融资融券政策与中国股市波动：平抑还是加剧？

2017-09-18张桂荣曹志鹏

金融与经济 2017年8期

张桂荣，曹志鹏

张桂荣，曹志鹏

以2009～2015年沪深股市为研究对象，以标的股为处理组，非标的股为控制组，在使用倾向得分进行匹配的基础上对匹配后的样本进行双重差分估计，检验了融资融券开启及四次扩容对股市波动的影响，研究发现：融资融券政策确实会平抑股市的波动，有证据表明随着股票市场和融资融券政策趋于成熟，这种平抑作用更加明显。此外，可以认为融资融券平抑股市波动的作用在股市泡沫时期更加明显。

倾向得分；双重差分；融资融券；波动率

张桂荣（1993-），陕西科技大学经济与管理学院硕士研究生，研究方向为证券市场理论与政策；曹志鹏（1971-），副教授，博士，陕西科技大学经济与管理学院硕士研究生导师，研究方向为证券市场理论与政策。（陕西西安710021）

一、引言

2010年3月31日我国的融资融券正式启动，此后融资融券交易呈现出快速发展的态势，分别历经了2011年12月5日、2013年1月31日、2013年9月16日以及2014年9月22日的四次标的证券扩容。然而融资融券这一机制的施行是否如我们期望的那般平抑了股票市场的波动？后期的四次扩容政策是否使这一积极作用得到了更好的发展？这些问题都有待回答。

融资融券从诞生起就饱受争议，国内外许多学者从理论和实证两个方面对其进行了研究。然而到目前为止，就融资融券究竟能否抑制股市波动的问题仍然无法得出确切的回答。学术界对此莫衷一是，其观点基本可以分为三类：

第一种观点认为融资融券可以平抑股票市场波动，促进市场趋于稳定。Anchada Charoenrook和Hazem Daouk(2003)通过对全球111家股票市场（包括发达市场和新兴市场）2001年下半年至2002年的数据进行研究，发现融券交易的存在与否确实会影响股市的波动，因为实证数据表明发达市场的波动明显低于新兴市场的波动，而后者并未实行卖空机制。廖士光和杨朝军(2005)以台湾股市前七年的数据为检验对象分析了卖空与股价间的关系，他们采用的方法是协整检验以及Granger因果分析，最终得出结论：卖空可以减缓股价波动，稳定市场。Bai等(2007)建立模型证明了限制卖空增加了波动性。杨德勇和吴琼(2011)对沪市数据的实证结果显示了融资融券能够平抑个股的波动性，并且存在因果关系。陈伟(2011)运用GARCH族对比分析上证和深证指数数据，结论为融资融券的开启使我国股市波动性减小。而且徐晓光等(2013)也采用了GARCH族模型得出相同的结论。陈海强和范云菲(2015)采用Hsiao etal（2012）提出的一种面板数据政策效应评估方法，对沪深股市2007年至2012年的数据进行研究，得出结论：融资平抑波动而融券反而助涨杀跌。而由于前者的强度和活跃度大于后者，因此无论是否存在股指期货交易的影响，两者共同作用的结果都是平抑波动。

第二种观点认为融资融券会助长杀跌，加剧股票市场波动。Bogen和Krooss(1960)提出的“金字塔-倒金字塔效应”阐述了卖空是加剧波动的原因。Henry和McKenzie（2006）对香港证券市场中融资融券的相关数据进行实证分析，时间跨度为1994～2001年，结果发现融券交易相比融资交易而言，其对标的证券产生的作用较大，它会加剧价格波动。Chang.et.al(2007)也通过研究香港市场个股的波动，发现卖空增强个股波动性。于孝建（2012）采用VAR模型表明融资交易增强股市波动性。梁星韵和刘卫民(2015)运用相关系数检验等方法得出结论：在我国，融资融券交易量与股市波动在某些时候是同方向变动的，而且这两者之间相互作用，无论哪一方增加，另一方也会增强。

