融资融券规模、个股流动性与流动性协同

黄瑜琴 胡聂风 张 浩

一、引言

防范化解金融风险，特别是防止发生系统性金融风险，是金融工作的根本性任务。2015年股票市场的剧烈波动是中国历史上出现的为数不多的系统性风险事件之一。2014年7月1日，上证综指收盘为2 050.38点，不到一年时间，2015年6月12日，创下5 178.19的高点。自6月15日开始，市场大幅下挫，53个交易日下跌45%。股灾意外爆发，投资者大量赎回基金，个股出现连续跌停，市场还多次发生千股跌停的反常现象。在危机中，资产缺乏流动性，投资者无法以合理价格快速变现。而且整个市场股票的流动性同时向同一个方向运动，个股的流动性以及流动性协同 （liquidity commonality）问题显得更为突出。

有观点认为在这次股灾中，信用杠杆过高是导致股市流动性匮乏、价格暴跌的主要原因之一。2014—2015年间，中国投资者加杠杆投资股市的渠道主要有融资融券、伞形结构化信托、理财资金、互联网及民间配资等①与美国市场不同，中国市场投资者的构成以个人投资者为主体。根据 《2016中国证券市场个人投资者生态调查》，A股市场上整体成交量的85%由个人投资者贡献，机构投资者仅贡献了12%的成交量。融资融券方式是对于个人投资者非常重要并能得到精确数据的渠道。而信托、理财资金及配资主要面向机构投资者，且数据难以获取。。其中，融资融券制度作为 “股市加杠杆”的重要手段，融资、融券规模分别对个股流动性有何影响？融资、融券规模是否会影响流动性协同？本文用面板回归研究了融资融券规模对个股流动性和流动性协同的影响。

我们用Amihud非流动性和收益反转指标来衡量流动性。实证结果表明，股票融资规模越大，流动性越好。而在股灾中，股票融资规模越大，Amihud非流动性指标代表的流动性越差。另外，我们发现融资规模的增加可降低流动性协同。由于我国融券规模很小，在检验中并没有发现其对个股流动性和流动性协同有显著影响。此外，我们还进一步从供给和需求侧检验了流动性协同的影响因素，发现投资者情绪越高，相关联交易越高，以及市场波动率更高，流动性协同越强。

研究股票市场流动性及流动性协同的影响因素，对于防范系统性金融风险、保障金融安全具有较强的理论和现实意义。曾经发生过的股灾是金融发展过程中的教训也是宝贵的经验，运用历史数据研究融资融券工具对个股流动性风险和流动性协同的影响，对未来的金融监管、控制金融风险有重要的政策意义。

本文主要在以下两个角度补充文献：一方面，国内学者当前的研究集中于融资及卖空机制的政策事件对于股票定价效率、收益率分布、股票流动性的影响。多数文献将融资融券制度的建立简单视为引入卖空制度的事件，忽视了融资机制对市场的影响，融资融券规模的持续跟踪及其影响的研究匮乏。另一方面，国外较多文献研究了流动性协同问题，国内对A股流动性协同问题的讨论不多，特别是对于其影响因素的研究较少 （宋逢明和谭慧，2005［1］，张玉龙等，2012［2］）。

本文余下部分结构如下：第二部分文献综述；第三部分研究设计；第四部分数据描述；第五部分实证结果；第六部分结论。

二、文献综述

过去十多年，大量文献研究流动性问题，主要集中于股票流动性与市场回报、投资者融资能力、交易行为的关系。在流动性度量方面，Amihud和Mendelson（1986）［3］认为，流动性体现为时间或者成本，该时间或成本用于双方在合适的价格上达成交易。流动性主要从三个角度来定义：交易成本、交易速度和价格冲击，并根据度量方法，将流动性分为通过高频交易数据计算的指标和通过低频数据计算的指标。在流动性与市场回报方面，Amihud和 Mendelson（1986）［3］最早研究流动性与资产预期收益的关系，他们从资本市场的微观交易成本角度出发，以买卖价差为流动性指标解释了流动性对资产收益率的影响，首次提出流动性溢价理论。 Amihud（2002）［4］以纽约证券交易市场股票交易数据为研究对象，其实证结果发现：在横截面角度上，股票预期收益与非流动性水平呈显著的正相关关系。

