融资融券对深圳证券交易市场波动性影响的研究

第二章文献综述
国内外的学者关于融资融券交易制度对股票波动性的影响并没有达成一致的结论。

目前已有的关于两融交易对股票市场波动性的研究的证据都是来源于一时间段内的某一股票市场，因此，不同市场中甚至同一市场在不同的时期也会得出不一样的结论。

目前国内外的相关的文献大致分为三类，一种是认为融资融券制度会降低股票市场的波动性；另一种观点与之相反，认为融资融券制度的存在会加剧股票市场的波动；最后一种观点认为融资融券制度不会对股票市场产生显著的影响。

Hardouvelis和Peristiani(1992)发现融资融券交易保证金比例的增加会导致股市波动性降低。

Harrison Hong和Jeremy C. Stein(2003)将股市的波动性作为衡量股市的脆弱性的一个指标，通过数学建模与公式推导解释两融业务与股票价格之间的相互作用，研究发现融券交易在理论上会抑制股市的波动性，使股票价格更加趋于稳定。

当然这些结论都是建立在股票交易者都是套利的基础之上。

Saqib Sharif , Hamish D. Anderson(2014)通过研究同时在A股和H股上市公司股票每日收益的波动率发现，A股在施行融资融券制度后，同一公司的股票在A股市场的收益的波动率会显著降低，也就说融资融券制度会显著降低A股的波动率。

Scheinkman和Xiong(2003)在研究美国股票市场时发现，当融券交易受到严格限制时，股市的收益波动性会增加，既融券交易会抚平股市收益的波动性。

Shaozhen Chen等人(2018)使用上海证券交易所的数据运用多维数据分析方法计算出上证50的波动率，然后建立GARCH、EGARCH、TGARCH、PGARCH模型分析信息不对称性，所有模型的结果均显示融资融券业务的实施降低了股票市场的风险和信息的不对称性，股票市场的波动性在两融政策实施后显著降低，股票市场价格发现功能得以提高。

Boehmer(2019)在研究美国对融券交易施行严格的限制时，发现当融券交易量大大降低时，美国股票市场的收益率波动性也会降低，从侧面说明了融资融券交易会加剧股市的波动性。

Lynch等人(2014)使用涵盖2005年1月至2007年7月期间的每日NASDAQ指数数据，结果表明，当市场波动较大时，融资融券余额规模比较大，因此作者认为融资融券规模的增加会加剧股市的波动性。

谢婼青、
朱平芳(2019)通过选取2015年之前的两融数据，并运用随机波动率计算股票的日波动率，结合固定效应面板模型分析两融业务对单一股票日波动率的影响，研究发现无论是融资业务还是融券业务都加剧了股票市场的波动性，并且融券业务对股市的影响要强于融资业务。

Shiqing Xie 和Yuwei Jia（2019）认为融资融券交易业务会增加研究选定时期内相关股票的波动性，通过面板数据模型并选择标的股票的波动率作为因变量来研究融资融券交易的影响，回归结果表明：随着两融业务的开展相关股票的波动性变大，作者认为有三个原因可能导致这一结果，两融交易中融资和融券之间规模的显着不平衡、融资融券交易规模相对较小、以及对保证金参与者的限制贸易。

徐雪、马润平(2018)通过选取2014-2015年A股市场波动最为剧烈时的数据，通过双重差分模型检验了两融业务在股市波动剧烈时对股市波动性的影响，研究表明两融业务对不同行业的股价的波动率影响不同，并且发现融资融券业务对股票价格波动性的平抑功能并没有发挥，对股市波动性的影响并不显著。

王朝阳，王振霞(2017)通过A股和H股的比较研究发现股市中散户比例的增加会抑制股市的波动性，回归结果表明，A股和H股的股市波动性并没有受到融资融券业务的影响，融资融券业务没有发挥预期的作用。

Cihat Sobacia,和Ahmet Sensoya(2014)利用伊斯坦布尔的每日融资融券数据，研究了两融余额与土耳其股票市场的市场收益，流动性和波动性三个变量之间的关系。

