融資交易與股票市場波動性關(guān)系研究

高彥彬 楊茹好

摘要：文章以我國滬深300作為研究對象，根據(jù)滬深兩市日融資余額的數(shù)據(jù)，以2016年1月4日至 2018 年 12月27日的交易數(shù)據(jù)為樣本，通過向量自回歸模型（VAR）來分析融資交易對我國股市波動性的影響。最后，根據(jù)實證分析結(jié)果，提出了降低股市波動性的建議。

關(guān)鍵詞：融資交易;VAR模型;實證分析

一、引言

學(xué)術(shù)界關(guān)于融資交易對股票市場波動性的影響進(jìn)行了深入地研究，逐漸形成了三種觀點：融資交易對股票市場的波動性起到了助推、平抑或無影響作用。本文利用向量自回歸模型（VAR），采用滬深300樣本數(shù)據(jù)進(jìn)行實證分析，來驗證這三種觀點，考證融資交易在股票市場波動的過程中究竟起著什么樣的作用。

二、研究設(shè)計

（一）指標(biāo)選取

融資交易指標(biāo)（RZ），選擇滬深兩市合計融資日融資余額作為自變量;股市波動性（SMV），衡量股市波動性的指標(biāo)，由于研究所有數(shù)據(jù)均為日數(shù)據(jù)，因此采用滬深 300 指數(shù)的日波動率來反映股市的波動水平，記波動率為：

其中，Ph表示當(dāng)日滬深300指數(shù)最高價，Pm表示當(dāng)日滬深300指數(shù)最低價。

（二）數(shù)據(jù)來源

本文所用數(shù)據(jù)來自東方財富網(wǎng)、網(wǎng)易財經(jīng)、上海證券交易所、深圳證券交易所以及中國證券金融公司。本次數(shù)據(jù)模型實驗的樣本空間為2016年1月4日到2018 年12月27日。2016年12月融資標(biāo)的股票的范圍第五次擴(kuò)展，可供選擇的標(biāo)的股票比之前變多，融資交易氛圍變得活躍，其交易量開始走向合理水平。選用滬深300指數(shù)反映股市波動性。由于本文是從整體上分析融資與股市波動性之間的關(guān)系，所以沒有選擇個別標(biāo)的股進(jìn)行分析，而是選擇滬深300來進(jìn)行研究。用滬深300來反映股市的波動性非常具有代表性，它的走勢能夠反映中國整個證券市場的狀況，并且能夠全部涵蓋第五次擴(kuò)容后滬深兩市股票走勢的普遍情況，所以選擇滬深300來代表股市的波動性使研究結(jié)果更貼近真實。

（三）模型設(shè)定

影響股市波動性的因素很繁雜，比如宏觀因素、投資者、市場監(jiān)管等都是重要的因子，融資也許只是其中一小因子，想要將眾多影響因子包含在實證中，但考慮到其他變量數(shù)據(jù)獲取的難易程度，本研究主題是融資對股市波動性的影響，因此通過構(gòu)架VAR模型來分析。在建模時注重兩方面，都有哪些變量有關(guān)聯(lián)性，計算滯后期k，一般用AIC和SC準(zhǔn)則確定滯后期的最優(yōu)期數(shù)。一個滯后階數(shù)為p的VAR（p）模型的數(shù)學(xué)表達(dá)式如下：

其中，Yt是具有k個維度的內(nèi)在向量，Yt-i（i=1，2，…，p）是具有滯后期的內(nèi)生變量向量，Xt-i（i=1，2，…，r）是具有d個維度的外生變量向量或滯后外生變量向量，p、r為滯后階數(shù)。At是具有k個維度的系數(shù)矩陣，Bi是具有d個維度的系數(shù)矩陣，這些矩陣都是待估計的參數(shù)矩陣。