第三种观点认为融资融券对股票市场波动没有明确的影响。Kraus and Rubin（2003）的研究更关注于允许卖空后所可能产生的作用，他们构建理论模型来解释其与波动之间的关系，得出股价的变动与卖空无关，而是由其他变量限制的结论。Battalio和Schultz(2006)则以纳斯达克（NASDAQ）交易所的高频数据为样本，得出的结果同样证实了卖空并不会影响股价，更不会使股价急剧上涨的状况减少。王旻等(2008)的分析也表明卖空并未对股票市场的波动带来显著影响。Sigurdsson(2011)通过上万只股票的数据说明卖空对股票市场的影响来源于很多不确定的方面。李俊文(2011)用Granger因果检验研究深市数据，发现融资融券并未显著影响股市的波动。

分析以往大部分的文献可以发现，对融资融券与波动率的实证研究方法多采用方差分析、GRACH模型、Granger因果检验等等，综合使用倾向得分匹配和双重差分模型的较少，即使将两者结合使用，也未对倾向得分匹配的结果进行具体说明。其次，各个文献通常只分析了一种融资融券政策对波动的影响，针对扩容政策的分析较少。再次，国内融资融券前期发展时间短，实证研究过程中能够应用的数据量小，时间段短。基于此，本文扩大了实证分析的研究样本，选用2009年至2015年沪深股票市场上的实际交易数据，在通过倾向得分匹配选取股票对照组以及控制组的基础上对匹配后的结果运用双重差分模型进行分析，分阶段探讨了五次融资融券政策对波动率的影响，发现融资融券政策确实会平抑股市的波动，并且有证据表明随着股票市场和融资融券政策发展得越来越成熟，这种平抑作用越来越明显。

二、研究设计

（一）研究方法

1.倾向得分匹配

Rosenbaum和Rubin（1983）提出了倾向得分的概念，它能够帮助将多个难以匹配的可观察特征用一个一维变量代替，减小在寻找与处理组尽可能相似的控制组个体时出现的匹配困难。模型的重点在于找到与处理组近似的控制组样本。对于非随机化样本的研究，倾向得分匹配（PSM）能够降低甚至消除模型的选择性偏差。这一特点使得倾向得分匹配有着大多数传统模型不具备的更高的稳健性，即使有些协变量没有被纳入到模型当中，也不会造成太大的误差。

倾向得分匹配的一般步骤是：首先选择协变量；其次，估计倾向评分，一般使用logit回归；最后，进行倾向得分匹配，使处理组和控制组达到“数据平衡”。本文将使用“核匹配”的方法进行倾向得分匹配，以提高匹配效率。

2.双重差分模型

1985年，Ashenfelter和Card在评估项目培训对学员收入的影响时首次提出双重差分模型（DID）。近些年来，双重差分模型普遍应用于检验某项特定政策的实施效果。如果融资融券政策确实能够影响股市的波动性，那么控制组和处理组会在相关政策实施后产生一定的变化。而DID模型通过将“前后差异”和“有无差异”有效结合，对比分析了政策前后以及政策实施与否的差异（即政策实施前后处理组的不同以及政策实施前后控制组的不同），将政策产生的影响从表面的这种变化中分离出来，从而得到想要的结果。

DID模型排除一些无法观测到的因素的影响，同时在模型中加入其他控制变量，能够潜在地规避进行不同个体比较时经常出现的内生性问题，因而得到对政策效果的真实评估。

本文的实证研究将综合使用PSM模型和DID模型。

在研究融资融券对股市波动性作用的过程中，如果某时刻既能够得到某只股票作为标的股的波动，又能得到其不是标的股的波动，那么融资融券的影响正是这两者之间的差异。虽然现实中我们无法得到同时刻的这两种结果，但是PSM恰好提供了一种替代的方法从而获得这一反事实的结果。它利用“降维”的思想，将多种协变量浓缩成一个指标：倾向得分值（pscore），找到一组和融资融券标的股的特征类似的（或者说倾向得分值相同或相近的）融资融券非标的股，相当于为处理组中的每一个标的股建立反事实路径，构成控制组样本进行波动性的比较，尽可能使融资融券政策成为两组之间唯一的显著差别，实现了处理组和控制组的匹配。通过PSM模型研究得到的处理组和控制组特征类似，具有“相似性”，有效地控制了样本的选择性偏误，在一定程度上保证后期DID分析结果的可靠性。然后在此基础上运用双重差分模型进行前后差异以及有无差异的比对，分离出所考察政策的实际影响。

