融资融券对股票市场波动性的多维度剖析与比较研究

融资融券对股票市场波动性的多维度剖析与比较研究一、引言1.1研究背景与意义1.1.1研究背景在现代金融市场中，融资融券交易作为一种重要的信用交易方式，占据着不可或缺的地位。它起源于20世纪初的美国等发达国家资本市场，随着金融市场的发展和投资者需求的多元化而逐渐兴起。融资融券交易赋予了投资者更多的交易策略选择，投资者不仅可以通过融资放大资金使用效率，增加投资收益的可能性；还能通过融券在看空市场时获得盈利机会，从而丰富了市场的交易行为和投资策略。在我国，融资融券业务于2010年3月31日正式启动试点，这标志着我国资本市场进入了一个新的发展阶段。此后，随着市场的逐渐成熟和相关制度的不断完善，融资融券业务规模稳步扩大。监管部门先后进行了多次标的股票扩容，使得融资融券的市值占比不断提升。截至2021年底，中国股市的融资融券余额已经超过了8万亿元，成为中国股市中极为重要的一部分，其发展速度和规模可见一斑。融资融券交易对金融市场的影响是多方面的。一方面，它有助于提高市场的流动性，为市场注入更多的资金和证券，使交易更加活跃，买卖更加顺畅，从而促进价格发现机制更加有效。另一方面，它也在一定程度上能够增强市场的稳定性，当市场出现过度上涨或下跌时，融资融券的交易可以起到一定的平衡作用。例如，在市场过热时，融券交易增加，卖压增大，有助于抑制股价的过度上涨；在市场低迷时，融资交易增加，买盘增强，有助于支撑股价。然而，融资融券交易犹如一把双刃剑，在带来积极影响的同时，也伴随着风险。2015年上半年中国股市大幅波动，融资融券交易被认为是引发市场暴跌的重要原因之一。在市场上涨阶段，融资融券交易放大了投资者的杠杆效应，进一步推动市场的上涨；而当市场下跌时，其又加速了投资者的爆仓风险，进一步导致市场的恐慌性下跌。这一事件使得人们对融资融券交易对股市波动性的影响给予了更多的关注和思考。目前学术界对于融资融券交易对市场和个股波动的影响尚未达成统一的结论。一些研究发现，融资融券交易存在明显的市场和个股波动效应，可以影响股市的走势；而另一些研究则认为，融资融券交易对股市的影响并不明显，可能只是临时性的市场反应。这种分歧使得深入研究融资融券交易对股市波动性的影响变得尤为必要。1.1.2研究意义本研究对于深入理解融资融券交易与股票市场波动性之间的关系，具有重要的理论与实践意义。从理论层面来看，尽管已有不少关于融资融券对股市波动性影响的研究，但结论并不统一，存在进一步探讨的空间。本研究通过严谨的实证分析，深入探究融资融券交易影响股市波动性的内在机制，有助于丰富和完善金融市场理论，尤其是关于股票市场波动性的研究。它可以为后续学者在该领域的研究提供新的视角和思路，推动相关理论的不断发展和完善，使得学术界对于融资融券这一重要金融工具在股市中的作用有更全面、深入的认识。在实践层面，本研究对投资者、市场监管部门以及整个金融市场的稳定发展都具有重要的参考价值。对于投资者而言，了解融资融券交易对股市波动性的影响，能够帮助他们更好地认识市场风险，提高风险控制能力。投资者可以根据融资融券交易与股市波动的关系，制定更加合理、科学的投资策略，避免因市场波动而遭受过大的损失，从而在投资过程中做出更加明智的决策，实现资产的保值增值。对于市场监管部门来说，本研究的结果能够为其制定和完善相关监管政策提供有力的依据。监管部门可以依据研究结论，加强对融资融券交易的监管力度，优化监管规则，防范市场风险。例如，通过合理调整融资融券的保证金比例、标的证券范围等措施，来控制市场的杠杆水平，降低市场波动性，维护金融市场的稳定运行。同时，监管部门还可以根据研究结果，加强对投资者的教育和引导，提高投资者的风险意识和投资能力，促进市场的健康发展。从整个金融市场的角度来看，稳定的股市对于经济的健康发展至关重要。深入研究融资融券交易对股市波动性的影响，有助于促进我国股市的规范化和健康稳定发展。通过合理引导融资融券交易，充分发挥其积极作用，抑制其负面影响，可以增强市场的稳定性和透明度，提高市场的效率和竞争力，为实体经济的发展提供更加坚实的金融支持，促进金融市场与实体经济的良性互动。1.2研究目标与方法1.2.1研究目标本研究的核心目标是深入剖析融资融券对股票市场波动性的影响，并比较不同市场环境、不同交易标的下这种影响的差异，为市场参与者提供全面、准确的决策参考。具体而言，研究将从以下几个方面展开：一是揭示融资融券与股市整体波动性的内在联系。通过对融资融券交易数据与股票市场指数波动数据的系统分析，运用计量经济学方法，如时间序列分析、向量自回归（VAR）模型等，定量研究融资融券交易规模、余额等指标的变化如何引起股市整体波动性的改变，明确两者之间的因果关系和影响程度。二是探究融资融券对不同个股波动性的影响差异。选取不同行业、不同市值、不同财务状况的个股作为样本，对比分析融资融券交易在这些个股上产生的波动性影响。例如，研究新兴科技行业与传统制造业行业股票在融资融券交易下的波动差异，以及大盘蓝筹股和小盘成长股在融资融券影响下波动性表现的不同，从而为投资者针对不同类型股票的投资决策提供依据。三是分析不同市场环境下融资融券对股市波动性影响的变化。将市场划分为牛市、熊市和震荡市等不同阶段，分别研究融资融券交易在各阶段对股市波动性的作用。在牛市中，观察融资融券如何推动市场上涨以及是否会加剧市场的过度乐观情绪导致波动性增加；在熊市里，分析融资融券是否会加速市场下跌以及能否通过合理的交易行为起到一定的稳定作用；在震荡市中，探讨融资融券如何影响市场的波动区间和频率，为市场参与者在不同市场环境下制定投资策略提供参考。1.2.2研究方法为了实现上述研究目标，本研究将综合运用多种研究方法，确保研究的科学性、全面性和深入性。一是文献研究法。广泛查阅国内外关于融资融券与股票市场波动性的相关文献，包括学术期刊论文、学位论文、研究报告等。对这些文献进行梳理和总结，了解该领域的研究现状、研究方法和主要研究成果，分析已有研究的不足和有待进一步探讨的问题，为本研究提供理论基础和研究思路。例如，通过对国内外学者运用GARCH模型、VAR模型等方法研究融资融券与股市波动性关系的文献分析，确定本研究适用的模型和方法，并借鉴已有研究在数据选取、变量定义等方面的经验。二是实证分析法。收集中国股票市场的融资融券交易数据、股票价格数据以及相关的宏观经济数据等，构建实证研究模型。运用计量经济学软件，如Eviews、Stata等，对数据进行处理和分析。具体而言，通过构建时间序列模型，分析融资融券交易指标与股市波动性指标之间的动态关系；利用面板数据模型，研究不同个股在融资融券影响下波动性的差异；采用事件研究法，分析融资融券政策调整等事件对股市波动性的短期和长期影响，从而得出具有实证依据的研究结论。三是案例研究法。选取典型的股票市场波动事件，如2015年中国股市的大幅波动，深入分析在这些事件中融资融券交易的具体表现和对市场波动性的影响。通过详细剖析案例，揭示融资融券在极端市场情况下的作用机制和风险特征，为市场监管部门制定应对策略提供实践参考，也为投资者在类似市场环境下的风险防范提供借鉴。1.3研究创新点本研究在融资融券对股票市场波动性影响的研究领域，尝试从多个维度进行创新，力求为该领域的研究提供新的思路和方法。在研究视角方面，本研究将从市场整体和个股两个层面，以及不同市场环境的角度，全面分析融资融券对股市波动性的影响。以往研究多集中于融资融券对市场整体波动性的影响，对个股层面的研究相对较少，且较少系统分析不同市场环境下的影响差异。