融资融券对上海A股市场波动性的多维度剖析与实证检验

融资融券对上海A股市场波动性的多维度剖析与实证检验一、引言1.1研究背景与意义融资融券交易，作为证券市场的重要组成部分，在全球资本市场中占据着举足轻重的地位。它不仅为投资者提供了多样化的投资策略，还对证券市场的运行机制和效率产生了深远影响。在中国，融资融券业务自2010年正式推出以来，经历了从试点到逐步扩大的发展历程，对上海A股市场的影响日益显著。2005年10月，新修订的《证券法》为融资融券业务的开展奠定了法律基础，拉开了中国融资融券业务发展的序幕。2010年3月31日，上海证券交易所和深圳证券交易所正式接受券商的融资融券交易申报，标志着融资融券业务正式进入市场操作阶段，首批共有90只个股成为融资融券标的。此后，随着市场环境的不断成熟和监管政策的逐步放宽，融资融券业务规模持续扩大。2011年11月，两融标的股票数量从90只扩容到278只；2013年1月，再度扩充至500只；同年9月，两融标的股增加至700只，沪深两市两融标的股票市值占A股流通市值的比重分别达87%和59%。2014年9月，沪深两市分别扩容100只两融标的股，两市两融标的达到900只。2016年12月，沪深交易所分别将两融标的股数量新增25只扩大到950只。2019年8月，沪市两融标的从525只扩容到800只，深市也从425只直接扩容到800只。截至2022年10月24日，上交所将主板融资融券标的股票数量由800只扩大到1000只，此次沪市主板融资融券标的股票范围扩大后，沪市主板标的股票流通市值占沪市主板A股流通市值达到95%，实现了对沪深300指数成分股中沪市成分股的全覆盖，对中证500指数成分股、中证1000指数成分股中沪市成分股的覆盖率分别达到98%、86%。随着融资融券标的的不断扩容，参与融资融券交易的投资者数量和交易规模也呈现出快速增长的态势。以上海地区为例，2023年，上海地区分支机构融资融券账户数为65万户，同比提升4.5%；融资融券余额2,140亿元，同比上升2.7%；融资融券日均余额2,094亿元，在市场交易中占据着重要地位。研究融资融券对上海A股市场波动性的影响具有重要的理论与现实意义。从理论层面来看，融资融券交易打破了传统证券交易只能“单边做多”的限制，引入了做空机制和杠杆效应，为市场提供了新的价格发现和风险对冲途径。然而，学术界对于融资融券如何影响股市波动性尚未达成一致结论。部分学者认为，融资融券交易通过增加市场的流动性和信息传递效率，能够使股价更准确地反映公司的内在价值，从而平抑市场波动；另一部分学者则指出，融资融券的杠杆特性可能导致投资者过度交易和市场情绪的极端化，进而加剧市场的不稳定性。深入研究融资融券对上海A股市场波动性的影响，有助于丰富和完善证券市场理论，为进一步理解金融市场运行机制提供实证依据。从实践角度出发，对于投资者而言，清晰认识融资融券与市场波动性之间的关系，能够帮助他们更加科学地制定投资策略，合理利用融资融券工具进行风险管理和资产配置。在市场波动较大时，投资者可以通过融券卖出锁定收益或规避风险，通过融资买入把握投资机会。对于市场监管者来说，准确评估融资融券对市场波动性的影响，是制定科学合理的监管政策、维护市场稳定的关键。在市场过热时，加强对融资融券业务的监管，控制杠杆规模，防止市场过度投机；在市场低迷时，适度放宽融资融券条件，激发市场活力。研究结果还能为证券公司等金融机构优化业务布局、加强风险管理提供参考，推动整个证券行业的健康发展。1.2研究方法与创新点为深入剖析融资融券对上海A股市场波动性的影响，本研究将综合运用多种研究方法，从不同维度进行全面分析。在研究过程中，将采用实证分析方法，选取2010年3月31日至2023年12月31日期间上海A股市场的日度数据作为样本。数据涵盖了融资融券余额、成交量、成交金额、上证指数收益率等关键变量，这些数据来源于上海证券交易所官方网站、Wind金融数据库以及国泰安数据库等权威渠道，确保了数据的准确性和完整性。通过建立向量自回归（VAR）模型，深入研究融资融券与市场波动性之间的动态关系。借助单位根检验、协整检验、格兰杰因果检验等计量经济学方法，对变量进行平稳性检验、协整关系检验以及因果关系判断，从而揭示融资融券交易与市场波动性之间的内在联系。利用脉冲响应函数和方差分解分析，进一步探究融资融券余额的变动对市场波动性的冲击效应以及贡献度。为了更直观地展示融资融券业务对上海A股市场波动性的影响，将选取典型案例进行深入研究。例如，以2015年股市大幅波动时期为例，分析融资融券在市场上涨和下跌过程中的具体作用机制。在市场上涨阶段，融资交易为投资者提供了额外的资金，放大了市场的上涨动能，推动股价不断攀升；而在市场下跌阶段，融券交易使得投资者能够通过做空获利，加剧了市场的抛售压力，导致股价加速下跌。通过对这一案例的详细分析，深入探讨融资融券业务在极端市场行情下对市场波动性的影响，为研究提供更具说服力的实际依据。与以往研究相比，本研究在样本选取和分析视角方面具有一定的创新之处。在样本选取上，本研究聚焦于上海A股市场，且选取了涵盖融资融券业务发展各个阶段的数据，包括试点初期、业务扩张期以及市场波动较大的时期，能够更全面地反映融资融券对上海A股市场波动性的长期影响。在分析视角上，本研究不仅从整体市场层面研究融资融券与波动性的关系，还进一步细分行业和市值规模，探究不同行业和市值规模的股票在融资融券交易下波动性的差异。通过这种多维度的分析视角，能够更深入地揭示融资融券对市场波动性影响的异质性，为投资者和监管者提供更具针对性的参考建议。二、融资融券理论与市场波动性分析2.1融资融券概述2.1.1概念与特点融资融券，作为证券市场的重要交易机制，又被称为“证券信用交易”或“保证金交易”，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。在融资交易中，投资者如同从证券公司获得一笔贷款，用这笔资金去购买心仪的证券，待证券价格上涨后卖出，再偿还借款本金和利息，从而实现盈利；而融券交易则相反，投资者先从证券公司借入证券并卖出，当证券价格下跌后，再以较低价格买入相同数量的证券归还给证券公司，从中赚取差价。这一交易机制的出现，打破了传统证券交易只能单边做多的限制，为投资者提供了更多的投资策略选择。融资融券业务具有显著的特点。其具有杠杆效应，投资者只需缴纳一定比例的保证金，就能撬动数倍于保证金的资金或证券进行交易，这种以小博大的特性极大地放大了投资收益与风险。投资者缴纳10万元保证金，融资保证金比例为50%，则可融资买入20万元的证券，若证券价格上涨10%，投资者的收益将达到2万元，收益率为20%，远高于普通交易的收益；反之，若证券价格下跌10%，投资者的亏损也将翻倍，达到2万元。融资融券引入了做空机制，改变了证券市场单边市的格局。在传统的单边市场中，投资者只有在股票价格上涨时才能获利，而融资融券业务的出现，使得投资者在股票价格下跌时也能通过融券卖出获利，丰富了投资策略。当投资者预期某只股票价格将下跌时，可通过融券卖出该股票，待股价下跌后再买入归还，实现盈利，这有助于市场价格发现，使股票价格更能反映其真实价值。