融资融券杠杆率、投资者偏好与股票市场波动

董志伟 夏 楸 刘国会 阮连芳 屈云辉

1 引 言

融资融券交易即“证券信用交易”或“保证金交易”，是指投资者向具有融资融券业务资格的证券公司提供担保物，借入资金买入证券最后再卖出证券归还资金（融资交易）或借入证券并卖出最后再买入证券归还券商（融券交易）的行为。我国于2010年3月31日正式启动了A股市场融资融券交易试点，首批融资融券标的个股为90只。于2011年8月融资融券业务转入常规阶段。2012年8月，转融通业务正式启动，进一步扩大了标的股票数量，融资融券交易自试点以来，共经历了六次扩容，标的股票也从初期90只增加到了1600多只，交易规模逐年扩大，相关交易总量占整个市场的比重越来越大，对股票市场的发展产生了重大影响。尤其在2015年的A股市场剧烈波动中，融资融券的杠杆资金扮演了重要的角色。据估算2015年场内融资规模达2.27万亿，场外配资规模约1.8万亿元，高峰时杠杆资金达到了4万亿，这几乎占据了A股流通市值的10%。对比国际上任何一个股票市场，当杠杆资金超过流通市值5%就已经是非常危险的信号了。同时，另一风险信号是杠杆率过高的问题，当时场外配资的杠杆率普遍达到3-10倍。这意味着，一旦股市下跌10-30%，这些杠杆资金头寸将爆仓，这在2015年6月的A股市场大幅下跌中也被证实。

融资融券交易制度自实施以来一直是市场和理论界的关注焦点，国内学者对融资融券功能的研究相对集中，较为系统地研究了融资融券的市场资源配置、流动性、风险管理与稳定市场等功能，但从融资融券杠杆效应角度研究的文献相对较少。融资融券交易为投资者提供了杠杆交易的选择，股票市场的发展也离不开金融杠杆，但过高的杠杆率不利于市场的稳定发展。为此，论文将融资融券杠杆率、投资者风险偏好与市场波动三个指标纳入S-VAR模型进行研究，分析三者之间相互的影响关系与影响程度，进而提出在市场稳定前提下，不同风险偏好投资者融资融券杠杆率的差异化选择。

2 文献综述

融资融券交易在国外也称为信用交易，其早已成为资本市场不可或缺的资产定价机制，Miller（1977）［14］开创性地提出在卖空交易缺失的市场中，悲观的投资者会选择离开市场，资产价格反映的是乐观投资者的估值，因此股价被高估而形成了泡沫，从而导致资产价格大幅波动，即卖空交易的存在能够降低股票市场的波动性。其后研究者 Kim(1996)［13］，Haruvy et al.(2007)［10］，Beber and Pagano（2013）［6］的实证研究结果也支持上述观点。与Miller（1977）［14］研究相反的观点则认为：由于卖空的引入，资产价格对信息的调整速度会减缓，错误的定价难以被纠正，在资产价格被高估的情况下，卖空交易会进一步增加资产价格的波动性（Anufriev and Tuinstra，2013［1］，Aitken et al., 1998［2］，Chang et al., 2007［7］）。而 Figlewski and Webb(1993)［16］认为卖空交易与股价波动之间的关系是中性的，股票市场稳定性的影响因素更多地取决于一些其他因素。国内对融资融券交易制度与市场稳定性的影响研究起步相对较晚，研究观点主要集中于：一是认为融资融券交易降低了标的证券的噪音交易、提升了信息传递速度、降低了公司盈余操纵以及投资者之间的信息不对称程度，从而降低了标的证券股价的特质性波动，提高了股票市场价格的稳定性（肖浩和孔爱国，2014［19］）。二是认为融资融券交易中，杠杆效应会使股市从稳定向脆弱性转变，最终降低股市的稳定性，加剧标的股价崩盘风险（吕大永和吴文锋，2019［24］）。三是融资融券交易制度对熊市波动非对称性和牛市反向波动非对称性都没有显著影响，即它对股市周期性波动的影响是中性的（李锋森，2017［20］）。

