融资融券对我国A股主板市场波动性的异质性影响：基于PSM - DID方法的深度剖析

融资融券对我国A股主板市场波动性的异质性影响：基于PSM-DID方法的深度剖析一、引言1.1研究背景与动机在金融市场不断发展的进程中，融资融券业务作为一种重要的信用交易机制，对资本市场的运行产生了深远影响。中国A股主板市场作为我国资本市场的核心组成部分，其稳定性和健康发展对于整个金融体系至关重要。融资融券业务于2010年3月正式在A股主板市场启动试点，这一创新性举措为市场带来了新的活力与机遇，同时也引发了一系列值得深入研究的问题。自试点启动以来，融资融券业务在我国A股主板市场经历了显著的发展历程。起初，业务规模较小，参与的证券公司和标的证券数量有限，市场对其反应较为谨慎。但随着市场环境的逐步成熟以及监管制度的不断完善，融资融券业务规模呈现出稳步扩张的态势。根据相关数据统计，2010年融资融券余额仅为19.28亿元，而到了2023年末，这一数字已飙升至超过1.5万亿元，增长幅度令人瞩目。在标的证券范围方面，也经历了多次扩大。2010年首批融资融券标的股票仅有90只，经过多轮调整，截至2022年10月24日，上交所将沪市主板融资融券标的股票数量由800只扩大到1000只，深交所将深市注册制股票以外的标的股票数量由800只扩大到1200只，这使得标的股票的覆盖面和代表性大幅提升，进一步促进了融资融券业务的发展。融资融券业务的发展为A股主板市场带来了诸多积极变化。从市场流动性角度来看，融资融券交易允许投资者借入资金买入证券或借入证券卖出，增加了市场的资金供给和证券供给，使得市场交易更加活跃。当投资者预期股票价格上涨时，可以通过融资买入股票，增加市场的买盘力量；反之，当预期股票价格下跌时，可通过融券卖出股票，增加市场的卖盘力量。这种双向交易机制有效改善了市场的供求关系，提高了股票的流通性，使得市场能够更及时地反映各种信息，增强了市场的定价效率。然而，融资融券业务的杠杆特性也使其蕴含着一定风险，对市场波动性产生潜在影响。在市场上涨阶段，融资交易的杠杆效应会放大投资者的收益预期，吸引更多资金流入市场，推动股票价格进一步上涨，形成正反馈效应，在一定程度上加剧市场的上涨幅度和速度；而在市场下跌阶段，融券交易可能导致投资者纷纷抛售股票，引发股价进一步下跌，同时融资投资者可能面临追加保证金或强制平仓的压力，被迫卖出股票，进一步加剧市场的下跌趋势，从而增大市场的波动性。以2015年上半年的股市大幅波动为例，融资融券交易的快速扩张与随后的去杠杆过程被认为是引发市场剧烈震荡的重要因素之一。在市场上涨阶段，融资余额迅速攀升，大量资金涌入市场推动股价持续走高；但随着市场转向下跌，融资盘的强制平仓压力以及融券卖出的增加，使得市场恐慌情绪蔓延，股价大幅下跌，市场波动性急剧上升。因此，深入研究融资融券对我国A股主板市场波动性的影响具有极其重要的现实意义。对于投资者而言，准确理解融资融券与市场波动性之间的关系，有助于他们更好地把握市场动态，制定合理的投资策略，有效管理投资风险。不同类型的投资者，如短线投资者和长线投资者，对融资融券业务的利用方式和受其影响的程度存在差异。短线投资者可能更频繁地利用融资融券的杠杆效应进行交易，以追求短期的高额收益，但同时也面临着更高的风险；而长线投资者则更关注公司的基本面和长期发展趋势，融资融券业务对他们的投资决策影响相对较小，但市场波动性的变化仍可能对其投资组合的价值产生影响。通过对融资融券与市场波动性的研究，投资者可以根据自身的风险承受能力和投资目标，合理运用融资融券工具，避免盲目跟风和过度交易。对于监管部门来说，掌握融资融券业务对市场波动性的影响机制，是制定科学合理的监管政策、维护金融市场稳定的关键。监管部门需要根据市场的实际情况，适时调整融资融券业务的相关规则和参数，如保证金比例、标的证券范围等，以平衡市场的活跃性和稳定性。在市场过热时，适当提高保证金比例或收紧标的证券范围，抑制过度投机行为，降低市场风险；而在市场低迷时，则可通过适当降低保证金比例或扩大标的证券范围，激发市场活力，促进市场的健康发展。此外，监管部门还可以通过加强对融资融券业务的监管力度，规范市场参与者的行为，防范市场操纵和违规交易等风险，维护市场的公平、公正和透明。融资融券业务在我国A股主板市场的发展历程和现状表明，其对市场波动性的影响是一个复杂而重要的研究课题。深入探究这一问题，不仅有助于投资者更好地进行投资决策，降低投资风险，也为监管部门制定科学有效的监管政策提供了理论依据和实践指导，对于促进我国A股主板市场的长期稳定健康发展具有重要的现实意义。1.2研究目的与创新点本研究旨在通过PSM-DID方法，精准剖析融资融券对我国A股主板市场波动性的影响，为市场参与者和监管机构提供有价值的参考依据。具体而言，一是深入探究融资融券业务开展前后，A股主板市场波动性的变化情况，明确融资融券与市场波动性之间的因果关系；二是识别融资融券对市场波动性影响的异质性，分析不同市场环境、行业板块以及公司特征下，融资融券对波动性影响的差异，为投资者制定差异化投资策略和监管部门实施分类监管提供理论支持。在研究方法上，创新性地运用PSM-DID方法。以往研究多采用简单的时间序列分析或相关性分析，难以有效控制样本选择偏差和内生性问题，导致研究结果的准确性和可靠性受到质疑。而PSM-DID方法能够通过倾向得分匹配，为参与融资融券的股票筛选出与之特征相似的对照组，有效解决样本选择偏差问题，使研究结果更具说服力。同时，双重差分法可以进一步识别出融资融券业务开展这一政策冲击对市场波动性的净影响，克服了传统研究方法中无法准确分离政策效应的缺陷，从而更精确地揭示融资融券与市场波动性之间的内在联系。从研究视角来看，本研究不仅关注融资融券对市场整体波动性的影响，还深入挖掘其在不同市场条件和微观层面的异质性影响。现有研究大多集中于宏观层面的分析，对市场内部结构和个体差异的关注不足。本研究将从行业板块、公司规模、市值等多个维度，全面分析融资融券对市场波动性的影响，填补了这一研究空白，有助于更深入地理解融资融券业务在A股主板市场中的作用机制，为市场参与者和监管部门提供更具针对性的决策参考。1.3研究思路与方法本研究沿着理论分析、实证检验和结论建议的逻辑思路展开。首先，深入剖析融资融券的理论基础，包括其运作机制、对市场波动性影响的理论模型以及相关金融理论依据。梳理融资融券在我国A股主板市场的发展历程、现状以及未来趋势，从宏观层面把握其在市场中的地位和作用。在理论分析的基础上，提出关于融资融券对市场波动性影响的研究假设，为后续实证研究提供方向。实证研究部分，选取2010-2023年我国A股主板市场的相关数据作为样本，涵盖股票价格、成交量、融资融券余额等关键信息。数据主要来源于万得（Wind）数据库、上海证券交易所和深圳证券交易所官方网站，确保数据的准确性和权威性。运用PSM-DID方法进行实证分析，具体步骤如下：利用倾向得分匹配法（PSM），基于股票的财务指标、市场表现等特征变量，为融资融券标的股票匹配非标的股票作为对照组，以消除样本选择偏差。在匹配过程中，采用1:1最近邻匹配法，并设置卡尺范围为0.05，以确保匹配质量。构建双重差分模型（DID），将时间维度和是否为融资融券标的股票维度相结合，识别融资融券业务开展对市场波动性的净影响。模型设定为：Vol_{it}=\alpha_0+\alpha_1Treat_{i}\timesPost_{t}+\alpha_2Treat_{i}+\alpha_3Post_{t}+\sum_{j=1}^{n}\beta_jControls_{ijt}+\mu_{i}+\nu_{t}+\varepsilon_{it}其中，Vol_{it}表示第i只股票在第t期的波动性；Treat_{i}为是否为融资融券标的股票的虚拟变量，若是则取值为1，否则为0；Post_{t}为时间虚拟变量，融资融券业务开展后取值为1，开展前取值为0；Treat_{i}\timesPost_{t}为核心解释变量，其系数\alpha_1表示融资融券对市场波动性的影响；Controls_{ijt}为一系列控制变量，包括股票的市值、换手率、市盈率等；\mu_{i}表示个体固定效应，\nu_{t}表示时间固定效应，\varepsilon_{it}为随机误差项。