关于融资融券与流动性关系的文献，主要研究的角度集中于卖空限制方面，比较一致的观点是卖空可以提高股票的流动性。Diamond和 Verrecchia（1987）［5］将限制卖空引入理性预期模型，认为如果投资者不能卖空股票，将减少股票供给，会导致流动性下降。 Charoenrook 和 Daouk （2004）［6］研究了全球111个国家和地区的股票市场，发现存在卖空机制的国家，股票流动性较高。Beber和 Pagano（2013）［7］从2007—2009年的危机之中，发现监管当局限制卖空阻碍了价格发现的过程，对流动性是有害的。最新的文章， Kahraman 和 Tookes （2017）［8］创新性地使用断点回归的方法，其结论是在印度特殊的融资融券制度下，融资标的股相较于非融资标的股，流动性更好；但在危机中，融资标的股流动性更差。廖士光和杨朝军 （2005）［9］对我国台湾股市进行实证分析，认为融资融券业务的开展有助于活跃市场和提高整个股票市场的流动性。骆玉鼎和廖士光 （2007）［10］利用台湾股票市场数据，从融资角度出发，实证结果表明买空交易与市场流动性存在显著的协整关系，买空交易是市场流动性的Granger原因。王旻等 （2008）［11］从融资买空和融券卖空两方面探究融资融券交易对台湾股票市场的冲击，融资买空能显著改善市场流动性，但融券卖空无此功能。

对于国内融资融券方面的研究，代表性的观点是：引入该机制后，股票价格呈现下降趋势，市场定价效率提高，收益波动性下降，流动性上升 （2014）［12］。李科等 （2014）［13］用自然实验研究了卖空限制对股票错误定价的影响，发现卖空限制导致了不能被卖空的股票被严重高估，融资融券制度等做空机制有助于矫正高估的股价，提高市场定价效率。黄瑜琴等（2015）［14］运用事件研究法和双重差分模型，发现卖空机制能显著减小第一年的AH股价差，这从侧面反映了融资融券制度的推出提高了A股定价效率。李志生等 （2015）［15］研究了融资融券标的股票和非标的股票、以及股票被列入和剔出融资融券标的前后的价格波动特征。结果表明，融资融券交易机制的推出有效提高了我国股票价格的稳定性，融资融券标的股票的价格波动率和振幅均出现了显著性下降。陈海强和范云菲（2015）［16］利用面板数据政策效应评估方法，发现融资制度能够降低股市流动性，而融券制度会提高股市波动性，但总体来说二者对波动率的净效应为负。

流动性协同是流动性问题的一个重要分支。Chordia等 （2002）［17］以NYSE的股票数据为对象，首次发现纽交所市场存在显著的流动性协同现象，30%～35%的个股流动性受到市场流动性的影响。Huberman和Halka（2001）［18］也发现NYSE市场存在流动性协同，认为噪声交易者是导致流动性系统风险存在的原因。现有文献提出的影响流动性协同的因素可划分为供给侧和需求侧两方面，供给侧因素指的是投资者的融资流动性 （Hameed 等， 2010［19］； Coughenour和 Saad，2000［20］），而需求侧因素来源于相关联的交易行为（Hasbrouck 和 Seppi， 2001）［21］， 机构投资者的持股份额 （Kamara 等， 2008［22］； Koch 等， 2016［23］） 以及投资者的情绪 （Huberman 和 Halka， 2001）［24］。

美国次贷危机导致美国股票市场市值在2007—2008一年时间里蒸发了八万亿美元，其又被视为典型的流动性危机。 Brunnermeier和 Pedersen （2009）［25］从供给侧因素——交易者的融资流动性的角度来研究个股流动性以及市场的流动性协同。他们证明交易者融资流动性的增加将提高流动性，降低流动性协同；同时，他们也提出了融资流动性与市场流动性相互依赖的流动性螺旋理论：当市场出现较大幅度下跌时，高杠杆的交易者无法继续融资，其本金遭受损失，同时被迫降低融资杠杆，这会进一步加速市场下跌。其他文献从不同的角度支持了他们的理论。Aragon和Strahan（2012）［26］从雷曼破产的自然实验中， 发现融资流动性冲击减少了资产的流动性。Adrian和Shin（2010）［27］分析了资产负债表的扩张与收缩 （杠杆）和对资产定价及流动性的影响。Coughenour和Saad（2000）［20］发现同一经纪人的股票流动性呈现共同运动趋势。 Qian等 （2014）［28］利用1995—2012年的数据，研究了中国股票市场流动性协同。股权分置改革导致的股票供给大增导致融资流动性降低，增加流动性协同；市场参与者的增加导致融资流动性提高，对流动性协同有显著负向影响。

