融资融券推出、标的股扩容对股市波动性的影响

【摘要】 本文采用GARCH模型，并引入两个虚拟变量，来实证研究融资融券推出、标的股扩容对沪深股市波动性的影响，研究发现，融资融券推出对沪深股市的影响一致，都在一定程度上降低了股市的波动；而标的股扩容在短期内未对沪深股市产生明显的冲击，可能与选取的样本区间较短有关。

【关键词】 融资融券 标的股扩容 波动性 GARCH模型

一、引言

在国外成熟的市场，融资融券业务是证券市场上的一项基本制度安排，买空和买空交易同时进行在理论上有利于发挥稳定市场的作用和完善市场价格发现的功能。同时国外学者就融资融券对股市波动性的影响的研究成果较丰富，但也未达成一致意见，总结现有的文献大致有三种观点：一是融资融券会加剧证券市场波动，起助长助跌的作用；二是融资融券会减小证券市场波动，起稳定器的作用；三是融资融券与证券市场波动性没有关系。

在我国，融资融券作为一种创新业务，其开展时间较短。2006年6月30日，证监会了《证券公司融资融券试点管理办法》，标志着融资融券开始进入证券市场；2008年4月24日，《证券公司监督管理条例》，将融资融券业务正式列入券商业务中；2010年3月31日，融资融券交易正式在6家试点券商启动；2011年12月5日，融资融券标的证券从原来的90只扩充到278只。融资融券业务推出初期受到很大限制，融资与融券业务发展很不平衡，这也影响到了融资融券稳定市场作用的发挥。那么在中国这样的新兴市场，融资融券推出和标的股扩容对股市波动性的影响到底是怎样的呢？本文将通过实证研究解决这一问题。

二、变量选取和研究方法

1、变量选取和数据来源。本文选取2008年7月25日至2013年4月3日共1140个交易日的数据，分别以2010年3月30日和2011年12月5日为时间节点将其划分为三个研究阶段：融资融券推出前（2008.7.25—2010.3.30）、标的股扩容前（2010.3.31—2011.12.2）、标的股扩容后（2011.12.5—2013.4.3），融资融券日交易数据来源于上交所和深交所网站上的融资融券交易数据查询。用指数对数日收益率来反映市场的波动性（VOL），SZVOL和SCVOL是指上证综合指数和深证成分指数的指数对数日收益率，分别代表沪市和深市的市场波动性水平，沪深市场指数对数日收益率数据来源于锐思数据库，最后用Eviews5.0得到实证研究结果。

2、研究方法。GARCH模型主要被广泛应用于利率、汇率、股票价格等金融时间序列的波动研究中，因此本文将采用GARCH模型，并引入两个虚拟变量d1、d2，来实证研究融资融券推出前后、标的股扩容前后的沪深两个市场的波动性水平是否存在显著差异，以及它们对沪深市场波动率的影响是正是负，是大还是小。其中，引入的虚拟变量d1=（1，0），1表示融资融券推出前，0表示其他两个阶段；虚拟变量d2=（1，0），1表示标的股扩容前，0表示其他两个阶段。GARCH模型的条件方差方程设定为：

？滓■■=？棕+？琢？滋■■+？茁？滓■■+？兹■d■+？兹■d■

公式中，？滓■■为条件方差，？棕表示常数项，？滋■■为均值方程的残差平方的滞后来度量从前期得到的波动性的信息，？滓■■为上一期的预测方差，d■、d■为虚拟变量，？兹■、？兹■为虚拟变量的系数。为了保证GARCH模型的平稳性，必须有？琢+？茁

三、实证研究

1、正太分布检验和描述性统计分析。采用J-B检验来验证上证综指和深成指的日波动率时间序列是否呈正太分布，结果显示，上证综指的偏度为-0.2056，峰度为5.0356，J-B统计量对应的概率值为0；深证成分指数的偏度为-0.0626，峰度为6.2023，J-B统计量对应的概率值也为0。两序列的偏度均小于0，说明序列分布存在很长的左拖尾；峰度均高于正态分布的峰度值3，说明序列具有尖峰厚尾的特征；J-B统计量显示两序列都拒绝服从正态分布的假设。

从图1、图2可以看出，融资融券推出之后，上证综合指数和深圳成分指数的指数对数日收益率的波动都较融资融券推出前有明显的减小，标的股扩容之后的指数对数日收益率波动趋势不能从图上明显判断。另外，可观察到对数日收益率波动的“集群”现象：波动在一些时间段内较小（例如从第250个观测值到第400个观测值），在有的时间段内非常大（例如从第20个数据到第150个数据）。

表1可以看出，融资融券推出前，沪、深市场的平均波动性水平都很高；融资融券推出以后，沪、深市场波动性水平显著下降；融资融券标的股扩容之后，沪深股市的波动性水平都有小幅提高，但提升的幅度都很小。这似乎表明，尤其是融资融券推出对股市波动性的影响较明显，但融资融券与波动性之间到底是何种关系还需进行GARCH定量回归分析。

