个人投资者参与融资融券交易的概率计量研究*

李 峰，李志生

(中南财经政法大学 金融学院，湖北 武汉 430073)

个人投资者参与融资融券交易的概率计量研究*

李 峰，李志生

(中南财经政法大学 金融学院，湖北 武汉 430073)

利用我国某证券公司个人投资者基本信息以及股票交易数据，采用多元logistic模型，分析了个人投资者的人口统计学特征、财富特征、交易行为特征等对个人投资者参与融资融券交易的概率计量。实证研究发现：个人投资者的人口学特征、财富特征、交易行为特征等指标可被用于投资者参与融资融券的概率计量；年龄越大的投资者、学历越高的投资者参与融资融券交易的概率越大，男性投资者以及职业为个体、文教科卫专业人员、行政企事业单位工人、企事业单位干部的投资者参与融资融券交易的概率更大；总资产越高的个人投资者参与融资融券交易的概率越大；换手率越高的个人投资者参与融资融券交易的概率越大。

融资融券；人口统计学特征；财富特征；交易行为特征；logistic模型

一 引言与文献综述

2010年3月21日融资融券试点交易。试点初期，监管层要求投资者开通融资融券交易的条件为投资者从事证券交易时间6个月以上，资产不低于50万元。2013年3月监管层取消了开设“两融”账户资产规模下限的窗口指导，证券公司可根据监管要求及业务开展需要对客户适当性管理的具体标准进行调整[1]。在随后的业务开展中，证券公司不断把投资者参与融资融券业务的资产门槛降低。据报道，[2]证券公司在2013年几次下调投资者参与融资融券业务的资金门槛，从50万元下降到10万元，甚至有券商把资金门槛下降到1万元。随着证券公司下调融资融券业务资金门槛，参与融资融券交易的投资者也不断增多，但是相对普通交易的投资者还只是少数。融资融券业务作为国内的创新业务，参与融资融券交易的投资者特征反映了参与创新业务的投资者特征。那么参与融资融券交易的投资者、满足融资融券交易条件但并没有参与融资融券交易的投资者分别具有什么样的特征，是什么因素影响投资者参与融资融券交易？

现有的研究成果主要从宏观角度讨论融券卖空交易对证券市场波动性、流动性等的影响。关于融券卖空交易对证券市场的研究成果颇多，主要讨论了卖空约束对资产价格波动性和市场稳定性的影响。大量理论研究认为，卖空约束会导致系统性的定价偏差，引起资产价格的剧烈波动。Miller[3]的开创性研究指出，在进行卖空约束后，悲观投资者将无法通过卖空获利，所以，悲观投资者被迫离场，而这时股价将片面的反映对应股票的积极信息，因此，卖空约束是催生资产价格泡沫的重要原因。而当市场下跌时，负面信息将集中释放，从而加速市场下跌[4]。许多学者从实证研究和实验研究也支持上述观点，比如：Ho[5]基于新加坡市场的研究，陈淼鑫和郑振龙[6]基于香港市场的研究。李志生等[7]基于内地市场的研究发现卖空机制有利于改善资产定价效率和提高市场质量。融资融券交易卖空机制的推出有效降低了标的股票的价格波动性，显著降低了股票价格的跳跃风险，从而有利于抑制股票价格的暴涨暴跌[8]。但是，有学者持相反观点，认为卖空机制会加剧股价的波动或无益于股票市场的稳定。Chang等以香港股市数据检验发现，与卖空约束时相比，市场允许卖空后股票日收益率的负极端值出现的频率更高，这意味着市场崩盘的概率在卖空允许后反而提高了。[9]

相比融券卖空交易，关于融资买入交易的研究较少，且主要考察其对市场波动性与流动性的影响。例如，Chang等发现融资买入交易有助于降低收益率波动性。[10]王旻以及骆玉鼎等[11-12]利用台湾证券市场融资融券交易数据分别从波动性和流动性方面进行研究，王旻等的研究结果表明融资买入交易未对整个市场的波动性水平产生显著影响，[11]骆玉鼎等研究发现融资融券保证金比率的变动能够在很大程度上引起股票市场流动性的变化，肯定了融资买入交易对市场流动性具有增强作用的观点。[12]

