張?zhí)K林 程帆

摘要：融資融券交易制度是現(xiàn)代金融市場(chǎng)中常見的交易手段之一，該制度的引入正式開啟了我國(guó)證券市場(chǎng)“雙邊市”時(shí)代。以2014—2018年的交易數(shù)據(jù)為樣本，采用帶有啞變量的GARCH模型以及Hsiao et al.政策面板評(píng)估模型，通過研究?jī)扇诮灰讓?duì)中國(guó)股票市場(chǎng)和兩融標(biāo)的股波動(dòng)性的影響發(fā)現(xiàn)，第一，當(dāng)政府連續(xù)三次以上以相悖的政策干預(yù)市場(chǎng)時(shí)，兩融制度更傾向于增大股票市場(chǎng)的波動(dòng)性，且融資交易和融券交易對(duì)股市波動(dòng)性的影響具有非對(duì)稱性;第二，兩融制度有效平抑了標(biāo)的股的波動(dòng)性，但卻增加了標(biāo)的股的異常漲跌頻率。

關(guān)鍵詞：融資融券交易;市場(chǎng)波動(dòng)性;政策面板模型;異常漲跌率

Abstract： Margin trading as a common trading pattern of stock markets open a new age of Chinas security market.This paper analyzes the impact of margin trading in Chinese stock market by GARCH model and the method of Hsiao et al.（2012） based on data of 2014-2018. The result proved that firstly， as financial control intensified efforts， margin trading increased the volatility of stock market. Secondly， although margin trading decreased underlying stocks volatility increased the frequency of abnormal change. And securities lending transactions increased both the volatility of market and abnormal rate of change.

Keywords： Margin Trading; the Volatility of Stock Market; Panel Data of Hsiao et al.; Abnormal Rate of Change

一、引言

融資融券交易又稱為證券信用交易，現(xiàn)已成為發(fā)達(dá)資本市場(chǎng)中常見的交易形式之一。隨著新興經(jīng)濟(jì)體對(duì)外開放程度的不斷提高和自身制度的不斷完善，新興證券市場(chǎng)也結(jié)合自身特點(diǎn)引入了融資融券制度。2010年，我國(guó)正式引入兩融制度，結(jié)束了我國(guó)證券市場(chǎng)“單邊市”的時(shí)代。學(xué)術(shù)界普遍認(rèn)為，融資融券制度尤其是融券制度的推出有助于證券價(jià)格的穩(wěn)定，進(jìn)而有助于平抑證券市場(chǎng)的波動(dòng)性。隨著兩融制度的不斷發(fā)展，參與者數(shù)量的不斷壯大，截至2018年6月，兩融余額已突破萬億。隨著兩融制度的不斷完善，交易規(guī)模的不斷擴(kuò)大，一個(gè)問題引起了人們的廣泛關(guān)注：融資融券制度是平抑還是增大了證券市場(chǎng)的波動(dòng)率？

早期，我國(guó)學(xué)者主要以臺(tái)灣和香港地區(qū)的數(shù)據(jù)為樣本，研究融資融券交易對(duì)股市波動(dòng)性的影響。鑒于我國(guó)證券市場(chǎng)的特殊性，研究結(jié)論并不適用。2013年，Sharif et al.首次以中國(guó)大陸的兩融交易數(shù)據(jù)和A股市場(chǎng)波動(dòng)率為樣本進(jìn)行實(shí)證分析。研究發(fā)現(xiàn)，融資融券制度推出后，標(biāo)的股的波動(dòng)率出現(xiàn)了明顯的下降。但是，該研究以2010年首批成為標(biāo)的股的股票為研究對(duì)象，鑒于我國(guó)剛推出兩融制度，無論是交易規(guī)模，還是投資者參與度都較小，因此，結(jié)論也具有一定的局限性。本文以第五次擴(kuò)容后的數(shù)據(jù)為樣本，基于Hsiao面板數(shù)據(jù)政策效應(yīng)評(píng)估方法進(jìn)行實(shí)證分析，避免了因數(shù)據(jù)選取造成的結(jié)論偏差。同時(shí)，基于市場(chǎng)整體、個(gè)股兩個(gè)維度，研究融資融券制度能否有效平抑證券市場(chǎng)的波動(dòng)性。