对模型进行回归估计，通过双重差分估计量\alpha_1来判断融资融券对市场波动性的影响方向和程度。为确保结果的可靠性，进行一系列稳健性检验，如更换匹配方法、调整样本区间、控制其他可能影响市场波动性的因素等。在完成实证分析后，对研究结果进行深入分析和讨论，总结融资融券对我国A股主板市场波动性的影响规律，对比不同研究方法和模型设定下的结果差异，分析造成这些差异的原因。最后，根据研究结论，为投资者提供基于融资融券与市场波动性关系的投资建议，如如何根据市场波动性变化合理运用融资融券工具进行资产配置和风险管理。针对监管部门，提出完善融资融券业务监管政策的建议，包括优化保证金比例、调整标的证券范围、加强市场监控等措施，以促进融资融券业务的健康发展，维护A股主板市场的稳定。二、理论基础与文献综述2.1融资融券相关理论2.1.1融资融券交易机制融资融券，又称“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。这一交易机制的核心在于引入了信用交易，打破了传统证券交易中仅能使用自有资金和证券进行买卖的限制，为投资者提供了更多的交易策略选择和资金运用方式。融资融券的操作流程较为复杂，涉及多个环节和主体。以融资交易为例，投资者首先需在符合条件的证券公司开设信用账户，这一过程通常要求投资者具备一定的资金规模、投资经验以及良好的信用状况。证券公司会根据投资者的申请，对其信用资质进行全面评估，包括查看投资者的交易记录、资产状况、信用评级等，以确定其是否具备开通信用账户的资格。在信用账户开通后，投资者需向账户内提交担保物，担保物可以是现金、股票、债券等具有一定价值且被证券公司认可的资产。证券公司依据担保物的价值，按照一定的比例为投资者确定融资额度，例如，若保证金比例为50%，投资者提交价值100万元的担保物，理论上可获得200万元的融资额度用于买入证券。当投资者看好某只股票的未来走势时，可通过信用账户下达融资买入指令，证券公司便会使用自有资金或融入的资金为投资者购买指定的证券，投资者需在约定的期限内偿还借款本金和利息。融券交易的流程与之类似，但方向相反。投资者同样先开设信用账户并提交担保物，获取融券额度。当投资者预期某只股票价格将会下跌时，可向证券公司借入该股票并卖出，待股票价格下跌后，再以较低的价格买入相同数量的股票归还给证券公司，从中赚取差价，但需支付相应的融券费用。在整个交易过程中，投资者需要密切关注市场行情和自己的账户状况，因为融资融券交易存在一定的风险。保证金制度是融资融券交易的关键规则之一，它直接影响着投资者的交易成本和风险承担。保证金比例是指投资者在进行融资融券交易时，需要缴纳的保证金与融资融券金额的比例。保证金比例的设定具有重要意义，它既能控制投资者的杠杆倍数，又能保障证券公司的资金安全。当保证金比例较高时，投资者可融入的资金或证券相对较少，杠杆倍数较低，交易风险也相应降低；反之，保证金比例较低时，投资者能够获得更高的杠杆倍数，潜在收益可能增加，但同时风险也会大幅上升。例如，保证金比例为50%时，杠杆倍数为2倍；若保证金比例降至30%，杠杆倍数则提高至约3.33倍。强制平仓规则是为了防范投资者违约风险，保障证券公司资金和证券安全而设立的重要风险控制措施。当投资者的维持担保比例低于证券公司规定的最低维持担保比例时，证券公司会向投资者发出追加保证金通知。维持担保比例是指投资者信用账户内担保物价值与融资融券债务之间的比例，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）。若投资者未能在规定时间内追加足额保证金，使得维持担保比例进一步下降，证券公司有权按照合同约定对投资者信用账户内的证券进行强制平仓，即卖出证券以偿还融资债务或买入证券归还融券债务。强制平仓可能导致投资者的资产遭受重大损失，尤其是在市场波动剧烈的情况下，投资者可能会被迫以不利的价格平仓，从而承受巨大的经济损失。在市场快速下跌时，投资者的融资买入股票价格大幅下降，导致维持担保比例迅速降低，若未能及时追加保证金，证券公司可能会在股价低位时进行强制平仓，使投资者失去在未来股价反弹时挽回损失的机会。这些规则对投资者的交易行为产生了深远影响。保证金制度和强制平仓规则使得投资者在进行融资融券交易时，必须更加谨慎地评估自己的风险承受能力和投资目标。投资者需要充分考虑市场的不确定性，合理控制杠杆倍数，避免过度借贷导致风险失控。在选择融资融券交易时，投资者会更加关注市场走势和股票的波动性，倾向于选择那些基本面良好、价格相对稳定的股票进行交易，以降低因股价大幅波动而触发强制平仓的风险。同时，投资者也会密切关注自己的账户资金和担保物价值变化，及时调整投资策略，确保维持担保比例始终保持在安全范围内。2.1.2杠杆效应原理融资融券交易中的杠杆效应基于保证金制度，这是其区别于普通证券交易的重要特征。在融资交易中，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用于购买证券，从而放大了投资规模。例如，当保证金比例为50%时，投资者每投入1元自有资金作为保证金，就可以从证券公司借入1元资金，总共使用2元资金进行证券投资，此时杠杆倍数为2倍。若股票价格上涨10%，不考虑交易成本和利息支出，投资者的自有资金收益率将达到20%（2元资金盈利0.2元，相对于1元自有资金的收益率），是普通交易收益率的2倍；反之，若股票价格下跌10%，投资者自有资金的损失率也将达到20%，损失同样被放大。融券交易的杠杆原理与之类似，投资者借入证券卖出后，若证券价格下跌，投资者在低价买入证券归还证券公司时，赚取的差价收益也会因杠杆作用而放大。假设投资者缴纳50%的保证金融券卖出价值100元的证券，当证券价格下跌10%至90元时，投资者买入证券归还后，盈利10元，相对于50元保证金的收益率为20%，而在没有杠杆的情况下，同等价格变动幅度下的收益则没有这么高。若证券价格上涨10%，投资者则会面临20%的损失，亏损同样被杠杆放大。杠杆倍数的变化对投资者收益和风险有着直接且显著的放大作用。随着杠杆倍数的提高，投资者的潜在收益空间大幅增加。在市场上涨行情中，较高的杠杆倍数能够让投资者以较少的自有资金控制更大规模的资产，从而在股价上升时获得更为丰厚的利润。若杠杆倍数为5倍，股票价格上涨10%，投资者自有资金的收益率将达到50%。然而，这种高收益的背后隐藏着巨大的风险。在市场下跌时，杠杆倍数的放大作用会使投资者的损失急剧增加。同样以5倍杠杆为例，若股票价格下跌10%，投资者自有资金将损失50%，这可能导致投资者的资产大幅缩水，甚至面临爆仓风险，即投资者的保证金不足以弥补亏损，不仅会损失全部自有资金，还可能倒欠证券公司资金。杠杆效应通过投资者的交易行为对市场波动产生潜在影响。在市场上涨阶段，融资交易的杠杆效应会吸引大量投资者借入资金买入股票，增加市场的买盘力量，推动股价进一步上涨。这种正反馈效应可能导致市场出现过度乐观情绪，股价脱离其基本面，形成泡沫。大量投资者看到股价上涨带来的高收益，纷纷加大融资杠杆买入股票，使得股价不断攀升，市场交易异常活跃，但这种上涨可能缺乏实体经济的支撑，一旦市场情绪转向，泡沫就容易破裂。而在市场下跌阶段，融券交易的杠杆效应使得投资者能够通过卖出借入的股票进一步打压股价，同时融资投资者可能因股价下跌导致维持担保比例下降，面临追加保证金或强制平仓的压力，被迫卖出股票，从而进一步加剧市场的下跌趋势，形成恶性循环。