方立兵 劉海飛

(南京大學工程管理學院, 江蘇 南京 210093)

引言

健全的融資融券制度可以合理地平衡買空者和賣空者的利益，進而創(chuàng)造一個公平、公正的交易環(huán)境。然而，長期以來，我國的融資融券業(yè)務一直處于嚴重的失衡狀態(tài)。融券交易因受到諸多約束，其業(yè)務比重遠低于融資交易。圖1給出了兩融業(yè)務試點啟動至2014年6月30日，滬深兩市每日融資融券交易中的融資買入額占比和融資余額占比的折線圖。從圖1中可以清晰地看出，融資余額在兩融交易余額中的占比一直維持在90%以上。

圖1 滬深股市兩融交易中的融資買入額、融資余額占比(%)

基于Wind資訊提供的數(shù)據(jù)統(tǒng)計，從“試點”期至2011年12月5日第一次擴容，滬深兩市融資買入的日均交易額為82,865.50萬元，而融券賣出的日均交易額僅為5,467.58萬元，融券交易的日均比重僅為5.2%；從融資融券日均余額來看，二者分別為1,640,782.47萬元和13,068.24萬元，前者約為后者的100余倍，融券余額的日均比重僅為0.75%。2013年2月28日，旨在擴大券源、緩解融券約束的轉融券業(yè)務開始試點運行。但自此至2014年7月31日，滬深兩市融資買入的日均交易額為1,600,363.75萬元，而融券賣出的日均交易額僅為250,026.85萬元，融券交易的日均比重有所提升，達到14.3%；但日均融券余額仍然遠遠低于融資余額，前者為343,793.98萬元，而后者仍然為前者近100倍，達到30,223,931.68萬元，期間融券余額的日均比重雖然較試點期有所提升，但仍然不過1.3%。由此可見，融資融券交易長期以來一直處于嚴重的失衡狀態(tài)，且融資交易占據(jù)絕對優(yōu)勢1。

從資產(chǎn)定價的角度來講，融資融券作為一項交易機制，其本身既有利于促進資產(chǎn)價格揭示利好消息，也有利于促進資產(chǎn)價格揭示利空消息。因此，如果兩融交易的功能得到充分、合理的發(fā)揮，并不會直接促使風險資產(chǎn)被過高(低)地定價。但是，在融資融券交易嚴重失衡的背景下，“過度”的融資交易會放大利好信息對資產(chǎn)價格的影響，而相對“短缺”的融券交易則會導致資產(chǎn)價格對利空信息反應不足。因此，如果融資交易過多，或者融券交易過少，風險資產(chǎn)都會被過高定價，從而產(chǎn)生顯著為正的定價偏誤。

上述分析需要從以下兩個方面做進一步的說明。首先，這里提出的“融資融券失衡”可能存在兩種情形。一是投資者基于理性預期而做出的交易決策。此時所謂的“失衡”其實是理性的，因此并不會導致資產(chǎn)定價出現(xiàn)顯著的定價誤差。另一種情況是由融資交易過度、融券交易缺乏而導致的“失衡”，此時是非理性的。根據(jù)上述分析，只有這種情況下的“失衡”才可能導致標的股票的價格出現(xiàn)定價誤差。然而，先驗地界定現(xiàn)實中的“失衡”是理性或者非理性存在較大的困難。但如果實證結果顯示，融資融券失衡程度對資產(chǎn)的定價誤差存在顯著的影響，那么，就可以在統(tǒng)計意義上拒絕“理性失衡”的假設。

另一個需要說明的是，上述分析的邏輯與Miller(1977)[1]的理論是一致的。Miller(1977)[1]指出，當市場缺乏賣空(融券)機制時，利好信息通常可以得到立即揭示，利空信息卻常常受到“抑制”，因而資產(chǎn)價格將更多地反映樂觀投資者的信息，并使得股價發(fā)生向上的偏離(Up-bias)。因此，Miller的理論預示著，在缺乏賣空機制的市場上，風險資產(chǎn)往往會被過高定價。在融資融券嚴重失衡、融資業(yè)務占據(jù)絕對優(yōu)勢的背景下，我國的市場環(huán)境仍然是符合Miller的市場環(huán)境。更有甚者，融資業(yè)務的引入、融券業(yè)務的缺乏還可能導致資產(chǎn)價格被進一步高估，從而使得Miller的理論預示在我國的市場環(huán)境中變得更加顯著。因此，本文的上述邏輯與Miller的理論是一致的。與Miller(1977)[1]不同的是，本文將進一步分析融資融券的失衡程度如何影響標的股票的收益率，而上述分析則預示著二者之間應當呈正相關關系。

為了對這一直觀認識進行實證檢驗，本文基于經(jīng)典的“均值-方差”CAPM模型(MVCAPM)、三因素模型(TFM)、“均值—方差—偏度”CAPM(MVSCAPM)和“均值—方差—偏度—峰度”CAPM(MVSKCAPM)四種定價模型，以2013年9月16日第三次擴容之后，融資融券失衡程度較為嚴重的標的股票為樣本，考察其存在怎樣的定價誤差。

