1 引言

十九大報告指出金融是國家重要的核心競爭力，如何建立強而有力的監(jiān)管體系并用其來防范系統(tǒng)性金融風險，是經(jīng)濟的核心問題之一。隨著我國金融市場的飛速發(fā)展，我國的交易制度也更加多元化。我國在2010年3月31日引入融資融券的交易機制，由于實施時間較短，加上我國本身股市市場尚未成熟，融資融券的監(jiān)管力度顯得較為薄弱。融資融券交易也稱“信用交易”、“保證金交易”，是一種投資者向具有融資融券資格的證券公司提供擔保物，接入資金買入證券（融資交易）或借入證券后賣出（融券交易）的交易機制。其引入目的是希望借鑒西方國家經(jīng)驗，豐富股市交易方式，利用雙邊做市來一定程度上抑制股市波動，但就目前來看效果不甚明顯，甚至在2014-2015年我國股市嚴重震蕩期間，部分經(jīng)濟學家對兩融機制存在質疑，認為我國股市尚未成熟，還未能引入融資融券交易機制，但是我們不能因此對兩融機制持完全否定的態(tài)度，因此，本文區(qū)分漲跌行情，結合實證分析，研究融資融券交易機制對我國股市波動產(chǎn)生的影響。

2 文獻綜述

針對我國初期這并不成熟的融資融券市場進行研究產(chǎn)生的理論基本可以概括為以下三種：

第一種，融資融券業(yè)務有平抑我國股市波動性的作用。陸上行（2016）在定性研究的基礎上，實證分析得出結論：融資融券余額的變化會較為顯著地影響證券市場的波動，且融券余額的增加會平抑證券市場的波動性，平抑效果和融券余額呈正向關系。

第二種，融資融券交易一定程度上加劇了我國股市的波動性。吳國平、谷慎（2015）采用流通股加權方法，重新編制融資融券指數(shù)，在此基礎上運用含虛擬變量的GARCH和VAR模型進行實證檢驗，得出融資融券業(yè)務在整體上加劇了股市的波動，具體來說就是，融資交易加劇股市波動，融券交易減小股市波動。

第三種，融資融券業(yè)務對我國股市波動性影響并不顯著。肖文彥、王紫菡（2012）運用VAR模型和Granger檢驗，得出結論：短期內融資融券機制對我國A股市場波動性的影響均不明顯。

3 數(shù)據(jù)及實證分析

3.1 數(shù)據(jù)整理

本文實證部分所涉及的變量為我國的股市波動率（上證指數(shù)日波動率）、融資融券余額、融資買入額、融券賣出量，由于是針對我國股市大漲大跌的2015年進行研究，因此本文的數(shù)據(jù)選取集中于2015年全年，即2015年1月5日至12月31日共計244個交易日的數(shù)據(jù)，并且由于6月15日是漲跌的分界點，即6月15日之前大漲，6月15日之后大跌，因此在對全年運用VAR模型實證分析之后，以6月15日為分界點，對2015年前半年和后半年的數(shù)據(jù)運用VAR模型進行一些研究和分析，探索融資融券制度對股市波動性的影響。同時，為了避免忽略變量之間的關系，本文會進一步利用脈沖響應函數(shù)（IRF）分析某變量對經(jīng)濟系統(tǒng)的動態(tài)影響，最后還會對本文的結果進行格蘭杰因果檢驗。本文的市場波動率來源于銳思數(shù)據(jù)庫，融資融券相關數(shù)據(jù)來源于國泰安數(shù)據(jù)庫。

3.2 實證分析

3.2.1 單位根檢驗

由于選取的是具有一定時間趨勢的時間序列數(shù)據(jù)，因此在對其進行回歸分析之前要先進行單位根檢驗，看其是否平穩(wěn)，也是為了防止“偽回歸”問題，股市波動率（VIX）、融資融券余額（MB）、融資買入額（L）、融券賣出量（S）的原序列和一階差分序列的單位根的檢驗結果如圖所示：