通过归纳与梳理已有研究可以发现，现有文献从融资融券对市场波动性、流动性和股票定价效率的影响进行了研究，并取得了相对丰富的理论和经验研究成果，这毫无疑问为未来的研究奠定了坚实的基础。但是，很少有文献对金融创新背景下参与和未参与融资融券交易的个人投资者的各种特征进行分析。针对这一不足，本文选择个人投资者为研究对象，讨论参与融资融券交易的个人投资者的各种特征，并对个人投资者参与融资融券交易的概率计量进行研究。在计量方法上，选择logistic回归模型作为计量工具，而且使用了ROC曲线方法验证模型的准确性。

二 研究设计

(一)模型设计

logistic回归模型可以分为条件logistic回归模型和非条件logistic回归模型，前者适用于配对对照资料的分析，后者适用于队列研究或非配对的对照研究成组资料的分析。在此，非条件logistic模型是恰当的模型，该模型可以得到投资者参与融资融券交易的概率，从而进行不同特征投资者的比较分析。我们建立logistic回归模型为

logit(pi)=β0+β1x1，i+β2x2，i+…+

(二)变量说明

1.因变量。我们把满足融资融券业务条件的投资者是否参与融资融券交易作为logistic回归模型中的因变量y，令为1和0变量，y=1表示投资者参与了融资融券交易，y=0表示投资满足融资融券业务门槛，但是并没有参与融资融券交易。

2.自变量。在对投资者参与融资融券交易的影响因素进行研究时，所选择的自变量如表1所示，主要包括3类：(1)投资者的人口统计学特征。包括投资者的年龄、性别、教育程度和职业。这些因素会影响到投资者对融资融券业务的熟悉程度。(2)投资者的财富特征。这里以投资者在证券账户中的总资产为变量。投资者财富特征的不同体现投资者的风险承受能力的不同。(3)与投资者交易行为相关的变量。包括投资者的开户时长、投资交易换手率和投资收益率等。这些因素的体现了投资者的投资能力以及投资风格，这些因素的不同造成了投资者对具有杠杆效应和卖空机制的融资融券的追逐程度的不同。

其中，月超额换手率和月超额收益率的计算如下：

1)月超额换手率计算

参照Barber和Odean[13]和廖理等[14]的做法，投资者的日换手率取买入股票换手率和卖出股票换手率的平均值。投资者i在第d日买入和卖出股票的换手率分别等于

和

我们将月换手率定义为投资者在当月所有交易日的日换手率之和，月超额换手率定义为投资者月换手率减去指数(沪深300指数)的月换手率。

表1 自变量说明

注：因超额换手率和超额收益率变动值较大，不便于进行分类，因此采用连续变量；为了处理各职业变量导致的多重共线性，选取除军人、农民和学生(这三个职业的人数在投资者中所占比重非常小)之外的职业为自变量。

2)月超额收益率计算

因此，投资者i在第d日的日超额收益率为

那么投资者的月收益率为

其中，MDRi，m为第i个投资者第m个月的月收益率，Nm为第m个月的交易日数目。

投资者月超额收益率为

其中，MRi，m为第i个投资者第m个月的月超额收益率，Nm为第m个月的交易日数目，MRmm为第m个月的市场收益率。

三 样本数据与特征分析

(一)样本数据

研究样本为某证券公司普通证券投资者和融资融券投资者基本信息和交易信息。其中投资者基本信息主要包括客户号、客户性别、出生年月、职业、学历、普通证券账户开户时间、信用证券账户开户时间、风险承受能力等；投资者交易信息包括日期、客户号(该字段经过保密处理)、客户姓名(该字段经过保密处理)、交易类别、证券代码、证券名称、成交数量、成交价格、成交金额、实收佣金、申报时间、成交时间、证券类别、本次资金余额、本次股份余额、印花税、过户费等。

由于该证券公司2012年底才开展融资融券业务，因此研究的投资者基本信息样本为截止期间为2012年12月31日的所有投资者，对2013年1月1日至2014年12月31日开立信用证券账户的投资者进行标记。所有客户的普通证券交易数据时间为2011年1月1日至2012年12月31日。样本投资者分布在北京、天津、上海、深圳、浙江、广东、湖南等地。