就貢獻而言，現(xiàn)有文獻大多關注于賣空(融券)機制如何影響市場的定價效率。從國際文獻來看，相關研究不勝枚舉，限于篇幅這里列出比較有代表性的文獻。Bris等(2007)[2]對全球46個股票市場的截面和時間序列信息進行分析后發(fā)現(xiàn)，那些允許賣空的市場能夠快速地吸收負面信息。又如，Diether等(2009)[3]則指出，賣空者是有私人信息的，因為他們發(fā)現(xiàn)伴隨正收益的賣空者增加能夠正確預測未來的負的異常收益，且在控制流動性供給和投機性風險后，這一模式依然是穩(wěn)健的。再如，Saffi和Sigurdsson(2011)[4]基于2005～2008年全球26個國家、12,621只股票的出借供給數(shù)據(jù)以及股票的收益率數(shù)據(jù)考察了賣空約束對價格發(fā)現(xiàn)效率以及收益率分布特征的影響。2007年次貸危機引發(fā)的全球范圍內(nèi)的金融危機，促使國際社會紛紛采取不同程度的措施以限制投資者的賣空行為。這就為研究賣空機制能否提升市場定價效率提供了天然的試驗場。在此背景下，Beber和Pagano(2013)[5]考察了危機期推出賣空禁令的30個國家、16,491只股票的流動性、價格發(fā)現(xiàn)受到了怎樣的影響。結果發(fā)現(xiàn)，賣空禁令顯著減緩了價格發(fā)現(xiàn)過程，熊市行情下尤為如此?？梢?，與這些文獻相比，本文關注于融資融券失衡如何影響定價誤差具有顯著的特色。

其次，從國內(nèi)文獻來看，相關學者也大多致力于比較兩融業(yè)務實施前后標的股票的定價效率。例如，廖士光(2011)[20]采用事件研究法，對滬深兩市融資融券“試點”期及以后半年內(nèi)，標的證券在確定與調(diào)整事件前后的超常收益率。許紅偉和陳欣(2012)[21]則以2010年3月31日正式推出融資融券前后各250個交易日(約1年)為樣本，考察了標的股票的定價效率。黃洋等(2013)[22]以第一批納入融資融券范圍的90只股票為樣本，選取盈余公告后的價格漂移異象為切入點，檢驗融資融券推出對市場價格發(fā)現(xiàn)效率的影響作用。此外，李志生等(2015)[23]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(fā)現(xiàn)融資融券改善了我國股票市場的價格發(fā)現(xiàn)，融資融券標的股票的定價效率得到了顯著提高。

在標的股票的定價誤差方面，李科等(2014)[24]利用白酒行業(yè)塑化劑事件為契機，股票賣空限制的性質(zhì)構建對沖投資組合，實證結果顯示投資策略取得了0.5%的平均日超額收率，1.5%的標準差和33%的日夏普比率。他們認為賣空限制導致了股價高估，融資融券制度等做空機制有助于矯正高估的股價，提高市場定價效率。趙勝民和閆紅蕾(2015)[25]以兩融標的股票為樣本分析A股市場的統(tǒng)計套利風險，研究發(fā)現(xiàn)基于股票所屬行業(yè)構建套利組合具有較大風險，融資融券的雙向交易機制尚未充分發(fā)揮，市場有效程度不足。

綜合現(xiàn)有文獻，學者們大多致力于比較賣空機制(融券)實施前后，亦或放松與收緊前后如何影響市場的定價效率。鮮有研究考察融資融券失衡對標的股票定價誤差的影響。自兩融業(yè)務推出以來，融資融券失衡一直是我國股票市場的監(jiān)管層和投資者心中的隱憂，且引起了實務界的廣泛關注和熱烈討論。例如，著名財經(jīng)評論員葉檀，在兩融試點初期，就曾撰文稱我國的融資融券業(yè)務是“跛腳鴨”(葉檀，2010)[26]；申銀萬國證券研究所首席分析師桂浩明(2011)[27]則針對融資融券的制度缺陷進行了深刻的分析，并指出融資交易中存在所謂的“死循環(huán)”，最終將使得所有的資本都進入融資交易。著名財經(jīng)撰稿人皮海洲(2012)[28]也對我國融資融券失衡表示擔憂，并強調(diào)轉融通的精髓在于轉融券，只有做好轉融券，融資融券的“做空機制”才能真正發(fā)揮作用。中國證券業(yè)協(xié)會發(fā)展戰(zhàn)略工作委員會副主任王曉國(2011)[29]基于投資者利益保護的視角對我國融資融券試點制度安排和完善進行了深入剖析，并強調(diào)“投資者權益保護是證券監(jiān)管工作的立足點和出發(fā)點”，而根據(jù)國際證監(jiān)會組織(IOSCO)制定的《證券監(jiān)管的目標與原則》，投資者的收益權保護是投資者權益保護的要件之一。因此，結合我國融資融券失衡的背景，深入研究標的股票的定價誤差，對于投資者的收益權保護也具有非常重要的現(xiàn)實意義。

融資融券失衡的機理分析

如前所述，我國兩融業(yè)務自開展以來，一直表現(xiàn)出嚴重的失衡狀態(tài)。對此，我們從如下三個方面給出了解釋。

首先，在投資者行為方面，我國股市的投資者長期做多的思維習慣使得融資業(yè)務比融券業(yè)務更受投資者青睞，而且很多個人投資者尚不具備融券資格，極大地限制個人投資者參與融券交易的積極性。

