到最大后影響逐漸減小直至第三十期后消失殆盡。說(shuō)明了融券對(duì)指數(shù)波動(dòng)的抑制作用在第二日達(dá)到最大，并在一個(gè)月后消失，這也說(shuō)明了融券交易對(duì)指數(shù)波動(dòng)的滯后效應(yīng)。另一方面指數(shù)波動(dòng)對(duì)融券有一個(gè)很小的正效應(yīng)，說(shuō)明了指數(shù)波動(dòng)會(huì)引起融券的增加，影響在第二期達(dá)到最大，第三期開始逐漸消失。這也許是指數(shù)大幅下跌的情況下，更多投機(jī)者的賣空造成的。當(dāng)然這也和可能是指數(shù)劇烈上漲時(shí)，謹(jǐn)慎的投機(jī)者看空導(dǎo)致的，與理論分析不謀而合。

圖3 指數(shù)波動(dòng)與融資交易、融券交易脈沖響應(yīng)分析

表5 方差分解

（5）方差分解

脈沖響應(yīng)函數(shù)描述的是VAR模型中的一個(gè)內(nèi)生變量的沖擊給其他內(nèi)生變量所帶來(lái)的影響。而方差分解(Variance Decompositions)是通過分析每一個(gè)結(jié)構(gòu)沖擊對(duì)內(nèi)生變量變化(通常用方差來(lái)度量)的貢獻(xiàn)度，進(jìn)一步評(píng)價(jià)不同結(jié)構(gòu)沖擊的重要性。對(duì)指數(shù)波動(dòng)與融資交易、融券交易進(jìn)行方差分解如表5，從表中我們可以看到不考慮指數(shù)波動(dòng)本身的貢獻(xiàn)率，融資交易對(duì)指數(shù)波動(dòng)的貢獻(xiàn)程度從第九期開始基本穩(wěn)定在0.6%，融券交易對(duì)指數(shù)波動(dòng)的貢獻(xiàn)程度在0.9%左右。雖然融券交易規(guī)模較小，但是對(duì)指數(shù)波動(dòng)的影響更大；但整體上融資融券交易對(duì)指數(shù)波動(dòng)的影響較小

表6 同期擾動(dòng)項(xiàng)相關(guān)性檢驗(yàn)

（6）同期相關(guān)性檢驗(yàn)

我們都知道VAR簡(jiǎn)化式中變量間的當(dāng)期關(guān)系沒有直接給出，而是隱藏在誤差項(xiàng)相關(guān)關(guān)系的結(jié)構(gòu)中。通常情況下，我們會(huì)認(rèn)為當(dāng)期融資、融券交易必然會(huì)對(duì)指數(shù)波動(dòng)產(chǎn)生影響，為了檢驗(yàn)我們的方程的擾動(dòng)項(xiàng)之間是否存在同期相關(guān)關(guān)系，可用殘差的同期相關(guān)矩陣來(lái)描述，如表6，從表中可以看到指數(shù)波動(dòng)方程和融資交易方程、融券交易方程的殘差項(xiàng)之間的同期相關(guān)系數(shù)都比較小，分別為0.006896和0.0247。于是我們忽略同期影響，暫不考慮SVAR模型的進(jìn)一步分析。這同時(shí)也說(shuō)明融資交易、融券交易對(duì)指數(shù)波動(dòng)的作用有滯后的特點(diǎn)，這和前邊的理論分析如出一轍。

（二）融資融券對(duì)標(biāo)的個(gè)股影響分析

這一部分我們?cè)噲D研究融資融券交易對(duì)標(biāo)的個(gè)股股價(jià)波動(dòng)的影響，需要處理的是一個(gè)對(duì)不同時(shí)刻截面?zhèn)€體進(jìn)行連續(xù)觀測(cè)的多維時(shí)間序列數(shù)據(jù)的問題，為此我們我們引用目前被廣泛應(yīng)用的面板數(shù)據(jù)模型。

1.數(shù)據(jù)與指標(biāo)選取

考慮2010年剛剛開始融資融券試點(diǎn)工作，市場(chǎng)對(duì)其了解不夠，各方面也很不成熟，遂選擇2011年9月1日到2013年8月30日作為研究區(qū)間，歷時(shí)兩年共計(jì)482個(gè)交易日。以最初被納入融資融券標(biāo)的范圍的90只股票作為范圍，剔除期間被調(diào)出標(biāo)的范圍或者有暫停交易記錄的23家公司，最終確定67只在此期間具有連續(xù)交易數(shù)據(jù)的股票作為研究對(duì)象。

