李萌

(興業(yè)基金管理有限公司，上海,200003)

自我國股票市場引入融資融券交易機制以來,融券賣空交易機制對股票價格穩(wěn)定性的影響便成為監(jiān)管界與學術(shù)界關(guān)注的重點。在2015年我國股票市場發(fā)生異常波動后(1)自2014年7月開始,我國股票市場出現(xiàn)一輪上漲行情,股市過快上漲使市場風險不斷累積,當一致預(yù)期轉(zhuǎn)變時,市場出現(xiàn)快速下跌。在2015年6月15日至7月8日的17個交易日內(nèi),上證綜指和深證成指分別下跌32%和39%。同時,自2015年6月中旬的3個月內(nèi),出現(xiàn)16次千股跌停,股票市場發(fā)生了罕見的異常波動。,為防范系統(tǒng)性風險,監(jiān)管部門加強對賣空交易的監(jiān)管,出臺融券賣出由T+0改為T+1等規(guī)定,逐步加大對融券業(yè)務(wù)的監(jiān)管力度。2020年以來,受2019冠狀病毒病疫情與原油價格沖擊的影響,我國股票市場發(fā)生大幅震蕩,融券賣空交易也相應(yīng)進一步活躍化,融券交易余額占融資融券余額的比重由年初的1%左右顯著提升至接近2%。鑒于此,有必要進一步評估融券賣空交易對股票市場波動的影響。

本文采用有向無環(huán)圖(DAG)以及基于SVAR模型的脈沖響應(yīng)分析技術(shù),實證分析了融券賣空交易與股票市場流動性、波動性之間的動態(tài)關(guān)系,并發(fā)現(xiàn)融券賣空交易會促使市場流動性增加,并有助于降低市場波動。

1 文獻回顧

從現(xiàn)有相關(guān)文獻來看,融券賣空交易對股票市場流動性和波動性的影響是研究的重點。一方面,針對融券賣空交易對市場流動性的影響研究而言,現(xiàn)有研究的主流觀點認為賣空交易有利于提高標的資產(chǎn)和市場整體的流動性。比如,BEBER和PAGANO[1]基于全球多數(shù)證券監(jiān)管機構(gòu)在2008年金融危機期間的賣空限制研究表明,賣空限制不利于市場尤其是不利于中小盤股票的流動性。RANDALL和DICKINSON[2]基于賣空交易與股價之間的關(guān)系研究發(fā)現(xiàn),賣空機制會為股票市場提供流動性。另一方面,針對融券賣空交易對市場波動和穩(wěn)定性的影響研究而言,現(xiàn)有文獻的研究成果存在一定分歧。其中,李志生等[3]基于中國融資融券市場的自然實驗研究表明,融券交易有效提高了我國股票市場價格的穩(wěn)定性。肖浩與孔愛國[4]發(fā)現(xiàn)融資融券降低了標的股票價格的特質(zhì)性波動。與上述研究結(jié)論不同,也有一些學者發(fā)現(xiàn)由于融券賣空機制的存在,會導致股票價格發(fā)生過度波動。比如,廖士光與楊朝軍[5]利用香港股票市場的數(shù)據(jù)研究表明,對于整個股票市場而言,賣空機制推出后,市場波動性加大。巴曙松與朱虹[6]認為融資融券交易對投資者情緒及市場波動具有強化效應(yīng)。

2 實證方法與樣本數(shù)據(jù)

2.1 SVAR模型

結(jié)構(gòu)VAR模型(structural VAR,SVAR)通過施加短期約束,將變量的當期關(guān)系納入傳統(tǒng)VAR模型中,克服了傳統(tǒng)VAR模型難以估計變量間當前相關(guān)關(guān)系的缺陷[7-8]。以m個變量的p階結(jié)構(gòu)向量自回歸模型SVAR(p)為例,其一般矩陣形式可表示為

(1)

2.2 有向無環(huán)圖分析方法(DAG)

正確設(shè)定變量之間的同期因果關(guān)系,即如何有效矩陣形式模型公式中的識別矩陣C0,是關(guān)系SVAR模型估計效果的關(guān)鍵。與利用先驗信息或相關(guān)經(jīng)濟理論所形成的主觀判斷對矩陣進行識別的方法相比,有向無環(huán)圖(directed acyclic graphs,DAG)分析方法有效避免了主觀判斷對模型估計有效性的不利影響。

有向無環(huán)圖(DAG)分析方法借助殘差的方差-協(xié)方差矩陣,對數(shù)據(jù)層面上具有相關(guān)關(guān)系的變量指定因果流,以刻畫變量間的同期因果關(guān)系。對于變量A和變量B,兩者之間的關(guān)系存在5種情形:(1)A→B,即存在由A變化導致B變化的單向關(guān)系；(2)A←B,即存在由B變化導致A變化的單向關(guān)系；(3)A?B,即存在兩變量相互作用的雙向關(guān)系；(4)A—B,即雖然兩變量間存在因果關(guān)系,但指向并不明確；(5)A—B,即兩變量相互獨立[9-11]。

