劉 燁, 方立兵, 李冬昕, 李心丹

(南京大學(xué)工程管理學(xué)院, 南京 210093)

融資融券交易與市場(chǎng)穩(wěn)定性：基于動(dòng)態(tài)視角的證據(jù)

劉 燁, 方立兵*, 李冬昕, 李心丹

(南京大學(xué)工程管理學(xué)院, 南京 210093)

通過構(gòu)建“外生信息沖擊的門限自回歸條件密度(TARCD-X)”模型，進(jìn)而從動(dòng)態(tài)的視角考察了融資融券實(shí)施前后，市場(chǎng)漲跌和交易量增減4種重要的信息沖擊對(duì)下一期市場(chǎng)穩(wěn)定性的影響具有怎樣的差異，以及融資融券實(shí)施后，融資融券余額變動(dòng)作為新的信息沖擊如何影響下一期市場(chǎng)的穩(wěn)定性.以波動(dòng)性、暴漲暴跌的不對(duì)稱性和暴漲暴跌的頻繁性3個(gè)指標(biāo)衡量市場(chǎng)的穩(wěn)定性，研究發(fā)現(xiàn)：(1)12種影響關(guān)系中，除交易量減小對(duì)市場(chǎng)波動(dòng)性的沖擊作用在融資融券實(shí)施后有所放大之外，其他11種影響關(guān)系均未出現(xiàn)不利變化；(2)融資融券余額的變動(dòng)沒有顯著增加市場(chǎng)的波動(dòng)性和暴漲暴跌的頻繁性，但其與暴漲暴跌的不對(duì)稱性存在顯著的相關(guān)關(guān)系.后者為構(gòu)建股市暴漲暴跌的預(yù)警指標(biāo)提供了實(shí)證依據(jù).

融資融券； 市場(chǎng)穩(wěn)定； 賣空； 條件密度

0 引 言

2010年3月31日，我國正式啟動(dòng)融資融券試點(diǎn)，允許符合條件的投資者向經(jīng)紀(jì)公司借入資金(融資)并買入證券，或者借入證券(融券)并賣出.作為一項(xiàng)機(jī)制創(chuàng)新，融資融券交易的現(xiàn)實(shí)意義在于結(jié)束了我國股市成立20多年來沒有賣空機(jī)制的歷史.在經(jīng)典的金融理論中，允許賣空交易被視為減小市場(chǎng)摩擦、平抑暴漲暴跌的一項(xiàng)必要舉措.然而，在實(shí)務(wù)界，人們常常懷疑賣空機(jī)制會(huì)加劇市場(chǎng)動(dòng)蕩、破壞穩(wěn)定性.那么，融資融券的實(shí)施到底如何影響市場(chǎng)穩(wěn)定性呢？這顯然是實(shí)務(wù)界尤其是監(jiān)管層十分關(guān)心的問題.

本文認(rèn)為，對(duì)這一問題的回答至少應(yīng)從如下兩個(gè)視角進(jìn)行深入剖析，一是靜態(tài)的視角，二是動(dòng)態(tài)的視角.前者是較為傳統(tǒng)的研究視角，相關(guān)文獻(xiàn)十分豐富，如Bris等[1]、Fotak等[2]、Saffi和Sigurdsson[3]、Maggi和Fantazzini[4]以及Beber和Pagano[5]等；國內(nèi)學(xué)者如廖士光[6]、楊德勇和吳瓊[7]、王旻等[8]以及許紅偉和陳欣[9]等.這類研究通常比較融資融券實(shí)施前后或賣空約束放松(收緊)前后市場(chǎng)穩(wěn)定性指標(biāo)的均值具有怎樣的差異.動(dòng)態(tài)視角則有所不同，其更加強(qiáng)調(diào)于描述市場(chǎng)穩(wěn)定性指標(biāo)的時(shí)變特征，進(jìn)而考察融資融券這一機(jī)制創(chuàng)新前后，市場(chǎng)穩(wěn)定性的動(dòng)態(tài)過程具有怎樣的差異.以波動(dòng)性這一常見的穩(wěn)定性指標(biāo)為例，基于靜態(tài)視角的研究通常比較融資融券前后兩個(gè)樣本期的平均波動(dòng)性，而基于動(dòng)態(tài)視角的考察通常是在刻畫時(shí)變波動(dòng)性的基礎(chǔ)上，討論其時(shí)變過程在融資融券實(shí)施前后是否發(fā)生變化.可見，動(dòng)態(tài)視角與靜態(tài)視角相比，其顯著優(yōu)勢(shì)在于強(qiáng)調(diào)了市場(chǎng)穩(wěn)定性的時(shí)變特征.具體說來，市場(chǎng)穩(wěn)定性指標(biāo)的動(dòng)態(tài)變化往往與信息沖擊的隨機(jī)到達(dá)緊密相關(guān)，信息沖擊的隨機(jī)性決定了相關(guān)穩(wěn)定性指標(biāo)的時(shí)變性.基于動(dòng)態(tài)視角的研究，可以深入考察上述信息沖擊如何影響市場(chǎng)的穩(wěn)定性，以及這種影響關(guān)系在融資融券實(shí)施前后是否發(fā)生變化、怎樣變化.基于靜態(tài)視角的研究則無法達(dá)到這一目的.

然而，令人遺憾的是，目前動(dòng)態(tài)視角的研究還很不全面，相關(guān)認(rèn)識(shí)有待深入.在同類文獻(xiàn)中，萬迪昉等[10]的研究比較具有代表性，他們以波動(dòng)性作為市場(chǎng)穩(wěn)定性指標(biāo)，采用GARCH-M模型考察了融資融券交易由“試點(diǎn)”轉(zhuǎn)為“常規(guī)”的一年半時(shí)間內(nèi)，市場(chǎng)漲跌對(duì)波動(dòng)性的影響出現(xiàn)了怎樣的變化.但是，對(duì)市場(chǎng)的穩(wěn)定性的評(píng)價(jià)僅僅用波動(dòng)性評(píng)價(jià)還不夠，還應(yīng)包括暴漲暴跌的不對(duì)稱性以及頻繁性.另外，融資融券實(shí)施后，融資融券余額的變化作為市場(chǎng)披露的重要信息受到密切關(guān)注.那么，這一新生的信息沖擊將對(duì)市場(chǎng)的穩(wěn)定性產(chǎn)生怎樣的影響呢？這是另一個(gè)十分重要但基于現(xiàn)有研究結(jié)果難以回答的問題.

鑒于此，本文構(gòu)建了“引入外生信息沖擊的門限自回歸條件密度(TARCD-X)”模型，進(jìn)而刻畫了前期市場(chǎng)漲跌、交易量增減以及融資融券余額的變化等信息沖擊與市場(chǎng)穩(wěn)定性指標(biāo)之間的動(dòng)態(tài)關(guān)系.為了較為全面地衡量市場(chǎng)的穩(wěn)定性，本文除了采用常見的波動(dòng)性指標(biāo)外，還用偏度衡量市場(chǎng)暴漲暴跌的不對(duì)稱性，以及峰度衡量暴漲暴跌的頻繁性.TARCD-X模型的關(guān)鍵優(yōu)勢(shì)在于，可以將市場(chǎng)漲跌、交易量增減和融資融券余額的變化等信息沖擊變量，引入收益率的波動(dòng)、偏度和峰度的動(dòng)態(tài)過程，進(jìn)而實(shí)現(xiàn)從動(dòng)態(tài)角度考察市場(chǎng)穩(wěn)定性的時(shí)變過程在融資融券實(shí)施前后具有怎樣的特征.