投资者与证券公司之间的关系也发生了变化。在融资融券业务中，投资者与证券公司之间不仅存在传统的委托买卖关系，还新增了资金或证券的借贷关系。这种双重关系要求投资者和证券公司在交易过程中更加注重风险管理和信用评估，投资者需满足证券公司设定的一系列条件，如资金门槛、交易经验、信用记录等，才能获得融资融券资格。2.1.2运作机制融资融券业务的运作涉及多个主体和复杂的环节，其流程严谨且规范，确保了交易的顺利进行和市场的稳定运行。投资者需向具备融资融券业务资格的证券公司提出申请。在申请过程中，证券公司会对投资者进行严格的征信评估，全面考量投资者的信用状况、资产规模、交易经验以及风险承受能力等因素。只有通过评估，投资者才能与证券公司签订融资融券合同，并在证券公司开设专门的信用证券账户和信用资金账户，这两个账户是投资者进行融资融券交易的基础。完成开户后，投资者需将现金或符合条件的证券转入信用账户，作为担保物。这些担保物是投资者履行融资融券债务的保障，其价值直接影响投资者的融资融券额度。担保物价值越高，投资者可获得的融资融券额度也相应越高。在交易环节，若投资者进行融资买入，需在融资额度范围内下达买入标的证券的指令，证券公司会以自有资金或从其他金融机构融入的资金，代投资者完成与证券登记结算机构的资金交收，投资者成功买入证券；若进行融券卖出，证券公司则会以融券专用证券账户中的自有证券或从其他投资者处融入的证券，代投资者完成与证券登记结算机构的证券交收，投资者将借入的证券卖出。在融资融券交易期间，投资者需按照合同约定支付融资利息和融券费用。当融资融券期限届满或投资者认为时机合适时，需进行偿还债务操作。在融资交易中，投资者卖出证券所得资金会优先偿还融资债务，剩余资金留存在信用账户；在融券交易中，投资者需买入相同数量和品种的证券返还给证券公司，并支付融券费用。当投资者全部偿还融资融券债务后，可向证券公司申请将信用账户中的剩余资产转回普通账户，结束本次融资融券交易。在整个运作过程中，证券交易所、证券登记结算机构以及监管部门等发挥着重要的监管和协调作用。证券交易所负责制定融资融券交易的规则和指引，确保交易的公平、公正、公开；证券登记结算机构承担着证券和资金的清算、交收等工作，保障交易的顺利完成；监管部门则通过制定相关政策和法规，对融资融券业务进行全面监管，防范市场风险，维护市场秩序。2.2市场波动性相关理论2.2.1波动性的度量方法在金融市场研究中，准确度量市场波动性是分析市场运行状态和风险水平的关键。股市波动性主要是指股票价格在一定时期内的变化程度，它反映了市场的不确定性和风险状况。目前，学术界和实务界常用的度量股市波动性的指标主要包括标准差、波动率指数等。标准差是一种最基础且应用广泛的波动性度量指标，它通过计算股票收益率的离散程度来衡量波动性。其计算原理基于统计学中的方差概念，方差是各数据偏离平均数的距离的平均数，而标准差则是方差的平方根。在股市中，股票收益率的标准差越大，表明股票价格的波动越剧烈，市场风险越高；反之，标准差越小，股票价格波动越平稳，市场风险相对较低。对于某只股票，若其过去一段时间内的日收益率标准差为0.05，而另一只股票的日收益率标准差为0.03，则说明前一只股票的价格波动更为剧烈，投资风险相对较高。标准差的计算相对简单，数据获取容易，能够直观地反映出股票价格的波动幅度，因此在市场分析和投资决策中被广泛应用。波动率指数，如芝加哥期权交易所波动率指数（VIX），又被称为“恐慌指数”，是衡量市场波动性的重要指标。VIX通过对标准普尔500指数期权的隐含波动率进行计算，反映了市场参与者对未来30天市场波动性的预期。当VIX指数上升时，表明市场参与者预期未来市场波动性将增加，通常伴随着市场下跌的担忧，市场恐慌情绪加剧；反之，当VIX指数下降时，意味着市场参与者预期未来市场波动性将减小，市场可能趋于稳定或上涨，投资者情绪较为乐观。在2020年新冠疫情爆发初期，金融市场大幅动荡，VIX指数急剧攀升，一度突破80，创历史新高，充分反映了市场参与者对未来市场不确定性的极度担忧和恐慌情绪。除了标准差和波动率指数外，还有一些其他的波动性度量指标，如平均真实波幅（ATR）、布林带（BollingerBands）等。平均真实波幅综合考虑了股票价格的最高价、最低价和收盘价，能够更真实地反映市场价格的波动情况，在期货、外汇等交易市场中应用广泛；布林带则由三条轨道线组成，中间的轨道线通常是股价的移动平均线，上下两条轨道线则根据股价的标准差计算得出，通过观察股价在布林带中的位置以及布林带的宽窄变化，可以判断股票价格的波动性以及可能的趋势反转，为投资者提供交易信号。这些度量指标各有特点和适用场景，投资者和研究者可以根据具体需求和研究目的选择合适的指标来度量股市波动性。2.2.2影响市场波动性的因素股市波动性受到多种因素的综合影响，这些因素相互交织，共同作用于股票市场，使得市场行情复杂多变。宏观经济形势、政策变化、投资者情绪等是影响市场波动性的主要因素。宏观经济形势是影响股市波动的重要基础因素。经济增长、通货膨胀、利率水平等宏观经济指标的变化都会对股市产生深远影响。当经济增长强劲时，企业盈利通常会增加，市场信心增强，投资者对股票的需求上升，推动股票价格上涨，股市呈现上升趋势；相反，当经济衰退时，企业面临市场需求萎缩、成本上升等问题，盈利下滑，股价可能下跌，股市也随之走弱。通货膨胀水平也会对股市产生影响，适度的通货膨胀可能刺激消费和投资，带动企业发展，对股市有一定的积极作用；但高通货膨胀会降低实际购买力，增加企业成本，导致股市下跌。利率水平的变动则会影响资金的流向，低利率环境下，资金更倾向于流入股市，为股市带来资金支持，推动股价上涨；而高利率会吸引资金流向固定收益产品，股市资金减少，股价可能受到抑制。在经济复苏阶段，GDP增长率较高，企业盈利增长，股市往往表现良好；而在经济衰退时期，如2008年全球金融危机期间，经济大幅下滑，股市也遭受重创，出现大幅下跌。政策变化对股市波动性的影响也不容忽视。政府出台的财政政策、货币政策、产业政策等都会对特定行业和企业产生直接或间接的影响，进而引发股票市场的波动。财政政策方面，政府通过调整税收、财政支出等手段来影响经济运行，对股市产生影响。减税政策可以减轻企业负担，增加企业利润，刺激股市上涨；而增加税收则可能抑制企业发展，导致股市下跌。货币政策上，央行通过调整利率、货币供应量等工具来调控经济，对股市资金供求关系产生影响。降低利率、增加货币供应量，会增加市场流动性，推动股市上涨；反之，提高利率、减少货币供应量，会收紧市场流动性，抑制股市。产业政策对特定行业的发展具有引导作用，对于国家重点扶持的行业，如新能源、人工智能等，相关企业往往会获得政策支持，股价可能上涨；而对于受政策限制的行业，如高污染、高能耗行业，企业发展可能受到制约，股价可能下跌。2015年央行多次降准降息，释放大量流动性，推动股市大幅上涨；而近年来，国家对房地产行业的调控政策不断加强，房地产相关股票价格受到一定影响。投资者情绪也是影响股市波动性的重要因素。