《融資融券交易對滬指波動性影響的實證分析》10000字（論文）

I融資融券交易對滬指波動性影響的實證分析TOC\o"1-3"\h\u中文摘要 I一、緒論 III（一）選題意義 III（二）文獻綜述 III1.（1）國外研究概述 III1.（2）國內研究概述 III1.（3）文獻評述 IV1.（4）主要研究內容和研究思路 IV二、融資融券交易制度理論概述 V（一）融資融券的特點 V1.（1）具有做空效用 V1.（2）具有杠杠效用 V1.（3）改變了投資者與證券公司之間的關系 V（二）融資融券交易制度對股票市場波動的作用機制 VI1.（1）融資交易對波動性的作用機制 VI1.（2）融券交易對波動性的作用機制 VI三、研究設計 VII（一）研究方法 VII1.（1）變量選取 VII1.（2）數(shù)據平穩(wěn)性檢驗 VII1.（3）協(xié)整檢驗 VIII1.（4）模型構建 VIII四、融資融券交易對滬指波動性影響的實證分析 IX（一）模型平穩(wěn)性檢驗 IX（二）格蘭杰因果檢驗 XII（三）脈沖響應及方差分解分析 XIII1.（1）基于融資交易的脈沖響應及方差分解分析 XIII1.（2）基于融券交易的脈沖響應及方差分解分析 XIV五、結論與政策建議 XVI（一）升級交易體系，發(fā)揮融資融券正效用 XVI（二）加強風險防控，擴大融資融券規(guī)模 XVII（三）改善投資者結構，提高市場主體素質 XVII參考文獻 XVIII中文摘要自2010年A股市場開始實施融資融券業(yè)務以來，有關其在股票市場中起何種作用的討論一直沒有得到一致的結果。這也使得許多學者參與到研究融資融券制度對我國股市波動影響的行列之中。我國實行融資融券制度已有十多年的歷史，有關的法律和法規(guī)不斷完善，但目前的金融市場還不夠成熟。而由于融資融券交易在中國證券交易中所占據的比例正逐漸增大，在給投資人帶來了更多交易策略選擇的同時,也加大了市場的交易杠桿,市場風險也在一定程度上被放大了。在這種背景下,本文通過選擇本文采取2010年3月31日至2021年6月30日期間上海證券市場（以下簡稱“滬市”）融資、融券余額和上證50指數(shù)的日度數(shù)據，運用VAR模型和脈沖函數(shù)等方法研究上證指數(shù)（以下簡稱“滬指”）融資融券對滬市波動產生的影響。研究發(fā)現(xiàn)，滬市的融資交易與融券交易都可以減少證券市場波動。最后，本文對我國股票市場的發(fā)展與完善提出了一些政策建議。[關鍵詞]：融資；融券；滬指波動性；VAR模型一、緒論（一）選題意義上交所與深交所于2010年3月31日共同啟動融資融券業(yè)務試點項目，并選定90只股票作為第一批可進行融資融券業(yè)務的標的。也就是說，從那時起，融資融券在我國股票市場中已占有重要地位，其比例正在提高。與西方資本主義國家或地區(qū)成熟的融資融券業(yè)務相比，我國起步相對遲滯,但發(fā)展卻十分迅速。自2010年至今，我國的融資融券業(yè)務獲得了跨越式的發(fā)展，從一開始的0.07億元，到后來的一路攀升，很快便迎來了歷史性時刻，于2012年第一次突破了10000億的關口，之后更是在2015年6月的“牛市”行情中達到了歷史峰值22730.35億元。隨著科創(chuàng)板的推出，全面實行股票發(fā)行注冊制時代的到來，公司上市的步伐加快，融資融券標的也得到了迅速的擴員。相應地，滬深兩市由最初的90只已經擴容到截至2022年3月3日的2456只（包括可進行融資融券交易的ETF）。目前單獨研究滬市的相關文獻相對較少，更多的是基于整個A股市場的波動性影響研究，而滬市又是中國目前最具代表性的指數(shù)?；诖耍疚囊詼袨槔?，研究了融資融券交易對滬指波動性的影響，以及在此基礎上提出了一些利于發(fā)展我國證券市場的政策建議。（二）文獻綜述1.（1）國外研究概述由于融資融券業(yè)務在西方發(fā)達國家或地區(qū)里實行的時間比較早，融資融券數(shù)據也較多，相應地，境外學者在就其對股市波動性的影響研究方面所做的研究比國內的多，但其研究結論并非一致,比較流行的觀點有以下三種：第一，融資融券交易加劇了股票市場波動性。Bogen和Krooss(2006)[1]采用“金字塔-倒金字塔”效應從理論角度論證了融資融券交易會導致市場波動加大。