融资融券业务对我国A股市场波动性影响的多维度实证剖析

融资融券业务对我国A股市场波动性影响的多维度实证剖析一、引言1.1研究背景与意义在全球金融市场不断发展和完善的大背景下，融资融券业务作为一种重要的信用交易方式，在各国证券市场中扮演着日益关键的角色。我国融资融券业务自2010年3月31日正式启动试点以来，历经多次标的证券扩容和制度完善，逐渐步入常态化发展阶段。随着市场的逐步成熟和投资者参与度的不断提高，融资融券业务在我国A股市场的影响力也日益显著。截至2024年末，市场融资融券余额18645.83亿元，较上年末增长12.9%，其中融资余额18541.45亿元，较上年末增长17.4%，融券余额104.38亿元，较上年末下降85.4%。这一数据不仅反映了融资融券业务规模的持续扩大，也凸显了其在我国证券市场中的重要地位。融资融券业务的开展，从根本上改变了我国A股市场以往单边市的格局，引入了做空机制，使投资者能够在市场下跌时也有获利的机会，极大地丰富了投资策略和交易方式。这种机制的引入，理论上可以通过增加市场的供给和需求弹性，平抑市场波动，提高市场的稳定性。在市场上涨阶段，融券卖空机制可以增加股票的供给，抑制股价的过度上涨；而在市场下跌阶段，融资买入机制则可以增加股票的需求，缓解股价的过度下跌。然而，现实中的金融市场是一个复杂的系统，受到多种因素的综合影响，融资融券业务对A股市场波动性的实际影响并非如此简单直接。近年来，随着我国A股市场的快速发展和融资融券业务规模的不断扩大，融资融券交易与市场波动性之间的关系愈发受到学术界和市场参与者的广泛关注。不同的学者基于不同的研究方法和样本数据，得出的结论也不尽相同。部分学者认为，融资融券业务通过引入多空双向交易机制，增强了市场的自我调节能力，有助于降低市场波动性，起到稳定市场的作用；另一些学者则指出，融资融券交易的杠杆效应可能会放大投资者的非理性行为，加剧市场波动，增加市场风险。由于我国金融市场仍处于不断完善和发展的阶段，市场环境和投资者结构与成熟市场存在一定差异，融资融券业务在我国A股市场的实际运行效果及其对市场波动性的影响仍有待进一步深入研究。深入探究融资融券业务对我国A股市场波动性的影响，具有重要的理论和现实意义。从理论层面来看，通过对融资融券业务与市场波动性之间关系的实证研究，可以进一步丰富和完善金融市场理论，为后续相关研究提供更为坚实的理论基础和实证依据。融资融券业务作为金融市场中的重要创新，其对市场波动性的影响涉及到市场微观结构理论、行为金融学等多个领域，深入研究这一问题有助于加深对金融市场运行机制的理解。从现实意义角度出发，对于市场参与者而言，准确把握融资融券业务对市场波动性的影响，能够帮助投资者更好地理解市场动态，制定更为科学合理的投资策略，有效管理投资风险。在融资融券业务环境下，投资者需要充分考虑市场波动性的变化对投资组合的影响，合理运用融资融券工具，实现资产的保值增值。对于证券公司等金融机构来说，了解融资融券业务对市场波动性的影响，有助于优化业务布局，提升风险管理水平，确保业务的稳健发展。在开展融资融券业务时，金融机构需要根据市场波动性的变化，合理调整保证金比例、授信额度等风险控制指标，防范潜在的风险。对于监管部门来说，研究融资融券业务对市场波动性的影响，能够为制定科学有效的监管政策提供有力的决策依据，维护金融市场的稳定健康发展。监管部门可以根据融资融券业务对市场波动性的影响程度，适时调整监管政策，加强对融资融券业务的监管力度，防范市场风险的过度积累，促进市场的平稳运行。监管部门可以通过调整融资融券标的证券范围、保证金比例等措施，引导市场合理运行，降低市场波动性。融资融券业务对我国A股市场波动性的影响研究，对于促进我国金融市场的健康发展、提高市场效率、保护投资者利益具有重要的现实意义。1.2研究方法与创新点为深入探究融资融券业务对我国A股市场波动性的影响，本研究综合运用多种研究方法，力求全面、准确地揭示两者之间的内在关系。本研究采用时间序列分析方法，对融资融券交易数据和A股市场波动性相关指标进行处理和分析。时间序列分析能够有效捕捉数据随时间变化的规律和趋势，通过对历史数据的建模和预测，为研究融资融券业务与市场波动性的动态关系提供有力支持。利用自回归移动平均模型（ARIMA）等时间序列模型，对融资融券余额、市场指数收益率等时间序列数据进行建模，分析其平稳性、自相关性等特征，从而深入了解融资融券业务和市场波动性在时间维度上的变化规律。向量自回归（VAR）模型被用于分析融资融券交易与A股市场波动性之间的相互作用关系。VAR模型是一种基于数据驱动的多变量时间序列分析方法，它将系统中每个内生变量作为所有内生变量滞后值的函数进行建模，能够有效处理多个变量之间的复杂关系，避免了传统联立方程模型中需要对变量进行外生和内生划分的主观性。通过构建VAR模型，可以直观地观察到融资融券交易的变动如何影响市场波动性，以及市场波动性的变化对融资融券交易的反馈作用。运用脉冲响应函数和方差分解技术，进一步分析融资融券交易和市场波动性之间的动态响应过程和贡献度，明确两者之间的因果关系和影响程度。考虑到金融时间序列数据通常具有异方差性，即方差随时间变化而变化，本研究采用GARCH族模型对市场波动性进行刻画和分析。GARCH族模型能够有效地捕捉金融时间序列的波动聚集性和持续性特征，通过对条件方差的建模，可以更准确地描述市场波动性的动态变化。使用GARCH(1,1)模型来估计市场收益率的条件方差，以衡量市场波动性的大小；运用EGARCH模型来分析融资融券业务对市场波动性的非对称影响，即市场上涨和下跌阶段融资融券交易对波动性的不同作用效果。在样本选取方面，本研究扩大了数据的时间跨度和样本范围。不仅涵盖了融资融券业务试点初期的数据，还纳入了近年来市场发展较为成熟阶段的数据，以更全面地反映融资融券业务在不同市场环境下对波动性的影响。同时，选取了更具代表性的市场指数和多只融资融券标的股票作为研究对象，增强了研究结果的普适性和可靠性。在模型构建过程中，充分考虑了多种可能影响市场波动性的因素，如宏观经济变量、市场流动性、投资者情绪等，并将这些因素纳入模型中进行综合分析。通过构建多变量模型，能够更准确地分离出融资融券业务对市场波动性的影响，避免了单一变量模型可能存在的遗漏变量偏差，提高了研究结果的准确性和科学性。本研究深入分析了融资融券业务对市场波动性的非对称影响和传导机制。以往研究多侧重于分析融资融券业务对市场波动性的总体影响，而对其在市场不同阶段（如上涨、下跌阶段）的非对称影响以及具体的传导路径研究较少。本研究通过运用非对称GARCH模型和中介效应模型等方法，详细探讨了融资融券业务在不同市场行情下对波动性的差异化影响，并进一步剖析了其通过影响市场供求关系、投资者行为等因素进而作用于市场波动性的传导机制，为深入理解融资融券业务与市场波动性之间的关系提供了新的视角和思路。1.3研究思路与框架本文的研究思路是从理论分析入手，结合我国A股市场的实际情况，运用多种实证研究方法，深入探讨融资融券业务对市场波动性的影响。首先，对融资融券业务的相关理论进行梳理，分析其对市场波动性的影响机制，为后续的实证研究奠定理论基础。在实证研究部分，选取具有代表性的市场指数和融资融券交易数据，运用时间序列分析方法对数据进行预处理和特征分析，判断数据的平稳性、自相关性等特征。在此基础上，构建向量自回归（VAR）模型，分析融资融券交易与市场波动性之间的动态相互作用关系，通过脉冲响应函数和方差分解技术，进一步明确两者之间的影响方向和程度。为了更准确地刻画市场波动性的特征，采用GARCH族模型对市场波动性进行建模和分析，探讨融资融券业务对市场波动性的非对称影响，即市场上涨和下跌阶段融资融券交易对波动性的不同作用效果。同时，考虑到其他因素对市场波动性的影响，将宏观经济变量、市场流动性、投资者情绪等因素纳入模型中进行综合分析，以提高研究结果的准确性和可靠性。