不少文献也从需求侧研究流动性协同，如投资者的相关联交易及共同基金和机构持股、投资者情绪等。 Corwin和 Lipson （2011）［29］利用交易簿数据， 检验程序化交易员、机构投资者、个人投资者和交易所成员的交易流、回报和流动性的协同。他们发现了程序交易员和其他机构投资者是交易流协同性的主要推动者。 Karolyi等 （2012）［30］基于 40 个国家 1995—2009年的数据，认为更高的机构投资者占比、相关联交易以及封闭式基金折价将提高流动性协同。Lowe（2014）［31］利用台湾数据验证了机构投资者比例越高的股票，流动性协同越高。Koch等 （2016）［32］发现共同基金持股比重大的股票流动性协同远大于共同基金持股比重低的股票；流动性协同来自于共同持股以及基金相关联的流动性冲击。

但国内文献对股票流动性协同问题的讨论较少。对比A股与美国证券市场，宋逢明和谭慧 （2005）［1］发现A股市场存在更大的流动性协同。张玉龙、李怡宗和杨云红 （2012）［2］运用拓展的FDR法发现了我国股票市场存在持续性的流动性协同，但并没有对其影响因素进行深入分析。

通过回顾国内外文献，我们发现：第一，国内文献对我国融资融券机制的研究焦点集中于卖空机制的引入对于价格发现、波动性和流动性的影响，针对融资融券规模的影响研究较少。第二，国内文献对融资融券制度的研究方法多为双重差分检验，通过设置制度虚拟变量研究融资融券制度对流动性以及波动性等的影响，忽视了对个股融资融券规模横截面影响的分析。第三，当前的文献基本从供给侧 （如投资者融资流动性）以及需求侧 （如共同基金和机构持股等）角度对流动性协同加以解释，而未将融资融券规模与流动性协同相联系。较少文献关注我国流动性协同问题，且这类文献未深入探讨影响国内股票市场流动性协同的具体因素。

三、研究设计

（一）相关理论假设

融资交易通过保证金杠杆作用，将现有的资金存量放大，进而活跃股票市场交易，为市场提供流动性。当交易者发现股票价格低于其内在价值时，预期价格将会上涨，通过融资交易购入价格低估的股票，导致股票需求量增加。一方面，融资买入将直接增加股票需求，另一方面，将向市场传递出股价被低估的信号，引导其他交易者购买价格低估股票。通过直接和间接的途径，从股票需求角度为个股提供流动性。当交易者发现股票价格超过内在价值时，预期价格会下降，为了实现获利以及偿还未来到期的融资，将出售股票。融资买空方出售股票以及向市场传递的股价被高估信号将增加股票供给，股票价格下跌。当下跌后的价格低于内在价值时，交易者可重复以上操作。图1列示了融资交易的流动性提供机制。

图1 融资交易对流动性影响的作用机制

融资买入将增加市场的交易量，进而改善个股流动性。

假设1：个股的融资买入可以促进其流动性，融资规模越大流动性越强。

图2 融资流动性对个股流动性的作用机制

Brunnermeier和 Pedersen （2009）［25］发现在股票市场发生较大下跌时，融资流动性和个股流动性会互相加速下降，形成下降的流动性螺旋。具体作用机制为：当股票价格处于急剧下跌过程之中，交易者融资流动性受限。在融资杠杆的作用下，亏损放大，因止损交易者卖出股票，进而增加股票供求失衡程度，个股流动性下降，价格继续下跌。这导致交易者现有持仓亏损严重。由于受到融资杠杆最低保证金的约束，交易者需要追缴保证金或者降低融资杠杆，造成交易者融资流动性进一步下降，形成下降的流动性螺旋（liquidity spirals）。

个股融资的规模可作为该股投资者杠杆的代理变量，个股的投资者杠杆越高，在市场大幅下跌的过程中越容易触及平仓线，流动性恶化速度更快。

假设2：在市场极端下跌过程中，股票融资规模越大，以Amihud非流动性指标衡量的流动性越差。

根据 Brunnermeier和 Pedersen （2009）［25］的理论，交易某只股票的交易者的融资流动性越好，则该股流动性会更多体现其个股特征，受市场整体流动性影响较小，从而流动性协同越小。个股融资规模可视为融资流动性的代理变量，个股融资规模越大表明融资流动性越好，进而流动性协同越小。

