融资融券对中国股市波动性影响的研究--基于沪市的实证分析

1、苏州大学本科生毕业设计(论文)目录中文摘要1ABSTRACT2前言3一、文献综述4（一）国外文献综述4（二）国内文献综述5二、中国融资融券概述7（一）融资融券的定义7（二）融资融券交易与普通证券交易的区别7（三）中国融资融券交易的发展历程7（四）中国融资融券交易发展中存在的问题71融资业务与融券业务发展严重失衡72融资融券交易市场发展规模小83融资融券业务杠杆效益下带来的问题84融资融券交易存在信息不对称问题85融资融券业务对应的法律法规不完善9三、融资融券交易对中国股市波动性影响的实证研究10以沪市为例10（一）数据的选取与处理10（二） 研究变量的平稳性检验10（三）选择VAR模型的滞后阶

2、数11（四）Granger因果检验15（五）脉冲响应分析15（六）方差分解分析17四、研究结论及政策建议18（一）研究结论18（二）相关政策建议181.加强对投资者的理性投资教育182.扩大标的证券范围183.加大融资融券发展规模194.完善市场信息披露制度195.加强风险控制与市场监管19参考文献21致谢23中文摘要融资交易是指证券公司向投资者借出资金供其购买证券的过程，融券交易是指证券公司向投资者借出证券然后投资者再卖出证券的过程，两者合称为融资融券交易，即两融交易，也称为证券信用交易。纵观国外发达的资本主义市场发展过程，两融交易能够促进股票市场的发展，其作用主要表现在稳定股票市场、增加股

3、票市场流动性等。我国于2010年3月31日正式开始实施两融交易，至今发展了不足十年，所以相对来说我国两融业务发展时间还是较短，仍然存在着许多问题。本文选取了我国自开展两融业务以来至2017年12月的沪市融资余额、融券余额以及上证综指收盘价的月度数据作为研究对象。本文通过运用VAR模型进行实证检验，研究分析得出两融交易对股票市场波动性影响的作用尚不明确。同时，本文还进一步分析了在我国证券市场上两融交易产生的问题，并提出了相关的政策建议。关键词：融资交易，融券交易，沪市 ，VAR模型，股市波动性ABSTRACTMargin purchase refers to the process by whi

4、ch securities companies provide investors with funds for the purchase of securities. Margin trading refers to the process by which investors first borrow securities from securities companies and then sell securities. They are collectively referred to as securities margin trading , also known as secu

5、rities credit trading.From the experience of developed capitalist markets in the world, it can be known that securities margin trading has a series of positive effects on the development of the securities market, such as stabilizing the market and increasing market liquidity. China officially began

6、to implement securities margin trading on March 31, 2010. It has only been less than a decade since then. Due to the short development period of Chinas securities margin trading, there are still a series of problems. This paper selects the monthly data of the margin financing balance, the securities

7、 lending balance and the closing price of the Shanghai Composite Index from March 2010 to December 2017 and uses VAR model to do empirical analysis. This analysis shows that securities margin trading has a certain inhibitory effect on stock market volatility. This paper also analyzes the problems of

8、 Chinas securities margin trading and proposes relevant policy recommendations.Key words: Margin Purchase ; Margin Trading ; Shanghai Stock Market ; VAR Model ; Stock Market Volatility前言中国进入证券市场起步较晚，历史也不算悠久，发展规模发展程度远落后于西方发达国家。2006年以前，基于我国金融市场发展不健全，相关法律法规不完善的现状，中国证券市场为了免遭做空带来的风险，并没有许可两融业务进入中国证券市场。直至2

9、010年3月31日，由于金融领域改革不断加强，监管条例不断完善，我国证券市场一直维持的“单边交易”状态终于结束，深交所与上交所开始开展两融业务的申报工作。但是，由于我国入市较晚，相关制度、认知也不成熟，所以，目前我国两融交易仍处于初级阶段。融资融券业务有利有弊。它的优势集中表现在以下五个方面：一是价格发现，投资者可以从价格反馈上获得更多与证券内在价值方面相关的信息；二是稳定市场，两次买卖如果方向相反，就能够减缓一定程度的证券价格波动性，从而稳定股票市场；三是增强流动性，证券供给量的上升能够带动市场交易量的上升；四是风险管理，改变“单边交易”现状，更好地降低市场风险；五是推动证券行业发展，促使证

