融資融券政策與中國股市波動：平抑還是加劇？

張桂榮，曹志鵬

融資融券政策與中國股市波動：平抑還是加劇？

張桂榮，曹志鵬

以2009～2015年滬深股市為研究對象，以標的股為處理組，非標的股為控制組，在使用傾向得分進行匹配的基礎上對匹配后的樣本進行雙重差分估計，檢驗了融資融券開啟及四次擴容對股市波動的影響，研究發現：融資融券政策確實會平抑股市的波動，有證據表明隨著股票市場和融資融券政策趨于成熟，這種平抑作用更加明顯。此外，可以認為融資融券平抑股市波動的作用在股市泡沫時期更加明顯。

傾向得分；雙重差分；融資融券；波動率

張桂榮（1993-），陜西科技大學經濟與管理學院碩士研究生，研究方向為證券市場理論與政策；曹志鵬（1971-），副教授，博士，陜西科技大學經濟與管理學院碩士研究生導師，研究方向為證券市場理論與政策。（陜西西安710021）

一、引言

2010年3月31日我國的融資融券正式啟動，此后融資融券交易呈現出快速發展的態勢，分別歷經了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日的四次標的證券擴容。然而融資融券這一機制的施行是否如我們期望的那般平抑了股票市場的波動？后期的四次擴容政策是否使這一積極作用得到了更好的發展？這些問題都有待回答。

融資融券從誕生起就飽受爭議，國內外許多學者從理論和實證兩個方面對其進行了研究。然而到目前為止，就融資融券究竟能否抑制股市波動的問題仍然無法得出確切的回答。學術界對此莫衷一是，其觀點基本可以分為三類：

第一種觀點認為融資融券可以平抑股票市場波動，促進市場趨于穩定。Anchada Charoenrook和Hazem Daouk(2003)通過對全球111家股票市場（包括發達市場和新興市場）2001年下半年至2002年的數據進行研究，發現融券交易的存在與否確實會影響股市的波動，因為實證數據表明發達市場的波動明顯低于新興市場的波動，而后者并未實行賣空機制。廖士光和楊朝軍(2005)以臺灣股市前七年的數據為檢驗對象分析了賣空與股價間的關系，他們采用的方法是協整檢驗以及Granger因果分析，最終得出結論：賣空可以減緩股價波動，穩定市場。Bai等(2007)建立模型證明了限制賣空增加了波動性。楊德勇和吳瓊(2011)對滬市數據的實證結果顯示了融資融券能夠平抑個股的波動性，并且存在因果關系。陳偉(2011)運用GARCH族對比分析上證和深證指數數據，結論為融資融券的開啟使我國股市波動性減小。而且徐曉光等(2013)也采用了GARCH族模型得出相同的結論。陳海強和范云菲(2015)采用Hsiao etal（2012）提出的一種面板數據政策效應評估方法，對滬深股市2007年至2012年的數據進行研究，得出結論：融資平抑波動而融券反而助漲殺跌。而由于前者的強度和活躍度大于后者，因此無論是否存在股指期貨交易的影響，兩者共同作用的結果都是平抑波動。

第二種觀點認為融資融券會助長殺跌，加劇股票市場波動。Bogen和Krooss(1960)提出的“金字塔-倒金字塔效應”闡述了賣空是加劇波動的原因。Henry和McKenzie（2006）對香港證券市場中融資融券的相關數據進行實證分析，時間跨度為1994～2001年，結果發現融券交易相比融資交易而言，其對標的證券產生的作用較大，它會加劇價格波動。Chang.et.al(2007)也通過研究香港市場個股的波動，發現賣空增強個股波動性。于孝建（2012）采用VAR模型表明融資交易增強股市波動性。梁星韻和劉衛民(2015)運用相關系數檢驗等方法得出結論：在我國，融資融券交易量與股市波動在某些時候是同方向變動的，而且這兩者之間相互作用，無論哪一方增加，另一方也會增強。