对于PSM，本文选用收盘价、换手率、成交量和流通市值四类指标作为协变量，并且根据数据数量和特点，处理过程中选用了LOGIT回归和核匹配（KernelMatching）。

本文构建双重差分模型如下：

其中，Volatilityit为衡量市场波动率的指标。Policyt表示政策虚拟变量，政策前为0，政策后为1；Groupi表示组别虚拟变量，控制组为0，处理组为1；DIDit为双重差分变量，即Policyt×Groupi，它的系数λ是我们关注的双重差分系数，表示融资融券政策对波动的影响；Xit为其他控制变量，是指影响波动率的其他因素；uit为固定效应，是各个股票不随时间变化而变化的差异；εit为随机波动项。

（二）数据与变量

1.数据

所有数据均来源于Wind数据库。本文主要研究随着股票市场的发展，融资融券开启以及扩容对股票波动的影响是否向更好的方向迈进，因此选取融资融券开启前一年至第四次扩容后一年的月度数据，即研究区间为2009年3月29日至2015年6月14日，主要分为六个阶段，具体如下：

第一个阶段为2009年3月29日至2010年3月29日（融资融券开启前）；

第二个阶段为2010年3月30日（融资融券开启）至2011年12月4日（第一次扩容前）；

第三个阶段为2011年12月5日（第一次扩容）至2013年1月30日（第二次扩容前）；

第四个阶段为2013年1月31日（第二次扩容）至2013年9月15日（第三次扩容前）；

第五个阶段为2013年9月16日（第三次扩容）至2014年9月21日（第四次扩容前）；

第六个阶段为2014年9月22日（第四次扩容）至2015年6月14日。

具体而言研究融资融券开启对波动的影响，政策前的时间区间为第一个阶段，政策后的时间区间为第二个阶段；研究第一次扩容对波动的影响，政策前的时间区间为第二个阶段，政策后的时间区间为第三个阶段，依次类推；第六个阶段截止在2015年6月，原因在于2015年中国出现罕见股灾，救市过程中，包括国泰君安等在内的10家证券公司分别采取了暂停融券券源供给、对融券客户异常交易行为进行严格监控等临时性措施，大部分券商停止了融券供给，因此不对7月后的数据进行研究。

同时，为了保证数据有较长的时间跨度，政策实施过程前后股票的一致性，本文选取的股票均为2008年3月29日之前上市的股票，并且排除了在研究区间内曾有过融资融券调出记录的股票。此外为了减小误差，排除其他因素对波动性产生的影响，本文剔除了ST股票和退市股票。初始处理组的股票为每次政策实施时的标的股票，控制组的股票则是非标的股票，实证研究过程中还将使用倾向得分匹配对处理组和控制组中的股票进行进一步筛选，使两组股票间的差异进一步缩小。

2.变量

本文选取股票收益的标准差来计量波动率，用Volatility表示。算式如下：

Volatilityi，t为第i只股票第t期的波动率，δi，t为第i只股票第t期的标准差，n为交易月次数，Returni，j，t为第i只股票第t期的月对数收益率，Pi，t为第i只股票第t期的月收盘价。

对于协变量和控制变量的选取，《融资融券交易试点实施细则》中规定了标的股的选取标准，在流通股本、流通市值、换手率、波动幅度等方面设置了具体的条件。业内人士也评论认为“流通股本和流通市值等市场型指标”成为选取标的证券“最重要的门槛”。为了最小化处理组和控制组间的差异，排除其他因素的影响，本文综合考虑了融资融券标的股通常的选取标准、波动性的影响因素以及其他文献资料的研究，倾向评分匹配的协变量选取收盘价、换手率、成交量和流通市值作为指标。双重差分模型的控制变量选了换手率、流通市值、市盈率和市净率。