其次，在證券出借市場上，券源存在諸多限制。如果以大股東作為券源的供給者，那么，大股東出借股票相當于減持。根據(jù)我國現(xiàn)行的法律法規(guī)，大股東減持行為達到一定比例需要公告，即便是民營企業(yè)也是如此，而國有股權的減持在程序上就更加繁瑣，這就極大的限制了大股東作為融券供給者的意愿。如果以公募基金作為券源的供給者，其中的關鍵問題在于，基金公司出借證券供其他投資者賣空，會導致基金凈值下降，進而給基金的排名帶來不利影響。此外，當基金面臨投資者贖回時導致這部分融券借出的股票難以賣出，帶來額外的流動性風險。雖然2015年4月17日中國證券業(yè)協(xié)會聯(lián)合中國證券投資基金業(yè)協(xié)會、上交所、深交所發(fā)文指引基金公司參與融資融券，但程序也非常復雜，且融券交易的限制條款仍然比融資交易更加苛刻。因此，上述因素也極大限制了基金作為融券供給者和融券交易者的意愿。與基金公司類似，如果以券商作為券源的供給者，券商出借自營盤股票也會可能導致自營盤股票價值下跌的風險。因此，券商作為融券出借方也沒有強烈的意愿。如果以大規(guī)模的機構投資者，如社?；?、匯金等作為融券供給者，他們不僅可能存在基金公司和證券公司相類似的問題，還可能因為這些機構的交易行為往往會給市場帶來一定的導向作用，例如這些機構減持股票往往會給市場的未來走勢帶來影響，系統(tǒng)性風險較大。因此，這些機構也沒有強烈的證券出借意愿。

最后，還有一些其他層面的因素。例如，在業(yè)務規(guī)則層面上，證金公司的轉融券期限與券商的融券期限不匹配，從而增大了券商從事融券業(yè)務的流動性風險，導致券商從事融券業(yè)務的積極性不高；在管理政策上，上市公司所屬的當?shù)卣鶗M行市值管理，不希望上市公司，特別是當?shù)氐拇笮蜕鲜泄臼兄迪陆?；而上市公司本身考慮到后續(xù)的增發(fā)需求，也不愿意作為券源的供給者。因此，諸多約束都導致融券業(yè)務難以大規(guī)模的發(fā)展起來。

模型與研究方法

為了估計市場對融資融券失衡股票的定價誤差，首先需要確定資產(chǎn)定價模型。然而，不可否認的是，學術界對資產(chǎn)定價模型的爭論從未停止。但總體而言，基于現(xiàn)代投資組合理論發(fā)展起來的CAPM模型一直是資產(chǎn)定價模型研究或者應用資產(chǎn)定價模型時無法回避的基準模型。此外，F(xiàn)ama & French(1993)[6]在對眾多“定價異象”進行系統(tǒng)比較后所提出的三因素模型也是現(xiàn)代金融理論和實證研究普遍認可的定價模型之一。循著代表性投資者的均衡分析框架，進一步將“均值—方差”偏好拓展至“均值-方差-偏度”甚至“均值-方差-偏度-峰度”等三參數(shù)或四參數(shù)偏好體系，進而發(fā)展起來的高階矩定價模型則是另一類重要的資產(chǎn)定價模型。因此，本文將考慮基于這四種定價模型考察兩融標的股票的定價誤差。

一、資產(chǎn)定價模型的選擇

CAPM以最簡潔、明了的形式刻畫了市場對個別資產(chǎn)或資產(chǎn)組合的風險補償方式，即市場只會對資產(chǎn)中不能通過組合投資分散的系統(tǒng)性風險給予補償。經(jīng)典的CAPM模型即Sharp-Linter-Mossin CAPM，其基本形式如下：

這里的Ri和RM分別表示股票i和市場指數(shù)的收益率，Rf表示無風險資產(chǎn)的收益率；表示股票i的貝塔系數(shù)，衡量了市場對股票i的風險補償大??；i=1,2,...,N表示個股數(shù)量。經(jīng)典的CAPM模型是基于投資者的“均值—方差”偏好框架發(fā)展起來的，本文將其記為“MVCAPM”。用于實證檢驗的MVCAPM模型設定如下：

鑒于MVCAPM模型的實證表現(xiàn)一直差強人意，特別是諸多定價異象難以被MVCAPM模型所解釋，F(xiàn)ama &French(1993，1996)[6][7]在對各種定價異象進行系統(tǒng)比較后，提出了三因素定價模型(Three Factors Model, TFM)。實證研究中，三因素模型的基本形式如下：

其中，SMBt和HMLt分別表示第t期市場的規(guī)模因子和賬面市值比因子的風險溢酬；和分別表示規(guī)模因素風險和賬面市值比因素對股票i的風險補償系數(shù)。

雖然三因素模型得到廣泛的實證支持，但依然無法回避其作為經(jīng)驗模型而缺乏理論邏輯的天然不足。標準金融經(jīng)濟理論分析的支持者們一直努力嘗試在新的均衡框架下進一步發(fā)展資產(chǎn)定價模型。其中，將經(jīng)典的“均值-方差”偏好拓展到三參數(shù)偏好(“均值-方差-偏度”)甚至四參數(shù)偏好(“均值-方差-偏度-峰度”)，是資產(chǎn)定價模型發(fā)展的另一條重要支線。三參數(shù)偏好空間下的定價模型以Kraus & Litzenberger(1976)[8]為發(fā)端經(jīng)過持續(xù)的發(fā)展，現(xiàn)已成為成為資產(chǎn)定價檢驗中另一個不可或缺的基準模型，并廣泛應用于資產(chǎn)定價研究，如Harvey & Siddique(2000)、Smith(2007)、Bali et al.(2011)、An et al.(2014)[9][10][11][12]。參照這些研究的做法，可以構造如下回歸估計“協(xié)偏度”(Co-Skewness)系數(shù)：

