王同芳 商植桐

摘 要： 我國融資融券制度的出臺意在提高市場效率和完整性，但若投資者利用其杠桿效應(yīng)進行投機交易則會加劇股市波動。從融資融券與股市波動的關(guān)系角度采用VAR模型、脈沖響應(yīng)、方差分解等計量方法，通過2018年1月26日—2021年2月10日的數(shù)據(jù)研究發(fā)現(xiàn)，在滬深300指數(shù)上升階段，股市波動對融資交易有小幅促進作用，對融券交易有小幅抑制作用，且融資交易變化量會大幅增加股市波動;在滬深300指數(shù)下降階段，股市波動與融資交易不存在長期影響，對融券交易有小幅抑制作用。進一步分析得出目前我國參與融資融券交易的投資者主要為價值型投資者及其對該交易使用是不充分的結(jié)論。

關(guān)鍵詞：融資融券;股票市場;波動性

中圖分類號：F832.5 ? 文獻標(biāo)志碼：A ? 文章編號：1674-7356（2021）-02-0036-09

我國于2010年3月31日正式開通融資融券交易系統(tǒng)，該制度的出臺標(biāo)志著杠桿交易和賣空交易正式進入我國股市，結(jié)束了二十多年的“單邊市”。但由于我國股票市場尚不成熟，散戶比例高、 “政策市”顯著，且進行融資和融券交易從本質(zhì)上來說是內(nèi)生行為，因此及時探究投資者使用融資融券進行交易與股票市場之間產(chǎn)生影響的內(nèi)在關(guān)聯(lián)，為相關(guān)政策的制定與調(diào)整提供理論支持與事實依據(jù)，幫助監(jiān)管機構(gòu)調(diào)整政策方向、正確引導(dǎo)投資者具有重要意義。

一、研究回顧

政策制定者認(rèn)為，將融資融券交易納入證券交易方式之中，作為提高市場效率和完整性的必要手段，對資本市場的穩(wěn)定發(fā)揮著重要作用，對全球資本市場及其參與者具有深遠(yuǎn)影響。在2010年3月份之前，我國并未允許進行融資融券交易，一些國外市場也曾在某一些階段進行了賣空限制。比如全球多數(shù)證券交易所監(jiān)管機構(gòu)對2007—2009年危機的反應(yīng)是對賣空行為實施禁令或監(jiān)管限制[1]。但在這些禁止賣空交易的市場中，監(jiān)管執(zhí)行效果不盡如人意，因為賣空限制降低了市場的配置和信息效率[2]。從投資者的角度看，被高估的股票是對空頭頭寸需求最大的股票[3]，賣空限制使得這些股票的基礎(chǔ)價值無法支撐高估的股價[4]，價格發(fā)現(xiàn)速度減慢，導(dǎo)致系統(tǒng)崩潰，而融資融券制度等做空機制有助于矯正高估的股價。由此可見，進行適當(dāng)?shù)娜谫Y融券交易是十分必要的。在美國場外交易市場允許融資融券交易之后，信息流動增加[5]，投資者們可以借助融資融券交易信息對股票的未來回報進行預(yù)測，對小盤股尤其有效[6-7]。

從理論上說，融資融券交易不僅有助于提高價格發(fā)現(xiàn)能力，而且提供了增加市場容量和降低流動性風(fēng)險的手段，但在現(xiàn)實市場當(dāng)中，融資融券交易機制對股票市場的影響程度至今沒有統(tǒng)一的定論。一些學(xué)者認(rèn)為賣空機制很難發(fā)揮作用，而融資機制又為投資者提供了跟風(fēng)追漲的手段，加劇了個股股價波動率[8]，惡化了崩盤風(fēng)險[9]。王旻等（2018）則得出融資融券交易并未顯著影響市場的波動性水平的結(jié)論[10]。也有一些學(xué)者認(rèn)為融資融券制度的推出有效降低了標(biāo)的個股的波動率[11-13]。徐長生和馬克（2017）發(fā)現(xiàn)在股票基本面因素沒有變化的情況下，牛市開始之后融資交易規(guī)模的擴大導(dǎo)致融資融券標(biāo)的股的價格存在明顯高估[14]。