研究发现融券在短期内不会影响股市的波动性，因为当市场回报率为负时减少了土耳其市场的融券余额。

本文的创新点在于多数学者在选择研究数据时，很少有学者选用深证证券交易所的数据。

大部分论文都是基于沪市融资融券数据或者沪深两市合并研究。

2014年后，深市两融业务发展平稳，基本进入了两融业务的稳定期。

所以本文主要研究的就是融资融券平稳发展阶段的两融业务对深圳证券交易市场波动性的影响。

本文选取自2014年年初到2018年年底的深圳证券交易所的数据，其中股市波动性指标借助GARCH模型拟合，得到一个比较准确的股市波动性指标，然后建立向量自回归模型来分析融资融券交易制度是否会对股票市场的波动性产生影响。

第3章 样本与模型选取
3.1 数据选取与处理
为了研究融资融券业务对股票市场波动性是否具有影响以及影响的方向，本文将问题转化为深圳证券交易所融资融券交易对深证成指收益率波动的影响，并将其作为切入点进行实证分析。

在数据的选取上，本文采用深证成指的收盘价数据及深市融资余额以及融券余额数据进行研究。

我国融资融券业务开始施行的时间为2010年3月31日，本文主要研究自2014年以来融资融券业务对深圳证券交易所股指收益率波动性的影响，因此样本的取值范围为2014年1月2日至2018年12月28日，期间包括1221个交易日，由此得到对数收益率样本为1220个，样本数据均来源于万德（Wind ）数据库和国泰安(CSMAR)数据库。

其中变量选取如下：
3.1.1 两融业务数据
使用VAR 模型的前提条件是模型中所有的变量都必须满足平稳性的要求。

对于原始数据：融资交易余额、融券交易余额以及深证成指每天的收盘价来说，单位检验显示这三个变量都是不平稳的时间序列。

因此，本文使用两融余额的日变化率作为融资融券余额的代理变量。

其中，融资余额的变化使用符号mp R 来表示，融券余额变化率指标使用ss R 来表示。

其计算公式如下：
1ln ln t t t R X X -=-
其中，t X 和1t X -分别代表融券（融资）交易余额的第t 天和第t − 1天的余
额数据。

3.1.2 股市波动数据
已有的文献在衡量股市波动性的时候一般计算每日的最高价与最低价的差值作为衡量股市每日的波动数据，通过这种方法计算出的股市波动性指标随机干扰太多，而且本文通过计算发现通过这种方法计算出的股市波动随机性非常强，不利于本文的研究分析，所以本文没有采用这种方法。

也有的学者是采用月数据
的方差作为股市波动性指标，但是使用月数据会降低我们的样本数量，而且月波动指标波动较小，不能很好的反映股市的波动性，所以本文不采用这种方法。

在对平稳时间序列进行建模时，需要满足的一个条件是方差齐性。

而股市收益率指标具有明显的异方差的特点，因此，在进行建模时应特别注意。

所以为了克服时间序列的异方差问题，本文采用广义自回归条件异方差模型对深证成指收益率指标进行拟合，并计算残差的方差作为衡量深证成指收益率指标的波动性。

一般在处理金融时间序列时，大多数文章都采用对数收益率的方式，本文同样采取这种形式，记深证成指在第t 天收盘价为t P ，深证成指的收益率为t RR ，则具体的计
算公式如下：
t 1=ln lnP t t RR P --
本文通过建立如下模型进行回归，进而根据带有ARMA(1,1)模型的广义自回归条件异方差模型的估计结果计算深证成指收益率波动性的序列，并记为Volt ，代表t 时刻深证成指收益率的波动性。

则GARCH(1,1)模型设为：
11t t t t RR RR αεβε--=++
222,,RR 01,RR 1,t RR t t t RR Vol σααεγσ-==++
3.2 VAR 模型回归分析
一般情况下，我们在研究变量之间的关系的时候会采用多元线性回归来考察变量之间的关系。

但是本文的变量形式为时间序列，如果要采用最小二乘法考察变量之间的关系，必须要保证各研究变量之间的平稳性。

即使满足了各个变量的平稳性，但影响股市波动性的原因很多而且这些因素之间的关系非常复杂，这些因素不仅仅有宏观方面的原因，还有很多微观方面的因素，因此需要添加比较多的控制变量。

