《融资融券机制对我国股市波动性的影响_基于上证50的实证分析》由会员分享，可在线阅读，更多相关《融资融券机制对我国股市波动性的影响_基于上证50的实证分析（3页珍藏版）》请在金锄头文库上搜索。
1、融资融券机制对我国股市波动性的影响基于上证50的实证分析肖文彦王紫菡（中央财经大学，北京100081）【摘要】2010年3月31日，沪深两市正式接受券商的融资融券交易申报。经过4年准备的融资融券交易正式进入市场操作阶段。为了解其是否会影响股市的波动 性、如何影响，本文运用VAR模型和Granger检验，基于上证50支首批允许融资融 券交易股票437个交易日的数据进行实证分析并得到相关结论。最后本文在短期数 据分析的基础上，分析预测了融资融券机制对我国A股市场的长期影响。【关键词】融资融券；波动性；VAR模型；Granger检验因果检验的方法检验了台湾证券市场信用交易对市场的冲击效应，表明融资融
2、券交易都不会加剧市场波动性水平。 由于之前缺乏实际交易数据，国内的实证研究主要集中在香港、台湾、日本等国家和地区。因此，本文利用上证50的实际数 据进行实证研究，讨论融资融券机制和股市波动性的关系。3.数据及实证模型3.1 数据选取 我国首批融资融券交易试点股票为上证50的50支沪市股票以及40支深成指股票。由于首批允许融资融券的股票较少，成交量 不足大盘的10%，且我国实行融资融券时间不长，如果取整体大 盘指数作为研究对象，则融资融券对我国股市的影响甚微。考虑 到沪市试点股票为上证50的成分股，成交量占上证50的38%，其 对上证50指数的影响较大。故本文选取了上证50从2010年4月12
3、日至2012年1月31日共437个交易日的日交易数据，并剔除交易头 几天的微量交易对分析结果的影响。本文的原始数据均来自于上 海证券交易所网站。本文分别对每日融资买入额（MT），每日融券卖出额（SS） 以及上证50指数的收盘价（P）取自然对数，得到LNMT，LNSS，1.引言融资融券，又称证券信用交易，是指投资者向证券公司提供担 保物，借入资金买入本所上市证券或借入本所上市证券并卖出的行 为。这种双向交易机制的建立，能有效降低单边投机市场走势出现的 概率，起到维护市场稳定的作用。美国1934年就通过证券交易法 建立起了完善的证券信用交易制。在亚洲，1954年日本通过了证券 交易法，在规范先前买
4、空交易的同时，还引入了卖空机制。中国证券市场从1990年成立至今，得到了高速发展。但中国 证券市场受政策影响大，长期以来只有现货交易一种方式。近年 来，我国相关部门一直在讨论证券法的修改问题，1999年修 改了证券法不允许信用交易的条款。证监会于2006年6月30 日发布证券公司融资融券试点管理办法，标志着融资融券有 机会登陆中国；2008年4月24日再次发文，在证券公司监督管 理条例中，融资融券业务被正式列入券商业务中。同年10月5 日，证监会宣布将启动融资融券试点。2010年3月31日，沪深交 易所正式向6家试点券商发出通知，开始接受券商融资融券交易 申报，这标志着经过4年准备的融资融券交
5、易正式进入市场操作 阶段。2011年11月25日，沪深交易所分别发布融资融券交易实 施细则，这意味融资融券业务将由“试点”转为“常规”。2.国内外文献综述西方在很早就有了关于融资融券与市场波动性的理论研究，早 在20世纪60年代，Bogen和Krooss1就提出了“金字塔和倒金字塔效 应”的经典理论，从理论上说明证券信用制度将造成股票市场的波 动性加剧，该理论在很长一段时间内得到广大研究者的认可。但西方学者对融券卖空的市场效果上的观点并未达到统 一。King等(1993)2的实验结果表明，卖空机制对价格泡沫的 产生没有显著的影响，没有起到稳定价格的作用。Porter和 Smith(2000)3