1 文獻(xiàn)回顧

關(guān)于實(shí)施融資融券或放松賣空限制是否會(huì)加劇市場(chǎng)動(dòng)蕩、損害市場(chǎng)的穩(wěn)定性一直在實(shí)務(wù)界和學(xué)術(shù)界引起廣泛爭(zhēng)議.特別是在2007年—2009年的全球金融危機(jī)期間，市場(chǎng)一度懷疑賣空交易是導(dǎo)致股市急劇下跌和金融機(jī)構(gòu)大面積倒閉的重要原因.因此，包括歐美等成熟市場(chǎng)在內(nèi)的各國監(jiān)管者相繼推出各種不同程度的賣空禁令(short-selling bans)[1].然而，F(xiàn)otak等[2]在對(duì)金融危機(jī)期間美國遭受“重創(chuàng)”的金融機(jī)構(gòu)進(jìn)行研究后發(fā)現(xiàn)，這些公司的股價(jià)暴跌跟賣空交易并無顯著關(guān)系.國際貨幣基金組織(IMF)在其2010年發(fā)布的報(bào)告[11]中也指出，歐元區(qū)國家的賣空禁令不僅沒有對(duì)危機(jī)期間金融機(jī)構(gòu)的股價(jià)起到支撐作用，反而增加了價(jià)格的波動(dòng)，損害了市場(chǎng)的穩(wěn)定性.

事實(shí)上，除了波動(dòng)性之外，市場(chǎng)收益率的偏度和峰度也是市場(chǎng)穩(wěn)定性的兩個(gè)重要衡量指標(biāo).其中，偏度描述了價(jià)格發(fā)生暴漲暴跌的不對(duì)稱性；峰度通常用于描述資產(chǎn)價(jià)格發(fā)生暴漲暴跌的可能性是否高于正態(tài)分布給出的累積概率，即發(fā)生暴漲暴跌的頻繁性.理論上，Miller[12]以及Diamond和Verrecchia[13]的研究認(rèn)為，賣空約束會(huì)抑制利空信息的揭示過程而導(dǎo)致股價(jià)容易被高估，增加暴漲的可能性.Hong和Stein[14]則進(jìn)一步指出，被抑制的利空信息往往會(huì)在積累一段時(shí)間后，在未來市場(chǎng)下跌時(shí)集中釋放，從而導(dǎo)致市場(chǎng)在沒有任何重大利空信息的驅(qū)動(dòng)下“崩盤(crashes)”，暴跌的可能性因此而增加.Bai等[15]認(rèn)為賣空約束不利于知情交易者的信息揭示，從而降低了資產(chǎn)價(jià)格的信息含量.不知情交易者因此面臨較大的逆向選擇風(fēng)險(xiǎn)，價(jià)格的波動(dòng)性也就內(nèi)生地增加了.可見，理論研究大多認(rèn)為，放松賣空限制有助于提高市場(chǎng)的穩(wěn)定性，至少無損于穩(wěn)定性.

實(shí)證研究中，Bris等[1]對(duì)全球46個(gè)市場(chǎng)的賣空限制情況進(jìn)行對(duì)比后指出，限制賣空無助于削弱暴跌高于暴漲的可能性，即難以緩解收益率的負(fù)偏風(fēng)險(xiǎn).Saffi和Sigurdsson[3]以借貸余額作為賣空約束程度的代理變量，以收益率的波動(dòng)、偏度和峰度作為衡量市場(chǎng)穩(wěn)定性的指標(biāo)，對(duì)全球26個(gè)國家和地區(qū)的股票市場(chǎng)進(jìn)行研究后發(fā)現(xiàn)，放松賣空約束與價(jià)格的穩(wěn)定性并無顯著關(guān)系.Maggi和Fantazzini[4]對(duì)全球31個(gè)新興市場(chǎng)進(jìn)行比較后指出，允許賣空的市場(chǎng)比禁止賣空的市場(chǎng)具有更低的波動(dòng)性和峰度，而收益率的偏度在不同的禁止賣空市場(chǎng)中各有不同，有的比允許賣空的市場(chǎng)低，有的則比較高.Chang等[16]對(duì)香港市場(chǎng)股市中允許賣空的個(gè)股和不允許賣空的個(gè)股進(jìn)行比較后研究發(fā)現(xiàn)，前者收益率具有較高的波動(dòng)和較低的正偏度.王旻等[8]利用臺(tái)灣證券市場(chǎng)的融資融券交易數(shù)據(jù)進(jìn)行研究后指出，融資買空與融券賣空交易并未顯著影響整個(gè)市場(chǎng)的波動(dòng)性水平.廖士光和楊朝軍[17]利用香港股票市場(chǎng)的數(shù)據(jù)研究表明，對(duì)于整個(gè)股票市場(chǎng)而言，賣空機(jī)制推出后，市場(chǎng)波動(dòng)性加大，但Granger因果檢驗(yàn)結(jié)果證實(shí)市場(chǎng)波動(dòng)性的增加并非由賣空交易引發(fā).廖士光和楊朝軍[18]對(duì)臺(tái)灣股市研究指出，賣空機(jī)制的引入不僅沒有加劇市場(chǎng)的波動(dòng)，反而可以對(duì)市場(chǎng)的波動(dòng)起到平抑作用.許紅偉和陳欣[9]對(duì)中國股市的研究則指出，融資融券機(jī)制的推出能夠顯著減少股價(jià)發(fā)生大幅下跌的概率，卻無助于減少收益率的峰度.究其原因，他們認(rèn)為出現(xiàn)上述結(jié)果的原因可能是融資業(yè)務(wù)和融券業(yè)務(wù)發(fā)展的極端不對(duì)稱導(dǎo)致的*從滬深兩市的融資融券余額來看，融資交易的占比長(zhǎng)期居于95%以上，而融券交易的占比在絕大部分情況下不足5%(參見本文的樣本描述)..這類研究大多靜態(tài)地比較市場(chǎng)的穩(wěn)定性指標(biāo)——波動(dòng)、偏度和峰度在賣空約束放松或收緊前后具有怎樣的差異.