然而影响股市波动性的因素众多，本文忽略了其他可能对股市波动产生影响的变量，简化模型的同时造成了实证检验结果的偏差，具有一定的局限性。

三、实证研究

（一）描述性统计分析

表1 沪深两市波动率的描述统计量

以融资融券政策实施为时间分隔点，以五次政策为研究对象，本文分别计算了在融资融券政策实施前后控制组和处理组波动率的流通市值加权。如表1所示，在P1、P3和P4阶段，无论是处理组还是控制组，波动率的平均值在政策实施后均出现下降，因而并不能简单的认为波动减弱的原因是融资融券政策的实施，可能是宏观环境或者其他因素导致这种结果。P2阶段处理组的平均波动率下降而控制组反而上升，即融资融券政策标的股的波动减弱而非标的股的波动增强，这一反差可能是融资融券政策在平抑股票波动方面发挥了作用的证据。而P5阶段与其他阶段的情况大不相同，其处理组和控制组的平均波动率均上升，一个最可能的原因是2014年9月份至2015年6月这段时间正处于中国股市价格疯狂增长的牛市期间，股市泡沫严重，波动率随大盘的整体表现而变化。然而不容忽视的是第四次扩容（P5）前控制组的波动率均值小于处理组，而扩容后控制组的波动率均值反而大于处理组，此处可以简单推定：正是由于第四次扩容政策才使得处理组的波动率均值减小。

当然，波动率标准差的变化也不容忽视。在P1、P3和P4阶段，沪深两市处理组和控制组的波动率标准差均下降，值得一提的是，处理组标准差的下降幅度比控制组更大，可以认为处理组比控制组更稳定。在P2阶段，处理组和控制组的波动率标准差均上升，但是处理组波动率标准差的上升幅度小于控制组。而P5阶段的标准差也许更能体现融资融券政策平抑股市的作用，因为可以明显看到控制组波动率的标准差显著增加，而处理组的则减小。至此，融资融券等相关政策的实施可以平抑波动的假设可以得到初步的证实，但是更确切的结果还需后续实证研究的进一步探索。

（二）倾向得分匹配结果

在进行其他实证研究之前，先用倾向得分匹配法选取控制组。我们按照收盘价、换手率和成交量等指标得到控制组，仅对第三个阶段（第二次扩容）的结果进行具体的说明。

第三个阶段匹配后的处理组保留了186个股票，剔除了11个股票样本，与之相对应的是保留了695个控制组数据，剔除了71个股票样本。

图1是融资融券启动政策匹配前后各变量的标准化偏差对比，越接近0值表明两组样本在该变量上分布的差异性越小。可以看到匹配前处理组和控制组的只有市盈率（pe）和市净率（pb）很接近，其他变量的分布十分分散，存在很大的偏差。匹配后两组间偏差回归0值附近，而且匹配后的t检验结果不拒绝原假设，即处理组与控制组无系统差异，更直观的说明了PSM确实使得处理组和控制组得到了较好的匹配。在其余融资融券政策的倾向得分匹配中，每一个匹配后控制组和处理组的拟合程度都得到了改善，本文不再一一列举。

此外，由于控制组的数量相对于处理组非常多，我们需进一步减少控制组数量。根据匹配后得到的倾向得分pscore，我们选取与保留的处理组股票得分最相近的186个股票，删选出的最终结果即为此次的控制组股票。

图1 第二次扩容匹配前后各变量的标准化偏差图示

（三）双重差分模型回归结果

首先关注控制变量与波动率的关系。在P1～P5的回归结果中，换手率的回归系数在1%的显著性水平上为正，即换手率越高，股票波动越强。这一结果符合大家一般的认知，股票转手买卖的频率越高，流通性越强，股票就容易出现剧烈波动。其次，流通市值的回归系数后期显著为正，但自始至终近似为零，即流通市值对波动的影响可以忽略。再次，P1阶段市盈率的回归系数在10%的水平上显著为正，其余均不显著，甚至在P3阶段为负值，即市盈率对股票市场波动的影响方向并不确定。最后，市净率的回归系数多数在5%的水平上显著为正，P4阶段的显著性水平为10%，仅P1阶段为负值且不显著。因此可以认为市净率与波动呈正相关关系，市净率越大波动越剧烈。综合来看，控制变量对沪深股市波动的影响具有统计意义上的显著性。