Hardouvelis和Theodossiou(2013)[2]運用EGARCH-M模型研究美國股市的實證結論也與上述一致。Allen和Gale(1997)[3]，Chang(2007)[4],Beber和Pagano(2013)[5],也再次驗證了上述結論。第二，融資融券交易降低了股票市場波動性。Charoenrook和Daouk(2004)[6]對111個國家的面板數(shù)據進行研究后發(fā)現(xiàn)，能融券做空交易國家的市場總體收益波動性較小。Li(2017)等[7]對中國股市研究的實證結果顯示，融券交易能降低股市波動性。第三，融資、融券交易與股票市場波動性的影響不顯著。Battalio和Schultz(2006)[8]的研究發(fā)現(xiàn)，融券做空對股市波動性影響不大。PedroA.C.Saffi等(2011)[9]對26個國家的融資融券交易和股市波動數(shù)據研究后也發(fā)現(xiàn)，融券做空對股市的影響存在很多不確定性因素。1.（2）國內研究概述回顧國內學者的相關研究，也存在著較大的分歧，也大致有三種不同的觀點。第一，融資融券交易加劇了股票市場波動性。呂大永(2019)[10]運用面板回歸方法研究杠桿融資交易對標的股價崩盤風險發(fā)現(xiàn)，在融資融券交易提高成交額的同時，也會加劇股價的崩盤風險。劉光彥等（2019）[11]用VAR模型進行研究，也認為融資融券會加劇市場波動；劉降斌和李曉晗(2019)[12]、張博和李強（2021）[13]進一步論證了上述觀點。第二，融資融券交易降低了股票市場波動性。依布拉音·巴斯提(2020)[14]、安輝等(2018)[15]選取A股融資融券余額和滬深300指數(shù)的日度數(shù)據進行實證分析，結果表明融資融券交易在總體上平抑了股市波動性；張航（2018）等[16]運用VAR模型對滬深300指數(shù)振幅和融資融券余額特征分析的實證結果也支持依布拉音·巴斯提、安輝等的觀點。王文召和賀炎林（2020）[17]、郝永敬和呼曉英(2019)[18]、張國慶等（2021）[19]、劉樂平等（2020）[20]、涂紅等（2019）[21]的實證結果也驗證了融資融券交易能降低股市波動的觀點。第三，融資融券交易對股市波動性的影響不顯著。肖文彥和王紫菡(2012)[22]的研究表明融券賣空對股市波動性影響不明顯。劉燁等(2016)[23]也認為融資融券交易引入前后的信息沖擊對股市波動的影響不大。1.（3）文獻評述綜上，從不同的研究結果來看，不同的數(shù)據和模型所得到的結果不盡相同，但都集中在以下三種，即融資融券交易對股市波動的影響表現(xiàn)為加劇、抑制或不明顯。融資融券交易制度在歐美發(fā)達國家或地區(qū)已經發(fā)展得相當成熟且擁有可用于研究的數(shù)據較多，同時也進行了相當多關于這方面的研究，而我國融資融券交易制度推出的時間相對較晚，這也導致了我國學者對這方面的研究相對較少，理論研究與實證研究尚處在發(fā)展初期，可供借鑒的文獻也不多。因此，在研究融資融券交易對股票市場的波動性時，仍需進行更多有深度、多角度的研究。從已有文獻看，常用實證分析研究融資融券交易對股市的影響，在研究內容、研究方法和實證模型上比較單一，大部分的學者是建立VAR模型進行實證分析，少部分運用的則是GARCH模型。1.（4）主要研究內容和研究思路本文遵循論文常用的寫作順序，從以下幾個方面分層次的論述本文的研究思路和研究內容。第一章是文章緒論,首先闡述了該論文的選題背景與科研意義,接著則是對國內外論文中有關融資融券及其交易機制對證券市場波動變化的影響研究主流的三個不同結論進行了梳理總結,與此同時,又對該文的重點研究內容與科研思路作出了較為系統(tǒng)的論述。第二章是關于融資融券交易的理論綜述，這一章著重闡述了融資融券交易對市場波動性的影響機制，并對融資融券交易對波動性的作用機制進行了較為詳盡的論述。第三章是研究設計，在這部分里著重介紹了本文的研究方法，詳細地闡述了變量選取的選取過程、數(shù)據平穩(wěn)性檢驗的經過、模型構建的過程，以及數(shù)據的檢驗結果，同時也介紹了本文數(shù)據的來源。第四章是融資融券交易對滬指波動性影響的實證分析，本章節(jié)是本文的重要部分，在本章節(jié)里首先對模型進行了平穩(wěn)性檢驗，緊接著進行了格蘭杰因果檢驗、脈沖響應和方差分解分析，最后對實證結果進行分析和總結。