二、文獻(xiàn)綜述

融資融券交易自其出現(xiàn)至今已有400多年歷史，現(xiàn)已成為發(fā)達(dá)資本市場(chǎng)中常見的交易制度之一。國(guó)外學(xué)者對(duì)于融資融券制度與證券市場(chǎng)交易質(zhì)量之間的關(guān)系的研究起步較早，得出的結(jié)論主要有以下三種：

第一種觀點(diǎn)認(rèn)為，融資融券制度會(huì)加劇市場(chǎng)整體和個(gè)股的波動(dòng)性。Hong和Stein（2003）研究發(fā)現(xiàn)，賣空約束降低了賣空者的利空信息的傳遞效率，當(dāng)市場(chǎng)出現(xiàn)下跌信號(hào)后，累積的負(fù)面消息集體爆發(fā)，加劇了市場(chǎng)整體的下跌態(tài)勢(shì)，進(jìn)而加劇了證券市場(chǎng)的波動(dòng)性[1]。Welch和Bernardo（2004）研究了金融恐慌和金融危機(jī)之間的關(guān)系，研究發(fā)現(xiàn)，投資者的恐慌情緒來自證券市場(chǎng)，當(dāng)投資者面臨恐慌情緒的影響時(shí)，更容易出現(xiàn)“羊群效應(yīng)”，即投資者集體進(jìn)行恐慌性拋售，加劇金融市場(chǎng)的波動(dòng)[2]。Battalion和Schultz（2011）研究賣空約束對(duì)股票期權(quán)市場(chǎng)的影響后發(fā)現(xiàn)，賣空約束使得股票的綜合價(jià)格偏離其真實(shí)股價(jià)，增加了市場(chǎng)的波動(dòng)性[3]。

第二種觀點(diǎn)認(rèn)為，融資融券制度更傾向于平抑證券市場(chǎng)的波動(dòng)性。Paul J.Seguin（1990）研究了保證金制度與融資融券制度之間的關(guān)系后認(rèn)為，融資融券制度的推出，有利于推動(dòng)信息在證券市場(chǎng)和投資者間的流動(dòng)，具有價(jià)格發(fā)現(xiàn)功能[4]。James.J.Angel（1997）以納斯達(dá)克個(gè)股數(shù)據(jù)為樣本進(jìn)行實(shí)證分析發(fā)現(xiàn)，融資融券制度的推出能夠有效平抑股票市場(chǎng)的波動(dòng)性，提升股市穩(wěn)定性[5]。Anchada Charoenrook和Hazem Daouk（2005）基于對(duì)111個(gè)國(guó)家證券市場(chǎng)交易數(shù)據(jù)的實(shí)證分析發(fā)現(xiàn)，引入融資融券制度的國(guó)家比沒有引入融資融券制度的國(guó)家擁有更低的股市波動(dòng)率[6]。Saqib Sharif（2015）以中國(guó)證券市場(chǎng)的波動(dòng)率為樣本分析發(fā)現(xiàn)，融資融券制度能有效地平抑A股市場(chǎng)的波動(dòng)率[7]。

第三種觀點(diǎn)認(rèn)為，融資融券制度與證券市場(chǎng)的波動(dòng)性之間沒有明顯的關(guān)系。Gerety等（1991）研究了道瓊斯工業(yè)指數(shù)期貨與股票價(jià)格指數(shù)之間的關(guān)系，研究表明，兩者之間沒有明顯的因果關(guān)系。Charles等（1997）以1978—1995年全球股票期貨市場(chǎng)上12種股指期貨的數(shù)據(jù)為樣本，研究發(fā)現(xiàn)股指期貨的推出對(duì)股指波動(dòng)性的影響較小。Sigurdsson和Saffi（2011）通過研究26個(gè)國(guó)家的上萬只股票發(fā)現(xiàn)，賣空機(jī)制與價(jià)格泡沫之間沒有直接的因果關(guān)系[8]。