2、平稳性检验和自相关检验。在GARCH建模分析前，本文采用单位根检验方法对金融时间序列进行平稳性检验，检验模型的最佳滞后期按照AIC准则自动确定。检验结果中，SZVOL和SCVOL的ADF值都小于1%水平临界值，因此拒绝原假设，都为平稳序列。

然后再对序列进行自相关检验，以确定合适的均值方程形式。自相关检验结果显示，序列SZVOL和SCVOL的自相关和偏自相关系数均落入两倍的估计标准差内，且Q-统计量对应的p值均大于置信度0.05，故序列在5%的显著性水平上不存在显著的相关性。

3、ARCH效应检验。由于序列不存在显著的相关性，因此将均值方程设定为白噪声，设立模型：

rt=？仔t+？着t

其中，？仔t为常数项，？着t为误差项。

然后将序列r去均值化（原序列减去序列的均值），得到序列w。由于检验ARCH效应有两种方法：LM法（拉格朗日乘数检验法）和对残差的平方相关图检验。本文由于没有对ARMA建模，E-views中没有直接的LM法，所以采用第二种方法。首先建立w的平分方程z（即z=w2），然后再对z序列进行自相关和偏自相关检验，检验结果见图3。结果显示序列w存在明显自相关，所以有ARCH效应，可用GARCH模型进行修正和估计。

4、建立GARCH模型。分别建立GARCH（1，1）、GARCH（1，2）、GARCH（2，1）、GARCH（2，2）四个模型，发现GARCH（1，1）系数通过t检验的最多，效果最好，故选用GARCH（1，1）模型进行拟合。

从表3可以看出，上证综合指数和深圳成分指数对数收益率序列ARCH项系数（？琢）均为正，且高度显著，说明前一期的波动信息对本期有正的影响。

GARCH项系数（？茁）表示上一期的波动对当期的影响，系数越大说明对条件方差的冲击越持久。其中，上证综合指数的GARCH项系数为0.944177，深圳成指的为0.936508，系数都很大，说明上一期的波动对当期波动影响很大，是影响当期波动的主要因素。上证综合指数的GARCH项系数比深圳成指的大，说明上证综合指数波动更持久。另外，上证综指和深成指的ARCH和GARCH系数之后均小于1，满足参数约束条件，但由于参数之和分别为0.987437和0.981371，都接近于1，因此条件方差受到的冲击是持久的。

虚拟变量d1的系数？兹1都为正，显著性水平分别为0.0481和0.0689，分别在5%和10%的显著水平下显著。上证综指的？兹1值为0.001445，深圳成指的？兹1值为0.001471，两者相差不大，说明融资融券推出对沪深市场收益率的影响程度大致相同。另外由于虚拟变量d1的假设是融资融券推出前为1，其余各阶段为0，且d1的系数为正，说明融资融券推出前的系数总和比融资融券推出之后的系数总和要大，可以认为融资融券推出降低了股市的波动。但是系数都比较小，说明融资融券推出降低股市波动性的作用仍有限，短期内融资融券对股市波动性的冲击不大，这一结论与李德峰等（2012）一致。

虚拟变量d2的系数都不能通过t检验，都不显著，说明短期内融资融券标的股扩容对股市波动性的冲击可以忽略，几乎没有影响，但对股市长期的影响还需进一步观察。

四、结论

融资融券推出对我国股市波动性产生一定的冲击，一定程度上降低了市场波动，起到稳定市场的作用。随着融资融券的推出与标的股的扩容，分别代表沪市和深市波动性水平的上证综合指数和深圳成分指数的对数日收益率波动趋势是变小的，尤其是在融资融券推出后，沪市和深市波动变化一致，波动率较融资融券推出前有明显的减小。总之，不管是在金融时间序列图、指数描述统计分析还是在GARCH回归方程中，都可以得出这一结论。另外，融资融券标的股的扩容并没有在原来的基础上使市场波动发生显著变化，在GARCH回归方程中，虚变量d2的系数未能通过t检验，表明在研究样本区间内，标的股扩容对股市波动性未产生明显的冲击。但有一点应该肯定，随着标的股的增加，融资融券稳定市场的功能将会得到增强。

（注：本文受南京航空航天大学2013年省级大学生创新训练计划项目资助，项目编号：201310287193。）

【参考文献】

[1] 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（3）.

[2] 李德峰、张丽青、杜亚雄：融资融券对股指收益率波动的影响[J].金融论坛，2012（5）.

[3] 顾海峰、孙赞赞：融资融券对中国证券市场运行绩效的影响研究——基于沪深股市的经验证据[J].南京审计学院学报，2013（1）.

[4] 廖士光、杨朝军：卖空交易机制、波动性和流动性——一个基于香港股市的经验研究[J].管理世界，2005（12）.

[5] 刘璐、张倩：亚洲地区股票指数收益率的波动性研究——基于GARCH族模型[J].区域金融研究，2011（1）.