第五章是實證結論和政策建議，在本章節(jié)里，對實證結論進行了整體的總結與分析，并立足本國國情，從我國股票市場發(fā)展的實際情況出發(fā)，為股市的繁榮和穩(wěn)定提供了政策建議。二、融資融券交易制度理論概述在中國，關于融資融券交易的含義在滬深交易的《實施細則》中有著具體的界定，即指投資者通過向具有上交所和深交所會員資質的券商提供現(xiàn)金或可沖抵保證金證券或擔保品,或者融資購買交易所掛牌股票,在約定日期內收回本金并償付利息或借入規(guī)定數(shù)量在交易所掛牌的股票,在規(guī)定的日期內歸還股票或交納融券手續(xù)費的交易活動。融資融券的交易形式是一項信用交易方式,要求投資人提供一定比率的保證金作為抵押物,所以,又稱為保證金交易。（一）融資融券的特點1.（1）具有做空效用引入融資融券交易制度終結了“單邊市”的局面，改變了市場盈利模式，為投資者提供了多一種交易選擇。當投資者發(fā)現(xiàn)證券價格被市場高估時，向擁有融券業(yè)務資格的證券公司質押一定比例的擔保后進行融券賣空，隨著其他投資者的加入，股價很快回歸理性，在股價跌到投資者的預期范圍時便買入還券（或是割肉止損），在給市場降溫的同時，亦可能有市場過激反應，讓股價遠低于其真實價值。1.（2）具有杠杠效用當投資人預期股價會上升但而資金不足時，就會向擁有融資融券資格的券商融資購買，同理，當發(fā)現(xiàn)證券價格被嚴重高估時，便進行融券賣出，通過杠桿操作可以買賣幾倍于保證金的證券。1.（3）改變了投資者與證券公司之間的關系當進行一般的證券交易時,因投資者與券商之間僅有委托買賣關系,所以無須對證券公司進行擔保,但在開展信用買賣時,由于投資者與券商之間不但具有委托買賣關系,且存在著借款關系,所以必須事先對證券公司進行相應比率的保證。同時,仍要將信用交易的所得為信譽擔保品。在極端市場條件下,券商不得不面對投資者違約的風險。（二）融資融券交易制度對股票市場波動的作用機制股價波動的本質是股票價格根據其內在價值上下浮動的現(xiàn)象，按浮動時間劃分，有長期波動和短期波動兩種。從長遠來看，股價的浮動最終會回到自身的內在價值，這說明股價的波動取決于股票的內在價值，而在短期內，股價會受市場供需的影響，因此，短期的波動取決于市場的供需。由于其自身存在的杠桿作用，導致了證券市場的波動。1.（1）融資交易對波動性的作用機制融資交易指當投資者發(fā)現(xiàn)股票價格被低估時，他們會將一定的保證金抵押給有融資資格的券商，以便借更多的錢購買更多證券的交易行為。在股價被低估時，很快被部分投資者率先發(fā)現(xiàn)，他們將借助融資的杠桿借入更多的資金買入大于本金數(shù)倍的證券以獲取更大的收益。如果一支股票通過大規(guī)模的融資購買，那么它的真實市場需求就會增加，而價格也會相應地上升，同時也會吸引一些跟風和趨勢投資者，在大量資金的驅動下，股價會不斷上升，最終會逐漸偏離它的真實價值。當股價被高估到很高的時候，那些先前融資購買的投資者們就會獲利離開，從那以后，股票的供應量就會增多，而股價就會下降，而其他的投資者則會在發(fā)現(xiàn)之后，也會跟著拋售，股價下降的幅度會繼續(xù)放大，此時又出現(xiàn)了供過于求的現(xiàn)象，該股又被低估了。經過多次循環(huán)后，股價的波動逐步減小，逐漸向其內在價值收斂。在證券買賣中，投資者通過杠桿買入、賣出證券，也會直接或間接地影響到市場的供需，同時亦能利用市場和融資機制的優(yōu)勢來穩(wěn)定并調節(jié)股價。當股價大幅偏離自身的價值時，融資交易更有利于使股價恢復到合理的水平。1.（2）融券交易對波動性的作用機制融資交易是指投機性做空者或理性投資者，當他們發(fā)現(xiàn)股價不斷上升，并且與他們本身的價值背道而馳時，便利用融券機制大量拋售這只股票，當市場上的其他投資者發(fā)覺時，也會參與到賣空潮中。正因如此，該股的看空情緒在融券機制的作用下被放大，股價迅速下跌并很快回歸其價值本身，但市場往往存在過激反應進而導致其跌幅遠在其真實價值之下。在融券即將到期時，前期的做空者開始買入還券，導致該股的市場需求隨之增大，股價也由跌轉漲。