融资融券对我国股市波动性影响的实证剖析：基于多维度视角与市场实践

融资融券对我国股市波动性影响的实证剖析：基于多维度视角与市场实践一、引言1.1研究背景与意义随着中国金融市场的不断发展与完善，融资融券业务作为一项重要的金融创新，在我国股市中扮演着日益关键的角色。融资融券交易，又被称为证券信用交易，是指投资者在证券交易所或者国务院批准的其他证券交易场所进行证券交易时，证券公司向客户出借资金供其买入证券或者出借证券供其卖出，并由客户交存相应担保物的经营活动。其中，融资交易是投资者看涨时，从具有开展融资融券业务资格的证券公司借出资金购买可以进行融资融券交易的标的证券，并约定还款期限，待约定期限到期时，投资者将标的证券卖出用以偿还证券公司本息，此过程又称为买空交易；融券交易则是投资者看跌时，从具有开展融资融券业务资格的证券公司借出可以进行融资融券交易的标的证券，随即卖出标的证券，并约定还券期限，待约定期限到期时，投资者购买相同数量的标的证券交付证券公司，也被称为卖空交易。我国融资融券业务的发展并非一蹴而就。在证券市场刚建立的初期，出于控制市场风险考虑，融资融券业务是被禁止的。1998年的《证券法》再次以立法的形式明确规定证券交易要以现货进行，禁止证券公司从事融资融券交易活动。然而，随着市场基础的不断发展以及对金融创新需求的日益增长，2005年相关条件逐步成熟，融资融券业务开始进入筹备阶段。2010年3月31日，上交所和深交所正式开始实施融资融券业务试点，将90只股票作为两融标的股票，这标志着我国资本市场进入了一个新的阶段，具有里程碑式的意义，从此融资融券业务成为中国股市的重要组成部分。此后，我国融资融券业务获得了跨越式的发展，从一开始的小规模试点，到后来的一路攀升，在2012年第一次突破了10000亿的关口，之后更是在2015年6月的“牛市”行情中达到了历史峰值22730.35亿元。随着科创板的推出以及全面实行股票发行注册制时代的到来，公司上市的步伐加快，融资融券标的也得到了迅速的扩员，沪深两市由最初的90只已经扩容到截至2022年3月3日的2456只（包括可进行融资融券交易的ETF）。融资融券业务的推出，对我国股市产生了多方面的影响。从积极的方面来看，它增加了市场的流动性，融资交易为市场提供了更多的资金，融券交易则增加了股票的供给，两者共同作用，使得市场的交易更加活跃，价格发现机制更加有效；有助于完善市场的价格发现功能，投资者可以通过融资融券交易表达对股票的不同看法，从而使得股票价格更能反映市场的真实供求关系；为投资者提供了更多的风险管理工具，投资者可以通过融资融券进行套期保值，降低投资组合的风险；促进了金融机构的业务创新和竞争，证券公司等金融机构通过提供融资融券服务，拓展了业务范围，提升了自身的竞争力。然而，融资融券业务也带来了一定的风险。例如，其本质是提供了一种杠杆融资的方式，投资者对于股市价格的变动反应更为敏感，进而放大了市场的波动，过度的融资融券交易可能导致市场的过度波动，增加系统性风险。在2015年上半年中国股市大幅波动的事件中，融资融券交易就被认为是引发市场暴跌的重要原因之一，在市场上涨时，它放大了投资者的投资能力，推动市场的上涨；而在市场下跌时，又加速了投资者的爆仓风险，进一步引发市场的暴跌。鉴于融资融券业务对我国股市的重要影响以及其带来的机遇与挑战，深入研究融资融券对股市波动性的影响具有至关重要的现实意义。对于投资者而言，了解融资融券业务对股市波动性的影响，能够帮助他们更好地把握市场动态，制定更为合理的投资策略。在市场波动较大时，投资者可以根据融资融券的变化情况，合理调整自己的投资组合，降低风险，提高收益。例如，如果发现融资余额大幅增加，可能预示着市场看涨情绪浓厚，股价有上涨的动力；反之，融券余额的大幅上升，或许意味着市场看空情绪增强，股价可能面临下行压力。对于市场监管部门来说，掌握融资融券与股市波动性之间的关系，是制定科学合理监管政策的重要依据。通过对融资融券交易的有效监管，可以稳定市场情绪，降低市场波动性，防范金融风险，促进资本市场的健康稳定发展。比如，监管部门可以根据市场情况，适时调整融资融券的保证金比例、标的证券范围等，以达到调控市场的目的。综上所述，研究融资融券对我国股市波动性的影响，无论是对于投资者的投资决策，还是对于市场监管部门的政策制定，都具有不可忽视的重要意义，有助于推动我国资本市场朝着更加成熟、稳健的方向发展。1.2国内外研究现状融资融券业务在国外资本市场发展历史悠久，相关研究也较为丰富。部分国外学者认为融资融券交易会加剧股票市场波动性。Bogen和Krooss（1960）采用“金字塔-倒金字塔”效应从理论角度论证了融资融券交易会导致市场波动加大，在牛市中，投资者通过融资买入股票，推动股价进一步上涨，形成“金字塔”式的上升趋势；而在熊市中，投资者因融券卖出股票，促使股价加速下跌，呈现“倒金字塔”式的下降态势，从而加大了市场波动。Hardouvelis和Theodossiou（2013）运用EGARCH-M模型研究美国股市，实证结论也表明融资融券交易加剧了市场波动，该模型能够有效捕捉金融时间序列数据中的波动聚集性和非对称性，通过对美国股市数据的分析，发现融资融券交易与股市波动性之间存在正向关联。Allen和Gale（1997）、Chang（2007）、Beber和Pagano（2013）的研究也再次验证了上述结论，他们从不同的研究视角和方法出发，分析了不同市场环境下融资融券交易对股市波动性的影响，均得出融资融券交易加剧市场波动的结果。然而，也有一些国外学者持有相反观点，认为融资融券交易降低了股票市场波动性。Charoenrook和Daouk（2004）对111个国家的面板数据进行研究后发现，能融券做空交易国家的市场总体收益波动性较小。他们通过构建全面的国际样本，控制了多种宏观经济和市场结构变量，运用严谨的计量方法分析后得出，融券做空机制的存在有助于平抑市场波动，使市场收益更加稳定。Li（2017）等对中国股市研究的实证结果显示，融券交易能降低股市波动性，他们采用了适合中国股市特点的研究模型，对中国股市的融券交易数据进行深入分析，发现融券交易可以增加市场的供给弹性，当市场出现过度上涨时，融券卖出可以抑制股价的非理性上涨，从而降低市场波动性。还有部分国外学者认为融资、融券交易与股票市场波动性的影响不显著。Battalio和Schultz（2006）的研究发现，融券做空对股市波动性影响不大，他们通过对特定市场环境下融券交易数据的详细分析，考虑了多种可能影响股市波动性的因素，结果表明融券交易并没有对股市波动性产生明显的影响。PedroA.C.Saffi等（2011）对26个国家的融资融券交易和股市波动数据研究后也发现，融券做空对股市的影响存在很多不确定性因素，由于不同国家的市场结构、监管环境和投资者行为等存在差异，使得融券交易对股市波动性的影响难以呈现出一致的规律。国内学者对于融资融券对股市波动性的影响也进行了大量研究，同样存在较大分歧。