《融資融券交易對滬指波動性影響的實(shí)證分析》10000字（論文）

I融資融券交易對滬指波動性影響的實(shí)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(xiàn)綜述 III1.（1）國外研究概述 III1.（2）國內(nèi)研究概述 III1.（3）文獻(xiàn)評述 IV1.（4）主要研究內(nèi)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(diǎn) 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(guān)系 V（二）融資融券交易制度對股票市場波動的作用機(jī)制 VI1.（1）融資交易對波動性的作用機(jī)制 VI1.（2）融券交易對波動性的作用機(jī)制 VI三、研究設(shè)計 VII（一）研究方法 VII1.（1）變量選取 VII1.（2）數(shù)據(jù)平穩(wěn)性檢驗(yàn) VII1.（3）協(xié)整檢驗(yàn) VIII1.（4）模型構(gòu)建 VIII四、融資融券交易對滬指波動性影響的實(shí)證分析 IX（一）模型平穩(wěn)性檢驗(yàn) IX（二）格蘭杰因果檢驗(yàn) XII（三）脈沖響應(yīng)及方差分解分析 XIII1.（1）基于融資交易的脈沖響應(yīng)及方差分解分析 XIII1.（2）基于融券交易的脈沖響應(yīng)及方差分解分析 XIV五、結(jié)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(qiáng)風(fēng)險防控，擴(kuò)大融資融券規(guī)模 XVII（三）改善投資者結(jié)構(gòu)，提高市場主體素質(zhì) XVII參考文獻(xiàn) XVIII中文摘要自2010年A股市場開始實(shí)施融資融券業(yè)務(wù)以來，有關(guān)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(jié)果。這也使得許多學(xué)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(shí)行融資融券制度已有十多年的歷史，有關(guān)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(jù)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(fēng)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(jù)，運(yùn)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(chǎn)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(guān)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(wù)試點(diǎn)項(xiàng)目，并選定90只股票作為第一批可進(jìn)行融資融券業(yè)務(wù)的標(biāo)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(wù)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(wù)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(guān)口，之后更是在2015年6月的“牛市”行情中達(dá)到了歷史峰值22730.35億元。隨著科創(chuàng)板的推出，全面實(shí)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(biāo)的也得到了迅速的擴(kuò)員。相應(yīng)地，滬深兩市由最初的90只已經(jīng)擴(kuò)容到截至2022年3月3日的2456只（包括可進(jìn)行融資融券交易的ETF）。目前單獨(dú)研究滬市的相關(guān)文獻(xiàn)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)。基于此，本文以滬市為例，研究了融資融券交易對滬指波動性的影響，以及在此基礎(chǔ)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(xiàn)綜述1.（1）國外研究概述由于融資融券業(yè)務(wù)在西方發(fā)達(dá)國家或地區(qū)里實(shí)行的時間比較早，融資融券數(shù)據(jù)也較多，相應(yīng)地，境外學(xué)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(nèi)的多，但其研究結(jié)論并非一致,比較流行的觀點(diǎn)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(yīng)從理論角度論證了融資融券交易會導(dǎo)致市場波動加大。Hardouvelis和Theodossiou(2013)[2]運(yùn)用EGARCH-M模型研究美國股市的實(shí)證結(jié)論也與上述一致。Allen和Gale(1997)[3]，Chang(2007)[4],Beber和Pagano(2013)[5],也再次驗(yàn)證了上述結(jié)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(jù)進(jìn)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(shí)證結(jié)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(jù)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(nèi)研究概述回顧國內(nèi)學(xué)者的相關(guān)研究，也存在著較大的分歧，也大致有三種不同的觀點(diǎn)。第一，融資融券交易加劇了股票市場波動性。呂大永(2019)[10]運(yùn)用面板回歸方法研究杠桿融資交易對標(biāo)的股價崩盤風(fēng)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(fēng)險。劉光彥等（2019）[11]用VAR模型進(jìn)行研究，也認(rèn)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(qiáng)（2021）[13]進(jìn)一步論證了上述觀點(diǎn)。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(jù)進(jìn)行實(shí)證分析，結(jié)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(yùn)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(shí)證結(jié)果也支持依布拉音·巴斯提、安輝等的觀點(diǎn)。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(shí)證結(jié)果也驗(yàn)證了融資融券交易能降低股市波動的觀點(diǎn)。