为了分析满足融资融券交易条件参与融资融券交易的概率，我们把满足融资融券交易的投资者分成以下两组：

A1组：是指在该证券公司开通信用证券账户并且进行交易(只要在信用证券账户中有一笔交易)的投资者。

A2组：截止2014年12月31日，满足该证券公司开通信用证券账户的条件但没有开通的投资者，以及开通信用证券账户但是并没有进行一笔交易的投资者。

(二)描述性统计

截至2014年12月31日，该券商共有普通证券账户581 682个，满足开通信用证券账户条件的个人投资者账户数为152 906个，虽然开立信用证券账户的投资者有12 009个，但有在进行交易的个人信用证券账户只有7 040个。进行融资融券交易的个人投资者数量占满足融资融券交易条件的个人投资者数量比例只有4.6%。这说明在我国广大的股民群体中，选择具有做空机制和杠杆效应的融资融券交易的投资者只是一小部分。下面我们就投资者的人口统计学特征、财富特征、交易行为特征看看A1组和A2组的情况。

1.人口统计学特征

从投资者性别来看，进行融资融券交易的投资者中男性占比达到了61.25%，女性只有38.75%。满足融资融券交易条件的投资者中，男性投资者进行融资融券交易的比例达到5.83%，而女性只有3.46%。这说明男性投资者比女性投资者更加的自信。

从投资者年龄来看，进行融资融券交易的投资者中40岁(含)-50岁的投资者占比最高，达到了40.30%，30岁(含)-40岁及50岁(含)-60岁的投资者占比次之，大概只有40岁(含)-50岁的投资者占比的一半。满足融资融券交易条件的投资者中，小于30岁的投资者参与融资融券交易的投资者占比比40岁(含)-50岁的投资者占比还高。这说明更多的年轻人想通过融资融券交易获取更高的投资回报。

从投资者的职业来看，进行融资融券交易的投资者中，以个体和行政企事业单位工人为主，行政企事业单位工人的比例达到45.47%，个体的比例达到35.51%，两者合计比例超过80%。而党政机关干部、学生、军人、农民、无业及其他合计不超过10%。满足融资融券交易条件的投资者中，个体参与融资融券交易的占比最高，为22.31%，党政机关干部、行政企事业单位工人、文教科卫专业人员、企事业单位干部等具有稳定收入的职业占比也高于平均数。

从投资者的文化程度来看，进行融资融券交易的投资者中，学士和大专文化为主，大专的比例达到38.15%，学士的比例达到32.14%，两者合计比例超过70%。而参与融资融券交易的投资者中，硕士和博士学历的投资者占比不到5%，初中及其以下以及其他学历的投资者占比也不到5%。满足融资融券交易条件的投资者中，硕士参与融资融券交易的占比最高，为17.07%，而且基本上是学历越低，占比越低。

表2 投资者人口统计学特征

2.开户时长

从投资者的开户时长来看，进行融资融券交易的投资者中，开户时长在0～5年的投资者占比最高，开户时长越长，投资者占比越低。开户时长在0～10年的投资者占比达到82%。满足融资融券交易条件的投资者中，开户时长在20年以上的投资者参与融资融券交易的占比最高，为8.49%，其次是开户时长在0～5年的投资者，而开户时长在5～20年的投资者占比都在4%以下。

3.财富特征

参加融资融券交易的投资者的日均总资产为47万元，满足融资融券交易条件但并没有参与融资融券交易的投资者的日均总资产为26.9万元。

4.交易行为特征

A1组的投资者月超额换手率平均值为169.11%，中位数也达到了57.49%；A2组的投资者月超额换手率小于A1组的投资者，为148.64%，中位数为27.24%。我们再来看看分组后月超额收益率的情况。A1组的投资者月超额换手率平均值为-1.36%，中位数为-1.45%；A2的投资者的月超额收益率大于A1组的投资者，为-0.97%，中位数为-1.12%。我们发现，两组投资者的月超额收益率都远小于0，跑输了市场。

