融資融券在股災階段對市場波動性的影響分析

吉余峰 梁弋

[摘 要]2015的中國股市注定是讓人難忘的一年。上證A股指數一路飆升至5 178點，再如過山車般的狂降至不足2 900點，如此巨幅的波動在世界范圍內都是前所未見的。毒杠桿、無度配資、監管制度的缺失、強制平倉、惡意做空等一系列字眼，都充斥在我國尚不完善的資本市場之中。我國自2010年3月31日引入融資融券業務以來，對它的研究一直處于初步階段，尚不明確其對于我國資本市場的影響；而對于造成這次“股災”的原因，大部分矛頭都指向融資與融券業務。本文在充分參閱國內外文獻的基礎之上，以GARCH與VAR模型相結合的實證分析方法著重研究“股災”時段融資融券對上證A股指數波動性的影響。

[關鍵詞]上證A股；融資；融券；波動性；GARCH；毒杠桿

doi：10.3969/j.issn.1673 - 0194.2017.02.068

[中圖分類號]F224；F832.51 [文獻標識碼]A [文章編號]1673-0194（2017）02-0-03

0 引 言

2015年股市的熱度早已超越了氣候的溫度，無論機構投資者還是中小投資者都在這一場指數狂飆的盛宴中盡情地享受。鋪天蓋地的都是眾多投資機構的破萬點論、牛市論，給投資者展示了我國資本市場一片大好的景象，可是風險也在進一步集聚，在等待它爆發的一天。

2015年5月25日，市場在經歷過一次小幅調整后又向上創出年內新高，創業板指數也連連新高，各種小盤股活躍，中字頭的大盤股開始橫盤震蕩，不久，指數就已經破了5000點的大關。5月28日上午10點半過后，第一波下跌行情開始，創業板領跌，高價股下跌，到下午2點45分后，更是一波3%幅度130多點的下跌，使市場上眾多股票由漲停到跌停。頓時輿論四起，牛市泡沫的破裂也就在這一刻開始了。

1 研究模型選擇

1.1 ARCH模型族介紹

1.1.1 ARCH模型族

ARCH模型的基本思想是指在以前信息集下，某一時刻一個噪聲的發生是服從正態分布。該正態分布的均值為零，方差是一個隨時間變化的量，即條件異方差。并且這個隨時間變化的方差是過去有限項噪聲值平方的線性組合，這樣就構成了自回歸條件異方差模型。

1.1.2 GARCH模型

自從Engle提出ARCH模型分析時間序列的異方差性以后，波勒斯列夫又提出了GARCH模型，GARCH模型是一個專門針對金融數據專門做的回歸模型，除去和普通回歸模型相同的之處，GARCH對誤差的方差進行了進一步的建模，特別適用于波動性的分析和預測。

1.2 VAR模型

向量自回歸（VAR）是基于數據的統計性質建立模型，VAR模型把系統中每一個內生變量作為系統中所有內生變量的滯后值的函數來構造模型，從而將單變量回歸自回歸模型推廣到有多元時間序列組成的“向量”自回歸模型。VAR模型是處理多個相關經濟指標的分析與預測最容易操作的模型之一。

2 融資融券對上證A股指數波動性影響的實證分析

2.1 數據選擇與說明

本文選取的數據是上證A股每日的收盤指數以及每日的融資融券數據，時間跨度是2014年10月21日至2015年9月30日，總共235個樣本數據。

本文選取T-GARCH模型擬合股市波動，并選取條件方差作為股市波動的替代指標。同時計算并引入融資融券強度（看多看空系數）作為解釋變量，兩個變量的值域在-1～1之間，依次記為MP、SS。其中融資融券強度計算公式如下。

融資強度=（融資買入額-融資償還額）/（融資買入額+融資償還額）；融券強度=（融券賣出量-融券償還量）/（融券賣出量+融券償還量）。

2.2 ARCH效應檢驗

首先對上證A股指數波動性進行ARCH效應檢驗。為了減少量綱對實證分析的影響，筆者對收益率進行對數化處理，并記為lnspt。

回歸結構中，R2（擬合優度）接近于1，說明該回歸方程擬合效果較好，系數項與常數項在10%顯著性水平下拒絕了原假設。

從回歸方程的殘差序列圖（圖1）中，發現波動出現樂波動集聚的現象，這說明該序列存在條件異方差性。因此，筆者對殘差序列進行ARCH效應檢驗，并依據AIC準則來確定檢驗的階數。通過上述操作，發現在1階時，AIC值最小且為-10.629 86，因此確定檢驗階數為1。

從表1中可以看出，在5%顯著性水平下，拒絕原假設，即存在ARCH效應，因此，可以采用GARCH模型對這一時段的上證A股指數波動性進行擬合。

從表2中可以看出，回歸方程的R2接近于1，擬合程度較好，非對稱項的系數為正值，說明存在杠桿效應，且這種杠桿效應會增加股市的波動性。同時，均值方程與方差方程的系數項在5%的顯著性水平都顯著，所以回歸結果是有效的，筆者將提取的條件方差作為股市波動性的替代變量且記為V。

從表5中可以看出，在5%的顯著性水平下，均接受了原假設，即股市波動率V與融券強度SS是獨立的，不是對方的Granger原因。檢驗結果表明融券強度的變化不能對股市波動率V產生實質性的影響，可能存在其他原因導致時波動率巨幅波動，股市波動比率V的變化也不會對融券強度產生實質性的影響。