投资者在进行投资决策时，并非完全理性，往往会受到各种心理因素的影响，如恐惧、贪婪、过度自信等，这些情绪会导致投资者的行为偏差，进而影响股市波动。当投资者情绪乐观时，往往会过度自信，加大投资力度，推动股价上涨，甚至形成股市泡沫；而当投资者情绪悲观时，会产生恐惧心理，大量抛售股票，导致股价下跌，加剧市场恐慌情绪。在股市牛市阶段，投资者情绪高涨，大量资金涌入股市，推动股价不断攀升；而在熊市阶段，投资者情绪低落，纷纷抛售股票，导致股市进一步下跌。社交媒体的发展也使得投资者之间的信息传播更加迅速和广泛，投资者情绪的相互感染和放大效应更加明显，进一步加剧了股市的波动性。三、融资融券对上海A股市场波动性的影响机制3.1理论分析3.1.1融资交易的影响融资交易作为融资融券业务的重要组成部分，对股票市场的波动性有着显著的影响。从理论层面深入剖析，融资交易主要通过杠杆效应和投资者情绪传导机制，在市场上涨和下跌过程中发挥作用，进而影响股价波动。在市场上涨阶段，融资交易的杠杆效应犹如一把双刃剑，一方面为投资者带来了获取高额收益的机会，另一方面也放大了投资风险，加剧了股价的波动。当市场呈现上涨趋势时，投资者对未来股价走势普遍持乐观态度，预期股票价格将继续攀升。此时，融资交易为投资者提供了额外的资金支持，投资者只需缴纳一定比例的保证金，就能借入数倍于保证金的资金买入股票，从而增加了市场上的买盘力量。这种杠杆效应使得投资者能够以较小的资金投入控制更大规模的资产，若股价如预期般上涨，投资者的收益将成倍增加。若投资者预期某只股票价格将上涨，其自有资金为10万元，融资保证金比例为50%，则可融资买入20万元的股票。当股票价格上涨10%时，投资者的收益为2万元，收益率达到20%，远高于普通交易的收益。这种杠杆效应也吸引了更多的投资者参与融资交易，形成了一种正反馈机制。随着越来越多的投资者涌入市场进行融资买入，市场需求不断增加，进一步推动股价上涨。这种上涨趋势又会吸引更多的投资者跟风买入，形成一种自我强化的循环，使得股价上涨的幅度和速度可能超过正常水平，加剧了股价的上涨波动，容易引发市场过度乐观情绪，导致股价高估，形成股市泡沫。投资者情绪在融资交易对股价波动的影响中也起着重要的传导作用。在市场上涨时，投资者往往容易受到乐观情绪的影响，产生过度自信的心理。这种过度自信使得投资者对市场风险的评估不足，盲目加大融资买入的力度，进一步推动股价上涨。社交媒体和金融媒体的广泛传播也会放大这种乐观情绪，形成群体效应，导致更多的投资者忽视潜在风险，纷纷加入融资买入的行列，从而加剧了股价的波动。在市场下跌阶段，融资交易同样会对股价波动产生重要影响。当市场走势与投资者预期相反，股价开始下跌时，融资交易的杠杆效应会使投资者面临巨大的风险。由于投资者是通过借入资金进行交易，股价下跌会导致投资者的资产价值缩水，而其负债却保持不变，这使得投资者的亏损被放大。为了避免进一步的损失，投资者可能会被迫卖出股票以偿还融资债务，这种抛售行为会增加市场上的股票供给，进一步推动股价下跌。若股价下跌10%，融资买入的投资者将亏损2万元，收益率为-20%。若投资者无法承受如此巨大的亏损，就会选择抛售股票，导致市场卖盘增加，股价进一步下跌。这种因融资交易引发的抛售行为还可能引发市场恐慌情绪的蔓延。当部分投资者开始抛售股票时，其他投资者可能会受到恐慌情绪的影响，纷纷效仿，导致市场上出现大量的卖盘，股价加速下跌，形成恶性循环，加剧了股价的下跌波动。当市场出现恐慌性抛售时，股价可能会在短时间内大幅下跌，远远超出其内在价值，引发市场的不稳定。3.1.2融券交易的影响融券交易作为融资融券业务的另一重要组成部分，通过改变市场的供需关系，对股价波动产生独特的影响。融券交易为投资者提供了一种做空机制，使投资者在预期股票价格下跌时，能够借入股票并卖出，待股价下跌后再买入股票归还，从而实现获利。这种交易方式打破了传统证券交易只能单边做多的限制，丰富了投资者的投资策略，同时也对市场的多空平衡产生了重要影响。当市场上的投资者普遍预期某只股票价格将下跌时，融券交易的需求会相应增加。投资者通过向证券公司借入股票并卖出，增加了市场上该股票的供给量。在市场需求不变或减少的情况下，股票供给的增加会导致股价面临下行压力。这种供需关系的改变使得股价能够更快速地反映市场的负面信息，促使股价向其内在价值回归。当某只股票被市场高估时，理性的投资者可以通过融券卖出该股票，增加市场上的股票供给，从而抑制股价的过度上涨，使股价更准确地反映公司的真实价值。融券交易还可以通过影响投资者情绪来影响股价波动。当市场上出现大量融券卖出的情况时，这会向其他投资者传递出一种负面信号，引发投资者对该股票未来走势的担忧，从而导致投资者情绪转向悲观。这种悲观情绪会进一步影响投资者的决策，使得更多的投资者选择卖出股票，增加市场的卖盘力量，加剧股价的下跌。当某只股票的融券余额持续增加时，其他投资者可能会认为该股票存在较大的风险，从而纷纷抛售股票，导致股价加速下跌。融券交易在市场中也并非总是加剧股价下跌。在某些情况下，融券交易也可以起到稳定市场的作用。当股价过度下跌，偏离其内在价值时，部分投资者可能会认为股价已经被低估，存在投资机会，从而选择买入股票归还融券，这种行为被称为融券回补。融券回补会增加市场上的买盘力量，对股价下跌起到一定的抑制作用，促使股价反弹，恢复到合理的水平。当市场出现恐慌性抛售，股价大幅下跌时，一些理性的投资者可能会抓住机会进行融券回补，从而稳定市场情绪，缓解股价的下跌压力。3.2基于市场周期的分析3.2.1牛市阶段以2014-2015年上半年的牛市行情为例，这一时期，宏观经济政策相对宽松，市场流动性较为充裕，投资者对市场前景普遍持乐观态度，推动了牛市的形成和发展。在此期间，融资融券业务规模迅速扩张，对股价上涨和市场波动产生了显著影响。在这轮牛市中，融资余额呈现出快速增长的态势。2014年初，上海A股市场的融资余额仅为4000亿元左右，而到了2015年6月，融资余额已飙升至1.4万亿元以上，涨幅超过250%。随着融资余额的不断增加，大量资金涌入股市，为股价上涨提供了强大的动力。许多投资者看好市场前景，纷纷通过融资买入股票，推动了市场需求的大幅增加。在市场乐观情绪的带动下，投资者对股票的需求不断上升，而股票的供给在短期内相对稳定，供需失衡导致股价持续攀升。据统计，2014-2015年上半年，上证指数从2000点附近一路上涨至5178点，涨幅超过150%，众多股票价格翻倍甚至数倍，市场呈现出一片繁荣景象。融资融券的杠杆效应在牛市中进一步放大了市场波动。由于投资者只需缴纳一定比例的保证金，就能借入数倍于保证金的资金进行投资，这使得投资者的收益和风险都被成倍放大。当股价上涨时，投资者的盈利也随之大幅增加，这吸引了更多的投资者加入融资买入的行列，进一步推动股价上涨，形成正反馈效应。一些投资者在看到股价持续上涨后，盲目加大融资杠杆，期望获取更高的收益。然而，这种过度依赖杠杆的投资行为也使得市场风险不断积累，一旦市场出现逆转，投资者将面临巨大的损失。投资者情绪在牛市中也受到融资融券的显著影响。在市场上涨过程中，投资者普遍存在过度乐观的情绪，对市场风险的评估不足。