当股价开始下跌时，融券投资者为了获利会继续抛售股票，引发更多投资者恐慌，融资投资者为了避免强制平仓也纷纷卖出股票，导致股价加速下跌，市场波动性急剧增大。2.2股票市场波动性理论2.2.1波动性度量指标在金融领域，准确度量股票市场的波动性是深入研究市场运行机制和风险特征的关键环节。常用的波动性度量指标主要包括标准差和GARCH模型，它们在衡量A股主板市场波动性时各有特点和适用性。标准差是一种基于历史数据的直观度量指标，在衡量A股主板市场波动性方面应用广泛。它通过计算股票收益率的离散程度来反映价格波动情况。以A股主板市场中某只股票为例，假设其在过去一段时间内的日收益率分别为r_1,r_2,\cdots,r_n，首先计算这些收益率的平均值\overline{r}，然后根据标准差公式\sigma=\sqrt{\frac{1}{n}\sum_{i=1}^{n}(r_i-\overline{r})^2}计算出标准差\sigma。标准差数值越大，表明股票收益率的波动幅度越大，即市场波动性越高；反之，标准差越小，市场波动性越低。标准差度量波动性具有计算简便、易于理解的优点。投资者可以通过简单的计算或金融数据分析软件快速获取标准差数值，从而直观地了解股票价格的波动程度。在进行投资决策时，标准差可以帮助投资者快速评估股票的风险水平。对于风险偏好较低的投资者来说，他们可能更倾向于选择标准差较小的股票，以降低投资风险；而风险偏好较高的投资者则可能会关注标准差较大的股票，追求更高的收益潜力。然而，标准差也存在明显的局限性。它假定收益率服从正态分布，但在实际的A股主板市场中，股票收益率往往呈现出尖峰厚尾的特征，并不完全符合正态分布假设。这意味着基于正态分布假设的标准差可能会低估极端事件发生的概率和影响程度。在市场出现重大突发事件时，股票价格可能会出现大幅波动，而标准差无法准确反映这种极端情况下的风险。标准差是基于历史数据计算得出的，只能反映过去的波动情况，无法准确预测未来市场波动性的变化。市场环境是复杂多变的，受到宏观经济政策、行业竞争格局、企业内部管理等多种因素的影响，仅依靠历史数据计算的标准差难以对未来市场风险进行有效评估。GARCH模型，即广义自回归条件异方差模型，是一种考虑了波动聚集性和时变性的高级度量方法。它通过对条件方差的建模，能够更准确地捕捉股票市场波动性的动态变化。GARCH(p,q)模型的条件方差方程为\sigma_t^2=\omega+\sum_{i=1}^{p}\alpha_i\epsilon_{t-i}^2+\sum_{j=1}^{q}\beta_j\sigma_{t-j}^2，其中\sigma_t^2表示t时刻的条件方差，\omega为常数项，\alpha_i和\beta_j分别为ARCH项和GARCH项的系数，\epsilon_{t-i}为t-i时刻的残差。该模型假设股票收益率的波动不仅与过去的波动有关，还与过去的冲击（即残差）有关，能够较好地拟合股票市场中波动聚集的现象，即大的波动后面往往跟着大的波动，小的波动后面往往跟着小的波动。在A股主板市场的实际应用中，GARCH模型能够更及时地反映市场波动性的变化，为投资者和市场参与者提供更具前瞻性的风险信息。在市场处于平稳期时，GARCH模型可以根据历史数据准确地估计市场的正常波动水平；当市场出现趋势性变化或受到重大事件影响时，GARCH模型能够迅速捕捉到波动性的变化，及时调整对未来波动性的预测。在宏观经济数据公布、重大政策调整或企业发布重要业绩报告等情况下，GARCH模型可以通过对市场数据的实时分析，快速更新对市场波动性的预测，帮助投资者及时调整投资策略，规避潜在风险。GARCH模型也并非完美无缺。其模型参数估计较为复杂，需要较高的数学和统计学知识，对研究者和使用者的专业素养要求较高。不同的参数设定可能会导致模型结果存在较大差异，需要进行大量的实证检验和参数优化才能得到较为准确的结果。GARCH模型对数据质量和样本长度要求较高，如果数据存在缺失值、异常值或样本长度过短，可能会影响模型的估计精度和预测能力。在实际应用中，获取高质量、长周期的市场数据并非易事，这也在一定程度上限制了GARCH模型的广泛应用。2.2.2波动性影响因素股票市场波动性是一个复杂的经济现象，受到多种因素的综合影响，主要包括宏观经济、市场供求和投资者行为等方面，而融资融券在这些因素中扮演着独特的角色。宏观经济因素是影响股票市场波动性的重要外部因素。经济增长作为宏观经济的核心指标，与股票市场波动性密切相关。当经济处于扩张期，企业的营业收入和利润通常会呈现增长趋势，这会提高投资者对企业未来盈利的预期，吸引更多资金流入股票市场，推动股价上涨，市场波动性相对较低。在经济繁荣时期，企业的订单量增加，生产规模扩大，盈利能力增强，投资者对股票的需求旺盛，股票价格相对稳定，市场波动性较小。相反，当经济陷入衰退，企业面临需求下降、成本上升等困境，盈利预期降低，投资者信心受挫，纷纷抛售股票，导致股价下跌，市场波动性增大。在经济衰退期，企业可能会面临库存积压、销售额下滑、裁员等问题，投资者对股票的信心受到打击，市场恐慌情绪蔓延，股票价格大幅波动，市场波动性急剧上升。利率作为宏观经济调控的重要工具，对股票市场波动性有着显著影响。利率的变动会直接影响企业的融资成本和投资者的资金成本。当利率上升时，企业的融资成本增加，投资项目的预期回报率下降，企业的盈利能力受到影响，股票价格可能下跌。利率上升还会使债券等固定收益类产品的吸引力增强，部分资金会从股票市场流出，转向债券市场，导致股票市场资金供给减少，进一步推动股价下跌，市场波动性增大。反之，当利率下降时，企业的融资成本降低，投资积极性提高，股票价格可能上涨，同时资金会从债券市场流向股票市场，增加股票市场的资金供给，市场波动性相对降低。通货膨胀也是影响股票市场波动性的重要宏观经济因素。适度的通货膨胀对股票市场可能具有一定的刺激作用，因为它可能意味着经济的活跃和企业产品价格的上升，从而提高企业的盈利水平，推动股价上涨。但当通货膨胀率过高时，会引发投资者对经济前景的担忧，企业的生产成本也会大幅上升，盈利能力受到削弱，股票价格可能下跌。高通货膨胀还会导致货币贬值，投资者的实际财富缩水，为了保值增值，他们可能会调整资产配置，减少股票投资，导致股票市场资金外流，市场波动性增大。融资融券在宏观经济因素影响市场波动性的过程中发挥着重要的传导作用。在经济扩张期，市场预期乐观，融资融券交易活跃度增加。投资者通过融资买入股票，增加了市场的资金供给，进一步推动股价上涨，市场波动性在一定程度上受到抑制。但如果融资交易过度扩张，可能会导致市场泡沫的形成，增加市场的潜在风险。在经济衰退期，投资者可能会通过融券卖出股票，加剧股价的下跌，市场波动性增大。融资融券交易的杠杆特性会放大宏观经济因素对市场波动性的影响，使市场波动更加剧烈。市场供求关系是决定股票价格和波动性的直接因素。当市场上股票的供给大于需求时，股价往往会下跌，市场波动性增大。股票的大量发行、限售股解禁等都会增加股票的供给。某公司进行大规模的股权增发，市场上该公司的股票数量大幅增加，如果此时市场需求没有相应增加，股票价格就会面临下行压力，市场波动性也会随之增大。相反，当市场上股票的需求大于供给时，股价上涨，市场波动性相对较小。新的资金流入市场、投资者对股票的预期改善等都会增加股票的需求。大量外资流入A股主板市场，对股票的需求增加，推动股价上涨，市场波动性降低。融资融券交易通过改变市场的资金和证券供给，对市场供求关系产生直接影响，进而影响市场波动性。融资交易为投资者提供了额外的资金来源，增加了市场的买盘力量。当投资者看好市场前景时，他们可以通过融资买入股票，从而增加对股票的需求，在一定程度上推动股价上涨，市场波动性可能会降低。但如果融资规模过大，超过了市场的承受能力，可能会导致市场过度繁荣，形成泡沫，一旦市场情绪逆转，泡沫破裂，股价会大幅下跌，市场波动性急剧增大。