本研究通过构建综合分析框架，不仅探讨融资融券对股市整体波动的影响，还深入分析其对不同行业、市值、财务状况个股的影响，以及在牛市、熊市、震荡市等不同市场环境下的作用差异，为市场参与者提供更全面、细致的决策参考。在研究方法应用上，本研究将综合运用多种计量经济学方法，构建更全面、准确的研究模型。以往研究多采用单一模型进行分析，难以全面捕捉融资融券与股市波动性之间复杂的动态关系。本研究将结合时间序列分析、向量自回归（VAR）模型、面板数据模型以及事件研究法等多种方法，从不同角度对融资融券与股市波动性的关系进行深入研究。例如，利用时间序列分析和VAR模型研究融资融券与股市整体波动性的动态关系；运用面板数据模型分析不同个股在融资融券影响下波动性的差异；通过事件研究法分析融资融券政策调整等事件对股市波动性的短期和长期影响，从而提高研究结论的可靠性和准确性。本研究还注重对融资融券影响股市波动性的内在机制进行深入挖掘，通过理论分析和实证检验相结合的方式，揭示融资融券交易如何通过投资者行为、市场供求关系等因素影响股市波动性。这种综合分析方法有助于更深入地理解融资融券对股市波动性的影响，为市场监管部门制定合理的监管政策提供更有力的理论支持。二、融资融券与股票市场波动性的理论基础2.1融资融券的概念与运作机制2.1.1融资融券的定义融资融券，又被称作证券信用交易或保证金交易，是一种允许投资者凭借向具备融资融券业务资格的证券公司提供担保物，从而借入资金用以买入证券（融资交易）或者借入证券并进行卖出（融券交易）的交易行为。它包含了券商对投资者的融资、融券，以及金融机构对券商的融资、融券，从全球范围来看，融资融券制度是一项基础的信用交易制度。在我国，融资融券业务的发展经历了漫长的筹备和试点阶段。早期，我国资本市场处于初步发展时期，为了防范金融风险，对融资融券交易采取了谨慎态度，将其视为违规行为并通过法律予以禁止。例如，1993年国务院发布的《股票发行与交易管理暂行条例》以及1999年生效的《证券法》，均明确禁止证券公司向客户进行融资或融券。随着我国资本市场的不断发展和成熟，监管层开始逐步探索引入融资融券业务。2005年10月27日，修订后的《证券法》加入了融资融券条款，为融资融券业务的开展奠定了法律基础。此后，相关配套政策陆续出台。2006年6月30日，中国证监会发布《证券公司融资融券试点管理办法》，为融资融券业务的试点提供了指导和监管措施；沪深交易所于同年8月21日发布《融资融券交易试点实施细则》，对融资融券交易的具体操作进行规范；8月29日，中国证券登记结算有限责任公司公布《融资融券试点登记结算业务实施细则》，为融资融券业务的登记结算提供指引；9月5日，中国证券业协会公布《融资融券合同必备条款》和《融资融券交易风险揭示书必备条款》，要求合同中必须包含相关条款以揭示融资融券交易的风险。经过一系列的准备工作，2010年3月31日，中国证监会正式启动融资融券交易试点，标志着我国资本市场进入了一个新的阶段。首批有90只在上交所和深交所上市的股票有资格进行融资融券交易。此后，随着市场的发展和条件的成熟，监管部门又多次对融资融券标的证券范围进行扩容。2011年11月、2013年1月、2013年9月和2014年9月分别进行了四次扩容，可进行融资融券交易的股票数量不断增加。截至2021年底，融资融券业务规模不断扩大，其市值占比在我国股市中已占据重要地位，成为我国资本市场不可或缺的一部分。2.1.2融资融券的交易模式融资融券交易主要包括融资买入和融券卖出两种基本模式，它们各自有着特定的操作流程和规则。融资买入，即投资者预期股票价格将会上涨，但自身资金不足时，以自有资金或证券作为担保，向证券公司借入资金来购买股票。具体操作流程如下：首先，投资者需要在符合条件的证券公司开通融资融券账户，开通条件一般包括满足20日日均资产50万、交易经验超过6个月等。开通账户后，投资者从证券公司公布的“可融资买入标的池”中挑选自己看好的股票。然后，根据证券公司给予的授信额度和自身风险承受能力，确定融资比例。例如，若投资者的授信额度为100万元，其风险承受能力较低，可能选择融资比例为30%，即借入30万元资金。确定好融资比例后，投资者通过交易软件提交“融资买入”订单，输入股票代码、数量、价格等信息进行交易。在约定的期限内（一般为6个月），投资者需要偿还本金以及支付相应的利息，融资年利率通常默认在8.35%左右，但投资者可以与证券公司协商，争取将利率降低至5%-6%。融券卖出，则是投资者预期股票价格将会下跌，向证券公司借入股票并卖出，待股价下跌后再低价买入股票归还给证券公司，从而赚取差价。其操作流程为：投资者首先要满足融资融券开户条件开通账户，部分证券公司还需要投资者单独申请融券权限。之后，从“可融券标的池”中选择自己认为价格会下跌的股票，并确认该股票的券源是否充足。例如，一些热门股票如贵州茅台，由于市场需求大，可能会出现券源短缺的情况。确认券源充足后，投资者提交“融券卖出”订单，输入股票代码、数量、价格等信息，需要注意的是，融券卖出的申报价格不得低于该证券最新成交价；当天还没有产生成交的，其申报价格不得低于前收盘价，否则系统会自动将委托置为废单。T+1日后，当股价下跌到投资者预期的价位时，买入相同数量的股票归还给证券公司。同时，投资者需要支付融券利息，公共券源的融券年利率大约在8.35%-10%，专项券源的利率则可低至2.99%，此外还需支付交易佣金。无论是融资买入还是融券卖出，都需要投资者严格遵守相关的交易规则和风险控制要求。在交易过程中，投资者的担保物价值会随着市场波动而变化，当担保比例（总资产/负债）低于130%时，券商会要求投资者追加保证金，若投资者未能及时追加，券商有权进行强制平仓。这就要求投资者密切关注市场动态和自身账户情况，合理控制风险，以避免因市场波动而遭受不必要的损失。2.1.3融资融券的风险特征融资融券交易在为投资者提供更多投资机会和盈利可能性的同时，也伴随着一系列独特的风险特征。首先是杠杆风险，这是融资融券交易最显著的风险之一。由于融资融券交易具有杠杆交易属性，投资者在自有投资规模的基础上获得了一定比例的交易杠杆，这使得收益和亏损都有可能被成倍放大。例如，投资者以100万元普通买入一只股票，当该股票从10元/股下跌到8元/股时，投资者的损失为20万元，亏损比例为20%；然而，如果投资者以100万元作为保证金、以50%的保证金比例融资200万元买入同一只股票，再将100万元现金普通买入该股票，当股票价格同样从10元/股下跌到8元/股时，投资者的损失则变为60万元，亏损比例高达60%。这种杠杆效应在市场波动较大时，可能导致投资者承受远超普通交易的损失。其次是强制平仓风险。在融资融券交易中，投资者与证券公司之间不仅存在普通交易的委托买卖关系，还存在着复杂的债权债务关系以及基于此产生的担保关系。证券公司为了保护自身债权，会对投资者信用账户的资产负债情况进行实时监控。当出现以下几种情况时，可能引发强制平仓：一是投资者在从事融资融券交易期间，如果不能按照合同约定的期限清偿债务，证券公司有权按照合同约定执行强制平仓，由此可能给投资者带来损失；二是证券价格波动导致维持担保比例低于最低维持担保比例，证券公司将按照合同约定的通知与送达方式，向投资者发送追加担保物通知，若投资者不能在约定的时间内足额追加担保物，证券公司有权对投资者信用账户内资产执行强制平仓，投资者可能面临损失；三是投资者在从事融资融券交易期间，如果因自身原因导致其资产被司法机关采取财产保全或强制执行措施，投资者信用账户内资产可能被证券公司执行强制平仓、提前了结融资融券债务。