2.5 二元VAR模型的構建

筆者分別確定了V與MP以及V與SS的最優滯后階數，在進行脈沖響應分析以及方差分解之前，要首先驗證構建的VAR模型是否穩定，檢驗標準是所有AR根均落在單位圓內。在此將V與MP的二元VAR模型定義為VAR（1），將V與SS的二元VAR模型定義為VAR（2）。

對建立的VAR（1）模型進行穩定性檢驗，從AR根圖示（圖2）中，可以看出，所有AR根均落在單位圓內，說明V與MP的VAR模型是穩定的，可以進行脈沖響應分析與方差分解。

對建立的VAR（2）模型進行穩定性檢驗，同理從AR根圖示（圖3）中，可以看出，所有AR根均落在單位圓內，說明V與SS的VAR模型是穩定的，可以進行脈沖響應分析與方差分解。

2.6 脈沖響應分析

分別對V與MP以及V與SS進行脈沖響應分析，脈沖響應結果如圖4、圖5所示。

從圖4、圖5中，可以看出，當給融資強度一個正向的標準差沖擊，開始時會對股市波動率V產生一個負向的影響，即減小股市波動，這種影響在第5期時達到最大，隨著期數的增加，這種影響在第50期逐漸消失。結果說明融資強度在這一時段的變化會減小股市的波動，而且這種影響不是持久的，隨著時間的推移會逐漸減小直至消失。當給融券強度一個正向的標準差的沖擊，開始時會對股市波動率V產生一個負向的影響，即減小股市波動，這種影響在第7期時達到最大，隨著時間的推移，效應逐漸減弱直至消失。

2.7 方差分解

在VAR模型基礎之上進行方差分解，獲知融資融券強度對股市波動率V的解釋能力。見表7、表8。

從表7可以看出，股市波動率V只有大約66.5%被其自身解釋，而相當一部分被融資強度解釋掉了，且融資強度解釋股市波動的能力隨著期數不斷增加，在第20期時達到33.5%。從方差分解的結果來看，股市的巨幅波動與融資交易有著密不可分的聯系，融資強度的變化對股市波動產生的影響是非常明顯的。股市波動率V的大部分被其自身解釋掉了，僅有小部分被融券強度解釋。從表8中發現，融券強度對股市波動率的解釋能力隨著期數的增加也在增強，在第20期時達到1.454%。方差分解結果表明在股市巨幅波動階段，融券強度的變化對股市波動存在一定的影響，但這種影響微乎其微。

2.8 “股災”巨幅波動期的實證結果分析

第一，我國投資者結構嚴重不合理，機構投資者占比很小，而個人投資者的比重則非常大，投資策略主要是以投機需求為驅動，追求短期利益，也就是短線投資。大多數投資者缺乏投資理性，易產生跟風和踩踏效應，傾向化嚴重，容易對股指造成助漲殺跌的作用，極易造成股市的波動。

第二，多空雙方規模懸殊，我國鼓勵買多不買空。融資融券的規模始終無法平衡，融資的規模要遠遠超過融券的規模，由此導致券商等金融投資機構無券可融。這種規模的失衡帶來的后果便是股市一旦有暴漲，則必有暴跌。

第三，我國融資融券交易機制不完善，法律法規與部門監管仍存在很大缺陷。比如：最明顯的便是對于配資公司監管的不到位，只要中小投資者有一定的本金，在支付一定傭金費的情況下，就可以加數倍杠桿融資買入，而對于配資公司的審查及監管方面處于空白，因此便造成了杠桿的無度使用。

3 完善融資融券制度的建議

3.1 優化投資者結構

我國投資者結構目前主要呈現出機構投資者少，而個人投資者較多的情形，也就意味著證券市場主要以短線投資為主，也就是投機需求主導。尤其在股市大幅上揚時期，中小股民出于投機心理進行短線投資，不斷加杠桿融資買入，是造成股市巨幅波動的主要原因之一。為了保證資本市場持續健康有效運行，更好地發揮對我國經濟的助推作用，優化投資者結構勢在必行，主張價值投資，長期投資，積極培育更為成熟的機構投資者與個人投資者。

3.2 建立有效的保證金制度

證券公司在融資融券日常交易的過程中實施“逐日盯市”制度，在實際操作中，分析證券信用交易的保證金追繳點具有如下重要意義：投資者可以據此判斷自己可能承擔的風險水平以及最大的損失程度；證券公司可以據此對沒有追加擔保物的投資者采取強制平倉措施，以保證其融資融券債權得以實現；而對于監管機構來說，根據不同的市場狀況設定不同的維持保證比例，可以控制整個證券市場的信用程度和風險水平。

3.3 擴大融資融券標的范圍

由于我國融資融券交易引入時間不長，融資融券標的股占A股市場的比例依然較低，還有很大的上升空間。融資融券標的規模小、種類少，不能很好地滿足投資者的需求，不利于融資融券業務的展開，也就無法優化資源配置。因此，應該拓寬證券公司的經營范圍，增加標的股數量及種類，提高證券市場的靈活性，滿足不同層次投資者的需求。

主要參考文獻

[1]F Allen，D Gale.Arbitrage， Short Sales， and Financial Innovation[J]. Econometrica，1991（4）.

[2]陳瀟，楊恩.中美股市杠桿效應與波動溢出效應——基于GARCH模型的實證分析[J].財經科學，2011（4）.

[3]廖士光，楊朝軍.賣空交易機制對股價的影響——來自臺灣股市的經驗證據[J].金融研究，2005（10）.