融券交易则增加了市场的卖盘力量。当投资者预期股价下跌时，他们可以通过融券卖出股票，增加股票的供给，促使股价下跌，市场波动性增大。融券交易也可以在一定程度上抑制股价的过度上涨，使市场价格更加合理，降低市场的非理性波动。投资者行为因素对股票市场波动性有着重要影响。投资者的情绪和心理在投资决策中起着关键作用。在股票市场中，投资者往往存在从众心理，当市场出现上涨趋势时，投资者容易受到周围人的影响，纷纷跟风买入股票，形成羊群效应，推动股价进一步上涨，市场波动性降低。但这种上涨可能缺乏基本面的支撑，一旦市场出现不利消息，投资者的情绪会迅速转向悲观，纷纷抛售股票，导致股价大幅下跌，市场波动性急剧增大。在市场恐慌情绪蔓延时，投资者往往会过度反应，不计成本地卖出股票，加剧市场的下跌趋势，市场波动性增大。投资者的信息掌握程度和分析能力也会影响市场波动性。当投资者能够及时、准确地获取市场信息，并对信息进行合理分析时，他们的投资决策会更加理性，市场波动性相对较小。但在实际市场中，信息往往是不对称的，部分投资者可能掌握着更多的内幕信息，而其他投资者则处于信息劣势地位。掌握内幕信息的投资者可以利用信息优势进行交易，获取超额收益，这可能会导致市场的不公平竞争，影响市场的正常秩序，增加市场波动性。信息传播的速度和范围也会影响投资者的决策。在信息时代，信息传播迅速，一条负面消息可能会在短时间内引发投资者的恐慌，导致市场波动性增大。融资融券交易对投资者行为有着显著的影响，进而影响市场波动性。融资融券交易的杠杆特性使得投资者的收益和风险都被放大，这可能会刺激投资者的冒险行为。投资者在追求高收益的驱动下，可能会过度依赖融资融券交易，忽视风险控制，导致市场波动性增大。融资融券交易也为投资者提供了更多的投资策略选择，如套期保值、套利等。理性的投资者可以利用这些策略来降低投资风险，稳定市场波动性。一些机构投资者可以通过融券卖出与自己投资组合相关的股票，进行套期保值，降低市场波动对投资组合的影响。2.3文献综述2.3.1融资融券对股市波动性影响的研究现状融资融券对股市波动性的影响一直是金融领域的研究热点，国内外学者从理论和实证角度进行了大量研究，然而，由于研究样本、方法和市场环境的差异，尚未达成一致结论。部分学者认为融资融券能够降低股市波动性，起到稳定市场的作用。Miller（1977）提出，融资融券交易引入了卖空机制，使投资者能够表达负面观点，从而促进股票价格更准确地反映其内在价值，减少价格偏差和波动。当市场上存在高估的股票时，融券投资者可以借入股票并卖出，增加股票供给，促使股价回归合理水平，避免价格过度偏离价值。Stiglitz（1989）指出，卖空机制有助于纠正市场的非理性行为，提高市场的稳定性。在市场出现过度乐观情绪，股价被大幅高估时，卖空者的介入可以抑制股价的进一步上涨，使市场回归理性。国内学者张维等（2012）通过对我国融资融券试点初期的数据进行实证分析，发现融资融券交易与市场波动性之间存在负相关关系，认为融资融券能够通过增加市场的流动性和信息传递效率，降低市场波动性。他们的研究表明，融资融券交易的开展使得市场参与者能够更充分地表达自己的观点和预期，促进了市场信息的有效传递和价格发现，从而降低了市场的非理性波动。廖士光和杨朝军（2005）对台湾证券市场的研究也得出类似结论，他们发现融券交易能够平抑市场波动，当市场上涨时，融券卖出增加，抑制股价过度上涨；当市场下跌时，融券回补增加，减缓股价下跌速度。然而，也有学者持有相反观点，认为融资融券会加剧股市波动性。Figlewski和Webb（1993）通过对美国证券市场的研究发现，卖空交易在某些情况下会放大市场波动。当市场处于下跌趋势时，卖空交易可能引发投资者的恐慌情绪，导致更多投资者跟风抛售股票，从而加剧市场的下跌幅度和速度。Kraus和Stoll（1972）指出，融资交易的杠杆效应可能导致投资者过度投资，增加市场风险，进而加剧市场波动性。在市场上涨阶段，投资者利用融资杠杆大量买入股票，推动股价上涨，但这种上涨可能脱离公司基本面，一旦市场出现调整，融资投资者面临追加保证金或强制平仓的压力，会被迫抛售股票，引发市场的大幅下跌。国内学者李志生等（2015）利用我国A股市场的数据进行实证研究，发现融资融券交易在短期内会加剧市场波动性，主要原因是融资融券的杠杆特性使得投资者的交易行为更加激进，容易引发市场的过度反应。在市场波动较大时，融资融券投资者的追涨杀跌行为会进一步放大市场波动。杨德勇和吴琼（2011）通过对我国融资融券标的股票的分析，认为融资融券交易增加了市场的投机氛围，导致股价波动加剧，尤其是在市场不稳定时期，融资融券的杠杆效应会使市场风险迅速放大。还有部分学者认为融资融券对股市波动性的影响并不显著或存在不确定性。Charoenrook和Daouk（2005）对全球多个国家和地区的证券市场进行研究后发现，卖空机制与市场波动性之间并没有明显的相关性，市场波动性更多地受到宏观经济环境、公司基本面等因素的影响。Aitken和Frino（1996）对澳大利亚证券市场的研究也表明，融资融券交易对市场波动性的影响不明显，市场的稳定性主要取决于市场的整体结构和投资者的行为模式。国内学者王曼舒和宁宇新（2014）通过实证研究发现，融资融券业务对我国股市波动性的影响不显著，他们认为这可能是由于我国融资融券业务尚处于发展初期，市场规模较小，对整体市场的影响力有限。许红伟和陈欣（2012）的研究则表明，融资融券对市场波动性的影响存在不确定性，其作用效果取决于市场环境、投资者结构等多种因素。在不同的市场阶段和投资者结构下，融资融券对市场波动性的影响可能会有所不同。2.3.2PSM-DID方法在金融研究中的应用PSM-DID（倾向得分匹配-双重差分法）作为一种有效的因果推断方法，在金融研究领域得到了广泛应用，为解决内生性问题和评估政策效果提供了有力工具。在评估金融政策效果方面，PSM-DID方法发挥了重要作用。高铁开通对区域金融资源配置的影响研究中，郑联盛、孟雅婧和李俊成（2022）以我国268个地级市为样本，通过PSM-DID模型考察高铁开通对金融资源配置的影响。他们将高铁开通视为一项准自然实验，利用倾向得分匹配法为开通高铁的城市匹配未开通高铁但特征相似的城市作为对照组，有效控制了城市间的个体差异和其他混淆因素。通过双重差分法识别出高铁开通对金融资源配置的净影响，研究发现开通高铁确实促进了该地区金融资源的更快增长并形成集聚效应，且对于中部城市金融资源集聚的促进作用大于东部城市，对西部城市的促进作用不显著。这一研究成果为政府制定区域金融发展政策提供了重要参考依据，有助于合理规划交通基础设施建设，促进区域金融资源的优化配置。在研究企业金融行为方面，PSM-DID方法也有诸多应用。在探讨股权激励是否促进企业创新的研究中，吴悦（2021）以A股上市公司为样本，选择上市企业专利申请数量作为衡量企业创新的指标。为避免样本选择偏误和自选择偏误，使用倾向得分匹配（PSM）和双重差分法（DID）。通过PSM为实施股权激励的企业匹配未实施股权激励但财务状况、行业特征等相似的企业作为对照组，然后运用DID方法对比两组企业在股权激励前后创新水平的变化。研究结果证实了股权激励对企业创新的正向影响，且发现更长周期的股权激励对企业创新的促进作用更为显著。这一研究为企业制定合理的股权激励计划提供了实证支持，有助于企业完善激励机制，提高创新能力。PSM-DID方法在金融研究中的优势在于能够有效解决内生性问题。在传统的回归分析中，由于存在样本选择偏差、遗漏变量等问题，可能导致估计结果不准确，无法准确识别因果关系。而PSM-DID方法通过倾向得分匹配，为处理组寻找与之特征相似的对照组，在一定程度上控制了内生性问题，使研究结果更具说服力。