表3.2.1 單位根ADF檢驗結果

單位根ADF檢驗結果顯示，在1%的顯著性水平下，數(shù)據(jù)的原序列均接受原假設，即數(shù)列不平穩(wěn)（ADF統(tǒng)計值都在1%的臨界值范圍內），而它們的一階差分均拒絕原假設，即數(shù)列平穩(wěn)（ADF統(tǒng)計值都在1%的臨界值范圍外），因此時間序列VIX、MB、L、S均服從一階單整，為防止“偽回歸”，本文對數(shù)據(jù)進行協(xié)整檢驗。

3.2.2 協(xié)整檢驗

由單位根檢驗我們發(fā)現(xiàn)數(shù)據(jù)的原序列并不平穩(wěn)，但是在一階差分的情況下都能拒絕原假設，即數(shù)據(jù)服從一階單整，為了考察多個變量之間是否存在長期平穩(wěn)關系，由于變量較多，本文接下來將進行基于Johansen檢驗的股市波動率（VIX）、融資融券余額（MB）、融資買入額（L）、融券賣出量（S）四個變量的協(xié)整檢驗。

表3 .2.2 協(xié)整檢驗結果

由顯示結果可以看出，在5%的顯著性水平下，VIX與MB、L、S存在協(xié)整關系，即存在長期平穩(wěn)關系，且存在1個協(xié)整關系，這說明股市波動率（VIX）與融資融券余額（MB）、融資買入額（L）、融券賣出量（S）存在某種較為穩(wěn)定的長期相關關系。從最大特征檢驗結果看，序列之間沒有穩(wěn)定的協(xié)整關系，所以應該使用一階差分序列建VAR。

3.2.3 VAR模型估計和結果分析

為了進一步分析DLOGMB、DLOGL、DLOGS對DLOGVIX的影響，我們開始建立VAR模型。如本章節(jié)開頭所介紹，本文構思的獨特之處在于對2015年整年數(shù)據(jù)進行分段分析，即以2015年6月15日為節(jié)點，對之前和之后的股市漲跌波動進行探究，因此先將變量分為兩組，第一組是DLOGVIX、DLOGMB、DLOGL，另一組是DLOGVIX、DLOGMB、DLOGS，接著分為三個時間段即2015年全年，2015年6月15日前以及2015年6月15日之后分別建模。

（1）2015年全年

先進行最優(yōu)滯后結束選擇，本文采用使AIC和FPE最小的P值為最優(yōu)滯后階數(shù)。之后進行股市波動率與融資融券余額、融資買入額和融券賣出額的VAR模型建立：

（2）2015年1月5日至2015年6月15日

仿照以上的過程進行2015年上半年數(shù)據(jù)的VAR模型建立：

表3.2.3 融資融券余額與融資買入額對股市波動率的VAR估計結果（2015上半年）

（3）2015年6月15日至2015年12月31日

同理，進行2015年下半年VAR模型的建立：

表3.2.5 融資融券余額與融資買入額對股市波動率的VAR估計結果（2015下半年）

3.2.4 脈沖響應函數(shù)分析

在完成三個事件分類情況下的VAR模型建立后，就可以得到對應的脈沖響應函數(shù)，為了更直觀地得到不同時間段融資融券余額、融資買入額和融資賣出量對股市波動率的影響，將三個時間段的脈沖響應圖集中在本節(jié)一起分析，得出變量之間相互沖擊的關系。

對2015年進行全年分析時的脈沖響應圖：

圖3 .2.1 DLOGVIX因子對DLOGMB的響應

圖3 .2.2 DLOGVIX因子對DLOGL的響應

圖3 .2.3 DLOGVIX因子對DLOGS的響應

由圖3.2.1所示，DLOGVIX因子面對DLOGMB因子一直是負響應，并且于第3期前后達到最大值，且基本一直維持負響應至第8期，可以看出DLOGVIX因子與DLOGMB因子負向相關，即隨著滯后期數(shù)的增加，上證指數(shù)的波動性會得到一定程度的平抑，但在后期抑制效果會減弱。