假设3：股票融资规模增大，有助于降低流动性协同。

同样，融券交易能以上述类似的作用机制对流动性、流动性协同产生影响：通过增加市场交易量、引导价格围绕内在价值波动的方式改善个股流动性；在市场极端下跌过程中扩大跌幅，造成融资流动性进一步下降，个股流动性加剧恶化；但当融券交易规模较小时，可能无法发挥其作用。以2015年12月31日为例，A股融资余额为1.17万亿元，占市场流通市值比为2.80%；融券余额为29.60亿元，占市场流通市值比仅为0.007%。

假设4：融券规模对个股流动性以及流动性协同无显著影响。

（二）主要变量

1.流动性。

流动性是指投资者在市场上能以合理价格快速交易的能力，包括即时性 （交易完成所需时间）、市场宽度 （交易价差）、市场深度 （给定报价下交易量）和弹性 （委托不平衡时的调整速度）这四个方面。由于我们更关注交易对于价格的冲击，将采用下面两个指标来衡量股票市场的流动性：非流动性和收益反转指标。尽管非流动性与收益反转指标均为价量指标，但两个指标之间可以相互补充，非流动性衡量的是单位交易金额对收益率的影响，收益反转指标刻画了滞后一期的交易信息对收益率的冲击。

其一，非流动性。

根据 Amihud（2002）［4］的研究， 单位交易额对股票收益的影响越小，其流动性越好，计算公式如下：

其中，Illiqi，t，m，d为股票i在t年m月d天的非流动性， 而Illiqi，t，m是月度非流动性指标。Di，t，m为股票i在t年m月的交易天数，｜Reti，t，m，d｜和Volumei，t，m，d分别为股票i在t年m月d天的收益率和交易金额。代表每天每亿元交易额所引发的绝对收益变动，非流动性指标越小，流动性越好。

其二，收益反转指标。

根据 Pastor和 Stambaug （2003）［33］的研究， 相同交易金额，流动性差的股票容易出现反应过度，而后出现较大的收益反转。收益反转指标能衡量个股的流动性，主要通过下列回归方程估计：

其中，Ereti，t，m，d代表第d+1 天个股i的超额收益率 （用个股收益率减沪深300指数收益率），sign为符号函数， 当Ereti，t，m，d≥0 时取值为 1， 反之为 0；vi，t，m，d为每天交易金额 （以亿元为单位）。 我们用每只股票每月的日度数据进行回归，要求各股票月交易日超过15 天， 其中γi，t，m的绝对值即收益反转指标Gam。该指标越小，流动性越强。

2.流动性协同。

个股流动性会受到市场流动性的影响，当市场流动性对个股流动性的影响程度提高时，流动性协同上升。我们将根据Karolyi等 （2012）［30］用个股的日非流动性指标Illiqi，t，m，d来计算流动性协同。 构造如下两步回归方程：第一步：

为保证时间序列数据的平稳性，我们对个股日流动性指标进行一阶差分处理， 得到 ΔLiquidityi，t，m，d，αi，t，m为时间趋势项，Xt，m，d为一系列时间虚拟变量，包括周一到周四、月份、是否临近假期①中国法定假期包括元旦、春节、清明、劳动节、端午、中秋和国庆节。如果假期在周五，则周四设为1；如果假期在周一，则周二设为1；如果假期在其他工作日，则前后一天均设为1。。月度回归之后得到残差εi，t，m，d（用 ΔLiqi，t，m，d表示），这是剔除时间因素影响的个股流动性。我们用沪深300指数来代替市场指数，对市场流动性同样进行了一阶差分和时间因素处理。

第二步：

ΔLiqi，t，m，d为个股流动性， ΔLiqt，m，d为市场流动性，通过月度数据回归后得出的决定系数代表个股i在t年m月的流动性协同。越高， 代表流动性协同越大，即个股流动性受市场流动性的影响越大。

3.融资融券规模。

本文主要采用融资余额占流通市值之比和融券余额占流通市值之比衡量个股融资融券规模，另外我们也尝试用过融资余额和融券余额，以及月度融资净额和月度融券净额进行稳健性检验。

4.主要控制变量。

其一，沪深300成分股、机构投资者占比和股灾。

沪深300指数覆盖了沪深股市的绝大部分流通市值，该指数成分股代表性强，且沪深300股指期货可提供做空机制，与市场上其他股票相比存在较大的差异。股票是否为沪深300成分股可能会影响其流动性，本文设定当股票为沪深300成分股时取值1，否则为0，虚拟变量根据沪深300成分股的调整而调整。