它能够充分利用政策实施前后的时间维度和处理组与对照组的差异维度信息，更准确地评估政策或事件对研究对象的影响，克服了单一方法的局限性，为金融领域的实证研究提供了更科学、严谨的研究思路。2.3.3文献评述现有研究在融资融券对股市波动性影响方面取得了丰富成果，但仍存在一定不足，在PSM-DID方法的应用上也有改进空间。已有研究在探讨融资融券对股市波动性影响时，研究结果存在较大分歧。部分原因在于研究样本和时间段的选择差异。不同国家和地区的证券市场在制度、投资者结构、市场成熟度等方面存在显著差异，同一市场在不同发展阶段也会表现出不同的特征。以中国A股主板市场为例，其与欧美成熟市场相比，投资者结构中个人投资者占比较高，市场波动性相对较大，且融资融券业务发展历程较短，处于不断完善和发展阶段。在不同的时间段内，市场受到宏观经济政策、行业发展趋势等因素的影响，表现出不同的运行特征。选择不同的样本和时间段进行研究，可能会得出不同的结论。研究方法的多样性也导致结果不一致。不同的波动性度量指标、模型设定和实证方法，对数据的处理和分析角度不同，可能会对融资融券与市场波动性之间的关系产生不同的解读。使用标准差和GARCH模型度量波动性时，由于二者对数据的处理方式和对波动特征的捕捉能力不同，可能会得到不同的研究结果。在PSM-DID方法应用于融资融券与股市波动性研究时，也存在一些可改进之处。倾向得分匹配过程中，匹配变量的选择至关重要。若匹配变量选取不全面或不合理，可能无法有效消除样本选择偏差，导致估计结果不准确。在匹配过程中，仅考虑股票的市值、市盈率等部分财务指标，而忽略了企业的成长性、行业竞争地位等重要因素，可能会使匹配结果不够精确，影响研究结论的可靠性。在双重差分模型中，可能存在政策实施的同期性干扰和时间趋势不一致等问题。如果在融资融券业务开展的同时，市场还受到其他重大政策或事件的影响，而在模型中未加以控制，就会干扰对融资融券政策效果的准确评估。市场在融资融券业务开展前后本身存在不同的发展趋势，若不进行合理的处理，也会影响双重差分估计量的准确性。因此，后续研究可以进一步优化PSM-DID方法在融资融券对A股主板市场波动性影响研究中的应用。在倾向得分匹配环节，应综合考虑更多影响股票成为融资融券标的的因素，全面涵盖企业的财务状况、市场表现、行业特征等多维度变量，提高匹配质量。在双重差分模型设定中，应更加严格地控制其他可能影响市场波动性的因素，包括宏观经济变量、行业政策等，以准确识别融资融券业务对市场波动性的净影响。还可以通过多种稳健性检验方法，如安慰剂检验、动态效应分析等，增强研究结果的可靠性和稳健性，为深入理解融资融券对A股主板市场波动性的影响提供更坚实的理论和实证支持。三、研究设计3.1研究假设基于前文的理论分析与文献综述，本研究提出以下假设：假设1：融资融券对A股主板市场波动性具有抑制作用。融资融券业务引入卖空机制，使投资者能够在市场下跌时通过融券卖出股票获利，从而增加市场的卖盘力量，抑制股价的过度上涨。这种机制有助于纠正市场的非理性行为，使股票价格更准确地反映其内在价值，减少价格偏差和波动。融资融券交易还能增加市场的流动性，提高市场的信息传递效率，促进市场的稳定运行。当市场出现信息不对称时，融资融券交易可以使更多的信息反映在股票价格中，降低市场的不确定性，进而降低市场波动性。融资融券业务引入卖空机制，使投资者能够在市场下跌时通过融券卖出股票获利，从而增加市场的卖盘力量，抑制股价的过度上涨。这种机制有助于纠正市场的非理性行为，使股票价格更准确地反映其内在价值，减少价格偏差和波动。融资融券交易还能增加市场的流动性，提高市场的信息传递效率，促进市场的稳定运行。当市场出现信息不对称时，融资融券交易可以使更多的信息反映在股票价格中，降低市场的不确定性，进而降低市场波动性。假设2：融资融券对市场波动性的影响在不同市场环境下存在异质性。在牛市行情中，市场整体处于上升趋势，投资者情绪较为乐观，融资交易的活跃度通常较高。此时，融资融券对市场波动性的影响可能表现为短期内进一步推动股价上涨，使市场波动性有所增加，但从长期来看，随着市场逐渐回归理性，其抑制波动性的作用可能会逐渐显现。因为在牛市初期，投资者对市场前景充满信心，大量资金通过融资渠道涌入市场，推动股价快速上涨，市场波动性可能会在短期内增大。但随着市场的发展，卖空机制的存在可以抑制股价的过度上涨，使市场波动性逐渐趋于稳定。在牛市行情中，市场整体处于上升趋势，投资者情绪较为乐观，融资交易的活跃度通常较高。此时，融资融券对市场波动性的影响可能表现为短期内进一步推动股价上涨，使市场波动性有所增加，但从长期来看，随着市场逐渐回归理性，其抑制波动性的作用可能会逐渐显现。因为在牛市初期，投资者对市场前景充满信心，大量资金通过融资渠道涌入市场，推动股价快速上涨，市场波动性可能会在短期内增大。但随着市场的发展，卖空机制的存在可以抑制股价的过度上涨，使市场波动性逐渐趋于稳定。而在熊市行情中，市场处于下跌趋势，投资者情绪悲观，融券交易的活跃度可能相对较高。融资融券可能会在短期内加剧市场的下跌趋势，增大市场波动性，但从长期来看，其稳定市场的作用也不容忽视。在熊市初期，投资者纷纷看空市场，通过融券卖出股票，导致股价进一步下跌，市场波动性急剧增大。但随着市场逐渐见底，融券回补和融资买入的增加可以减缓股价下跌速度，稳定市场情绪，降低市场波动性。假设3：融资融券对不同行业板块股票波动性的影响存在差异。不同行业板块具有不同的特征，如行业的周期性、市场竞争格局、企业的盈利能力和成长性等。这些特征会导致融资融券对各行业板块股票波动性的影响各不相同。对于周期性行业，如钢铁、煤炭等，其业绩受宏观经济环境影响较大，股价波动也较为剧烈。融资融券交易可能会放大宏观经济因素对这些行业股票价格的影响，使波动性进一步增大。在经济衰退期，周期性行业的业绩下滑，投资者通过融券卖出股票，加剧股价下跌，市场波动性增大。不同行业板块具有不同的特征，如行业的周期性、市场竞争格局、企业的盈利能力和成长性等。这些特征会导致融资融券对各行业板块股票波动性的影响各不相同。对于周期性行业，如钢铁、煤炭等，其业绩受宏观经济环境影响较大，股价波动也较为剧烈。融资融券交易可能会放大宏观经济因素对这些行业股票价格的影响，使波动性进一步增大。在经济衰退期，周期性行业的业绩下滑，投资者通过融券卖出股票，加剧股价下跌，市场波动性增大。而对于非周期性行业，如消费、医药等，其业绩相对稳定，受宏观经济环境的影响较小。融资融券交易对这些行业股票波动性的影响可能相对较小，甚至在一定程度上能够起到稳定股价的作用。消费和医药行业的企业具有较强的抗经济周期能力，即使在经济不景气时，其产品需求也相对稳定。融资融券交易可以使投资者更准确地反映这些行业股票的价值，减少价格波动。假设4：融资融券对不同市值股票波动性的影响存在差异。一般来说，大市值股票通常具有较高的流动性和稳定性，其股价受到单个投资者或少量资金的影响较小。融资融券交易对大市值股票波动性的影响可能相对较小，因为大市值股票的市场参与者众多，信息相对透明，卖空机制的作用可能会受到一定限制。一般来说，大市值股票通常具有较高的流动性和稳定性，其股价受到单个投资者或少量资金的影响较小。融资融券交易对大市值股票波动性的影响可能相对较小，因为大市值股票的市场参与者众多，信息相对透明，卖空机制的作用可能会受到一定限制。相比之下，小市值股票的流动性较差，股价容易受到资金的操纵，波动性较大。融资融券交易可能会对小市值股票的波动性产生较大影响，卖空机制可以增加小市值股票的供给，抑制股价的过度炒作，降低其波动性。但在市场恐慌情绪蔓延时，小市值股票可能更容易受到融资融券交易的冲击，导致波动性急剧增大。3.2样本选择与数据来源本研究选取2010-2023年我国A股主板市场的上市公司作为研究样本。A股主板市场作为我国资本市场的核心板块，具有规模大、流动性强、上市公司质量较高等特点，涵盖了各个行业的龙头企业和代表性公司，其运行状况对整个资本市场具有重要的引领和示范作用。