從以上研究成果來看，融資融券制度的出臺是否有利于穩(wěn)定股價、是否有利于降低股票市場波動率還存在爭議。已有的融資融券與股市波動的關(guān)系研究時間跨度大、覆蓋國家廣，導(dǎo)致宏觀經(jīng)濟水平、股市自身狀況等方面都存在較大差異，研究結(jié)果受到的干擾性較強。我國股市與其他國家，尤其是發(fā)達(dá)國家股市不同，權(quán)重股基本都是國有企業(yè)股，不能參與融資融券交易;MSCI雖也在2017年6月份入市，但外資與機構(gòu)投資者相對于發(fā)達(dá)國家占比仍然較小，散戶投資者占比偏多;我國股市還有T+1交易制度、漲跌停制度等。而2017年開始，市場中呼吁價值投資的投資者數(shù)量激增， “漂亮50”的走勢也使得一大批散戶投資者退場，被很多投資者稱為“價值投資元年”，人們倡導(dǎo)從公司經(jīng)營、行業(yè)發(fā)展、宏觀經(jīng)濟角度進行投資，而不是利用K線圖進行投機。在此背景下，融資融券交易在其中發(fā)揮了什么作用是本文研究的重點。

二、研究設(shè)計及數(shù)據(jù)選取

（一）研究設(shè)計

在融資融券與股市波動關(guān)系的研究方面，學(xué)者們常用的研究方法大致有三種： 一是將股票按照是否允許融資融券交易來進行區(qū)分，使用實驗組和對照組構(gòu)建雙重差分模型進行分析; 二是通過脈沖響應(yīng)、方差分解等方法，構(gòu)建向量自回歸（VAR）模型進行分析; 三是依據(jù)回歸系數(shù)大小及顯著性，采用線性回歸模型進行分析。本文采用第二種方法，通過格蘭杰因果檢驗、脈沖響應(yīng)、方差分解等方法進行實證研究。

向量自回歸（VAR）模型在去除了外生變量之后，VAR（p）模型的數(shù)學(xué)表達(dá)式如下。

yt = A1yt-1 + … + Apyt-p + ？著t，t = 1，2，…，T（1）

其中：yt為k維內(nèi)生變量向量，p為滯后階數(shù)，T為樣本個數(shù)。k×k維矩陣A1，…，Ap和k×d維矩陣B是要被估計的系數(shù)矩陣，？著t是k維擾動向量。

基于本文所研究的內(nèi)容，構(gòu)建的基本VAR模型如下：

（二）數(shù)據(jù)選取

我國融資融券交易于2010年3月31日開啟，最初只有90只股票，2011年12月5日第一次擴容后股票數(shù)量為185只，2013年1月31日第二次擴容后股票數(shù)量為500只，2013年9月16日第三次擴容后股票數(shù)量為696只，2014年9月22日第四次擴容后股票數(shù)量為900只，經(jīng)過2016年12月12日第五次擴容，至今已有950只，在市場中的占比日益增加。

為了保證數(shù)據(jù)的及時性，本文使用2016年12月12日最后一次擴容之后的數(shù)據(jù)，結(jié)合市場行情走勢，我們選擇2018年1月26日—2021年2月10日的數(shù)據(jù)進行研究。在對股票指數(shù)的衡量方面，滬深300指數(shù)的推出就是為了反映滬深市場整體走勢，是一個跨市場指數(shù)，而我國融資融券標(biāo)的股也是橫跨滬深市場，因此本文選用滬深300指數(shù)來代表股票市場整體走勢。為保證數(shù)據(jù)的平穩(wěn)性，將使用對數(shù)收益率來表示其波動性，計算公式如下：