以日收盤價(jià)(SP)計(jì)算日收益率(SPR)作為個(gè)股股價(jià)波動(dòng)指標(biāo)，以日融資余額(RZYE)變化率和融券余額(RQYE)變化率分別表示融資交易(RZYER)和融券交易(RQYER)。計(jì)算方法上均采用對(duì)數(shù)作差法。同時(shí)將與股價(jià)波動(dòng)有明顯關(guān)系的換手率（HSL）和滬深300指數(shù)波動(dòng)率（INDEX_SPR）納入影響因素內(nèi)。各指標(biāo)具體計(jì)算如下：

2.實(shí)證分析

以日收益率（SPR）為因變量，融資余額變化率(RZYER)、融券余額變化率(RQYER)、換手率(HSL)、滬深300指數(shù)收益率(INDEX_SPR)為自變量，建立模型如下：站融資融券交易數(shù)據(jù)顯示自2013年9月16日擴(kuò)大融資融券標(biāo)的范圍至700家至2014年1月30日，融資融融券標(biāo)的證券公司數(shù)量占滬深上市公司總數(shù)的比例接近30%，而日融資買入額占A股交易金額比例平均不到10%，其中融資交易占融資融券總交易額的97%到99%，融券交易金額占A股交易金額比例平均不到1%。所以，融資融券交易對(duì)個(gè)股股價(jià)波動(dòng)有顯著的較小的平抑作用也在情理之中。

表7 面板數(shù)據(jù)混合回歸結(jié)果

（1）融資融券交易對(duì)標(biāo)的個(gè)股股價(jià)波動(dòng)的總體效應(yīng)分析

利用Stata 對(duì)SPR RZYER RQYER HSL INDEX_SPR序列進(jìn)行混合回歸結(jié)果如表7，我們可以看到融資余額變化率的系數(shù)為-0.0697，顯然對(duì)股價(jià)收益率有顯著的負(fù)向影響；而融券余額變化率系數(shù)為0.0082，對(duì)股價(jià)變化表現(xiàn)顯著的正效應(yīng)。即融資對(duì)股價(jià)上漲有抑制作用，融券對(duì)股價(jià)下跌有抑制作用。并不是表現(xiàn)推波助瀾的融資助漲，融券助跌，因此我們可以認(rèn)為融資融券對(duì)標(biāo)的個(gè)股的股價(jià)波動(dòng)有一定平抑作用，但作用都比較小。這個(gè)可能跟融資融券交易規(guī)模本身占證券日交易規(guī)模的很小比例造成的。來(lái)自中國(guó)證券金融股份有限公司網(wǎng)

（2）融資融券交易對(duì)標(biāo)的個(gè)股股價(jià)波動(dòng)的個(gè)體效應(yīng)分析

在表7中我們得到的常數(shù)項(xiàng)（_cons）是所有個(gè)體效應(yīng)的平均值，那么個(gè)體間是否存在差異呢，我們使用固定效應(yīng)（Fixed Effects）回歸結(jié)果發(fā)現(xiàn)其中的F檢驗(yàn)的P值為0.0000，故強(qiáng)烈拒絕不存在個(gè)體效應(yīng)的原假設(shè)，固定效應(yīng)模型明顯優(yōu)于混合回歸，應(yīng)該允許每個(gè)個(gè)體擁有自己的截距項(xiàng)。

對(duì)于長(zhǎng)面板數(shù)據(jù)，由于樣本容量較大，除了讓每個(gè)個(gè)體擁有自己的截距項(xiàng)外，還可以允許每個(gè)個(gè)體的回歸方程斜率也不同。為此我們使用隨機(jī)系數(shù)模型（Random Coefficient Model）進(jìn)行分析?；貧w結(jié)果如表8，其中統(tǒng)計(jì)量的P值為0.0000，故強(qiáng)烈拒絕參數(shù)不變的原假設(shè)，即融資融券交易對(duì)個(gè)股股價(jià)波動(dòng)影響有所差異。在對(duì)67組個(gè)體的回歸結(jié)果中顯示，67個(gè)個(gè)體的融券交易系數(shù)顯著為正，有62個(gè)個(gè)體的融資交易系數(shù)顯著為負(fù)，其余五家標(biāo)的證券融資交易系數(shù)為正，但是4個(gè)個(gè)體的P值都很大，表現(xiàn)為為嚴(yán)格不顯著，只有一家標(biāo)的證券公司的融資交易系數(shù)表現(xiàn)為顯著為正。因此我們可以認(rèn)為，個(gè)股融資融券交易數(shù)據(jù)對(duì)股價(jià)波動(dòng)的作用大小有所差異，但基本都顯示融資融券交易有助于股價(jià)的穩(wěn)定。