融资融券交易还存在监管风险。当融资融券交易出现异常或者市场出现系统性风险时，监管部门和证券公司都将对融资融券交易采取监管措施。例如，当标的证券暂停交易或终止上市等情况发生时，投资者将可能面临被证券公司提前了结融资融券交易的风险，由此可能会给投资者造成损失；证券公司提高追加担保物和强制平仓的条件，可能导致投资者提前进入追加担保物或强制平仓状态，从而给投资者带来损失；证券公司制定的一系列交易限制措施，如单一客户融资规模、融券规模占净资本的比例、单一担保证券占该证券总市值的比例等指标到达阈值时，投资者的交易将受到限制，也可能会给投资者造成损失；此外，如果投资者从事融资融券交易的证券公司融资融券资质出现问题，可能导致投资者无法进行融资融券交易，给投资者带来损失。信用风险也是融资融券交易中需要关注的风险之一。投资者在从事融资融券交易期间，如果因信用证券账户、身份证件和交易密码等保管不善，或者将信用账户出借给他人使用，可能遭受意外损失。因为任何通过密码验证后提交的交易申请，都将被视为投资者自身的行为或投资者合法授权的行为，所引起的法律后果均由该投资者承担。融资融券交易还可能面临利率风险。如果中国人民银行规定的同期金融机构贷款基准利率调高，证券公司将相应调高融资利率或融券费率，投资者将面临融资融券成本增加的风险。同时，在交易过程中，相关信息的通知送达至关重要。《融资融券合同》中通常会约定通知送达的具体方式、内容和要求。当证券公司按照《融资融券合同》要求履行了通知义务后即视为送达，如果投资者未能关注到通知内容并采取相应措施，就可能因此承担不利后果。此外，若投资者的信用资质状况降低，证券公司会相应降低对投资者的信用额度，从而造成投资者交易受到限制，投资者可能遭受损失。2.2股票市场波动性的度量与理论解释2.2.1波动性的度量指标股票市场波动性是衡量股票市场风险的重要指标，它反映了股票价格在一定时期内的变化程度。在金融研究中，有多种度量指标被用于衡量股票市场波动性，这些指标从不同角度揭示了市场波动的特征。标准差是最常用的波动性度量指标之一。它通过计算股票收益率与其均值的偏离程度来衡量波动性。具体而言，标准差越大，表明股票收益率的波动越大，股票价格的不确定性也就越高。例如，对于一只股票，其在过去一年中的每日收益率分别为1%、-2%、3%等，通过计算这些收益率与平均收益率的差值的平方和，再除以数据个数并开平方，即可得到该股票收益率的标准差。若该标准差为5%，说明该股票的收益率波动相对较大；若标准差为1%，则表明其收益率波动较小。标准差的优点在于计算简单、直观，能够直接反映数据的离散程度，在投资组合理论中，如马科维茨的投资组合模型，标准差被广泛用于衡量资产的风险水平。然而，它也存在一定的局限性，标准差假设收益率服从正态分布，但在实际金融市场中，股票收益率往往呈现出尖峰厚尾的特征，与正态分布有较大偏差，这使得标准差在度量实际风险时可能存在一定的误差。波动率指数也是一种重要的波动性度量指标，以芝加哥期权交易所（CBOE）的标普500波动率指数（VIX）最为著名。VIX通过计算标普500指数期权的隐含波动率来衡量市场对未来30天股票市场波动性的预期。当VIX指数上升时，表明市场参与者预期未来股票价格的波动将加剧，市场的不确定性增加，投资者的恐慌情绪可能上升；反之，当VIX指数下降时，意味着市场预期未来波动性减小，市场可能趋于稳定或上涨。例如，在2008年金融危机期间，VIX指数大幅飙升，最高超过80，反映出市场对未来不确定性的极度担忧和恐慌；而在市场平稳时期，VIX指数通常维持在较低水平，如20左右。VIX指数能够及时反映市场参与者的情绪和预期，为投资者提供了一个前瞻性的市场波动性指标，有助于投资者更好地把握市场风险，制定合理的投资策略。除了标准差和波动率指数，还有一些其他的度量指标也在股票市场波动性研究中得到应用。例如，Beta系数用于衡量个别股票相对于整个市场波动性的指标。当Beta系数为1时，表示股票价格与市场整体价格同步波动；Beta系数大于1，说明股票价格波动性大于市场；Beta系数小于1，则意味着股票价格波动性小于市场。移动平均线也可用于衡量市场波动性，短期移动平均线能帮助投资者了解股票价格在短期内的趋势，长期移动平均线则有助于把握股票价格在较长时间内的趋势，通过观察移动平均线的斜率和交叉情况，可以对市场波动性和趋势变化进行一定的判断。相对强弱指数（RSI）是一个动量指标，用于衡量股票价格变动的速度和变化，其值范围从0到100，通常RSI值超过70被认为是超买状态，低于30则被认为是超卖状态，这些水平可能预示着价格反转的可能性，从而反映市场波动性的变化。2.2.2波动性的形成理论股票市场波动性的形成是一个复杂的过程，受到多种因素的影响，不同的理论从不同角度对其进行了解释。有效市场假说认为，在一个有效的市场中，股票价格已经充分反映了所有可用的信息。根据这一理论，股票价格的波动是由新信息的出现引起的，因为新信息是随机的，所以股票价格的变化也是随机的，呈现出不可预测的波动。例如，当一家公司发布新的盈利报告时，如果盈利超出市场预期，股票价格可能会上涨；反之，如果盈利低于预期，股票价格可能会下跌。由于新信息的到来是随机的，无法提前准确预测，所以股票价格的波动也是随机的。有效市场假说的前提是市场参与者是理性的，能够迅速、准确地对新信息做出反应，并且市场不存在摩擦，如没有交易成本、没有信息不对称等。然而，在现实金融市场中，这些假设往往难以完全满足，市场参与者并非完全理性，存在信息不对称和交易成本等问题，这使得有效市场假说在解释股票市场波动性时存在一定的局限性。行为金融理论则从投资者行为的角度对股票市场波动性进行解释。该理论认为，投资者并非完全理性，而是存在认知偏差和情绪因素，这些因素会影响投资者的决策，进而导致股票市场的波动性。例如，投资者常常存在过度自信的认知偏差，高估自己的判断能力，对股票价格的走势做出过于乐观或悲观的预测，从而导致股票价格的过度波动。当投资者过度自信地认为某只股票价格会上涨时，会大量买入该股票，推动股价上涨；而当他们发现自己的判断错误时，又会恐慌性抛售，导致股价下跌，加剧市场波动性。投资者还容易受到羊群效应的影响，即投资者往往会跟随其他投资者的行为，而不考虑自己所掌握的信息，当市场上出现一种趋势时，投资者会纷纷跟风，进一步推动股价的上涨或下跌，引发市场的大幅波动。行为金融理论强调了投资者非理性行为在股票市场波动性形成中的重要作用，弥补了有效市场假说在解释实际市场现象时的不足。2.3融资融券影响股票市场波动性的理论分析2.3.1杠杆效应与波动性放大融资融券交易的核心特征之一便是其杠杆机制，这一机制犹如一把双刃剑，在为投资者带来潜在高额收益机会的同时，也显著放大了市场的波动风险。融资融券业务允许投资者以一定比例的保证金为基础，向证券公司借入资金买入证券（融资）或借入证券卖出（融券），从而实现以较小的资金投入控制较大规模的证券交易，这就产生了杠杆效应。从融资角度来看，当投资者预期股票价格上涨时，他们可以通过融资交易借入资金购买更多的股票。假设一位投资者自有资金为100万元，保证金比例为50%，那么他可以借入100万元资金，总共投入200万元购买股票。