一部分学者认为融资融券交易加剧了股票市场波动性。吕大永（2019）运用面板回归方法研究杠杆融资交易对标的股价崩盘风险，发现融资融券交易在提高成交额的同时，也会加剧股价的崩盘风险。在市场不稳定时期，投资者过度依赖杠杆融资进行交易，当市场出现不利变化时，容易引发恐慌性抛售，导致股价大幅下跌，增加了股价崩盘的可能性。刘光彦等（2019）用VAR模型进行研究，认为融资融券会加剧市场波动，通过对融资融券余额和股市波动指标的时间序列数据进行VAR模型分析，发现融资融券交易与市场波动之间存在正向的因果关系，融资融券交易的变化会引起市场波动的同向变化。刘降斌和李晓晗（2019）、张博和李强（2021）进一步论证了上述观点，他们从不同的样本数据和研究方法出发，均得出融资融券交易加剧市场波动的结论，刘降斌和李晓晗通过构建GARCH模型，分析了融资融券交易对股市波动的条件异方差影响，发现融资融券交易加大了股市波动的不确定性；张博和李强则运用事件研究法，研究了融资融券业务扩容等事件对股市波动性的影响，结果表明这些事件导致了市场波动性的增加。但也有国内学者认为融资融券交易降低了股票市场波动性。杨亚轩和杨涛（2014）从理论上分析了融资融券对股市波动性影响的机制，认为引入融资融券机制，可以平抑股票市场的大幅剧烈波动，从而发挥稳定市场的作用。在市场单边运行时，融资融券制度增加了证券的供给弹性，当市场过度上涨时，融券卖出增加股票供给，抑制股价上涨；当市场过度下跌时，融资买入增加股票需求，推动股价回升，进而减少市场的巨幅震荡。佟孟华和孟照康（2015）基于710个融资融券标的股的数据，发现在高市盈率下，融资融券在降低标的股票的波动性方面具有显著作用，他们通过对不同市场条件下融资融券交易与股票波动性的关系进行分析，发现高市盈率时，融资融券交易可以使股价更加合理地反映公司价值，减少股价的过度波动。林宇等（2019）运用VAR模型和脉冲响应函数，研究发现融资融券交易对股市波动具有显著的负向冲击，即对股市波动具有抑制作用，通过对融资融券交易数据和股市波动指标进行VAR模型估计和脉冲响应分析，发现融资融券交易的冲击会使股市波动指标下降，表明融资融券交易能够稳定市场波动。另外，王旻、廖士光和吴淑琨（2008）研究结果表明融资交易加强了市场的流动性，融券交易未显著加强市场流动性，且融资融券交易对市场主体的波动性影响不显著，他们通过对我国融资融券试点初期的数据进行分析，发现融资融券交易在市场流动性和波动性方面的影响并不明显，可能是由于当时融资融券业务规模较小，市场参与者对其认识和运用还不够成熟。综合来看，国内外学者对于融资融券对股市波动性的影响尚未达成一致结论。不同的研究结果可能是由于研究方法、样本选取、市场环境以及时间跨度等因素的差异所导致。大部分研究主要聚焦于整体市场层面，对于不同市场行情（如牛市、熊市、震荡市）下融资融券对股市波动性的异质性影响研究相对不足。在研究方法上，虽然运用了多种计量模型，但对于模型的适用性和稳健性检验还可以进一步加强。此外，随着我国融资融券业务的不断发展和市场环境的变化，其对股市波动性的影响可能也会发生改变，因此有必要结合新的数据和市场情况进行深入研究，本文将在这些方面进行补充和拓展，以期更全面、准确地揭示融资融券对我国股市波动性的影响。1.3研究方法与创新点本文将综合运用多种实证研究方法，深入探究融资融券对我国股市波动性的影响。在研究过程中，选取2010年3月31日至2022年12月31日期间的相关数据作为样本，涵盖了融资融券业务在我国开展后的多个市场周期，具有较好的代表性和时效性。在变量选取上，将沪深300指数的对数收益率作为衡量股市波动性的指标，它能有效反映股市价格的波动情况。同时，选取融资余额和融券余额分别作为融资交易和融券交易规模的衡量指标，这些数据能直观体现融资融券业务的发展程度和市场参与度。为确保研究结果的可靠性和准确性，首先对数据进行平稳性检验，运用ADF检验方法判断时间序列数据是否平稳，避免出现伪回归问题。若数据不平稳，通过差分等方法使其平稳化，为后续的分析奠定基础。接着进行协整检验，采用Johansen协整检验方法，判断融资融券余额与股市波动性之间是否存在长期稳定的均衡关系，以确定变量之间是否具有内在的经济联系。本文将构建VAR模型，该模型能综合考虑多个变量之间的相互影响和动态关系。通过对融资余额、融券余额和股市波动性等变量的VAR模型估计，分析它们之间的短期动态关系和长期均衡关系，深入研究融资融券交易对股市波动性的影响机制。在VAR模型的基础上，运用脉冲响应函数和方差分解技术进行进一步分析。脉冲响应函数用于刻画一个变量的冲击对其他变量产生的动态影响路径和程度，通过给予融资余额、融券余额一个标准差大小的冲击，观察股市波动性如何随时间变化，直观展示融资融券交易对股市波动性的短期和长期影响效果。方差分解则用于分析每个变量的变动对预测误差的贡献度，确定融资余额和融券余额对股市波动性预测误差的相对重要性，明确它们在影响股市波动性过程中的作用大小。此外，还将进行Granger因果检验，判断融资融券余额与股市波动性之间是否存在因果关系，以及因果关系的方向，从因果逻辑角度深入剖析融资融券交易与股市波动性之间的内在联系。在研究视角方面，本文不仅从整体市场层面研究融资融券对股市波动性的影响，还将进一步探讨在不同市场行情（牛市、熊市、震荡市）下融资融券对股市波动性的异质性影响。通过划分不同的市场行情阶段，分别对各阶段的数据进行实证分析，深入挖掘融资融券在不同市场环境下对股市波动性的影响差异，为投资者和监管部门提供更具针对性的决策依据。在研究方法上，本文在运用VAR模型等常规方法的基础上，将结合滚动窗口回归等方法进行稳健性检验，以确保研究结果的可靠性和稳定性。滚动窗口回归可以动态地分析不同时间段内融资融券与股市波动性之间的关系，克服了传统固定样本回归的局限性，使研究结果更能反映市场的实际变化情况。此外，还将考虑更多的控制变量，如宏观经济变量（GDP增长率、利率等）、市场结构变量（换手率、流通市值等），以更全面地控制其他因素对股市波动性的影响，增强研究结果的可信度。二、融资融券与股市波动性的理论基础2.1融资融券的概念与特点融资融券，又被称作证券信用交易，是指投资者在证券交易所或者国务院批准的其他证券交易场所进行证券交易时，证券公司向客户出借资金供其买入证券或者出借证券供其卖出，并由客户交存相应担保物的经营活动。融资融券业务的核心在于引入了信用交易机制，打破了传统证券交易中投资者只能使用自有资金和证券进行交易的限制，为投资者提供了更为灵活的投资方式。融资融券具有以下显著特点：首先，它暗含做空机制，实现了股票市场的卖空和买空交易制度。在传统的单边市场中，投资者只有在股票价格上涨时才能通过买入并持有股票来获取收益，而当市场下跌时，投资者往往只能被动承受损失。融资融券业务的出现改变了这一局面，投资者可以通过融券交易借入股票并卖出，待股票价格下跌后再买入股票归还，从而在市场下跌时也有机会获利。