由于融资融券是众多影响股市波动性的因素之一，而本文的重点是只检验两融业务的影响，却需要加入众多的控制变量，容易造成遗漏变量的问题而减低本文的可信度。

而且，对时间序列直接进行线性回归还有可能造成为伪回归的问题，即使两个变量之间没有关系，通过线性回归，还是会得到两个变量之间存在相关关系。

所以，本文决定使用向量自回归模型来增加本文结果的可信度。

在建立向量自回归模型之前，首先要对数据进行平稳性检验。

为了保证时间序列
建模分析得出结果的有效性，必须确保所选取的时间序列数据是平稳的。

如果所选的时间序列不能满足平稳性，就可能出现伪回归的现象，造成回归结果的无效性。

本文在接下来的实证分析中，通过单位根检验的方法，检验时间序列的平稳性。

单位根检验是检验一个离散时间序列是否平稳的重要方法，如果检验结果小于临界值，则可以认为时间序列中不在单位根，也就是说时间序列是平稳的。

计算检验结果的重要参照标准是t 值，将t 值与临界值进行比较，就能得知是否存在单位根。

在保证所有时间序列变量的平稳性之后，本文建立滞后阶数为p 的向量自回归模型，其数学表达式如下：
1122t t t t p t p t Y Y Y Y αααε----=++++
其中，t Y 是k 维列向量，t i Y - (i = 1,2, p )是具有滞后期的内生变量向量，p 是
变量的滞后阶数。

是具有个维度的系数矩阵，这个矩阵是待估计的参数矩阵。

其中，滞后阶数p 可根据AIC, HIC 准则进行确定。

第4章 实证及分析结果
4.1 深证成指收益率方差
对深证成指的每日收益率进行ARMA(1,1)回归，对ARMA 回归结果的残差进行ARCH 效应检验发现回归的残差具有明显的ARCH 效应。

所以本文采用带有ARMA(1,1)的GARCH （1,1）回归，得到如下回归结果,如表4-1所示，可以
表4-1 深证成指收益率GARCH 模型拟合结果
R
RR con s
A RMA L.ar L.m a A RCH L.arc h L.g arch cons 0.0
00453
0.799*** 0.825*** 0.0517*** 0.942*** 0.0000018****
-0.004
-0.234 -0.22 -0.00
596 -0.00542 -0.000000343
看出，除了第一个常数项之外，该模型中各项系数都非常显著而且各项系数联合显著，模型较好的拟合了深证成指收益率的变化趋势。

从图—4-1中可以看
出该模型很好的衡量了深证成指收益率方差的变化趋势。

从图4-1中可以看到，2015年7月到2016年7月，深证成指的收益率曲线相对于其他时间来说波动非常明显，并且本文拟合的深证成指收益率方差也表现出这一特点。

收益率曲线波动密集的地方，拟合的收益率方差也明显增大，这非常符合我们的预期。

4.2 平稳性检验
使用向量自回归模型的前提要求是模型中的每个变量都是平稳的，检验模型中各变量是否平稳采用的是单位根检验。

下表中给出了三种显著水平下的临界值，若数列自身非平稳，在表中就会显示检验值比临界值大。

如果时间序列本身平稳，则会显示临界值大于检验值。

各指标单位根检验结果如下表所示，经检验，三个变量的时间序列都是平稳的，结果如表4-2 所示。

三个时间序列变量已经检验为平稳，所以可以将这个三个变量带入向量自回归模型中。

表4-2 各变量单位根检验（ADF）结果
变量
单位根
检验
1%临
界值
5%临
界值
10%临
界值
P
值
结
论
Rs s
-17.99
-3.43
-2.860 -2.570 0
.000
稳
定
R mp
-37.03
1
-3.43
-2.860 -2.570 0
.000
稳
定
V ol
-15.01
5
-3.43
-2.860 -2.570 0
.000
稳
定
4.3 Granger因果检验
首先滞后长度的选择，根据AIC，SC准则，本文在向量自回归模型中的滞后长度为11（因为本文中样本数量较大，所以较大的滞后长度不会带来太大的影响）。

由于该向量自回归系统中估计的变量比较多，本文在这里不在汇报估计变量的具体大小。

基于向量自回归模型的Grange因果关系检验结果显示，在5%的置信水平条件下，融资交易和融券交易都是造成深证成指波动的原因。

但是深证成指的波动性都不是融资交易和融券交易的Granger原因。

检验结果表4-3 所示：
表4-3 Granger因果检验结果
原假设卡方统计量滞后阶数检验结果
R mp不是Vol的Granger 原因
29.148
（0.000）
11 拒绝原假设
R ss不是Vol的Granger 原因
18.262
（0.003）
11 拒绝原假设
Vol不是R ss的Granger 原因
6.425
（0.373）
11 接受原假设
Vol不是R mp的Granger 原因
9.651
（0.204）
11 接受原假设
4.4 脉冲响应分析
通过构建向量自回归模型，本文运用脉冲响应来研究融资融券对股市波动性影响的方向和持续时间。