接下来主要分析五次政策对股市波动性的影响。双重差分系数即did，可以有效衡量政策的影响。若系数为正，说明政策的实施加剧了股市波动，若政策为负，说明政策的实施平抑了股市波动。考虑了所有的控制变量，分析did系数发现除了P4阶段did系数为正外，其余阶段均为负，而且P2阶段在1%的水平显著，P5阶段在5%的水平下显著。因此可以认为did系数与股市波动成反比，即融资融券标的股的波动弱于非标的股的波动。这反映了融资融券政策平抑了股市波动，并有证据表明这种作用在1%的水平上显著。进一步而言，仅P2和P5阶段的did系数是显著性统计的，这种对比说明融资融券平抑股市波动的作用在牛市阶段尤为明显，并且描述性统计中关于P5阶段的分析亦支持这一结论。

综上所述，本文认为融资融券政策确实会平抑股市的波动，可以预见随着股票市场和融资融券政策发展得越来越成熟，这种平抑作用会越来越明显。此外，根据P5阶段的回归分析结果，可以初步假定，融资融券平抑波动的作用在股市泡沫时期会越发明显。

四、结论

对于刚刚经历过大起大落的中国股市而言，寻求一种有效的机制平抑股市波动刻不容缓。通过对国内外现有研究的分析，本文选用倾向得分匹配和双重差分模型两者结合的方法来检验融资融券政策的实施对我国股市波动造成的影响。本文克服了以往研究数据区间小、政策囊括少的局限，以2009～2015年的沪深股市为研究对象，运用PSM模型选取合适的融资融券标的股与对应的非标的股作为对照组和控制组，在此基础上运用DID模型进行检验，得出融资融券政策产生的效应。

本文的结果部分支持提出的研究假设一，即融资融券能够平抑股市波动，促进市场趋于稳定，也在一定程度上找到了融资融券政策平抑股市波动的证据。具体而言，结论如下：

从融资融券交易正式开始以及四次融资融券扩容政策来看，大部分的实证结果表明相关政策确实抑制了股市的波动，仅第三次扩容即P4阶段显示出相反的结果，即加剧了股市波动，但是此结果并非统计学显著。值得一提的是2014年3月12日至2015年6月12日期间，我国股市处于牛市阶段，大盘从2000点的低谷一直突破到5000点。这段时间内融资融券标的股的波动明显低于非标的股，并且这种平抑作用在统计学上是显著的。因而可以认为融资融券平抑波动的作用在股市泡沫时期较平常更为明显。

当然本文仍然存在许多不足之处：忽略了影响股市波动的其他变量，数据处理和计算过程中难以避免的误差等等，本结论具有一定的局限性仍有待进一步的研究和探讨。

基于本文的实证分析和研究结论，健全融资融券机制有助于促进股票市场趋于稳定。因此市场监管机构除了完善相关的法律法规外，应该不断促进融资融券的发展，使股票市场机制趋于成熟，进一步发挥融资融券对于我国股市的积极作用。

[1]affi P.A.C，Sigurdsson K..Price Efficiency and ShortSelling[J].TheReview ofFinancialStudies,2011.

[2]杨德勇,吴琼.融资融券对上海证券市场影响的实证分析——基于流动性和波动性的视角[J].中央财经大学学报,2011，（5）:28～34.

[3]陈伟.融资融券试点对我国股票市场波动性的影响实证研究[J].上海金融学院学报,2011，（5）：42～50.

[4]徐晓光,陈焕槟,张荣波.融资融券能否减小我国股市波动?[J].深圳大学学报(人文社会科学版), 2013,30（3）：81～86.

[5]陈海强,范云菲.融资融券交易制度对我国股市波动率的影响——基于面板数据政策评估方法的分析[J].金融研究,2015，（6）：159～172.

[6]于孝建.融资融券交易对中国股市流动性和波动性的影响——以沪市为例[J].华南理工大学学报,2012，（142）：1～6.

[7]梁星韵,刘卫民.我国融资融券与股票市场波动[J].会计之友,2015,（18）：22～24.

[8]李俊文.融券交易对市场波动性的实证分析[J].中国证券期货,2011，(12):43～47.

F832.5

1006-169X（2017）08-0016-06