10、券公司开展新的试点，能够进一步拓宽业务范围，增加盈利。可是，两融业务也存在着弊端，财务杠杆会引起巨大的风险。虽然我国的两融业务已经经过了七年的实践，国内外专家也对此进行了大量的研究，但是研究表明准确的结论目前为止还是无法得出。因此，我国仍然需要对这一问题展开研究，配以制度的调整来逐步完善我国的金融市场,促进经济的进步与发展。本文将研究对象主要设置为2016至2017年度沪市融资余额、融券余额和上证综指收盘价数据。研究方向则是通过构建VAR模型研究两融业务在上证综指波动性方面的影响来判定两融业务对中国证券市场的波动性影响。本文结构如下：第一部分是国内外文献综述；第二部分是研究分析我国两融交易的发

11、展现状与问题；第三部分是沪市进入两融市场开展业务对股市波动性影响的实证分析；第四部分是研究结论与相关政策建议。一、 文献综述随着两融交易机制在股票市场中发展日趋完善与成熟，国内外众多学者对两融交易机制进行了研究分析，分别形成了两融交易对股价波动起推动作用、抑制作用、无明显作用三种观点。（一）国外文献综述Conrad(1994) Conrad, J. The price of effect of option introduction J.Journal of Finance, 1994,44(6), 487-498.构建卖空交易模型进行研究发现股票价格受信息是否公开的影响，投资者获得额外的信息

12、后进行融券交易会迫使股价下跌；相反，如果投资者无法获取，价格波动受融券交易的影响更明显。Hong & Stein(2003) Hong, H& J. Stein. Differences of opinion, short-sales constraints, and market crashes J. Review of Financial Studies,2003,16(8):487-525.将研究重心置于约束卖空机制与股价下跌的关系，研究发现：如果卖空机制受到约束，这将使得利空信息无法及时有效的导入市场，因此日渐积累的负面信息可能会在某个特定时间爆发，而股价下跌时的爆发会进一步加剧市场的

13、下跌。Henry & McKenzie（2006） Henry, O. T. T., M. McKenzie. The impact of short selling on the price-volume relationship: Evidence from Hong Kong J. Journal of Business, 2006,79(7):123-141.研究了香港证券市场的波动性后发现融券交易机制的推出不仅会加强市场敏感性，也会加剧股票市场波动性。Anehada & Hazemoaouk（2003） Charoenrook,A&H.Daouk.The World Price of

14、 Short-SellingR.Working Paper,The Owen Graduate School of Management,Vanderbilt University,2003,38(9):1-49.研究对象选取的是23个有卖空机制的发达国家和地区的资本市场以及88个没有卖空机制的发展中国家和地区的资本市场的股票数据，发现股票价格波动在有卖空机制的资本市场中更小一些。Bris(2003) Bris,A&W.Goetzmann.Efficiency and the bear:Short sales and markets around the worldR.Working pape

15、r,Yale International Center for Finance,2003,42(8):79-99.将个股收益率标准差、市场收益率偏度、极端损失的出现频率等指标作为标准来研究两融交易对证券市场波动性的影响后发现实行融券交易可以减缓收益率的波动性，降低极端损失的发生频率。Angel（1997） James J Angel.Short selling on the NYSE R. 1997,16(6):1-99.通过选取纽约证券交易所144只股票数据为研究对象进行研究，得出结论如下：实行融券交易不会造成股价的上下波动，反而可以在一定程度上抑制股价波动，起到稳定股票市场的作用。Char

16、oenrook & Daouk（2005） Charoenrook A，Daouk H，A study of market-wide Short-selling RestrictionsR,SSRN Working Paper Series,Rochester,Mar.,2005,28(8):89-209.将研究对象设置为全球111个证券市场从1969年12月2002年12月的数据，研究以后他们总结出，解除限制，实行卖空交易不会造成证券市场的波动，反而会降低证券市场波动性。Kraus & Rubin（2003） Kraus, Alan, Amir Rubin. The Effect of Sh