我國(guó)最早引入融資融券制度的是臺(tái)灣和香港地區(qū)，因此，我國(guó)學(xué)者對(duì)于融資融券制度與證券市場(chǎng)波動(dòng)性的研究也主要集中在港臺(tái)兩地。巴曙松（2005）研究認(rèn)為，融資融券業(yè)務(wù)尤其是融券業(yè)務(wù)在短期內(nèi)不會(huì)對(duì)股市波動(dòng)性產(chǎn)生影響[9]。王旻、廖士光、吳淑琨（2008）基于臺(tái)灣證券市場(chǎng)的融資融券交易數(shù)據(jù)的研究發(fā)現(xiàn)，融資融券制度與市場(chǎng)波動(dòng)之間無明顯關(guān)系[10]。許紅偉和陳欣（2012）以我國(guó)證券市場(chǎng)數(shù)據(jù)為樣本分析發(fā)現(xiàn)，融資融券業(yè)務(wù)對(duì)標(biāo)的股的影響有限。李科、徐龍炳、朱偉驟（2014）以白酒行業(yè)的個(gè)股為樣本分析認(rèn)為，融資融券制度在長(zhǎng)期中有助于抑制股票的波動(dòng)性。林祥友等（2016）以首批標(biāo)的股為樣本，利用DID模型和非參數(shù)檢驗(yàn)方法，研究融資融券制度對(duì)股市波動(dòng)性的影響，研究發(fā)現(xiàn)融資融券制度有顯著的助長(zhǎng)助跌效應(yīng)[11]。張俊瑞，白雪蓮、孟翔展（2016）運(yùn)用敏感性分析方法研究發(fā)現(xiàn)融資融券制度所引起的內(nèi)幕交易在一定程度上增大了證券市場(chǎng)的波動(dòng)性[12]。

三、理論基礎(chǔ)與計(jì)量方法

本文采用帶有啞變量的GARCH模型和Hsiao et al.政策面板評(píng)估方法研究?jī)扇诮灰讓?duì)我國(guó)股市波動(dòng)率的影響。鑒于帶有啞變量的GARCH模型是研究金融序列常用的經(jīng)典模型之一，本文不再贅述。因此，本節(jié)著重介紹基于Hsiao et al.政策面板評(píng)估方法的反事實(shí)路徑的構(gòu)造以及固定效應(yīng)面板模型。

（一）Hsiao et al.面板數(shù)據(jù)評(píng)估方法

本文對(duì)于兩融制度對(duì)個(gè)股波動(dòng)性的影響的實(shí)證分析主要基于Hsiao et al.（2012）的面板數(shù)據(jù)政策評(píng)估方法。該模型的假設(shè)：存在一些共同因子能同時(shí)對(duì)所有橫截面數(shù)據(jù)單位產(chǎn)生影響。這一假設(shè)前提已被學(xué)術(shù)界廣泛接受。本節(jié)主要闡述如何利用控制組構(gòu)造實(shí)驗(yàn)組個(gè)股的波動(dòng)率的反事實(shí)路徑。

（二）固定效應(yīng)面板模型

經(jīng)典的回歸模型假設(shè)樣本是平穩(wěn)的時(shí)間序列，因此，為了避免出現(xiàn)偽回歸，在構(gòu)建面板回歸模型之前，先對(duì)上文中求出的處置效應(yīng)進(jìn)行平穩(wěn)性檢驗(yàn)。

四、數(shù)據(jù)選取及分析

（一）整體波動(dòng)性的數(shù)據(jù)選取及分析

本文研究融資融券制度對(duì)中國(guó)股票市場(chǎng)波動(dòng)性的影響?；谑袌?chǎng)層面的整體波動(dòng)性的實(shí)證分析，涉及到融資余額、融券余額、股票日收益率和波動(dòng)率等指標(biāo)。本文選取2014年12月1日至2015年12月31日的上證指數(shù)、滬市融資余額、滬市融券余額和指數(shù)日收益率數(shù)據(jù)作為樣本數(shù)據(jù)，以GARCH模型擬合序列表示股票市場(chǎng)的波動(dòng)率，研究?jī)扇诮灰讓?duì)股票市場(chǎng)波動(dòng)性的影響。為避免出現(xiàn)偽回歸，本文采用上證指數(shù)日收盤價(jià)的一階差分作為樣本的收益率序列。