基于動(dòng)態(tài)視角的研究如Bohl等[19]采用GARCH、機(jī)制轉(zhuǎn)換GARCH等模型考察了賣空約束收緊前后市場(chǎng)的波動(dòng)性具有怎樣的差異，并發(fā)現(xiàn)賣空約束收緊后，市場(chǎng)的波動(dòng)性顯著增加了.Devaney[20]也采用GARCH類模型對(duì)美國證監(jiān)會(huì)(SEC)宣布納入賣空禁令的房地產(chǎn)信托公司(REIT)股價(jià)的波動(dòng)性進(jìn)行了比較，結(jié)果也拒絕了賣空禁令會(huì)緩解波動(dòng)性.萬迪昉等[10]基于GARCH-M、EGARCH-M模型考察了融資融券業(yè)務(wù)推出前后，市場(chǎng)漲跌對(duì)股市波動(dòng)性的影響具有怎樣的差異，并指出金融創(chuàng)新能夠促進(jìn)交易所自律監(jiān)管功能的發(fā)揮.由此可見，這些研究雖然進(jìn)行了動(dòng)態(tài)建模但很少分析賣空約束放松或收緊前后，相關(guān)信息沖擊對(duì)波動(dòng)性的影響關(guān)系發(fā)生了怎樣的變化.而這才是基于動(dòng)態(tài)視角進(jìn)行研究的關(guān)鍵所在.當(dāng)然，除了收益率波動(dòng)過程具有顯著的時(shí)變性之外，近年來也有不少研究指出，收益率的偏度(暴漲暴跌的非對(duì)稱性)和峰度(暴漲暴跌的頻繁性)也存在顯著的時(shí)變性[21-25].因此，要更加深入、全面地考察融資融券這一機(jī)制創(chuàng)新對(duì)市場(chǎng)穩(wěn)定性的影響，應(yīng)綜合考察波動(dòng)性、偏度和峰度等穩(wěn)定性指標(biāo)的動(dòng)態(tài)過程發(fā)生了怎樣的變化.

縱觀現(xiàn)有文獻(xiàn)，基于靜態(tài)視角的研究，無論是“橫向”比較，即在不同賣空約束程度的市場(chǎng)間比較，或是“縱向”比較，即對(duì)同一市場(chǎng)在賣空約束放松(收緊)前后進(jìn)行比較，其研究結(jié)果均難以回答市場(chǎng)穩(wěn)定性的動(dòng)態(tài)過程是否發(fā)生改變、怎樣改變.基于動(dòng)態(tài)視角的研究往往沒有考慮收益率的偏度和峰度等兩個(gè)重要的穩(wěn)定性指標(biāo)，因而不夠全面.此外，基于現(xiàn)有研究的結(jié)果還難以回答融資融券余額的變化如何影響市場(chǎng)的穩(wěn)定性.眾所周知，融資融券余額是反映投資者買空、賣空行為的重要變量，其變動(dòng)情況較為細(xì)致地跟蹤了市場(chǎng)買空、賣空交易的運(yùn)動(dòng)軌跡.因此，研究融資融券余額的變化與市場(chǎng)穩(wěn)定性的關(guān)系可以進(jìn)一步考察投資者買空、賣空行為對(duì)市場(chǎng)的穩(wěn)定性會(huì)產(chǎn)生怎樣的沖擊作用.

2 TARCD-X模型的構(gòu)建與估計(jì)

設(shè)市場(chǎng)的收益率為rt，其條件均值為μt，條件波動(dòng)、條件偏度和條件峰度分別為σt、λt和ηt.這三個(gè)指標(biāo)構(gòu)成了本文用于衡量市場(chǎng)穩(wěn)定性的主要指標(biāo)，下標(biāo)t表示這三個(gè)指標(biāo)具有時(shí)變性.于是，市場(chǎng)收益率rt可以表示為如下隨機(jī)過程

(1)

其中Ψt-1表示第t期可以獲得的信息集.

關(guān)于條件均值μt，考慮如下模型

μt=u0+u1rt-1

(2)

對(duì)于金融市場(chǎng)的收益率來講，其價(jià)格的效率性確保了一階自回歸足以刻畫收益率之間的自相關(guān)關(guān)系.這是因?yàn)榧幢闶且粋€(gè)弱勢(shì)有效的市場(chǎng)，過去的收益率已經(jīng)不具有對(duì)未來收益率的預(yù)測(cè)能力.因此，選擇一階自回歸描述收益率自相關(guān)特征是合理的.

關(guān)于條件波動(dòng)過程σt，考慮到收益率的波動(dòng)過程具有“聚集性”和“杠桿效應(yīng)”等典型事實(shí)，以及為了規(guī)避模型參數(shù)的非負(fù)性約束，這里選擇Nelson[26]提出的指數(shù)GARCH(EGARCH)模型

(3)

(4)

(5)

(6)

(7)

由上述設(shè)定可以看出，式(1)中關(guān)于收益率分布形態(tài)的設(shè)定需要同時(shí)引入均值、波動(dòng)、偏度和峰度等參數(shù).為此，本文選擇Hansen[21]提出的有偏學(xué)生-t(SkewT)分布.其概率密度函數(shù)如下

(8)

其中x定義為標(biāo)準(zhǔn)化收益率(rt-μt)/σt；γ和κ分別是偏度系數(shù)和自由度；sgn(·)是符號(hào)函數(shù)；A、B和C都是γ和κ的函數(shù)

γ>0和γ<0分別表示概率分布為正偏和負(fù)偏，而且|γ|越大，偏斜程度越嚴(yán)重；當(dāng)γ=0時(shí)，分布是對(duì)稱的，退化為傳統(tǒng)的學(xué)生-t分布；自由度κ刻畫了分布的尖峰、厚尾程度.與傳統(tǒng)的學(xué)生-t分布類似，對(duì)于SkewT分布來講，“尖峰”和“厚尾”也是一致的，即κ越小，“峰”越“尖”，“尾”越“厚”，價(jià)格發(fā)生暴漲暴跌的頻繁性越高，峰度越大，反之亦反之.因此，SkewT分布足夠靈活，可以較好地反映收益率的條件高階矩特征.更為重要的是，與三階和四階中心矩等偏度和峰度的統(tǒng)計(jì)定義相比，SkewT分布的偏度系數(shù)γ和自由度κ更為直接地刻畫了收益率分布的不對(duì)稱程度和尖峰、厚尾程度，因此，更加符合本文關(guān)注于價(jià)格暴漲暴跌的對(duì)稱性和頻繁性特征的研究主旨.根據(jù)SkewT分布的定義，偏度系數(shù)γ應(yīng)具有如下取值范圍-1<γ<1，而自由度κ應(yīng)滿足3<κ<30.為使式(6)和式(7)產(chǎn)生的偏度和自由度系數(shù)符合此范圍，Hansen[21]建議用Logistic函數(shù)Λ(l,u)(x)=l+(u-l)/(1+e-x)將λt和ηt分別映射到(-1, 1)和(3, 30)的區(qū)間內(nèi).考慮到γ和κ的時(shí)變性，記

γt=Λ(-1,1)(λt)，κt=Λ(3,30)(-ηt)顯然，λt越大，γt越大，收益率越傾向于正偏，暴漲高于暴跌的可能性越高；ηt越大，κt越小，尖峰、厚尾程度越嚴(yán)重，暴漲暴跌頻繁性越高.

綜合式(1)—式(8)，需要估計(jì)的參數(shù)來自四個(gè)方程，即均值方程(2)的θ1=(u0,u1)，條件波動(dòng)方程式(3)的θ2=(a0,a1,a2,…,a9)，條件偏度方程(6)的θ3=(b0,b1,b2,…,b9)以及條件峰度方程(7)的θ4=(c0,c1,c2,…,c9).在Ψt-1給定的情況下，可以通過極大化如下對(duì)數(shù)似然函數(shù)得到上述參數(shù)的估計(jì)值

(9)

其中θ=(θ1,θ2,θ3,θ4).