17、ort Sale Constraint Removal on Volatility in the Presence of Heterogeneous BeliefsJ.International Reviews of Finance,2003,4(7):385-682.研究了一些存在卖空机制的证券市场，主要是为了探究卖空交易与股票价格波动性之间是否有关系，存在何种关系，为此，他们构建了一系列模型，得出以下结论：当卖空机制被证券市场所接受后，股票价格的波动性没有一定的波动方向，有增强也有减弱。Sigurdsson（2010） Sigurdsson. Short sales and speed o

18、f price adjustment: Evidence from the Hong Kong stock marketJ.Journal of Banking & Finance,2010,02(7):471-483.选取了26个国家，10000多只股票进行研究分析后得出以下结论：对融券交易施加限制，减少其交易次数并不会减少极端损失的出现，所以得出卖空交易对股票市场波动性没有太大的影响，但是减少融券交易的次数会导致股票的收益率明显正偏，这又表明卖空交易会加剧股票市场波动性，这是两个互相矛盾的结论，所以对于融券交易在股票市场波动性影响方面的正确结论还是无法得出。Diether et al.(2

19、009) KarIB. Diether, Kuan-Hui Lee, Ingrid M. Werner. Its SHO Time Short-Sale Price Testsand Market QualityJ. The Journal of Finance, 2009,1(8):37-73.将研究对象设置为纽约证券交易所和纳斯达克证券交易所上的股票数据，他们发现增加试验性股票的融券交易量不会对试验性股票的波动性及回报率产生任何影响。（二）国内文献综述蔡笑（2010） 蔡笑,田奎.融资融券对股市流动性影响的实证检验J.商业时代，2010,31(3):56-57.将研究重点置于两融业务与股票

20、市场波动性的关系上，分析数据主要来源于台湾地区1999年至2010年证券市场的股票数据，构建了GARCH模型和VAR模型后发现两融交易会加剧股票市场波动性。冯玉梅、陈璇和王亚男（2012） 冯玉梅,陈璇,王亚男.融资融券对标的股票价格变化影响的实证研究J.山东财政学院学报,2012,3(7):15-22.在探究两融业务在股市波动性方面的影响时运用面板回归的方法对71只股票的数据进行处理后发现：两融交易使证券市场的波动性加强。倪伟佳（2013） 倪伟佳.我国融资融券业务对股票波动性的影响分析基于TGARCH模型的长期研究J.中国证券期货.2013,07(7):79-109进行研究后认为，两融交易

21、量的增加会使证券市场更为波动，其表现如下：当股票市场低迷，卖空交易受到限制时，股票市场的利好消息会促使更多资金进入市场从而导致股市波动，而股票市场的利空消息则会迫使投资者抛售持有的股票，加剧证券市场的波动性。开昌平（2010） 开昌平.融资融券业务对我国证券市场的影响J.中国金融，2010,4(7):56-58.主要研究香港证券市场在两融业务推行前后恒生指数波动率的变化，得出以下结论：证券市场解除对两融交易进入市场的限制，降低了恒生指数波动性，换言之两融交易能够在一定程度上缓解或者抑制股市波动性。孙礼旭、朱春燕和杨小英 孙礼旭,朱春燕,杨小英.融资融券对标的股票波动性影响的实证研究J.兰州工业

22、学院学报,2016,1(8):96-100.（2016）主要通过进行ADF检验，Granger因果检验来进行研究，得出如下发现：取消股票市场上两融业务的准入限制会在一定程度上起到缓解股票市场波动性的作用。陈淼鑫和郑振龙（2008） 陈淼鑫，郑振龙.推出卖空机制对证券市场波动率的影响J.证券市场导报,2008,2(9):61-65. 的研究重心是融券交易进入证券市场是否会对股指收益率造成影响，选取了全球37个股票市场的交易数据进行回归分析后发现：取消卖空交易进入证券市场的限制会缓解股票市场的波动性，不会起到加剧股票市场波动性的反作用。胡华峰和刘艺璇（2012） 胡华峰，刘艺璇.融资融券与市场流动