这种做空机制丰富了市场的交易策略，使投资者能够根据自己对市场的判断进行双向操作，增加了市场的灵活性和多样性。其次，融资融券具备杠杆效应。投资者只需缴纳一定比例的保证金，就可以借入数倍于保证金的资金或证券进行交易。例如，若保证金比例为50%，投资者缴纳100万元的保证金，就可以借入200万元的资金或证券进行交易，从而放大了投资的收益和风险。在市场走势与投资者预期相符时，杠杆效应可以显著放大投资收益；然而，当市场走势与预期相反时，损失也会被加倍放大。这种杠杆效应使得投资者在进行融资融券交易时需要更加谨慎地评估市场风险和自身的风险承受能力。最后，融资融券改变了投资者与证券公司之间的关系，使投资者和证券公司之间不仅存在委托买卖的关系，还存在资金或证券的借贷关系。在融资融券交易中，投资者向证券公司借入资金或证券，证券公司则承担了资金或证券的出借方角色，并通过收取利息、手续费等方式获取收益。这种新的关系要求证券公司具备更强的风险管理能力和信用评估能力，以确保融资融券业务的稳健开展。同时，投资者也需要更加关注自身的信用状况和还款能力，避免因违约而导致的信用风险和法律风险。2.2股市波动性的内涵与度量股市波动性，简单来说，是指股票价格在一定时期内上下波动的程度和频率。它是股票市场的一个基本特征，受到多种因素的综合影响，如宏观经济状况、政治局势、公司业绩、行业发展趋势、市场情绪等。从宏观经济角度来看，经济增长的速度、通货膨胀水平、利率变动等都会对股票市场的波动性产生作用。当经济增长强劲、通货膨胀温和、利率稳定时，市场通常较为稳定；反之，经济衰退、高通胀、利率大幅波动可能导致市场波动加剧。公司业绩也是影响股票价格波动的重要因素，如果一家公司发布的财务报告显示其盈利大幅增长，通常会推动股价上涨；而业绩不佳则可能导致股价下跌。行业发展趋势同样不容忽视，新兴行业在发展初期往往具有较高的波动性，因为其未来的发展存在较大的不确定性；而成熟行业相对较为稳定，但也可能因技术变革或市场竞争格局的改变而出现波动。市场情绪在股票市场的波动性中扮演着关键角色，投资者的乐观或悲观情绪可能引发大规模的买入或卖出行为，从而导致股价的大幅波动。为了准确衡量股市波动性，金融领域发展出了多种度量指标，每种指标都从不同角度反映了股市价格的波动特征。标准差是一种最常用的衡量股市波动性的指标，它通过计算股票收益率与平均收益率之间的偏离程度来衡量波动性。标准差越大，说明股票收益率的波动越大，市场风险也就越高；反之，标准差越小，市场风险越低。以沪深300指数为例，通过计算其一段时间内每日对数收益率的标准差，可以直观地了解该指数价格波动的剧烈程度。平均真实波动范围（ATR）是一种技术分析指标，用于衡量股票或其他资产的价格波动性。ATR通过计算一定时期内的最高价和最低价之间的差值来确定波动性，它考虑了跳空高开或低开的情况，能更准确地反映价格的实际波动幅度。例如，当某只股票的ATR值较高时，表明其价格波动较为剧烈，投资者在交易该股票时需要更加谨慎。除了上述指标外，还有历史波动率、隐含波动率、波动率指数（VIX）等。历史波动率基于过去的价格数据计算，反映了股票价格在过去一段时间内的实际波动情况，常用于比较不同股票或市场指数的波动性，帮助投资者评估风险。隐含波动率是通过期权价格反推出的市场对未来波动的预期，通常用于期权定价模型，高隐含波动率意味着市场预期未来股价会有较大的波动，这可能与不确定性增加或市场情绪变化有关。波动率指数（如VIX）常被称为“恐慌指数”，是衡量市场对未来30天波动率预期的指标，其上升通常与股市下跌相关，而下降则可能与市场稳定或上涨相关。这些指标从不同维度刻画了股市波动性，投资者和研究者可以根据具体的研究目的和需求，选择合适的指标来度量股市波动性，以便更好地理解股票市场的运行规律和风险特征。2.3融资融券对股市波动性的作用机制2.3.1融资交易的影响机制融资交易是指投资者向证券公司借入资金买入证券，并在未来约定的期限内偿还本金和利息。从资金流入的角度来看，融资交易能够显著增加市场中的资金量。当投资者预期某只股票价格将会上涨时，他们会通过融资借入资金购买该股票。大量投资者的融资买入行为使得市场对该股票的需求大幅增加，在股票供给相对稳定的情况下，根据供求原理，需求的增加必然推动股价上涨。例如，在市场整体行情向好时，投资者普遍看好后市，融资余额会持续上升，大量资金涌入股市，推动股票价格不断攀升，形成牛市行情。融资交易具有杠杆效应，这是其对股市波动性产生重要影响的关键因素。投资者只需缴纳一定比例的保证金，就可以借入数倍于保证金的资金进行交易，这种杠杆效应放大了投资的收益和风险。假设保证金比例为50%，投资者缴纳100万元的保证金，就可以借入200万元的资金用于购买股票。如果股票价格上涨10%，不考虑融资利息等成本，投资者的收益为20万元（200万元×10%），相对于其自有资金100万元，收益率达到了20%，收益被放大了一倍；然而，如果股票价格下跌10%，投资者的损失同样为20万元，相对于自有资金的损失率也达到了20%，损失同样被放大。在市场上涨阶段，杠杆效应吸引更多投资者参与融资交易，进一步推动股价上涨，形成正反馈效应，使得市场波动性加剧；而在市场下跌阶段，投资者为了避免更大的损失，可能会被迫平仓，大量的抛售行为会加速股价下跌，导致市场波动性进一步增大。投资者情绪在融资交易对股市波动性的影响中也起到了重要作用。当市场处于上升趋势时，投资者的乐观情绪会被融资交易的赚钱效应进一步激发，更多的投资者会受到这种情绪的感染，纷纷加入融资交易的行列，使得市场的资金流入不断增加，推动股价持续上涨，市场波动性增强。反之，当市场下跌时，投资者的恐慌情绪会因融资交易的杠杆风险而加剧，投资者为了减少损失，会大量抛售股票，导致股价加速下跌，市场波动性进一步加大。2.3.2融券交易的影响机制融券交易为投资者提供了做空的机会，这在一定程度上改变了市场的交易结构。当投资者预期某只股票价格将会下跌时，他们可以从证券公司借入该股票并卖出，待股票价格下跌后再买入相同数量的股票归还证券公司，从而实现盈利。这种做空机制使得市场中存在了与多头力量相对的空头力量，打破了传统单边市场中只有多头力量影响股价的局面。在股票价格被高估时，投资者可以通过融券卖出股票，增加股票的供给，抑制股价的进一步上涨，使股价回归到合理的价值区间。融券交易对市场卖压和波动性的影响较为复杂。在市场下跌阶段，融券交易可能会增加市场的卖压，加剧股价的下跌。当市场出现下跌趋势时，融券投资者为了锁定利润或避免损失扩大，会选择卖出股票，这使得市场上的股票供应量增加，进一步推动股价下跌。如果市场中存在大量的融券投资者同时卖出股票，可能会引发市场的恐慌情绪，导致更多的投资者跟风卖出，形成踩踏效应，使得股价大幅下跌，市场波动性急剧增大。然而，从另一个角度来看，融券交易也可以在一定程度上稳定市场。