表8 隨機(jī)系數(shù)模型結(jié)果

至此，可以對(duì)我們的第二部分實(shí)證得出如下結(jié)論，融資融券交易對(duì)標(biāo)的個(gè)股股價(jià)的影響整體上發(fā)揮了價(jià)格穩(wěn)定功能，否定了市場(chǎng)上一些所謂“融資交易助漲，融券交易殺跌”的結(jié)論。

綜合融資交易對(duì)指數(shù)波動(dòng)和個(gè)股股價(jià)波動(dòng)影響的實(shí)證結(jié)果發(fā)現(xiàn)兩部分表現(xiàn)強(qiáng)烈一致。即融資融券交易總體上發(fā)揮了價(jià)格穩(wěn)定的作用。雖然相比融資，融券交易規(guī)模較小，但是融券交易的價(jià)格穩(wěn)定作用表現(xiàn)顯著，融資交易的影響還有個(gè)別的不確定性。

三、研究結(jié)論及政策建議

本文通過對(duì)融資融券交易價(jià)格穩(wěn)定功能進(jìn)行實(shí)證研究，得出以下結(jié)論：（1）融資融券交易總體上發(fā)揮了價(jià)格“緩沖器”的功能，但作用較小。（2）與融資交易相比，融券交易規(guī)模非常小，但是融券交易的價(jià)格穩(wěn)定作用反而更加顯著。（3）融資融券交易對(duì)價(jià)格波動(dòng)作用的發(fā)揮主要體現(xiàn)在滯后期，當(dāng)期影響較小，與理論分析一致。（4）除極個(gè)別個(gè)股融資交易的價(jià)格穩(wěn)定作用不太明顯外，融券交易的價(jià)格平抑作用均非常顯著。

通過實(shí)證分析，我們充分肯定了融資融券的價(jià)格穩(wěn)定作用，但是鑒于融資融券交易規(guī)模占A股成交額的不到10%，遠(yuǎn)小于發(fā)達(dá)證券市場(chǎng)，其對(duì)整個(gè)市場(chǎng)的價(jià)格穩(wěn)定功能沒有得到充分發(fā)揮。因此，我們提出如下建議：

一、放松準(zhǔn)入，增加融資融券交易規(guī)模。在融資融券業(yè)務(wù)發(fā)展相對(duì)成熟的市場(chǎng)，融資融券交易規(guī)模占總成交規(guī)模的20%～40%，而我國(guó)卻不到15%，為此我們要竭力增加融資融券交易規(guī)模。數(shù)據(jù)顯示截止2014年1月30日，融資融券交易標(biāo)的證券數(shù)量為713家，占境內(nèi)上市公司數(shù)量的不到1/3，開通融資融資融券業(yè)務(wù)的證券公司數(shù)量為89，約占證券公司總數(shù)的3/4，有融資融券業(yè)務(wù)資格的營(yíng)業(yè)部數(shù)量為4920。為此，我們要繼續(xù)不斷擴(kuò)充融資融券標(biāo)的范圍，批準(zhǔn)更多證券公司融資融券交易的業(yè)務(wù)資格。不斷增加市場(chǎng)參與主體，進(jìn)而活躍市場(chǎng)，充分發(fā)揮融資融券交易的價(jià)格穩(wěn)定功能。

二、建立差別化保證金制度，在有效防范風(fēng)險(xiǎn)的情況下盡可能增加融資融券的交易規(guī)模。良好的保證金制度一方面可以有效降低融資融券的交易成本，增加融資融券交易規(guī)模，更好發(fā)揮融資融券交易的各種功能。但是過高的保證金制度也會(huì)限制融資融券業(yè)務(wù)規(guī)模的放大。融資融券《試點(diǎn)實(shí)施細(xì)則》規(guī)定，投資者融資買入或者融券賣出證券時(shí)，初始保證金比例不得低于50%，維持保證金比例不得低于130%。50%的比例使得融資融券總放大倍數(shù)不足1，這對(duì)于有些標(biāo)的證券來(lái)講可能有點(diǎn)苛刻，但對(duì)有些波動(dòng)稍微強(qiáng)烈的標(biāo)的股票約束還不夠。為此建立差別化的保證金制度可以有效控制融資融券交易風(fēng)險(xiǎn)的同時(shí)最大程度活躍融資融券交易。