机构投资者与个人投资者的投资风格差异较大，机构投资者占比的不同可能引起个股流动性的变动。文献已证明个股的共同基金持仓比重会对个股的流动性及流动性协同产生影响。本文设定当股票机构投资者占比大于2010—2015年全市场股票机构投资者占比中位数时，取值1，否则为0。

市场行情对个股流动性有着较为显著的影响，本文加入股灾这一虚拟变量，股灾定义为：当月度市场收益率位于2010年至2015年月度市场收益率的后十分位数时，取值1，否则为0。发生股灾的月份包括2010年4月、2010年5月、2011年9月、2013年6月、2015年6月、2015年7月和2015年8月。

其二，投资者情绪、相关联交易和市场波动。

从需求侧角度看，投资者情绪的变动可能同时影响市场中的很多股票，进而导致流动性协同随之变动。当相关联交易增加时，个股与市场的联动性加强，使得流动性协同上升。从供给侧角度看，市场波动加大将导致融资流动性下降，流动性协同上升。Karolyi等 （2012）［30］的研究表明投资者情绪、 相关联交易和市场波动对流动性协同有着显著正向影响。本文分别采用封闭式基金折价、换手率协同和市场波动率标准差作为投资者情绪、相关联交易和市场波动的代理变量。

其三，其他控制变量。

根据已有文献 （Kahraman 和 Tookes， 2017［8］；Chung 和 Chuwonganant， 2014［34］）， 在回归中， 我们对可能影响流动性和流动性协同的其他因素加以控制，对于流动性，其他控制变量分为市场特征变量和公司特征变量。其中，市场特征变量包括：滞后一期的收益率标准差 （Lagstd）、滞后一期的收益率 （Lagret）、滞后一期的交易金额 （Laglnvolume）、滞后一期的股票流通市值 （Laglnvalue）、滞后一期的收盘价（Lagprice）。公司特征变量包括：滞后一期的账面市值比 （Lagmb）、滞后一期的净利润率 （Lagprofit）、滞后一期的资产负债率 （Lagdebt）。对于流动性协同，其他控制变量包括：滞后一期的收益率标准差（Lagstd）、滞后一期的收益率 （Lagret）、滞后一期的交易金额 （Laglnvolume）、滞后一期的股票流通市值（Laglnvalue）、滞后一期的市场收益率 （Lagret_a）、滞后一期的市场非流动性 （Lagilliq_a）。

（三）回归方程

文献研究常常将个股流动性或流动性协同求月度平均，再对相应因子进行时间序列回归，但这样处理会忽略股票横截面的相关信息 （Corwin和Lipson，2011）［29］。本文使用面板数据，对不同公司的数据进行分析比较，可提供更多的个股动态行为信息。我们对融资规模和融券规模分别进行回归，根据Hausman检测判断应采用时间固定效应模型，并在公司层面上统一对回归系数标准误进行cluster稳健性处理，针对假设1和假设4，具体模型如下：

其中，Liquidityi，t，m表示t年m月股票i的流动性指标，Margini，t，m和Shorti，t，m分别表示t年m月股票i的融资融券规模，Controli，t，m为控制变量，μt，m为时间效应，εi，t，m为随机误差项。

针对假设2和假设4，我们在回归中加入股灾这一重要研究变量，模型设定如下：

其中，Crash为 “股灾”虚拟变量，β2分别表示融资规模 （或融券规模）与股灾的交叉项的系数，可判断融资、融券在股灾中对流动性的影响。

针对假设3和假设4，我们将流动性协同作为被解释变量：

四、数据描述

（一）数据选取

本文选取了2010—2015年的可融资融券的A股数据，并进行了如下处理：一是为正确反映收益率变量，个股收盘价采取经除权除息等调整的前复权价格；二是剔除样本期内IPO股票；三是剔除样本期内ST、∗ST股票；四是剔除样本期内通过拆股、高转送或定增等方式使得股票变动数超过原来流通股数100%的股票；五是剔除样本期内发生重大重组事件的股票；六是对流动性指标、流动性协同指标及两者滞后项进行1%缩尾处理。本文的非流动性 （Illiq）、收益反转指标 （Gam）和流动性协同 （R2_Illiq）均通过日度数据计算得出。数据来源为Wind数据库和国泰安数据库。

（二）描述性统计

通过以上处理，2010年4月至2015年12月沪深两市共有508只股票符合要求。表1PanelA列出主要变量的描述性统计数据。

表1 描述性统计

由表1可知，样本股票在2010年4月—2015年12月期间的非流动性和收益反转指标均值分别为1.583和0.348，相对应的标准差分别为1.711和0.459。此外，融资余额占流通市值之比 （Per-margin）和融券余额占流通市值之比 （Pershort）的均值分别为4.255%和0.015%，由此可见，我国融资交易较为活跃，而融券量十分有限。根据非流动性计算得出的流动性协同均值为22.441%，即样本期内市场流动性对个股流动性的解释程度约为22%。

