融资融券在股灾阶段对市场波动性的影响分析.docVIP

融资融券在股灾阶段对市场波动性的影响分析 　　[摘 要]2015的中国股市注定是让人难忘的一年。上证A股指数一路飙升至5 178点，再如过山车般的狂降至不足2 900点，如此巨幅的波动在世界范围内都是前所未见的。毒杠杆、无度配资、监管制度的缺失、强制平仓、恶意做空等一系列字眼，都充斥在我国尚不完善的资本市场之中。我国自2010年3月31日引入融资融券业务以来，对它的研究一直处于初步阶段，尚不明确其对于我国资本市场的影响；而对于造成这次“股灾”的原因，大部分矛头都指向融资与融券业务。本文在充分参阅国内外文献的基础之上，以GARCH与VAR模型相结合的实证分析方法着重研究“股灾”时段融资融券对上证A股指数波动性的影响。 　　[关键词]上证A股；融资；融券；波动性；GARCH；毒杠杆 　　doi：10.3969/j.issn.1673 - 0194.2017.02.068 　　[中图分类号]F224；F832.51 [文献标识码]A [文章编号]1673-0194（2017）02-0-03 　　0 引 言 　　2015年股市的热度早已超越了气候的温度，无论机构投资者还是中小投资者都在这一场指数狂飙的盛宴中尽情地享受。铺天盖地的都是众多投资机构的破万点论、牛市论，给投资者展示了我国资本市场一片大好的景象，可是风险也在进一步集聚，在等待它爆发的一天。 　　2015年5月25日，市场在经历过一次小幅调整后又向上创出年内新高，创业板指数也连连新高，各种小盘股活跃，中字头的大盘股开始横盘震荡，不久，指数就已经破了5000点的大关。5月28日上午10点半过后，第一波下跌行情开始，创业板领跌，高价股下跌，到下午2点45分后，更是一波3%幅度130多点的下跌，使市场上众多股票由涨停到跌停。顿时舆论四起，牛市泡沫的破裂也就在这一刻开始了。 　　1 研究模型?x择 　　1.1 ARCH模型族介绍 　　1.1.1 ARCH模型族 　　ARCH模型的基本思想是指在以前信息集下，某一时刻一个噪声的发生是服从正态分布。该正态分布的均值为零，方差是一个随时间变化的量，即条件异方差。并且这个随时间变化的方差是过去有限项噪声值平方的线性组合，这样就构成了自回归条件异方差模型。 　　1.1.2 GARCH模型 　　自从Engle提出ARCH模型分析时间序列的异方差性以后，波勒斯列夫又提出了GARCH模型，GARCH模型是一个专门针对金融数据专门做的回归模型，除去和普通回归模型相同的之处，GARCH对误差的方差进行了进一步的建模，特别适用于波动性的分析和预测。 　　1.2 VAR模型 　　向量自回归（VAR）是基于数据的统计性质建立模型，VAR模型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，从而将单变量回归自回归模型推广到有多元时间序列组成的“向量”自回归模型。VAR模型是处理多个相关经济指标的分析与预测最容易操作的模型之一。 　　2 融资融券对上证A股指数波动性影响的实证分析 　　2.1 数据选择与说明 　　本文选取的数据是上证A股每日的收盘指数以及每日的融资融券数据，时间跨度是2014年10月21日至2015年9月30日，总共235个样本数据。 　　本文选取T-GARCH模型拟合股市波动，并选取条件方差作为股市波动的替代指标。同时计算并引入融资融券强度（看多看空系数）作为解释变量，两个变量的值域在-1～1之间，依次记为MP、SS。其中融资融券强度计算公式如下。 　　融资强度=（融资买入额-融资偿还额）/（融资买入额+融资偿还额）；融券强度=（融券卖出量-融券偿还量）/（融券卖出量+融券偿还量）。 　　2.2 ARCH效应检验 　　首先对上证A股指数波动性进行ARCH效应检验。为了减少量纲对实证分析的影响，笔者对收益率进行对数化处理，并记为lnspt。 　　回归结构中，R2（拟合优度）接近于1，说明该回归方程拟合效果较好，系数项与常数项在10%显著性水平下拒绝了原假设。 　　从回归方程的残差序列图（图1）中，发现波动出现乐波动集聚的现象，这说明该序列存在条件异方差性。因此，笔者对残差序列进行ARCH效应检验，并依据AIC准则来确定检验的阶数。通过上述操作，发现在1阶时，AIC值最小且为-10.629 86，因此确定检验阶数为1。 　　从表1中可以看出，在5%显著性水平下，拒绝原假设，即存在ARCH效应，因此，可以采用GARCH模型对这一时段的上证A股指数波动性进行拟合。 　　从表2中可以看出，回归方程的R2接近于1，拟合程度较好，非对称项的系数为正值，说明存在杠杆效应，且这种杠杆效应会增加股市的波动性。同时，均值方程与方差方程的系数项在5%的显著性水平都显著，所以回归结果是有效的，笔者将提取