首先来看每日融资余额交易变换率对深圳股票市场深证成指收益率的影响，图4-2是融资余额变化率R mp对收益率波动Volt的影响。

通过脉冲响应图我们可以看到融资交易在前几期对收益率波动的冲击是负向的，也就说融资交易会抑制股市的波动。

随着时间的推移，融资交易对股市波动抑制能力降低，这是因为随着时间的推移，融资交易的影响被市场吸收了。

融资交易对深证成指收益率波动的影响是短期的，长期内不会对其波动性产生影响，从图4-2中可以看出曲线在10期以后就在0附近波动。

下面来看融券交易对股市波动性的影响。

从融券余额变化率对深证成指收益率波动的脉冲响应图4-3可以得到如下结论：首先，前几期融券交易余额的变化率对深证成指收益率波动的冲击是正的，所以融券余额变化率会增加深证成指收益率的波动性。

但是随着时间的推移，融券业务带来的冲击由正变负，对深证成指收益率波动的影响变为抑制作用。

与融资业务不同，融券业务给深证成指收益
率波动带来的影响随着时间而改变，前期会增大深证成指收益率的波动性，到了后期会抑制深证成指收益率的波动性。

第5章结论及政策建议
5.1 结论
本文通过选取深圳证券市场上融资融券数据以及深证综指的收益率作为研究数据，研究了融资融券交易对股市波动性的影响。

本文首先借助广义条件异方差模型计算深证成指收益率波动性的大小，然后通过建立向量自回归模型进行实证检验，得出以下结论：融资和融券交易都会对深证成指日收益率的波动性造成影响，但是二者对深证成指日收益率波动性影响的方向和时间是不同的。

融资交易始终抑制深证成指收益率的波动性，随着时间的推移，对市场波动性影响逐渐降低，融资交易对波动性的影响是短期的。

融券交易对深圳证券市场的波动性影响的方向会随着时间变化，前期会增加深圳证券市场的波动性，但是随着时间的推移，会抑制深圳证券市场的波动性，但是这种抑制作用会随着时间的流逝而降低，显然，融券交易对波动性的影响也是短期的。

引入融资融券业务的最初目的是为了抑制股票市场的波动性，但是从本文的检验结果来看只有融资交易对深证证券交易市场的股票波动性具有抑制作用，融券交易在短期内加剧了股票市场的的波动性，这明显违背了设立融资融券交易的初衷。

所以，从本文样本检验结果来看，融券业务的开展背离了其设立的初衷。

5.2 政策建议
本文通过理论分析及数据证明发现融资融券交易在前期会给深圳证券市场收益率的波动性带来不同方向的影响：融资交易抑制了股票市场的波动，但融券交易加剧了股票市场的动荡。

因此，本文提出三条政策建议：首先，融资交易和融券交易对深证证券市场股市的波动性的影响完全相反，这是由于两融规模的差异悬殊造成的，因此，证券监管部门应及时平稳融券交易的数量和规模，避免因融资融券交易规模悬殊过大给股票市场带来风险隐患。

融资规模或融券规模过大会导致融资融券标的股票的需求或供给波动剧烈，显然加剧股票市场的动荡，因
此，监管部门应及时平衡融资融券的交易规模。

其次，可以进行融资融券交易的股票数量比较小，股票市场监管者应继续推进标的股票的筛选和加入工作，扩大标的股票的范围，目前来看，标的股票一般都是业绩表现比较好的大公司发行的股票，中小盘股中标的股票的数量比较少，而中小盘股股价波动比较剧烈，为了更好的发挥融资融券的作用，应逐步扩大标的股票中小盘股的数量，使融资融券交易更好的在中小盘股中发挥作用。

最后，证券市场监管者应合理引导股票市场交易者合理使用融资融券交易，避免融资融券交易的杠杆作用带来交易风险，两融业务是非常典型的杠杆交易，是一把双刃剑，因此证券市场监管者应加强对交易者的引导和教育，充分发挥融资融券对交易者的作用，避免融资融券成为股票市场的风险隐患。