由于三參數(shù)定價模型是在“均值-方差-偏度”偏好的框架下得出的，故記為“MVSCAPM”。四參數(shù)框架下的定價模型是在三參數(shù)模型的基礎上進一步加入系統(tǒng)性峰度風險。系統(tǒng)性峰度風險刻畫的是個股對市場峰度的貢獻度。根據(jù)Dittmar(2002)[13]基于非線性定價核提出的四參數(shù)定價模型，峰度風險捕捉的是市場發(fā)生大幅漲跌的頻繁性風險。Brandt et al. (2009)[14]進一步指出將投資者的效用函數(shù)擴展到四階矩甚至更高階矩，進而更加細致地刻畫投資者對收益率分布特征的偏好是十分必要的。Chung et al. (2006)[15]的實證結果進一步指出，三因素模型中的規(guī)模因子和賬面市值比因子是協(xié)偏度風險和協(xié)峰度風險等高階矩風險的代理變量。近期的其他研究如Vanden(2006)[16]、Adrian & Rosenberg(2008)[17]和Martellini&Ziemann(2010)[18]等均將協(xié)峰度風險引入資產(chǎn)定價模型。根據(jù)Dittmar(2002)[13]的建模思想，參照Harvey & Siddique(2000)[9]對協(xié)偏度的估計思路，本文構建如下模型估計個股的協(xié)峰度(Co-Kurtosis)系數(shù)：

為了便于表述，本文將同時引入?yún)f(xié)偏度和協(xié)峰度因子的CAPM記為“MVSKCAPM”。

二、融資融券失衡與定價誤差關系的檢驗

根據(jù)以上(2)、(3)、(5)和(7)式給出的四種定價模型，我們定義股票i在第t期的定價誤差為在此設定一下，即表示兩融標的股票的平均定價誤差，即表示擾動項。為了考察兩融失衡程度對平均定價誤差的影響，考慮構造如下回歸：

其中，IMTi,t是股票i在第t期的融資融券失衡程度。于是，在截面上對Δi≡(αi-μi)的檢驗即可以考察融資融券失衡程度對平均定價誤差的影響。如果融資融券失衡對定價誤差沒有顯著影響，則其中，表示橫截面序列Δi的均值。

為進一步在時間序列意義上考察融資融券失衡程度對定價誤差動態(tài)變化的影響，考慮構造如下回歸：

其中，Xi,t-1表示第t-1期其他可能影響融資融券行為和股票定價誤差的控制變量；系數(shù)刻畫了第i只股票的兩融失衡程度對定價誤差動態(tài)變化的影響。如果融資融券失衡對定價誤差沒有顯著影響，則φ-=0，其中，φ-表示橫截面序列φi的均值。從以上定價模型(2)、(3)、(5)和(7)式以及檢驗定價誤差的(8)式和(9)式的構造形式來看，對這些模型進行參數(shù)估計時所使用的數(shù)據(jù)類型都類似于面板數(shù)據(jù)(Panel Data)。但由于樣本期內(nèi)可能存在部分股票出現(xiàn)停牌的現(xiàn)象，該面板數(shù)據(jù)并非是一個平衡的面板(Unbalanced Panel)。更重要的是，出于經(jīng)濟意義的考量，模型中的系數(shù)在截面上各不相同，以(7)式為例，沒有充分的經(jīng)濟理論會在一般情況下要求不同股票的三種因子具有相同的風險補償系數(shù)，因此，αi≠αj，βi≠βj，si≠sj、ki≠kj，其中，i≠j，i,j=1,2,...,N。于是，根據(jù)面板回歸理論，可以分別對每只股票進行單方程回歸。最后，參照以上相關文獻的做法，本文對控制變量Xi,t-1考慮選取前一期的收益率Ri,t-1，動態(tài)市盈率PEi,t-1、換手率TOVi,t-1、市凈率PBi,t-1以及根據(jù)Amihud(2002)[19]測算的非流動性ILLIQi,t-1。

樣本說明與數(shù)據(jù)描述

一、樣本選取

我國的融資融券業(yè)務自2010年3月31日正式“試點”運行，當時的標的股票范圍相對較小，僅包括90只大盤藍籌股票。此后歷經(jīng)三次擴容，直到2013年9月16日第三次擴容時的標的股票擴大至700只，其中，滬市400只，深市300只。就流通市值而言，擴容當天，滬市兩融標的股票的平均流通市值為275億元，占滬市A股流通市值的87%；日均成交金額為698億元，占滬市A股日均成交金額的80%；深市兩融標的股票的平均流通市值為110億元，合計占深市A股流通市值的59%；日均成交金額為510億元，占深市A股日均成交金額的51%。至此，兩融交易大范圍鋪開。

鑒于此，本文將樣本選取的起始時點確定為2013年9月16日。這樣做的原因在于如下三個方面：首先，融資融券交易實施之前，我國股市一直是“禁止賣空”的，“試點”之后可能還有很多投資者對于兩融交易不太熟悉，對于這一從無到有的制度創(chuàng)新，投資者還需要一個適應過程；其次，轉融券業(yè)務于2013年2月28日開始試點運行，這至少從機制層面上降低了融券業(yè)務的券源約束；最后，也是最重要的一個原因，即轉融券業(yè)務推出的時點為第二次擴容之后、第三次擴容之前，因此，以第三次擴容為樣本期的起始節(jié)點可以保證市場機制的一致性。

