朱东博

[摘 要]为了研究中国股票市场融资融券业务对股价的影响，本文首先通过回归分析研究了2014年年末至2015年年初股指暴涨和融资融券余额之间的关系，发现虽然2014年的上证综指收盘价和融资融券余额有较强的线性关系，但对于2014年前的数据，并没有发现同样的相关性，因此笔者认为融资融券业务的增长只是此次股指暴涨的部分原因。其次，本文利用GARCH（1，1）模型探究了融资融券业务对中国股票市场股价波动性的影响，发现中国股票市场中两融业务并没有起到降低市场波动性的作用，反而融券余额的增加会造成市场的波动率上升，这说明我国中国股票市场尚处于不成熟的阶段，相关监管部门仍应当完善相应金融制度和法规。

[关键词]融资融券；股市波动性；GARCH模型

[DOI]10.13939/j.cnki.zgsc.2015.34.075

1 前 言

证券信用交易又称融资融券，是成熟市场下的一种普遍的交易制度，2014年上证A股市场全年累计上涨52.87%，位列全球股指涨幅第二位，有些人认为这次股票市场的上涨缺少基础面的支撑，造成股指大幅震荡是因为融资融券余额增加导致的，本文将利用从Wind资讯金融终端得到的2014年3月31日到2015年1月16日间上海证券交易所公布的上证A股指数的波动率和融资融券的余额数据，分析上证A股指数与融资融券余额之间的关系，并进一步用GARCH模型分析两融业务对中国股票市场波动率的影响。

2 融资融券对股市波动性影响机理分析

在进行实证分析之前，我们先探讨一下融资融券对股价波动性影响的机理，融资融券对股票市场的影响主要通过杠杆效应。这种效应是指投资者只需要向券商缴纳保证金就可以进行证券信用交易，从而导致证券的需求量增加或者减少。融资融券在成熟市场中通过这种杠杆效应起到稳定市场的作用，但在市场监管较为薄弱情况下，融资融券的杠杆功能也可能会带来助长投机，放大市场波动。因为在股价出现大幅上涨（或下跌）非理性投资者纷纷追涨杀跌的情况下，融资（融券）的杠杆功能会进一步加剧股价上涨（或下跌），从而加剧股市波动。

3 融资融券对股市波动性影响的实证研究

在本章对沪市A股的收盘价与融资余额和融券余额做了线性回归分析，直观地判断一下收盘价是否会与融资融券余额有关，然后再利用GARCH模型研究融资融券对股价波动性的影响。

3.1 线性回归模型

2014年两融业务开始迅速发展。根据兴业证券的报告，截止到2015年1月15日，融资余额为1.1万亿元，占A股整体流通市值的3.4%，当日融资买入额为948亿元，占A股整体成交金额的18.4%。大量的新增的信用账户也是融资融券的余额大幅增长的一个重要原因。2014年12月，新增信用账户72.4万户，增速达到14%，7个月连续上涨。

2014年以来上证综指和融资余额和融券余额均有相同向上的走势，下面以融资余额和融券余额为自变量，上证综指的收盘价为因变量，用2014年1月2日到2015年1月16日共计255个交易日为样本，建立回归模型如下：

t=1450.0689+0.1182x1t+7.5582x2t

可以发现这个回归模型拟合优度达到0.9572，在样本内模型拟合得很好，并且两个变量都显著，系数估计值的符号也符合经济意义，即融资融券余额的增加都会导致上证综指的增加，但是从2010年融资融券进入市场以来，两融的余额一直维持在低位。如果用2010年3月31日到2013年12月31日间的日度数据回归分析。

表1结果显示上证综指和融资余额已经没有明显的线性相关关系，回归的模型并不显著，而这时的拟合优度也只有0.5059，两融余额上涨不再是上证综指暴涨的真实原因。

3.2 融资融券对股价波动性影响

本章将用用上证A股指数日对数波动率代表股价的波动性，记为：

BDLt=lnBDLt-lnBDLt-1

本章利用Eviews8.0软件对上证综指日对数波动率进行正态性和异方差性检验，进而选定合适的GARCH模型分析融资融券对股价波动性的影响。

3.2.1 正态性检验

表2 上证综指日对数波动率分布的描述性统计量

统计量均值标准差偏度峰度

P-value-Jarque-Bera

上证综指日对数波动率0.000070.012-0.24915.1862

0.00

从表2中，峰度系数为5.1862>3，偏度系数为-0.2491≠0，Jarque-Bera统计量的P值为0.00，因此该上证综指日对数波动率序列具有尖峰后尾的特征，不服从正态分布。

3.2.2 平稳性检验

对时间序列平稳性检验用单位根ADF检验：

从表3检验结果可以看出上证综指日对数波动率的 ADF统计值均小于各显著水平的临界值，因此，上证综指日对数波动率序列并不存在单位根，是平稳的。

3.2.3 ARCH效应检验

上证综指日对数波动率的均值方程为：

BDLt=BDLt-1+εt

利用最小二乘法对该均值方程进行回归，并输出回归的残差图：

波动率均值方程残差图

上图显示，股价波动呈现集群现象，不同时期的波动率呈现出大小比较集中的形态，这说明误差项可能具有条件异方差性。

进而进行条件异方差 ARCH-LM检验，在滞后10阶的情况下检验依然显著，应采用GARCH 模型对其进行研究。这里用GARCH（1，1）、GARCH（1，2）、GARCH（2，1）和GARCH（2，2）模型来进行实证分析是合适的。表4给出了上述几个模型的拟合效果，根据AIC和SC准则，GARCH（1，1）模型是最适合的模型。

在GARCH（1，1）模型的方差方程中，ARCH项和GARCH项的系数之和0.93773<1，满足GARCH（1，1）模型的参数约束条件。rqt的系数为正数，表明融券可以增加股价的波动性，而rzt系数为负数，表明融资可以降低股价的波动性。并且rqt的系数在10%的置信水平下是显著为正，这就意味着融券可以增加股价的波动率；但rzt的系数在10%的置信水平下不显著为负，这就表明融资对股价的波动性影响不具有显著性。但国内股票市场并不成熟，融券反而会导致增加了股价的波动率。

4 结论与建议

融资融券的杠杆效应，可以起到防止股价剧烈波动的作用。但是，由于中国股票市场融资融券推出时间较短，以及监管体系不完善等原因，导致融券对股价的波动率起的是相反的作用，即增加股价的波动率，而融资的作用也没有表现出来，这就说明以后的监管仍然任重而道远。为了防止融资融券给证券市场带来的风险，监管部门应该积极采取措施：一是对证券公司的两融业务加强监管，形成有效的控制融资融券杠杆比率的监控体系；二推进我国中国股票市场T+0交易制度，充分发挥融资融券的市场价格稳定器的作用；三是逐步放开涨跌幅限制，从而让融资融券标的股具有更强的流动性。