当股价过度下跌时，融券投资者为了归还借入的股票，需要买入股票，这增加了市场的需求，对股价起到一定的支撑作用，从而稳定市场波动性。在实际市场中，融券交易对股市波动性的影响还受到多种因素的制约。融券业务的发展程度会影响其对市场的作用效果，如果融券业务规模较小，可供融券的股票数量有限，那么融券交易对市场卖压和波动性的影响也会相对较弱。投资者的融券意愿也会随着市场行情和自身预期的变化而波动，在市场乐观情绪浓厚时，投资者的融券意愿可能较低，融券交易对市场的影响不明显；而在市场悲观情绪占主导时，投资者的融券意愿可能增强，融券交易对市场的影响会更加显著。三、我国融资融券与股市波动性的现状分析3.1我国融资融券业务的发展历程与现状我国融资融券业务的发展历程是一个不断探索、创新与完善的过程，其起源可以追溯到20世纪90年代初，当时一些证券公司在未经监管机构批准的情况下，就已开始尝试提供融资融券服务。但由于缺乏规范和监督，这些活动很快被叫停。直到2006年，中国证券监督管理委员会发布《证券公司融资融券业务试点管理办法》，标志着融资融券业务在我国开始走向规范化发展的道路。2008年，国务院正式批准启动融资融券试点，为融资融券业务的开展提供了政策支持。2010年3月31日，上交所和深交所正式开始实施融资融券业务试点，这是我国融资融券业务发展的重要里程碑。试点初期，两融标的股票仅有90只，业务规模相对较小，市场参与者对这一新兴业务的了解和运用也较为有限。但随着市场的逐渐成熟和相关制度的不断完善，融资融券业务迎来了快速发展阶段。2011年11月25日，融资融券标的证券范围首次扩大，从原来的90只股票增加至285只，这一举措丰富了投资者的选择，进一步活跃了市场交易。2013年1月31日，转融券业务试点启动，标志着我国融资融券业务体系进一步完善。转融券业务使得证券公司能够将自有证券或向证券金融公司借入的证券出借给其他证券公司，为市场提供了更多的融券来源，增强了市场的做空机制，提高了市场的效率和流动性。同年9月16日，融资融券标的证券范围再次扩大，从285只增加至500只，进一步满足了投资者的交易需求，促进了市场的活跃。2014年9月22日，融资融券业务规则修改，放宽了相关限制，如取消了融资融券合约6个月的强制平仓限制，允许投资者与证券公司自主约定合约期限等。这些政策调整降低了投资者的交易成本和风险，激发了市场的活力，推动融资融券业务规模迅速增长。在2015年上半年的牛市行情中，融资融券余额急剧攀升，达到了历史峰值22730.35亿元。然而，在市场快速上涨的过程中，也暴露出一些问题，如部分投资者过度依赖杠杆融资，市场风险不断积聚。随着市场行情的转变，融资融券余额也出现了大幅波动。2019年，随着科创板的推出，融资融券业务迎来了新的发展机遇。科创板股票被纳入融资融券标的范围，进一步扩大了融资融券业务的覆盖面。科创板企业大多具有高科技、高成长的特点，其纳入融资融券标的，为投资者提供了更多的投资选择和风险管理工具。2020年3月1日起施行的新《证券法》，为融资融券业务的发展提供了更坚实的法律基础，明确了融资融券业务的合法地位，规范了业务开展的相关规则，促进了融资融券业务的健康发展。截至2024年底，沪深两市融资融券余额总体呈现稳中有升的态势。最新数据显示，融资融券余额达到[X]亿元，其中融资余额为[X]亿元，融券余额为[X]亿元。融资余额的持续增长，反映出投资者对市场的信心和投资热情，他们通过融资交易借入资金买入股票，期望在市场上涨中获取更多收益；融券余额虽然相对较小，但也在逐步增加，表明市场的做空机制正在不断完善，投资者对市场的双向交易需求得到了更好的满足。在标的证券数量方面，沪深两市融资融券标的数量不断扩容，截至2024年底，已达到[X]只（包括可进行融资融券交易的ETF）。标的证券范围的扩大，涵盖了更多行业和不同市值规模的公司，使得投资者能够更广泛地参与融资融券交易，提高了市场的代表性和有效性。从行业分布来看，融资融券标的主要集中在金融、信息技术、制造业等行业。金融行业由于其市值较大、流动性较好，一直是融资融券交易的重点领域；信息技术和制造业等行业则受益于科技创新和产业升级，受到投资者的广泛关注，融资融券交易也较为活跃。总体而言，我国融资融券业务在过去十几年中取得了长足的发展，业务规模不断扩大，标的证券数量持续增加，市场参与度逐步提高。融资融券业务已成为我国资本市场的重要组成部分，对市场的流动性、价格发现和风险管理等方面发挥着日益重要的作用。然而，在发展过程中也需要关注市场风险，加强监管，确保融资融券业务的稳健运行，促进资本市场的健康发展。3.2我国股市波动性的特征与变化趋势我国股市波动性呈现出复杂的特征，在不同时间段有着显著不同的表现。从长期趋势来看，股市波动性总体上呈现出一定的周期性变化。在2010-2015年期间，股市波动性较为剧烈。2014-2015年上半年的牛市行情中，沪深300指数涨幅巨大，从2014年初的约2300点一路攀升至2015年6月的5300多点。在这一阶段，市场乐观情绪高涨，投资者纷纷涌入股市，融资融券余额也急剧增加，推动股价持续上扬，市场波动性不断增强。然而，随后市场行情急转直下，在2015年下半年的股灾中，股市出现了大幅下跌，沪深300指数在短短几个月内暴跌至2800多点。股价的快速下跌引发了投资者的恐慌情绪，大量融资盘爆仓，进一步加剧了市场的抛售压力，股市波动性达到了极高的水平。在2016-2019年期间，股市波动性相对有所缓和。这一阶段，市场逐渐从股灾的阴影中走出，监管部门加强了对市场的监管力度，出台了一系列政策措施来稳定市场，如加强对融资融券业务的风险管理、规范上市公司信息披露等。这些政策措施使得市场逐渐趋于理性，股市波动性得到了一定程度的控制。沪深300指数在这几年间波动相对平稳，维持在3000-4000点之间。市场的稳定性增强，投资者的信心也逐步恢复，融资融券业务也在相对稳定的市场环境中有序发展。进入2020年，受新冠疫情的冲击，股市波动性再次大幅增加。2020年初，疫情的爆发导致市场恐慌情绪蔓延，股市大幅下跌，沪深300指数在短时间内从约4100点下跌至3500点左右。为了应对疫情对经济的冲击，各国纷纷出台了大规模的经济刺激政策，我国也采取了一系列积极的财政政策和宽松的货币政策。这些政策措施为市场注入了大量的流动性，股市迅速反弹，沪深300指数在2020年底回升至4900多点。市场在短时间内经历了大幅下跌和快速反弹，波动性显著增强。宏观经济因素对我国股市波动性有着重要影响。国内生产总值（GDP）增长率的变化与股市波动性密切相关。当GDP增长率保持稳定且较高水平时，股市通常较为稳定，波动性较小。这是因为经济的稳定增长意味着企业的盈利预期良好，投资者对市场的信心较强，市场交易相对平稳。然而，当GDP增长率出现较大波动时，股市波动性往往会随之增加。例如，在经济增长放缓时期，企业的盈利能力可能受到影响，投资者对市场的预期也会变得较为悲观，从而导致股市下跌，波动性增大。