上述的過程經過多次上演后，股價的波動將會逐步減小，市場價格也向其內在價值不斷靠攏。賣空者在進行買進和賣出交易時，證券的市場需求與供給也隨之變化，不僅能擴大市場交易規(guī)模，釋放更多的流動性，還能抑制股價的過度虛高。在引入融券交易機制后，比僅有普通交易更好的讓市場充分發(fā)揮自我調節(jié)機制，讓證券價格回歸理性。三、研究設計（一）研究方法VAR模型在上個世紀80年代已經出現(xiàn)，在描述隨時間變化的過程時應用很廣，而在研究股市波動性時也常用。因此，本文也采用向量自回歸模型(VAR)進行研究，并在軟件Eviews7.0進行建模。根據格蘭杰因果檢驗、脈沖響應、方差分解等輸出結果分析融資融券交易對滬指波動性的影響。本文中的雙變量回歸模型有融資余額和滬指波動性兩個內生變量，也是向量自回歸模型的一種，其基本形式如(1)式和(2)式。y1ty2t其中uit是白噪聲擾動項，且E(uit)=0，(i=1,2)，E(1.（1）變量選取本文從銳思金融研究數(shù)據庫（）選取了2010年3月31日至2021年6月30日共2735個交易日的滬市融資余額、融券余額和上證50指數(shù)波動性數(shù)據作為樣本，各定義如下：融資買空交易:本文參考安輝等（2018）[15]、劉光彥和郝芳靜(2016)[24]的選擇標準以滬深兩市每日融資余額之和代表買空交易，為減少實證分析的誤差，對加總之后的融資余額進行取對數(shù)處理，表示為LNMP。融券賣空交易:以滬深兩市每日融券賣空余額之和代表賣空交易，同理對加總之后的融券余額進行取對數(shù)處理，表示為為LNSS。股市波動性:有許多指數(shù)可以反映中國股市的走勢，如上證指數(shù)、創(chuàng)業(yè)板指數(shù)、上證50指數(shù)等。因本文要研究融資融券交易對滬市整體波動的影響，而上證50指數(shù)又是滬市最具代表性的指數(shù)，所有成分股都可以進行融資融券交易，且其在滬市的融資融券交易額占比大，又因我國融資融券業(yè)務起步較晚，且金融時間序列具有證券市場集聚性和方差時變性等特征。因此，參考安輝等（2018）[15]的方法，運用GARCH(1，1)模型來擬合滬市市場價格，用擬合產生的條件方差來作為股市波動性的代理變量，表示為VOL。1.（2）數(shù)據平穩(wěn)性檢驗時間序列不平穩(wěn)的概率較高，為了防止出現(xiàn)偽回歸現(xiàn)象，運用ADF檢驗方法檢驗數(shù)據的平穩(wěn)性。在Eviews軟件里分別對VOL、LNM、PLNSS進行原序列不差分，ADF平穩(wěn)性檢驗結果如表1所示。從表1的檢驗結果可分析出，VOL、LNMP和LNSS三個變量的檢驗結果均在1%的顯著性水平下顯著，所以在99%的置信度下拒絕原假設，即VOL、LNMP和LNSS不存在單位根，表明這三項數(shù)據均為平穩(wěn)數(shù)列。表1ADF平穩(wěn)性檢驗結果變量名1%5%10%P值結論VOL-2.565808-1.940940-1.6166220.0030平穩(wěn)LNMP-3.432571-2.862407-2.5672760.0000平穩(wěn)LNSS-3.961413-3.411457-3.1275850.0048平穩(wěn)1.（3）協(xié)整檢驗常見的協(xié)整檢驗有Johansen檢驗和EG協(xié)整檢驗，而EG協(xié)整檢驗與本文并不適用，所以用Johansen檢驗分別對VOL與LNMP以及VOL與LNSS進行協(xié)整檢驗，表2、表3即為檢驗結果。表2VOL與LNMP協(xié)整檢驗結果No.ofCE(s)EigenvalueStatisticCriticalValueProb.**None*0.022985113.610915.494710.0001Atmost1*0.01819550.130033.8414660.0000根據表3的檢驗結果，在99%的置信水平下，當原假設為“沒有協(xié)整關系”時，Statistic=113.6109＞15.49471，且伴隨概率小于5%，所以拒絕原假設。由此可知，融資交易與滬指的變動存在一種協(xié)整關系。表3VOL與LNSS協(xié)整檢驗結果No.ofCE(s)EigenvalueStatisticCriticalValueProb.**None*