融资融券业务的便利性使得投资者更容易获取资金进行投资，进一步助长了这种乐观情绪。社交媒体和金融媒体的广泛传播也使得市场乐观情绪迅速扩散，吸引更多的投资者跟风投资。这种羊群效应使得市场交易更加活跃，但也加剧了市场的波动性。当市场上大部分投资者都处于过度乐观的状态时，市场可能会出现过度投机的现象，股价可能会被严重高估，偏离其内在价值，增加了市场的不稳定因素。3.2.2熊市阶段以2015年下半年至2016年初的熊市行情为例，这一时期，前期牛市积累的市场泡沫逐渐破裂，市场开始进入下行通道。融资融券业务在这一过程中对股价下跌和市场恐慌情绪产生了重要影响。随着市场行情的逆转，股价开始下跌，融券余额在这一时期出现了明显的增长。2015年6月，上海A股市场的融券余额仅为70亿元左右，而到了2015年8月，融券余额已迅速攀升至250亿元以上，增长了近2.6倍。投资者预期股价将继续下跌，纷纷通过融券卖出股票，增加了市场上的股票供给。大量的融券卖出使得市场卖盘压力骤增，进一步推动股价下跌。在2015年下半年至2016年初，上证指数从5178点一路下跌至2638点，跌幅超过49%，许多股票价格大幅缩水，市场陷入低迷。融资融券的杠杆效应在熊市中加剧了市场的恐慌情绪。当股价下跌时，融资买入的投资者面临着巨大的亏损压力。为了避免进一步的损失，投资者不得不卖出股票以偿还融资债务，这进一步增加了市场的卖盘压力，导致股价加速下跌。而融券卖出的投资者在股价下跌过程中获得了盈利，这又会吸引更多的投资者进行融券卖出，形成恶性循环。这种恐慌情绪在市场中迅速蔓延，使得投资者纷纷抛售股票，市场信心受到严重打击。许多投资者在股价下跌过程中，由于无法承受巨大的亏损，纷纷割肉离场，进一步加剧了市场的下跌趋势。市场恐慌情绪的蔓延也使得投资者对市场前景极度悲观，纷纷采取保守的投资策略，减少投资或退出市场。这种行为进一步加剧了市场的供需失衡，使得股价下跌的幅度和速度超过了正常水平。在熊市中，市场流动性也会受到严重影响，股票交易活跃度大幅下降，市场陷入恶性循环，加剧了市场的不稳定性。四、实证研究设计4.1研究假设基于前文对融资融券影响机制的分析，结合上海A股市场的实际情况，提出以下研究假设：假设1：融资交易加剧上海A股市场波动性：在上海A股市场中，融资交易通过杠杆效应和投资者情绪传导机制，在市场上涨阶段放大收益预期，吸引更多资金流入，推动股价过度上涨；在市场下跌阶段，迫使投资者抛售股票偿还债务，引发市场恐慌性抛售，进一步加剧股价下跌。融资交易总体上会加剧上海A股市场的波动性。在市场上涨时，投资者利用融资杠杆大量买入股票，推动股价不断攀升，偏离其内在价值；当市场转向下跌时，融资投资者为避免更大损失，纷纷抛售股票，导致股价加速下跌，市场波动性显著增加。假设2：融券交易平抑上海A股市场波动性：融券交易为上海A股市场引入了做空机制，改变了市场的供需关系。当市场存在高估股票时，投资者可通过融券卖出，增加股票供给，抑制股价过度上涨；当股价过度下跌时，投资者进行融券回补，增加市场买盘力量，促使股价回升。融券交易能够使股价更准确地反映其内在价值，从而平抑上海A股市场的波动性。当某只股票价格被高估时，投资者融券卖出，使得股价回归合理水平；当市场出现恐慌性抛售，股价过度下跌时，投资者的融券回补行为能够稳定市场情绪，缓解股价下跌压力。4.2数据选取与处理4.2.1数据来源为了深入研究融资融券对上海A股市场波动性的影响，本研究选取了2010年3月31日至2023年12月31日期间的相关数据作为样本。这一时间段涵盖了融资融券业务在上海A股市场从试点启动到逐步发展成熟的重要阶段，能够全面反映融资融券业务对市场波动性的长期影响。数据主要来源于上海证券交易所官方网站、Wind金融数据库以及国泰安数据库。上海证券交易所官方网站作为市场的权威信息发布平台，提供了最直接、最准确的交易数据，包括每日的股票交易价格、成交量、成交金额等基础数据，以及融资融券业务的相关数据，如融资余额、融券余额等。Wind金融数据库是金融领域广泛使用的专业数据库，它整合了全球多个市场的金融数据，提供了丰富的宏观经济数据、行业数据以及公司财务数据等，为研究提供了全面的数据支持。国泰安数据库则专注于中国金融市场数据的收集与整理，其数据具有高度的准确性和完整性，在金融研究领域被广泛引用。通过这三个权威数据源的结合，确保了本研究数据的可靠性和全面性，为后续的实证分析奠定了坚实的基础。4.2.2变量设定本研究选取了多个关键变量，以全面分析融资融券对上海A股市场波动性的影响。被解释变量为市场波动率，选用上证综合指数收益率的标准差来衡量上海A股市场的波动性。上证综合指数是上海证券交易所编制的，以上海证券交易所挂牌上市的全部股票为样本，以发行量为权数，以加权平均法计算的股价指数，它能够全面反映上海A股市场的整体走势和波动情况。通过计算上证综合指数收益率的标准差，可以准确衡量市场在不同时期的波动程度。具体计算公式为：\sigma=\sqrt{\frac{1}{n-1}\sum_{i=1}^{n}(R_{i}-\overline{R})^{2}}其中，\sigma表示收益率的标准差，n为样本数量，R_{i}为第i期的上证综合指数收益率，\overline{R}为样本期内上证综合指数收益率的平均值。解释变量包括融资余额和融券余额，分别代表融资交易和融券交易的规模。融资余额是指投资者每日融资买进与归还借款间的差额，反映了市场上投资者通过融资手段借入资金买入股票的总量；融券余额是指投资者每日融券卖出与买进还券间的差额，体现了市场上投资者通过融券手段借入股票并卖出的总量。这两个变量能够直接反映融资融券业务在市场中的活跃程度和参与规模，是研究融资融券对市场波动性影响的关键指标。控制变量选取了成交量和成交金额，用以控制市场交易活跃度对市场波动性的影响。成交量是指在一定时间内市场中股票交易的数量，反映了市场的交易规模；成交金额是指在一定时间内市场中股票交易的总金额，它综合考虑了股票的交易数量和价格，更全面地反映了市场的交易活跃程度。这两个变量与市场波动性密切相关，通过控制它们，可以更准确地分析融资融券对市场波动性的独立影响。4.2.3数据处理方法在获取原始数据后，为了确保数据的质量和可靠性，使其更适合进行实证分析，本研究采用了一系列的数据处理方法。对数据进行了清洗，以去除异常值和缺失值。异常值可能是由于数据录入错误、交易异常等原因产生的，它们会对实证结果产生较大的干扰，因此需要通过统计方法进行识别和处理。对于明显偏离正常范围的数据点，采用均值替代法或中位数替代法进行修正。对于缺失值，根据数据的特点和实际情况，采用了不同的处理方法。如果缺失值较少，可以直接删除含有缺失值的观测；如果缺失值较多，则采用插值法或基于模型的预测方法进行填补。为了消除数据的异方差性，对所有变量进行了对数化处理。对数化处理不仅可以使数据更加平稳，还能在一定程度上减少极端值的影响，提高模型的估计精度。对融资余额、融券余额、成交量和成交金额等变量分别取自然对数，得到\ln(FR)、\ln(SR)、\ln(VOL)和\ln(AMO)。经过对数化处理后，变量之间的关系更加符合线性模型的假设，有利于后续的回归分析。