融資融券交易明細、個股收益率、市場指數(shù)收益率、動態(tài)市盈率、換手率以及市凈率數(shù)據(jù)均來自Wind(萬得)資訊金融客戶端；三因子溢酬數(shù)據(jù)來自銳思數(shù)據(jù)庫。數(shù)據(jù)采樣頻率為周度數(shù)據(jù)。選取周度頻率的原因是考慮到日度的融資融券失衡對風險補償?shù)挠绊懚裕l率過高，而選取月度數(shù)據(jù)不僅頻率過低，樣本量也過少，會降低檢驗的效率。

本文最后使用的數(shù)據(jù)集截止日期為2014年6月30日，共包括700只股票，所有股票在時間序列維度的完整觀測共有40個。本文鑒于如下審慎考量并未將2014年7月以后的牛市樣本納入研究范圍。2014年7月以后，整個市場在“政策?！?、“杠桿?！钡尿寗酉乱宦飞蠞q。2015年6月12日，隨著證監(jiān)會宣告清查場外配資之后，整個市場陷入去杠桿的大范圍踩踏階段。短短3個月的時間里，先是場外配資的去杠桿踩踏，后是場內(nèi)融資交易的去杠桿踩踏，整個市場陷入極大的流動性風險。如果將2014年6月之后的樣本納入研究范圍，首先面臨的問題就是如何排除場外配資野蠻生長對資產(chǎn)價格的影響。顯然，場外配資的數(shù)據(jù)極難獲得。此外，在這一期間，人們對于改革紅利的預期，以及各種公共媒體(甚至黨報)和自媒體對股市的影響一時間也成為影響股市不可忽視的重要因素。誠然，考慮不同市場態(tài)勢影響有助于提升研究的可信性。但也不得不說市場態(tài)勢大幅改變的背后，其影響因素也變的越發(fā)復雜。如何控制以及能否控制其他因素的影響是研究結果能否令人信服的關鍵問題。更為重要的是，在上述市場背景下，基于標準的金融理論所提出的資產(chǎn)定價模型對標的股票的定價誤差進行評判，很可能是有失偏頗的。相比較而言，在本文的樣本期里，即2013年9月兩融交易大范圍鋪開至2014年6月的期間，市場的系統(tǒng)性風險相對較小，也相對較少地受到外部系統(tǒng)性風險事件的沖擊。因此，我們認為2013年9月～2014年6月這個樣本是市場相對比較平穩(wěn)的樣本期，有助于得到相對比較純粹的符合本文主旨的研究結果。

圖2 “余額失衡”指標()折線圖

圖3 “余量失衡”指標()折線圖

考慮到并非所有標的股票都存在嚴重的兩融失衡，因此，本文根據(jù)樣本期內(nèi)標的股票的平均失衡程度進行排序，然后取失衡程度最嚴重的前20%標的股票為研究對象。取前20%相當于將標的股票按照失衡程度降序排列并分成5組后取第一組。在Fama & French(1993)[6]通過構造FF25組合檢驗“規(guī)模效應”和“賬面市值比效應”后，按照給定指標排序并取最高的20%分位組作為該指標的最大組成為資產(chǎn)定價領域的常見做法。

二、融資融券失衡指標的構造與數(shù)據(jù)描述

為了衡量融資融券失衡程度，本文分別基于融資融券余額、融資融券余量兩個方面構造失衡指標。為了便于表述，基于余額數(shù)據(jù)構造的指標我們稱之為“余額失衡”，基于余量數(shù)據(jù)構造的指標稱之為“余量失衡”。這里分別記為IMTet和IMTlt:

其中，融資、融券余額(余量)、流通市值、流通股數(shù)量均為第t周的統(tǒng)計結果。標的股票的周流通市值和流通股數(shù)量也來自Wind資訊。這里需要說明的是，融資、融券余額(余量)是各個時點的存量指標，因此，統(tǒng)計時用的是周內(nèi)各交易日余額(余量)的均值。

按照標的股票所屬的市場板塊分類，在每周對兩種指標進行截面平均后，可以得到如圖2和圖3所示的時間序列折線圖。

從圖2和圖3可以看出，自第三次擴容以來，兩種指標均顯示所有四個市場板塊的融資融券失衡程度呈現(xiàn)出逐漸嚴重的趨勢。特別的，自2013年10月23日以后，創(chuàng)業(yè)板股票的失衡程度是四個板塊的股票中最嚴重的，而且嚴重程度還隨著時間的推移也呈現(xiàn)更加惡化的趨勢。由此可見，投資者融資買入創(chuàng)業(yè)板股票的熱情呈現(xiàn)不斷高漲的態(tài)勢。這是值得警惕的，無論從市值規(guī)模、上市條件亦或經(jīng)營風險來看，創(chuàng)業(yè)板股票的基本面風險都大于主板上市公司。如果任由投資者融資買入創(chuàng)業(yè)板股票的熱情持續(xù)高漲，將會推動創(chuàng)業(yè)板股票的持續(xù)上漲。如果這種上漲的基礎是創(chuàng)業(yè)板股票未來業(yè)績向好的理性預期，自然無可厚非。但如果這是廣大融資買空者“擊鼓傳花”的投機交易而形成的“泡沫”，那么將給標的股票定價帶來嚴重的高估。事實上，自2013年9月18日以來，創(chuàng)業(yè)板指數(shù)收益率相對于上證指數(shù)的累積異常收益率2一直持續(xù)為正，且截至2014年6月27日的41個交易周中，有26個交易周的累積異常收益率高于10%，其中10個交易周高于20%。這一描述性結果初步預示著，創(chuàng)業(yè)板股票的定價存在較為嚴重的正向偏誤。