23、性、波动性关系实证分析基于中国台湾证券市场的检验J.商业时代,2012,1(6):61-63. 将研究重心置于台湾地区股票市场上两融交易与股市波动性之间的关系，发现如下：两者之间不存在明显的因果关系。孔祥星（2014） 孔祥星.融资融券交易与 A 股市场波动相关性实证研究J.数学理论与应用，2014,2（5）：80-85.通过协整检验、Granger因果检验等方法对我国证券市场波动性的影响因素进行探究，得出以下发现：两融交易的实行与否与我国的证券市场波动性没有明确的关系。郑晓亚、闫慧和刘飞（2015） 郑晓亚,闫慧,刘飞.融资融券业务与我国股票市场长期波动性J.财经金融研究,2015,2(7)

24、：87-92选取了2005年至2014年的数据，建立了GARCH、EGARCH模型，得出以下结论：证券市场不会受到两融业务的明显影响。王旻、廖士光和吴淑琨（2008） 王旻，廖士光，吴淑琨，融资融券交易的市场冲击效应研究基于中国台湾证券市场的经验与启示J，财经研究，2008,10（8）：23-29在研究证券市场与两融业务的关系时选取台湾证券市场作为研究对象进行研究，得出的研究结论为：证券市场不会受到两融业务的明显影响。二、中国融资融券概述（一）融资融券的定义融资融券又叫做证券信用交易或保证金交易。它代表的是具有两融业务资格的证券公司要求投资者提供一定的担保物，然后提供投资者购买证券（融资交易）

25、的资金或者提供投资者证券进行卖出证券（融券交易），是一种新型的金融衍生工具。（二）融资融券交易与普通证券交易的区别投资者提交100%的金额是普通证券交易的要求，但两融交易只要求投资者交纳规定数额的保证金就能够进行交易。在投资者与证券公司的关系方面，普通证券交易中二者仅是委托买卖关系，而在两融交易中，二者不仅是委托买卖关系，还是借贷关系。在风险承担方面，普通证券交易中的所有风险均由投资者承担，证券公司不承担风险，而在两融交易中，不仅投资者需要承担风险，证券公司也需要承担一定风险。在信用账户方面，普通证券交易中的投资者可以随意转出资金或买卖证券，他们的交易行为没有限制，而两融交易中的投资者需要保证

26、他们的信用账户中一直有充足的担保物。由此可知，普通证券对投资者在资金、投资经验方面的要求都不是很高，而融资融券交易要求投资者具有一定的投资经验和足够的担保物。两融交易不仅能够促使金融市场多样化发展，而且，能够使股票市场更加完善。（三）中国融资融券交易的发展历程在国外成熟的资本市场上，两融业务已经发展地较为健全，其发展规模日趋壮大，成为了资本市场上不可或缺的一部分。1990年，我国证券市场建立，1990至2005年间，两融业务受到限制，不被市场所接受准入。随后，2006至2008年，两融业务处于试点准备阶段。2008年至2011年，两融业务处于启用阶段，2011年至今，融资融券业务平稳运行，并且

27、得到了较快发展。同时，两融业务的发展也促进了证券公司的健康发展。两融业务进入中国市场正式开展交易以后，我国的证券市场迎来了发展的“春天”，两融交易提供了双边交易的投资机会，引起了投资者较为浓厚的兴趣，以此推动了两融业务的发展。在截止至2017年12月26日，沪市融资融券余额为6075亿元，与2016年12月26日相比，增长了10.74%，与2010年3月31日相比，翻了10倍多。从2010年两融业务进入市场到现在，共经历了四次扩容。虽然融资融券交易呈成倍增长状态，可是迅速增长的过程中也表现出了许多问题。（四）中国融资融券交易发展中存在的问题1融资业务与融券业务发展严重失衡截止至2017年12月