第三種觀點認為融資融券對股票市場波動沒有明確的影響。Kraus and Rubin（2003）的研究更關注于允許賣空后所可能產生的作用，他們構建理論模型來解釋其與波動之間的關系，得出股價的變動與賣空無關，而是由其他變量限制的結論。Battalio和Schultz(2006)則以納斯達克（NASDAQ）交易所的高頻數據為樣本，得出的結果同樣證實了賣空并不會影響股價，更不會使股價急劇上漲的狀況減少。王旻等(2008)的分析也表明賣空并未對股票市場的波動帶來顯著影響。Sigurdsson(2011)通過上萬只股票的數據說明賣空對股票市場的影響來源于很多不確定的方面。李俊文(2011)用Granger因果檢驗研究深市數據，發現融資融券并未顯著影響股市的波動。

分析以往大部分的文獻可以發現，對融資融券與波動率的實證研究方法多采用方差分析、GRACH模型、Granger因果檢驗等等，綜合使用傾向得分匹配和雙重差分模型的較少，即使將兩者結合使用，也未對傾向得分匹配的結果進行具體說明。其次，各個文獻通常只分析了一種融資融券政策對波動的影響，針對擴容政策的分析較少。再次，國內融資融券前期發展時間短，實證研究過程中能夠應用的數據量小，時間段短。基于此，本文擴大了實證分析的研究樣本，選用2009年至2015年滬深股票市場上的實際交易數據，在通過傾向得分匹配選取股票對照組以及控制組的基礎上對匹配后的結果運用雙重差分模型進行分析，分階段探討了五次融資融券政策對波動率的影響，發現融資融券政策確實會平抑股市的波動，并且有證據表明隨著股票市場和融資融券政策發展得越來越成熟，這種平抑作用越來越明顯。

二、研究設計

（一）研究方法

1.傾向得分匹配

Rosenbaum和Rubin（1983）提出了傾向得分的概念，它能夠幫助將多個難以匹配的可觀察特征用一個一維變量代替，減小在尋找與處理組盡可能相似的控制組個體時出現的匹配困難。模型的重點在于找到與處理組近似的控制組樣本。對于非隨機化樣本的研究，傾向得分匹配（PSM）能夠降低甚至消除模型的選擇性偏差。這一特點使得傾向得分匹配有著大多數傳統模型不具備的更高的穩健性，即使有些協變量沒有被納入到模型當中，也不會造成太大的誤差。

傾向得分匹配的一般步驟是：首先選擇協變量；其次，估計傾向評分，一般使用logit回歸；最后，進行傾向得分匹配，使處理組和控制組達到“數據平衡”。本文將使用“核匹配”的方法進行傾向得分匹配，以提高匹配效率。

2.雙重差分模型

1985年，Ashenfelter和Card在評估項目培訓對學員收入的影響時首次提出雙重差分模型（DID）。近些年來，雙重差分模型普遍應用于檢驗某項特定政策的實施效果。如果融資融券政策確實能夠影響股市的波動性，那么控制組和處理組會在相關政策實施后產生一定的變化。而DID模型通過將“前后差異”和“有無差異”有效結合，對比分析了政策前后以及政策實施與否的差異（即政策實施前后處理組的不同以及政策實施前后控制組的不同），將政策產生的影響從表面的這種變化中分離出來，從而得到想要的結果。

DID模型排除一些無法觀測到的因素的影響，同時在模型中加入其他控制變量，能夠潛在地規避進行不同個體比較時經常出現的內生性問題，因而得到對政策效果的真實評估。

本文的實證研究將綜合使用PSM模型和DID模型。

在研究融資融券對股市波動性作用的過程中，如果某時刻既能夠得到某只股票作為標的股的波動，又能得到其不是標的股的波動，那么融資融券的影響正是這兩者之間的差異。雖然現實中我們無法得到同時刻的這兩種結果，但是PSM恰好提供了一種替代的方法從而獲得這一反事實的結果。它利用“降維”的思想，將多種協變量濃縮成一個指標：傾向得分值（pscore），找到一組和融資融券標的股的特征類似的（或者說傾向得分值相同或相近的）融資融券非標的股，相當于為處理組中的每一個標的股建立反事實路徑，構成控制組樣本進行波動性的比較，盡可能使融資融券政策成為兩組之間唯一的顯著差別，實現了處理組和控制組的匹配。通過PSM模型研究得到的處理組和控制組特征類似，具有“相似性”，有效地控制了樣本的選擇性偏誤，在一定程度上保證后期DID分析結果的可靠性。然后在此基礎上運用雙重差分模型進行前后差異以及有無差異的比對，分離出所考察政策的實際影響。