表1 融資融券失衡指標的描述性統(tǒng)計

表1按照標的股票所屬市場板塊，對兩種失衡指標IMTet和IMTlt進行了描述性統(tǒng)計。需要說明的是，這里給出的是全部兩融標的股票失衡指標的描述性統(tǒng)計。限于篇幅，這里不再給出失衡程度最嚴重的前20%標的股票的結果。

從以上描述性統(tǒng)計的結果來看，平均而言，兩個指標均顯示深證創(chuàng)業(yè)板股票的融資融券失衡程度相對較為嚴重，即投資者傾向于對創(chuàng)業(yè)板股票進行較高的融資交易。這與圖2和圖3給出的結果是一致的。從兩種指標的樣本標準誤來看，“余額”失衡指標和“余量”失衡指標的標準誤均與其樣本均值處于同一個數(shù)量級，進一步考慮到樣本量均為1000以上，以此構造t-檢驗的結果必將顯示樣本均值顯著為正，即融資比重顯著高于融券。此外，從兩種失衡指標的最小值可以看出，所有板塊的失衡指標最小值均為正數(shù)意味著，樣本期內(nèi)所有的融資余額(余量)均高于融券余額(余量)。從兩種失衡指標的分位數(shù)來看，深證創(chuàng)業(yè)板股票的失衡指標具有較大的發(fā)散特征。以“余額”失衡指標為例，其90%的分位數(shù)為0.1234，以較大的幅度高于其他三個板塊，而10%的分位數(shù)0.0086又低于其他三個板塊。

表2 相關變量的描述性統(tǒng)計

三、其他變量的選取與描述性統(tǒng)計

根據(jù)前面的模型設定，本文還需要融資融券標的股票收益率、市場指數(shù)收益率、規(guī)模因子溢酬、賬面市值比因子溢酬，以及動態(tài)市盈率、換手率、市凈率等數(shù)據(jù)。對于市場收益率(RM,T)，本文以滬深300指數(shù)收益率為反映滬深兩市總體的指數(shù)收益率，并將所有個股與之匹配。另一種處理方式是根據(jù)個股所屬市場(上證和深證)，將相應的市場指數(shù)收益率(上證指數(shù)與深證綜指)作為市場指數(shù)收益率。本文將后一種做法作為穩(wěn)健性檢驗。此外，對于因素風險的溢酬數(shù)據(jù)，銳思數(shù)據(jù)庫也提供了兩類排序分組方法，即所有滬深兩市A股排序分組和分別對滬市A股、深市A股進行排序分組。為了保持檢驗的一致性，在對(3)式進行回歸時本文實證部分也選擇前一種方式，后一種方式也將作為穩(wěn)健性檢驗。與此類似的思路也將用于估計協(xié)偏度因子和協(xié)峰度因子的風險溢酬(CSKt和CKUt)。表2給出了以上數(shù)據(jù)的描述性統(tǒng)計結果。與表1類似，這里的結果也是所有標的股票的描述性統(tǒng)計結果。限于篇幅，這里也不再給出失衡程度最嚴重的前20%標的股票的結果。

從表2數(shù)據(jù)的描述性統(tǒng)計來看，所有的五個因子溢酬中，除市場因子外，其他的因子溢酬均為正數(shù)，即市場對這些因子風險都有正的補償。另外，PE、TOV、PB和ILLIQ這四個指標的最大值均遠大于90%分位數(shù)，這說明異常值較為嚴重。因此，本文參考Fama & French(1993)[6]的做法，對于所有高于90%分位數(shù)的指標值均調(diào)整為該分位數(shù)值，進而過濾異常值可能引起的估計偏誤。

實證結果與分析

一、融資融券失衡對平均定價誤差的影響

基于(2)、(3)、(5)和(7)式的定價模型可以估計兩融標的股票的平均定價誤差αi。然后，利用式(8)可以估計引入融資融券失衡指標后四種模型的平均定價誤差μi。最后，二者之差Δi衡量的是引入融資融券失衡指標前后，平均定價誤差的變化。相關結果如表3所示。

從表3的結果可以看出，在引入失衡指標之前，四種模型的結果均顯示，兩融標的股票存在顯著為正的平均定價誤差。這意味著，過度的融資交易使得標的股票被過高定價，進而引起顯著為正的定價誤差。此外，進一步比較不同定價模型的結果可以發(fā)現(xiàn)，標準的“均值—方差”CAPM(MVCAPM)估計的定價偏誤最為嚴重，而三因素模型(TFM)次之，MVSCAPM和MVSKCAPM的定價偏誤相對較小，這意味著，兩融標的股票均存在一定的高階矩風險。由此獲得的風險補償不能被規(guī)模因素和賬面市值比因素風險所解釋，而且高階矩風險賦予的收益補償高于因素風險。這一結果預示著，融資融券失衡較為嚴重的標的股票存在較大的高階矩風險。根據(jù)高階矩風險的經(jīng)濟含義，以上結果說明這些標的股票容易產(chǎn)生較高的負偏風險和暴漲暴跌風險。