VOLt = ln（Pt / Pt-1）（6）

滬深兩融余額數(shù)據(jù)使用日融資余額和日融券余額的變化量，來考察融資融券余額的變化是否會對股市產(chǎn)生影響，計算公式如下：

MPvol = （MPt - MPt-1）MPt-1（7）

SSvol = （SSt - SSt-1）SSt-1（8）

本文將滬深300指數(shù)按照下降階段和上升階段分別研究。2018年1月26日—2019年1月4日，指數(shù)從4 403.34下降到2 935.83，為下降階段;2019年1月4日—2021年2月10日，指數(shù)從2 935.83上升到5 930.91，為上升階段。并判斷在這兩個階段中融資和融券與股市波動性之間的關(guān)系。數(shù)據(jù)來自Wind資訊。

三、實證檢驗

（一）下降階段

1. 平穩(wěn)性檢驗

在實證檢驗之前，先要對數(shù)據(jù)平穩(wěn)性進行檢驗。本文使用的數(shù)據(jù)屬于大樣本數(shù)據(jù)，直接選用ADF檢驗法。在使用這種方法時，需要根據(jù)時序圖來判斷時間序列有無常數(shù)項和趨勢項，若檢驗回歸中含有常數(shù)項，則原序列在一個偏離0的位置隨機變動;若含有線性趨勢項，則被檢驗序列的波動趨勢隨時間變化而變化。從圖2上可以看出，指數(shù)波動率和融券余額變化量是圍繞靠近0的水平線隨機游動，因此無常數(shù)項和趨勢項，融資余額變化量具有常數(shù)項而沒有趨勢項。

ADF檢驗的原假設(shè)是序列存在一個單位根，當(dāng)P值小于0.05時可以拒絕原假設(shè)，即序列平穩(wěn)。檢驗結(jié)果如表1所示，指數(shù)波動率和融券余額變化量在1%顯著性水平下拒絕原假設(shè)，為平穩(wěn)序列，滿足VAR模型條件，融資余額變化量是一階平穩(wěn)，與指數(shù)波動率為不同階平穩(wěn)，因此認(rèn)為兩者之間不存在長期關(guān)系，不能創(chuàng)建VAR模型。

2. 滯后階數(shù)選擇

VAR模型需要根據(jù)最優(yōu)滯后階數(shù)來建立。對股市波動和融券交易的VAR模型滯后階數(shù)進行檢驗，根據(jù)AIC準(zhǔn)則和SC準(zhǔn)則，選取最小值來確定滯后階數(shù)。如表2所示，股市波動和融券交易中根據(jù)準(zhǔn)則顯示最優(yōu)滯后階數(shù)為4，因此最優(yōu)滯后階數(shù)為4。

3. VAR模型結(jié)果

滬深300與融券交易建立的VAR（4）型結(jié)果為：

SS=-0.263037934169*SS（-1）-0.061788581714 * SS（-2）-0.0624939370961*SS（-3）+0.10633690738* SS（-4）+0.297981069603*VOL（-1）-0.1397652489 18*VOL（-2）+0.0759340771339*VOL（-3）-0.584917 229792*VOL（-4）-0.032992113823

VOL=0.0106202019125*SS（-1）+0.0213824805366* SS（-2）+0.0293364654853*SS（-3）+0.0432065933116* SS（-4）-0.0338129704351*VOL（-1）-0.0530857200 88*VOL（-2）+0.0136687884963*VOL（-3）-0.220921 783508*VOL（-4）-0.221780494762

在使用VAR模型分析時間序列時，需要驗證VAR模型的穩(wěn)定性。若AR根檢驗中模型的特征根的模均小于1，或所有特征根都顯示在單位圓內(nèi)，則可以認(rèn)為VAR模型是穩(wěn)定的，若不滿足這些條件則認(rèn)為模型是不穩(wěn)定的。如圖3所示，所有模型特征根均在單位圓內(nèi)，因此股市波動與融券交易的VAR（4）模型是穩(wěn)定的。但在實際應(yīng)用中，學(xué)者們通常不太關(guān)心VAR模型的回歸系數(shù)，而重點關(guān)注的是Granger因果關(guān)系檢驗、脈沖響應(yīng)和方差分解。