（二）個(gè)股波動(dòng)性的數(shù)據(jù)選取及分析

本文對(duì)于融資融券制度對(duì)個(gè)股波動(dòng)性的實(shí)證分析主要基于Hsiao et al.（2012）的面板數(shù)據(jù)政策評(píng)估方法。為了避免樣本選擇偏差，本文以2016年12月12日第5次擴(kuò)容為時(shí)間分界線，選取2015年12月12日至2018年6月12日為樣本研究區(qū)間。實(shí)驗(yàn)組選取在2016年12月12日以后成為標(biāo)的股，而在此之前為非標(biāo)的股的股票;同時(shí)，剔除長(zhǎng)時(shí)間停牌的股票共8只;剔除采礦業(yè)、金融業(yè)的個(gè)股;剔除窗口期被S.T或摘牌的個(gè)股，其中S.T的兩支，摘牌的0支。對(duì)于控制組的選取標(biāo)準(zhǔn)如下：1.剔除曾經(jīng)成為標(biāo)的股后又被移出標(biāo)的股名單的股票;2.剔除采礦業(yè)和金融業(yè)的股票;3.剔除2016年12月12日以后成為標(biāo)的股的股票;4.剔除交易日少于500天的股票;5.剔除研究區(qū)間內(nèi)被S.T或停牌的股票。

在進(jìn)行股票匹配過程中，由于控制組股票太多，在一定程度上降低了預(yù)測(cè)的準(zhǔn)確性，所以，本文通過指標(biāo)選取出與控制組最相近的20只非標(biāo)的股（Hsiao et al.2012）作為控制組。Sharif（2013）以中國(guó)股市數(shù)據(jù)研究?jī)扇诮灰讓?duì)股票的波動(dòng)率的影響時(shí)采用換手率、股票市值、股票日收盤價(jià)以及日波動(dòng)率作為指標(biāo)選取與標(biāo)的股最為匹配的非標(biāo)的股，姚磊（2016）采用的是隨機(jī)選擇的方法，陳海強(qiáng)（2015）采用的是資本資產(chǎn)定價(jià)模型中的貝塔值作為選取指標(biāo)。因?yàn)橹袊?guó)的標(biāo)的股皆是選取的流動(dòng)性強(qiáng)、市值大、具有一定代表性的藍(lán)籌股，并非隨機(jī)挑選，所以本文采用陳海強(qiáng)（2015）的方法來選取控制組樣本。首先，按照公式（11），將數(shù)值由小到大排序，找出與控制組最相近的20只非標(biāo)的股。

五、實(shí)證分析

（一）GARCH模型分析

首先，檢驗(yàn)上證指數(shù)是否存在條件異方差，即波動(dòng)性集聚。經(jīng)檢驗(yàn)發(fā)現(xiàn)，無論是收益率的時(shí)間趨勢(shì)、殘差自相關(guān)圖、殘差偏自相關(guān)圖還是Q檢驗(yàn)均顯示擾動(dòng)項(xiàng)存在條件異方差，即波動(dòng)性集聚。其次，由于上證指數(shù)收益率可能存在厚尾，因此假設(shè)擾動(dòng)項(xiàng)服從t分布，并進(jìn)行GARCH（1，1）估計(jì)。結(jié)果顯示，ARCH（1）與GARCH（1）均很顯著，且兩者系數(shù)之和小于1，滿足GARCH有效條件。將GARCH（1，1）模型估計(jì)結(jié)果作為衡量證券市場(chǎng)價(jià)格的波動(dòng)率VOL。 最后，本文采用VAR模型研究?jī)扇诮灰字贫葘?duì)股票市場(chǎng)價(jià)格波動(dòng)率的影響。記融資余額為MAR，融券余額為SS。經(jīng)檢驗(yàn)，MAR、SS、VOL都是一階平穩(wěn)的。