表3 融資融券失衡對平均定價誤差的影響

另外，表3的結果還顯示，在引入失衡指標后，定價誤差均得到顯著緩解，Δi的檢驗結果全部顯著為正。更為重要的是，引入失衡指標后的定價模型中，除MVCAPM和TFM之外，MVSCAPM和MVSKCAPM兩種模型的結果都沒有產(chǎn)生顯著的平均定價誤差。值得說明的是，雖然前兩種模型定價仍然顯著，但其相對于引入失衡指標前都明顯降低了。

為了對此進行更為細致的考察，本文進一步按照標的股票所屬的市場板塊進行分組檢驗。結果如表4所示。從表4的結果可以看出，在引入失衡指標之前，所有板塊的標的股票均存在顯著為正的定價誤差(如Panel A1和Panel B1所示)。這與表3的結果是一致的。除此之外，融資融券失衡程度最嚴重的前20%股票中，創(chuàng)業(yè)板股票具有最為嚴重的定價誤差。這應證了圖2和圖3所預示的創(chuàng)業(yè)板股票的融資融券失衡程度最嚴重。

表4 融資融券失衡對不同板塊平均定價誤差的影響

結合表4的Panel B和Panel C以及表5的結果可以看出，無論是引入“余額”失衡指標還是“余量”失衡指標后，所有板塊標的股票的定價誤差均得到顯著緩解。特別的，在引入“余額”失衡指標后，除MVCAPM模型顯示上證主板的股票在10%水平上依然存在顯著為正的定價誤差外，其他三種模型的定價誤差均不再顯著。在MVSKCAPM的檢驗結果顯示，除深證中小板外，其他三個板塊標的股票的定價誤差在引入“余額”失衡指標后也都不再顯著。在MVSCAPM模型下，除創(chuàng)業(yè)板標的股票外，其他三個板塊標的股票的定價誤差在引入“余額”失衡指標后不再顯著。引入“余量”失衡指標的結果則與之相反。雖然不同模型的結果存在上述細節(jié)上的差異，但就平均定價誤差的變化而言，四種模型的結果都顯示所有板塊的定價誤差均顯著下降。

二、融資融券失衡與定價誤差的動態(tài)關系

為了進一步在時間序列意義下考察融資融券失衡對標的股票定價誤差的影響，考慮對(9)式的回歸結果進行分析。(9)式中的回歸系數(shù)φi刻畫了標的股票i的融資融券失衡程度會對收益率產(chǎn)生怎樣的影響。對φi檢驗結果如表6所示。

表5 引入融資融券失衡指標前后不同板塊標的股票平均定價誤差的變化

表6 融資融券失衡指標與定價誤差的動態(tài)關系

表7 融資融券失衡指標與定價誤差的動態(tài)關系

從表6可以看出，四種定價模型給出的檢驗結果均顯示，過度的融資交易與標的股票的收益率之間呈現(xiàn)顯著為正的相關關系。這意味著融資交易過度而融券交易的缺乏使得標的股票的價格易于出現(xiàn)向上的定價偏誤，從而支持了相關研究給出的理論預示。表7進一步按照標的股票所屬的市場板塊，對(9)式中的φi進行了檢驗，其結果再次支持了表6的結果。

穩(wěn)健性檢驗

如前所述，作為穩(wěn)健性檢驗，本文根據(jù)個股所屬市場(上證和深證)，將相應的上證指數(shù)與深證綜指作為市場指數(shù)收益率與個股匹配，然后估計四種定價模型。另外，在估計三因素模型(TFM)時，我們還利用銳思數(shù)據(jù)庫提供的分別對滬市A股、深市A股進行排序分組方法測算的規(guī)模因子和賬面市值比因子的溢酬數(shù)據(jù)。與此類似，我們在估計協(xié)偏度因子和協(xié)峰度因子的風險溢酬時也采用類似的方法進行操作，并估計兩個高階矩定價模型(MVSCAPM和MVSKCAPM)。最后的實證結果顯示，除了上證主板和深證主板的標的股票在引入“余量”失衡指標的MVSCAPM模型和MVSKCAPM模型下依然存在顯著的定價誤差外，本文的其他主要結果仍然是穩(wěn)健的。限于篇幅，穩(wěn)健性檢驗的具體數(shù)據(jù)結果從略。

除此之外，作為另一個重要的穩(wěn)健性檢驗，我們還根據(jù)兩融失衡指標排序并取失衡程度最嚴重的前30%分位組的標的股票為樣本，重復新檢驗了融資融券失衡對平均定價誤差的影響，及其對不同板塊的平均定價誤差的影響，分別如表8和表9所示。

表8 融資融券失衡對平均定價誤差的影響

表9 融資融券失衡對不同板塊平均定價誤差的影響

從這兩個表的結果來看，本文的主要結論在取30%分位組時依然穩(wěn)健。一個比較細微的差別是，以30%分位組為樣本，平均定價誤差減小的幅度相對較小。這也是可以理解的，畢竟30%分位組比20%分位組包含了包含了更多兩融失衡程度相對輕微的標的股票。