表3 投资者开户年限

四 模型估计与验证

(一)模型回归结果分析

以满足融资融券业务门槛的投资者作为参考基准，采用logistic回归模型进行逐步回归，并利用似然估计方法进行估计，得出系数的估计值回归结果见表4及表5。

表4 投资者参与融资融券交易的影响因素回归结果

因此logistic回归模型为：

0.3426x3-1.1841x41+1.1804x42+1.7556x43+

1.671x44+1.4088x45+0.9819x46+2.6481x47+

0.0633x5+0.178x6

表5 预测数和观测数的关联性分析

从模型整体来看(表5)，一致性比率(Percent Concordant)为88%，不一致性比率为(Percent Discordant)为12%，说明预测值与观测值在现有水平上有较强的关联性，回归模型有很强的预测能力。

从表4的回归结果来看，我们发现除了年龄的回归系数在5%的水平下显著之外，其他变量的回归系数都在1%的水平下显著，说明性别、年龄、教育程度、职业、总资产和换手率都对投资者参与融资融券交易有显著的影响。

首先从人口统计学特征来看，变量年龄、性别和教育程度的回归系数分别为0.0298、0.4155、0.3426，OR值分别为1.03、1.515、1.409，这表明在其他变量相同的情况下，年龄大的投资者参与融资融券交易的概率大；男性投资者参与融资融券交易的概率要大于女性投资者，这与一般认为的男性比女性更有冒险精神，而女性的投资策略更加稳健、保守的常识是一致的；教育程度高的投资者参与融资融券交易的概率大；职业为个体、行政企事业单位工人、文教科卫专业人员的投资者参与融资融券交易的概率大。

从财富特征来看，变量总资产的回归系数为0.0633，OR值为1.065。这表明在其他变量相同的情况下，总资产高的投资者参与融资融券交易的概率要大。

从交易行为特征来看，超额换手率的回归系数为0.178，说明在其他变量相同的情况下，投资者的超额换手率越高，则投资者参与融资融券交易的概率也越高。就投资者的超额投资收益率来看，回归结果中并没有此变量，所以投资者的超额收益率并不是投资者参与融资融券交易的影响因素，或者说超额投资收益率对投资者参与融资融券交易的影响并不显著。

总体来说，年龄大的投资者、男性投资者、学历高的投资者、职业为个体、行政企事业单位工人、文教科卫专业人员的投资者、总资产高的投资者和换手率高的投资者参与融资融券交易的积极性高，他们是我国创新业务的主要参与者，希望通过参与创新业务——融资融券业务获得高收益。

(二)模型的验证

使用ROC曲线方法，从模型预测准确性与拟合性的角度，对logistic模型进行验证。ROC曲线是比较与验证模型预测准确性的重要方法。通过比较投资者参与融资融券交易概率的预测值与阈值的大小，ROC曲线方法判定投资者是否会参与融资融券交易，进而通过计算模型预测正确的命中率与错误的参与率，绘制ROC曲线。模型预测准确性的优劣，取决于ROC曲线下正确预测的命中率与错误预测的参与率的变化速度。图1给出了logistic模型的ROC曲线。

图1 ROC曲线

图1由右下方向左上方，曲线依次为y=x函数曲线、logistic模型的ROC曲线。首先，ROC曲线均位于y=x直线上方，这表明logistic模型都具有一定的模型预测能力。其次，AUC值计算了ROC曲线下方的面积，因此，当ROC曲线与y=x曲线相重合时，AUC值为0.5，此时模型无任何预测力可言。如图1所示，logistic模型的AUC值为0.8261，远大于0.5，因此，logistic模型具有较强的预测能力。

五 研究结论

选取某证券公司的个人投资者(包括普通交易投资者和信用交易投资者)为样本进行分类，在对投资者的年龄、性别、教育程度、职业、总资产、开户时长、交易换手率和交易收益率等特征进行统计分析的基础上，对投资者参与融资融券交易的概率计量进行了分析。

通过研究我们发现：投资者的人口统计学特征、财富特征和交易行为特征等指标可被用于投资者参与融资融券的概率计量；融资融券业务作为国内的又一创新业务，年龄越大的投资者、学历越高的投资者参与融资融券交易的概率越大；男性投资者以及职业为个体、文教科卫专业人员、行政企事业单位人员的投资者参与融资融券交易的概率更大；总资产越高的个人投资者参与融资融券交易的概率越大；换手率越高的个人投资者参与融资融券交易的概率越大。

因此，证券公司在开发融资融券客户时更应该重点关注男性投资者、年龄在30～60岁的投资者、职业为个体、行政企事业单位人员、文教科卫专业人员的投资者、高学历的投资者、高资产的投资者以及换手率较高的投资者，而且可通过logistic模型进行概率计量，提高融资融券客户开发的效率。

[1] 浦泓毅.监管层取消窗口指导融资融券告别“50万元门槛”[N].上海证券报，2013-03-20(F08).