如圖2所示，建立VAR（3）模型，并檢驗(yàn)殘差是否存在自相關(guān)。結(jié)果顯示，VAR系統(tǒng)是穩(wěn)定的。其中，有1個(gè)根十分接近單位圓，意味著有些沖擊有較強(qiáng)的持續(xù)性（如圖3）。

通過脈沖響應(yīng)函數(shù)分析融資交易和融券交易對(duì)股票市場(chǎng)波動(dòng)性的影響。如圖4所示，給MAR一單位正的沖擊時(shí)，得到正的沖擊值，并存在長(zhǎng)期性的影響。表明融資交易對(duì)股市波動(dòng)性有正的沖擊，即融資交易增大了股票市場(chǎng)的波動(dòng)率，且這種沖擊效應(yīng)具有一定的持續(xù)性;給SS一單位正的沖擊，得到負(fù)的沖擊值，并存在長(zhǎng)期性的影響。表明融券交易對(duì)股市波動(dòng)性有負(fù)的沖擊，即融券交易抑制了股市的波動(dòng)率，且這種抑制作用具有一定的持續(xù)性。融資融券制度對(duì)于股市波動(dòng)率的總影響取決于融資交易與融券交易的相對(duì)規(guī)模。

（二）固定效應(yīng)面板模型分析

首先，根據(jù)上文所述方法求出處置效應(yīng)，并對(duì)處置效應(yīng)進(jìn)行t檢驗(yàn)，結(jié)果見表5，由表5可以看出，波動(dòng)率的處置效應(yīng)都是顯著的。

由上述分析可知，融資融券制度在整體上有效降低了個(gè)股的波動(dòng)率，且降低幅度取決于個(gè)股的異質(zhì)性。下面本文將通過回歸分析分析兩融交易對(duì)個(gè)股波動(dòng)率的影響。模型被解釋變量為處置效應(yīng)，將融資余額比、融券余量比作為解釋變量以消除由于融資融券規(guī)模的差異帶來的影響。同時(shí)，將市盈率、市凈率、換手率、對(duì)數(shù)流通市值作為控制變量。由于本文的實(shí)證分析涉及到不同的事件時(shí)期和不同組的數(shù)據(jù)，所以在進(jìn)行回歸分析時(shí)在模型中引入時(shí)間虛擬變量和組間虛擬變量。首先，檢驗(yàn)各樣本區(qū)間數(shù)據(jù)的平穩(wěn)性。經(jīng)檢驗(yàn)各項(xiàng)變量在樣本期均是平穩(wěn)的。其次，對(duì)樣本進(jìn)行組間異方差、組內(nèi)自相關(guān)和豪斯曼檢驗(yàn)，結(jié)果表明應(yīng)使用固定面板模型。

由表6可知，融資交易和個(gè)股波動(dòng)率之間是負(fù)相關(guān)關(guān)系，即融資交易降低了股票的波動(dòng)率，而融券交易和個(gè)股的波動(dòng)率之間存在顯著的正相關(guān)關(guān)系，即融券交易增大了個(gè)股的波動(dòng)率。兩融交易對(duì)個(gè)股波動(dòng)的總影響取決于融資交易與融券交易的相對(duì)規(guī)模。從整體上來說，絕大多數(shù)股票的融資交易的活躍程度在很大程度上超過融券交易，使得兩融制度對(duì)絕大多數(shù)股票波動(dòng)率的總影響顯示出抑制的作用。

由表7可知，交叉虛擬變量對(duì)異常上漲頻率、異常下跌頻率有負(fù)影響，時(shí)間虛擬變量和融資余額比對(duì)異常上漲率有負(fù)影響，對(duì)異常下跌頻率有正效應(yīng)，融券余量比對(duì)異常上漲率、異常下跌率有正效益。即融資余額比增加了異常下跌頻率，而融券余量比既增加了異常上漲率又增加了異常下跌頻率。