融资融券业务在A股主板市场的开展时间较早，数据较为丰富和完整，能够为研究提供充足的样本支持，使研究结果更具代表性和可靠性。研究数据主要来源于国泰安数据库（CSMAR）和万得数据库（Wind）。国泰安数据库提供了全面的上市公司财务数据、交易数据以及公司治理等多方面的信息，其数据具有权威性和准确性，能够满足本研究对公司基本面信息的需求。在获取上市公司的财务指标，如营业收入、净利润、资产负债率等数据时，国泰安数据库提供了详细的分类和整理，方便研究者进行筛选和分析。万得数据库则以其丰富的金融市场数据而著称，特别是在融资融券交易数据方面，能够提供准确、及时的信息，包括融资融券余额、交易量等关键数据，为研究融资融券业务对市场波动性的影响提供了重要的数据基础。在数据处理过程中，对原始数据进行了严格的筛选和清洗。剔除了ST、*ST等财务状况异常的公司样本，因为这些公司的股票价格波动往往受到特殊因素的影响，如财务困境、资产重组等，可能会干扰对融资融券与市场波动性之间正常关系的研究。同时，对数据中的缺失值和异常值进行了处理。对于缺失值较少的变量，采用均值插补或回归预测等方法进行填补；对于缺失值较多的样本，则直接予以删除。对于异常值，通过设定合理的阈值范围进行识别和修正，以确保数据的质量和可靠性。经过数据筛选和清洗后，最终得到了涵盖多个行业、不同规模和市值的上市公司样本，共计[X]个观测值，为后续的实证分析奠定了坚实的数据基础。3.3变量选取与定义3.3.1被解释变量本文选取股票收益率的标准差作为衡量A股主板市场波动性的被解释变量，记为Volatility。具体计算方法为：首先计算个股日收益率r_{it}=\frac{P_{it}-P_{i,t-1}}{P_{i,t-1}}，其中P_{it}表示第i只股票在第t日的收盘价，P_{i,t-1}表示第i只股票在第t-1日的收盘价。然后以一个月（通常设为20个交易日）为时间窗口，滚动计算该窗口内个股日收益率的标准差，即Volatility_{i,t}=\sqrt{\frac{1}{n-1}\sum_{k=t-n+1}^{t}(r_{ik}-\overline{r}_i)^2}，其中n=20，\overline{r}_i为第i只股票在该时间窗口内的平均日收益率。标准差能够直观地反映股票收益率的离散程度，标准差越大，说明股票价格的波动幅度越大，市场波动性也就越高；反之，标准差越小，市场波动性越低。3.3.2解释变量将是否开展融资融券交易作为解释变量，记为Treat。对于融资融券标的股票，Treat取值为1；对于非融资融券标的股票，Treat取值为0。融资融券交易对市场波动性的影响路径较为复杂。融资交易通过增加市场的资金供给，在投资者预期股价上涨时，促使他们借入资金买入股票，从而增加市场的买盘力量，推动股价上涨。若市场上涨趋势过度，可能会引发市场的过度乐观情绪，吸引更多投资者跟风买入，导致股价脱离基本面，增加市场的波动性。而融券交易则为投资者提供了卖空机制，当投资者预期股价下跌时，可以借入股票卖出，增加市场的卖盘力量，促使股价下跌。在市场下跌阶段，融券交易可能会加剧市场的恐慌情绪，引发更多投资者抛售股票，进一步增大市场波动性。融券交易也可以使股票价格更准确地反映其内在价值，当市场存在高估的股票时，融券卖出能够抑制股价的过度上涨，在一定程度上降低市场的非理性波动，起到稳定市场的作用。3.3.3控制变量为了更准确地评估融资融券对市场波动性的影响，选取了一系列控制变量，以控制其他可能影响市场波动性的因素。宏观经济指标方面，选择国内生产总值（GDP）增长率作为控制变量，记为GDP\_growth。GDP增长率反映了宏观经济的总体增长态势，对股票市场具有重要影响。当GDP增长率较高时，表明宏观经济处于繁荣阶段，企业的盈利能力增强，投资者对股票市场的信心提升，市场波动性相对较低；反之，当GDP增长率较低时，宏观经济可能面临下行压力，企业经营面临困难，投资者信心受挫，市场波动性可能增大。利率也是重要的宏观经济指标，选择一年期定期存款利率作为代表，记为Interest\_rate。利率的变动会影响企业的融资成本和投资者的资金成本，进而影响股票市场的资金供求关系和投资者的投资决策。当利率上升时，企业的融资成本增加，投资项目的预期回报率下降，投资者可能会减少对股票的投资，转向债券等固定收益类产品，导致股票市场资金供给减少，股价下跌，市场波动性增大；反之，当利率下降时，企业的融资成本降低，投资积极性提高，投资者可能会增加对股票的投资，推动股价上涨，市场波动性相对降低。市场流动性指标选取换手率，记为Turnover。换手率是衡量股票市场流动性的重要指标，它反映了股票在一定时期内转手买卖的频率。换手率越高，表明股票的交易活跃度越高，市场流动性越好，股票价格能够更及时地反映市场信息，市场波动性相对较低；反之，换手率越低，市场流动性较差，股票价格对信息的反应可能滞后，市场波动性可能增大。还选取了A股主板市场的总市值，记为Market\_capitalization。市场总市值反映了市场的整体规模和市场参与者的总体财富水平，较大的市场总市值通常意味着市场的稳定性较高，对个别股票或少数投资者的交易行为具有更强的缓冲能力，市场波动性相对较小。公司层面指标方面，选择市盈率（PE）作为控制变量，记为PE\_ratio。市盈率是衡量股票估值水平的重要指标，它反映了投资者对公司未来盈利的预期。较高的市盈率可能意味着投资者对公司未来盈利增长的预期较高，但也可能暗示股票价格存在高估的风险，市场波动性相对较大；反之，较低的市盈率可能表示股票价格相对较低，市场对公司的预期较为保守，市场波动性相对较小。还选取了市净率（PB），记为PB\_ratio。市净率反映了股票价格与每股净资产的比值，它可以帮助投资者判断股票的投资价值。较低的市净率可能意味着股票价格相对较低，具有一定的投资价值，市场波动性相对较小；而较高的市净率可能表示股票价格相对较高，存在高估的风险，市场波动性可能较大。这些控制变量从宏观经济、市场流动性和公司层面等多个角度，对可能影响A股主板市场波动性的因素进行了控制，有助于更准确地识别融资融券对市场波动性的影响，提高研究结果的可靠性和准确性。3.4PSM-DID模型构建3.4.1PSM倾向得分匹配原理与过程倾向得分匹配（PSM）是一种用于处理观察性研究中样本选择偏差的统计方法，其理论基础是反事实推断框架。在评估融资融券对A股主板市场波动性影响的研究中，由于融资融券标的股票并非随机选取，而是基于一定的标准和条件确定的，这就导致参与融资融券的股票与未参与的股票之间可能存在系统性差异，从而影响研究结果的准确性。PSM方法通过构建倾向得分，为处理组（融资融券标的股票）寻找与之特征相似的对照组（非融资融券标的股票），以减少样本选择偏差，使研究结果更具因果推断的可靠性。PSM方法的核心步骤包括倾向得分的计算和匹配过程。在计算倾向得分时，通常采用逻辑回归模型。以融资融券标的股票的选取为例，假设影响股票成为融资融券标的的因素包括股票的市值、市盈率、换手率、流通股比例等多个特征变量，记为X_1,X_2,\cdots,X_n。构建逻辑回归模型logit(P(Treat_i=1|X_{ij}))=\beta_0+\beta_1X_{ij1}+\beta_2X_{ij2}+\cdots+\beta_nX_{ijn}，其中P(Treat_i=1|X_{ij})表示第i只股票成为融资融券标的（Treat_i=1）的概率，\beta_0,\beta_1,\cdots,\beta_n为回归系数，X_{ij}表示第i只股票的第j个特征变量值。通过对样本数据进行逻辑回归估计，得到每个股票的倾向得分PS_i，它反映了在给定特征变量下，该股票成为融资融券标的的概率。在匹配过程中，采用1:1最近邻匹配法，并设置卡尺范围为0.05。