4. Granger因果檢驗

在時間序列下，Granger因果檢驗通常定義為，包含兩個變量過去信息的預(yù)測效果要比只包含單一變量過去信息的預(yù)測效果要好，即其中一個變量有助于解釋另一個變量的將來變化，則認(rèn)為其中一個變量是引致另一個變量的格蘭杰原因，它檢驗的是一個變量的滯后變量是否可以引入其他變量方程中。基于上文中的研究，股市波動和融券交易的時間序列通過了平穩(wěn)性檢驗，可以直接進行Granger因果關(guān)系檢驗。根據(jù)表3中的檢驗結(jié)果，二者之間為單向格蘭杰因果關(guān)系，融券交易不是滬深300的格蘭杰原因，而滬深300是融券交易的格蘭杰原因。

5. 脈沖響應(yīng)

脈沖響應(yīng)函數(shù)（impulse response function，IFR）是考察當(dāng)模型受到?jīng)_擊時，這種影響是如何傳遞到其他變量的。因為滬深300與融資交易之間不存在長期關(guān)系，而融券交易存在從股票指數(shù)到融券交易的單向因果關(guān)系，因此下面的檢驗僅考慮此影響。若給予股市波動一個正標(biāo)準(zhǔn)差沖擊，得到的脈沖響應(yīng)函數(shù)如圖4所示，在第5日產(chǎn)生了負(fù)影響并達(dá)到最大值，隨后逐漸減弱并趨向于0。

6. 方差分解

脈沖響應(yīng)描述了變量沖擊的方向和大小，而方差分解則用于評價不同沖擊的重要性。方差分解可以將VAR系統(tǒng)中任意一個內(nèi)生變量的預(yù)測方差分解成各個變量的隨機沖擊，并評價不同沖擊所做的貢獻。從表4中所示方差分解結(jié)果顯示，股市波動對融券交易的解釋比例較小，大約在第5期達(dá)到了6%左右，而融券交易對自身的影響達(dá)到93%。

（二）上升階段

1. 平穩(wěn)性檢驗

使用ADF檢驗之前，先根據(jù)時序圖來判斷時間序列有無常數(shù)項和趨勢項，從圖5上可以看出，三個序列都是圍繞靠近0的水平線隨機游動，因此無常數(shù)項和趨勢項。在此基礎(chǔ)上進行ADF檢驗，原假設(shè)是序列存在一個單位根，當(dāng)P值小于0.05時可以拒絕原假設(shè)，即序列平穩(wěn)。檢驗結(jié)果如表6所示，3個變量均在1%顯著性水平下拒絕原假設(shè)，為平穩(wěn)序列，滿足VAR模型條件。

2. 滯后階數(shù)選擇

建立VAR模型前先要確定最優(yōu)滯后階數(shù)。對股市波動和融資交易、股市波動和融券交易的VAR模型滯后階數(shù)進行檢驗，如表6所示，股市波動和融資交易中根據(jù)AIC準(zhǔn)則滯后階數(shù)為6階，SC準(zhǔn)則顯示為5階，由于AIC小于SC，因此最優(yōu)滯后階數(shù)確定為6階;如表7所示，股市波動和融券交易的滯后階數(shù)根據(jù)AIC準(zhǔn)則顯示為8階，SC準(zhǔn)則顯示為2階，由于AIC小于SC，因此最優(yōu)滯后階數(shù)為8階。