28、26日，沪市融资余额为6037亿元，而融券余额仅为37.79亿元，融资业务约为融券业务的160倍，融资交易额占融资融券总交易额的99.38%。同时，2017年12月26日，在沪市上，融资个股有504只，而融券个股仅有286只，由此可见，融资业务处于绝对主导地位。然而纵观发达国家证券市场的发展历程，在发展成熟的两融交易市场中，融券交易额应占交易总额的20%至25%左右，然而我国沪市融券交易额占比不超过1%。这意味着我国的两融业务发展严重失衡，这与当初我国开放两融交易进入市场的最初目的相违背，并不能如计划打破传统证券交易市场中的单边交易模式，因此限制了融券卖空交易发挥其作用。2融资融券交易市场发展

29、规模小在发达国家成熟的证券市场中，两融交易的总额应当为整个证券交易总额的20%左右，然而截止至2017年12月26日，沪市融资融券余额为6075.68亿元，而沪市交易总市值为330994.93亿元，沪市融资融券规模仅占沪市交易总市值的1.84%。研究发现这在一定程度上是由于在两融市场上标的的股票数量较少。虽然我国自开展两融业务以来已经经历了四次标的股票扩容，可是，截止至2017年12月26日，沪市融资融券标的股票数量仅为524只，而沪市上市公司股票数量为1442只，融资融券的标的股票数量约仅占36%。然而，与国外成熟的证券市场相比较，如在日本，融资融券标的股票占比高达70%左右，而我国的台湾地

30、区更是高达97%以上。由此可知，我国与发达国家还相差甚远，而这种较小的不成熟的融资融券市场，一定会影响其发挥应有的作用。3融资融券业务杠杆效益下带来的问题不同于普通证券交易的高要求，在两融交易中，投资者只需交纳一定的保证金即可入市交易，且在整个投资过程中，保证金必须达到一定标准，如果在投资者发生亏损且无法在限定时间内缴纳足够保证金时，证券公司有权对投资者进行强行平仓，使投资者自己承担损失，但这并不能保证投资者仍有能力自行承担这一系列损失，这也就会导致由于投资者无法及时补交保证金而产生信用风险，随之而来会导致证券公司的财务风险、经营风险等一系列风险，进而导致市场风险。而我国证券市场为了降低这些风

31、险发生的概率，对两融交易的实行规定了较高的要求，提高了入市门槛。从某些程度上来讲，虽然这些措施会降低市场风险，维护投资者与证券公司的利益，从而促使证券市场稳健发展。但是，限制的增多严重影响了股票市场的流动性，将一大批有购买融资融券意愿的投资者拦在股市之外，严重阻碍了两融交易发挥作用。4融资融券交易存在信息不对称问题交易双方获得的信息在现实市场中是无法做到完全对称的，因此掌握信息更多的那一方就会利用信息优势进行交易来获得更多的利益，这样就会损害掌握信息少的那一方的利益，使得资源也无法进行最优化分配，从而在一定程度上导致市场失灵。这样的问题也存在于两融交易中。由于我国证券市场发展还不是特别成熟，相

32、应的制度与规范也没有达到最合理的要求，因此，每一个交易者掌握的有关两融交易的信息都是不对称的，从而，不排除有一部分群体之间存在内幕交易、关联交易等不合法的交易行为，进而，严重影响证券市场的公开、公正、公平性。同时，因为两融交易具有杠杆性，这也会进一步放大信息不对称所带来的风险。5融资融券业务对应的法律法规不完善因为两融业务高风险与高收益同在，所以必须要有合理的法律法规和规章制度。然而，我国的两融业务发展历程较短，从2010年3月31日证实试点实施至今，才经过了七年。所以，在相应的法律法规制定方面仍处于摸索阶段，适合我国融资融券交易市场特点的法律法规制度仍然不是十分完善，相关的监督体系也发展得不