三、融資交易與股票市場波動性的實證分析

（一）單位根檢驗

將每組數(shù)據(jù)進(jìn)行ADF檢驗觀察所得檢驗結(jié)果中ADF值與t統(tǒng)計量臨界值比較，觀察ADF值是否小于t臨界值，或者觀察P值是否小于0.05，也就是在顯著性水平為5%的情況下是否有95%的概率來說明數(shù)據(jù)是否平穩(wěn)，見表1。

（二）最優(yōu)滯后階數(shù)的確定

這里進(jìn)行Lag Length Criteria 檢驗?zāi)Ｐ停x擇檢驗階數(shù)為10階，然后觀察實驗結(jié)果發(fā)現(xiàn)LR、FPE、AIC、HQ檢驗顯示滯后6期為最優(yōu)滯后階數(shù)，SC 檢驗的結(jié)果表明3期為最優(yōu)滯后期，因此選擇滯后6期為最佳滯后期，見表2。

（三）VAR模型構(gòu)建

隨著滯后階數(shù)的確定，重新構(gòu)建的以滯后階數(shù)為6階的VAR模型如下式所示。

（四）檢驗VAR模型的穩(wěn)定性

檢驗 VAR 模型穩(wěn)定性較多，最常用的是AR根檢驗，如果所有根的倒數(shù)值小于 1（分布在半徑為 1 的單位圓內(nèi)），即可認(rèn)為估計模型是穩(wěn)定的。如圖1所示。

（五）脈沖響應(yīng)分析

脈沖響應(yīng)函數(shù)表示的是SMV受到RZ后其波動性的反應(yīng)圖。如圖2所示。

縱觀全圖當(dāng)融資交易發(fā)生后，股票市場所產(chǎn)生的的波動性并不是單純的單一加劇或者單一延緩機(jī)制而是雙向交替分布的。同時，在滯后期末尾沖擊影響并沒有接近于零軸。這就能有力的說明RZ對SMV的影響是明顯存在的。

（六）方差分解分析

從方差分解的結(jié)果看，股票市場的波動其內(nèi)在原因還是尤其自身所引起，并且其對自我的解釋程度非常高，其顯著程度看似幾乎與融資交易沒有相關(guān)性。但是隨著滯后期的增加其被自己所能解釋的比例在逐步下降呈現(xiàn)一種弱化趨勢。見表3。

四、研究結(jié)論

通過實驗過程與實驗數(shù)據(jù)分析，可以了解到融資交易與股票市場的波動具有關(guān)聯(lián)影響，且從實驗結(jié)果來看均有“雙向制”影響;從 VAR模型的相關(guān)系數(shù)中也可以看出，融資交易顯著影響著股票市場的波動性;從脈沖響應(yīng)函數(shù)分析來觀察，可以發(fā)現(xiàn)雖然融資交易在前幾個滯后期中也存在加劇股市波動的現(xiàn)象，但是隨著滯后期的延長總體來看其對降低股市的波動性是顯著存在的且在不斷變化中逐步降低;從方差分解中可以發(fā)現(xiàn)，雖然融資業(yè)務(wù)對股票市場的波動產(chǎn)生了影響，但是其影響作用仍舊是較小的，但是從發(fā)展態(tài)勢來看其呈現(xiàn)增長趨勢。

參考文獻(xiàn)：

[1]谷文林，孔祥忠.融資融券對市場資本流動性的短期影響[J].證券市場導(dǎo)報，2010（07）：50-52.

[2]顧海峰，孫贊贊.融資融券對中國證券市場運(yùn)行績效的影響研究[J].南京審計學(xué)院學(xué)報，2013（01）：22-30.

[3]倪緯佳.融資融券交易對我國股市波動性的實證分析[J].浙江金融，2012（08）：59-60.

[4]楊德勇，吳瓊.融資融券對上海證券市場影響的實證分析[J].中央財經(jīng)大學(xué)學(xué)報，2011（05）：28-34.

[5]馬宇文.融資融券對股市波動性影響的實證分析[D].成都：西南財經(jīng)大學(xué)，2016.

（作者單位：河南理工大學(xué)財經(jīng)學(xué)院）