六、結(jié)論及建議

（一）結(jié)論

本文從市場(chǎng)整體波動(dòng)性和個(gè)股波動(dòng)性兩個(gè)維度出發(fā)，研究融資融券制度對(duì)股市波動(dòng)性的影響，分別使用GARCH模型和Hsiao的政策面板分析法進(jìn)行實(shí)證分析。

由GARCH模型的實(shí)證分析我們發(fā)現(xiàn)，當(dāng)政府連續(xù)三次以上以作用相悖的政策干預(yù)市場(chǎng)時(shí)，融資交易具有增大股票市場(chǎng)波動(dòng)性的作用而融券交易能有效平抑股票市場(chǎng)的波動(dòng)性。由于我國(guó)融資交易和融券交易發(fā)展極不平衡，融資交易額占兩融交易總額的95%以上，因此，融資融券交易總體上增大了股票市場(chǎng)的波動(dòng)率。

由面板分析發(fā)現(xiàn)，融資交易具有平抑個(gè)股波動(dòng)性的作用，同時(shí)也降低了個(gè)股異常上漲率，但是卻增加了個(gè)股異常下跌頻率。融券交易增加了個(gè)股的波動(dòng)率，同時(shí)也增加了個(gè)股的異常下跌頻率和個(gè)股異常上漲頻率。鑒于我國(guó)兩融交易發(fā)展現(xiàn)狀，融資融券交易整體上平抑了個(gè)股的波動(dòng)性，但卻增加了個(gè)股異常波動(dòng)頻率。

研究結(jié)果表明，對(duì)于個(gè)股來說，兩融制度的引入平抑了標(biāo)的股的波動(dòng)性，但卻增加了標(biāo)的股的異常漲跌率;基于市場(chǎng)整體層面的研究發(fā)現(xiàn)，在短期較強(qiáng)力度的政策干預(yù)下，融資融券制度顯著地增大了股票市場(chǎng)波動(dòng)性。

（二）相應(yīng)的政策建議

1.基于監(jiān)管者角度，融資融券制度本身是具有價(jià)格發(fā)現(xiàn)功能的，能夠平抑股票波動(dòng)性。但是，如果監(jiān)管機(jī)構(gòu)在短期內(nèi)連續(xù)三次以上以作用相悖的政策干預(yù)證券市場(chǎng)，如2015年上半年的“極松”和下半年的“極緊”，兩融制度反而增加了股市的波動(dòng)性。所以，應(yīng)穩(wěn)健地推行兩融制度，出臺(tái)和完善相關(guān)的法律法規(guī)的同時(shí)給予市場(chǎng)一定的自由度，以“溫和”的引導(dǎo)為主，使其更好地適應(yīng)和發(fā)展新制度。

2.基于融資融券交易推進(jìn)者角度，融資交易所占比例高達(dá)95%，遠(yuǎn)高于西方發(fā)達(dá)國(guó)家的比例。形成這一局面的原因除了券源不足外，較低的融券額度、較高的交易利率都不利于融券業(yè)務(wù)的開展。降低融券利率，提升證券公司進(jìn)行融券交易的積極性，同時(shí)，積極促進(jìn)轉(zhuǎn)融通業(yè)務(wù)的發(fā)展，緩解融券標(biāo)的不足的問題，促使融資融券制度更加完善。

3.基于證券公司角度，通過面板數(shù)據(jù)固定效應(yīng)模型分析得出，融資交易對(duì)股票價(jià)格的波動(dòng)有負(fù)向影響，融券交易對(duì)股票價(jià)格的波動(dòng)有正向影響，也就是說，對(duì)于成為標(biāo)的股的個(gè)股來說，融資交易降低了標(biāo)的股的波動(dòng)率，而融券交易則恰恰相反。證券公司在進(jìn)行投資活動(dòng)時(shí)，應(yīng)做好風(fēng)險(xiǎn)控制，優(yōu)化融資活動(dòng)，提高自身抵御風(fēng)險(xiǎn)的能力，積極探索證券交易多樣化的路徑。