為進(jìn)一步考察融資融券實(shí)施后，融資融券余額的變化對(duì)市場(chǎng)穩(wěn)定性的影響，考慮將相關(guān)變量引入穩(wěn)定性指標(biāo)的動(dòng)態(tài)過程.記Mt和St分別表示第t期市場(chǎng)的融資余額和融券余額，二者的對(duì)數(shù)變化mt和st分別按如下方法計(jì)算

mt=lnMt-lnMt-1,st=lnSt-lnSt-1

(10)

當(dāng)觀測(cè)值為融資融券后樣本時(shí)，式(5)、式(6)和式(7)可改寫為

(11)

(12)

(13)

無論是將收益率的波動(dòng)、偏度和峰度的動(dòng)態(tài)過程設(shè)定為式(5)、式(6)和式(7)，亦或式(11)、式(12)和式(13)，兩種設(shè)定都刻畫了前期價(jià)格漲跌、前期交易量增減、融資融券余額變化等外生信息變量(記作“X”)對(duì)三種穩(wěn)定性指標(biāo)的沖擊作用.此外，兩種設(shè)定中也都考慮了外生信息以“0”為門限值(threshold)的非對(duì)稱沖擊.因此，本文將其稱為“外生沖擊的門限自回歸條件密度(TARCD-X)模型”.為了便于表述，在本文接下來的內(nèi)容里，將式(5)、式(6)和式(7)設(shè)定下的模型記為“TARCD-X1”模型，將式(11)、式(12)和式(13)設(shè)定下的模型記為“TARCD-X2”模型.這兩個(gè)模型的參數(shù)估計(jì)均采用極大似然方法，估計(jì)過程使用Eviews編程實(shí)現(xiàn).由于模型的待估參數(shù)較多，實(shí)際估計(jì)時(shí)，參數(shù)的初值對(duì)似然函數(shù)的極大化過程影響較大.因此，本文采用從簡(jiǎn)單到復(fù)雜的過程，將各個(gè)變量逐個(gè)加入模型中，并以前一個(gè)模型估計(jì)的結(jié)果作為下一個(gè)模型的初值，從而完成最終的模型估計(jì).

3 樣本描述及一些初步的結(jié)果

自2010年3月31日融資融券試點(diǎn)正式啟動(dòng)至2013年1月25日擴(kuò)容以前，納入融資融券范圍的股票主要來自滬深300指數(shù)的部分成分股.因此，本文的實(shí)證研究以滬深300指數(shù)(HS300)的日百分比對(duì)數(shù)收益率為樣本，進(jìn)而從市場(chǎng)的層面考察融資融券的實(shí)施如何影響穩(wěn)定性.與現(xiàn)有研究?jī)H考察納入融資融券范圍的股票相比，其必要性在于，沒有納入融資融券范圍的股票不可避免地會(huì)受到前者價(jià)格變化的影響.因此，僅僅以融資融券標(biāo)的股票為研究對(duì)象并不能較為全面地評(píng)價(jià)這一機(jī)制創(chuàng)新對(duì)整個(gè)市場(chǎng)的影響.

本文的樣本期間選擇2009年1月5日至2013年3月29日.其中，2009年1月5日至2010年3月30日為融資融券前樣本；2010年3月31日～2013年3月29日為融資融券后樣本.融資融券交易前樣本以2009年1月5日作為起點(diǎn)的原因在于，2006年至2008年的中國股市經(jīng)歷了長(zhǎng)達(dá)兩年的牛市和一年的熊市.在此期間，滬深300指數(shù)從2006年初的937點(diǎn)一路上漲，直到2007年10月16日達(dá)到5 875點(diǎn)的最高位置，然后又持續(xù)下跌，并于2008年11月4日跌至1 627點(diǎn)的最低水平.這一“過山車式”的暴漲暴跌過程如果不從樣本中剔除，可能使研究結(jié)果難以令人信服.當(dāng)然，作為一個(gè)補(bǔ)充的檢驗(yàn)，本文的穩(wěn)健性檢驗(yàn)部分仍然將其納入研究樣本.

如此取樣可能帶來的一個(gè)新的問題是，融資融券前后樣本容量差距較大.前者共包括300個(gè)觀測(cè)值，而后者約為前者的2.4倍，共728個(gè)觀測(cè)值.但本文認(rèn)為后者容量相對(duì)較大是必要的.首先，融資融券交易作為一項(xiàng)機(jī)制創(chuàng)新，投資者需要一個(gè)適應(yīng)過程，監(jiān)管者也需要對(duì)市場(chǎng)的運(yùn)行情況觀察一段時(shí)間后才能全面推行.事實(shí)上，融資融券交易由“試點(diǎn)”轉(zhuǎn)為“常規(guī)”是以2011年11月25日《上海證券交易所融資融券交易實(shí)施細(xì)則》正式施行為標(biāo)志的.2010年3月31日至2011年11月24日期間的樣本僅為試運(yùn)行期間的樣本.其次，在上述樣本中，融資融券作為“常規(guī)”業(yè)務(wù)的樣本量(2011年11月25日至2013年3月29日)共計(jì)324個(gè)交易日，與融資融券前的樣本量是比較接近的.當(dāng)然，由于本文著眼于市場(chǎng)穩(wěn)定性的動(dòng)態(tài)過程，為了保持其時(shí)間序列上的連續(xù)性，不再剔除2010年3月31日至2011年11月24日這段試點(diǎn)期間的樣本.

圖1 滬深300指數(shù)的對(duì)數(shù)收盤價(jià)及收益率(百分比)

Fig.1 Logarithmic close price and returns (in percent) of HS300 index

圖1描繪了整個(gè)樣本期間滬深300指數(shù)的對(duì)數(shù)收盤價(jià)和百分比對(duì)數(shù)收益率的折線圖.從圖中可以看出，滬深300指數(shù)在整個(gè)樣本期的走勢(shì)是比較平穩(wěn)的.表1對(duì)融資融券前后滬深300指數(shù)的收益率(rt)、交易量的對(duì)數(shù)變化(vt)以及融資融券后融資融券余額的對(duì)數(shù)變化(mt和st)進(jìn)行了描述性統(tǒng)計(jì).

從表1可以看出，融資融券后，滬深300指數(shù)收益率的標(biāo)準(zhǔn)誤比融資融券前有所下降.這就意味著，收益率的波動(dòng)程度比融資融券前有所改善.從收益率的偏度來看，雖然兩個(gè)樣本期均為負(fù)值，但絕對(duì)值從0.541 7下降到0.137 3，即融資融券交易實(shí)施后，收益率的負(fù)偏度也削弱了，暴漲暴跌的不對(duì)稱性有所緩解.