對于PSM，本文選用收盤價、換手率、成交量和流通市值四類指標作為協變量，并且根據數據數量和特點，處理過程中選用了LOGIT回歸和核匹配（KernelMatching）。

本文構建雙重差分模型如下：

其中，Volatilityit為衡量市場波動率的指標。Policyt表示政策虛擬變量，政策前為0，政策后為1；Groupi表示組別虛擬變量，控制組為0，處理組為1；DIDit為雙重差分變量，即Policyt×Groupi，它的系數λ是我們關注的雙重差分系數，表示融資融券政策對波動的影響；Xit為其他控制變量，是指影響波動率的其他因素；uit為固定效應，是各個股票不隨時間變化而變化的差異；εit為隨機波動項。

（二）數據與變量

1.數據

所有數據均來源于Wind數據庫。本文主要研究隨著股票市場的發展，融資融券開啟以及擴容對股票波動的影響是否向更好的方向邁進，因此選取融資融券開啟前一年至第四次擴容后一年的月度數據，即研究區間為2009年3月29日至2015年6月14日，主要分為六個階段，具體如下：

第一個階段為2009年3月29日至2010年3月29日（融資融券開啟前）；

第二個階段為2010年3月30日（融資融券開啟）至2011年12月4日（第一次擴容前）；

第三個階段為2011年12月5日（第一次擴容）至2013年1月30日（第二次擴容前）；

第四個階段為2013年1月31日（第二次擴容）至2013年9月15日（第三次擴容前）；

第五個階段為2013年9月16日（第三次擴容）至2014年9月21日（第四次擴容前）；

第六個階段為2014年9月22日（第四次擴容）至2015年6月14日。

具體而言研究融資融券開啟對波動的影響，政策前的時間區間為第一個階段，政策后的時間區間為第二個階段；研究第一次擴容對波動的影響，政策前的時間區間為第二個階段，政策后的時間區間為第三個階段，依次類推；第六個階段截止在2015年6月，原因在于2015年中國出現罕見股災，救市過程中，包括國泰君安等在內的10家證券公司分別采取了暫停融券券源供給、對融券客戶異常交易行為進行嚴格監控等臨時性措施，大部分券商停止了融券供給，因此不對7月后的數據進行研究。

同時，為了保證數據有較長的時間跨度，政策實施過程前后股票的一致性，本文選取的股票均為2008年3月29日之前上市的股票，并且排除了在研究區間內曾有過融資融券調出記錄的股票。此外為了減小誤差，排除其他因素對波動性產生的影響，本文剔除了ST股票和退市股票。初始處理組的股票為每次政策實施時的標的股票，控制組的股票則是非標的股票，實證研究過程中還將使用傾向得分匹配對處理組和控制組中的股票進行進一步篩選，使兩組股票間的差異進一步縮小。

2.變量

本文選取股票收益的標準差來計量波動率，用Volatility表示。算式如下：

Volatilityi，t為第i只股票第t期的波動率，δi，t為第i只股票第t期的標準差，n為交易月次數，Returni，j，t為第i只股票第t期的月對數收益率，Pi，t為第i只股票第t期的月收盤價。

對于協變量和控制變量的選取，《融資融券交易試點實施細則》中規定了標的股的選取標準，在流通股本、流通市值、換手率、波動幅度等方面設置了具體的條件。業內人士也評論認為“流通股本和流通市值等市場型指標”成為選取標的證券“最重要的門檻”。為了最小化處理組和控制組間的差異，排除其他因素的影響，本文綜合考慮了融資融券標的股通常的選取標準、波動性的影響因素以及其他文獻資料的研究，傾向評分匹配的協變量選取收盤價、換手率、成交量和流通市值作為指標。雙重差分模型的控制變量選了換手率、流通市值、市盈率和市凈率。