3. VAR模型結(jié)果

滬深300與融資交易建立的VAR（6）模型結(jié)果為：

VOL=-0.207373585161*MP（-1）-0.4255970506 52*MP（-2）-0.132165031534*MP（-3）+0.055532764 2482*MP（-4）+0.454916443572*MP（-5）+0.0603634 246305*MP（-6）+0.055799220336*VOL（-1）+0.0753 517043979*VOL（-2）+0.175838635443*VOL（-3）+0.00921606668002*VOL（-4）-0.00838909708731* VOL（-5）-0.0991559854834*VOL（-6）+0.09019940 03339

MP=0.296063556832*MP（-1）+0.17995028093* MP（-2）-0.0364885236411*MP（-3）-0.07045349288 86*MP（-4）+0.47518777031*MP（-5）-0.140006175 208*MP（-6）+0.0592503415785*VOL（-1）+0.03403 04419728*VOL（-2）+0.0437683181197*VOL（-3）+0.0173194495097*VOL（-4）-0.0159251638366*VOL（-5）-0.0140115733337*VOL（-6）-0.0156097770301

如圖6所示，所有模型特征根均在單位圓內(nèi)，因此股市波動與融資交易的VAR（6）模型是穩(wěn)定的。

同樣，滬深300與融券交易建立的VAR（8）模型結(jié)果如下所示。從圖7中來看，所有模型特征根均在單位圓內(nèi)，因此股市波動與融券交易的VAR（7）模型是穩(wěn)定的。

VOL=-0.0116726224681*SS（-1）-0.0458267728 99*SS（-2）-0.0314511858812*SS（-3）+0.042912109 321*SS（-4）-0.0109468956402*SS（-5）-0.030199431 4313*SS（-6）+0.0279355096508*SS（-7）+0.0544389 035817*SS（-8）+0.0578297093319*VOL（-1）+0.024 7426167133*VOL（-2）+0.122904888988*VOL（-3）-0.157881411395*VOL（-4）+0.0473581063796*VOL（-5）-0.0420325855952*VOL（-6）+0.0196254290281* VOL（-7）-0.149556835986*VOL（-8）+0.079838454 776

SS=0.0166355749402*SS（-1）+0.190478017803* SS（-2）+0.107570109891*SS（-3）+0.0266744315144* SS（-4）+0.232216458189*SS（-5）-0.0688066335717* SS（-6）+0.148016609129*SS（-7）+0.103772103507* SS（-8）+0.240983330164*VOL（-1）-0.54461590156 6*VOL（-2）-0.0839302902077*VOL（-3）-0.2249830 83228*VOL（-4）-0.188401611667*VOL（-5）-0.0540 798799278*VOL（-6）+0.0308131924876*VOL（-7）-0.375009622087*VOL（-8）-.03840607553

4. Granger因果檢驗

Granger因果檢驗的前提必須是平穩(wěn)序列，基于上文中的研究，VOL、MP、SS的時間序列均通過了平穩(wěn)性檢驗，屬于平穩(wěn)序列，可以直接進行Granger因果關(guān)系檢驗。根據(jù)表8中的檢驗結(jié)果，融資交易與滬深300之間存在雙向因果關(guān)系，而滬深300與融券交易之間存在從股市波動到融券交易的單向因果關(guān)系。

5. 脈沖響應(yīng)

若給股市波動一個正標(biāo)準(zhǔn)差沖擊，得到的脈沖響應(yīng)函數(shù)如圖8所示，股市波動對融資交易的影響為正影響，并在第4日達(dá)到最大值;若給予融資交易一個正標(biāo)準(zhǔn)差沖擊，得到的脈沖響應(yīng)函數(shù)如圖9所示，在第1日產(chǎn)生了正影響并達(dá)到最大，隨后產(chǎn)生負(fù)影響，逐漸減弱并趨向于0。同理，如圖10所示，若給股票波動一個正標(biāo)準(zhǔn)差沖擊，對融券交易在第3日產(chǎn)生了負(fù)影響并達(dá)到最大，隨后影響逐漸減弱。因此，股市波動和融資交易之間為正影響，而股市波動對融券交易會產(chǎn)生抑制作用。