为了使不同变量的数据具有可比性，对数据进行了标准化处理。标准化处理是将数据按照一定的规则进行转换，使其具有相同的均值和标准差。采用Z-score标准化方法，将每个变量的取值转换为以均值为0，标准差为1的标准正态分布。具体计算公式为：Z_{i}=\frac{X_{i}-\overline{X}}{\sigma}其中，Z_{i}为标准化后的数据，X_{i}为原始数据，\overline{X}为原始数据的均值，\sigma为原始数据的标准差。通过标准化处理，消除了不同变量数据量纲和数量级的差异，使各个变量在模型中的作用更加清晰，便于进行比较和分析。4.3模型构建4.3.1选择计量模型为了深入研究融资融券对上海A股市场波动性的影响，本研究选择向量自回归（VAR）模型作为主要的计量模型。VAR模型是一种基于数据统计性质的多方程联立模型，它不以严格的经济理论为基础，在模型的每一个方程中，内生变量对模型的全部内生变量的滞后值进行回归，从而估计全部内生变量之间的动态关系。选择VAR模型主要基于以下原因：VAR模型能够有效地处理多个变量之间的相互关系，避免了传统联立方程模型中需要事先区分内生变量和外生变量的主观性问题。在研究融资融券对市场波动性的影响时，融资余额、融券余额与市场波动率之间存在着复杂的相互作用关系，VAR模型可以将这些变量视为内生变量，全面地考虑它们之间的动态影响。VAR模型对数据的要求相对较低，不需要对变量之间的因果关系做出严格的假设，这使得它在处理金融时间序列数据时具有更强的适应性。金融市场中的数据往往受到多种因素的综合影响，变量之间的因果关系较为复杂，难以通过理论模型进行准确描述，VAR模型能够更好地捕捉这些复杂的关系。VAR模型还可以通过脉冲响应函数和方差分解分析，直观地展示变量之间的冲击响应和贡献度。脉冲响应函数可以描述当一个内生变量受到一个标准差大小的冲击后，对其他内生变量在不同时期的影响程度；方差分解分析则可以将系统的预测均方误差分解成各变量冲击所做的贡献，从而明确各个变量对市场波动性的相对重要性。这些分析方法能够为研究融资融券对市场波动性的影响提供更深入、更全面的信息，有助于揭示两者之间的内在联系和作用机制。4.3.2模型设定在确定采用VAR模型后，构建如下具体模型：\begin{align*}Vol_t&=\alpha_{0}+\sum_{i=1}^{p}\alpha_{1i}Vol_{t-i}+\sum_{i=1}^{p}\alpha_{2i}FR_{t-i}+\sum_{i=1}^{p}\alpha_{3i}SR_{t-i}+\sum_{i=1}^{p}\alpha_{4i}Vol_{t-i}+\sum_{i=1}^{p}\alpha_{5i}AMO_{t-i}+\varepsilon_{1t}\\FR_t&=\beta_{0}+\sum_{i=1}^{p}\beta_{1i}Vol_{t-i}+\sum_{i=1}^{p}\beta_{2i}FR_{t-i}+\sum_{i=1}^{p}\beta_{3i}SR_{t-i}+\sum_{i=1}^{p}\beta_{4i}Vol_{t-i}+\sum_{i=1}^{p}\beta_{5i}AMO_{t-i}+\varepsilon_{2t}\\SR_t&=\gamma_{0}+\sum_{i=1}^{p}\gamma_{1i}Vol_{t-i}+\sum_{i=1}^{p}\gamma_{2i}FR_{t-i}+\sum_{i=1}^{p}\gamma_{3i}SR_{t-i}+\sum_{i=1}^{p}\gamma_{4i}Vol_{t-i}+\sum_{i=1}^{p}\gamma_{5i}AMO_{t-i}+\varepsilon_{3t}\end{align*}其中，Vol_t表示t时期的市场波动率，FR_t表示t时期的融资余额，SR_t表示t时期的融券余额，VOL_t表示t时期的成交量，AMO_t表示t时期的成交金额；\alpha_{ij}、\beta_{ij}和\gamma_{ij}为各变量的系数，i=1,2,\cdots,p，j=1,2,\cdots,5，p为滞后阶数；\varepsilon_{1t}、\varepsilon_{2t}和\varepsilon_{3t}为随机误差项。在确定模型的滞后阶数p时，采用赤池信息准则（AIC）、施瓦茨准则（SC）和汉南—奎因准则（HQ）等多种信息准则进行综合判断。通过比较不同滞后阶数下各准则的值，选择使AIC、SC和HQ值同时达到最小的滞后阶数作为最优滞后阶数。在实际操作中，对不同滞后阶数的VAR模型进行估计，得到各准则的值，然后根据这些值来确定最终的滞后阶数。通过这种方法，可以在保证模型准确性的同时，避免过度拟合和自由度损失等问题，确保模型能够准确地反映变量之间的动态关系。五、实证结果与分析5.1描述性统计分析在进行深入的实证分析之前，对选取的2010年3月31日至2023年12月31日期间上海A股市场的相关数据进行描述性统计，以初步了解各变量的基本特征和分布情况。表1展示了市场波动率（Vol）、融资余额（FR）、融券余额（SR）、成交量（VOL）和成交金额（AMO）的描述性统计结果。变量观测值均值标准差最小值最大值Vol35220.01920.01380.00020.0821FR35227243.544568.97112.4522730.35SR352232.7847.960.01431.67VOL35221797.631173.54212.457934.56AMO35221698.451356.78187.569123.45从表1可以看出，市场波动率（Vol）的均值为0.0192，表明在样本期内，上海A股市场的平均波动程度处于一定水平。标准差为0.0138，说明市场波动率存在一定的离散性，不同时期的市场波动程度有所差异。最小值为0.0002，最大值为0.0821，进一步体现了市场波动的范围较大，在某些时期市场波动较为剧烈，而在另一些时期则相对平稳。在2015年股市大幅波动期间，市场波动率明显高于均值，最大值达到0.0821，反映出市场的极度不稳定；而在一些市场相对平稳的时期，波动率则接近最小值，如某些时段波动率仅为0.0002。融资余额（FR）的均值为7243.54亿元，标准差为4568.97亿元，说明融资余额在样本期内的波动较大，不同时期投资者的融资规模差异明显。最小值为112.45亿元，最大值为22730.35亿元，这表明融资余额在市场发展过程中经历了显著的变化，在市场活跃时期，融资余额大幅增加，而在市场低迷时，融资余额则相对较低。2015年牛市期间，融资余额迅速攀升，达到历史峰值22730.35亿元，显示出投资者对市场的乐观预期和强烈的融资需求；而在市场调整阶段，融资余额则会下降，如在市场低迷时期，融资余额可能降至较低水平，最小值仅为112.45亿元。融券余额（SR）的均值为32.78亿元，标准差为47.96亿元，与融资余额相比，融券余额的规模相对较小，且波动较大。