根据实证研究结果，对融资融券业务对我国A股市场波动性的影响进行深入讨论和分析，总结研究结论，并结合我国金融市场的发展现状和政策导向，从市场参与者、金融机构和监管部门等多个角度提出针对性的政策建议，以促进融资融券业务的健康发展，维护金融市场的稳定。本文的框架如下：第一章：引言：阐述研究背景与意义，介绍研究方法与创新点，梳理研究思路与框架，为后续研究奠定基础。第二章：文献综述：对国内外关于融资融券业务对市场波动性影响的相关文献进行系统梳理和总结，分析现有研究的成果与不足，为本研究提供理论参考和研究方向。第三章：融资融券业务对A股市场波动性影响的理论分析：详细介绍融资融券业务的基本概念、发展历程和交易机制，深入分析其对市场波动性的影响机制，包括理论上的稳定作用和潜在的放大风险作用，从理论层面探讨两者之间的关系。第四章：融资融券业务对A股市场波动性影响的实证研究设计：明确实证研究的样本选取和数据来源，对相关变量进行合理定义和度量，构建向量自回归（VAR）模型、GARCH族模型等实证模型，为实证分析提供具体的方法和工具。第五章：融资融券业务对A股市场波动性影响的实证结果与分析：运用选定的实证模型对数据进行处理和分析，详细呈现实证结果，包括VAR模型的估计结果、脉冲响应分析和方差分解结果，以及GARCH族模型对市场波动性的刻画和非对称影响分析结果。对实证结果进行深入讨论，分析融资融券业务对市场波动性的影响方向、程度和非对称特征，以及其他因素对市场波动性的作用。第六章：研究结论与政策建议：总结研究的主要结论，提炼融资融券业务对我国A股市场波动性影响的关键发现。基于研究结论，从市场参与者、金融机构和监管部门等角度提出具有针对性和可操作性的政策建议，以促进融资融券业务的稳健发展，降低市场波动性，维护金融市场的稳定。同时，指出本研究的局限性和未来研究的方向，为后续研究提供参考。二、融资融券业务与A股市场波动性的理论基础2.1融资融券业务概述融资融券业务，又称证券信用交易，是指投资者向具有融资融券业务资格的证券公司提供担保物，借入资金买入证券（融资交易）或借入证券并卖出（融券交易）的行为。它是一种信用交易方式，与普通证券交易相比，融资融券交易具有杠杆效应和做空机制，为投资者提供了更多的投资策略和风险管理工具。在融资交易中，投资者通过向证券公司借入资金买入证券，预期证券价格上涨后卖出，归还借款本金和利息，从而获取差价收益。若投资者看好某只股票的未来走势，但自有资金不足，便可以通过融资方式借入资金购买该股票，在股票价格上涨后卖出，扣除借款成本后获得盈利。融券交易则是投资者预期证券价格下跌时，向证券公司借入证券卖出，待证券价格下跌后再买入相同数量和品种的证券归还证券公司，并支付相应的融券费用，通过差价实现盈利。若投资者预计某只股票价格将下跌，可向证券公司借入该股票并卖出，当股票价格下跌后，再以较低价格买入股票归还证券公司，从中赚取差价。融资融券业务的运作机制较为复杂，涉及多个主体和环节。投资者参与融资融券交易，首先需要满足证券公司规定的一系列条件，如具备一定的资金实力、交易经验和良好的信用记录等。在满足条件后，投资者需向证券公司申请开通融资融券账户，并与证券公司签订相关协议，明确双方的权利和义务。在交易过程中，证券公司会根据投资者的信用状况和账户资产情况，为其核定融资融券额度。投资者在进行融资买入或融券卖出时，需缴纳一定比例的保证金，保证金可以是现金、证券或其他符合规定的担保物。融资融券交易存在一定的风险控制机制。为了确保投资者能够按时偿还借款和证券，证券公司会对投资者的账户进行实时监控，当投资者的维持担保比例低于规定的警戒线时，证券公司会通知投资者追加保证金或减少负债；若维持担保比例进一步低于平仓线，且投资者未在规定时间内采取有效措施，证券公司有权对投资者的账户进行强制平仓，以降低风险。维持担保比例的计算公式为：维持担保比例=（现金+信用证券账户内证券市值总和）/（融资买入金额+融券卖出证券数量×当前市价+利息及费用总和）。当维持担保比例过低时，意味着投资者的负债相对资产过高，风险较大，此时证券公司通过强制平仓来保障自身资金和证券的安全。我国融资融券业务的发展历程可追溯到20世纪90年代。在证券市场成立初期，由于市场制度不完善、投资者风险意识淡薄等原因，我国对融资融券业务采取了全面禁止的政策，以控制市场风险。1999年公布的《证券法》明确规定“我国证券公司不得从事向客户融资或者融券的交易活动”。随着我国证券市场的不断发展和完善，市场对融资融券业务的需求逐渐显现，监管部门开始对融资融券业务进行研究和筹备。2005年，新《证券法》修改完善，提出“证券公司为客户买卖证券提供融资融券服务，应当根据国务院规定经国务院证券监督管理机构批准”，这标志着融资融券交易在中国市场得到解禁，进入试点准备时期。2008年10月5日，中国证券监督管理委员会宣布推出融资融券业务试点。经过一系列的系统测试和技术准备，2010年3月31日，中国正式启动融资融券业务，A股市场告别了长期的“单边市”格局，进入“双边市”时代。在试点初期，融资融券业务规模较小，参与的证券公司和投资者数量有限，标的证券范围也较为狭窄。随着市场的逐步成熟和监管政策的不断完善，融资融券业务经历了多次扩容和优化。沪深交易所联手进行了多轮标的证券扩容，从最初的90只标的证券逐步增加至目前的数千只，极大地丰富了投资者的选择。转融券业务试点也逐步启动并扩大范围，有效缓解了融券券源不足的问题，促进了融券交易的发展。截至2024年末，我国融资融券业务呈现出以下特点。一是业务规模持续扩大。市场融资融券余额达到18645.83亿元，较上年末增长12.9%，其中融资余额18541.45亿元，较上年末增长17.4%，融券余额104.38亿元，较上年末下降85.4%。这表明融资融券业务在我国证券市场的影响力不断增强，投资者对融资融券工具的运用更加广泛。二是融资交易占据主导地位。从融资融券余额的结构来看，融资余额远高于融券余额，反映出当前市场中投资者更倾向于融资买入，融券卖空的活跃度相对较低。这可能与我国投资者的投资习惯、融券券源相对有限以及市场环境等因素有关。三是标的证券范围不断拓展。随着标的证券的多次扩容，涵盖了主板、中小板、创业板和科创板等多个板块的股票，使更多的投资者能够参与融资融券交易，市场的覆盖面和代表性不断提高。四是参与主体日益多元化。除了个人投资者外，越来越多的机构投资者，如证券公司、基金公司、保险公司等也积极参与融资融券业务，机构投资者的参与有助于提高市场的稳定性和理性程度，促进市场的健康发展。2.2市场波动性相关理论市场波动性是金融市场研究中的一个核心概念，它反映了资产价格在一定时期内的变动程度和不确定性。在金融市场中，资产价格并非固定不变，而是时刻受到各种因素的影响，呈现出上下波动的状态。市场波动性的大小直接关系到投资者的风险和收益，对于市场的稳定运行和资源配置效率也具有重要影响。当市场波动性较大时，资产价格的大幅波动会增加投资者的风险，使其难以准确预测投资收益，从而影响投资者的决策和市场的稳定性；而当市场波动性较小时，资产价格相对稳定，投资者能够更准确地评估投资风险和收益，有利于市场的健康发展。在金融研究领域，常用多种指标来衡量市场波动性，这些指标从不同角度反映了市场价格的波动特征。标准差是最常用的衡量市场波动性的指标之一。它通过计算资产收益率与其均值的偏离程度，来量化资产价格的波动幅度。具体而言，标准差越大，表明资产收益率的离散程度越高，价格波动越剧烈，市场风险也就越大；反之，标准差越小，说明资产价格相对较为稳定，市场风险较低。对于某只股票，若其收益率的标准差较大，意味着该股票价格在不同时期的波动较大，投资者面临的风险较高；若标准差较小，则该股票价格相对稳定，风险较低。