相比之下，刻畫暴漲暴跌頻繁性的峰度在融資融券后相對(duì)較大，這與前述理論預(yù)示不盡一致.但是，從滬深300指數(shù)暴漲暴跌的次數(shù)和頻率來看，融資融券實(shí)施前，漲幅大于5%的次數(shù)為3次，頻率約為1%(≈3/300)，跌幅大于5%的次數(shù)為5次，頻率約為1.67%(≈5/300)；相比之下，融資融券實(shí)施后，漲幅大于5%的次數(shù)和頻率為0，而跌幅大于5%的次數(shù)和頻率分別為3和0.41%(≈3/728).由此可見，融資融券實(shí)施后，市場(chǎng)發(fā)生暴漲暴跌的頻繁性大幅減小，特別是暴跌的頻率減小為原來的1/4左右.這些結(jié)果表明，暴漲暴跌的頻繁性和幅度相對(duì)于融資融券前均有所改善.另外，從收益率的極端值來看，融資融券實(shí)施前的最大漲幅和跌幅分別為6.46%和7.37%，而融資融券實(shí)施后的最大漲幅和跌幅分別為4.93%和6.42%.從收益率暴漲暴跌的分布(樣本分位數(shù))來看，融資融券實(shí)施后，95%和85%水平上的分位數(shù)均小于融資融券實(shí)施前相應(yīng)水平上的分位數(shù)，而5%和15%水平上的分位數(shù)均大于融資融券實(shí)施前的分位數(shù).這就從暴漲暴跌的分布情況反映了融資融券實(shí)施后市場(chǎng)的穩(wěn)定性相對(duì)較好.綜合上述描述性統(tǒng)計(jì)結(jié)果可以看出，大部分市場(chǎng)穩(wěn)定性指標(biāo)均反映了融資融券的實(shí)施提升了市場(chǎng)的穩(wěn)定性.這與現(xiàn)有的基于靜態(tài)視角的研究結(jié)果是一致的.

表1 融資融券前后樣本的描述性統(tǒng)計(jì)

從交易量對(duì)數(shù)變化(vt)的分布情況來看，無論是極端值還是四種分位數(shù)值，融資融券后的絕對(duì)值均大于融資融券前的結(jié)果.這說明，融資融券實(shí)施后交易量的大幅增加和減少均比融資融券前變化的較為劇烈.這與融資融券這一機(jī)制創(chuàng)新所帶來的杠桿交易是有關(guān)的.除此之外，從vt的偏度和峰度而言，融資融券后的偏度和峰度均高于融資融券前的樣本.這說明融資融券實(shí)施后，市場(chǎng)的交易量比融資融券前更加易于出現(xiàn)大幅增減，且大幅增加的可能性相對(duì)更高.這些結(jié)果也都與融資融券給市場(chǎng)帶來的杠桿交易是一致的.

圖2給出了融資融券實(shí)施后，各交易日融資余額的對(duì)數(shù)(lnMt)、融券余額的對(duì)數(shù)(lnSt)以及融資余額占融資融券余額比重(Mt/(Mt+St))的折線圖.從圖2可以看出，融資余額和融券余額均成增長(zhǎng)趨勢(shì).結(jié)合表1對(duì)融資融券余額的對(duì)數(shù)變化給出的描述性統(tǒng)計(jì)結(jié)果來看，融資融券余額的日平均增幅為1.3%～1.4%.從圖2還可以看出，融資余額增長(zhǎng)趨勢(shì)相對(duì)較為穩(wěn)定，而融券余額的增長(zhǎng)過程具有較大的變異.這也可以從表1給出的相關(guān)描述性統(tǒng)計(jì)結(jié)果得到支持.首先，從標(biāo)準(zhǔn)誤來看，融資余額對(duì)數(shù)變化(mt)的標(biāo)準(zhǔn)誤不到融券余額對(duì)數(shù)變化(st)標(biāo)準(zhǔn)誤的1/3.其次，從mt和st的極端值以及六種水平的分位數(shù)也可以得出類似的結(jié)論.融資余額的日最大漲幅為92.50%，最大跌幅為4.80%，但融券余額的日最大漲幅為249.10%，而最大跌幅為187.44%.最后，從分位數(shù)來看，mt的50%以上的三種分位數(shù)均小于st相應(yīng)水平上的分位數(shù)，而mt在50%以下的三種水平上的分位數(shù)均大于st相應(yīng)水平上的分位數(shù).另外，值得注意的是，從融資余額在融資融券余額中的占比(圖2)來看，融資余額長(zhǎng)期占據(jù)絕對(duì)優(yōu)勢(shì)，占比一直維持在95%以上.這再次應(yīng)證了現(xiàn)有研究給出的結(jié)果，即我國的融資融券交易存在嚴(yán)重的“跛足”現(xiàn)象.

綜上所述，相關(guān)描述性統(tǒng)計(jì)結(jié)果已經(jīng)初步說明了，融資融券交易實(shí)施后，滬深300指數(shù)的價(jià)格變化比融資融券前更加穩(wěn)定，而交易量則比融資融券前變化得更加強(qiáng)烈.另外，融資融券實(shí)施后，市場(chǎng)的融資余額呈現(xiàn)較為穩(wěn)定的增長(zhǎng)趨勢(shì)；融券余額雖然在總體上也呈增長(zhǎng)趨勢(shì)，但其變化相對(duì)較為劇烈.

圖2 融資融券余額日折線圖

Fig.2 Line chart of daily account of margin trading

4 實(shí)證結(jié)果

本文的實(shí)證結(jié)果包括如下兩個(gè)部分：一是基于全樣本估計(jì)式(5)、式(6)和式(7)設(shè)定下的TARCD-X1模型，進(jìn)而考察前期的價(jià)格和交易量的變化如何影響市場(chǎng)波動(dòng)性、暴漲暴跌的不對(duì)稱性(偏度)和頻繁性(峰度)等穩(wěn)定性指標(biāo)，以及這種影響關(guān)系在融資融券實(shí)施前后是否發(fā)生變化；二是基于融資融券后的樣本估計(jì)式(11)、式(12)和式(13)設(shè)定下的TARCD-X2模型，從而考察前期的價(jià)格、交易量、融資融券余額的變化等信息沖擊如何影響市場(chǎng)的波動(dòng)性、偏度和峰度等穩(wěn)定性指標(biāo).

4.1 市場(chǎng)穩(wěn)定性的動(dòng)態(tài)過程： 融資融券前后的比較

從TARCD-X1模型的設(shè)定可以看出，式(5)、式(6)和式(7)總共刻畫了12種影響關(guān)系，即市場(chǎng)的上漲和下跌、交易量的增大和減小4種信息沖擊與波動(dòng)性、暴漲暴跌的不對(duì)稱性和頻繁性3種穩(wěn)定性指標(biāo)間的動(dòng)態(tài)關(guān)系.三個(gè)方程的參數(shù)估計(jì)結(jié)果如表2所示.

表2 信息沖擊與市場(chǎng)的穩(wěn)定性： TARCD-X1模型的估計(jì)結(jié)果

注：1)TARCD-X1模型設(shè)定為式(5)、式(6)和式(7)，估計(jì)的樣本期為2009年1月5日至2013年3月29日；2)虛擬變量Dt-1用于控制融資融券后各信息沖擊對(duì)收益率條件波動(dòng)的影響.3)以粗體顯示的數(shù)值表示其p-值小于顯著性水平10%.