結論與啟示

考慮到我國滬深兩市融資融券交易一直處于失衡狀態(tài)，即融資交易占絕對優(yōu)勢的背景，本文先對我國兩融失衡的原因進行了梳理和分析，然后基于經(jīng)典的“均值—方差”資本資產(chǎn)定價模型(MVCAPM)、三因素模型(TFM)、“均值—方差—偏度”資本資產(chǎn)定價模型(MVSCAPM)和“均值—方差—偏度—峰度”資本資產(chǎn)定價模型(MVSKCAPM)四種定價模型，實證研究了第三次擴容后兩融失衡程度較為嚴重的標的股票存在怎樣的定價誤差，以及兩融失衡程度如何影響這些股票的定價誤差。結果發(fā)現(xiàn)：(1)四種定價模型檢驗結果均顯示，這些標的股票存在顯著為正的定價誤差；(2)基于融資融券余額和融資融券余量數(shù)據(jù)構造失衡指標，并將其引入定價模型后，這些標的股票的定價誤差得到顯著緩解；(3)按照標的股票所屬的市場板塊進行分類檢驗后發(fā)現(xiàn)，失衡程度最嚴重的創(chuàng)業(yè)板股票表現(xiàn)出最嚴重的定價誤差；(4)部分股票的定價誤差在引入失衡指標后的高階矩定價模型中趨于消失。

根據(jù)上述實證結果，我們可以得到如下啟示和政策建議。

首先，通暢的融資交易和困難重重的融券交易使得融資融券業(yè)務一直處于失衡狀態(tài)，這對于充分發(fā)揮這一制度創(chuàng)新的積極作用顯然帶來很多不利的影響。雖然表面上看，大量的融資交易有利于促使標的股票的價格，并最終推動股市上漲。但總體而言，對于提升股票的定價效率是不利的，至少存在抑制利空信息得到有效揭示的可能。如果標的股票的價格常常處于高估的位置，結果很可能會因為一個微小的負面信息，引起前期被“抑制”而累積起來的眾多負面信息一次性集中釋放，進而產(chǎn)生利空信息的“雪崩”效應。也正因為如此，本文的實證結果發(fā)現(xiàn)，融資融券失衡程度較為嚴重的標的股票存在較大的高階矩風險。這意味著，這些標的股票的收益率存在較大的負偏風險和暴漲暴跌風險。也正因為如此，部分股票的定價誤差只有在引入兩融失衡指標的高階矩定價模型下趨于消失。

其次，鑒于創(chuàng)業(yè)板股票相對于其他市場板塊的兩融失衡更嚴重、定價誤差更大，我們建議監(jiān)管層做好創(chuàng)業(yè)板股票融資交易的風險提示工作。例如，為了使得融資交易功能得到充分、有效發(fā)揮，監(jiān)管部門可以每周甚至每日根據(jù)融資交易的活躍性(如融資買入的換手率、每單位成交量的融資買入量等)對標的股票進行排序，然后通過深交所的官方網(wǎng)站，或其他公共信息披露媒體，公告排名靠前的標的股票，增加這些股票的“曝光度”，以提醒廣大融資買入的投資者冷靜、理性的參與融資交易。根據(jù)我們的了解，目前尚無受眾較大的媒體對這些信息進行常規(guī)性披露。

最后，針對融券券源不足、相關參與者出借證券的意愿不強等問題我們?nèi)缦氯齻€方面的政策建議。第一，應當盡快擴大借券市場的參與主體類型，推行多元化的借券交易模式，加快交易所的競價借券交易平臺的構建。第二，證金公司應當設計并制定更為合理且靈活的借券期限，從而調(diào)動券商從事融券業(yè)務的積極性。證金公司作為轉融券的中心機構，相對于券商而言，更具有協(xié)調(diào)流動性風險的天然優(yōu)勢。因此，證金公司應當擔起這一責任，而不是提供固定期限，將流動性風險轉嫁給個體券商。第三，應當重視交易所的“中介平臺”作用。當前借券的主體大多是券商自營，他們是直接面對借券人的，中間信息并沒有隔離。券商自營在面對借券指令時會擔憂對方擁有內(nèi)幕信息，融券需求量越大，這種擔憂越嚴重；如果券商自營找不到合適的對沖工具，那么其借券意愿也會大幅度下降。因此，融券交易中非常需要一個“中介平臺”，一邊對接“券”，一邊對接“賣券者”。

融資融券業(yè)務是我國股市發(fā)展過程中的一項重要制度創(chuàng)新，本文結合我國融資融券失衡的背景，深入研究了標的股票的定價誤差。這對于投資者的收益權保護也具有非常重要的現(xiàn)實意義。過高定價的標的股票顯然會損害投資者持有此類股票在未來的收益權。根據(jù)國際證監(jiān)會組織(IOSCO)制定的《證券監(jiān)管的目標與原則》也提出投資者的收益權保護是投資者權益保護的要件之一。王曉國(2011)[29]也指出投資者權益保護是證券監(jiān)管工作的立足點和出發(fā)點。為了把好事做好，我們建議監(jiān)管層高度重視融資融券失衡問題，參考上述建議，著力掃除融券交易通道的重重障礙，加強融資交易過度時的風險警示工作，正確引導投資者的兩融交易行為，營造一個對稱、健康的融資融券環(huán)境。

注釋

1.以下如不加特殊說明，本文的“融資融券失衡”、“兩融失衡”都是指融資交易占據(jù)絕對優(yōu)勢。

2. 該收益率指的是，賣空上證指數(shù)、買入創(chuàng)業(yè)板指數(shù)所構造的套利組合的持有期收益率。具體的數(shù)據(jù)結果這里從略。另外，這里 省略的數(shù)據(jù)以及以下限于篇幅未列出的數(shù)據(jù)，我們均歡迎感興趣的 同仁來信索取。