通货膨胀率也是影响股市波动性的重要宏观经济因素。适度的通货膨胀对股市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，从而增加企业的盈利。然而，当通货膨胀率过高时，可能引发央行采取紧缩的货币政策，提高利率，这会增加企业的融资成本，对股市产生不利影响，导致股市波动性加大。利率的变动同样会对股市波动性产生显著影响。利率下降时，投资者的融资成本降低，资金会更倾向于流入股市，推动股价上涨，市场波动性可能会有所增加；而利率上升时，资金可能会从股市流出，导致股价下跌，股市波动性也可能加大。政策因素在我国股市波动性变化中也扮演着关键角色。货币政策的调整对股市有着直接而显著的影响。当央行采取宽松的货币政策，增加货币供应量时，市场流动性增强，资金充裕，股价往往会上涨，股市波动性可能会相应增加。例如，在2008年全球金融危机后，我国央行采取了一系列宽松的货币政策，降低利率、增加货币投放，这使得股市在随后的一段时间内出现了较大幅度的上涨，波动性也有所加大。反之，当央行收紧货币政策时，市场流动性减少，股价可能下跌，股市波动性也会受到影响。财政政策的变化也会对股市波动性产生影响。政府通过调整财政支出、税收政策等手段来影响经济运行，进而影响股市。当政府增加财政支出，加大对基础设施建设等领域的投资时，相关行业的企业可能受益，股价上涨，市场波动性可能会发生变化。税收政策的调整同样会对企业的盈利和投资者的收益产生影响，从而影响股市波动性。例如，降低企业所得税可以增加企业的利润，对股价有积极的推动作用；而提高资本利得税等可能会抑制投资者的交易行为，影响股市的波动性。市场情绪是影响股市波动性的重要因素之一，它与投资者的心理和行为密切相关。在牛市行情中，投资者普遍存在乐观情绪，这种情绪会促使他们积极买入股票，推动股价不断上涨。随着股价的上涨，投资者的乐观情绪进一步增强，形成一种正反馈机制，使得市场波动性不断加剧。例如，在2015年上半年的牛市中，投资者对市场充满信心，大量资金涌入股市，融资融券交易异常活跃，推动股价持续攀升，市场波动性也随之大幅增加。而在熊市行情中，投资者往往陷入悲观情绪，对市场前景感到担忧，纷纷抛售股票，导致股价下跌。股价的下跌又进一步加剧了投资者的恐慌心理，引发更多的抛售行为，形成恶性循环，使得市场波动性急剧增大。在2015年下半年的股灾中，市场恐慌情绪蔓延，投资者纷纷恐慌性抛售股票，融资盘大量爆仓，股市出现了连续的暴跌，波动性达到了历史高位。综上所述，我国股市波动性在不同时间段呈现出明显的差异，受到宏观经济、政策、市场情绪等多种因素的综合影响。这些因素相互作用，共同推动了股市波动性的变化。深入了解这些因素对股市波动性的影响机制，对于投资者制定合理的投资策略以及监管部门制定有效的监管政策具有重要意义。四、融资融券对我国股市波动性影响的实证研究设计4.1研究假设提出根据前文对融资融券影响股市波动性的理论分析，融资融券对股市波动性的影响存在多种可能性，因此提出以下两个对立的研究假设：假设1：融资融券交易加剧我国股市波动性：融资交易具有杠杆效应，在市场上涨阶段，投资者乐观情绪浓厚，会利用融资买入更多股票，推动股价进一步上涨，形成正反馈效应，使市场波动性加剧；而在市场下跌阶段，投资者为避免更大损失被迫平仓，大量抛售股票加速股价下跌，导致市场波动性进一步增大。融券交易在市场下跌阶段，投资者为锁定利润或避免损失扩大，会卖出股票，增加市场卖压，引发市场恐慌情绪，导致更多投资者跟风卖出，形成踩踏效应，使股价大幅下跌，市场波动性急剧增大。所以从这两方面来看，融资融券交易可能会加剧我国股市的波动性。假设2：融资融券交易抑制我国股市波动性：融资融券交易引入了做空机制，使得市场中存在多头和空头两种力量相互制衡。当股票价格被高估时，融券卖出增加股票供给，抑制股价进一步上涨；当股价过度下跌时，融资买入增加股票需求，推动股价回升，从而平抑市场波动，使股价更合理地反映公司价值，抑制股市波动性。4.2变量选取与数据来源为了深入研究融资融券对我国股市波动性的影响，选取以下变量进行实证分析：被解释变量：股市波动性（Volatility），选用沪深300指数的对数收益率来衡量股市波动性，计算公式为：R_{t}=\ln\left(\frac{P_{t}}{P_{t-1}}\right)\times100\%其中，R_{t}表示第t期沪深300指数的对数收益率，P_{t}表示第t期沪深300指数的收盘价，P_{t-1}表示第t-1期沪深300指数的收盘价。对数收益率能够较好地反映股价的相对变化，在金融研究中被广泛应用于衡量股市波动性。沪深300指数由沪深两市中规模大、流动性好的最具代表性的300只证券组成，能够综合反映中国A股市场上市股票价格的整体表现，具有广泛的市场代表性。解释变量：融资余额（MarginPurchase）和融券余额（ShortSale），分别用融资余额和融券余额来衡量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的累积，反映了市场上投资者通过融资借入资金买入股票的总体规模；融券余额是指投资者每日融券卖出与买进还券间的差额的累积，体现了市场上投资者通过融券借入股票卖出的总体规模。这两个变量直接反映了融资融券业务的发展程度和市场参与度，对股市波动性可能产生重要影响。控制变量：为了更准确地研究融资融券对股市波动性的影响，还选取了以下控制变量：市场换手率（Turnover），计算公式为：Turnover_{t}=\frac{V_{t}}{S_{t}}\times100\%其中，Turnover_{t}表示第t期的市场换手率，V_{t}表示第t期沪深300指数成分股的成交股数，S_{t}表示第t期沪深300指数成分股的流通股数。市场换手率反映了股票交易的活跃程度，换手率越高，说明市场交易越活跃，投资者对股票的买卖意愿越强，可能对股市波动性产生影响。宏观经济变量，包括国内生产总值（GDP）增长率（GDPGrowth）和利率（InterestRate）。GDP增长率反映了宏观经济的增长态势，经济增长的变化会影响企业的盈利预期和投资者的信心，进而对股市波动性产生作用。利率作为宏观经济调控的重要手段，其变动会影响资金的流向和成本，当利率上升时，资金可能从股市流出，导致股价下跌，股市波动性增大；反之，利率下降时，资金可能流入股市，推动股价上涨，股市波动性也可能发生变化。利率选取一年期定期存款利率作为代表，它是市场上较为常见和具有代表性的利率指标。本文的数据选取区间为2010年3月31日至2022年12月31日，涵盖了融资融券业务在我国开展后的多个市场周期，具有较好的代表性和时效性。融资余额、融券余额数据来源于上海证券交易所和深圳证券交易所官网的融资融券业务数据库，该数据库提供了详细的融资融券交易数据，具有权威性和准确性。