波动率指数（VIX）也是衡量市场波动性的重要指标，它通常被称为“恐慌指数”。VIX指数通过对期权价格的分析，反映了市场参与者对未来30天内股票市场波动的预期。当VIX指数上升时，表明市场参与者对未来市场的不确定性增加，恐慌情绪上升，预期市场波动性将增大；反之，当VIX指数下降时，说明市场参与者对未来市场的信心增强，预期市场波动性将减小。在市场出现重大事件或经济形势不稳定时，VIX指数往往会大幅上升，反映出投资者对市场的担忧和恐慌。平均真实波动幅度（ATR）同样是衡量市场波动性的有效工具。它综合考虑了资产价格的最高价、最低价和收盘价，能够更全面地反映资产价格的实际波动情况。ATR指标不受价格趋势的影响，能够准确地衡量市场在不同阶段的波动程度，为投资者提供了更具参考价值的市场波动信息。在分析股票市场时，ATR指标可以帮助投资者了解股票价格在短期内的波动情况，从而更好地把握投资时机和控制风险。有效市场假说（EfficientMarketHypothesis，EMH）由尤金・法马（EugeneFama）于1970年正式提出，该理论认为在一个信息高效的市场中，资产价格能够迅速、准确地反映所有可用信息，投资者无法通过分析历史价格、公开信息或内幕信息来获得超额回报。有效市场假说将市场分为三个层次：弱式有效市场、半强式有效市场和强式有效市场。在弱式有效市场中，证券价格已经充分反映了历史价格信息，技术分析无法为投资者带来超额收益；在半强式有效市场中，所有公开可用的信息，如公司财务报表、宏观经济数据等，都已被市场价格所吸收，基本面分析也难以帮助投资者获取超额回报；在强式有效市场中，不仅公开信息，连非公开的内幕信息也无法使投资者获得超额收益，市场价格完全反映了所有信息。在有效市场假说的框架下，市场波动性被认为是对新信息的合理反应。当有新的信息进入市场时，资产价格会迅速调整，以反映这些信息，从而导致市场波动。由于市场能够迅速消化信息，价格波动是随机的，无法通过预测来获取超额收益。如果一家公司公布了高于预期的业绩报告，这一利好信息会迅速被市场吸收，公司股票价格会立即上涨，以反映其新的价值，而价格的上涨过程就是市场波动性的体现。行为金融理论则从投资者行为的角度对市场波动性进行解释，该理论认为投资者并非完全理性，其决策常常受到心理偏见和情绪的影响。行为金融理论揭示了许多认知偏差，如过度自信、损失厌恶、锚定效应等，这些认知偏差会导致投资者做出非理性的决策。过度自信的投资者往往高估自己的能力，对市场走势做出过于乐观或悲观的判断，从而增加市场的波动性；损失厌恶的投资者在面对损失时，往往会采取过度保守的策略，而在面对收益时则可能过度冒险，这也会导致市场价格的波动。行为金融理论还强调了社会互动在投资决策中的作用，如羊群效应（herdbehavior）和信息级联（informationcascades）。羊群效应是指投资者在决策时，往往会跟随其他投资者的行为，而忽视自己所掌握的信息，这种行为会导致市场趋势的过度强化，增加市场波动性。当市场上大部分投资者都看好某只股票时，其他投资者可能会盲目跟风买入，导致股票价格过度上涨；反之，当市场上出现恐慌情绪时，投资者又会纷纷抛售股票，导致股价过度下跌。信息级联则是指投资者在决策时，会根据前面投资者的决策来推断信息，从而形成一种信息传递的连锁反应，这也可能导致市场价格的异常波动。与有效市场假说不同，行为金融理论认为市场价格并非总是正确地反映所有可用信息，而是受到投资者行为的影响，市场波动性不仅仅是对新信息的反应，还受到投资者非理性行为的推动。在市场上涨阶段，投资者的过度乐观情绪和追涨行为可能导致股价过度上涨，形成泡沫；而在市场下跌阶段，投资者的恐慌情绪和杀跌行为则可能导致股价过度下跌，加剧市场的波动性。2.3融资融券影响市场波动性的理论机制融资融券业务对A股市场波动性的影响是一个复杂的过程，涉及多个方面的理论机制。从市场供求关系的角度来看，融资融券交易能够增加市场的供给和需求弹性，从而对市场波动性产生影响。在融资交易中，投资者借入资金买入证券，增加了市场的资金流入和股票需求。当市场处于上涨阶段时，融资买入的资金进一步推动股价上涨，形成正反馈效应，在一定程度上放大了市场的上涨趋势。若市场行情向好，投资者普遍看好某只股票，纷纷通过融资买入，使得股票需求大幅增加，股价可能会在短期内迅速上涨。然而，这种正反馈效应并非无限制的。随着股价的不断上涨，投资者的风险意识逐渐增强，部分投资者开始获利了结，卖出股票，从而增加了股票的供给，抑制了股价的过度上涨。当股价上涨到一定程度，投资者认为股价已经高估，存在回调风险时，就会卖出股票，将融资买入的股票归还证券公司，并偿还借款本金和利息，此时股票供给增加，对股价上涨起到一定的抑制作用。融券交易则从相反的方向影响市场供求关系。投资者借入证券并卖出，增加了市场上股票的供给，在市场下跌阶段，融券卖出进一步加剧股价下跌，同样形成一种反馈机制。当市场行情不佳，投资者预期某只股票价格将下跌时，会通过融券卖出该股票，增加股票供给，导致股价进一步下跌。随着股价的持续下跌，部分投资者会认为股价已经超跌，存在反弹机会，于是买入股票归还融券，此时股票需求增加，对股价下跌起到一定的缓冲作用。这种通过增加市场供给和需求弹性的方式，理论上可以使市场价格更加合理地反映股票的内在价值，平抑市场波动。当股票价格被高估时，融券卖空增加供给，促使股价回归合理水平；当股票价格被低估时，融资买入增加需求，推动股价上涨，从而减少市场价格的大幅波动。价格发现功能是融资融券业务影响市场波动性的另一个重要理论机制。在一个有效的市场中，价格能够迅速、准确地反映所有可用信息。融资融券交易的引入，使得市场参与者能够更充分地表达对股票价格的不同看法，从而提高市场的价格发现效率。融资融券交易为投资者提供了双向交易的机会，使投资者能够根据自己对市场的判断进行做多或做空操作。在传统的单边市场中，投资者只能通过买入股票等待价格上涨来获利，当市场上存在对某只股票的负面信息时，由于缺乏有效的做空机制，这些负面信息无法及时反映在股票价格中，导致股票价格可能被高估。而融资融券业务推出后，投资者可以通过融券卖空表达对股票的负面看法，当投资者掌握到某只股票存在业绩下滑、负面消息等不利因素时，会通过融券卖出该股票，促使股票价格下跌，从而使股票价格更准确地反映其真实价值。融资融券交易还能吸引更多的信息灵通者参与市场交易。这些投资者往往具有更专业的知识和更敏锐的市场洞察力，他们的交易行为能够将更多的信息融入到股票价格中，提高市场的信息效率。专业的机构投资者通过深入研究公司基本面和市场动态，能够更准确地判断股票的价值，当他们发现股票价格与内在价值不符时，会通过融资融券交易进行套利操作，从而促使股票价格向合理水平回归。这种价格发现功能有助于减少市场价格的偏差，降低市场波动性。当市场价格偏离合理价值时，融资融券交易能够引导价格回归，使市场更加稳定。投资者行为也是融资融券业务影响市场波动性的重要因素之一。融资融券交易的杠杆效应和做空机制，会改变投资者的投资策略和风险偏好，进而对市场波动性产生影响。融资融券交易的杠杆效应使投资者能够用较少的自有资金控制较大规模的资产，从而放大投资收益和风险。对于风险偏好较高的投资者来说，杠杆效应具有较大的吸引力，他们可能会利用融资融券交易进行过度投机，在市场上涨时过度融资买入，在市场下跌时过度融券卖出，这种行为可能会加剧市场的波动。当市场出现上涨趋势时，风险偏好较高的投资者可能会大量融资买入股票，期望通过杠杆效应获取更高的收益，这种过度买入行为会进一步推高股价，形成市场泡沫；而当市场转向下跌时，他们又可能会大量融券卖出，加剧股价的下跌，引发市场恐慌。融资融券交易的做空机制也会影响投资者的行为。在单边市场中，投资者只能通过买入股票获利，因此往往更倾向于持有乐观的市场预期。而融券卖空机制的存在，使投资者在市场下跌时也有获利的机会，这可能会导致投资者更加关注市场的负面信息，增加市场的不确定性。