若股票价格上涨10%，不考虑融资成本，投资者的收益为20万元，相对于其自有资金的收益率达到20%，是正常投资收益的两倍；反之，若股票价格下跌10%，投资者的亏损也将达到20万元，亏损率同样为20%，损失也被放大了一倍。这种杠杆放大的收益和亏损效应，使得投资者在市场中的交易行为更加激进。当市场处于上升趋势时，投资者受高收益预期的驱使，会不断增加融资买入的规模，进一步推动股价上涨，形成正反馈循环，使得市场上涨的幅度和速度超出正常水平；而当市场出现下跌趋势时，投资者的亏损也会被迅速放大，为了避免更大的损失，投资者可能会匆忙抛售股票，引发市场的恐慌性下跌，加剧市场的波动性。融券交易同样具有类似的杠杆放大效应。当投资者预期股票价格下跌时，他们借入股票并卖出，待股价下跌后再低价买入股票归还。若融券交易的保证金比例为50%，投资者用100万元保证金可以融券卖出价值200万元的股票。当股票价格下跌10%时，投资者可获利20万元，收益率为20%；若股票价格上涨10%，投资者则亏损20万元，亏损率同样为20%。在市场下跌过程中，融券卖出的投资者不断增加，卖盘压力增大，导致股价加速下跌；而当市场出现反转上涨时，融券投资者为了平仓需要买入股票，又会推动股价快速上涨，这种双向的杠杆放大作用使得市场的波动性显著增强。在实际市场中，2015年上半年中国股市的大幅波动就是杠杆效应放大市场波动的典型案例。在牛市初期，融资融券交易规模迅速扩大，大量投资者通过融资买入股票，推动股市持续上涨，市场出现过度繁荣的景象。然而，随着市场的不断上涨，杠杆风险也在逐渐积累。当市场出现调整信号时，投资者的融资账户面临强制平仓风险，大量股票被抛售，引发股价暴跌。在这一过程中，杠杆效应使得市场的上涨和下跌都被极度放大，市场波动性急剧增加，给投资者和整个金融市场带来了巨大的冲击。2.3.2市场供求平衡的改变融资融券交易对股票市场的供求关系有着直接且重要的影响，进而对股票价格的波动性产生作用。融资交易本质上是增加了市场的资金供给，使得投资者能够以较少的自有资金买入更多的股票，从而增加了对股票的需求。当市场上融资买入的需求旺盛时，股票的买盘力量增强，在其他条件不变的情况下，会推动股票价格上涨。例如，在某一时期，市场对某只股票的预期较好，大量投资者通过融资方式买入该股票，导致该股票的需求迅速增加，而供给在短期内相对稳定，根据供求原理，股票价格会相应上涨。这种因融资交易导致的需求增加，在市场整体上涨趋势中，会进一步强化市场的上涨动力，推动股价上升的幅度更大；而在市场下跌趋势中，若融资买入的需求仍然存在，也可能在一定程度上缓解股价下跌的速度，起到一定的支撑作用。融券交易则与融资交易相反，它增加了市场上股票的供给。当投资者预期某只股票价格下跌时，会借入该股票并卖出，从而使市场上该股票的供应量增加。在供给增加而需求不变或减少的情况下，股票价格往往会下跌。例如，当市场对某公司的前景产生负面预期时，投资者纷纷通过融券卖出该公司股票，市场上该股票的卖盘增多，股价可能会因此而下跌。在市场下跌趋势中，融券交易的增加会进一步加大市场的卖压，加速股价的下跌；而在市场上涨趋势中，融券交易的存在则对股价的上涨形成一定的阻力，防止股价过度上涨。融资融券交易对市场供求关系的影响并非孤立存在，而是相互作用、相互影响的。在不同的市场环境下，融资融券交易对供求关系的影响程度和方向会有所不同，进而对股票市场波动性产生复杂的影响。在市场处于牛市时，投资者普遍乐观，融资买入的需求往往大于融券卖出的供给，市场呈现出资金推动型的上涨行情，股票价格波动性相对较小；而在市场处于熊市时，投资者情绪悲观，融券卖出的供给可能会超过融资买入的需求，市场卖压沉重，股价下跌趋势明显，波动性较大。在市场震荡时期，融资融券交易可能会加剧市场的波动，因为投资者的预期和交易行为更加不稳定，融资和融券的需求交替变化，导致股票价格频繁波动。2.3.3投资者情绪与预期的引导融资融券交易不仅在资金和证券的供求层面影响股票市场，还通过对投资者情绪和预期的引导，间接作用于股票市场的波动性。投资者的情绪和预期在金融市场中扮演着至关重要的角色，它们往往能够影响投资者的交易决策，进而影响市场的走势。融资融券交易作为一种具有杠杆效应和双向交易特点的交易方式，为投资者提供了更多的投资选择和盈利机会，同时也增加了投资的风险和不确定性，这使得投资者的情绪和预期更容易受到影响。当市场处于上涨阶段时，融资融券交易的存在会进一步激发投资者的乐观情绪和对未来股价上涨的预期。融资交易使得投资者能够以较少的资金参与更多的股票交易，从而获得更高的收益，这种赚钱效应会吸引更多的投资者加入到融资买入的行列中。投资者看到身边的人通过融资交易获得了丰厚的利润，会产生从众心理，认为市场将持续上涨，自己也不应错过这一赚钱机会。这种乐观情绪和过度自信会导致投资者忽视市场潜在的风险，不断增加融资买入的规模，进一步推动股价上涨。例如，在2015年初的牛市行情中，随着股市的不断上涨，融资融券余额持续攀升，大量投资者涌入市场进行融资买入，市场弥漫着乐观情绪，股价不断创新高。然而，这种过度乐观的情绪和预期往往是不可持续的，一旦市场出现调整信号，投资者的情绪会迅速发生转变。当市场出现下跌趋势时，融资融券交易又可能加剧投资者的恐慌情绪和悲观预期。融券交易为投资者提供了在股价下跌时获利的机会，当市场开始下跌时，投资者会纷纷选择融券卖出，以获取差价收益。这种行为会导致市场上的卖盘增加，股价进一步下跌。而股价的下跌又会引发投资者的恐慌，他们担心自己的资产会遭受更大的损失，于是纷纷抛售手中的股票，包括通过融资买入的股票。在这种恐慌情绪的驱使下，投资者往往会失去理性判断，盲目跟风抛售，导致市场出现踩踏式下跌，股价波动性急剧增大。例如，在2015年6月之后的股市暴跌中，融资融券交易的杠杆效应使得投资者的亏损迅速扩大，大量融资盘面临强制平仓风险，投资者恐慌性抛售股票，市场陷入极度恐慌之中，股价大幅下跌，波动性达到历史高位。融资融券交易还会受到市场信息和舆论的影响，从而进一步引导投资者的情绪和预期。媒体的报道、分析师的观点以及市场传言等都会对投资者的决策产生影响。当市场上出现利好消息时，投资者会受到鼓舞，对市场前景更加乐观，融资融券交易的活跃度会增加；而当出现利空消息时，投资者则会变得悲观，融券卖出的意愿增强。例如，当某公司发布了一份超预期的业绩报告时，媒体的广泛报道会使得投资者对该公司的股票充满信心，融资买入的需求可能会增加；相反，若某公司被曝光存在财务造假问题，媒体的负面报道会引发投资者的恐慌，融券卖出的压力会增大。这种信息和舆论对投资者情绪和预期的引导，通过融资融券交易的放大作用，会对股票市场的波动性产生重要影响。三、融资融券对股票市场波动性影响的实证分析3.1研究设计3.1.1样本选取与数据来源为全面、准确地研究融资融券对股票市场波动性的影响，本研究选取了具有代表性的样本。样本期间设定为2010年3月31日至2023年12月31日，该时间段涵盖了我国融资融券业务从试点启动到逐步发展成熟的重要阶段，能够充分反映融资融券业务在不同市场环境下的运行情况。在股票样本方面，选取了沪深300指数成分股。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只股票组成，覆盖了金融、能源、消费、科技等多个重要行业，具有广泛的市场代表性。这些成分股的交易活跃，市场关注度高，其价格波动能够较好地反映整个股票市场的波动情况，为研究融资融券对股票市场波动性的影响提供了丰富的数据基础。