33、够到位，这使得两融交易中出现的风险并不能有效规避。法律制度的不完善会导致有些违法行为不能受到合理的约束，这也进一步阻碍了我国融资融券市场的健康发展。三、融资融券交易对中国股市波动性影响的实证研究以沪市为例本文的研究对象为我国2010年至2017年沪市融资余额、融券余额以及上证综指收盘价的数据，本文的研究思路首先是运用线性回归模型分析上证综指收盘价与两融余额的关系，然后再运用VAR模型探究两融交易与我国股市之间的关系即探究两融交易入市是否会对我国股票市场波动性产生影响及有何影响。（一）数据的选取与处理本文的研究数据主要选取了东方财富网数据库中的上证综指收盘价和沪市融资融券余额，样本的选取范围为2

34、010年3月31日至2017年12月29日的月平均值。其中变量选取如下表1：表1 变量选取表变量变量符号变量含义融资余额RZt上海证券交易所月平均融资余额融券余额RQt上海证券交易所月平均融券余额股市波动性Zt上证综指月平均值取对数后差分的数值（二） 研究变量的平稳性检验在分析融资融券交易对市场波动性的影响前，首要前提是保证数据平稳,因此需要对RZ，RQ和Z进行平稳性检验。下图1分别为RZ，RQ与Z的趋势图： 图1 RZ趋势图、RQ趋势图、Z趋势图（依次从左至右）数据来源：东方财富数据网根据趋势图，采用ADF检验法对RZ、RQ、Z序列进行了检验,结果如下表2：表2 单位根检验结果序列ADF值P

35、值1% level5% level10%level结论Z-12.818380.0000-3.443892-2.867405-2.569956平稳*RZ-7.1569480.0000-3.443748-2.867342-2.569922平稳*RQ-29.556210.0000-3.443635-2.867292-2.569896平稳*注：*表示在1%临界值下平稳数据来源：东方财富数据网（三）选择VAR模型的滞后阶数在运用VAR模型进行实证分析时，首先需要选择合理的滞后阶数，而合理的标准体现在：一，需要有足够大的模型滞后阶数，才能够体现出VAR模型的动态性特征，二，滞后阶数的选择需要考虑模型的自由

36、度问题，滞后阶数过大会影响模型的自由度，因此在建模时选择合理的滞后阶数需要考虑上述两个方面的问题。对股市波动性（Z）、融资余额（RZ）和融券余额（RQ）VAR模型的滞后阶数进行检验，Eviews中的检验结果如下表3所示，每一个判断准则的最优滞后阶数用“”号表示。表3 VAR模型的滞后阶数检验LagLogLLRFPEAICSCHQ0-169.0737NA0.0210054.6506404.7440484.6879011143.9096592.13065.68e-06-3.565125-3.191493-3.4160792174.155154.768743.20e-06-4.139326-3.48

37、5470*-3.878495*3180.438610.868873.46e-06-4.065909-3.131828-3.6932934184.08856.0173264.02e-06-3.921310-2.707006-3.4369095193.462014.693564.02e-06-3.931404-2.436876-3.3352186201.849912.468494.15e-06-3.914861-2.140108-3.2068907223.565030.51865*3.00e-06*-4.258515*-2.203538-3.438759注：* indicates lag orde

38、r selected by the criteriomLR:sequential modified LR test statistic(each test at 5% level)FPE:Final prediction errorAIC:Akaike information criterionSC:Schwarz information criterionHQ:Hannan-Quinn information criterion数据来源：东方财富数据网由上表3结果可知，在5%的显著性水平下五个指标值显示建立VAR模型的最优滞后阶数为7阶，所以可以确定VAR模型的滞后阶数为7阶，股市波动性（Z

39、）、融资余额（RZ）和融券余额（RQ）的VAR模型的估计结果为下表4所示。表4 股市波动性（Z）、融资余额（RZ）和融券余额（RQ）的VAR模型的估计结果 ZRZRQZ(-1)1.0294630.297995-1.069322(0.27980)(0.38533)(1.06126)3.679310.77336-1.00760Z(-2)-0.492377-0.832878-0.059529(0.39335)(0.54171)(1.49196)-1.25175-1.53750-0.03990Z(-3)0.5064640.3110242.255739(0.37655)(0.51857)(1.42823