然而影響股市波動性的因素眾多，本文忽略了其他可能對股市波動產生影響的變量，簡化模型的同時造成了實證檢驗結果的偏差，具有一定的局限性。

三、實證研究

（一）描述性統計分析

表1 滬深兩市波動率的描述統計量

以融資融券政策實施為時間分隔點，以五次政策為研究對象，本文分別計算了在融資融券政策實施前后控制組和處理組波動率的流通市值加權。如表1所示，在P1、P3和P4階段，無論是處理組還是控制組，波動率的平均值在政策實施后均出現下降，因而并不能簡單的認為波動減弱的原因是融資融券政策的實施，可能是宏觀環境或者其他因素導致這種結果。P2階段處理組的平均波動率下降而控制組反而上升，即融資融券政策標的股的波動減弱而非標的股的波動增強，這一反差可能是融資融券政策在平抑股票波動方面發揮了作用的證據。而P5階段與其他階段的情況大不相同，其處理組和控制組的平均波動率均上升，一個最可能的原因是2014年9月份至2015年6月這段時間正處于中國股市價格瘋狂增長的牛市期間，股市泡沫嚴重，波動率隨大盤的整體表現而變化。然而不容忽視的是第四次擴容（P5）前控制組的波動率均值小于處理組，而擴容后控制組的波動率均值反而大于處理組，此處可以簡單推定：正是由于第四次擴容政策才使得處理組的波動率均值減小。

當然，波動率標準差的變化也不容忽視。在P1、P3和P4階段，滬深兩市處理組和控制組的波動率標準差均下降，值得一提的是，處理組標準差的下降幅度比控制組更大，可以認為處理組比控制組更穩定。在P2階段，處理組和控制組的波動率標準差均上升，但是處理組波動率標準差的上升幅度小于控制組。而P5階段的標準差也許更能體現融資融券政策平抑股市的作用，因為可以明顯看到控制組波動率的標準差顯著增加，而處理組的則減小。至此，融資融券等相關政策的實施可以平抑波動的假設可以得到初步的證實，但是更確切的結果還需后續實證研究的進一步探索。

（二）傾向得分匹配結果

在進行其他實證研究之前，先用傾向得分匹配法選取控制組。我們按照收盤價、換手率和成交量等指標得到控制組，僅對第三個階段（第二次擴容）的結果進行具體的說明。

第三個階段匹配后的處理組保留了186個股票，剔除了11個股票樣本，與之相對應的是保留了695個控制組數據，剔除了71個股票樣本。

圖1是融資融券啟動政策匹配前后各變量的標準化偏差對比，越接近0值表明兩組樣本在該變量上分布的差異性越小。可以看到匹配前處理組和控制組的只有市盈率（pe）和市凈率（pb）很接近，其他變量的分布十分分散，存在很大的偏差。匹配后兩組間偏差回歸0值附近，而且匹配后的t檢驗結果不拒絕原假設，即處理組與控制組無系統差異，更直觀的說明了PSM確實使得處理組和控制組得到了較好的匹配。在其余融資融券政策的傾向得分匹配中，每一個匹配后控制組和處理組的擬合程度都得到了改善，本文不再一一列舉。

此外，由于控制組的數量相對于處理組非常多，我們需進一步減少控制組數量。根據匹配后得到的傾向得分pscore，我們選取與保留的處理組股票得分最相近的186個股票，刪選出的最終結果即為此次的控制組股票。

圖1 第二次擴容匹配前后各變量的標準化偏差圖示

（三）雙重差分模型回歸結果

首先關注控制變量與波動率的關系。在P1～P5的回歸結果中，換手率的回歸系數在1%的顯著性水平上為正，即換手率越高，股票波動越強。這一結果符合大家一般的認知，股票轉手買賣的頻率越高，流通性越強，股票就容易出現劇烈波動。其次，流通市值的回歸系數后期顯著為正，但自始至終近似為零，即流通市值對波動的影響可以忽略。再次，P1階段市盈率的回歸系數在10%的水平上顯著為正，其余均不顯著，甚至在P3階段為負值，即市盈率對股票市場波動的影響方向并不確定。最后，市凈率的回歸系數多數在5%的水平上顯著為正，P4階段的顯著性水平為10%，僅P1階段為負值且不顯著。因此可以認為市凈率與波動呈正相關關系，市凈率越大波動越劇烈。綜合來看，控制變量對滬深股市波動的影響具有統計意義上的顯著性。