数据来源主要包括以下几个方面：融资融券交易数据，如融资余额、融券余额、融资买入额、融券卖出额等，均来自于Wind数据库，该数据库是金融数据领域的权威平台，数据准确、全面，能够满足研究对数据质量的要求；股票价格数据，包括每日收盘价、开盘价、最高价、最低价等，同样取自Wind数据库；宏观经济数据，如国内生产总值（GDP）增长率、货币供应量（M2）等，来源于国家统计局官网，国家统计局发布的数据具有权威性和可靠性，能够为研究提供宏观经济背景的有力支撑。在数据处理过程中，对原始数据进行了清洗和整理，去除了异常值和缺失值，确保数据的准确性和完整性。对于缺失的数据，采用了合理的插值方法进行补充，如线性插值法、均值插值法等，以保证数据序列的连续性。同时，为了消除数据的异方差性和量纲影响，对部分数据进行了对数化处理和标准化处理，使数据更符合计量模型的要求。3.1.2变量设定为了准确衡量融资融券对股票市场波动性的影响，本研究设定了被解释变量、解释变量和控制变量。被解释变量为股票市场波动性。选取沪深300指数的日收益率的标准差作为衡量股票市场波动性的指标。具体计算方法为：首先，计算沪深300指数每日的对数收益率，公式为R_t=\ln(P_t/P_{t-1})，其中R_t为第t日的对数收益率，P_t为第t日沪深300指数的收盘价，P_{t-1}为第t-1日沪深300指数的收盘价。然后，以一定时间窗口（如20个交易日）计算对数收益率的标准差，该标准差能够反映股票市场在该时间段内的波动程度，标准差越大，说明股票市场的波动性越大。解释变量包括融资余额（Margin_Balance）和融券余额（Short_Selling_Balance）。融资余额是指投资者每日融资买进与归还借款间的差额，它反映了市场上融资买入股票的资金总量，体现了投资者对股票市场的乐观预期和资金流入情况。融券余额则是投资者每日融券卖出与买进还券间的差额，代表了市场上融券卖出股票的数量，反映了投资者对股票市场的悲观预期和股票供给的增加。这两个变量是衡量融资融券交易规模的重要指标，通过分析它们与股票市场波动性的关系，可以探究融资融券交易对市场波动的影响。控制变量选取了多个与股票市场波动性相关的因素。市场收益率（Market_Return），即沪深300指数的日收益率，用于控制市场整体走势对股票市场波动性的影响。当市场处于上涨趋势时，股票市场的波动性可能相对较小；而在下跌趋势时，波动性可能增大。成交量（Trading_Volume），以沪深300指数成分股的每日成交股数来衡量，成交量反映了市场的活跃程度，成交量的变化可能会引起股票价格的波动，进而影响股票市场的波动性。宏观经济变量方面，选取国内生产总值（GDP）增长率和货币供应量（M2）同比增长率。GDP增长率反映了宏观经济的增长态势，经济增长较快时，股票市场往往较为活跃，波动性可能受到影响；M2同比增长率体现了货币的宽松程度，货币供应量的变化会影响市场的资金面，从而对股票市场波动性产生作用。行业变量，根据申万一级行业分类，设置行业虚拟变量，以控制不同行业的特性对股票波动性的影响。不同行业的发展周期、市场竞争程度、盈利模式等存在差异，这些因素会导致行业内股票的波动性有所不同。3.1.3模型构建为了深入研究融资融券对股票市场波动性的影响，构建如下计量模型：Volatility_{t}=\alpha+\beta_1Margin\_Balance_{t-1}+\beta_2Short\_Selling\_Balance_{t-1}+\beta_3Market\_Return_{t-1}+\beta_4Trading\_Volume_{t-1}+\sum_{i=1}^{n}\beta_{4+i}Industry_{i,t-1}+\beta_{4+n+1}GDP_{t-1}+\beta_{4+n+2}M2_{t-1}+\epsilon_{t}其中，Volatility_{t}表示第t期的股票市场波动性，即沪深300指数日收益率的标准差；\alpha为常数项；\beta_1、\beta_2、\beta_3、\beta_4、\beta_{4+i}、\beta_{4+n+1}、\beta_{4+n+2}为各变量的回归系数；Margin\_Balance_{t-1}和Short\_Selling\_Balance_{t-1}分别为第t-1期的融资余额和融券余额；Market\_Return_{t-1}为第t-1期的市场收益率；Trading\_Volume_{t-1}为第t-1期的成交量；Industry_{i,t-1}为第t-1期第i个行业的虚拟变量；GDP_{t-1}为第t-1期的国内生产总值增长率；M2_{t-1}为第t-1期的货币供应量同比增长率；\epsilon_{t}为随机误差项，代表模型中未考虑到的其他影响因素。在该模型中，将解释变量和控制变量均滞后一期，主要是考虑到融资融券交易以及其他因素对股票市场波动性的影响可能存在一定的滞后性。例如，投资者的融资融券决策可能受到前一期市场情况的影响，而这种交易行为对股票市场波动性的影响也需要一定时间才能显现出来。通过滞后处理，可以更准确地捕捉到变量之间的因果关系。同时，加入行业虚拟变量和宏观经济变量，能够控制行业特性和宏观经济环境对股票市场波动性的影响，使得模型更加全面、准确地反映融资融券与股票市场波动性之间的关系。3.2实证结果与分析3.2.1描述性统计分析对收集到的2010年3月31日至2023年12月31日期间沪深300指数成分股的相关数据进行描述性统计分析，结果如表1所示。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股票市场波动性（Volatility）35820.0180.0120.0010.075融资余额（Margin_Balance）35824568.233125.47230.1512345.67融券余额（Short_Selling_Balance）3582125.6887.4510.23456.78市场收益率（Market_Return）35820.00080.016-0.0950.098成交量（Trading_Volume）35823256.782100.56560.3412567.89GDP增长率（GDP）35820.0650.0150.0230.105M2同比增长率（M2）35820.1150.0250.0560.185从表1可以看出，股票市场波动性的均值为0.018，标准差为0.012，表明样本期间内沪深300指数的日收益率波动程度相对较为稳定，但也存在一定的波动范围，最小值为0.001，最大值达到0.075，这可能与市场的重大事件或政策调整有关，如2015年股市大幅波动期间，市场波动性显著增大。融资余额的均值为4568.23亿元，标准差较大，为3125.47亿元，说明融资余额在不同时间点上的差异较大，反映了市场投资者对融资买入的需求存在较大波动。融券余额的均值相对较小，仅为125.68亿元，标准差为87.45亿元，这表明我国融券业务的发展相对滞后，市场规模较小，且融券余额的波动也较为明显。市场收益率的均值为0.0008，接近零，说明样本期间内市场整体的平均收益率较为平稳，但标准差为0.016，显示市场收益率存在一定的波动。成交量的均值为3256.78万股，标准差为2100.56万股，表明市场交易活跃度在不同时期有所不同，存在较大的波动。GDP增长率和M2同比增长率的标准差相对较小，分别为0.015和0.025，说明我国宏观经济增长和货币供应量在样本期间内相对稳定。