圖3 融資融券前后信息沖擊對(duì)市場(chǎng)穩(wěn)定性指標(biāo)的影響比較

4.2 融資融券后相關(guān)信息沖擊對(duì)市場(chǎng)穩(wěn)定性的影響

表3 信息沖擊與市場(chǎng)的穩(wěn)定性： TARCD-X2模型的估計(jì)結(jié)

注：1)TARCD-X2模型設(shè)定為式(11)、式(12)和式(13)，估計(jì)的樣本期為2010年3月31日至2013年3月29日；2)以粗體顯示的數(shù)值表示其p-值小于顯著性水平10%.

圖4 融資融券余額變化與市場(chǎng)的穩(wěn)定性

Fig. 4 The impact of changes of margin account on market stability

綜上所述，在TARCD-X2模型中，價(jià)格和交易量的變化與三個(gè)市場(chǎng)穩(wěn)定性指標(biāo)的關(guān)系與TARCD-X1模型是一致的.除此之外，在控制了前期價(jià)格漲跌和交易量增減后，融資融券余額的變化并未顯著增加市場(chǎng)的波動(dòng)性和峰度(暴漲暴跌的頻繁性)，且其對(duì)預(yù)期偏度(暴漲暴跌的不對(duì)稱性)具有一定的短期預(yù)測(cè)能力.具體來說，當(dāng)融資余額減少或融券余額增加時(shí)，市場(chǎng)暴跌的可能性增加，而暴漲的可能性減小，即需要注意防范負(fù)偏風(fēng)險(xiǎn).

5 穩(wěn)健性檢驗(yàn)

為了檢驗(yàn)上述結(jié)果的穩(wěn)健性，本文進(jìn)行兩個(gè)方面的穩(wěn)健性檢驗(yàn).首先，考慮將樣本的起始時(shí)間調(diào)整為滬深300指數(shù)的掛牌日期，即利用2005年4月8日至2013年3月29日共1 939個(gè)觀測(cè)值重新估計(jì)TARCD-X1模型.雖然2006年～2008年中國股市經(jīng)歷了一次前所未有的“牛轉(zhuǎn)熊”行情，但不能排除這種行情的出現(xiàn)本身也可能是因?yàn)槭袌?chǎng)缺乏做空機(jī)制.因此，本文前面的研究中，將樣本的起點(diǎn)選為2009年1月5日實(shí)際上是一種保守的做法，即提高了拒絕原假設(shè)的可能性.作為穩(wěn)健性檢驗(yàn)，進(jìn)一步將樣本期提前到2005年4月8日也是有益的嘗試.

圖5 融資融券前后信息沖擊對(duì)市場(chǎng)穩(wěn)定性指標(biāo)的影響比較： 替代樣本

Fig. 5 Comparison of the impact of information shock on market stability around margin trading: Based on the alternative sample

如圖5所示*限于篇幅，穩(wěn)健性檢驗(yàn)的詳細(xì)數(shù)據(jù)這里從略，但歡迎感興趣的同仁來信索取.，雖然模型系數(shù)的顯著性與圖3的結(jié)果有一定差異，但從比較的結(jié)論來看，4種信息沖擊對(duì)3種穩(wěn)定性指標(biāo)的12種影響關(guān)系中，也只有交易量的負(fù)向沖擊與收益率波動(dòng)性之間的關(guān)系在融資融券后顯著增加，其他11種影響關(guān)系均未產(chǎn)生不利變化.因此，總體來說，市場(chǎng)穩(wěn)定性指標(biāo)的動(dòng)態(tài)變化在融資融券實(shí)施后并未發(fā)生較大的不利變化.

本文進(jìn)行的第二個(gè)穩(wěn)健性檢驗(yàn)是考慮到投資者大多存在風(fēng)險(xiǎn)規(guī)避心理，故而將“收益-風(fēng)險(xiǎn)”關(guān)系引入模型的均值方程并重新估計(jì)模型.這是因?yàn)?，在前述研究中，TARCD-X1和TARCD-X2模型的均值方程均被設(shè)定為AR(1)的形式.這種設(shè)定形式忽略了信息沖擊所引起的波動(dòng)性風(fēng)險(xiǎn)與預(yù)期收益之間的關(guān)系，而這種“收益-風(fēng)險(xiǎn)”關(guān)系反映了投資者的風(fēng)險(xiǎn)規(guī)避心理對(duì)市場(chǎng)穩(wěn)定性可能產(chǎn)生的影響.鑒于此，考慮將式(2)調(diào)整為

μt=u0+u1rt-1+φσt

(14)

其中σt反映了預(yù)期的波動(dòng)性，系數(shù)φ刻畫了收益率的期望值μt與預(yù)期的波動(dòng)性風(fēng)險(xiǎn)之間的相關(guān)性.將式(14)與式(5)、式(6)和式(7)聯(lián)合亦或與式(11)、式(12)和式(13)聯(lián)合即可得到兩種新的模型，這里分別記為TARCD-X3和TARCD-X4模型.

圖6 融資融券前后信息沖擊對(duì)市場(chǎng)穩(wěn)定性指標(biāo)的影響比較： 基于TARCD-X3模型

進(jìn)一步比較圖4和圖7的結(jié)果可以發(fā)現(xiàn)，融資融券實(shí)施后，TARCD-X4模型所給出的融資融券余額的變化對(duì)市場(chǎng)穩(wěn)定性的12種影響關(guān)系中，10種結(jié)果與TARCD-X2的結(jié)果是類似的.不同的是，在控制了“收益-風(fēng)險(xiǎn)”關(guān)系后，TARCD-X4模型的結(jié)果顯示，融資余額和融券余額的增加對(duì)暴漲暴跌頻繁性沖擊作用顯著減弱.這就進(jìn)一步說明了，TARCD-X2模型所給出的融資融券余額對(duì)市場(chǎng)穩(wěn)定性的影響中，有部分影響效果被投資者所要求的波動(dòng)性風(fēng)險(xiǎn)補(bǔ)償?shù)窒?

圖7 融資融券余額變化與市場(chǎng)的穩(wěn)定性： 基于TARCD-X4模型

Fig. 7 The impact of margin account changes on market stability: Based on TARCD-X4 model

綜合上述穩(wěn)健性檢驗(yàn)的結(jié)果可以看出，市場(chǎng)漲跌和交易量增減4種信息沖擊對(duì)市場(chǎng)穩(wěn)定性的影響，在控制了“收益-風(fēng)險(xiǎn)”關(guān)系后，并未出現(xiàn)顯著的不利變化.另一方面，從融資融券余額的變化作為新的信息沖擊，對(duì)市場(chǎng)穩(wěn)定性的影響也不會(huì)因?yàn)榭刂屏恕笆找?風(fēng)險(xiǎn)”關(guān)系而惡化.因此，總的來說，在對(duì)投資者的風(fēng)險(xiǎn)規(guī)避心理所造成的影響加以控制后，本文實(shí)證研究部分所給出的結(jié)果均未出現(xiàn)不利變化.