接下來主要分析五次政策對股市波動性的影響。雙重差分系數即did，可以有效衡量政策的影響。若系數為正，說明政策的實施加劇了股市波動，若政策為負，說明政策的實施平抑了股市波動。考慮了所有的控制變量，分析did系數發現除了P4階段did系數為正外，其余階段均為負，而且P2階段在1%的水平顯著，P5階段在5%的水平下顯著。因此可以認為did系數與股市波動成反比，即融資融券標的股的波動弱于非標的股的波動。這反映了融資融券政策平抑了股市波動，并有證據表明這種作用在1%的水平上顯著。進一步而言，僅P2和P5階段的did系數是顯著性統計的，這種對比說明融資融券平抑股市波動的作用在牛市階段尤為明顯，并且描述性統計中關于P5階段的分析亦支持這一結論。

綜上所述，本文認為融資融券政策確實會平抑股市的波動，可以預見隨著股票市場和融資融券政策發展得越來越成熟，這種平抑作用會越來越明顯。此外，根據P5階段的回歸分析結果，可以初步假定，融資融券平抑波動的作用在股市泡沫時期會越發明顯。

四、結論

對于剛剛經歷過大起大落的中國股市而言，尋求一種有效的機制平抑股市波動刻不容緩。通過對國內外現有研究的分析，本文選用傾向得分匹配和雙重差分模型兩者結合的方法來檢驗融資融券政策的實施對我國股市波動造成的影響。本文克服了以往研究數據區間小、政策囊括少的局限，以2009～2015年的滬深股市為研究對象，運用PSM模型選取合適的融資融券標的股與對應的非標的股作為對照組和控制組，在此基礎上運用DID模型進行檢驗，得出融資融券政策產生的效應。

本文的結果部分支持提出的研究假設一，即融資融券能夠平抑股市波動，促進市場趨于穩定，也在一定程度上找到了融資融券政策平抑股市波動的證據。具體而言，結論如下：

從融資融券交易正式開始以及四次融資融券擴容政策來看，大部分的實證結果表明相關政策確實抑制了股市的波動，僅第三次擴容即P4階段顯示出相反的結果，即加劇了股市波動，但是此結果并非統計學顯著。值得一提的是2014年3月12日至2015年6月12日期間，我國股市處于牛市階段，大盤從2000點的低谷一直突破到5000點。這段時間內融資融券標的股的波動明顯低于非標的股，并且這種平抑作用在統計學上是顯著的。因而可以認為融資融券平抑波動的作用在股市泡沫時期較平常更為明顯。

當然本文仍然存在許多不足之處：忽略了影響股市波動的其他變量，數據處理和計算過程中難以避免的誤差等等，本結論具有一定的局限性仍有待進一步的研究和探討。

基于本文的實證分析和研究結論，健全融資融券機制有助于促進股票市場趨于穩定。因此市場監管機構除了完善相關的法律法規外，應該不斷促進融資融券的發展，使股票市場機制趨于成熟，進一步發揮融資融券對于我國股市的積極作用。

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

[2]楊德勇,吳瓊.融資融券對上海證券市場影響的實證分析——基于流動性和波動性的視角[J].中央財經大學學報,2011，（5）:28～34.

[3]陳偉.融資融券試點對我國股票市場波動性的影響實證研究[J].上海金融學院學報,2011，（5）：42～50.

[4]徐曉光,陳煥檳,張榮波.融資融券能否減小我國股市波動?[J].深圳大學學報(人文社會科學版), 2013,30（3）：81～86.

[5]陳海強,范云菲.融資融券交易制度對我國股市波動率的影響——基于面板數據政策評估方法的分析[J].金融研究,2015，（6）：159～172.

[6]于孝建.融資融券交易對中國股市流動性和波動性的影響——以滬市為例[J].華南理工大學學報,2012，（142）：1～6.

[7]梁星韻,劉衛民.我國融資融券與股票市場波動[J].會計之友,2015,（18）：22～24.

[8]李俊文.融券交易對市場波動性的實證分析[J].中國證券期貨,2011，(12):43～47.

F832.5

A

1006-169X（2017）08-0016-06

國家社會科學基金項目“利率市場化下商業銀行產權結構對資金配置效率影響研究”（16XJY020）。