4.基于個(gè)人投資者角度，通過豐富融資融券業(yè)務(wù)對(duì)中國(guó)股票市場(chǎng)波動(dòng)性的研究，使投資者更加理性客觀而全面的理解融資融券制度以及該制度的風(fēng)險(xiǎn)特征，加強(qiáng)投資者自身的風(fēng)險(xiǎn)控制和防范能力;同時(shí)，兩融交易雖然在整體上降低了標(biāo)的股的波動(dòng)率，但是會(huì)導(dǎo)致標(biāo)的股異常波動(dòng)頻率的增加。因此，個(gè)人投資者在投資于兩融標(biāo)的股時(shí)應(yīng)更加謹(jǐn)慎。

[參考文獻(xiàn)]

[1]Hong H， Stein J C. Differences of Opinion， Short-Sales Constraints， and Market Crashes[J]. Review of Financial Studies， 2003， 16（2）：487-525.

[2]Bernardo， Antonio E， Welch， Ivo. Liquidity and Financial Market Runs[J]. The Quarterly Journal of Economics， 2004， 119（1）：135-158.

[3]Battalio R， Schultz P. Regulatory Uncertainty and Market Liquidity： The 2008 Short Sale Bans Impact on Equity Option Markets[J]. Journal of Finance， 2011， 66（6）：2013-2053.

[4]Seguin P J. Stock Volatility and Margin Trading[J]. Journal of Monetary Economics， 1990， 26（1）：101-121.

[5]James J. Angel. Short Selling on the NYSE[D]. Georgetown University，1997.

[6]Anchada Charoenrook，Hazem Daouk. A Study of Market-Wide Short- Selling Restrictions[D]. Vanderbilt University and Cornell University，2005.

[7]Sharif S， Anderson H D， Marshall B R. Against the Tide： the Commencement of Short Selling and Margin Trading in Mainland China[J]. Accounting & Finance， 2015， 54（4）：1319-1355.

[8]Saffi P A C， Sigurdsson K. Price Efficiency and Short Selling[J]. Review of Financial Studies， 2011， 24（3）：821-852.

[9]巴曙松. 融資融券：激活市場(chǎng)的創(chuàng)新舉措[J]. 金融博覽， 2006（9）：17.

[10]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——基于中國(guó)臺(tái)灣證券市場(chǎng)的經(jīng)驗(yàn)與啟示[J]. 財(cái)經(jīng)研究， 2008， 34（10）：99-109.

[11]林祥友， 易凡琦， 陳超. 融資融券交易的助漲助跌效應(yīng)——基于雙重差分模型的研究[J]. 投資研究， 2016（4）：74-86.

[12]張俊瑞， 白雪蓮， 孟祥展. 啟動(dòng)融資融券助長(zhǎng)內(nèi)幕交易行為了嗎？——來自我國(guó)上市公司的經(jīng)驗(yàn)證據(jù)[J]. 金融研究， 2016（6）：176-192.

[13]陳海強(qiáng)， 范云菲. 融資融券交易制度對(duì)中國(guó)股市波動(dòng)率的影響——基于面板數(shù)據(jù)政策評(píng)估方法的分析[J]. 金融研究， 2015（6）：159-172.

[14]Cheng Hsiao， H. Steve Ching， Shui Ki Wan. A Panel Data Approach for Program Evaluation： Measuring the Benefits of Political and Economic Integration of Hongkong with Mainland China[J]. Journal of Applied Econometrics， 2012， 27（5）：705-740.

[15]金浩， 姚臻. 異常波動(dòng)時(shí)期融資融券對(duì)股價(jià)特質(zhì)性波動(dòng)的影響研究[J]. 天津大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）， 2018， 20（1）：31-35.

[16]宮曉云. 融資融券制度提高還是降低了股價(jià)非同步性？[J]. 南方經(jīng)濟(jì)， 2018， V37（11）：47-66.

[17]呂大永， 吳文鋒. 融資、融券交易及其波動(dòng)對(duì)股價(jià)穩(wěn)定性的影響一致嗎[J]. 經(jīng)濟(jì)理論與經(jīng)濟(jì)管理， 2018， V37（4）：49-62.

（責(zé)任編輯：郭麗春）