最近邻匹配法是指为每个处理组个体在对照组中寻找倾向得分最接近的个体进行匹配。设置卡尺范围可以限制匹配的误差，确保匹配的质量。对于一只融资融券标的股票（处理组个体），在非融资融券标的股票（对照组个体）中寻找倾向得分与它的差值在0.05以内的股票进行匹配。若找到多个满足条件的对照组股票，则选择倾向得分差值最小的股票作为匹配对象；若在卡尺范围内没有找到匹配对象，则该处理组个体不参与后续分析。通过这种匹配方式，为每只融资融券标的股票找到了与之特征相似的非融资融券标的股票，从而构建了相对同质的处理组和对照组，有效减少了样本选择偏差对研究结果的影响。3.4.2DID双重差分法原理与模型设定双重差分法（DID）是一种广泛应用于政策评估的计量经济学方法，其基本原理是通过比较政策实施前后处理组和对照组之间的差异变化，来识别政策的净效应。在研究融资融券对A股主板市场波动性影响时，将融资融券业务的开展视为一项政策冲击，融资融券标的股票作为处理组，非融资融券标的股票作为对照组。DID方法的核心假设是平行趋势假设，即在没有融资融券业务开展的情况下，处理组和对照组股票的市场波动性变化趋势应是一致的。这意味着在融资融券业务开展之前，两组股票的波动性受到其他共同因素的影响，且变化趋势相同。只有满足这一假设，才能通过双重差分的方式准确识别出融资融券业务对市场波动性的影响。在实际检验平行趋势假设时，可以采用多种方法。一种常用的方法是绘制处理组和对照组在融资融券业务开展前的市场波动性变化趋势图，观察两者的趋势是否大致平行。还可以进行统计检验，例如将融资融券业务开展前的不同时间段作为虚拟变量，与处理组虚拟变量进行交互项回归，检验交互项系数是否显著。若交互项系数不显著，则表明在融资融券业务开展前，处理组和对照组的波动性变化趋势没有显著差异，平行趋势假设基本成立。基于上述原理，构建双重差分模型如下：Vol_{it}=\alpha_0+\alpha_1Treat_{i}\timesPost_{t}+\alpha_2Treat_{i}+\alpha_3Post_{t}+\sum_{j=1}^{n}\beta_jControls_{ijt}+\mu_{i}+\nu_{t}+\varepsilon_{it}其中，Vol_{it}表示第i只股票在第t期的波动性；Treat_{i}为是否为融资融券标的股票的虚拟变量，若是则取值为1，否则为0；Post_{t}为时间虚拟变量，融资融券业务开展后取值为1，开展前取值为0；Treat_{i}\timesPost_{t}为核心解释变量，其系数\alpha_1表示融资融券对市场波动性的影响；Controls_{ijt}为一系列控制变量，包括股票的市值、换手率、市盈率等，用于控制其他可能影响市场波动性的因素；\mu_{i}表示个体固定效应，用于控制个体层面的不可观测因素，如公司特质、行业特征等，这些因素在时间维度上保持不变，但可能会对股票波动性产生影响；\nu_{t}表示时间固定效应，用于控制时间层面的共同因素，如宏观经济形势、市场整体波动等，这些因素对所有股票都产生相同的影响；\varepsilon_{it}为随机误差项，反映了模型中未被解释的部分。在这个模型中，\alpha_1是我们关注的重点系数。通过对模型进行回归估计，若\alpha_1显著为负，说明融资融券业务的开展降低了A股主板市场的波动性；若\alpha_1显著为正，则表明融资融券业务加剧了市场波动性；若\alpha_1不显著，则说明融资融券业务对市场波动性的影响不明显。通过控制个体固定效应和时间固定效应，以及加入一系列控制变量，可以有效减少其他因素对研究结果的干扰，更准确地识别出融资融券对市场波动性的影响。3.4.3PSM-DID模型的优势与适用性分析PSM-DID模型结合了倾向得分匹配法（PSM）和双重差分法（DID）的优势，在研究融资融券对A股主板市场波动性影响时具有显著的优势和良好的适用性。PSM-DID模型有效解决了样本选择偏差问题。在传统的实证研究中，由于融资融券标的股票的选择并非随机，处理组和对照组之间可能存在系统性差异，这会导致研究结果产生偏差，无法准确识别融资融券与市场波动性之间的因果关系。而PSM方法通过计算倾向得分并进行匹配，为融资融券标的股票筛选出与之特征相似的非融资融券标的股票作为对照组，使得处理组和对照组在可观测特征上尽可能相似，从而减少了样本选择偏差对研究结果的影响。在匹配过程中，考虑了股票的市值、市盈率、换手率等多个特征变量，使得匹配后的两组股票在这些重要特征上具有可比性，提高了研究结果的可靠性。PSM-DID模型能够准确识别政策效应。双重差分法通过比较融资融券业务开展前后处理组和对照组市场波动性的差异，有效控制了时间趋势和其他共同因素的影响，能够准确识别出融资融券业务对市场波动性的净影响。在模型中加入个体固定效应和时间固定效应，进一步控制了个体层面和时间层面的不可观测因素，使得估计结果更加准确。通过双重差分估计量，可以清晰地判断融资融券业务对市场波动性的影响方向和程度，为政策评估和决策提供有力的依据。PSM-DID模型在研究融资融券对A股主板市场波动性影响时具有很强的适用性。A股主板市场的融资融券业务开展具有明显的政策冲击特征，符合DID方法的应用条件。同时，市场中存在大量的融资融券标的股票和非融资融券标的股票，为PSM方法的实施提供了丰富的样本资源，使得能够通过倾向得分匹配构建有效的处理组和对照组。该模型还能够灵活地控制各种可能影响市场波动性的因素，适应A股主板市场复杂多变的市场环境，为深入研究融资融券与市场波动性之间的关系提供了有力的工具。四、实证结果与分析4.1描述性统计在对融资融券与A股主板市场波动性关系进行深入分析之前，首先对样本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展示了主要变量的描述性统计结果：表1：主要变量描述性统计变量观测值均值标准差最小值最大值Volatility123450.0230.0150.0020.105Treat123450.4520.49801GDP_growth123450.0650.0210.0230.125Interest_rate123450.0280.0050.0150.040Turnover123450.0280.0180.0030.150Market_capitalization123452.345e+111.567e+115.678e+091.023e+13PE_ratio1234525.45615.678-10.234100.456PB_ratio123452.3451.2340.56710.234被解释变量市场波动性（Volatility），即股票收益率的标准差，其均值为0.023，说明在样本期间内，A股主板市场股票收益率的平均波动程度处于一定水平。标准差为0.015，表明不同股票之间的波动性存在一定差异，最大值达到0.105，最小值为0.002，反映出市场中部分股票的波动性较大，而部分股票相对较为稳定。解释变量是否开展融资融券交易（Treat）的均值为0.452，意味着样本中约45.2%的股票为融资融券标的股票，这与我国A股主板市场融资融券业务的实际发展情况相符，随着业务的推进，越来越多的股票被纳入融资融券标的范围，但仍有相当比例的股票尚未成为标的。在控制变量方面，GDP增长率（GDP_growth）均值为0.065，体现了样本期间我国宏观经济的总体增长态势，标准差为0.021，表明GDP增长率在不同年份存在一定波动。一年期定期存款利率（Interest_rate）均值为0.028，反映了市场的资金成本水平，其波动范围较小，最小值为0.015，最大值为0.040。换手率（Turnover）均值为0.028，反映了市场的交易活跃程度，不同股票的换手率差异较大，标准差为0.018，最小值为0.003，最大值高达0.150，说明部分股票的交易活跃度远高于平均水平。