沪深300指数收盘价、成分股成交股数、流通股数等数据来源于同花顺炒股软件，该软件是市场上广泛使用的金融数据获取平台，数据更新及时，能够满足研究的需求。国内生产总值（GDP）增长率数据来源于国家统计局官网，国家统计局发布的GDP数据是我国宏观经济数据的权威来源，具有高度的可靠性。一年期定期存款利率数据来源于中国人民银行官网，中国人民银行作为我国的中央银行，其发布的利率数据是官方的权威数据。通过多渠道获取数据，保证了数据的全面性和准确性，为实证研究提供了坚实的数据基础。4.3模型构建与检验方法选择为了深入探究融资融券对我国股市波动性的影响，构建向量自回归（VAR）模型进行分析。VAR模型是一种基于数据的统计性质建立的模型，它把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型，从而将单变量自回归模型推广到由多元时间序列变量组成的“向量”自回归模型。在本研究中，VAR模型能够综合考虑融资余额、融券余额和股市波动性之间的相互影响和动态关系。假设存在一个包含n个变量的时间序列系统，Y_t表示n维内生变量向量，t表示时间，p表示滞后阶数，A_1,A_2,\cdots,A_p是待估计的系数矩阵，\varepsilon_t是n维随机误差向量，其均值为0，协方差矩阵为\sum，且与滞后值不相关。则VAR(p)模型的数学表达式为：Y_t=A_1Y_{t-1}+A_2Y_{t-2}+\cdots+A_pY_{t-p}+\varepsilon_t在本研究中，Y_t为包含股市波动性（Volatility）、融资余额（MarginPurchase）和融券余额（ShortSale）的向量，即Y_t=[Volatility_t,MarginPurchase_t,ShortSale_t]^T。通过估计VAR模型的系数矩阵A_1,A_2,\cdots,A_p，可以分析融资余额、融券余额的滞后值对股市波动性的影响，以及它们之间的动态关系。在构建VAR模型之前，需要对数据进行一系列的检验，以确保模型的有效性和可靠性。首先进行数据平稳性检验，采用ADF（AugmentedDickey-Fuller）检验方法。ADF检验通过在回归方程右边加入因变量y_t的滞后差分项来控制高阶序列相关，其原假设H_0为：时间序列存在单位根，即序列是非平稳的；备择假设H_1为：时间序列不存在单位根，即序列是平稳的。对于时间序列y_t，其ADF检验的回归方程一般形式为：\Deltay_t=\alpha+\betat+\gammay_{t-1}+\sum_{i=1}^{k}\delta_i\Deltay_{t-i}+\varepsilon_t其中，\Deltay_t表示y_t的一阶差分，\alpha为常数项，\beta为时间趋势项系数，\gamma为待检验的系数，\delta_i为滞后差分项的系数，k为滞后阶数，\varepsilon_t为随机误差项。如果ADF检验统计量小于给定显著性水平下的临界值，则拒绝原假设，认为时间序列是平稳的；反之，则接受原假设，认为时间序列是非平稳的。若数据不平稳，还需进行协整检验，判断变量之间是否存在长期稳定的均衡关系。本文采用Johansen协整检验方法，该方法基于VAR模型，通过对VAR模型进行特征根检验来判断协整关系的存在性和协整向量的个数。Johansen协整检验的原假设H_0为：不存在协整关系；备择假设H_1为：存在协整关系。在进行Johansen协整检验时，首先需要确定VAR模型的滞后阶数，然后根据特征根迹检验和最大特征值检验的结果来判断变量之间是否存在协整关系。如果检验结果表明变量之间存在协整关系，则可以进一步估计协整向量，从而确定变量之间的长期均衡关系。为了确定融资融券余额与股市波动性之间是否存在因果关系，以及因果关系的方向，将进行Granger因果检验。Granger因果检验的基本思想是：如果变量X的变化引起变量Y的变化，那么X的变化应该发生在Y的变化之前。对于两个时间序列变量X_t和Y_t，Granger因果检验的原假设H_0为：X不是Y的Granger原因；备择假设H_1为：X是Y的Granger原因。其检验的回归方程为：Y_t=\sum_{i=1}^{m}\alpha_iY_{t-i}+\sum_{i=1}^{m}\beta_iX_{t-i}+\varepsilon_{1t}X_t=\sum_{i=1}^{n}\gamma_iX_{t-i}+\sum_{i=1}^{n}\delta_iY_{t-i}+\varepsilon_{2t}其中，m和n为滞后阶数，\alpha_i,\beta_i,\gamma_i,\delta_i为待估计的系数，\varepsilon_{1t}和\varepsilon_{2t}为随机误差项。如果\sum_{i=1}^{m}\beta_i显著不为0，则拒绝原假设，认为X是Y的Granger原因；反之，则接受原假设，认为X不是Y的Granger原因。同理，可以检验Y是否是X的Granger原因。在VAR模型估计完成后，运用脉冲响应函数（IRF）和方差分解技术进行进一步分析。脉冲响应函数用于刻画一个内生变量对来自其他内生变量的一个标准差冲击的反应，即当系统在t时刻受到一个变量的冲击后，对其他变量在未来各个时期产生的动态影响路径和程度。对于VAR(p)模型，脉冲响应函数可以通过模拟得到，它描述了在其他变量不变的情况下，给某个变量一个单位冲击后，系统中各个变量的响应情况。通过分析脉冲响应函数图，可以直观地了解融资融券余额的变化对股市波动性的短期和长期影响效果。方差分解则是将系统中每个内生变量的预测均方误差（MSE）按照其成因分解为与各方程新息相关联的组成部分，从而了解各新息对模型内生变量的相对重要性。在本研究中，通过方差分解可以确定融资余额和融券余额对股市波动性预测误差的贡献度，明确它们在影响股市波动性过程中的作用大小。例如，如果融资余额对股市波动性预测误差的贡献度较大，说明融资交易在影响股市波动性中起到了更为重要的作用。五、实证结果与分析5.1描述性统计分析对选取的变量进行描述性统计分析，结果如表1所示。表1：变量描述性统计变量观测值均值标准差最小值最大值股市波动性（Volatility）31940.000510.0221-0.09250.0964融资余额（MarginPurchase）31946972.355478.12334.3722730.35融券余额（ShortSale）319459.47101.631.53939.48市场换手率（Turnover）31942.031.210.3810.24GDP增长率（GDPGrowth）31940.0650.0120.0230.098利率（InterestRate）31942.050.521.503.00从表1可以看出，股市波动性的均值为0.00051，标准差为0.0221，表明股市收益率在样本期内波动相对较小，但也存在一定的波动幅度，最小值为-0.0925，最大值为0.0964，反映出股市在某些时期可能出现较大的涨跌波动。