融资融券交易对流动性黑洞影响实证研究①

2011年11月25日，沪深证券交易所修订发布了《融资融券交易实施细则》。根据《实施细则》，融资融券标的股票必须符合以下条件:①在本所上市交易超过三个月；②融资买入标的股票的流通股本不少于1亿股或流通市值不低于5亿元，融券卖出标的股票的流通股本不少于2亿股或流通市值不低于8亿元；③股东人数不少于4000人；④在过去三个月内没有出现下列情形之一:日均换手率低于基准指数日均换手率的15%，且日均成交金额低于5000万元；日均涨跌幅平均值与基准指数涨跌幅平均值的偏离超过4%；波动幅度达到基准指数波动幅度的五倍以上；股票发行公司已完成股权分置改革；股票交易未被本所实行特别处理；本所规定的其他条件。由此可见，满足以上标准的股票具有规模大、流动性好和波动性小等特征。中国资本市场的融资融券交易有两个显著的特征:一是融资融券标的股票可以同时进行融券交易和融资交易；二是采取逐步试点的方式施行，只有部分股票允许融资融券交易。

2010年3月31日首批融资融券标的股票是90只，分别为上证50指数成分股和深证成指指数成分股。之后融资融券标的股票名单经历了四次扩容:①2011年11月25日，沪深证券交易所宣布扩大融资融券标的股票的范围，数量由原先的90只调整为278只，主要涵盖了上证180指数和深证100指数中的成分股；②2013年1月25日，两市的融资融券标的股票扩容至500只；③2013年9月16日，两市的融资融券标的股票扩容至700只；④2014年9月12日，两市的融资融券标的股票扩容至900只。

由于符合融资融券标的要求的股票具有规模大、流动性好、波动性小和交易正常的特征。因此，融资融券标的股票的选取缺乏随机性，从而导致处理组和控制组不仅在干预统计量上存在不同，而且在第三方变量上存在区别。为了防止出现潜在偏倚，必须要考虑到这些区别。具体地，选取事件公布日前的60个交易(即3个月)日作为匹配窗口，计算对数市值(lnsize)、波动率(即日收益率标准差，volatility)和日换手率均值(turnover)这四个特征变量作为匹配变量，采用倾向得分匹配法(PSM)进行一对一的匹配，得到控制组的股票。本书剔除了事件公布日和有效日之间的交易日，选择事件公布日前的120个交易日作为事件前窗口，事件有效日后120个交易日作为事件后窗口。对处理组和控制组的所有股票，分别计算它们在事件前窗口和事件后窗口的因变量和控制变量的平均值。因变量是非流动性(ILLIQ)，控制变量为对数市值(lnsize)和波动率(volatility)。

表10-9给出了描述性统计量。Panel A给出了处理组和控制组特征的均值和标准差，主要特征包括:对数市值(lnsize)、波动率(volatility)和换手率(turnover)。处理组对数市值的平均值为22.665，标准差为1.005；控制组对数市值的平均值为22.385，标准差为0.878；两组对数市值相差甚微。处理组波动率的平均值为0.028，标准差为0.017；控制组波动率的平均值为0.026，标准差为0.007；两组波动率均值相差很小，但是处理组的波动率比较离散。处理组换手率的平均值为2.137，标准差为1.814；控制组换手率的平均值为1.841，标准差为1.762；处理组换手率平均而言比控制组高一些。因此，总体上看，利用倾向得分匹配法，能够在很大程度上防止融资融券标的股票在规模、波动性和换手率的特征方面可能存在的潜在偏倚。

Panel B给出了允许融资融券交易前后处理组和控制组的非流动性。允许融资融券交易前，处理组非流动性的均值为0.267，标准差为0.196；控制组非流动性的均值为0.498，标准差为0.410。允许融资融券交易后，处理组非流动性的均值为0.209，标准差为0.159；控制组非流动性的均值为0.374，标准差为0.320。允许融资融券交易后，总体上处理组和控制组的非流动性(ILLIQ)均降低了，即流动性提高了。但是，处理组非流动性降低的幅度(21.%)小于控制组(24.9%)。这表明融资融券交易可能流动性具有负向影响。那么，融资融券交易对流动性是否具有显著的负向影响呢？ 需要采用双重差分法做进一步的分析。

表10-9 描述性统计量

注释:ILLIQ乘以109。

10.3.1 融资融券交易对流动性的影响

这一部分实证分析融资融券交易对流动性的影响。选择事件公布日前的120个交易日作为事件前窗口，事件有效日后120个交易日作为事件后窗口。对处理组和控制组的所有股票，分别计算它们在事件前窗口和事件后窗口的因变量(ILLIQ)和控制变量(lnsize、volatility)的平均值，根据模型(10 7)进行双重差分回归。结果见表10-10的Panel A。方程(1)中post的回归系数为-0.124(t=-9.16)，在1%的置信水平下显著，表明允许融资融券交易后股票的流动性显著高于事件前；treated的回归系数为-0.231(t=-17.10)，在1%的置信水平下显著，表明处理组股票的流动性显著高于控制组股票；post*treated的回归系数为0.065(t=3.43)，在1%的置信水平下显著，表明融资融券交易显著提高标的股票的非流动性。参照Wang(2014)选择对数市值(lnsize)和波动率(volatility)作为控制变量。方程(2)和(3)分别给出了控制对数市值、波动率以及时间效应的实证结果，post*treated的回归系数依然在1%的置信水平下显著为正，表明融资融券交易显著提高标的股票的非流动性。另外，lnsize的回归系数显著为负，表明市值越大的股票，流动性越高；volatility的回归系数显著为负，表明波动率越大的股票，流动性越高。