五、实证结果

（一）基础回归

表2提供了固定效应回归模型 （5）的估计结果。其中，Permargin表示融资余额占流通市值之比，Pershort表示融券余额占流通市值之比。

表2 融资融券／流通市值占比与个股流动性

解释变量Permargin的系数均在1%的水平上显著，对Illiq和Gam为负，符号与假设相符。结果说明个股融资余额越大，其流动性越强。融资占比增加1个百分点，非流动性和收益反转指标分别减少0.036和0.016。融券占比的系数多数不显著，仅收益反转指标在10%水平显著为负，表明融券占比对个股流动性无明显影响。控制变量中，滞后一期的股票收益率Lagret和滞后一期的平均成交额Laglnvolume的系数在1%的显著性水平上显著为正，这与Kahraman 和 Tookes（2017）［8］的研究结论一致。 基础回归结果支持本文假设1和假设4。

（二）稳健性检验

在这一部分，我们进行了四组稳健性检验。由于篇幅有限，具体数据没列出，结果如下。首先，我们用融资余额 （取对数）和融券余额 （取对数）替代基础回归中的自变量，回归结果仍然表明融资规模越大，个股流动性越强；而融券规模对个股流动性无显著影响。假设1和假设4得到进一步验证。

另外，本文还用月度融资净额和月度融券净额、融资交易占比和融券交易占比对市场流动性的影响进行了估计，回归结果均显示融资指标对各个流动性指标的回归系数显著且符合假设，这说明融资交易确实有效提高了个股流动性。但融券交易的系数基本不显著，表明融券交易对流动性无显著影响。

我们还构造了日均换手率指标，进行稳健性检测。每月的日均换手率从交易量角度反映了市场流动性，计算公式如下：

其中，Turnoveri，t，m，d为i在t年m月d天的换手率，Turnoveri，t，m，d是股票i的月度日均换手率。Di，t，m为股票i在t年m月的交易天数，Quantityi，m，d和Stocki，m，d分别为股票i在t年m月d天的交易股数和流通股数量。结果同样显示融资规模越大，个股流动性越强；而融券规模对个股流动性无显著影响。

文献发现流动性受指数成分股和机构投资者比重的影响，我们加入HS300和机构投资者占比的虚拟变量进行相关检验。结果同样发现融资规模的增大有效改善了个股流动性，但HS300和Inst的系数均不显著，沪深300成分股以及机构投资者占比对个股流动性无明显影响。对于沪深300成分股，其原因可能是相应指数基金和股指期货规模较小；对于机构投资者占比，这可能是由于我国股票市场仍以个人投资者为主体。

（三）融资融券、个股流动性与股灾

为研究股灾中融资融券对流动性的影响，我们在回归中引入股灾虚拟变量，结果如表3所示。第（1）、（3）列加入融资规模与股灾的交叉项；第（2）、（4）列加入融券规模与股灾的交叉项。

表3 融资融券、个股流动性与股灾

续前表

由表3可知，加上股灾、融资 （融券）占比与股灾的交叉项后，融资占比对流动性的系数依旧显著。Permargin×crash交叉项系数对两个流动性指标的估计均显著为正。对于Illiq指标，股灾中的融资占比越大，流动性越差 （因交叉项的绝对值大于permargin的系数），这与 Brunnermeier和 Pedersen（2009）［25］提出的流动性螺旋理论相一致，即在股灾中个股的投资者杠杆越高，在价格下跌—流动性下降的相互作用下，个股流动性反而恶化。Pershort×crash对各流动性指标的系数不显著，表明在股灾中融券交易对个股流动性不起作用。回归结果为假设2和假设4提供了有力支持。

（四）融资融券与流动性协同

表4列示了融资融券规模对于个股流动性协同的影响，流动性协同指标通过Illiq计算得出。第（1）～（2）列为加入滞后一期的收益率标准差 （Lagstd）等控制变量的回归结果；第 （3）～（4）列为加入了需求侧因素 （机构投资者 （Inst）、投资者情绪 （Lagdiscount）、相关联交易 （Lagturnover_rsq）） 的回归结果；第 （5）～（6）列主要加入了供给侧因素 （市场波动 （Lagstd_a）） 的回归结果；第 （7）～（8） 列则综合考虑了需求侧和供给侧因素。