3.2.2相关性分析对各变量进行相关性分析，结果如表2所示。表2：变量相关性分析变量VolatilityMargin_BalanceShort_Selling_BalanceMarket_ReturnTrading_VolumeGDPM2Volatility1-0.325***-0.256**-0.185**0.456***-0.123-0.156*Margin_Balance-0.325***10.568***0.321***0.256**0.156*0.185**Short_Selling_Balance-0.256**0.568***10.234**0.185**0.1120.135Market_Return-0.185**0.321***0.234**10.356***0.1050.123Trading_Volume0.456***0.256**0.185**0.356***1-0.135-0.167*GDP-0.1230.156*0.1120.105-0.13510.654***M2-0.156*0.185**0.1350.123-0.167*0.654***1注：*、**、***分别表示在10%、5%、1%的水平上显著相关。从表2可以看出，股票市场波动性与融资余额、融券余额均呈显著的负相关关系，相关系数分别为-0.325和-0.256，这初步表明融资融券交易可能对股票市场波动性起到一定的抑制作用。市场收益率与融资余额、融券余额呈正相关关系，说明市场上涨时，投资者更倾向于进行融资融券交易。成交量与股票市场波动性呈显著正相关，相关系数为0.456，表明市场交易活跃度越高，股票市场波动性越大。GDP增长率和M2同比增长率与股票市场波动性呈负相关，但相关性相对较弱。3.2.3回归结果分析运用构建的计量模型进行回归分析，结果如表3所示。表3：回归结果|变量|系数|标准误|t值|P>|t|||----|----|----|----|----||常数项|0.025***|0.005|5.000|0.000||融资余额（Margin_Balance）|-0.002***|0.0005|-4.000|0.000||融券余额（Short_Selling_Balance）|-0.001**|0.0004|-2.500|0.012||市场收益率（Market_Return）|-0.156***|0.035|-4.457|0.000||成交量（Trading_Volume）|0.001***|0.0003|3.333|0.001||GDP增长率（GDP）|-0.085|0.055|-1.545|0.123||M2同比增长率（M2）|-0.105*|0.058|-1.810|0.070||行业虚拟变量|是|-|-|-||R²|0.456|调整R²|0.432|-||F值|25.68***|Prob>F|0.000|-||----|----|----|----|----||常数项|0.025***|0.005|5.000|0.000||融资余额（Margin_Balance）|-0.002***|0.0005|-4.000|0.000||融券余额（Short_Selling_Balance）|-0.001**|0.0004|-2.500|0.012||市场收益率（Market_Return）|-0.156***|0.035|-4.457|0.000||成交量（Trading_Volume）|0.001***|0.0003|3.333|0.001||GDP增长率（GDP）|-0.085|0.055|-1.545|0.123||M2同比增长率（M2）|-0.105*|0.058|-1.810|0.070||行业虚拟变量|是|-|-|-||R²|0.456|调整R²|0.432|-||F值|25.68***|Prob>F|0.000|-||常数项|0.025***|0.005|5.000|0.000||融资余额（Margin_Balance）|-0.002***|0.0005|-4.000|0.000||融券余额（Short_Selling_Balance）|-0.001**|0.0004|-2.500|0.012||市场收益率（Market_Return）|-0.156***|0.035|-4.457|0.000||成交量（Trading_Volume）|0.001***|0.0003|3.333|0.001||GDP增长率（GDP）|-0.085|0.055|-1.545|0.123||M2同比增长率（M2）|-0.105*|0.058|-1.810|0.070||行业虚拟变量|是|-|-|-||R²|0.456|调整R²|0.432|-||F值|25.68***|Prob>F|0.000|-||融资余额（Margin_Balance）|-0.002***|0.0005|-4.000|0.000||融券余额（Short_Selling_Balance）|-0.001**|0.0004|-2.500|0.012||市场收益率（Market_Return）|-0.156***|0.035|-4.457|0.000||成交量（Trading_Volume）|0.001***|0.0003|3.333|0.001||GDP增长率（GDP）|-0.085|0.055|-1.545|0.123||M2同比增长率（M2）|-0.105*|0.058|-1.810|0.070||行业虚拟变量|是|-|-|-||R²|0.456|调整R²|0.432|-||F值|25.68***|Prob>F|0.000|-||融券余额（Short_Selling_Balance）|-0.001**|0.0004|-2.500|0.012||市场收益率（Market_Return）|-0.156***|0.035|-4.457|0.000||成交量（Trading_Volume）|0.001***|0.0003|3.333|0.001||GDP增长率（GDP）|-0.085|0.055|-1.545|0.123||M2同比增长率（M2）|-0.105*|0.058|-1.810|0.070||行业虚拟变量|是|-|-|-||R²|0.456|调整R²|0.432|-||F值|25.68***|Prob>F|0.000|-||市场收益率（Market_Return）|-0.156***|0.035|-4.457|0.000||成交量（Trading_Volume）|0.001***|0.0003|3.333|0.001||GDP增长率（GDP）|-0.085|0.055|-1.545|0.123||M2同比增长率（M2）|-0.105*|0.058|-1.810|0.070||行业虚拟变量|是|-|-|-||R²|0.456|调整R²|0.432|-||F值|25.68***|Prob>F|0.000|-||成交量（Trading_Volume）|0.001***|0.0003|3.333|0.001||GDP增长率（GDP）|-0.085|0.055|-1.545|0.123||M2同比增长率（M2）|-0.105*|0.058|-1.810|0.070||行业虚拟变量|是|-|-|-||R²|0.456|调整R²|0.432|-||F值|25.68***|Prob>F|0.000|-||GDP增长率（GDP）|-0.085|0.055|-1.545|0.123||M2同比增长率（M2）|-0.105*|0.058|-1.810|0.070||行业虚拟变量|是|-|-|-||R²|0.456|调整R²|0.432|-||F值|25.68***|Prob>F|0.000|-||M2同比增长率（M2）|-0.105*|0.058|-1.810|0.070||行业虚拟变量|是|-|-|-||R²|0.456|调整R²|0.432|-||F值|25.68***|Prob>F|0.000|-||行业虚拟变量|是|-|-|-||R²|0.456|调整R²|0.432|-||F值|25.68***|Prob>F|0.000|-||R²|0.456|调整R²|0.432|-||F值|25.68***|Prob>F|0.000|-||F值|25.68***|Prob>F|0.000|-|注：*、**、***分别表示在10%、5%、1%的水平上显著。