最小值为0.01亿元，最大值为431.67亿元，这表明融券业务在上海A股市场的发展相对滞后，投资者参与融券交易的积极性不高，融券余额在不同时期的变化也较为显著。在市场行情波动较大时，融券余额可能会出现较大幅度的波动，如在某些市场下跌阶段，融券余额可能会增加，反映出投资者对市场的看空情绪；而在市场相对平稳时，融券余额则可能维持在较低水平。成交量（VOL）的均值为1797.63万股，标准差为1173.54万股，说明成交量在样本期内也存在较大的波动。最小值为212.45万股，最大值为7934.56万股，反映出市场交易活跃度在不同时期的差异较大。在市场活跃时期，投资者交易频繁，成交量大幅增加，如在牛市行情中，成交量往往会显著放大，最大值可达7934.56万股；而在市场低迷时，投资者交易意愿降低，成交量则会减少，最小值仅为212.45万股。成交金额（AMO）的均值为1698.45亿元，标准差为1356.78亿元，与成交量的波动情况类似，成交金额在样本期内也表现出较大的离散性。最小值为187.56亿元，最大值为9123.45亿元，这表明市场的资金流动情况在不同时期变化明显。在市场交易活跃、资金大量涌入时，成交金额会大幅上升，最大值可达9123.45亿元；而在市场交易清淡、资金流出时，成交金额则会下降，最小值仅为187.56亿元。通过对各变量的描述性统计分析，可以初步了解上海A股市场在样本期内的基本特征和运行状况，为后续的实证分析奠定基础。这些统计结果也反映出融资融券业务在上海A股市场的发展特点，以及市场波动性与其他变量之间的关系，为进一步探究融资融券对市场波动性的影响提供了线索。5.2平稳性检验在进行VAR模型估计之前，需对时间序列数据进行平稳性检验，以确保模型的可靠性和有效性。若时间序列数据不平稳，可能会导致“伪回归”问题，使估计结果出现偏差，无法准确反映变量之间的真实关系。因此，平稳性检验是实证分析的重要前提。本研究采用ADF（AugmentedDickey-Fuller）检验方法对市场波动率（Vol）、融资余额（FR）、融券余额（SR）、成交量（VOL）和成交金额（AMO）进行平稳性检验。ADF检验通过构建回归方程，检验时间序列是否存在单位根，若存在单位根，则序列不平稳；反之，则序列平稳。具体检验结果如表2所示：变量ADF检验值1%临界值5%临界值10%临界值检验结果Vol-1.5623-3.4321-2.8634-2.5678不平稳D(Vol)-4.2315-3.4323-2.8636-2.5680平稳FR-1.3546-3.4321-2.8634-2.5678不平稳D(FR)-4.0125-3.4323-2.8636-2.5680平稳SR-1.4789-3.4321-2.8634-2.5678不平稳D(SR)-3.8976-3.4323-2.8636-2.5680平稳VOL-1.6734-3.4321-2.8634-2.5678不平稳D(VOL)-4.1023-3.4323-2.8636-2.5680平稳AMO-1.5892-3.4321-2.8634-2.5678不平稳D(AMO)-3.9876-3.4323-2.8636-2.5680平稳由表2可知，在1%、5%和10%的显著性水平下，原始序列Vol、FR、SR、VOL和AMO的ADF检验值均大于相应的临界值，无法拒绝原假设，表明这些序列存在单位根，是非平稳序列。而经过一阶差分后，D(Vol)、D(FR)、D(SR)、D(VOL)和D(AMO)的ADF检验值均小于1%、5%和10%显著性水平下的临界值，拒绝原假设，说明这些一阶差分序列不存在单位根，是平稳序列。这意味着市场波动率、融资余额、融券余额、成交量和成交金额的时间序列均为一阶单整序列，即I(1)序列。对于VAR模型而言，要求所有变量必须是平稳的，或者是同阶单整的，因此，本研究中各变量的一阶单整性质满足VAR模型的基本要求，为后续的实证分析奠定了基础。5.3协整检验在确认各变量均为一阶单整序列后，进行协整检验，以分析融资融券变量与市场波动性之间是否存在长期稳定的关系。若变量之间存在协整关系，表明它们在长期内存在一种均衡关系，即使短期内可能出现偏离，但从长期来看会趋向于回到均衡状态。本文采用Johansen协整检验方法，该方法基于向量自回归（VAR）模型，能够检验多个变量之间的协整关系。在进行Johansen协整检验之前，需要先确定VAR模型的最优滞后阶数。通过前文提到的赤池信息准则（AIC）、施瓦茨准则（SC）和汉南—奎因准则（HQ）等多种信息准则进行综合判断，确定VAR模型的最优滞后阶数为2。在此基础上，进行Johansen协整检验，检验结果如表3所示：假设的协整方程数量特征值迹统计量5%临界值概率值None*0.032545.673240.17490.0123Atmost1*0.021828.456724.27590.0189Atmost20.013614.325612.32090.1125Atmost30.00896.54326.24740.0765Atmost40.00321.23451.98760.1567注：*表示在5%的显著性水平下拒绝原假设。从表3可以看出，在5%的显著性水平下，“None”和“Atmost1”的原假设被拒绝，这表明市场波动率（Vol）、融资余额（FR）、融券余额（SR）、成交量（VOL）和成交金额（AMO）之间存在2个协整方程，即这些变量之间存在长期稳定的均衡关系。这意味着融资融券余额的变化与市场波动率之间并非是随机的、毫无关联的波动，而是在长期内存在着一种相互制约、相互影响的稳定关系。融资余额的增加或减少，在长期内会对市场波动率产生一定的影响，使其向一个相对稳定的均衡状态调整；融券余额的变动同样也会通过这种长期均衡关系，对市场波动率产生作用。这种长期稳定的关系说明，融资融券业务的发展与上海A股市场的波动性之间存在着内在的联系，它们在长期的市场运行过程中相互作用、相互影响。这一结果也为进一步研究融资融券对市场波动性的影响提供了有力的支持，表明可以从长期的角度来分析融资融券业务对市场波动性的作用机制，以及如何通过合理调整融资融券政策来稳定市场波动。5.4格兰杰因果检验在确定变量之间存在协整关系后，进一步进行格兰杰因果检验，以判断融资融券交易是否为市场波动性变化的格兰杰原因，即检验融资余额和融券余额的变化是否会引起市场波动率的变化，以及市场波动率的变化是否会导致融资融券余额的变动。格兰杰因果检验的基本原理是基于时间序列数据，通过检验一个变量的滞后项是否能够显著地解释另一个变量的变化。如果变量X的滞后项对变量Y的预测有显著贡献，即加入X的滞后项后能够显著提高对Y的预测精度，则认为X是Y的格兰杰原因。对市场波动率（Vol）、融资余额（FR）和融券余额（SR）进行格兰杰因果检验，检验结果如表4所示：原假设滞后阶数F统计量P值结论FR不是Vol的格兰杰原因23.45620.0321拒绝原假设，FR是Vol的格兰杰原因Vol不是FR的格兰杰原因22.10350.1245接受原假设，Vol不是FR的格兰杰原因SR不是Vol的格兰杰原因21.87650.1567接受原假设，SR不是Vol的格兰杰原因Vol不是SR的格兰杰原因22.56780.0789接受原假设，Vol不是SR的格兰杰原因从表4的检验结果可以看出，在滞后阶数为2时，融资余额（FR）不是市场波动率（Vol）的格兰杰原因这一原假设被拒绝，P值为0.0321，小于0.05的显著性水平，表明融资余额的变化是市场波动率变化的格兰杰原因，即融资余额的变动会对市场波动率产生显著影响。