表4 融资融券规模与流动性协同

续前表

由表4第 （1）、 （3）、 （5）、 （7） 列的结果可知，Permargin对R2_Illiq的系数显著为负，该结果支持假设 （3），股票融资规模增大代表融资流动性提高，进而有助于降低流动性协同。这与Brunnermeier和Pedersen（2009）［25］的理论一致，即融资流动性从供给侧角度对流动性协同产生反向影响。但融券交易对流动性协同的系数估计均不显著，证明假设4成立。

在Inst、Discount和Lagturnover_rsq等需求侧因素的回归分析中我们发现，机构投资者占比 （Inst）的系数并不显著，这与Chung（2014）［34］的研究结果不同，出现该结果的原因可能是我国机构投资者行为及比重与发达证券市场相比存在较大差异。封闭式基金折价（Lagdiscount）和换手率协同指标 （Lagturnover_rsq）系数显著为正，说明投资者情绪、相关联交易越高，流动性协同越高，这与Karolyi等 （2012）［30］的结论一致。对于市场波动率Lagstd_a这一供给侧因素，系数显著为正，滞后一期市场波动越大，流动性协同越高，结果支持 Karolyi等 （2001）［21］的结论。

六、结论

从2010年3月31日正式推出融资融券试点开始，我国融资融券业务的发展已超7年。在此期间，融资融券规模不断扩大，相应的规章制度不断完善，该项制度创新在我国股票市场上扮演着越来越重要的角色。本文利用2010—2015年月度面板数据，通过固定效应面板回归研究了融资 （融券）交易对个股流动性及流动性协同的影响，并研究了在股灾中融资（融券）交易对个股流动性的特殊影响。

本文主要结论为：第一，实证结果发现，用Amihud非流动性和收益反转指标来衡量流动性，从整体上看，股票融资规模越大，流动性越好。这与融资交易从证券供给需求端为股票提供流动性的理论分析结论一致。而在股灾中，由于流动性螺旋效应的存在，股票融资规模越大，非流动性指标反映的流动性越差。第二，融资规模的增加提高了融资流动性，进而降低流动性协同。第三，由于我国融券规模很小，在实证中并没有发现其对个股流动性和流动性协同有显著影响。第四，投资者情绪越高，相关联交易越高，市场波动率更高，流动性协同越明显。

本文的研究发现，融资交易是一把 “双刃剑”。一方面，监管层要认识到，融资规模的适度发展能够改善市场流动性提高市场效率；另一方面，在股票市场危机中，由于存在流动性螺旋效应，融资交易反而会恶化个股流动性，加深股灾严重程度，其他学者如褚剑和方军雄 （2016）［35］也发现融资融券制度实际上加剧了股价崩盘的风险。因此，监管层不仅要加强引导，使融资交易更好地发挥提升市场流动性的作用，还应防范融资交易被市场投机者滥用，强化对融资交易投机行为的监督。在具体操作环节，监管层应建立一套全面的融资杠杆风险预警机制，监测个股和市场的融资规模的变动，防范融资杠杆过高带来的金融风险。

［1］宋逢明，谭慧.订单驱动型市场的系统流动性：一个基于中国股市的实证研究 ［J］.财经论丛，2005，3（116）：63-69.

［2］张玉龙，李怡宗，杨云红.中国股市的系统流动性——来自拓展的FDR法的证据 ［J］.金融研究，2012，389（11）：166-178.

［3］Amihud Y.， Mendelson H.Asset Pricing and the Bid-Ask Spread ［J］.Journal of Financial Economics， 1986， 17 （2）： 223-249.

［4］Amihud， Y.Illiquidity and Stock Returns： Cross-Section and Time-Series Effects ［J］.Journal of Financial Markets， 2002， 5 （1）： 31-56.

［5］Diamond， D.W.， Robert E.V.Constraints on Short-Selling and Asset Price Adjustment to Private Information ［J］.Journal of Financial Economics，1987，18 （2）：277-311.

［6］Charoenrook A.， Daouk H.The World Price of Short Selling ［R］.Cornell University， New York， NY， Working Paper， 2004， October： 1-55.

［7］Beber A.， Pagano M.Short-Selling Bans around the World： Evidence from the 2007—09 Crisis ［J］.The Journal of Finance， 2013， 68 （1）：343-381.

［8］Kahraman， C.B.， Tookes H.Trader Leverage and Liquidity ［J］.Journal of Finance，2017， 72 （4）： 1567-1610.