采用PC算法可以構(gòu)建有向無環(huán)圖,該算法從完全無向圖開始,經(jīng)過2個步驟明確變量間的同期因果關(guān)系。第一步是去邊。首先檢驗每對變量的0階偏相關(guān)系數(shù)(即無條件相關(guān)系數(shù))是否顯著,并移去不顯著變量間的無向邊；然后對未移去無向邊所對應(yīng)的變量,檢驗其1階偏相關(guān)系數(shù)是否顯著,將不顯著變量間的無向邊移去；檢驗2階偏相關(guān)系數(shù)時,以此類推。第二步是定向。去邊完成后,按照如下規(guī)則對保留下來的無向邊設(shè)定指向:考慮A—B—C,在該鏈條下A與B相鄰,B與C相鄰,A與C不相鄰。如果B不屬于A與C的隔離集(2)隔離集是導致兩變量間無向邊被移去的條件變量所組成的集合。,則三者之間的同期因果關(guān)系為A→B←C。

2.3 樣本數(shù)據(jù)

本文以在上海證券交易所上市交易的股票為研究對象,分別采用融券交易余額、上證綜合指數(shù)換手率和過去60個交易日移動窗口內(nèi)上證綜合指數(shù)日收益率的標準差來度量融券賣空交易規(guī)模、市場流動性和波動性水平。數(shù)據(jù)來源于WIND資訊金融數(shù)據(jù)庫。本文將樣本區(qū)間設(shè)定在2014年至2020年3月末。

為減少異方差和保證數(shù)據(jù)平穩(wěn)性,本文對融券交易余額進行對數(shù)差分處理,對上證綜合指數(shù)日收益標準差進行標準化處理,得到日收益率的變異系數(shù)(也稱標準差率)。融券賣空交易規(guī)模、市場流動性和波動性水平分別用SHORT，TURNOVER和VOL來表示。

3 實證結(jié)果分析

3.1 變量平穩(wěn)性檢驗

本文采用ADF方法對所有變量進行單位根檢驗。由檢驗結(jié)果可以看出,各變量均在1%的顯著性水平下拒絕“存在單位根”假設(shè),即模型中各變量均具有平穩(wěn)性，見表1。

表1 單位根檢驗結(jié)果

3.2 同期因果關(guān)系DAG分析及SVAR識別

本文建立了2階VAR模型,并得到殘差的相關(guān)系數(shù)矩陣r如下:

SHORT TURNOVER VOL

(2)

基于上述殘差相關(guān)系數(shù)矩陣,本文采用有向無環(huán)圖分析方法來研究融券賣空交易(SHORT)、流動性(TURNOVER)和波動性(VOL)之間的同期因果關(guān)系。首先,用無向邊將3個變量中任意2個變量連接起來,形成完全無向圖(如圖1所示)；然后,借助TETRADⅢ軟件對殘差相關(guān)系數(shù)矩陣進行分析,明確完全無向圖中無向邊的存在性和指向性。本文采用5%的顯著性水平。

圖1 完全無向圖

具體來說,在無條件相關(guān)系數(shù)中,融券賣空交易(SHORT)和波動性(VOL)的相關(guān)系數(shù)為0.003 6,其p為0.890 4,因而在5%的顯著性水平下,SHORT與VOL擾動項之間同期獨立。據(jù)此,可以移去SHORT與VOL之間的無向邊。在去邊階段完成后,完全無向圖中保留下來的同期因果關(guān)系表示為SHORT-TURNOVER-VOL。

進一步地,由于以TURNOVER擾動項為條件變量時SHORT與VOL間偏相關(guān)系數(shù)的p小于5%,因而可以斷定在5%的顯著性水平下,TURNOVER不屬于SHORT與VOL的隔離集。根據(jù)定向原則,上述系統(tǒng)變量之間的同期因果關(guān)系應(yīng)為SHORT→TURNOVER←VOL，如圖2所示,即存在由融券賣空交易到市場流動性、市場波動性到流動性的同期因果關(guān)系。也就是說,融券賣空交易、市場波動均會在當期內(nèi)對市場流動性產(chǎn)生影響。

圖2 5%顯著性水平下的有向無環(huán)圖

基于上述DAG結(jié)果,本文對矩陣M和N施加如下結(jié)構(gòu)約束,以建立SVAR模型:

(3)

其中,矩陣M的對角線元素均為1,在非對角線元素中,除同期因果關(guān)系所對應(yīng)的元素(M21和M23)外均施加0約束；矩陣N的非對角線元素均施加0約束(3)*表示未定的待估計參數(shù)。。從SVAR模型的估計結(jié)果，如表2所示，可以看出,所有參數(shù)估計值對應(yīng)的p均小于5%,即在5%的顯著性水平下,參數(shù)估計具有顯著性。