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(rèn)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(xiàn)評述綜上，從不同的研究結(jié)果來看，不同的數(shù)據(jù)和模型所得到的結(jié)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(dá)國家或地區(qū)已經(jīng)發(fā)展得相當(dāng)成熟且擁有可用于研究的數(shù)據(jù)較多，同時也進(jìn)行了相當(dāng)多關(guān)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(dǎo)致了我國學(xué)者對這方面的研究相對較少，理論研究與實(shí)證研究尚處在發(fā)展初期，可供借鑒的文獻(xiàn)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(jìn)行更多有深度、多角度的研究。從已有文獻(xiàn)看，常用實(shí)證分析研究融資融券交易對股市的影響，在研究內(nèi)容、研究方法和實(shí)證模型上比較單一，大部分的學(xué)者是建立VAR模型進(jìn)行實(shí)證分析，少部分運(yùn)用的則是GARCH模型。1.（4）主要研究內(nèi)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(nèi)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(nèi)外論文中有關(guān)融資融券及其交易機(jī)制對證券市場波動變化的影響研究主流的三個不同結(jié)論進(jìn)行了梳理總結(jié),與此同時,又對該文的重點(diǎn)研究內(nèi)容與科研思路作出了較為系統(tǒng)的論述。第二章是關(guān)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(jī)制，并對融資融券交易對波動性的作用機(jī)制進(jìn)行了較為詳盡的論述。第三章是研究設(shè)計，在這部分里著重介紹了本文的研究方法，詳細(xì)地闡述了變量選取的選取過程、數(shù)據(jù)平穩(wěn)性檢驗(yàn)的經(jīng)過、模型構(gòu)建的過程，以及數(shù)據(jù)的檢驗(yàn)結(jié)果，同時也介紹了本文數(shù)據(jù)的來源。第四章是融資融券交易對滬指波動性影響的實(shí)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(jìn)行了平穩(wěn)性檢驗(yàn)，緊接著進(jìn)行了格蘭杰因果檢驗(yàn)、脈沖響應(yīng)和方差分解分析，最后對實(shí)證結(jié)果進(jìn)行分析和總結(jié)。第五章是實(shí)證結(jié)論和政策建議，在本章節(jié)里，對實(shí)證結(jié)論進(jìn)行了整體的總結(jié)與分析，并立足本國國情，從我國股票市場發(fā)展的實(shí)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(guān)于融資融券交易的含義在滬深交易的《實(shí)施細(xì)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(zhì)的券商提供現(xiàn)金或可沖抵保證金證券或擔(dān)保品,或者融資購買交易所掛牌股票,在約定日期內(nèi)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(nèi)歸還股票或交納融券手續(xù)費(fèi)的交易活動。融資融券的交易形式是一項(xiàng)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(diǎn)1.（1）具有做空效用引入融資融券交易制度終結(jié)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(dāng)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(wù)資格的證券公司質(zhì)押一定比例的擔(dān)保后進(jìn)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(yù)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(yīng)，讓股價遠(yuǎn)低于其真實(shí)價值。1.（2）具有杠杠效用當(dāng)投資人預(yù)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(dāng)發(fā)現(xiàn)證券價格被嚴(yán)重高估時，便進(jìn)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(guān)系當(dāng)進(jìn)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(guān)系,所以無須對證券公司進(jìn)行擔(dān)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(guān)系,且存在著借款關(guān)系,所以必須事先對證券公司進(jìn)行相應(yīng)比率的保證。同時,仍要將信用交易的所得為信譽(yù)擔(dān)保品。在極端市場條件下,券商不得不面對投資者違約的風(fēng)險。（二）融資融券交易制度對股票市場波動的作用機(jī)制股價波動的本質(zhì)是股票價格根據(jù)其內(nèi)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(yuǎn)來看，股價的浮動最終會回到自身的內(nèi)在價值，這說明股價的波動取決于股票的內(nèi)在價值，而在短期內(nèi)，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(dǎo)致了證券市場的波動。1.（1）融資交易對波動性的作用機(jī)制融資交易指當(dāng)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(shí)市場需求就會增加，而價格也會相應(yīng)地上升，同時也會吸引一些跟風(fēng)和趨勢投資者，在大量資金的驅(qū)動下，股價會不斷上升，最終會逐漸偏離它的真實(shí)價值。當(dāng)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(yīng)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(jīng)過多次循環(huán)后，股價的波動逐步減小，逐漸向其內(nèi)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(jī)制的優(yōu)勢來穩(wěn)定并調(diào)節(jié)股價。當(dāng)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(fù)到合理的水平。1.（2）融券交易對波動性的作用機(jī)制融資交易是指投機(jī)性做空者或理性投資者，當(dāng)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(jī)制大量拋售這只股票，當(dāng)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(jī)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(yīng)進(jìn)而導(dǎo)致其跌幅遠(yuǎn)在其真實(shí)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(dǎo)致該股的市場需求隨之增大，股價也由跌轉(zhuǎn)漲。上述的過程經(jīng)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(nèi)在價值不斷靠攏。