融资余额的均值为6972.35亿元，标准差为5478.12亿元，说明融资余额在不同时期存在较大差异，最小值为334.37亿元，最大值达到22730.35亿元，这与我国融资融券业务的发展历程相符，在市场行情较好时，投资者的融资热情高涨，融资余额大幅增加；而在市场低迷时，融资余额则相对较低。融券余额的均值为59.47亿元，标准差为101.63亿元，与融资余额相比，融券余额的规模较小，这可能是由于我国融券业务发展相对滞后，融券标的范围有限，投资者的融券意愿受到一定限制。市场换手率的均值为2.03%，标准差为1.21%，说明市场交易活跃度在样本期内有一定波动，最小值为0.38%，最大值为10.24%，反映出市场在不同时期的交易热情和流动性存在差异。GDP增长率的均值为6.5%，标准差为1.2%，表明我国宏观经济在样本期内保持相对稳定的增长态势，但也存在一定的波动。利率的均值为2.05%，标准差为0.52%，说明利率在样本期内也有一定的波动范围。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，为后续的实证分析奠定基础。这些统计结果也反映了我国股市和融资融券业务在样本期内的运行状况，以及宏观经济环境的变化情况。5.2平稳性检验与协整检验结果对股市波动性（Volatility）、融资余额（MarginPurchase）、融券余额（ShortSale）、市场换手率（Turnover）、GDP增长率（GDPGrowth）和利率（InterestRate）进行ADF平稳性检验，检验结果如表2所示。表2：ADF平稳性检验结果变量检验形式（C，T，K）ADF统计量5%临界值P值是否平稳Volatility（C，T，1）-1.8562-3.43210.4235否D(Volatility)（C，0，1）-7.5634-2.86430.0000是MarginPurchase（C，T，1）-1.4327-3.43210.6842否D(MarginPurchase)（C，0，1）-6.9845-2.86430.0000是ShortSale（C，T，1）-1.2458-3.43210.7936否D(ShortSale)（C，0，1）-8.2317-2.86430.0000是Turnover（C，T，1）-1.6785-3.43210.5264否D(Turnover)（C，0，1）-7.1234-2.86430.0000是GDPGrowth（C，T，1）-1.3567-3.43210.7325否D(GDPGrowth)（C，0，1）-5.8945-2.86430.0000是InterestRate（C，T，1）-1.1234-3.43210.8567否D(InterestRate)（C，0，1）-6.5432-2.86430.0000是注：检验形式（C，T，K）中，C表示常数项，T表示时间趋势项，K表示滞后阶数；D表示一阶差分。从表2可以看出，原始变量的ADF统计量均大于5%临界值，P值均大于0.05，表明这些变量在原始水平上均不平稳。而经过一阶差分后，所有变量的ADF统计量均小于5%临界值，P值均小于0.05，说明这些变量的一阶差分序列是平稳的，即它们都是一阶单整序列I(1)。这意味着在进行后续的协整检验和VAR模型估计时，需要使用一阶差分后的平稳序列，以避免出现伪回归问题，确保实证结果的可靠性和准确性。由于各变量均为一阶单整序列，具备进行协整检验的条件，因此采用Johansen协整检验方法来判断变量之间是否存在长期稳定的均衡关系。在进行Johansen协整检验之前，首先需要确定VAR模型的滞后阶数。根据AIC（赤池信息准则）、SC（施瓦茨准则）和HQ（汉南-奎因准则）等多种信息准则，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。表3：Johansen协整检验结果假设的协整方程个数特征值迹统计量5%临界值P值None*0.065445.678334.91630.0012Atmost1*0.043225.432119.96780.0056Atmost20.021310.23459.24060.0345注：*表示在5%的显著性水平下拒绝原假设。从表3的迹统计量检验结果来看，在5%的显著性水平下，“None”原假设（即不存在协整关系）的迹统计量45.6783大于5%临界值34.9163，P值为0.0012小于0.05，拒绝原假设，表明变量之间至少存在一个协整关系；“Atmost1”原假设（即最多存在一个协整关系）的迹统计量25.4321大于5%临界值19.9678，P值为0.0056小于0.05，拒绝原假设，表明变量之间至少存在两个协整关系；“Atmost2”原假设（即最多存在两个协整关系）的迹统计量10.2345大于5%临界值9.2406，P值为0.0345小于0.05，拒绝原假设，表明变量之间存在三个协整关系。这说明股市波动性、融资余额、融券余额、市场换手率、GDP增长率和利率之间存在长期稳定的均衡关系，它们之间存在着内在的经济联系，可以进一步进行VAR模型估计和相关分析。5.3格兰杰因果检验结果分析在确定变量之间存在协整关系的基础上，对股市波动性（Volatility）、融资余额（MarginPurchase）和融券余额（ShortSale）进行格兰杰因果检验，检验结果如表4所示。表4：格兰杰因果检验结果原假设F统计量P值结论MarginPurchase不是Volatility的格兰杰原因5.63420.0045拒绝原假设，MarginPurchase是Volatility的格兰杰原因Volatility不是MarginPurchase的格兰杰原因1.87650.1564接受原假设，Volatility不是MarginPurchase的格兰杰原因ShortSale不是Volatility的格兰杰原因3.24560.0345拒绝原假设，ShortSale是Volatility的格兰杰原因Volatility不是ShortSale的格兰杰原因0.98760.4012接受原假设，Volatility不是ShortSale的格兰杰原因从表4的检验结果可以看出，在5%的显著性水平下，“MarginPurchase不是Volatility的格兰杰原因”的原假设被拒绝，说明融资余额是股市波动性的格兰杰原因，即融资余额的变化会引起股市波动性的变化；而“Volatility不是MarginPurchase的格兰杰原因”的原假设被接受，表明股市波动性的变化不是融资余额变化的原因。这意味着融资交易规模的变动对股市波动性有着显著的影响，当融资余额增加时，市场上的资金流入增多，投资者的购买力增强，可能会推动股价上涨，从而增加股市的波动性；反之，当融资余额减少时，市场资金流出，股价可能下跌，股市波动性也可能发生相应变化。