由圖3.2.2所示，DLOGVIX因子面對DLOGL因子在前期圍繞0有些微波動性，在第6期逐漸趨于平靜，但是波動幅度基本不明顯，可見買空交易對市場波動性有一定影響但是影響不明顯。

如圖3.2.3所示，DLOGVIX因子對DLOGS因子一開始是正響應，且影響幅度較大，于第2期達到最大值，從第4期圍繞0線微幅波動，可見賣空交易初期會使股市產(chǎn)生波動，但是隨著交易量的越來越大，交易活躍度的增加，對股市波動性基本不會產(chǎn)生影響，甚至還有輕微的平抑效果。

同理對2015年上半年進行分析時的脈沖響應結果分析得知：D LOGVIXB因子對DLOGMBB存在幅度較大的正向響應，且一直維持正向影響，即在2015年上半年即股票大漲時期，融資融券余額的增加加劇了股市波動性。DLOGVIXB因子對DLOGLB的正式?jīng)_擊從第2期開始，且為正向沖擊，可見買空交易在2015年上半年對股市的波動性存在影響作用，但在后期圍繞0線上下波動，對股市波動性的影響明顯減弱。DLOGVIXB因子對DLOGSB因子反應出負向響應，且負向響應一直維持至第3期，可見大漲時期的賣空交易對股市波動性有較大的抑制作用，即賣空交易越活越，股市的波動性得到越大強度的抑制，且影響幅度較明顯。

在2015年下半年的大跌環(huán)境下，DLOGVIXA對DLOGMBA在很長時期呈現(xiàn)負向影響，且影響幅度較大，即融資融券余額的增加會對股市波動性產(chǎn)生很好的平抑效果，但在隨著滯后期數(shù)的增加，對股市波動性產(chǎn)生的影響減弱。DLOGVIXA因子對DLOGLA因子產(chǎn)生較弱的正向沖擊，且一直圍繞0線輕微波動，在一定程度上能夠加劇股市的波動性，但是在2015年的大跌環(huán)境下，對股市波動性的沖擊明顯要弱于上半年的大漲形勢。DLOGVIXA因子在前期對DLOGSA有較強烈的正向響應，但是后期急劇減弱，甚至有小幅的負向影響，且一直維持幅度很小的負向響應，因此可以看出，在1 5年后半期的大跌環(huán)境下，賣空交易開始活躍的時候會使股市產(chǎn)生較大幅度的波動，但是隨著賣空交易的日益活躍，賣空交易對股市波動性的影響幅度越來越小。

3.2.5 Granger因果檢驗

為進一步檢驗所建立的VAR模型的可信度和實證結論的真實性，本文接下來要對變量之間的格蘭杰因果關系進行檢驗，格蘭杰因果關系也需要滯后階數(shù)，根據(jù)它和最優(yōu)滯后階數(shù)的關系，選取p=2進行格蘭杰因果檢驗，為了綜合比較，將6次VAR模型的格蘭杰因果檢驗結果統(tǒng)一在本小節(jié)進行比較分析。

對于2015年整年來講，四個變量之間，DLOGVIX是DLOGLO GMB的格蘭杰原因，DLOGMB不是DLOGVIX的格蘭杰原因，這說明股市產(chǎn)生波動，融資融券余額也會產(chǎn)生波動，但是融資融券余額的變化不能引起股市的變化。

2015年上半年的Granger檢驗結果均為拒絕原假設，由此可以看出在2015年上半年的大漲期間，四個變量之間的相互影響關系不顯著。

在2015年下半年的大跌環(huán)境中，DLOGMBA變量是DLOGVIX A變量的格蘭杰原因，但是DLOGVIXA變量不是DLOGMBA變量的格蘭杰原因，可以得知，融資融券余額的波動顯著影響了股市的波動，而股市的波動性不會影響融資融券余額。

4 結論

本文從實證出發(fā)，在VAR模型的框架基礎上，結合協(xié)整分析、脈沖響應函數(shù)分析和格蘭杰因果檢驗等計量方法來系統(tǒng)探究，兩融制度在我國的實行是否對股市波動性產(chǎn)生了影響。