将事件前窗口选为事件公布日前60个交易日，事件后窗口选为事件有效日后60个交易日，重新进行双重差分回归分析，结果见表10-10的Panel B。方程(4)、(5)和(6)post*treated的回归系数均为0.074，t统计量分别为3.87、3.89和4.21，均在1%置信水平下显著，表明融资融券交易显著提高标的股票的非流动性。

表10-10 融资融券交易对流动性的影响

注释:Panel A样本区间为事件公布日前的120个交易日和事件有效日后的120个交易日。Panel B样本区间为事件公布日前的60个交易日和事件有效日后的60个交易日。Panel C样本区间为事件公布日前的第120个交易日到第60个交易日和事件有效日后的第60个交易日到第120个交易日。括号内是t统计量；***、**和*分别表示在1%、5%和10%的置信水平下显著。

将事件前窗口选为事件公布日前第120个交易日到第60个交易日；事件后窗口选为事件有效日后第60个交易日到120个交易日，重新进行双重差分回归分析，结果见表10-10的Panel C。方程(7)、(8)和(9)post*treated的回归系数分别为0.54(t=2.44)、0.54(t=2.52)和0.55(t=2.69)，均在5%置信水平下显著，表明融资融券交易显著提高标的股票的非流动性。

进一步比较表10-10Panel A、Panel B和Panel C中相对应的方程，例如方程(1)、(4)和(7)，post*treated的回归系数及t统计量的大小。方程(4)post*treated的回归系数及t统计量值最大，方程(7)post*treated的回归系数及t统计量值最小，表明短期内融资融券交易对标的股票流动性的负向影响更大。

以上实证分析表明，融资融券交易对标的股票的流动性具有负向影响，且短期负向影响更大。融资融券交易对流动性造成负向影响的原因可能在于信息不对称(Sharifetal.，2014；Wang，2014):进行融资融券交易的投资者通常会是知情交易者，允许融资融券交易后，不知情交易者害怕被知情交易者利用从而避开融资融券标的股票，导致其流动性下降。

10.3.2 融资融券交易对流动性黑洞的影响

这一部分实证分析融资融券交易对流动性黑洞的影响。当股票的非流动性(ILLIQ)高于过去250个交易日非流动性平均值2倍标准差，则认为股票发生流动性黑洞。股票i在y年流动性黑洞频率为:

其中，是股票i在y年发生流动性黑洞的次数，Ni，y是股票i在y年的交易天数。剔除交易不足半年的股票。

选择事件公布日前的120个交易日作为事件前窗口，事件有效日后120个交易日作为事件后窗口。对处理组和控制组的所有股票，分别计算它们在事件前窗口和事件后窗口的因变量(p LBH)和控制变量(lnsize、volatility)的平均值，根据模型(107)进行双重差分回归。结果见表10-11的Panel A。方程(1)中post的回归系数为-0.014(t=-5.21)，在1%的置信水平下显著，表明允许融资融券交易后股票的流动性黑洞频率显著低于事件前；treated的回归系数为-0.005(t=-1.97)，在5%的置信水平下显著，表明处理组股票的流动性黑洞频率显著低于控制组股票；post*treated的回归系数为0.008(t=2.16)，在5%的置信水平下显著，表明融资融券交易显著提高标的股票的流动性黑洞频率。参照Wang(2014)选择对数市值(lnsize)和波动率(volatility)作为控制变量。方程(2)和(3)分别给出了控制对数市值、波动率以及时间效应的实证结果，post*treated的回归系数依然在5%的置信水平下显著为正，表明融资融券交易显著提高标的股票的流动性黑洞频率。

将事件前窗口选为事件公布日前60个交易日，事件后窗口选为事件有效日后60个交易日，重新进行双重差分回归分析，结果见表10-11的Panel B。方程(4)、(5)和(6)post*treated的回归系数均为0.011，t统计量分别为2.03、2.22和2.86，均在5%置信水平下显著，表明融资融券交易显著提高标的股票的流动性黑洞频率。

将事件前窗口选为事件公布日前第120个交易日到第60个交易日；事件后窗口选为事件有效日后第60个交易日到120个交易日，重新进行双重差分回归分析，结果见表10-11的Panel C。方程(7)、(8)和(9)post*treated的回归系数分别为0.005，均不显著，表明在这个样本区间内融资融券交易对标的股票的流动性黑洞频率没有显著影响。

进一步比较表10-11Panel A、Panel B和Panel C中相对应的方程，例如方程(1)、(4)和(7)，post*treated的回归系数及t统计量的大小。方程(4)post*treated的回归系数及t统计量值最大，方程(7)post*treated的回归系数及t统计量值最小，表明短期内融资融券交易显著提高标的股票的流动性黑洞频率。

以上实证结果表明，融资融券交易对标的股票的流动性黑洞具有负向影响，提高流动性黑洞发生的概率。并且短期负向影响更大。

表10-11 融资融券交易对流动性黑洞的影响

(续表)

注释:Panel A样本区间为事件公布日前的120个交易日和事件有效日后的120个交易日。Panel B样本区间为事件公布日前的60个交易日和事件有效日后的60个交易日。Panel C样本区间为事件公布日前的第120个交易日到第60个交易日和事件有效日后的第60个交易日到第120个交易日。括号内是t统计量；***、**和*分别表示在1%、5%和10%的置信水平下显著。

[1] 这部分内容摘自国家自然科学基金项目“证券市场流动性黑洞理论与实证分析技术研究”(编号:71273170)的研究成果。