0.019864

81.26702

15.49471

0.0000Atmost1*

0.009657

26.49230

3.841466

0.0000同理，從表3的檢驗結果可以看出，在99%的置信水平下，當原假設為“沒有協(xié)整關系”時，Statistic=81.26702＞15.49471，且伴隨概率小于1%，所以拒絕原假設。由此可知，融券交易與滬指的變動存在一種協(xié)整關系。綜合上述檢驗結果可知：滬指的波動性與融資融券的變化存在長期的、穩(wěn)定的平衡關系。1.（4）模型構建在VOL、LNSS、LNMP三項數(shù)據均平穩(wěn)的前提下，按向量自回歸基本模型采取一個模型兩個單項式的形式構建融資交易與滬指波動性之間的VAR模型(簡稱“模型1”)如(3)式和(4)式，同時構建融券交易與滬指波動性之間的VAR模型(簡稱“模型2”)如(5)式和(6)式。VOL1tLNMP2tVOL1tLNSS2t四、融資融券交易對滬指波動性影響的實證分析（一）模型平穩(wěn)性檢驗本文采用Eviews7.0中的LagLengthCriteria檢驗模型，以求出最佳滯后期。該檢驗包含5種檢驗指標(LR，F(xiàn)PE，AIC，SC，HQ)，其原理是按“多數(shù)原則”，因此，最佳滯后期即為最多檢驗指標指向的那個期數(shù)。根據表4顯示的結果，可以看出有5個指標同時表明8階是效果最好的，據此可確定模型1的最佳滯后期數(shù)為8，因此，模型1為VAR(8)模型。此外，根據圖1AR根圖的結果可知，所有的點分布于單位圓之內，據此可說明此模型是平穩(wěn)的；同理，對融券交易與滬指波動率進行分析，根據表5顯示的結果可知，有4個指標同時表明2階是達到最好效果的，由此可知其最佳滯后期數(shù)為2，模型2即為VAR(2)模型。從圖2可以看到，沒有一個點位于單位圓之外，據此可知，模型2也是平穩(wěn)的。在此基礎上，輸入相關數(shù)據在Eviews軟件里進行建模即可得到融資交易與滬指波動性之間的VAR（8）模型，所以模型1結果為：VOL=0.891098297687*VOL(-1)+0.0506079950739*VOL(-2)+0.00505851788131*VOL(-3)+0.00817391180825*VOL(-4)-0.0276016280006*VOL(-5)+0.00834541326428*VOL(-6)+0.0228200519828*VOL(-7)+0.00119130743611*VOL(-8)-0.00531718217628*LNMP(-1)+0.00858424259471*LNMP(-2)-0.0104570301764*LNMP(-3)+0.00691619268636*LNMP(-4)-0.000448776717107*LNMP(-5)+0.00718541336513*LNMP(-6)-0.00445318344503*LNMP(-7)-0.00200957354066*LNMP(-8)+0.000581417038028LNMP=0.00387644290083*VOL(-1)+0.084679509758*VOL(-2)-0.295246020258*VOL(-3)+0VOL(-4)-0.0484512081596*VOL(-5)+0.266598848284*VOL(-6)-0.173982211631*VOL(-7)-0.0010342890078*VOL(-8)+1LNMP(-1)-0.193334872178*LNMP(-2)+0.139484972286*LNMP(-3)-0.0541987604701*LNMP(-4)-0.0978705540668*LNMP(-5)+0.0436754052693*LNMP(-6)+0.117526247354*LNMP(-7)-0.108813616928*LNMP(-8)+0.0536103631713同理，輸入相關數(shù)據在Eviews軟件里進行建模即可得到融券交易與滬指波動性之間的VAR（2）模型，所以模型2結果為：VOL=0.896231758684*VOL(-1)+0.0597145914526*VOL(-2)-9.58301502424e-05*LNSS(-1)+8.5969811296e-05*LNSS(-2)+0.000847047128021LNSS=0.739115647303*VOL(-1)-0.962559982309*VOL(-2)+0.797984317289*LNSS(-1)+0.195580083856*LNSS(-2)+0.147802085187表4LNMP與VOL的VAR模型滯后階數(shù)檢驗