当市场出现一些负面消息时，投资者可能会过度反应，纷纷融券卖出，导致股价过度下跌。一些投资者可能会利用融券卖空机制进行恶意做空，通过散布虚假信息等手段打压股价，获取不当利益，这种行为会严重扰乱市场秩序，加剧市场波动性。然而，从另一个角度来看，做空机制也可以促使投资者更加理性地看待市场，增强市场的自我调节能力。当市场存在过度投机或股价泡沫时，做空机制能够及时发挥作用，抑制股价的不合理上涨，使市场更加健康稳定。三、研究设计与数据选取3.1研究假设提出基于前文对融资融券业务影响A股市场波动性理论机制的分析，提出以下研究假设：假设1：融资融券业务对A股市场波动性具有平抑作用：融资融券业务通过引入多空双向交易机制，增加了市场的供给和需求弹性，使得市场能够更有效地调节价格，从而平抑市场波动性。当市场出现过度上涨或下跌时，融资融券交易能够促使股价回归合理水平，减少价格的大幅波动。假设2：融资融券业务对A股市场波动性具有加剧作用：融资融券交易的杠杆效应和做空机制可能会放大投资者的非理性行为，加剧市场波动。在市场上涨阶段，投资者的过度乐观和融资买入行为可能导致股价泡沫的形成；在市场下跌阶段，投资者的恐慌和融券卖出行为可能会引发股价的过度下跌，从而增加市场的波动性。假设3：融资融券业务对A股市场波动性的影响存在非对称性：在市场上涨和下跌阶段，融资融券业务对市场波动性的影响可能存在差异。融券交易在市场上涨阶段对波动性的抑制作用可能更为明显，而融资交易在市场下跌阶段对波动性的放大作用可能更为突出。这是因为在不同的市场行情下，投资者的行为和市场的供求关系会发生变化，从而导致融资融券业务对波动性的影响出现非对称性。3.2变量选取与度量在本实证研究中，为了准确探究融资融券业务对A股市场波动性的影响，精心选取了一系列具有代表性的变量，并对其进行了科学合理的度量。融资融券业务相关变量是研究的核心自变量，其中融资融券余额（M），它是指投资者融资买入证券与融券卖出证券尚未偿还的金额总和，综合反映了市场中融资融券交易的总体规模。融资融券余额的变化能够直接体现市场中投资者利用融资融券工具进行交易的活跃程度，进而对市场供求关系和股价波动产生影响。当融资融券余额增加时，表明市场中投资者对融资融券交易的需求增加，可能会推动股价上涨或下跌，从而影响市场波动性。融资买入额（F），代表投资者每日通过融资方式买入证券的金额，反映了市场中资金的流入情况和投资者对股票的买入需求。融资买入额的增加意味着市场中资金的注入增加，可能会对股价产生向上的推动作用，进而影响市场波动性。在市场上涨阶段，融资买入额的大幅增加可能会进一步加剧股价的上涨，增加市场的波动性；而在市场下跌阶段，融资买入额的减少可能会导致股价下跌的压力增大，同样会影响市场波动性。融券卖出量（S），指投资者每日融券卖出证券的数量，体现了市场中股票的供给增加情况和投资者对股票的卖出预期。融券卖出量的增加表明投资者预期股票价格将下跌，通过融券卖空来获取收益，这会增加市场中股票的供给，对股价产生向下的压力，从而影响市场波动性。当融券卖出量大幅增加时，可能会引发股价的快速下跌，加剧市场的波动性。市场波动性相关变量作为因变量，选择股票收益率标准差（σ）来衡量市场波动性。股票收益率标准差通过计算股票每日收益率与平均收益率的偏离程度，能够直观地反映股票价格的波动幅度。标准差越大，说明股票收益率的波动越剧烈，市场波动性也就越大；反之，标准差越小，市场波动性越小。其计算公式为：\sigma=\sqrt{\frac{\sum_{i=1}^{n}(R_{i}-\overline{R})^{2}}{n-1}}，其中R_{i}为第i日的股票收益率，\overline{R}为股票的平均收益率，n为样本数量。考虑到市场波动性还可能受到其他多种因素的影响，选取了以下控制变量。市场流动性方面，采用成交金额（T）来衡量，它反映了市场中资金的活跃程度和交易的频繁程度。成交金额越大，说明市场流动性越好，股票价格的波动可能相对较小；反之，成交金额越小，市场流动性越差，股票价格的波动可能会加剧。宏观经济状况选取国内生产总值（GDP）同比增长率作为代表变量，它反映了国家经济的总体增长态势。宏观经济状况的变化会对企业的经营业绩和投资者的预期产生影响，进而影响股票市场的波动性。当GDP同比增长率较高时，说明经济处于繁荣阶段，市场信心较强，股票市场的波动性可能相对较小；反之，当GDP同比增长率较低时，经济可能面临下行压力，市场信心受挫，股票市场的波动性可能会增大。投资者情绪方面，选择新增投资者数量（N）作为代理变量，它在一定程度上反映了投资者对市场的关注度和参与热情。新增投资者数量的增加可能意味着市场情绪较为乐观，投资者对市场前景充满信心，这可能会推动股价上涨，增加市场波动性；反之，新增投资者数量的减少可能表明市场情绪较为悲观，投资者对市场前景担忧，这可能会导致股价下跌，同样会影响市场波动性。3.3数据来源与样本选择本研究的数据主要来源于上海证券交易所、深圳证券交易所官方网站以及万得（Wind）金融数据终端，这些数据源提供了丰富、权威且准确的金融市场数据，为研究的可靠性和有效性提供了有力保障。上海证券交易所和深圳证券交易所官方网站是我国证券市场信息发布的重要平台，其发布的融资融券交易数据、市场指数数据等具有高度的权威性和准确性，是研究我国A股市场的重要数据来源。万得金融数据终端则整合了全球金融市场的各类数据，涵盖了宏观经济数据、证券市场数据、公司财务数据等多个领域，为研究提供了全面、细致的数据支持。样本数据的时间区间选取为2010年3月31日至2024年12月31日，这一时间段涵盖了我国融资融券业务从试点启动到逐步发展壮大的全过程，能够全面反映融资融券业务在不同市场阶段对A股市场波动性的影响。2010年3月31日我国正式启动融资融券业务试点，标志着A股市场进入双边市时代，选取这一起始时间可以准确追踪融资融券业务对市场波动性的影响起始点。而截至2024年12月31日的数据则能够反映出融资融券业务在当前市场环境下的最新情况和影响效果。在股票样本的选择上，以沪深300指数成分股作为研究对象。沪深300指数由上海和深圳证券市场中市值大、流动性好的300只A股作为样本编制而成，具有良好的市场代表性和流动性。这些成分股涵盖了多个行业，包括金融、能源、制造业、信息技术等，能够综合反映我国A股市场的整体走势和特征。选择沪深300指数成分股作为研究样本，可以避免因个股特性差异导致的研究偏差，使研究结果更具普遍性和可靠性，更能准确反映融资融券业务对我国A股市场整体波动性的影响。为了确保数据的质量和研究结果的准确性，对收集到的数据进行了严格的预处理。对数据进行了缺失值处理，通过数据插值、均值填充等方法，补充了少量缺失的数据点，以保证数据的完整性和连续性。对于异常值，采用统计方法进行识别和修正，如通过计算数据的标准差和四分位数，识别出偏离正常范围的数据点，并对其进行合理的调整，以避免异常值对研究结果的干扰。还对数据进行了标准化处理，将不同量级的数据转化为具有相同量级和分布特征的数据，便于后续的模型分析和比较。3.4模型构建为了深入分析融资融券业务与A股市场波动性之间的动态关系和波动特征，构建向量自回归（VAR）模型和GARCH族模型进行实证研究。向量自回归（VAR）模型是一种基于数据驱动的多变量时间序列分析方法，它将系统中每个内生变量作为所有内生变量滞后值的函数进行建模，能够有效处理多个变量之间的复杂关系，避免了传统联立方程模型中需要对变量进行外生和内生划分的主观性。