6、根据实验结果指出卖空机制不能显著地降低市场 的泡沫量以及泡沫的持续时间。另一部分学者则认为融券交易本身能起到稳定市场的作用。 Bris等(2003)4发现在允许股票卖空的市场中，收益率的波动性 要低得多。同年，Charoenrook和Daouk(2005)5通过对111个国 家证券市场的研究发现，当市场允许卖空时，其波动性要比禁止 卖空交易的市场低。2000年8月，美国大通曼哈顿银行向客户提 供的一份研究报告表明卖空交易量同股价指数存在着显著的正向 变动关系，即卖空交易能起到平缓股价指数剧烈波动即平稳市场 的作用6。Hong和Stein(2003)7发现如果不允许卖空或约束卖空 过严，可能造成
7、股票市场的大跌。在我国证券市场的建立初期，韩志国(1994)、戴相龙(2000)等 就呼吁引入信用交易制度。早期国内对于这一方向的研究文献大多 局限于宏观介绍和功能分析上。例如肖迢、周万贺(2001)9分析可 以通过引入卖空机制解决中国股票市场过度投机的问题。近期我国 学者通过港台等地的实证分析，也得到了和西方学者类似的结论。 廖士光与杨朝军(2004)8通过研究我国台湾股票市场在1998年8月-2004年2月间卖空机制与股票价格之间的关系，发现卖空交易额与 价格指数之间存在着长期稳定的协整关系，卖空机制并未加剧证券 市场的波动。次年，他和张宗新10又通过对香港股票市场的实证分 析发现卖空交易
8、机制的存在一定程度上会对市场上的暴涨暴跌现象 起到抑制作用。吴淑琨和廖士光(2007)11运用协整检验和GrangerLNP的时间序列数据。选取日对数收益率（R =LNP -NP ）代表上TTT-1证50的波动性，同时分别取LNMT，LNSS代表每日融资买入额以及每日融券卖出额的变化率。图1 上证50与融资融券交易额走势图图2 上证50波动与融资融券交易额变动比较图图1、图2分别描述了上证50指数、上证50指数波动与融资融券 交易额变动情况。图1中三者走势基本一致，每日融券卖出额波动比 较大。图2中三者有相似的变化，但每日融资买入额变化率以及每日 融券卖出额变化率与上证50指数波动相比有滞后或
9、者超前的情况。3.2 实证分析3.2.1 平稳性检验 包含时间序列的回归模型会存在“伪回归”现象，而通过平稳性检验，可以消除这种现象。因此本文首先采用ADF单位根方 法对变量的时间序列进行平稳性检验（见表格1）。ADF检验是基于以下回归方程：t=1，2，T中国证券期货05 201233检验结果表明，变量LNMT，LNSS，LNP都是非平稳，它们的一阶差分都平稳。表格1 ADF检验结果现，t值很小，相关系数也相对较小，并且相关系数不显著为0。表格8检验的结果是接受DLNP不是DLNSS的Granger原因的假设。 综上所述，DLNSS与DLNP之间没有互相的Granger因果关系，也就说，两者的
10、走势是互不影响的。表格6 y 1基于VEC的Granger检验t注：表中的检测式（C，T，R）分别表示单位根检测方程的常数项，时间趋势项和滞后阶数（C，NT，K）表示“有常数项，无趋势项，滞后阶数”的检验形式，其中，滞后阶数根 据修正AIC准则确定。3.2.2 协整检验 根据ADF单位根检验，LNP，LNSS，LNMT是一阶单整过程I(1)，满足协整检验的前提条件，可以对它们进行协整检验，从 而确定它们之间是否存在某种长期稳定关系。本文选择Johansen 检验进行协整检验。在进行JJ检验之前需要为VAR模型选择最佳滞后期，本文对 最优滞后期的选择根据AIC和SC来确定，如果两个准则出现不一