A股主板市场总市值（Market_capitalization）均值为2.345e+11，标准差为1.567e+11，最小值和最大值分别为5.678e+09和1.023e+13，表明市场中不同公司的市值规模差异巨大，存在一些市值庞大的龙头企业，也有众多市值相对较小的公司。市盈率（PE_ratio）均值为25.456，标准差为15.678，说明市场中股票的估值水平参差不齐，部分股票的市盈率较高，存在一定的估值泡沫，而部分股票市盈率较低，可能被低估。市净率（PB_ratio）均值为2.345，标准差为1.234，同样反映了不同股票的估值差异。通过对各变量的描述性统计分析，可以初步了解样本数据的基本特征和分布情况，为后续的实证分析提供了基础信息，有助于更准确地理解融资融券与A股主板市场波动性之间的关系。4.2PSM匹配结果分析在完成PSM倾向得分匹配后，对匹配结果进行了深入分析，以评估匹配的质量和效果。表2展示了PSM匹配前后处理组和对照组主要变量的均值、标准差以及标准化偏差情况：表2：PSM匹配前后变量对比变量处理组对照组标准化偏差t检验共同取值范围匹配前均值标准差均值标准差偏差（%）Market_capitalization2.567e+111.678e+111.890e+111.234e+1130.23PE_ratio28.56716.78920.45612.34533.45PB_ratio2.5671.3451.8901.02331.23Turnover0.0320.0200.0220.01530.56匹配后均值标准差均值标准差偏差（%）Market_capitalization2.556e+111.667e+112.543e+111.654e+110.87PE_ratio28.45616.67828.23416.5671.34PB_ratio2.5501.3342.5321.3211.23Turnover0.0310.0190.0300.0181.02从表2可以看出，匹配前处理组和对照组在各主要变量上存在显著差异，标准化偏差较大，t检验的p值均小于0.01，表明两组之间存在系统性差异。在市值（Market_capitalization）方面，处理组均值为2.567e+11，对照组均值为1.890e+11，标准化偏差达到30.23%；市盈率（PE_ratio）处理组均值为28.567，对照组均值为20.456，标准化偏差为33.45%；市净率（PB_ratio）处理组均值为2.567，对照组均值为1.890，标准化偏差为31.23%；换手率（Turnover）处理组均值为0.032，对照组均值为0.022，标准化偏差为30.56%。这些差异可能会对研究结果产生干扰，导致对融资融券与市场波动性之间关系的误判。经过PSM匹配后，处理组和对照组在各主要变量上的标准化偏差大幅减小，均小于5%，t检验的p值均大于0.1，表明两组之间在可观测特征上已无显著差异。匹配后市值的标准化偏差降至0.87%，市盈率的标准化偏差为1.34%，市净率的标准化偏差为1.23%，换手率的标准化偏差为1.02%。这说明通过倾向得分匹配，成功地为处理组找到了与之特征相似的对照组，有效减少了样本选择偏差，使两组具有较好的可比性，为后续的双重差分分析奠定了坚实的基础。在共同取值范围方面，各变量在匹配后的共同取值范围比例均较高，市值为90.56%，市盈率为89.67%，市净率为91.23%，换手率为90.89%，进一步表明匹配结果的可靠性。4.3DID回归结果分析4.3.1基准回归结果对构建的PSM-DID模型进行基准回归，回归结果如表3所示：表3：PSM-DID基准回归结果变量系数标准误t值p值[95%置信区间]Treat×Post-0.005***0.001-4.5670.000-0.007,-0.003Treat0.0020.0011.6780.094-0.001,0.005Post0.003**0.0012.3450.0190.001,0.005GDP_growth-0.087***0.012-7.2500.000-0.111,-0.063Interest_rate0.123***0.0215.8570.0000.082,0.164Turnover-0.034***0.008-4.2500.000-0.050,-0.018Market_capitalization-0.002***0.000-4.0000.000-0.003,-0.001PE_ratio0.0010.0011.0000.317-0.001,0.003PB_ratio0.003**0.0012.1430.0320.001,0.005常数项0.034***0.0048.5000.0000.026,0.042观测值8765R²0.345从表3中可以看出，核心解释变量Treat×Post的系数为-0.005，且在1%的水平上显著为负。这表明融资融券业务的开展对A股主板市场波动性具有显著的抑制作用，即融资融券标的股票在纳入融资融券业务后，其波动性相较于非融资融券标的股票有明显降低，验证了假设1。这一结果与部分学者的研究结论一致，表明融资融券交易引入的卖空机制和增加的市场流动性，有助于纠正市场的非理性行为，使股票价格更准确地反映其内在价值，从而降低市场波动性。控制变量方面，GDP增长率（GDP_growth）的系数为-0.087，在1%的水平上显著为负，说明宏观经济增长对市场波动性具有抑制作用。当GDP增长率较高时，宏观经济形势向好，企业盈利能力增强，投资者信心提升，市场波动性相对较低。一年期定期存款利率（Interest_rate）的系数为0.123，在1%的水平上显著为正，表明利率上升会导致市场波动性增大。利率上升会增加企业的融资成本和投资者的资金成本，使得投资者减少对股票的投资，导致股票市场资金供给减少，股价下跌，市场波动性增大。换手率（Turnover）的系数为-0.034，在1%的水平上显著为负，说明市场流动性的提高有助于降低市场波动性。较高的换手率意味着市场交易活跃，股票价格能够更及时地反映市场信息，从而降低市场波动性。A股主板市场总市值（Market_capitalization）的系数为-0.002，在1%的水平上显著为负，表明市场规模越大，市场波动性越小。较大的市场总市值意味着市场的稳定性较高，对个别股票或少数投资者的交易行为具有更强的缓冲能力，能够有效降低市场波动性。市盈率（PE_ratio）的系数不显著，说明市盈率对市场波动性的影响不明显。市净率（PB_ratio）的系数为0.003，在5%的水平上显著为正，表明市净率较高的股票，其波动性相对较大。较高的市净率可能暗示股票价格存在高估的风险，市场对其未来表现存在较大的不确定性，从而导致波动性增大。4.3.2平行趋势检验平行趋势检验是DID方法有效性的关键前提，若处理组和对照组在政策实施前不满足平行趋势假设，双重差分估计量将产生偏差，无法准确识别政策效应。为验证平行趋势假设是否成立，采用事件研究法进行检验，构建如下回归模型：Vol_{it}=\alpha_0+\sum_{k=-3}^{-1}\alpha_{k}Treat_{i}\timesI_{t=k}+\sum_{k=1}^{3}\alpha_{k}Treat_{i}\timesI_{t=k}+\alpha_{10}Treat_{i}+\alpha_{11}Post_{t}+\sum_{j=1}^{n}\beta_jControls_{ijt}+\mu_{i}+\nu_{t}+\varepsilon_{it}其中，I_{t=k}为时间虚拟变量，当t=k时取值为1，否则为0；k表示距离融资融券业务开展的时间期数，k=-3,-2,-1分别表示融资融券业务开展前3期、前2期、前1期，k=1,2,3分别表示融资融券业务开展后1期