6 結(jié)束語

為較為全面地考察融資融券交易對(duì)市場(chǎng)穩(wěn)定性的影響，有必要從靜態(tài)和動(dòng)態(tài)兩個(gè)視角進(jìn)行深入研究.從已有文獻(xiàn)來看，相關(guān)研究大多著眼于前者，即考察市場(chǎng)在不同程度的賣空約束條件下，其穩(wěn)定性具有怎樣的差異.這就忽略了市場(chǎng)穩(wěn)定性指標(biāo)應(yīng)當(dāng)具有的時(shí)變性特征.相比之下，動(dòng)態(tài)視角著眼于市場(chǎng)穩(wěn)定性時(shí)變過程在融資融券實(shí)施(放松賣空約束)前后是否發(fā)生變化、怎樣變化.具體說來，基于動(dòng)態(tài)視角的研究，可以將市場(chǎng)漲跌、交易量增減和融資融券余額的變化等重要的信息沖擊引入市場(chǎng)穩(wěn)定性指標(biāo)的時(shí)變過程，進(jìn)而更加深入地回答如下兩個(gè)問題：一是市場(chǎng)漲跌和交易量增減等重要的信息沖擊如何影響市場(chǎng)的穩(wěn)定性，以及這種影響關(guān)系在融資融券前后具有怎樣的差異；二是融資融券余額作為新的信息沖擊會(huì)對(duì)市場(chǎng)的穩(wěn)定性產(chǎn)生怎樣的影響.此二者顯然是十分重要而基于靜態(tài)視角往往難以回答的問題.

鑒于此，本文提出了“外生信息沖擊的門限自回歸條件密度(TARCD-X)”模型，進(jìn)而從動(dòng)態(tài)的視角考察了前期市場(chǎng)漲跌和交易量增減等4種信息沖擊對(duì)市場(chǎng)穩(wěn)定性的影響在融資融券實(shí)施前后發(fā)生了怎樣的變化.TARCD-X模型的顯著優(yōu)勢(shì)在于可以將這4種信息沖擊同時(shí)引入市場(chǎng)的波動(dòng)性、暴漲暴跌的不對(duì)稱性和暴漲暴跌的頻繁性3個(gè)穩(wěn)定性指標(biāo)的時(shí)變過程，從而考察這12種影響關(guān)系在融資融券實(shí)施前后是否存在差異.此外，基于TARCD-X模型還可以考察融資融券余額的變化作為新的信息沖擊如何影響市場(chǎng)的穩(wěn)定性.以滬深300指數(shù)為樣本，研究發(fā)現(xiàn)：首先，12種影響關(guān)系中，除了交易量減小對(duì)市場(chǎng)波動(dòng)性的沖擊作用有所放大之外，其他11種影響關(guān)系均未出現(xiàn)不利變化；其次，融資融券余額的變動(dòng)作為新的信息沖擊沒有顯著增加市場(chǎng)的波動(dòng)性和暴漲暴跌的頻繁性；最后，融資融券余額的變動(dòng)與暴漲暴跌的不對(duì)稱性存在顯著的相關(guān)關(guān)系.具體說來，融資余額增加和融券余額減少預(yù)示著市場(chǎng)出現(xiàn)暴漲的可能性增加，而融資余額減少和融券余額增加預(yù)示著市場(chǎng)出現(xiàn)暴跌的可能性增加.因此，融資融券余額的變化對(duì)市場(chǎng)暴漲暴跌的不對(duì)稱性具有一定的預(yù)測(cè)能力，這就為構(gòu)造預(yù)警指標(biāo)、防范市場(chǎng)的暴漲暴跌風(fēng)險(xiǎn)提供了有益的參考.

融資融券機(jī)制的實(shí)施結(jié)束了我國股市沒有賣空機(jī)制的歷史，但賣空機(jī)制的引入究竟能否減小市場(chǎng)摩擦、提升市場(chǎng)效率、促進(jìn)市場(chǎng)穩(wěn)定一直頗受關(guān)注.本文的研究只是經(jīng)驗(yàn)地從動(dòng)態(tài)的視角考察了融資融券實(shí)施前后市場(chǎng)穩(wěn)定性發(fā)生了怎樣的變化.但如何解釋上述結(jié)果還有待于構(gòu)建理論模型進(jìn)行深入分析.例如，通過構(gòu)建理論模型，研究賣空限制的市場(chǎng)環(huán)境下，價(jià)格的波動(dòng)性、暴漲暴跌的非對(duì)稱性和頻繁性是如何形成的將是重要的研究?jī)?nèi)容.另外，對(duì)資產(chǎn)價(jià)格形成過程的深入考察，一種新興的金融學(xué)分支——計(jì)算實(shí)驗(yàn)金融學(xué)(agent-based computational finance, ACF)廣受青睞.與經(jīng)典的金融理論與實(shí)證研究的范式不同，計(jì)算實(shí)驗(yàn)金融研究遵循相應(yīng)的市場(chǎng)制度安排，賦予微觀主體特定的行為模式以及相應(yīng)的學(xué)習(xí)機(jī)制，強(qiáng)調(diào)市場(chǎng)(理性的或有限理性的)主體間的微觀交互，進(jìn)而揭示市場(chǎng)的運(yùn)行特征與規(guī)律.基于計(jì)算實(shí)驗(yàn)環(huán)境，更為細(xì)致地研究放松賣空限制如何影響市場(chǎng)的穩(wěn)定性將是未來極具創(chuàng)新性和實(shí)踐價(jià)值的研究方向.

[1]Bris A, Goetzmann W N, Zhu N. Efficiency and the bear: Short sales and markets around the world[J]. Journal of Finance, 2007, 62(3): 1029-1079.

[2]Fotak V, Raman V, Yadav P K. Naked short selling: The emperor’s new clothes?[R]. Working Paper, Oklahoma: University of Oklahoma, 2009.

[3]Saffi P A C, Sigurdsson K. Price efficiency and short selling[J]. Review of Financial Studies, 2011, 24(3): 821-852.

[4]Maggi M, Fantazzini D. Chapter 23: Short Selling in Emerging Markets: A Comparison of Market Performance During The Global Financial Crisis[M]. Handbook of Short Selling, Waltham: Elsevier, 2012： 339-352.

[5]Beber A, Pagano M. Short-selling bans around the world: Evidence from the 2007-2009 crisis[J]. Journal of Finance, 2013, 68(1): 343-381.