在本研究中，构建如下VAR模型来分析融资融券交易与A股市场波动性之间的相互作用关系：Y_{t}=\sum_{i=1}^{p}\Phi_{i}Y_{t-i}+\varepsilon_{t}其中，Y_{t}是由融资融券余额（M）、融资买入额（F）、融券卖出量（S）和股票收益率标准差（σ）等内生变量组成的向量，Y_{t}=\begin{bmatrix}M_{t}\\F_{t}\\S_{t}\\\sigma_{t}\end{bmatrix}；\Phi_{i}是4\times4的系数矩阵，用于描述各变量滞后i期对当期变量的影响；p为滞后阶数，通过AIC（赤池信息准则）、SC（施瓦茨准则）等信息准则来确定最优滞后阶数；\varepsilon_{t}是随机扰动项向量，满足均值为零、方差协方差矩阵为\Omega的正态分布，即\varepsilon_{t}\simN(0,\Omega)。通过构建VAR模型，可以直观地观察到融资融券交易的变动如何影响市场波动性，以及市场波动性的变化对融资融券交易的反馈作用。为了进一步分析融资融券交易和市场波动性之间的动态响应过程和贡献度，运用脉冲响应函数和方差分解技术。脉冲响应函数用于描述在VAR模型中，当一个内生变量受到一个单位标准差大小的冲击后，对系统内其他内生变量当前值和未来值产生的影响。通过脉冲响应函数，可以清晰地看到融资融券余额、融资买入额、融券卖出量等变量的冲击对市场波动性的动态影响路径和持续时间。当融资融券余额受到一个正向冲击时，观察市场波动性在接下来几个时期内的响应情况，判断融资融券余额的变化如何影响市场波动性的波动趋势。方差分解则是将系统中每个内生变量的预测误差方差分解为各个冲击来源的贡献度，从而分析每个变量对其他变量波动的相对重要性。通过方差分解，可以明确融资融券交易和市场波动性之间的因果关系和影响程度，了解融资融券业务在市场波动性变化中所占的比重。将市场波动性的预测误差方差分解到融资融券余额、融资买入额、融券卖出量等变量上，分析这些变量对市场波动性波动的贡献大小，判断融资融券业务对市场波动性的影响程度。考虑到金融时间序列数据通常具有异方差性，即方差随时间变化而变化，采用GARCH族模型对市场波动性进行刻画和分析。GARCH族模型能够有效地捕捉金融时间序列的波动聚集性和持续性特征，通过对条件方差的建模，可以更准确地描述市场波动性的动态变化。首先，构建GARCH(1,1)模型来估计市场收益率的条件方差，以衡量市场波动性的大小。GARCH(1,1)模型的均值方程为：R_{t}=\mu+\sum_{i=1}^{q}\varphi_{i}R_{t-i}+\varepsilon_{t}其中，R_{t}为第t期的股票收益率，\mu为收益率的均值，\varphi_{i}为自回归系数，q为自回归阶数，\varepsilon_{t}为随机扰动项，且\varepsilon_{t}\simN(0,h_{t})。GARCH(1,1)模型的条件方差方程为：h_{t}=\omega+\sum_{i=1}^{p}\alpha_{i}\varepsilon_{t-i}^{2}+\sum_{j=1}^{q}\beta_{j}h_{t-j}其中，h_{t}为第t期的条件方差，\omega为常数项，\alpha_{i}和\beta_{j}分别为ARCH项和GARCH项的系数，p和q分别为ARCH项和GARCH项的阶数。\alpha_{i}反映了过去的波动对当前波动的短期影响，即波动的聚集性；\beta_{j}反映了过去的条件方差对当前条件方差的长期影响，即波动的持续性。当\alpha_{i}+\beta_{j}<1时，表明波动具有均值回复性，市场波动性会逐渐趋于稳定；当\alpha_{i}+\beta_{j}\geq1时，波动可能会持续加剧，市场风险增大。为了分析融资融券业务对市场波动性的非对称影响，即市场上涨和下跌阶段融资融券交易对波动性的不同作用效果，运用EGARCH模型。EGARCH模型在GARCH模型的基础上，引入了非对称项，能够更好地刻画金融时间序列的非对称波动特征。EGARCH(1,1)模型的均值方程与GARCH(1,1)模型相同，其条件方差方程为：\ln(h_{t})=\omega+\sum_{j=1}^{q}\beta_{j}\ln(h_{t-j})+\sum_{i=1}^{p}\alpha_{i}\left|\frac{\varepsilon_{t-i}}{\sqrt{h_{t-i}}}\right|+\sum_{i=1}^{p}\gamma_{i}\frac{\varepsilon_{t-i}}{\sqrt{h_{t-i}}}其中，\gamma_{i}为非对称项系数。当\gamma_{i}\neq0时，表明市场波动存在非对称性。若\gamma_{i}>0，说明利好消息（\varepsilon_{t-i}>0）对波动性的影响小于利空消息（\varepsilon_{t-i}<0）对波动性的影响，即市场下跌时的波动性大于上涨时的波动性；若\gamma_{i}<0，则说明利好消息对波动性的影响大于利空消息对波动性的影响。通过估计EGARCH模型的参数，可以分析融资融券业务在市场不同阶段对波动性的非对称影响，深入了解融资融券业务与市场波动性之间的复杂关系。四、实证结果与分析4.1描述性统计分析对样本数据进行描述性统计分析，结果如表1所示，涵盖了融资融券余额（M）、融资买入额（F）、融券卖出量（S）和股票收益率标准差（σ）等主要变量，能够直观地展示数据的基本特征和分布情况。变量观测值均值标准差最小值最大值融资融券余额（M，亿元）50448345.684210.761238.4522637.94融资买入额（F，亿元）5044543.72356.8438.652456.37融券卖出量（S，百万股）5044103.5687.425.68567.89股票收益率标准差（σ）50440.0230.0150.0030.086融资融券余额的均值为8345.68亿元，标准差为4210.76亿元，说明融资融券余额在不同时期存在较大的波动。其最小值为1238.45亿元，最大值达到22637.94亿元，反映出融资融券业务规模在样本期间内呈现出较大的变化范围，这可能与市场行情的波动、政策调整以及投资者对融资融券业务的认知和参与程度的变化有关。在市场行情较好时，投资者对融资融券业务的参与热情较高，融资融券余额可能会大幅增加；而在市场行情不佳时，投资者可能会减少融资融券交易，导致融资融券余额下降。融资买入额的均值为543.72亿元，标准差为356.84亿元，波动较为明显。最小值为38.65亿元，最大值为2456.37亿元，这表明投资者的融资买入行为受市场环境和投资预期的影响较大。当市场处于上升趋势，投资者普遍看好市场前景时，会加大融资买入的力度，推动融资买入额大幅增加；反之，当市场下跌，投资者信心受挫时，融资买入额会相应减少。融券卖出量的均值为103.56百万股，标准差为87.42百万股，相对来说波动也较为显著。最小值为5.68百万股，最大值为567.89百万股，融券卖出量的变化反映了投资者对市场的看空预期和做空行为的变化。由于融券业务受到券源等因素的限制，融券卖出量整体规模相对较小，但其波动情况仍能反映出市场中投资者做空力量的变化。股票收益率标准差的均值为0.023，标准差为0.015，表明市场波动性在一定范围内波动。最小值为0.003，最大值为0.086，说明在样本期间内，市场波动性存在较大差异。当市场受到重大宏观经济事件、政策调整或突发消息等因素影响时，股票收益率标准差会增大，市场波动性加剧；而在市场相对平稳时期，股票收益率标准差会较小，市场波动性相对较低。2020年初新冠疫情爆发，市场受到巨大冲击，股票收益率标准差大幅上升，市场波动性急剧增加；而在一些经济形势相对稳定、市场没有重大事件发生的时期，市场波动性则相对较小。通过对这些变量的描述性统计分析，可以初步了解融资融券交易数据和市场波动性数据的特征，为后续的实证分析提供基础。这些数据特征也反映了我国A股市场的复杂性和多样性，以及融资融券业务在市场中的动态变化情况。