6. 方差分解

從表9中所示方差分解結(jié)果可以看出，對融資交易來說，其對自身的影響最大，占比達(dá)到93%左右，而股市波動對融資交易的解釋比例從第一期開始逐漸上升，到第6期穩(wěn)定在7%左右;對股市波動來說，融資交易對股市波動的解釋比例從第一期開始穩(wěn)定在29%后幾乎無變化。相比而言，融資交易對股市波動的影響要大于股市波動對融資交易的影響。同時，如表10所示，融券交易受到股市波動的影響程度大約在8%，而對自身的影響達(dá)到92%。

四、結(jié)論及建議

融資融券交易在資本市場中扮演著重要的角色，如促進價格發(fā)現(xiàn)、緩解泡沫形成、增加市場流動性、提供對沖利益等。然而，投資者和投機者參與融資融券交易的行為本質(zhì)上都是內(nèi)生的，因此，我們需要確定一個“沖擊”，在一個狹窄的時間框架內(nèi)，導(dǎo)致投資者和投機者行為的急劇差異變化，以估計相互影響。

通常情況下認(rèn)為，融資交易會導(dǎo)致投資者對股票的需求增加，供不應(yīng)求使股票價格上升、股市波動增加，融券交易使投資者對股票需求減少，因此股票價格回落、股市波動減少。結(jié)合本文的實證研究，本文認(rèn)為在股市呈上升趨勢時，股市波動對融資交易有小幅促進作用，對融券交易有小幅抑制作用，且融資交易變化量會大幅增加股市波動，可以分析得出，市場中的投資者在上升行情中并未過多利用融資交易增加杠桿，也并未利用市場行情翻轉(zhuǎn)的可能性融券投機，始終保持理性狀態(tài)，但由于上升行情中市場需求已經(jīng)飽和，少量股票需求即可對股市波動有較大影響;在股市呈下降趨勢時，股市波動與融資交易不存在長期影響，對融券交易有小幅抑制作用，可以認(rèn)為投資者在下降趨勢中出于對后續(xù)市場樂觀或者規(guī)避風(fēng)險的態(tài)度，減少了交易杠桿的使用。因此本文認(rèn)為，在股票市場交易過程中，投資者并未出現(xiàn)大幅追漲殺跌的趨勢交易現(xiàn)象，一方面是由于參與融資融券交易投資者投資風(fēng)格慢慢向價值型投資轉(zhuǎn)變，另一方面是由于我國市場中使用杠桿交易的投資者占比較小。

通過本文的研究，給監(jiān)管機構(gòu)和投資者的建議是：第一，2017年開始傳統(tǒng)的投機方式不再適用，投資者開始更多關(guān)注行業(yè)研究、公司估值等價值投資方面，被很多投資者稱為“價值投資元年”，而融資融券交易作為價格發(fā)現(xiàn)手段，在此背景下發(fā)揮了怎樣的作用是值得關(guān)注的。實證結(jié)果顯示，在股市行情快速上升或下降的過程中，投資者并未增幅使用融資融券進行杠桿交易，因此目前我國投資者對融資融券交易的使用是不充足的，其價格發(fā)現(xiàn)功能沒有充分實現(xiàn)。第二，研究將股市走勢按照上升階段和下降階段進行拆分，得出的結(jié)論是投資者初步具備價值投資意識，不盲目“追漲殺跌”，但研究結(jié)果提示監(jiān)管機構(gòu)要繼續(xù)完善融資融券交易規(guī)則，加強交易市場的監(jiān)督監(jiān)管，增加融資融券交易信息公布的及時性和公開性，正確引導(dǎo)投資者進行價值投資。

[參考文獻]

[1] ?Bener A，Pagano M. Short-Selling Bans Around the World： Evidence from the 2007-09 Crisis[J]. The Journal of Finance，2013，68（1）：343-381.