三、放款融資融券交易期限，給融資融券交易更多的靈活性。根據(jù)現(xiàn)行規(guī)定，融資融券交易期限最長(zhǎng)不得超過六個(gè)月，且不得展期。這給融資融券交易帶來(lái)了很多不便性，如果可以放寬融資融券交易期限將提供很多操作上的靈活性，給融資融券交易增添更多活力。

四、大力發(fā)展融券交易。從我們的實(shí)證研究發(fā)現(xiàn)，融券交易的價(jià)格穩(wěn)定作用更加明顯，但是融券規(guī)模卻占融資融券交易規(guī)模的1%～2%，比例太小。市場(chǎng)“重融資，輕融券”的“跛腳”發(fā)展現(xiàn)象嚴(yán)重。通過發(fā)展轉(zhuǎn)融券交易改善市場(chǎng)失衡狀況，充分發(fā)揮融券交易的作用。

[1]James J Angel.short-selling and common stock price[J].Journal of Finance,1993(48):761-777

[2]The Chase Manhattan Bank and the ASTEC Consulting Group,Inc.Short selling[R]. US Equity Market Signals in Short Selling Activities,2000-8-18:1-8

[3]Hong,Harrison,and Jeremy C Stein.Differences of opinion,short-sales constraints,and market crashes[J].Review of Financial Studies,2003,(16):487-525

[4]Miller,E Risk.Uncertainty and divergence of opinion[J].Journal of Finance,1977(32):1151-1168

[5]Diamond D.and R.Verrecchia,Constrains on Short-selling and Asset Price Adjustment to Private Information Journal of Financial Economics,1987(18 ):277-311

[6]廖士光,楊朝軍.賣空交易機(jī)制、波動(dòng)性和流動(dòng)性[J].管理世界,2005(12):6-14

[7]廖士光,張宗新.新興市場(chǎng)引入賣空機(jī)制對(duì)股市的沖擊效應(yīng)[J].財(cái)經(jīng)研究,2005(10):42-52

[8]王旻,廖士光,吳淑琨.融資融券交易的市場(chǎng)沖擊效應(yīng)研究[J].財(cái)經(jīng)研究,2008(10):99-109

[9]廖士光,楊朝軍.賣空交易機(jī)制對(duì)股價(jià)的影響[J].金融研究,2005(10):131-140

[10]陳淼鑫,鄭振龍.賣空機(jī)制對(duì)證券市場(chǎng)的影響[J].世界經(jīng)濟(jì),2008(12):73-81

[11]陳淼鑫,鄭振龍.推出賣空機(jī)制對(duì)證券市場(chǎng)波動(dòng)率的影響[N].證券市場(chǎng)導(dǎo)報(bào),2008-2:61-65

[12]宋常,陳茜.買空賣空機(jī)制對(duì)市場(chǎng)和個(gè)股波動(dòng)性的影響[J].商業(yè)研究,2013(8):1-8

[13]唐孺婧.融資融券交易對(duì)我國(guó)股市影響之研究[D].南京:南京師范大學(xué),2012

Margin Impact on Volatility of the Market and then Individual Stocks

LIU Mingqing

As one of the important systems of the stock market, margin trading theoretically should have price discovery, price stability, liquidity improving and other basic functions. This article starts from analysis the price stabilizing effect on the market and individual stocks from two levels ,systematically and comprehensively.The study of the effects of market volatility mainly goes through quantitative analysis method GARCH family models, VAR model, impulse response and variance decomposition; the impact on stocks mainly through panel data , on the overall effects and individual effect. The study found: margin trading almost have a stabilizing effect to index fl uctuations ; margin trading have a stabilizing effect to the price of the underlying stocks, except some individual stocks has uncertain effects.

Margin, Asymmetric GARCH Model, VAR Model, Panel Data

F830

A

1009 - 3109（2014）10-0010-07

（責(zé)任編輯：何昆燁）

劉明青，女，漢族，浙江工商大學(xué)金融學(xué)院，碩士在讀。