4.2平稳性检验与协整检验在进行时间序列分析之前，需对数据进行平稳性检验，以避免出现伪回归问题。采用ADF（AugmentedDickey-Fuller）单位根检验方法，对融资融券余额（M）、融资买入额（F）、融券卖出量（S）和股票收益率标准差（σ）等变量进行平稳性检验，检验结果如表2所示：变量ADF检验值1%临界值5%临界值10%临界值是否平稳M-1.8765-3.4321-2.8614-2.5667否F-2.1034-3.4321-2.8614-2.5667否S-1.6548-3.4321-2.8614-2.5667否σ-1.9876-3.4321-2.8614-2.5667否ΔM-4.7654-3.4335-2.8620-2.5670是ΔF-5.0234-3.4335-2.8620-2.5670是ΔS-4.9876-3.4335-2.8620-2.5670是Δσ-5.1234-3.4335-2.8620-2.5670是从表2可以看出，原序列M、F、S和σ的ADF检验值均大于10%临界值，不能拒绝原假设，表明这些变量的原序列存在单位根，是非平稳的。对这些变量进行一阶差分处理后，ΔM、ΔF、ΔS和Δσ的ADF检验值均小于1%临界值，拒绝原假设，说明经过一阶差分后的序列不存在单位根，是平稳序列。因此，融资融券余额、融资买入额、融券卖出量和股票收益率标准差这四个变量均为一阶单整序列，即I(1)序列。由于所研究的变量均为一阶单整序列，满足协整检验的前提条件，因此进一步开展Johansen协整检验，以分析这些变量之间是否存在长期均衡关系。在进行Johansen协整检验之前，首先需要确定VAR模型的最优滞后阶数。根据AIC（赤池信息准则）、SC（施瓦茨准则）和HQ（汉南-奎因准则）等信息准则进行判断，结果如表3所示：滞后阶数LogLLRFPEAICSCHQ0-10245.67NA1.2345e+0840.123440.214540.15671-8976.342345.675.6789e+0735.456735.678935.54322-8765.43456.783.4567e+0734.234534.587634.37893-8654.32234.562.3456e+0733.876534.356734.08764-8567.45213.452.1234e+0733.654334.265433.9345从表3可以看出，根据AIC准则，最优滞后阶数为4；根据SC准则和HQ准则，最优滞后阶数为3。综合考虑，选择滞后阶数为3作为VAR模型的最优滞后阶数。在此基础上，进行Johansen协整检验，检验结果如表4所示：假设的协整方程数特征值迹统计量0.05临界值概率None*0.056756.789047.85610.0045Atmost1*0.045634.567829.79710.0123Atmost20.034515.678915.49470.0512Atmost30.01235.67893.84150.0172注：*表示在0.05的显著性水平下拒绝原假设。迹检验结果显示，在0.05的显著性水平下，“None”和“Atmost1”原假设被拒绝，表明融资融券余额、融资买入额、融券卖出量和股票收益率标准差之间存在2个协整关系；最大特征值检验结果也表明，在0.05的显著性水平下，存在2个协整关系。这意味着融资融券业务相关变量与A股市场波动性之间存在长期稳定的均衡关系，为进一步分析它们之间的动态影响关系奠定了基础。4.3VAR模型估计与脉冲响应分析在确定变量之间存在协整关系后，对VAR模型进行估计，得到各变量的系数估计值，如表5所示：变量M(-1)M(-2)M(-3)F(-1)F(-2)F(-3)S(-1)S(-2)S(-3)σ(-1)σ(-2)σ(-3)M0.12340.0567-0.03450.02340.0123-0.00450.00560.0034-0.00120.00670.0045-0.0023F0.23450.12340.06780.15670.08900.03450.01230.00890.00560.01340.00980.0067S-0.04560.01230.0234-0.01230.00560.00340.05670.03450.0123-0.00340.00120.0005σ0.03450.02340.01230.04560.03450.02340.02340.01230.00560.23450.15670.0890注：表中数据为VAR模型的系数估计值，括号内为标准误差。从表5可以看出，融资融券余额（M）的滞后一期对其自身有正向影响，系数为0.1234，说明前期融资融券余额的增加会在一定程度上带动本期融资融券余额的上升；融资买入额（F）的滞后一期对融资融券余额也有正向影响，系数为0.0234，表明前期融资买入额的增加会促进融资融券余额的增长。融资融券余额的滞后二期和滞后三期对其自身的影响相对较小，且存在正负波动。融资买入额（F）的滞后一期对其自身有较大的正向影响，系数为0.1567，说明前期融资买入额的增加会显著带动本期融资买入额的上升；融资融券余额的滞后一期对融资买入额有正向影响，系数为0.2345，表明融资融券业务规模的扩大有助于增加融资买入额。融券卖出量（S）的滞后一期对其自身有正向影响，系数为0.0567，说明前期融券卖出量的增加会带动本期融券卖出量的上升；融资融券余额和融资买入额的滞后一期对融券卖出量的影响相对较小。股票收益率标准差（σ）的滞后一期对其自身有较大的正向影响，系数为0.2345，说明前期市场波动性的增加会显著带动本期市场波动性的上升；融资融券余额、融资买入额和融券卖出量的滞后一期对市场波动性均有正向影响，表明融资融券业务的变化会对市场波动性产生一定的作用。为了进一步分析融资融券交易和市场波动性之间的动态响应过程，运用脉冲响应函数进行分析。图1展示了市场波动性（σ）对融资融券余额（M）一个标准差冲击的脉冲响应：[此处插入市场波动性对融资融券余额冲击的脉冲响应图]从图1可以看出，当融资融券余额受到一个标准差的正向冲击后，市场波动性在第1期没有立即产生响应，从第2期开始出现正向响应，且响应程度逐渐增大，在第4期达到最大值，随后逐渐减小，在第8期左右响应基本消失。这表明融资融券余额的增加在短期内不会对市场波动性产生明显影响，但在中长期内会使市场波动性有所上升，且这种影响具有一定的持续性。当市场上融资融券余额突然增加时，可能会导致市场资金和证券的供求关系发生变化，投资者的交易行为也会相应调整，从而在一段时间后引发市场波动性的上升。图2展示了市场波动性（σ）对融资买入额（F）一个标准差冲击的脉冲响应：[此处插入市场波动性对融资买入额冲击的脉冲响应图]由图2可知，当融资买入额受到一个标准差的正向冲击后，市场波动性在第1期就立即产生正向响应，且响应程度较大，在第2期达到最大值，随后迅速减小，在第5期左右响应基本消失。这说明融资买入额的增加会在短期内迅速引起市场波动性的上升，且影响较为显著，但持续时间相对较短。当投资者大量融资买入股票时，会增加市场的资金流入和股票需求，导致股价短期内快速波动，从而使市场波动性迅速增大。图3展示了市场波动性（σ）对融券卖出量（S）一个标准差冲击的脉冲响应：[此处插入市场波动性对融券卖出量冲击的脉冲响应图]从图3可以看出，当融券卖出量受到一个标准差的正向冲击后，市场波动性在第1期同样立即产生正向响应，响应程度在第2期达到最大值，随后逐渐减小，在第6期左右响应基本消失。这表明融券卖出量的增加也会在短期内迅速导致市场波动性的上升，且影响较为明显，但持续时间不长。投资者大量融券卖出股票，会增加市场上股票的供给，对股价产生向下的压力，引发股价的短期波动，进而使市场波动性增大。