LagLogLLRFPEAICSCHQ0

4504.836NA

0.000126-3.302410-3.298075-3.3008431

21284.27

33521.95

5.72e-10-15.60562-15.59262-15.600922

21371.75

174.6322

5.38e-10-15.66685-15.64517-15.659013

21373.64

3.777970

5.39e-10-15.66530-15.63496-15.654334

21434.45

121.2201

5.17e-10-15.70697-15.66795-15.692865

21462.48

55.83586

5.08e-10-15.72459-15.67691-15.707366

21468.57

12.12236

5.07e-10-15.72612-15.66977-15.705757

21483.21

29.11900

5.03e-10-15.73393-15.66890-15.710428

21534.31

101.5542*

4.86e-10*

-15.76847*

-15.69477*

-15.74183*表5LNSS與VOL的VAR模型滯后階數(shù)檢驗

LagLogLLRFPEAICSCHQ0

3961.510NA

0.000188-2.903931-2.899596-2.9023641

15098.95

22250.38

5.34e-08-11.06927-11.05627-11.064572

15146.20

94.32995

5.18e-08*

-11.10099*

-11.07932*

-11.09316*3

15149.52

6.622058

5.18e-08-11.10049-11.07015-11.089534

15150.45

1.842240

5.19e-08-11.09824-11.05922-11.084145

15156.87

12.78410

5.18e-08-11.10001-11.05233-11.082786

15160.95

8.131162

5.18e-08-11.10007-11.04372-11.079707

15165.89

9.829685*

5.18e-08-11.10077-11.03574-11.077268

15166.47

1.140199

5.19e-08-11.09825-11.02456-11.07161圖1VAR（8）模型的AR根圖2VAR（2）模型的AR根（二）格蘭杰因果檢驗格蘭杰因果檢驗能發(fā)現(xiàn)變量之間是否存在格蘭杰因果關系，本文運用該檢驗分別對滬指波動率與融資余額、融券余額之間的相互關系進行研究，見表6、表7。從表6中不難發(fā)現(xiàn)，P值大于0.1，即顯著性水平超過10%，不能拒絕原假設“VOL不是LNMP的格蘭杰原因”，說明滬指波動性對融資余額的變動影響很??；而原假設為“LNSS不是VOL的格蘭杰原因”的P值小于0.05，即在95%的顯著性水平下，拒絕原假設，則表明融資余額對滬指波動性的影響比較顯著。由此可知，滬指波動率與融資余額之間并不存在互為因果關系。同理，從表7中可以看出，P值大于0.1，不能拒絕原假設“LNSS不是VOL的格蘭杰原因”，可以發(fā)現(xiàn)融券余額對滬指波動性的變化影響不大；同時也不拒絕原假設“VOL不是LNMP的格蘭杰原因”，說明滬指波動性對融券余額的影響不大。因此，滬指波動率與融券余額之間并不具有互為因果關系，二者之間的影響并不明顯。據此可知，滬指波動率與融資余額、融券余額均不存在互為因果關系，造成這一結果的原因主要是融資余額和融券余額受很多因素的影響，而滬指波動率僅是其一。在此期間，還要受到許多復雜因素的干擾，諸如國際環(huán)境、政治因素、宏觀經濟狀況等因素的影響。表6LNMP與VOL的格蘭杰因果檢驗NullHypothesis:ObsF-StatisticProb.VOLdoesnotGrangerCauseLNMP27270.903330.5126LNMPdoesnotGrangerCauseVOL3.103950.0017表7LNSS與VOL的格蘭杰因果檢NullHypothesis:ObsF-StatisticProb.LNSSdoesnotGrangerCauseVOL27330.225820.7979VOLdoesnotGrangerCauseLNSS0.403810.6678（三）脈沖響應及方差分解分析1.