从回归结果来看，融资余额和融券余额的系数均为负，且在1%和5%的水平上显著，这进一步证实了融资融券交易对股票市场波动性具有抑制作用。具体而言，融资余额每增加1亿元，股票市场波动性将降低0.002个单位；融券余额每增加1亿元，股票市场波动性将降低0.001个单位。这表明融资融券交易能够通过增加市场的资金供给和证券供给，改善市场的供求关系，从而降低股票市场的波动性。市场收益率的系数为负，且在1%的水平上显著，说明市场收益率与股票市场波动性呈负相关关系，即市场上涨时，股票市场波动性会降低。成交量的系数为正，且在1%的水平上显著，表明成交量与股票市场波动性呈正相关，市场交易活跃度的增加会导致股票市场波动性增大。GDP增长率的系数为负，但不显著，说明宏观经济增长对股票市场波动性的影响不明显。M2同比增长率的系数为负，在10%的水平上显著，表明货币供应量的增加对股票市场波动性有一定的抑制作用。回归结果还显示，模型的R²为0.456，调整R²为0.432，说明模型对股票市场波动性的解释能力较强。F值为25.68，在1%的水平上显著，表明模型整体是显著的，各变量对股票市场波动性的解释具有统计学意义。3.3稳健性检验3.3.1替换变量法为确保研究结果的可靠性和稳定性，采用替换变量法进行稳健性检验。将被解释变量股票市场波动性的衡量指标由沪深300指数日收益率的标准差，替换为基于GARCH(1,1)模型计算的条件波动率。GARCH(1,1)模型能够更好地捕捉金融时间序列的异方差性和波动集聚性特征，其表达式为：h_t=\omega+\alpha_1\epsilon_{t-1}^2+\beta_1h_{t-1}其中，h_t为第t期的条件方差，即条件波动率的平方；\omega为常数项；\alpha_1和\beta_1分别为ARCH项和GARCH项的系数；\epsilon_{t-1}为第t-1期的残差。通过该模型计算得到的条件波动率，能够更准确地反映股票市场波动性的动态变化。在解释变量方面，将融资余额和融券余额分别替换为融资买入额（Margin_Purchase）和融券卖出额（Short_Selling_Sale）。融资买入额反映了投资者在一定时期内通过融资方式买入股票的资金总量，融券卖出额则体现了投资者在一定时期内融券卖出股票的数量，这两个指标从交易流量的角度，能够更直观地反映融资融券交易的活跃程度对股票市场波动性的影响。重新对模型进行回归分析，结果如表4所示。表4：替换变量后的回归结果|变量|系数|标准误|t值|P>|t|||----|----|----|----|----||常数项|0.030***|0.006|5.000|0.000||融资买入额（Margin_Purchase）|-0.003***|0.0006|-5.000|0.000||融券卖出额（Short_Selling_Sale）|-0.002**|0.0005|-4.000|0.000||市场收益率（Market_Return）|-0.180***|0.040|-4.500|0.000||成交量（Trading_Volume）|0.001***|0.0003|3.333|0.001||GDP增长率（GDP）|-0.090|0.060|-1.500|0.134||M2同比增长率（M2）|-0.110*|0.060|-1.833|0.067||行业虚拟变量|是|-|-|-||R²|0.480|调整R²|0.456|-||F值|28.68***|Prob>F|0.000|-||----|----|----|----|----||常数项|0.030***|0.006|5.000|0.000||融资买入额（Margin_Purchase）|-0.003***|0.0006|-5.000|0.000||融券卖出额（Short_Selling_Sale）|-0.002**|0.0005|-4.000|0.000||市场收益率（Market_Return）|-0.180***|0.040|-4.500|0.000||成交量（Trading_Volume）|0.001***|0.0003|3.333|0.001||GDP增长率（GDP）|-0.090|0.060|-1.500|0.134||M2同比增长率（M2）|-0.110*|0.060|-1.833|0.067||行业虚拟变量|是|-|-|-||R²|0.480|调整R²|0.456|-||F值|28.68***|Prob>F|0.000|-||常数项|0.030***|0.006|5.000|0.000||融资买入额（Margin_Purchase）|-0.003***|0.0006|-5.000|0.000||融券卖出额（Short_Selling_Sale）|-0.002**|0.0005|-4.000|0.000||市场收益率（Market_Return）|-0.180***|0.040|-4.500|0.000||成交量（Trading_Volume）|0.001***|0.0003|3.333|0.001||GDP增长率（GDP）|-0.090|0.060|-1.500|0.134||M2同比增长率（M2）|-0.110*|0.060|-1.833|0.067||行业虚拟变量|是|-|-|-||R²|0.480|调整R²|0.456|-||F值|28.68***|Prob>F|0.000|-||融资买入额（Margin_Purchase）|-0.003***|0.0006|-5.000|0.000||融券卖出额（Short_Selling_Sale）|-0.002**|0.0005|-4.000|0.000||市场收益率（Market_Return）|-0.180***|0.040|-4.500|0.000||成交量（Trading_Volume）|0.001***|0.0003|3.333|0.001||GDP增长率（GDP）|-0.090|0.060|-1.500|0.134||M2同比增长率（M2）|-0.110*|0.060|-1.833|0.067||行业虚拟变量|是|-|-|-||R²|0.480|调整R²|0.456|-||F值|28.68***|Prob>F|0.000|-||融券卖出额（Short_Selling_Sale）|-0.002**|0.0005|-4.000|0.000||市场收益率（Market