［9］廖士光，杨朝军.卖空交易机制对股价的影响——来自台湾股市的经验证据 ［J］.金融研究，2005，10（304）：131-140.

［10］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（323）：118-132.

［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，2008，34（10）：99-109.

［12］Chang， EC.， Luo Y.， Ren J.Short-Selling， Margin-Trading， and Price Efficiency： Evidence from the Chinese Market ［J］.Journal of Banking ＆Finance，2014 （48）：411-424.

［13］李科，徐龙炳，朱伟骅.卖空限制与股票错误定价——融资融券制度的证据 ［J］.经济研究，2014（10）：165-178.

［14］黄瑜琴，胡聂风，李汉军.我国融券制度的推出是否减小了AH股价差？［J］.投资研究，2015（9）：76-89.

［15］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（420）：173-188.

［16］陈海强，范云菲.融资融券交易制度对中国股市波动率的影响——基于面板数据政策评估方法的分析 ［J］.金融研究，2015，6（420）：159-172.

［17］Chordia T.， Roll R.， Subrahmanyam A.Order Imbalance， Liquidity， and Market Returns ［J］.Journal of Financial Economics， 2002，65 （1）：111-130.

［18］Huberman G.， Halka D.Systematic Liquidity ［J］.Journal of Financial Research，2001，24 （2）： 161-178.

［19］Hameed A.， Kang W.， Viswanathan S.Stock Market Declines and Liquidity ［J］.Journal of Finance，2010，65 （1）： 257-293.

［20］Coughenour J.F.， Saad M.M.Common Market Makers and Commonality in Liquidity ［J］.Journal of Financial Economics， 2000， 56 （1）：3-28.

［21］Hasbrouck J.， Seppi D.J.Common Factors in Prices， Order Flows， and Liquidity ［J］.Journal of Financial Economics， 2001， 59 （3）：383-411.

［22］Kamara A.， Lou X.， Sadka R.The Divergence of Liquidity Commonality in the Cross-Section of Stocks ［J］.Journal of Financial Economics，2008，89 （3）：444-466.

［23］Koch A.， Ruenzi S.， Starks L.Commonality in Liquidity： A Demand-Side Explanation ［J］.Review of Financial Studies， 2016， 29 （8）：1943-1974.

［24］Huberman G.， Halka D.Systematic Liquidity ［J］.Journal of Financial Research，2001，24 （2）： 161-178.

［25］Brunnermeier M.K.， Pedersen L.Market Liquidity and Funding Liquidity ［J］.Review of Financial Studies， 2009，22 （6）：2201-2238.

［26］Aragon G.O.， Strahan P.Hedge Funds as Liquidity Providers： Evidence from the Lehman Bankruptcy ［J］.Journal of Financial Economics，2012，103 （3）：570-587.

［27］Adrian T.， Shin H.Liquidity and Leverage ［J］.Journal of Financial Intermediation， 2010，19 （3）： 418-437.

［28］Qian X.， Tam L.H.K.， Zhang B.Systematic Liquidity and the Funding Liquidity Hypothesis ［J］.Journal of Banking and Finance， 2014， 45（1）： 304-320.

［29］Corwin， S.A.， Lipson M.L.Order Characteristics and the Sources of Commonality in Prices and Liquidity ［J］.Journal of Financial Markets，2011，14 （1）：47-81.

［30］Karolyi G.A.， Lee K.， Van Dijk M.Understanding Commonality in Liquidity around the World ［J］.Journal of Financial Economics，2012，105（1）： 82-112.

［31］Lowe A.The Demand-Side Explanation for Commonality in Liquidity： The Role of Institutional Ownership in the Taiwan Stock Exchange ［J］.Pacific Basin Finance Journal， 2014 （29）： 59-85.

［32］Koch A.， Ruenzi S.， Starks L.Commonality in Liquidity： A Demand-Side Explanation ［J］.Review of Financial Studies， 2016， 29 （8）：1943-1974.

［33］Pastor L.， Stambaugh R.F.Liquidity Risk and Expected Stock Returns ［J］.The Journal of Political Economy，2003，111 （3）： 642-685.

［34］Chung K.H.， Chuwonganant C.Uncertainty， Market Structure，and Liquidity ［J］.Journal of Financial Economics，2014，113 （3）：476-499.

［35］褚剑，方军雄.中国式融资融券制度安排与股价崩盘风险的恶化 ［J］.经济研究，2016（5）：143-158.