对于融券余额与股市波动性的关系，“ShortSale不是Volatility的格兰杰原因”的原假设被拒绝，说明融券余额是股市波动性的格兰杰原因，融券余额的变化会导致股市波动性的改变；“Volatility不是ShortSale的格兰杰原因”的原假设被接受，即股市波动性的变化不是融券余额变化的原因。这表明融券交易规模的变化同样对股市波动性产生重要影响，当融券余额增加时，市场上的股票供给增加，投资者看空情绪增强，可能会导致股价下跌，进而加大股市的波动性；而当融券余额减少时，市场卖压减轻，股市波动性可能降低。综合来看，融资余额和融券余额都是股市波动性的格兰杰原因，它们的变化会引起股市波动性的变化，且这种因果关系是单向的，即融资融券交易规模的变动会影响股市波动性，而股市波动性的变化不会反过来影响融资融券交易规模。这一结果为进一步研究融资融券对股市波动性的影响机制提供了重要的依据，也为投资者和监管部门提供了有价值的参考。投资者在进行投资决策时，可以关注融资融券余额的变化，以此来判断股市波动性的走势，从而调整自己的投资策略。监管部门则可以根据融资融券交易与股市波动性之间的因果关系，制定相应的监管政策，加强对融资融券业务的监管，以稳定股市波动性，防范金融风险。5.4脉冲响应与方差分解分析在VAR模型的基础上，运用脉冲响应函数（IRF）来分析融资融券对股市波动性的动态影响。脉冲响应函数刻画了在VAR模型中，当系统受到来自某个变量的一个标准差冲击后，其他变量在未来各个时期的响应情况。图1展示了股市波动性对融资余额冲击的脉冲响应函数图。从图中可以看出，当在本期给融资余额一个正向标准差冲击后，股市波动性在第1期就有明显的正向响应，响应值达到0.003左右，这表明融资余额的增加会立即导致股市波动性上升。在第2期至第4期，股市波动性的响应逐渐增强，在第4期达到最大值0.005左右，之后响应逐渐减弱，但在较长时期内仍保持正向响应。这说明融资余额的变化对股市波动性具有持续的正向影响，融资余额的增加会在一定时期内加剧股市的波动性。[此处插入股市波动性对融资余额冲击的脉冲响应函数图]图2为股市波动性对融券余额冲击的脉冲响应函数图。当本期给融券余额一个正向标准差冲击后，股市波动性在第1期的响应较为微弱，几乎接近于0。从第2期开始，股市波动性出现正向响应，在第3期达到最大值0.002左右，随后响应逐渐减弱，在第7期之后响应基本趋于平稳。这表明融券余额的变化对股市波动性的影响相对滞后，且影响程度相对较小，但仍然会在一定程度上加剧股市波动性。[此处插入股市波动性对融券余额冲击的脉冲响应函数图]方差分解则用于分析每个变量的变动对预测误差的贡献度，以此确定融资余额和融券余额对股市波动性预测误差的相对重要性。表5展示了股市波动性的方差分解结果。表5：股市波动性的方差分解时期标准差VolatilityMarginPurchaseShortSale10.0221100.00000.00000.000020.023497.34562.23450.420030.024695.43213.45671.111240.025793.67894.56781.753350.026892.12345.43212.444560.027990.78906.12343.087670.028989.65436.67893.666880.029888.72347.12344.153290.030688.00007.45674.5433100.031387.45677.72344.8200从表5可以看出，在第1期，股市波动性的预测误差完全由自身引起。随着时间的推移，融资余额和融券余额对股市波动性预测误差的贡献度逐渐增加。在第10期，融资余额对股市波动性预测误差的贡献度达到7.7234%，融券余额的贡献度达到4.8200%。这表明融资余额和融券余额的变动对股市波动性的影响逐渐显现，且融资余额的影响相对较大，但总体来说，两者对股市波动性预测误差的贡献度仍相对较小，说明除了融资融券交易外，还有其他因素对股市波动性产生重要影响。综合脉冲响应和方差分解分析结果，融资融券交易对股市波动性具有一定的动态影响，融资余额和融券余额的增加都会在一定程度上加剧股市波动性，但影响程度和持续时间存在差异，且融资融券交易在影响股市波动性的因素中并非占据主导地位。六、研究结论与政策建议6.1研究结论总结通过对2010年3月31日至2022年12月31日期间我国融资融券与股市波动性相关数据的实证研究，得出以下结论：融资余额和融券余额均是股市波动性的格兰杰原因，其变化会引起股市波动性的改变，且这种因果关系是单向的，即融资融券交易规模的变动会影响股市波动性，而股市波动性的变化不会反过来影响融资融券交易规模。从脉冲响应分析来看，融资余额的增加会立即导致股市波动性上升，在第1期就有明显的正向响应，且在第2期至第4期响应逐渐增强，在第4期达到最大值，之后响应逐渐减弱，但在较长时期内仍保持正向响应。这表明融资交易对股市波动性具有持续的正向影响，融资余额的增加会在一定时期内加剧股市的波动性。融券余额的变化对股市波动性的影响相对滞后，在本期给融券余额一个正向标准差冲击后，股市波动性在第1期的响应较为微弱，从第2期开始出现正向响应，在第3期达到最大值，随后响应逐渐减弱，在第7期之后响应基本趋于平稳。这说明融券交易同样会在一定程度上加剧股市波动性，但影响程度相对较小且具有滞后性。方差分解结果显示，融资余额和融券余额对股市波动性预测误差的贡献度逐渐增加，在第10期，融资余额对股市波动性预测误差的贡献度达到7.7234%，融券余额的贡献度达到4.8200%。这表明融资融券交易对股市波动性的影响逐渐显现，且融资余额的影响相对较大，但总体来说，两者对股市波动性预测误差的贡献度仍相对较小，说明除了融资融券交易外，还有其他因素对股市波动性产生重要影响。综合上述实证结果，融资融券交易在一定程度上会加剧我国股市波动性，研究假设1成立。融资交易的杠杆效应使得投资者在市场上涨时能够借入更多资金买入股票，推动股价进一步上涨，形成正反馈效应，加剧市场波动性；在市场下跌时，投资者为避免更大损失被迫平仓，大量抛售股票加速股价下跌，导致市场波动性进一步增大。融券交易在市场下跌阶段，投资者为锁定利润或避免损失扩大，会卖出股票，增加市场卖压，引发市场恐慌情绪，导致更多投资者跟风卖出，形成踩踏效应，使股价大幅下跌，市场波动性急剧增大。虽然融资融券交易引入了做空机制，理论上可以平抑市场波动，但在实际市场中，由于我国融券业务发展相对滞后，融券标的范围有限，投资者的融券意愿受到一定限制，使得融券交易对股市波动性的抑制作用未能充分发挥。6.2政策建议提出基于上述研究结论，为了促进融资融券业务的健康发展，降低股市波动性风险，提出以下政策建议：监管部门方面：加强对融资融券业务的监管力度，完善相关法律法规和监管制度，明确监管职责和标准，提高监管的有效性和针对性。建立健全融资融券业务的逆周期调节机制，借鉴境外市场经验，根