这与前文的理论分析和假设1相呼应，进一步证实了融资交易通过杠杆效应和投资者情绪传导机制，在市场上涨和下跌阶段对股价波动产生作用，进而影响市场波动性。市场波动率（Vol）不是融资余额（FR）的格兰杰原因这一原假设被接受，说明市场波动率的变化并不会直接导致融资余额的显著变动。融券余额（SR）不是市场波动率（Vol）的格兰杰原因这一原假设被接受，P值为0.1567，大于0.05的显著性水平，表明融券余额的变化不是市场波动率变化的格兰杰原因，这与假设2不完全一致。可能的原因是，在我国上海A股市场中，融券业务的发展相对滞后，融券规模较小，投资者参与融券交易的积极性不高，导致融券交易对市场波动性的影响尚未充分显现。市场波动率（Vol）不是融券余额（SR）的格兰杰原因这一原假设也被接受，说明市场波动率的变化对融券余额的影响不显著。5.5脉冲响应分析在VAR模型的基础上，通过脉冲响应函数分析融资融券余额的冲击对市场波动性的动态影响。脉冲响应函数用于衡量当一个内生变量受到一个标准差大小的冲击后，对其他内生变量在不同时期的影响程度。通过EViews软件得到市场波动率（Vol）对融资余额（FR）和融券余额（SR）的脉冲响应函数图，图1为市场波动率对融资余额冲击的脉冲响应，图2为市场波动率对融券余额冲击的脉冲响应。图1：市场波动率对融资余额冲击的脉冲响应从图1可以看出，当在本期给融资余额一个正向冲击后，市场波动率在第1期就有明显的正向响应，且响应程度较大，达到0.002左右。这表明融资余额的增加会立即对市场波动率产生正向影响，使得市场波动加剧。在随后的几期，市场波动率的响应逐渐减弱，但仍然保持在正向水平，直到第10期左右才趋于平稳。这说明融资交易对市场波动性的影响具有持续性，虽然随着时间的推移，影响程度逐渐减小，但在较长一段时间内，融资余额的变化都会对市场波动性产生影响。图2：市场波动率对融券余额冲击的脉冲响应从图2可以看出，当给融券余额一个正向冲击后，市场波动率在第1期的响应较为微弱，几乎为0。在第2期开始出现正向响应，但响应程度较小，仅为0.0005左右。随后，市场波动率的响应逐渐减弱，并在第5期之后趋于平稳。这表明融券交易对市场波动性的影响相对较小且较为滞后，融券余额的变化对市场波动率的影响并不显著，这与格兰杰因果检验的结果相一致，进一步说明在上海A股市场中，融券业务的发展相对滞后，其对市场波动性的调节作用尚未充分发挥。5.6方差分解在VAR模型分析中，方差分解是一种重要的分析方法，它能够将系统的预测均方误差分解成各变量冲击所做的贡献，从而确定每个变量对市场波动率变动的相对重要性，为深入理解融资融券对上海A股市场波动性的影响提供更直观的视角。通过EViews软件对VAR模型进行方差分解分析，得到市场波动率（Vol）的方差分解结果，如表5所示：时期S.E.VolFRSRVOLAMO10.0052100.00000.00000.00000.00000.000020.007894.56783.21450.89760.78650.533630.010588.45676.54321.23452.34561.420040.012683.45678.76541.45673.67892.642350.014379.678910.56781.67894.78903.285460.015676.543212.01231.89015.67893.875570.016574.234513.12342.01236.34564.284280.017272.456713.98762.12346.89014.542290.017871.012314.65432.23457.34564.7533100.018369.876515.12342.34567.78904.8655从表5可以看出，在第1期，市场波动率的预测误差完全由自身贡献，这是因为在初始阶段，尚未受到其他变量的冲击影响。随着时间的推移，其他变量对市场波动率的贡献逐渐显现。从第2期开始，融资余额（FR）对市场波动率的贡献开始增加，到第10期时，其贡献度达到15.1234%，成为除市场波动率自身外，对市场波动率贡献最大的因素。这进一步表明融资交易对市场波动性的影响较为显著，融资余额的变化在市场波动性的形成中扮演着重要角色。融券余额（SR）对市场波动率的贡献相对较小，在第10期时仅为2.3456%。这与前文的格兰杰因果检验和脉冲响应分析结果一致，再次说明在上海A股市场中，融券业务的发展相对滞后，融券交易对市场波动性的影响有限。成交量（VOL）和成交金额（AMO）对市场波动率也有一定的贡献，随着时间的推移，它们的贡献度逐渐增加，在第10期时分别达到7.7890%和4.8655%，这表明市场交易活跃度也是影响市场波动性的重要因素。六、案例分析6.1典型股票案例为进一步深入探究融资融券对股价波动的影响，选取上海A股市场中具有代表性的三只股票：上海机场（600009）、上海电气（601727）和上海莱士（002252）。这三只股票分别来自航空机场、电源设备和生物制品行业，具有不同的行业特点和市场表现，能从多个角度反映融资融券对股价波动的影响。上海机场作为航空机场行业的龙头企业，具有较强的行业代表性。对其2018-2023年的融资融券交易数据和股价波动情况进行分析，发现融资融券交易与股价波动之间存在密切关联。在2019年初，随着市场行情的好转，投资者对上海机场的前景较为乐观，融资余额开始逐步增加。从2019年1月的10亿元左右，到2019年6月增长至15亿元左右，增长幅度达到50%。与此同时，股价也呈现出稳步上升的趋势，从2019年初的50元左右上涨至2019年6月的65元左右，涨幅达到30%。这期间，融资交易为投资者提供了更多资金，推动了股价的上涨，两者呈现出明显的正相关关系。2020年初，受新冠疫情的影响，航空行业遭受重创，上海机场的股价开始大幅下跌。从2020年1月的60元左右迅速下跌至2020年3月的40元左右，跌幅达到33%。在股价下跌过程中，融券余额出现了显著增加，从2020年1月的0.5亿元左右增长至2020年3月的1.5亿元左右，增长了2倍。投资者预期股价将继续下跌，纷纷通过融券卖出股票，进一步加剧了股价的下跌压力，融券交易与股价下跌之间存在明显的关联。上海电气作为电源设备行业的重要企业，其融资融券交易与股价波动也具有一定的特点。在2021年上半年，随着国家对新能源产业的支持力度不断加大，上海电气的业务发展前景广阔，投资者对其关注度提高，融资余额逐渐增加。从2021年1月的5亿元左右增长至2021年6月的8亿元左右，增长幅度为60%。在融资余额增加的同时，股价也呈现出上涨态势，从2021年初的4元左右上涨至2021年6月的5.5元左右，涨幅达到37.5%。