11、致，则利用LR来选择模型。结果如表格2和表格3所示。表格2 （LNP，LNSS）最佳滞后期筛选结果表格7 y 1基VAR模型下的Granger检验t（2）指数波动性与融资买入额变化率的Johansen检验首先进行最佳滞后期的选择。可得y 2的最佳滞后期为5。t下面是基于VEC的Granger检验。表格8 y 2基于VEC的Granger检验t表格3 （LNP，LNMT）最佳滞后期筛选结果注：本文最佳滞后期的选择的显著性水平均设定为5%。可得最佳滞后期分别为4和5。 现在对向量组合（LNP，LNSS）与（LNP，LNMT）的迹统计量和和最大特征值统计量进行计算。表格4与表格5是JJ检验的结果。表
12、格4 （lnP，lnSS）的JJ检验结果最后是VAR模型下的Granger检验：表格9 y 2VAR模型下的Granger检验t表格5 （lnP，lnMT）的JJ检验结果从检验结果可知，在假设没有趋势项和常数项的情况下，LNP和LNSS，LNP和LNMT之间至少存在一个协整关系，LNP和LNMT 以及LNSS之间存在长期稳定的协整关系。3.2.3 格兰杰因果检验 为进一步确定变量之间的因果关系，本文采用Granger因果关系检验来检验LNP和LNMT以及LNSS之间因果关系的方向。同样的分析，通过表格8和表格9可以得到，DLNMT不是DLNP的Granger原因；DLNP是DLNMT的Gran
13、ger原因，两者之间存在显 著的单向因果关系。4.研究结论由以上实证研究所得，上证50日波动率（收益率）分别与日 融资买入额和日融券卖出额存在协整关系，融券卖出额的变化率 和指数的波动性并无Granger因果关系，而融资买入额变化率与 指数的波动性有单向的Granger因果关系。实证得到收益率与融资融券交易量的协整系数均为负值，表 明当市场不断上涨时，投资者认为市场即将回复均衡位置，有下 跌趋势，于是减少了融资融券交易。相反，当市场不断下跌时， 投资者又都同时增加融资融券交易。这个结果与常识不符，是由 于我国刚实行这一制度，投资者担心融资融券交易风险太大，在分别取向量y 1=（LNP，LNSS
14、），y 2=（LNP，LNMT），则y 1=ttt（dLNP，dLNSS），y 2=y 2-（dLNP，dLNMT）。t t（1）指数波动性与融券卖出额变化率的Johansen检验首先是最佳滞后期的选择。经AIC和SC准则可确定y 1的最t佳滞后期为3。表格6是基于VEC的Granger检验。 表格7是VAR模型下的Granger检验。当检测DLNSS是否是DLNP的Granger原因时，由表格7，ECT（-1）的t值很小，DLNSS各个滞后项的系数很小，相关系数统计不显著；由 表格8检验的结果是接受DLNSS不是DLNP的Granger原因的假设。当检测DLNP是否是DLNSS的Grange
15、r原因时，由表格7可以发34201205中国证券期货变量组迹统计量5%临界值最大特征值统计量5%临界值协整方程数（LNP，LNMT）42.5681918.3977135.2282217.147690个，拒绝7.3399703.8414667.3399703.841466至多1个项目LNPLNMT标准化协整系数1.000000-0.131689标准化后的协整方程LNP=-0.131689LNMT滞后期原假设观测值F-检验值P值检验结果1DLNMT不是DLNP的Granger原因4320.041880.8379接受原假设1DLNP不是DLNMT的Granger原因14.78410.0001拒绝原假设2DLNMT不是DLNP的Granger原因4310.082570.9208接受原假设2DLNP不是DLNMT的Granger原因9.477359.E-05拒绝原假设3DLNMT不是DLNP的Granger原因4300.104420.9575接受