而对于投资者偏好与股票市场波动性之间的研究，主要集中于投资者情绪、市场收益和波动性角度。张宗新和王海亮（2013）［26］；Kumari and Mahakud（2015）［11］分别利用多元回归法、脉冲响应函数，VAR-GARCH模型以及羊群效应和贝叶斯模型进行研究分析，发现投资者偏好对市场收益率和波动性存在显著的正面影响。Bhojraj et al.(2009)［4］假设聪明的投资者会根据市场中的套利机会，大胆追加证券保证金，以提高收益。实证结果发现：在卖空操作下，投资者的行为会加剧资产价格高估的程度，从而加剧价格波动风险。巴曙松和朱虹（2016）［25］研究结论也支持上述观点。张继海（2019）［28］则从行为经济学视角下提出，投资者情绪可通过系统性偏差、非理性资产泡沫等机制影响股票市场收益。投资者情绪根据内在决策偏差和外部环境因素变化而产生，人们对未来市场走势的预期以及对历史信息和股票基本因素的反馈都可以反映在投资者情绪中。

对于融资融券杠杆对市场波动的影响，主要集中在杠杆的选择问题上。Grossman and Sanford（1976）［8］认为杠杆机制的存在使得各类信息能够快速引导价格调整。但其实更多的学者认为，高杠杆率意味着高风险，对市场的冲击更大，更加剧市场崩溃速度。Hardouvelis（1990）［9］认为高杠杆机制减弱了信息向价格传递的效率，融资融券制度的杠杆效应是其引起股票市场波动的重要原因。Harris et al.(1961)［5］从投资者行为的角度出发，提出＂金字塔和倒金字塔＂理论。即由于信用交易存在杠杆效应，投资者在股市行情上涨时融资买入股票会进一步推动股价上涨。反之，投资者在股市行情下跌时卖空股票会促使股价进一步下跌。高杠杆极易诱发资产价格泡沫，投资者在价格上涨中更易追涨杀跌，出现非理性投资，最终可能引发市场崩溃甚至金融危机。King（1993）［12］，Fortune（2001）［15］发现在信用交易机制下，市场容易过度上涨并产生价格泡沫，进而增大市场的波动性。而且信用交易的杠杆性会使得投资者选择风险较高的投资组合，同时也带来了比普通证券更多的风险。吴晓求（2016）［22］提出由于我国大力开展融资业务，融资融券资格开放得越来越多，信用风险也成倍增加。当股市处于上涨阶段，融资主体为追求收益最大化，不断提高杠杆率，使得股市快速上涨，风险大幅增加，危机一触即发。

综上所述，国内外众多学者从不同角度分别研究了融资融券杠杆率、投资者偏好与股票市场波动性的关系，但大多数研究侧重于其制度层面的分析且较为单一，并未将融资融券杠杆率作为指标纳入系统进行分析，也未将三者的关系进行系统性的实证。为此，本文基于A股市场融资融券标的股票日交易数据与融资融券余额数据，将融资融券余额增长率、融资融券杠杆率、投资者风险偏好、市场波动率纳入S-VAR模型，系统研究了股市波动、融资融券杠杆率、投资者风险偏好三者之间相互影响关系与程度。

3 理论分析

3.1 融资融券杠杆率与投资者风险偏好的关系研究

根据期望效用函数理论，投资者的风险偏好可以根据收益的期望效用(u[E(g)])和收益期望值的效用(u(g))之间的大小将投资者分为风险偏好者(u(E(g))＜u(g))、风险中性者(u[E(g)]=u(g))和风险厌恶者(u[E(g)]＞u(g))。具体表现如图1所示：