（1）基于融資交易的脈沖響應及方差分解分析看圖3可知，在融資交易獲得一個單位的正向沖擊后，滬指波動率并未立刻做出反應，而是存在短暫的時滯性，在將近第1期時做出反應，可見融資交易對滬指波動存在負影響，在第2期后開始向上收斂，負影響減弱，但緊接著負向效應增大，一直持續(xù)到第7期后逐漸趨向于0。通過以上分析表明，融資交易對滬指波動率具有一定的抑制作用，但影響總體上不是很顯著，在此研究期間里，融資交易對滬指波動率的沖擊相對較小，對降低滬指的穩(wěn)定性作用有限。圖3融資交易沖擊引起滬指波動率的脈沖響圖正如表8的方差分解結果顯示，在本次研究范圍內，滬指波動率的方差對自身解釋比例極高，達到99%的水平，但這一比例有下降的趨勢，但很平緩，都保持在99%的水平之上。與之相反，融資交易對滬指波動率的貢獻程度成不斷上升態(tài)勢，但其貢獻程度極小。通過本次對融資交易與滬指波動率方差分解結果分析可知，在此期間里，融資交易對滬指波動率幾乎沒有影響。上述的脈沖響應分析的結論與本結論相同。造成這一結果的主要原因是融資交易制度在我國發(fā)展的時間較短，金融市場發(fā)展處于初期發(fā)展階段，另外，投資者投機情緒也很濃厚，以及融資交易的門檻較高，資金量較小的普通散戶沒資格進行此交易，導致融資交易規(guī)模占市場總交易額的比例相對較小，未能充分發(fā)揮其作用。表8融資交易與滬指波動率VAR模型的方差分解結果

PeriodS.E.VOLLNMP

1

0.001891

100.0000

0.000000

2

0.002536

99.94094

0.059060

3

0.002998

99.94999

0.050009

4

0.003364

99.86641

0.133591

5

0.003671

99.78896

0.211043

6

0.003914

99.72461

0.275393

7

0.004114

99.74246

0.257543

8

0.004293

99.76268

0.237324

9

0.004456

99.77832

0.221682

10

0.004602

99.79203

0.207972CholeskyOrdering:VOLLNMP 1.（2）基于融券交易的脈沖響應及方差分解分析看圖4可知，在融券交易獲得一個單位的正向沖擊后，也并未立即做出反應，可見融券交易對滬指波動性的影響也表現(xiàn)出一定的時滯性。與融資交易一樣，該時滯性所維持的時間較短，在不到1期就出現(xiàn)了反應，但很快又趨向于0，在不到第4期時，馬上開始轉向負向沖擊，并保持在一個比較低的水平。即說明融券交易對滬指波動性是存在抑制作用的，有效降低了滬指的波動性，但抑制效果不明顯。同融資交易相比時，融券交易對滬指波動性的沖擊力度要小于融資交易對滬指波動性的影響，即融券交易與融資交易相比，后者的對抑制股市波動率的效果更佳，但對降低滬指波動率的作用仍然較小。究其原因，融資融券交易制度引入A股市才十多年，相關的制度尚未足夠完善，相比“單邊市”，融券交易對降低滬指波動率有一定的貢獻，但規(guī)模仍然較小，不足以對滬指波動率產生較大影響。圖4融券交易沖擊引起滬指波動率的脈沖響應圖仔細觀察表9的方差分解看出，滬指波動率對自身解釋依然維持在99%以上，且在第2期開始出現(xiàn)逐漸減小的趨勢，而融券交易對滬指波動性方差變化的貢獻很小，不足0.05%，即說明融券交易對滬指波動性的影響極小。結論與上述脈沖影響分析的結論相同。對滬指波動性產生影響的因素有很多，加之中國的融資融券制度實施是時間還是較短，市場正處于一個成長期，投資者的交易水平還有待進一步提高。從另一個角度看，上證50指數(shù)的成分股都是規(guī)模和市值大、流動性高的成熟大公司，相較其他的中小公司，其走勢相對更穩(wěn)健，波動的幅度相對更小，導致融資融券交易對滬指波動性的影響有限。此外，中國的投資者更多的傾向于融資做多而非融券做空，因此融券交易對滬指波動性方差變動的影響要比融資交易小。表9融券交易與滬指波動率VAR模型的方差分解結果