[2] ?Bai Y，Chang E C，Wang J. Asset Prices Under Short-Sale Constraints[C]. Working Paper，Hong Kong Institute of Economics and Business Strategy. 2006：1-17.

[3] ?Lamont O A，Stein J C. Aggregate Short Interest and Market Valuations[J]. American Economic Review，2004，94（2）：29-32.

[4] ?李科，徐龍炳，朱偉驊. 賣空限制與股票錯誤定價—融資融券制度的證據(jù)[J]. 經(jīng)濟研究，2014，49（10）：165-178.

[5] ?Seguin P J. Stock volatility and margin trading[J]. Journal of Monetary Economics，1990，26（1）：101-121.

[6] ?Long J B D，Shleifer A，Summers L H，et al. Noise Trader Risk in Financial Markets[J]. Journal of Political Economy，1990，98（4）：703-738.

[7] ?Takehide Hirose，Hideaki Kiyoshi Kato，Marc Bremer. Can margin traders predict future stock returns in Japan？[J]. Pacific-Basin Finance Journal，2008，17（1）：41-57.

[8] ?王朝陽，王振霞. 漲跌停、融資融券與股價波動率——基于AH股的比較研究[J]. 經(jīng)濟研究，2017，52（4）：151-165.

[9] ?褚劍，方軍雄. 中國式融資融券制度安排與股價崩盤風(fēng)險的惡化[J].經(jīng)濟研究，2016，51（5）：143-158.

[10] ?王旻，廖士光，吳淑琨. 融資融券交易的市場沖擊效應(yīng)研究——基于中國臺灣證券市場的經(jīng)驗與啟示[J]. 財經(jīng)研究，2008，（10）：99-109.

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

[12] ?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.

[13] ?王帥. 融資融券對我國股市波動率影響機理研究——基于VAR模型的檢驗[J]. 中南財經(jīng)政法大學(xué)學(xué)報，2017，（1）：41-46.

[14] ?徐長生，馬克. 牛市中融資融券交易對股價高估的影響——基于上證A股交易數(shù)據(jù)的雙重差分法分析[J]. 經(jīng)濟評論，2017，（1）：40-52.

The Relationship between Margin Lending and Short Selling and Stock Market Volatility

WANG Tongfang， SHANG Zhitong

（1. School of Economics and Management， Hebei University of Technology， Tianjin 300401， China;

2. School of Artificial Intelligence， Hebei University of Technology， Tianjin 300401， China）

Abstract： The policy of securities margin trading in China aims to improve the market efficiency and integrity， but if investors exploit its leverage effect for speculative trading， it will aggravate the volatility of the stock market. The paper uses several quantitative methods such as VAR model， impulse response， and variance decomposition to analyze the volatility between securities margin trading and stock market. According to the data of CSI 300 Index from January 26， 2018 to February 10， 2020， it can be found that in the rising stage of CSI 300 Index， the stock market volatility has a small promoting effect on the financing transaction and a small inhibiting effect on the short selling transaction， and the change of the financing transaction will greatly increase the stock market volatility. In the decline stage of CSI 300 Index， there is no long-term impact of stock market fluctuations and financing transactions， which has a small inhibitory effect on securities trading. According to further analysis， Chinese investors who are engaged in securities margin trading are mainly value investors， but they have not made full use of it.

Key words： securities margin trading; the stock market; volatility

收稿日期：2019-01-07

基金項目：天津市社科規(guī)劃項目（TJYY17-028）

作者簡介：王同芳（1992—），女，河北廊坊人，河北工業(yè)大學(xué)經(jīng)濟管理學(xué)院碩士研究生，主要研究方向：金融學(xué)。

網(wǎng)絡(luò)出版時間：2019-04-30 ? ? ? ?網(wǎng)絡(luò)出版地址：http：//kns.cnki.net/kcms/detail/13.1396.G4.20190430.1036.001.html