賣空者在進(jìn)行買進(jìn)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(kuò)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(jī)制后，比僅有普通交易更好的讓市場充分發(fā)揮自我調(diào)節(jié)機(jī)制，讓證券價格回歸理性。三、研究設(shè)計（一）研究方法VAR模型在上個世紀(jì)80年代已經(jīng)出現(xiàn)，在描述隨時間變化的過程時應(yīng)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(jìn)行研究，并在軟件Eviews7.0進(jìn)行建模。根據(jù)格蘭杰因果檢驗(yàn)、脈沖響應(yīng)、方差分解等輸出結(jié)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(nèi)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(xiàng)，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(jù)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(jù)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(biāo)準(zhǔn)以滬深兩市每日融資余額之和代表買空交易，為減少實(shí)證分析的誤差，對加總之后的融資余額進(jìn)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(jìn)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(jìn)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(wù)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(yùn)用GARCH(1，1)模型來擬合滬市市場價格，用擬合產(chǎn)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(jù)平穩(wěn)性檢驗(yàn)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(yùn)用ADF檢驗(yàn)方法檢驗(yàn)數(shù)據(jù)的平穩(wěn)性。在Eviews軟件里分別對VOL、LNM、PLNSS進(jìn)行原序列不差分，ADF平穩(wěn)性檢驗(yàn)結(jié)果如表1所示。從表1的檢驗(yàn)結(jié)果可分析出，VOL、LNMP和LNSS三個變量的檢驗(yàn)結(jié)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(shè)，即VOL、LNMP和LNSS不存在單位根，表明這三項(xiàng)數(shù)據(jù)均為平穩(wěn)數(shù)列。表1ADF平穩(wěn)性檢驗(yàn)結(jié)果變量名1%5%10%P值結(jié)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(yàn)常見的協(xié)整檢驗(yàn)有Johansen檢驗(yàn)和EG協(xié)整檢驗(yàn)，而EG協(xié)整檢驗(yàn)與本文并不適用，所以用Johansen檢驗(yàn)分別對VOL與LNMP以及VOL與LNSS進(jìn)行協(xié)整檢驗(yàn)，表2、表3即為檢驗(yàn)結(jié)果。表2VOL與LNMP協(xié)整檢驗(yàn)結(jié)果No.ofCE(s)EigenvalueStatisticCriticalValueProb.**None*0.022985113.610915.494710.0001Atmost1*0.01819550.130033.8414660.0000根據(jù)表3的檢驗(yàn)結(jié)果，在99%的置信水平下，當(dāng)原假設(shè)為“沒有協(xié)整關(guān)系”時，Statistic=113.6109＞15.49471，且伴隨概率小于5%，所以拒絕原假設(shè)。由此可知，融資交易與滬指的變動存在一種協(xié)整關(guān)系。表3VOL與LNSS協(xié)整檢驗(yàn)結(jié)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(yàn)結(jié)果可以看出，在99%的置信水平下，當(dāng)原假設(shè)為“沒有協(xié)整關(guān)系”時，Statistic=81.26702＞15.49471，且伴隨概率小于1%，所以拒絕原假設(shè)。由此可知，融券交易與滬指的變動存在一種協(xié)整關(guān)系。綜合上述檢驗(yàn)結(jié)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(guān)系。1.（4）模型構(gòu)建在VOL、LNSS、LNMP三項(xiàng)數(shù)據(jù)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(xiàng)式的形式構(gòu)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(gòu)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(shí)證分析（一）模型平穩(wěn)性檢驗(yàn)本文采用Eviews7.0中的LagLengthCriteria檢驗(yàn)?zāi)Ｐ停郧蟪鲎罴褱笃?。該檢驗(yàn)包含5種檢驗(yàn)指標(biāo)(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(yàn)指標(biāo)指向的那個期數(shù)。根據(jù)表4顯示的結(jié)果，可以看出有5個指標(biāo)同時表明8階是效果最好的，據(jù)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(jù)圖1AR根圖的結(jié)果可知，所有的點(diǎn)分布于單位圓之內(nèi)，據(jù)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(jìn)行分析，根據(jù)表5顯示的結(jié)果可知，有4個指標(biāo)同時表明2階是達(dá)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(diǎn)位于單位圓之外，據(jù)此可知，模型2也是平穩(wěn)的。在此基礎(chǔ)上，輸入相關(guān)數(shù)據(jù)在Eviews軟件里進(jìn)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(jié)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(guān)數(shù)據(jù)在Eviews軟件里進(jìn)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(jié)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(yàn)

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(yàn)