图1 风险偏好

当股票市场处于上涨的行情时，风险偏好的投资者会融资买入股票，股票购买需求增加，融资杠杆也会随之增大；融资杠杆的增加会进一步放大风险和收益，从而影响风险偏好投资者的决策行为；当股票市场处于下跌的行情时，风险厌恶者会融券卖出股票，股票的供给量增加，融券杠杆也会随之增大，融券杠杆的增加同样会放大风险和收益，从而影响风险厌恶投资者的决策行为。

3.2 股市波动与融资融券杠杆效应的关系研究

根据Miller（1977）［14］假说，投资者根据股票价格的估值与股票实际价值之间的关系，将投资者分为了乐观投资者和悲观投资者。在掌握相同信息的前提下，投资者面对着相同的市场情况产生的市场偏好不一样。当股票价格上涨时，乐观投资者认为手中的股票还有进一步上涨的趋势，所以乐观的投资者将融资买入股票，融资买入的杠杆作用会直接成倍增加股票的需求，从而造成股价上涨，产生股市泡沫，进一步加剧了股票市场的波动性，如图2所示。但当股市处于下跌行情时，悲观投资者预期股票会继续下跌，于是会通过融券卖出股票，融券卖出的杠杆效应会直接成倍增加股票的供给，造成股价过度下跌。融资融券具有的这种会造成股票价格助涨助跌的效应会加剧股票市场的波动，如图3所示。

图2 市场上涨时融资交易

图3 市场下跌时融券交易

假设在股票价格的波动过程中，股价的波动可以看作市场的波动，并将杠杆率指标、投资者风险偏好、市场波动纳入一个整体研究。发现：一是当市场价格持续走低时，风险偏好型投资者会形成未来价格会反弹的预期，进而通过融资方式买入股票，融资杠杆率上升，股票的购买需求增加，从而使得股票价格回升。价格的快速回升也会使风险厌恶型投资者从观望转变为积极购买，主动买入股票，进一步增加股票购买需求，从而促使股票价格持续上升，直至股价被高估。二是当股价被高估时，风险厌恶型投资者预期未来股票价格会下降，在市场卖出股票或融券卖出股票，融券杠杆率上升，由于股票供给量的增加，使得股票价格开始下降。股票价格的下降又会使风险偏好型投资者进入避险需求，进一步加大融券比例以对冲风险，融券杠杆率进一步上升，进而股票价格也持续快速下降，详见图4。

图4 融资融券杠杆率、投资者风险偏好与股价波动

基于上述分析，融资融券杠杆率的变化体现了股票价格上涨—下跌的加速度，而投资者的决策行为主要依赖于投资者的风险偏好。融资融券杠杆率、投资者风险偏好对股票市场的波动性具有明显的影响。为此，论文通过构建结构向量自回归（S-VAR）进一步研究融资融券杠杆率、投资者风险偏好与股票市场波动性之间的相互影响关系和影响程度。

4 数据来源和变量定义

4.1 数据来源

本文收集整理了2016年12月12日到2019年8月1日沪深两市所有进入融资融券名单的上市公司为研究样本，选取融资融券上市公司股票日交易数据，融资融券余额数据（数据均来自CSMAR数据库）。分类整理了样本公司，通过Excel预分析处理并按照以下标准剔除了部分观测值：（1）金融类公司；（2）公用事业类公司；（3）ST类公司；（4）变量缺失公司。最终得到有效数据644组，共计日度数据433764个。

4.2 变量选取

根据论文的研究思路和对象，选取了股市波动性为被解释变量，融资杠杆率、融券杠杆率和投资者偏好指标为解释变量。各指标具体分析如下：

4.2.1 股市波动性变量

本文借鉴Andersen and Bollerslev(2002)［3］文中提出的基于当日股指最高价和最低价构造的波动率模型对沪深300指数的波动性进行刻画。具体计算公式如下：