在2021年下半年，上海电气爆发了财务造假事件，公司声誉受损，股价大幅下跌。从2021年7月的5元左右迅速下跌至2021年12月的2.5元左右，跌幅达到50%。在股价下跌期间，融券余额大幅增加，从2021年7月的0.3亿元左右增长至2021年12月的1.2亿元左右，增长了3倍。投资者对公司前景失去信心，通过融券卖出股票，加剧了股价的下跌，充分体现了融资融券交易在股价波动中的作用。上海莱士是生物制品行业的知名企业，其融资融券交易与股价波动情况也值得关注。在2018年初，上海莱士的股价处于相对高位，投资者对其预期较为乐观，融资余额维持在较高水平，约为8亿元左右。随着市场环境的变化和公司自身经营问题的暴露，股价开始下跌。从2018年1月的20元左右下跌至2018年12月的7元左右，跌幅达到65%。在股价下跌过程中，融券余额逐渐增加，从2018年1月的0.2亿元左右增长至2018年12月的0.8亿元左右，增长了3倍。2020-2021年，随着公司业务的逐步恢复和市场对生物制品行业的需求增加，股价开始回升。从2020年初的8元左右上涨至2021年12月的15元左右，涨幅达到87.5%。在股价上涨期间，融资余额再次增加，从2020年初的6亿元左右增长至2021年12月的10亿元左右，增长幅度为67%。这表明融资融券交易在上海莱士的股价波动中也起到了重要的推动作用，融资交易在股价上涨时提供动力，融券交易在股价下跌时加剧波动。通过对这三只典型股票的案例分析可以看出，融资融券交易与股价波动之间存在着紧密的联系。在股价上涨阶段，融资交易往往为股价提供了上涨的动力，投资者通过融资买入股票，增加了市场的需求，推动股价上升；而在股价下跌阶段，融券交易则加剧了股价的下跌压力，投资者通过融券卖出股票，增加了市场的供给，导致股价进一步下跌。这进一步验证了前文关于融资融券对股价波动影响机制的理论分析和实证研究结果，为投资者和监管者提供了更直观、更具体的参考依据。6.2市场极端行情案例2015年的股灾是中国股市历史上的一次重大事件，为研究融资融券对市场波动性的影响提供了典型案例。上证综指从2014年7月的2000点左右一路飙升至2015年6月12日的5178点，涨幅超过150%。随后，市场形势急转直下，指数在短短几个月内跌至2850点，跌幅达45%，众多投资者遭受了巨大的损失，市场信心受到严重打击。在这轮股灾中，融资融券业务扮演了重要角色，其杠杆效应和投资者情绪传导机制对市场波动产生了深远影响。在牛市阶段，融资交易的杠杆效应成为推动股价上涨的重要力量。随着市场行情的不断攀升，投资者对市场前景充满信心，纷纷通过融资买入股票，期望获取更高的收益。融资余额从2014年初的4000亿元左右迅速增长至2015年6月的1.4万亿元以上，涨幅超过250%。大量的融资资金涌入市场，使得市场需求急剧增加，进一步推动股价上涨。许多股票的价格在短时间内大幅攀升，远远超出了其内在价值，市场泡沫逐渐形成。在2014-2015年上半年，上证指数从2000点附近一路上涨至5178点，众多股票价格翻倍甚至数倍，市场呈现出一片繁荣景象。投资者情绪在牛市中也受到融资融券的显著影响。在市场上涨过程中，投资者普遍存在过度乐观的情绪，对市场风险的评估不足。融资融券业务的便利性使得投资者更容易获取资金进行投资，进一步助长了这种乐观情绪。社交媒体和金融媒体的广泛传播也使得市场乐观情绪迅速扩散，吸引更多的投资者跟风投资。这种羊群效应使得市场交易更加活跃，但也加剧了市场的波动性。当市场上大部分投资者都处于过度乐观的状态时，市场可能会出现过度投机的现象，股价可能会被严重高估，偏离其内在价值，增加了市场的不稳定因素。当市场行情逆转进入熊市阶段，融资融券的杠杆效应和投资者情绪传导机制则加剧了市场的下跌。随着股价的下跌，融资买入的投资者面临着巨大的亏损压力。为了避免进一步的损失，投资者不得不卖出股票以偿还融资债务，这进一步增加了市场的卖盘压力，导致股价加速下跌。而融券卖出的投资者在股价下跌过程中获得了盈利，这又会吸引更多的投资者进行融券卖出，形成恶性循环。这种恐慌情绪在市场中迅速蔓延，使得投资者纷纷抛售股票，市场信心受到严重打击。许多投资者在股价下跌过程中，由于无法承受巨大的亏损，纷纷割肉离场，进一步加剧了市场的下跌趋势。在2015年下半年至2016年初，上证指数从5178点一路下跌至2638点，跌幅超过49%，许多股票价格大幅缩水，市场陷入低迷。融券余额在这一时期出现了明显的增长，从2015年6月的70亿元左右迅速攀升至2015年8月的250亿元以上，增长了近2.6倍。投资者预期股价将继续下跌，纷纷通过融券卖出股票，增加了市场上的股票供给，进一步推动股价下跌。2015年股灾中，融资融券业务的发展也暴露出一些问题。监管部门对融资融券业务的监管存在一定的滞后性，未能及时有效地控制市场杠杆水平，导致市场风险不断积累。投资者对融资融券业务的风险认识不足，盲目追求高收益，过度依赖杠杆投资，在市场下跌时无法承受巨大的亏损，加剧了市场的恐慌情绪。2015年股灾为我们提供了深刻的教训。监管部门应加强对融资融券业务的监管，完善相关制度和规则，严格控制市场杠杆水平，防范市场风险。投资者也应提高风险意识，理性对待融资融券业务，合理运用杠杆投资，避免盲目跟风和过度投机。七、结论与建议7.1研究结论总结本研究综合运用理论分析、实证研究和案例分析等方法，深入探究了融资融券对上海A股市场波动性的影响，得出以下结论：融资交易加剧市场波动性：理论分析表明，融资交易通过杠杆效应和投资者情绪传导机制，在市场上涨阶段放大收益预期，吸引更多资金流入，推动股价过度上涨；在市场下跌阶段，迫使投资者抛售股票偿还债务，引发市场恐慌性抛售，进一步加剧股价下跌。实证研究中，格兰杰因果检验显示融资余额的变化是市场波动率变化的格兰杰原因，脉冲响应分析表明融资余额的增加会立即对市场波动率产生正向影响，且影响具有持续性，方差分解结果也表明融资余额对市场波动率的贡献度较大，在第10期时达到15.1234%。这些结果均证实了融资交易总体上会加剧上海A股市场的波动性，假设1得到验证。融券交易对市场波动性影响不显著：融券交易虽理论上可通过改变市场供需关系平抑市场波动性，在市场高估时增加股票供给，在股价过度下跌时通过融券回补增加买盘力量。但在上海A股市场，实证结果显示融券余额的变化不是市场波动率变化的格兰杰原因，脉冲响应分析表明融券余额的变化对市场波动率的影响微弱且滞后，方差分解结果显示融券余额对市场波动率的贡献度较小，在第10期时仅为2.3456%。这表明融券交易在上海A股市场对市场波动性的调节作用尚未充分发挥，假设2未得到完全验证，主要原因可能是我国融券业务发展相对滞后，融券规模较小，投资者参与积极性不高。融资融券与市场波动性存在长期稳定关系：通过协整检验发现，市场波动率、融资余额、融券余额、成交量和成交金额之间存在长期稳定的均衡关系，说明融资融券业务的发展与上海A股市场的波动性在长期内相互作用、相互影响。典型案例验证影响机制：对上海机场、上海电气和上海莱士三只典型股票的案例分析，以及对2015年股灾这一市场极端行情案例的研究，进一步验证了融资融券对股