表2 SVAR模型參數(shù)估計結(jié)果

另外,Sims似然比檢驗可用于判別DAG分析結(jié)果的合理性。根據(jù)檢驗結(jié)果,LR統(tǒng)計量為0.019 4,其對應(yīng)p為0.89,在1%的顯著性水平下無法拒絕“過度識別約束為真”的原假設(shè)。因而由DAG分析所捕捉的同期因果關(guān)系以及進一步的SVAR模型識別是合理而有效的,可以對SVAR模型進行脈沖響應(yīng)分析和預(yù)測誤差方差分解，以深入分析融券賣空交易、市場流動性和波動性之間的動態(tài)關(guān)系。

3.3 基于DAG分析的脈沖響應(yīng)分析

基于有向無環(huán)圖所刻畫的變量間的同期因果關(guān)系,本文識別并建立了SVAR模型。進一步地,為了揭示融券賣空交易沖擊對市場流動性和波動性的影響,本文進行了脈沖響應(yīng)分析,結(jié)果如圖3和圖4所示。

圖3 融券賣空交易對市場流動性的脈沖響應(yīng)函數(shù)

圖4 融券賣空交易對市場波動性的脈沖響應(yīng)函數(shù)

根據(jù)脈沖響應(yīng)分析結(jié)果,當融券賣空交易規(guī)模出現(xiàn)暫時性增長時,一方面,市場換手率自當期明顯上升,并在第1個預(yù)測期進一步上升,并自第2個預(yù)測期開始逐步回歸至均衡水平，如圖3所示。另一方面,融券賣空交易擴張在當期并不會影響市場波動性,并自第1個預(yù)測期開始導致市場波動率下降,該負面沖擊力度會在第2個預(yù)測期進一步加大,并于3個預(yù)測期快速減弱至均衡水平。

總體上,從融券賣空交易對系統(tǒng)內(nèi)變量的脈沖響應(yīng)函數(shù)可以看出,融券賣空交易會促使市場流動性增加,并有助于降低市場波動。從作用機制上看,融券交易的上述作用效果主要源于這種賣空機制能夠使投資者通過信用交易參與市場,形成雙向交易的市場格局。具體來說,一方面,在賣空交易機制下,看跌投資者可以向符合條件的證券公司借入股票并賣出,而不受須持有該股票才能賣出的約束,增加了股票的供給彈性,這不僅有助于提高交易頻率,增加市場流動性,而且避免了單邊做多情形下股票供不應(yīng)求而出現(xiàn)巨幅震蕩的局面。另一方面,如果股票市場限制融券賣空,做空者無法進入市場,股價更多地反映做多者的觀點,這往往導致股價被高估[12]。融券交易使做空者的觀點在股價中得到充分反映,促使股價向其內(nèi)在價值收斂。融券交易在提高市場定價效率的同時,避免了證券價格過度偏離其內(nèi)在價值而埋下市場暴漲暴跌的隱患。此外,融券交易為投資者提供了規(guī)避市場風險的手段,幫助投資者在一定程度上規(guī)避證券價格下跌的風險,避免了市場下跌時投資者集中拋售股票。

4 結(jié)論與建議

本文采用有向無環(huán)圖(DAG)及結(jié)構(gòu)SVAR模型實證考察了我國股票市場融券賣空交易對市場流動性和市場波動性的影響。DAG分析結(jié)果表明,融券賣空交易會在當期內(nèi)對市場流動性產(chǎn)生影響。從基于DAG的脈沖響應(yīng)分析結(jié)果可以看出,融券賣空交易會促使市場流動性增加[13],并有助于降低市場波動。

從我國融資融券業(yè)務(wù)的發(fā)展狀況來看,融資融券存在結(jié)構(gòu)性失衡,融券業(yè)務(wù)規(guī)模過低,盡管融券余額占兩融余額的比例自2020年以來有所提升,但該比例仍不超過2%,這導致融券交易平抑市場波動的功能難以有效發(fā)揮。這是因為受券源供給不足、融券成本較高等因素影響,投資者融入股票的數(shù)量受到限制。相反,當股票市場處于上漲行情階段時,場內(nèi)融資和場外配資規(guī)模急速膨脹,杠桿水平不斷加大,多空力量的嚴重失衡進一步弱化了融券交易對市場波動的平抑作用。

因此,為促進股票市場流動性增加并降低市場波動程度,建議監(jiān)管部門以完善融券交易制度設(shè)計為核心,緩解融資融券業(yè)務(wù)失衡現(xiàn)狀。一方面,降低融券成本,拓寬融券渠道,繼續(xù)推動轉(zhuǎn)融券業(yè)務(wù)的發(fā)展,促使融資融券結(jié)構(gòu)性失衡現(xiàn)狀得到緩解,使融券交易增加市場流動性、平抑市場波動的功能得到有效發(fā)揮。另一方面,應(yīng)完善融券交易申報制度,警惕投機性賣空力量破壞股票市場的穩(wěn)健運行。在推動融券業(yè)務(wù)發(fā)展的同時,應(yīng)注意防范投機者借此做空股票市場。為此,應(yīng)加強對融券交易行為的監(jiān)控,通過完善融券交易申報管理及時跟蹤并監(jiān)管大額賣空交易,預(yù)防市場操縱行為的發(fā)生。