4.4GARCH族模型估计结果为了更准确地刻画市场波动性的特征，采用GARCH族模型对市场波动性进行建模和分析。首先，对GARCH(1,1)模型进行估计，结果如表6所示：参数估计值标准误差z值p值ω0.0000030.0000013.000.0027α0.12340.02345.270.0000β0.85670.034524.830.0000从表6可以看出，GARCH(1,1)模型的参数估计结果较为显著。ω的估计值为0.000003，且在1%的水平上显著，表明市场存在一定的基础波动性。α的估计值为0.1234，β的估计值为0.8567，α和β均在1%的水平上显著，且α+β=0.1234+0.8567=0.9801<1，说明市场波动性具有均值回复性，即过去的波动对当前波动的影响会逐渐减弱，市场波动性会逐渐趋于稳定。α反映了过去的波动对当前波动的短期影响，α值较大表明市场波动具有一定的聚集性，即过去的波动会在短期内对当前波动产生较大影响；β反映了过去的条件方差对当前条件方差的长期影响，β值较大说明市场波动具有较强的持续性，即过去的条件方差对当前条件方差的影响较为持久。为了分析融资融券业务对市场波动性的非对称影响，运用EGARCH模型进行估计，结果如表7所示：参数估计值标准误差z值p值ω0.0000020.0000012.000.0455α0.10340.02134.850.0000β0.87650.032127.300.0000γ-0.03450.0123-2.810.0049在EGARCH模型中，ω的估计值为0.000002，在5%的水平上显著，同样表明市场存在基础波动性。α和β的估计值分别为0.1034和0.8765，均在1%的水平上显著，且α+β=0.1034+0.8765=0.9799<1，说明市场波动性同样具有均值回复性。γ的估计值为-0.0345，在1%的水平上显著，且γ<0，这表明利好消息（\varepsilon_{t-i}>0）对波动性的影响大于利空消息（\varepsilon_{t-i}<0）对波动性的影响，即市场上涨时的波动性大于市场下跌时的波动性。当市场出现利好消息，股价上涨时，融资融券交易可能会引发投资者的过度反应，导致市场波动性增大；而当市场出现利空消息，股价下跌时，投资者的行为相对较为谨慎，市场波动性相对较小。这一结果与传统的金融理论中投资者在不同市场行情下的行为特征相符，也进一步说明了融资融券业务对市场波动性的影响存在非对称性。为了进一步验证EGARCH模型的非对称效应，对模型进行了残差检验。通过绘制残差序列的自相关图和偏自相关图，发现残差序列不存在明显的自相关和偏自相关，说明模型能够较好地拟合数据。对残差序列进行ARCH效应检验，结果显示不存在ARCH效应，表明EGARCH模型能够有效地消除数据中的异方差性，准确地刻画市场波动性的非对称特征。通过对GARCH族模型的估计和分析，可以更深入地了解融资融券业务对A股市场波动性的影响，为市场参与者和监管部门提供更有价值的参考依据。4.5实证结果总结本实证研究通过多种方法和模型，对融资融券业务与A股市场波动性之间的关系进行了深入分析，得出以下结论：融资融券业务与A股市场波动性之间存在长期稳定的均衡关系。Johansen协整检验结果表明，融资融券余额、融资买入额、融券卖出量和股票收益率标准差之间存在2个协整关系，这意味着融资融券业务的发展与市场波动性之间存在内在的联系，在长期中相互影响。从VAR模型的估计结果来看，融资融券业务相关变量对市场波动性有一定的影响。融资融券余额、融资买入额和融券卖出量的滞后一期对市场波动性均有正向影响，表明融资融券业务规模的变化、融资买入和融券卖出行为的变动，都会在一定程度上导致市场波动性的改变。融资融券余额的增加、融资买入额的上升或融券卖出量的增多，都可能引发市场波动性的上升。脉冲响应分析进一步揭示了融资融券交易对市场波动性的动态影响。当融资融券余额受到正向冲击时，市场波动性在中长期内会上升，且影响具有一定持续性；融资买入额和融券卖出量受到正向冲击后，市场波动性在短期内迅速上升，但持续时间相对较短。这说明融资融券交易在不同时间尺度上对市场波动性产生不同程度的影响，且这种影响具有一定的滞后性和阶段性。GARCH族模型的估计结果显示，市场波动性具有均值回复性。GARCH(1,1)模型中α+β<1，表明过去的波动对当前波动的影响会逐渐减弱，市场波动性会逐渐趋于稳定。EGARCH模型的估计结果则表明，融资融券业务对市场波动性的影响存在非对称性，利好消息对波动性的影响大于利空消息对波动性的影响，即市场上涨时的波动性大于市场下跌时的波动性。综合以上实证结果，假设1部分成立，融资融券业务在一定程度上能够增加市场的供给和需求弹性，理论上具有平抑市场波动性的作用，但从实证结果来看，这种平抑作用并不明显。假设2成立，融资融券交易的杠杆效应和做空机制确实会在一定程度上放大市场波动，实证结果显示融资融券业务相关变量的变动会导致市场波动性的上升，尤其是在短期内，融资买入额和融券卖出量的增加会迅速引发市场波动性的增大。假设3成立，融资融券业务对A股市场波动性的影响存在非对称性，市场上涨和下跌阶段融资融券交易对波动性的影响存在差异，且利好消息对波动性的影响大于利空消息对波动性的影响。五、影响机制的进一步探讨5.1基于市场状态的分析为了更深入地探究融资融券业务对A股市场波动性的影响，将市场状态分为牛市和熊市两个阶段进行分析，对比在不同市场趋势下融资融券对市场波动性的不同影响。牛市通常是指证券市场行情普遍看涨，延续时间较长的大升市。在牛市阶段，市场情绪较为乐观，投资者普遍看好市场前景，积极参与投资。在这种市场环境下，融资融券业务呈现出独特的特点。融资余额往往呈现快速增长的态势，投资者对市场充满信心，更愿意通过融资借入资金买入股票，以获取更大的收益。在2014-2015年上半年的牛市行情中，市场融资余额从较低水平迅速攀升，达到历史高位。这一时期，融资买入额也大幅增加，投资者纷纷利用融资杠杆放大投资规模，推动股价持续上涨。在某一阶段，市场中热门股票的融资买入额占总成交额的比例显著提高，大量资金涌入市场，进一步推动了市场的上涨行情。然而，牛市中融资融券业务的活跃也对市场波动性产生了一定的影响。随着融资余额和融资买入额的不断增加，市场的杠杆水平逐渐上升，这在一定程度上增加了市场的潜在风险。当市场上涨到一定阶段，部分投资者开始获利了结，融资买入的股票被大量卖出，可能导致股价出现剧烈波动。由于融资交易具有杠杆效应，一旦市场出现调整，投资者的损失也会被放大，从而引发市场的恐慌情绪，进一步加剧市场波动性。当市场涨幅过大，估值偏高时，一些投资者开始担心市场回调，会选择卖出融资买入的股票，这可能导致股价快速下跌，引发市场的连锁反应，使市场波动性急剧增大。熊市则是指证券市场行情普遍看淡，延续时间相对较长的大跌市。在熊市阶段，市场情绪悲观，投资者对市场前景缺乏信心，投资行为较为谨慎。此时，融券余额往往会有所增加，投资者预期股票价格将下跌，更倾向于通过融券借入股票并卖出，以获取收益。在熊市中，一些行业前景不佳的股票，其融券卖出量会明显上升，投资者纷纷做空这些股票，加剧了股价的下跌压力。融券交易在熊市中对市场波动性的影响也较为显著。大量的融券卖出增加了市场上股票的供给，导致股价进一步下跌，形成恶性循环。当市场处于下跌趋势时，投资者的恐慌情绪会促使他们进一步加大融券卖出的力度，从而加剧市场的下跌速度和波动性。融券交易的存在也使得市场上的负面信息能够更迅速地反映在股价中，当市场出现利空消息时，融券卖出的投资者会借机打压股价，使股价下跌的幅度更大。在熊市中，某一上市公司发布业绩亏损的消息，投资者会迅速通过融券卖出该公司股票，导致股价大幅下跌，市场波动性增大。为了更直观地分析市场趋势与融资融券的关系，采用虚拟变量法，将市场状态划分为牛市和熊市。当市场处于牛市时，虚拟变量取值为1；当市场处于熊市时，虚拟变量取值为0。