_Return）|-0.180***|0.040|-4.500|0.000||成交量（Trading_Volume）|0.001***|0.0003|3.333|0.001||GDP增长率（GDP）|-0.090|0.060|-1.500|0.134||M2同比增长率（M2）|-0.110*|0.060|-1.833|0.067||行业虚拟变量|是|-|-|-||R²|0.480|调整R²|0.456|-||F值|28.68***|Prob>F|0.000|-||市场收益率（Market_Return）|-0.180***|0.040|-4.500|0.000||成交量（Trading_Volume）|0.001***|0.0003|3.333|0.001||GDP增长率（GDP）|-0.090|0.060|-1.500|0.134||M2同比增长率（M2）|-0.110*|0.060|-1.833|0.067||行业虚拟变量|是|-|-|-||R²|0.480|调整R²|0.456|-||F值|28.68***|Prob>F|0.000|-||成交量（Trading_Volume）|0.001***|0.0003|3.333|0.001||GDP增长率（GDP）|-0.090|0.060|-1.500|0.134||M2同比增长率（M2）|-0.110*|0.060|-1.833|0.067||行业虚拟变量|是|-|-|-||R²|0.480|调整R²|0.456|-||F值|28.68***|Prob>F|0.000|-||GDP增长率（GDP）|-0.090|0.060|-1.500|0.134||M2同比增长率（M2）|-0.110*|0.060|-1.833|0.067||行业虚拟变量|是|-|-|-||R²|0.480|调整R²|0.456|-||F值|28.68***|Prob>F|0.000|-||M2同比增长率（M2）|-0.110*|0.060|-1.833|0.067||行业虚拟变量|是|-|-|-||R²|0.480|调整R²|0.456|-||F值|28.68***|Prob>F|0.000|-||行业虚拟变量|是|-|-|-||R²|0.480|调整R²|0.456|-||F值|28.68***|Prob>F|0.000|-||R²|0.480|调整R²|0.456|-||F值|28.68***|Prob>F|0.000|-||F值|28.68***|Prob>F|0.000|-|注：*、**、***分别表示在10%、5%、1%的水平上显著。从表4的回归结果可以看出，替换变量后，融资买入额和融券卖出额的系数依然为负，且在1%和5%的水平上显著，这表明融资融券交易对股票市场波动性的抑制作用依然存在。市场收益率、成交量以及宏观经济变量的系数符号和显著性也与原回归结果基本一致。模型的R²和调整R²有所提高，说明替换变量后的模型对股票市场波动性的解释能力更强。F值在1%的水平上显著，表明模型整体依然显著。这一系列结果表明，通过替换变量法进行稳健性检验，原研究结论具有较好的稳定性和可靠性。3.3.2分样本检验为进一步验证研究结果的稳健性，采用分样本检验的方法，按照不同市场条件和股票特征对样本进行分组检验。首先，按照市场行情将样本分为牛市和熊市两个子样本。牛市的界定标准为沪深300指数连续3个月以上呈现上涨趋势，且累计涨幅超过20%；熊市则为沪深300指数连续3个月以上呈现下跌趋势，且累计跌幅超过20%。分别对牛市和熊市子样本进行回归分析，结果如表5和表6所示。表5：牛市子样本回归结果|变量|系数|标准误|t值|P>|t|||----|----|----|----|----||常数项|0.020***|0.004|5.000|0.000||融资余额（Margin_Balance）|-0.001***|0.0003|-3.333|0.001||融券余额（Short_Selling_Balance）|-0.0005**|0.0002|-2.500|0.012||市场收益率（Market_Return）|-0.120***|0.030|-4.000|0.000||成交量（Trading_Volume）|0.0008***|0.0002|4.000|0.000||GDP增长率（GDP）|-0.060|0.040|-1.500|0.134||M2同比增长率（M2）|-0.080*|0.040|-2.000|0.046||行业虚拟变量|是|-|-|-||R²|0.420|调整R²|0.396|-||F值|22.68***|Prob>F|0.000|-||----|----|----|----|----||常数项|0.020***|0.004|5.000|0.000||融资余额（Margin_Balance）|-0.001***|0.0003|-3.333|0.001||融券余额（Short_Selling_Balance）|-0.0005**|0.0002|-2.500|0.012||市场收益率（Market_Return）|-0.120***|0.030|-4.000|0.000||成交量（Trading_Volume）|0.0008***|0.0002|4.000|0.000||GDP增长率（GDP）|-0.060|0.040|-1.500|0.134||M2同比增长率（M2）|-0.080*|0.040|-2.000|0.046||行业虚拟变量|是|-|-|-||R²|0.420|调整R²|0.396|-||F值|22.68***|Prob>F|0.000|-||常数项|0.020***|0.004|5.000|0.000||融资余额（Margin_Balance）|-0.001***|0.0003|-3.333|0.001||融券余额（Short_Selling_Balance）|-0.0005**|0.0002|-2.500|0.012||市场收益率（Market_Return）|-0.120***|0.030|-4.000|0.000||成交量（Trading_Volume）|0.0008***|0.0002|4.000|0.000||GDP增长率（GDP）|-0.060|0.040|-1.500|0.134||M2同比增长率（M2）|-0.080*|0.040|-2.000|0.046||行业虚拟变量|是|-|-|-||R²|0.420|调整R²|0.396|-||F值|22.68***|Prob>F|0.000|-||融资余额（Margin_Balance）|-0.001***|0.0003|-3.333|0.001||融券余额（Short_Selling_Balance）|-0.0005**|0.0002|-2.500|0.012||市场收益率（Market_Return）|-0.120***|0.030|-4.000|0.000||成交量（Trading_Volume）|0.0008***|0.0002|4.000|0.000||GDP增长率（GDP）|-0.060|0.040|-1.500|0.134||M2同比增长率（M2）|-0.080*|0.040|-2.000|0.046||行业虚拟变量|是|-|-|-||R²|0.420|调整R²|0.396|-||F值|22.68***|Prob>F|0.000|-||融券余额（Short_Sell