40、)1.345010.599771.57939Z(-4)0.2916170.687513-1.936287(0.35707)(0.49174)(1.35434)0.816701.39812-1.42969Z(-5)-0.237416-0.2000150.790081(0.32379)(0.44591)(1.22812)-0.73324-0.448550.64333Z(-6)-0.262270-0.9159991.040922(0.29084)(0.40053)(1.10312)-0.90178-2.286990.94362Z(-7)-0.0465490.418783-1.559017(0.152

41、02)(0.20936)(0.57661)-0.306202.00031-2.70375RZ(-1)0.0118381.1393870.158569(0.16518)(0.22749)(0.62654)0.071675.008610.25309RZ(-2)0.1887120.2676200.286008(0.24430)(0.33644)(0.92662)0.772460.795440.30866RZ(-3)-0.458424-0.550468-1.455550(0.22885)(0.31517)(0.86803)-2.00314-1.74659-1.67685RZ(-4)0.105640-0

42、.3157041.630721(0.22916)(0.31558)(0.86917)0.46100-1.000381.87617RZ(-5)0.1719610.468050-0.743520(0.21656)(0.29824)(0.82141)0.794051.56937-0.90518RZ(-6)0.1403560.272114-0.300313(0.19678)(0.27099)(0.74636)0.713281.00414-0.40237RZ(-7)-0.139644-0.2947540.431811(0.08497)(0.11702)(0.32229)-1.64344-2.518871

43、.33982RQ(-1)0.0475640.0540441.209082(0.04335)(0.05970)(0.16443)1.097180.905247.35321RQ(-2)0.0188760.040795-0.251221(0.06120)(0.08428)(0.23214)0.308420.48401-1.08222RQ(-3)-0.090680-0.135266-0.178551(0.05710)(0.07864)(0.21658)-1.58810-1.72017-0.82443RQ(-4)0.0429750.0326710.228177(0.05727)(0.07886)(0.2

44、1720)0.750460.414271.05052RQ(-5)-0.0022090.0485690.047695(0.05545)(0.07636)(0.21032)-0.039830.636030.22678RQ(-6)-0.0295370.009068-0.463420(0.05172)(0.07123)(0.19619)-0.571050.12731-2.36215RQ(-7)-0.003511-0.0536610.279450(0.03305)(0.04552)(0.12536)-0.10622-1.178942.22918C0.0123000.0180730.051208(0.01

45、376)(0.01895)(0.05220)0.893670.953530.98095R-squared0.9338020.9808490.948715Adj.R-squared0.9070680.9731150.928003Sum sq.resids0.3337900.6330574.802042S.E.equation0.0801190.1103370.303886F-statistic34.92949126.822045.80636Log likelihood94.8469871.16519-3.805573Akaike AIC-1.968837-1.3287890.697448Schw

46、arz SC-1.283845-0.6437971.382440Mean dependent0.0265630.6055480.707673S.D.dependent0.2628160.6729211.132543注：Determinant resid covariance (dof adj.) 1.37E-06Determinant resid covariance 4.77E-07Log likelihood 223.5650Akaike information criterion -4.258515Schwarz criterion -2.203538数据来源：东方财富数据网运用VAR模

47、型分析时间序列首先必须要保证VAR模型的稳定性，那么就需要对VAR模型滞后结构进行检验，检验规则如下：若AR根检验中模型的特征根均在单位圆内（AR根的数值小于1），则VAR模型是稳定的，否则模型是不稳定的。 股市波动性（Z）、融资余额（RZ）和融券余额（RQ）VAR模型的特征根如图2所示：图2 VAR模型特征根图数据来源：东方财富数据网由上图2可知，股市波动性（Z）、融资余额（RZ）和融券余额（RQ）的VAR模型的特征根均在单位圆内，因此VAR（7）模型是稳定的。（四）Granger因果检验Granger因果关系检验是用来判定一个经济变量的变化是否为另一个经济变量变化的原因的主要根据。首先，我