[6]廖士光. 融資融券交易價(jià)格發(fā)現(xiàn)功能研究——基于標(biāo)的證券確定與調(diào)整的視角[J]. 上海立信會(huì)計(jì)學(xué)院學(xué)報(bào), 2011, (1): 67-76. Liao Shiguang. Study on the price discovery function of margin purchase and short sale transaction: From the aspect of underlying securities determination and adjustment[J]. Journal of Shanghai Lixin University of Commerce, 2011, (1): 67-76. (in Chinese)

[7]楊德勇, 吳 瓊. 融資融券對(duì)上海證券市場(chǎng)影響的實(shí)證分析——基于流動(dòng)性和波動(dòng)性的視角[J]. 中央財(cái)經(jīng)大學(xué)學(xué)報(bào), 2011, (5): 28-34. Yang Deyong, Wu Qiong. Empirical research on the impact of margin trading on liquidity and volatility of Shanghai security market[J]. Journal of Central University of Finance & Economics, 2011, (5): 28-34. (In Chinese)

[8]王 旻, 廖士光, 吳淑琨. 融資融券交易的市場(chǎng)沖擊效應(yīng)研究——基于中國臺(tái)灣證券市場(chǎng)的經(jīng)驗(yàn)與啟示[J]. 財(cái)經(jīng)研究, 2008, (10): 99-109. Wang Min, Liao Shiguang, Wu Shukun. The study on the impact effects of margin trading on stock market: Evidence and enlightenments from Taiwan stock market in China[J]. Journal of Finance and Economics, 2008, (10): 99-109. (in Chinese)

[9]許紅偉, 陳 欣. 我國推出融資融券交易促進(jìn)了標(biāo)的股票的定價(jià)效率嗎?——基于雙重差分模型的實(shí)證研究[J]. 管理世界, 2012, (5): 52-61. Xu Hongwei, Chen Xin. Does the pricing of underlying stocks are more efficient after margin trading in Chinese stock market [J]. Management World, 2012, (5): 52-61. (in Chinese)

[10]萬迪昉, 李佳嵐, 葛 星. 融資融券能否提高交易所自律監(jiān)管效率?[J]. 證券市場(chǎng)導(dǎo)報(bào), 2012, (8): 66-71. Wan Difang, Li Jialan, Ge Xing. Can margin trading increase the efficiency of self-regulation of stock market exchange?[J]. Securities Market Herald, 2012, (8): 66-71. (in Chinese)

[11]International Monetary Fund. EU commission consultation on short selling[R]. http://www .imf.org/external/np/eur/2010/pdf/080510.pdf, 2010.8.

[12]Miller E M. Risk, uncertainty, and divergence of opinion[J]. Journal of Finance, 1977, 32(4): 1151-1168.

[13]Diamond D W, Verrecchia R E. Constraints on short-selling and asset price adjustment to private information[J]. Journal of Financial Economics, 1987, 18(2): 277-311.

[14]Hong H, Stein J C. Differences of opinion, short-sales constraints, and market crashes[J]. Review of Financial Studies, 2003, 16(2): 487-525.

[15]Bai Y, Chang E C, Wang J. Asset prices under short-sale constraints[R]. Working Paper, Cambriolge: MIT, 2006.

[16]Chang E C, Cheng J W, Yu Y. Short-sales constraints and price discovery: Evidence from the Hong Kong market[J]. Journal of Finance, 2007, 62(5): 2097-2121.

[17]廖士光, 楊朝軍. 賣空交易機(jī)制、 波動(dòng)性和流動(dòng)性——一個(gè)基于香港股市的經(jīng)驗(yàn)研究[J]. 管理世界, 2005, (12): 6-13. Liao Shiguang, Yang Chaojun. The short selling mechanism, the market fluctuation, and the market fluidity[J]. Management World, 2005, (12): 6-13. (in Chinese)

[18]廖士光, 楊朝軍. 賣空交易機(jī)制對(duì)股價(jià)的影響——來自臺(tái)灣股市的經(jīng)驗(yàn)證據(jù)[J]. 金融研究, 2005, (10): 131-140. Liao Shiguang, Yang Chaojun. The impact of short-selling mechanism on stock price: Evidence from Taiwan stock market[J]. Journal of Financial Research, 2005, (10): 131-140. (in Chinese)

[19]Bohl M T, Essid B, Siklos P L. Do short selling restrictions destabilize stock markets? Lessons from Taiwan[J]. The Quarterly Review of Economics and Finance, 2012, 52(2): 198-206.

[20]Devaney M. Financial crisis, REIT short-sell restrictions and event induced volatility[J]. The Quarterly Review of Economics and Finance, 2012, 52(2): 219-226.

[21]Hansen B E. Autoregressive conditional density estimation[J]. International Economic Review, 1994, 35(3): 705-730.

[22]Harvey C R, Siddique A. Autoregressive conditional skewness[J]. Journal of Financial & Quantitative Analysis, 1999, 34(4): 465-487.

[23]Leon A, Rubio G, Serna G. Autoregressive conditional volatility, skewness and kurtosis[J]. The Quarterly Review of Economics and Finance, 2005, 45(4-5): 599-618.

[24]許啟發(fā), 張世英. 多元條件高階矩波動(dòng)性建模[J]. 系統(tǒng)工程學(xué)報(bào), 2007, 22(1): 1-8. Xu Qifa, Zhang Shiying. Multivariate conditional higher moments volatility modeling[J]. Journal of Systems Engineering, 2007, 22(1): 1-8. (in Chinese)

[25]王 鵬. 基于時(shí)變高階矩波動(dòng)模型的VaR與ES度量[J]. 管理科學(xué)學(xué)報(bào), 2013, 16(2): 33-45. Wang Peng. Calculating VaR and ES based on volatility models with time-varying higher-moments[J]. Journal of Management Sciences in China, 2013, 16(2): 33-45. (in Chinese)

[26]Nelson D B. Conditional heteroskedasticity in asset returns: A new approach[J]. Econometrica, 1991, 59(2): 347-370.

[27]Engle R F, Ng V K. Measuring and testing the impact of news on volatility[J]. Journal of Finance, 1993, 48(5): 1749-1778.

Margin trading and the stability of stock market: A dynamic perspective

LIUYe,FANGLi-bing*,LIDong-xin,LIXin-dan

School of Management and Engineering, Nanjing University, Nanjing 210093, China

A new model called Threshold Auto-Regressive Conditional Density model with exogenous shocks (abbreviated to be TARCD-X) is developed in the present work. The advantage of this model is that it accommodates all twelve relationships between the four types of information shocks and three indicators of market stability. Therefore, the model can be well employed to investigate the impact of margin trading on the stability of stock market from a dynamic perspective. The shocks include the increase and decrease of stock market price, and trading volume. The indicators of market stability involve volatility, the asymmetry of large up and down movements, and the frequency of large movements of the stock market. The empirical results documented that: (1) eleven of the twelve relationships do not worsen except for the decreasing of trading volume hasa larger effect on conditional volatility after the execution of margin trading; (2) the changes in the margin trading account, as a new information shock, do not increase the volatility or the frequency of large movements, but are significantly correlated to the asymmetry of large up or down movement. This evidence is beneficial to building early warning indicators to identify large movement of stock market.

margin trading; market stability; short sale; conditional density

2013-07-31；

2015-10-28.

國家自然科學(xué)基金重點(diǎn)資助項(xiàng)目(70932003)； 國家自然科學(xué)基金資助項(xiàng)目(71173098)； 國家自然科學(xué)基金青年資助項(xiàng)目(71203091； 71401071)； 教育部人文社會(huì)科學(xué)研究青年項(xiàng)目(14YJC790025)； 江蘇省自然科學(xué)基金青年資助項(xiàng)目(BK20130589).

方立兵(1980—)， 男， 安徽舒城人， 博士， 講師. Email： lbfang@nju.edu.cn

F830.91

A

1007-9807(2016)01-0102-15