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(yàn)格蘭杰因果檢驗(yàn)?zāi)馨l(fā)現(xiàn)變量之間是否存在格蘭杰因果關(guān)系，本文運(yùn)用該檢驗(yàn)分別對滬指波動率與融資余額、融券余額之間的相互關(guān)系進(jìn)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(shè)“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小；而原假設(shè)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(shè)，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(guān)系。同理，從表7中可以看出，P值大于0.1，不能拒絕原假設(shè)“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(shè)“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(guān)系，二者之間的影響并不明顯。據(jù)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(guān)系，造成這一結(jié)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(fù)雜因素的干擾，諸如國際環(huán)境、政治因素、宏觀經(jīng)濟(jì)狀況等因素的影響。表6LNMP與VOL的格蘭杰因果檢驗(yàn)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(yīng)及方差分解分析1.（1）基于融資交易的脈沖響應(yīng)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(yīng)，而是存在短暫的時滯性，在將近第1期時做出反應(yīng)，可見融資交易對滬指波動存在負(fù)影響，在第2期后開始向上收斂，負(fù)影響減弱，但緊接著負(fù)向效應(yīng)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(jié)果顯示，在本次研究范圍內(nèi)，滬指波動率的方差對自身解釋比例極高，達(dá)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(xiàn)程度成不斷上升態(tài)勢，但其貢獻(xiàn)程度極小。通過本次對融資交易與滬指波動率方差分解結(jié)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(yīng)分析的結(jié)論與本結(jié)論相同。造成這一結(jié)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(jī)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(jìn)行此交易，導(dǎo)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(jié)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(yīng)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(yīng)，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(yīng)，但很快又趨向于0，在不到第4期時，馬上開始轉(zhuǎn)向負(fù)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(guān)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(xiàn)，但規(guī)模仍然較小，不足以對滬指波動率產(chǎn)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(yīng)圖仔細(xì)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(xiàn)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(jié)論與上述脈沖影響分析的結(jié)論相同。對滬指波動性產(chǎn)生影響的因素有很多，加之中國的融資融券制度實(shí)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(jìn)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(dǎo)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(jié)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(jié)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(jù)，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(jù)，并采用VAR模型和脈沖響應(yīng)函數(shù)，就融資融交易機(jī)制對滬指波動的影響展開了實(shí)證分析，同時得到結(jié)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(chǎn)生了負(fù)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(xiàn)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(jù)上述結(jié)論，提出對應(yīng)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(diào)節(jié)作用不大，如果進(jìn)一步放開市場準(zhǔn)入，實(shí)行更為靈活、高效的風(fēng)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(qiáng)風(fēng)險防控，擴(kuò)大融資融券規(guī)模把融資融券在市場中的地位進(jìn)一步提升，升級相應(yīng)的風(fēng)控措施。應(yīng)進(jìn)一步放寬融資融券對象的標(biāo)準(zhǔn)，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(yán)重制約了融資融券業(yè)務(wù)的發(fā)展，抑制市場泡沫的效用也會打折扣。在此基礎(chǔ)上，要進(jìn)一步擴(kuò)大可供融券對象，以適應(yīng)市場交易需要；同時，要對其進(jìn)行動態(tài)管理，并制訂健全的風(fēng)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(jié)構(gòu)，提高市場主體素質(zhì)提出更多利于完善我國證券市場投資者結(jié)構(gòu)的措施，同時加強(qiáng)對境內(nèi)外投資者的引導(dǎo)。目前，我國證券市場的主體素質(zhì)普遍偏低，機(jī)構(gòu)數(shù)量偏少，同時，還需要對現(xiàn)有機(jī)構(gòu)投資者進(jìn)行適當(dāng)?shù)闹笇?dǎo)，加強(qiáng)風(fēng)險控制，促進(jìn)長期投資，使其成為引導(dǎo)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(dǎo)地位，增強(qiáng)機(jī)構(gòu)群體，避免出現(xiàn)股票市場"大漲大跌"的情況。參考文獻(xiàn)［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