[2] 伍泽琳.融资融券门槛骤降10万元即可参与[N].证券时报网，2013-03-28(A07).

[3] Miller，Edward M..Risk，Uncertainty and divergence of opinion[J].The Journal of Finance，1977，32(4)：1151-1168.

[4] Hong H，Stein J.Differences of opinion，short-sales constraints and market crashes[J].Review of Financial Studies，2003，16(2)：487-525.

[5] Ho K W.Short-sales restrictions and volatility：The case of the stock exchange of Singapore[J].Pacific-Basin Finance Journal，1996，4(4)：377-391.

[6] 陈淼鑫，郑振龙.卖空机制对证券市场的影响：基于全球市场的经验研究[J].世界经济，2008(12)：73-81.

[7] 李志生，陈晨，林秉旋.卖空机制提高了中国股票市场的定价效率吗?——基于自然实验的证据[J].经济研究，2015(4)：165-178.

[8] 李志生，杜爽，林秉旋.卖空交易与股票价格稳定性——来自中国融资融券市场的自然实验[J].金融研究，2015(6)：173-188.

[9] Chang E C，Cheng J W，Yinghui Y u.Short sales constrains and price discovery：evidence from the Hong Kong Market[J].The Journal of Finance，2007，62(5)：2097-2121.

[10]Chang E C，Luo Y，Ren J.Short-selling，margin-trading，and price efficiency：Evidence from the Chinese Market[J].Journal of Banking & Finance，2014，48(C)：411-424.

[11]王旻，廖士光，吴淑琨.融资融券交易的市场冲击效应研究——基于中国台湾证券市场的经验与启示[J].财经研究，2008(10)：99-109.

[12]骆玉鼎，廖士光.融资买空交易流动性效应研究——台湾证券市场经验证据[J].金融研究，2007(5)：118-132.

[13]Barber B M，Odean T.Boys will be boys：Gender，overconfidence，and common stock investment[J].Quarterly Journal of Economics，2001，116(1)：261-292.

[14]廖理，贺裴菲，张伟强，沈红波.中国个人投资者的过度自信和过度交易研究[J].投资研究，2013(8)：35-46.

[15]程天笑，闻岳春.融资融券业务个人客户违约概率计量研究[J].金融研究，2016(4)：174-189.

[16]Stein R M.The relationship between default prediction and lending profits：integrating ROC analysis and loan pricing[J].Journal of Banking & Finance，2005，29(5)：1213-1236.

ResearchonProbabilityMeasurementofIndividualInvestor’sParticipatinginMarginTrading

LI Feng，LI Zhi-sheng

(School of Finance，Zhongnan University of Economics and Law，Wuhan 430073，China)

By using the individual investors’ basic information and trade data of a securities company in china，and the Logistic model，the paper analysis the effects of demographic characteristics，wealth characteristics，trading behavior characteristics of individual investors on the choice to participate in margin trading.The empirical study find that：Individual investors’ demographic characteristics，wealth characteristics，trading behavior characteristics can be used for probability measurement of individual investors participating in margin trading；the probability of older investors and the high educated persons investor participation in margin trading is higher；the male investors，the investors who are sole trade，workers of science，education，culture and hygiene，administrative institutions.Cadres of enterprises and institutions have higher probability of participation in margin trading；the probability of the higher assets investors to participate in margin trading is higher；the individual investors which have higher turnover have the higher probability of participation in margin trading.

margin trading；demographic characteristics；wealth characteristics；trading behavior characteristics；logistic model

F832

A

1008—1763(2017)05—0064—07

2017-04-13

国家自然科学基金资助项目(71271214)

李峰(1982—)，男，湖南郴州人，中南财经政法大学金融学院博士研究生。研究方向：行为金融。