PeriodS.E.VOLLNSS

1

0.001895

100.0000

0.000000

2

0.002545

99.99780

0.002199

3

0.003025

99.99746

0.002545

4

0.003407

99.99702

0.002979

5

0.003724

99.99664

0.003362

6

0.003992

99.99625

0.003746

7

0.004224

99.99587

0.004134

8

0.004427

99.99547

0.004531

9

0.004605

99.99506

0.004940

10

0.004763

99.99464

0.005361CholeskyOrdering:VOLLNSS 五、結論與政策建議本文選取了滬市融資融券交易的歷史數(shù)據，其中包括2010年3月31-2021年6月30日期間的融資融券余額和上證50的日數(shù)據，并采用VAR模型和脈沖響應函數(shù)，就融資融交易機制對滬指波動的影響展開了實證分析，同時得到結果如下：(1)融資、融券交易均非滬指波動性的格蘭杰原因，但融資、融券交易都對滬指波動性產生了負面影響，此外，該沖擊有一定的時滯性。(2)融資、融券交易對滬指波動性方差的貢獻程度都很低，因此，其對降低滬指波動性的作用不大。(3)在降低滬指波動方面，融資交易比融券交易效果更佳。依據上述結論，提出對應的政策建議：（一）升級交易體系，發(fā)揮融資融券正效用要完善我國的融資融券交易體系，使其更好地起到抑制市場波動的作用。目前，我國的金融融券體系尚不健全，投資門檻、保證金比例偏高、市場主體偏少、融資融券交易活動不活躍，其對市場調節(jié)作用不大，如果進一步放開市場準入，實行更為靈活、高效的風險管理體系，可以極大地提高融資融券平抑市場波動的效能，有利于市場朝著更加健康穩(wěn)定的方向發(fā)展。（二）加強風險防控，擴大融資融券規(guī)模把融資融券在市場中的地位進一步提升，升級相應的風控措施。應進一步放寬融資融券對象的標準，尤其是融券對象，可用于融券的對象很少，流動性不足問題凸顯，嚴重制約了融資融券業(yè)務的發(fā)展，抑制市場泡沫的效用也會打折扣。在此基礎上，要進一步擴大可供融券對象，以適應市場交易需要；同時，要對其進行動態(tài)管理，并制訂健全的風險監(jiān)控措施，以降低和避免融券的不良后果。（三）改善投資者結構，提高市場主體素質提出更多利于完善我國證券市場投資者結構的措施，同時加強對境內外投資者的引導。目前，我國證券市場的主體素質普遍偏低，機構數(shù)量偏少，同時，還需要對現(xiàn)有機構投資者進行適當?shù)闹笇В訌婏L險控制，促進長期投資，使其成為引導個體投資者樹立正確交易觀念的先行者和典范。改變中小散戶占主導地位，增強機構群體，避免出現(xiàn)股票市場"大漲大跌"的情況。參考文獻［1］HENRYOT，MCKENZIEM．Theimpactofshortsellingontheprice－volumerelationship:evidencefromHongKong[J].TheJournalofBusiness,2006,79(2):671－691．［2］BEBERA，PAGANOM.Short－sellingbansaroundtheworld:evidencefromthe2007—09crisis[J].TheJournalofFinance,2013，68(1):343－381．［3］AllenF,GaleD.Arbitrage,shortsales,andfinancialinnovation［J］.Econometrica,1991,59(4):1041-1068．[4］ChangEC.Short-salesconstraintsandpricediscovery:evidencefromtheHongKongmarket［J］.JournalofFinance,2007,62(5):2097-2121．［5］BeberA，PaganoM.Short-sellingbansaroundtheworld:evidencefromthe2007-09cris