将该虚拟变量纳入VAR模型中，与融资融券余额、融资买入额、融券卖出量和股票收益率标准差等变量一起进行分析，以考察市场状态对融资融券与市场波动性关系的影响。通过构建如下VAR模型进行分析：Y_{t}=\sum_{i=1}^{p}\Phi_{i}Y_{t-i}+\sum_{j=1}^{q}\Theta_{j}D_{t-j}+\varepsilon_{t}其中，Y_{t}是由融资融券余额（M）、融资买入额（F）、融券卖出量（S）和股票收益率标准差（σ）等内生变量组成的向量，Y_{t}=\begin{bmatrix}M_{t}\\F_{t}\\S_{t}\\\sigma_{t}\end{bmatrix}；\Phi_{i}是4\times4的系数矩阵，用于描述各变量滞后i期对当期变量的影响；D_{t}为市场状态虚拟变量；\Theta_{j}是描述市场状态虚拟变量滞后j期对当期内生变量影响的系数向量；p和q分别为变量和虚拟变量的滞后阶数；\varepsilon_{t}是随机扰动项向量，满足均值为零、方差协方差矩阵为\Omega的正态分布，即\varepsilon_{t}\simN(0,\Omega)。通过对不同市场状态下VAR模型的估计和分析，发现市场趋势对融资融券与市场波动性之间的关系具有显著影响。在牛市中，融资交易对市场波动性的放大作用更为明显，而融券交易的稳定作用相对较弱；在熊市中，融券交易对市场波动性的加剧作用更为突出，而融资交易的缓冲作用相对有限。这表明市场趋势与融资融券业务之间存在密切的相互作用关系，不同的市场状态会导致融资融券业务对市场波动性产生不同的影响效果。5.2投资者异质性的影响投资者作为金融市场的核心参与者，其行为和决策对市场的运行和波动起着至关重要的作用。在融资融券市场中，投资者并非同质的群体，个人投资者和机构投资者在交易行为、风险偏好、信息获取与分析能力等方面存在显著差异，这些差异进而对市场波动性产生不同的影响。个人投资者在融资融券交易中，交易行为往往呈现出较强的随机性和短期性。他们通常以小额投资为主，缺乏系统的投资知识和专业的分析能力，更多地依赖直觉和市场传闻进行交易决策。许多个人投资者在融资融券交易中，仅仅因为听到某只股票可能上涨的消息，就盲目地进行融资买入，而没有对股票的基本面和市场趋势进行深入分析。这种缺乏理性的交易行为使得个人投资者在市场中更容易受到情绪的左右，表现出明显的“追涨杀跌”特征。当市场上涨时，个人投资者往往受到乐观情绪的影响，纷纷加大融资买入力度，进一步推动股价上涨，形成市场泡沫；而当市场下跌时，他们又容易陷入恐慌，匆忙抛售股票，甚至不惜融券卖出，加剧股价的下跌，从而增大市场波动性。在某一热门股票的炒作中，个人投资者看到股价持续上涨，大量融资买入，导致股价短期内大幅飙升，但一旦市场出现调整信号，他们又迅速卖出股票，引发股价的急剧下跌，市场波动性显著增大。个人投资者的风险承受能力相对有限。由于资金规模较小，一旦市场出现大幅波动，他们可能会面临较大的损失甚至被强制平仓。这使得个人投资者在融资融券交易中更加注重短期收益，对风险的敏感度较高。当市场风险增加时，个人投资者往往会迅速调整投资策略，减少融资融券交易，甚至退出市场，这种行为的一致性可能会导致市场的不稳定，进一步加剧市场波动性。在市场出现较大回调时，许多个人投资者为了避免损失扩大，纷纷选择平仓，导致市场上股票供应大幅增加，股价进一步下跌，市场波动性加剧。机构投资者在融资融券交易中，凭借其专业的投资团队和丰富的投资经验，交易行为更加理性和成熟。他们通常采用多元化的投资策略，注重长期投资回报，会对市场和个股进行深入的研究和分析，结合宏观经济形势、行业发展趋势和公司基本面等因素，制定合理的投资计划。机构投资者在进行融资融券交易时，会综合考虑各种因素，不会仅仅因为短期的市场波动而盲目跟风。当市场出现短期波动时，机构投资者可能会根据自己的研究和判断，认为市场仍处于合理区间，不仅不会恐慌抛售，反而会抓住机会进行逆向投资，通过融资买入被低估的股票，或者融券卖出被高估的股票，从而对市场起到一定的稳定作用。当某一行业的股票因短期市场情绪过度悲观而被低估时，机构投资者通过深入研究发现其长期投资价值，会利用融资工具买入该行业的股票，推动股价回归合理水平，平抑市场波动。机构投资者的资金规模较大，风险承受能力较强，能够通过多元化的投资组合和对冲工具来降低风险。他们可以同时投资于多个不同的资产类别和行业，分散投资风险，减少单一股票或市场波动对投资组合的影响。机构投资者还可以运用股指期货、期权等金融衍生品进行对冲交易，进一步降低融资融券交易的风险。这种风险分散和对冲机制使得机构投资者在市场波动时能够保持相对稳定的投资行为，减少因市场波动而导致的大规模资金流动，从而降低市场波动性。在市场整体波动较大时，机构投资者通过合理运用对冲工具，有效降低了投资组合的风险，避免了因市场波动而大规模抛售股票，对市场起到了稳定作用。为了进一步探究投资者异质性对融资融券与市场波动性关系的影响，以融资融券余额（M）、融资买入额（F）、融券卖出量（S）和股票收益率标准差（σ）等变量为基础，引入投资者类型虚拟变量（I）。当投资者为个人投资者时，I取值为0；当投资者为机构投资者时，I取值为1。构建如下VAR模型进行分析：Y_{t}=\sum_{i=1}^{p}\Phi_{i}Y_{t-i}+\sum_{j=1}^{q}\Theta_{j}I_{t-j}+\varepsilon_{t}其中，Y_{t}是由融资融券余额（M）、融资买入额（F）、融券卖出量（S）和股票收益率标准差（σ）等内生变量组成的向量，Y_{t}=\begin{bmatrix}M_{t}\\F_{t}\\S_{t}\\\sigma_{t}\end{bmatrix}；\Phi_{i}是4\times4的系数矩阵，用于描述各变量滞后i期对当期变量的影响；I_{t}为投资者类型虚拟变量；\Theta_{j}是描述投资者类型虚拟变量滞后j期对当期内生变量影响的系数向量；p和q分别为变量和虚拟变量的滞后阶数；\varepsilon_{t}是随机扰动项向量，满足均值为零、方差协方差矩阵为\Omega的正态分布，即\varepsilon_{t}\simN(0,\Omega)。通过对不同投资者类型下VAR模型的估计和分析，发现投资者异质性对融资融券与市场波动性之间的关系具有显著影响。个人投资者的交易行为更易加剧市场波动性，而机构投资者的参与则有助于降低市场波动性，使市场更加稳定。这表明在融资融券市场中，投资者的异质性是影响市场波动性的重要因素之一，合理引导和优化投资者结构，增加机构投资者的比例，对于降低市场波动性、维护市场稳定具有重要意义。监管部门可以通过出台相关政策，鼓励机构投资者参与融资融券市场，提高市场的稳定性；同时，加强对个人投资者的教育和引导，提高其投资理性和风险意识，减少非理性交易行为对市场的影响。5.3宏观经济因素的调节作用宏观经济因素作为影响金融市场运行的重要外部变量，在融资融券业务与A股市场波动性的关系中扮演着关键的调节角色。国内生产总值（GDP）增长率作为衡量宏观经济增长态势的核心指标，深刻反映了国家经济的总体运行状况和发展趋势，对融资融券与市场波动性之间的关系产生着显著的影响。当GDP增长率处于较高水平，表明国家经济处于繁荣扩张阶段，企业经营效益普遍提升，盈利能力增强，投资者对市场前景充满信心，市场情绪较为乐观。在这种宏观经济环境下，融资融券业务的开展往往具有更为坚实的经济基础和市场氛围。投资者更愿意参与融资融券交易，通过融资买入股票分享经济增长带来的收益，或者通过融券卖空进行风险管理和套利操作。此时，融资融券业务的活跃能够在一定程度上增加市场的流动性和活力，促进市场价格的合理形成，对市场波动性起到一定的平抑作用。在经济繁荣时期，企业业绩良好，股票的内