48、们需要判断融资融券与股价波动性之间是否存在因果关系，因此，进行Granger因果关系检验是十分必要的。由表5可知，Z、RZ、RQ在1%的显著性水平上均显著表明他们都是平稳序列。表5 三个变量Granger因果检验结果Null HypothesisF-StatisticProb.结论RZ does not Granger Cause Z9.436110.0001拒绝原假设RQ does not Granger Cause Z0.279190.7565接受原假设Z does not Granger Cause RZ6.142650.0023拒绝原假设Z does not Granger Cause

49、 RQ2.584930.0765拒绝原假设RZ does not Granger Cause RQ3.011830.0501拒绝原假设RQ does not Granger Cause RZ15.07404.E-07拒绝原假设数据来源：东方财富数据网由上表5可知，融资余额不是股价波动的Granger原因的原假设被拒绝，同时，股价波动不是融资余额的Granger原因的原假设也被拒绝，这表明，两者之间存在着双向因果关系。另外，融券余额不是股价波动性的Granger原因的原假设被接受，然而股价波动性不是融券余额的格兰杰原因的原假设被拒绝，这表明，融券余额不是股价波动性的Granger原因，但是股价波

50、动性可以影响融券。（五）脉冲响应分析VAR模型虽然能够很好的拟合经济系統的动态性,且预测较为准确,但并不能够很好地解释变量之间的动态关系。在运用VAR模型进行实证分析的过程中,由于VAR模型不参考经济理论作为其分析的依据,并且其没有对变量进行先验性的假设约束，只对数据关系进行了分析,所以对VAR模型单个参数估计值作出经济解释是很难实现的,因此需要运用脉冲响应和方差分解这两种方法在VAR模型中分析变量之间存在的关系，而不是简单的分析两个变量之间的影响关系。脉冲响应函数(impulse response function, IRF)在VAR模型中的应用指的是在VAR模型中给一个系统变量一个指定大小

51、的冲击来观察其他的系统变量当期值和未来值的变化的因果分析方法。下图3为股市波动性（Z）、融资余额（RZ）和融券余额（RQ）的VAR模型的脉冲相应函数，其中以股市波动性（Z）、融资余额（RZ）和融券余额（RQ）为冲击变量，股市波动性（Z）为响应变量。从图中可以看出,融资余额对股市波动性的影响从短期来看是具有促进作用的， 但是从中期来看，融资余额对股市波动性是起抑制作用的，从长期来看，融资余额对股市波动性整体上有促进作用，但影响不大。融券余额对股市波动性的影响，从中期来看，是起促进作用的，但是从长期来看，对股市波动性的影响在整体上还是起抑制作用的，但影响不大。图3脉冲响应函数数据来源：东方财富数据

52、网（六）方差分解分析方差分解(Variance Decomposition)是用来在VAR模型中研究一个结构冲击对系统变量变化所产生的贡献度的一种方法,以此来分析不同的结构冲击的重要程度，即在本文中是用来分析融资余额及融券余额对股票市场波动性的贡献度及市场波动性对其自身变动的贡献度。股市波动性（Z）、融资余额（RZ）和融券余额（RQ）的VAR模型的方差分解结果如下表6所示：表6 VAR模型方差分解结果PeriodS.E.ZRZRQ10.080119100.00000.0000000.00000020.12316199.220330.0152720.76439630.15330795.74324

53、0.3019943.95476640.16645494.262900.2901995.44690450.18052993.357651.0395875.60276060.19658092.892961.8820065.22503670.20904993.152041.7472665.10069480.21617293.370091.6344784.99543690.21835193.496301.6061504.897550100.21933393.205001.5953205.199680110.22074592.084191.5818446.333967120.22276990.42326

54、1.6605907.916148130.22587988.538281.9056499.556074140.23092086.493812.28764311.21854150.23740284.437362.65738512.90526160.24404282.486073.11508314.39884170.25012180.807303.78322015.40948180.25566079.465584.61066015.92376190.26044078.450605.41653316.13287200.26414277.707216.10930116.18349数据来源：东方财富数据网数据来源：东方财富数据网数