為避免由于直接對存在一定時間趨勢的時間序列數(shù)據(jù)直接進行回歸分析而造成的偽回歸分析現(xiàn)象，本文先對數(shù)據(jù)進行了ADF檢驗，結果顯示時間序列VIX、MB、L、S服從一階單整，之后又運用協(xié)整檢驗發(fā)現(xiàn)四個變量之間存在協(xié)整關系即有長期穩(wěn)定影響。在脈沖響應函數(shù)分析中我們發(fā)現(xiàn)，在股市大漲大跌的2015年，買空交易和賣空交易都分別對股市波動性產(chǎn)生了非對稱性影響，主要體現(xiàn)在上漲期，都能夠增加股市波動性，但在下跌期即便交易愈發(fā)活躍但均對股市波動性影響較弱，因此影響具有非對稱性。格蘭杰因果檢驗顯示融資融券余額會使得股市產(chǎn)生波動，同時股市的波動性也會使得融資融券余額發(fā)生變化，綜合脈沖響應和格蘭杰檢驗發(fā)現(xiàn)，融資融券余額在市場下跌期能對股市波動性有顯著的抑制作用。

5 政策建議

我國的融資融券制度的發(fā)展和以美國、日本等發(fā)達股市為代表的發(fā)達股票市場兩融制度的發(fā)展仍有很大的差距，追根究底還是歸咎于我國現(xiàn)階段還是較小的融資融券交易規(guī)模，融資融券的平抑波動功能和價格發(fā)現(xiàn)功能都不能得到很好的發(fā)揮，綜合實證結果和我國目前的股市發(fā)展現(xiàn)狀，為在一定程度上能夠提高融資融券的運行效率和交易規(guī)模，提出以下政策建議：

5.1 區(qū)分漲跌行情進行宏觀調控

從上文的實證結果分析可以看出，在股市的上漲和下跌時期，市場對兩融機制的反應市不同的，在下跌期，融資融券的交易行為對股市的震蕩有很好的抑制作用，我們可以據(jù)此在股市低迷時期結合政府相關政策和國家的宏觀調控使得兩融機制能在抑制股市波動性方面發(fā)揮更顯著的作用。

5.2 實行浮動保證金制度

浮動保證金制度可以根據(jù)經(jīng)濟環(huán)境和證券市場的變化來確定最適合的保證金比例，具有很大的機動性和靈活性。上文的實證研究表明，在股市不穩(wěn)定時期，融資融券交易的活躍程度增加能夠對其產(chǎn)生一定程度的平抑作用，而浮動保證金制度可以間接影響融資融券交易的活躍程度，適當降低保證金比例可以促進兩融交易，而適度提高保證金比例可以抑制兩融交易。

5.3 適度增加融資融券標的股數(shù)量

相比A股市場交易的近3600支股票，還有我國目前金融市場種類豐富的交易品種，可供融資融券的標的股數(shù)量依舊較少，不能滿足投資者的交易需求，能夠交易的標的股也大多是流動性較弱且波動性較低的藍籌股和大盤股，不能很好的體現(xiàn)融資融券的平抑波動功能和價格發(fā)現(xiàn)功能，因此應當適度增加融資融券標的股數(shù)量，增加流動性強且波動性較高的標的股，擴大融資融券制度對股市的影響力力。

[1]Angel J J.Tick size,share prices,and stock splits[J].The Jour nal of Finance,1997,52(2):655-681

[2]Scheinkman J A,Xiong W.Overconfidence and speculative bubbles[J].Journal of political Economy,2003,111(6):1183-1220

[3]馬哲光（西南大學）.融資融券對我國股市波動性的影響研究[D].西南大學,2014.

[4]陸上行.融資融券對我國股市波動性的影響研究[D].華東政法大學,2016.

[5]吳國平,谷慎.融資融券交易對我國股市波動性影響的實證研究[J].價格理論與實踐,2015(10):105-107.

[6]肖文彥，王紫菡，融資融券機制對我國股市波動性的影響——基于上證50的研究[J].中國證券期貨，2012(5):33-35.