4.2.2 融资杠杆效应

定义融资杠杆率为FL，融资杠杆率（FL）=当日融资余额/当日流通市值。其中，当日融资余额=前一日融资余额-当日偿还额+当日融资买入额，流通市值=标的股股数*标的股股价，由于标的股股价在波动，因此其流通市值也在随之波动。所以，融资杠杆率会随着融资余额和流通市值的变化而变化。

4.2.3 融券杠杆效应

定义融券杠杆率为LR，融券杠杆率（LR）=当日融券余额/当日流通市值。当日融券余额=前一日融券余额-当日偿还额+当日融券卖出额，流通市值=标的股股数*标的股股价，流通市值随着标的股股价波动而波动。因此，融券杠杆率会随着融券余额和流通市值的变化而变化。

4.2.4 投资者偏好指标的构建

考虑到中国股票市场的实际情况和数据的可获得性，借鉴张宗新（2013）［26］、石广平（2016）［27］构建的投资者偏好指标，选用了市盈率（PER）、上指振幅(UFA)和换手率(TR)作为投资者偏好指标变量。由于研究中考虑融资融券杠杆率对市场波动的影响，因此借鉴了Gervais & Odean（2001）［18］的关于投资者过度自信的行为金融模型，将融资余额(FB)和融券余额(MB)也纳入投资者偏好指标的构建中。由此，本文通过引入五个投资者偏好代理变量，采用主成分分析法，构建投资者偏好指标。各代理指标的分析如下：

市盈率（PER）：市盈率（PER）=股票价格（P）/每股收益(EPS)，市场估值水平高低是投资者偏好的市场表现，因此引入市盈率作为投资者偏好的代理指标之一。

上指振幅(UFA)：上指振幅=（当日最高点的价格－当日最低点的价格）/当日最低点的价格×100%，股票价格的高低体现了投资者偏好，因此将其引入投资者偏好的代理指标之一。

换手率(TR)：换手率=成交量/流通股本×100%，说明了股市交易的频繁程度，换手率越高，股市交易越频繁，投资者情绪越高涨，因此将该指标作为场内投资者偏好的代理指标。

融资余额(FB)：融资余额=当日融资余额=前一日融资余额-当日偿还额+当日融资买入额，当融资信用交易占主要份额时，市场中投资者偏好体现为杠杆融资引发的对资产价格预期过度乐观的风险爱好。

融券余额(MB)：融券余额=当日融券余额=前一日融券余额-当日偿还额+当日融券卖出额，当融券卖空交易占主要份额时，市场中投资者偏好体现为卖空交易主导的对资产价格预期悲观的风险规避。但考虑到融券交易代表投资者对市场的看空偏好，与其他指标方向相反，故以融券余额的相反数放入主成分分析中。

通过主成分分析将上述五个偏好变量进行降维处理，在损失较少数据信息的基础上，提取出其中受到偏好影响的相同部分，把多个偏好指标转化为投资者偏好综合指标。首先对市盈率（PER）、上指振幅(UFA)、换手率(TR)、融资余额(FB)、融券余额(MB)5个指标设置“提前”和“滞后”变量并对其进行第一次主成分分析。为消除各变量单位差异的影响，在主成分分析前对各个变量进行Z标准化处理，即将各代理变量减去其均值后再除以其标准差，得到一个由10个代理变量合成的市场投资者偏好指数。对这10个变量进行主成分分析时，第一主成分的方差贡献率仅达到了45.2%，丢失的信息较多，但前三个主成分的方差贡献率达到了86.52%，因此采用第1、2、3主成分的加权平均值作为构建的市场偏好指标IPI。其加权公式为：

其中IPIip表示第i主成分的投资者偏好指标值，ωi和ωj分别代表第i主成分或第j主成分的特征值。然后将得到的IPI分别与上述10个代理变量作相关性分析，并选择相关系数较大的5个变量作为构造市场投资者偏好指标IPIt的最终指标。相关性分析结果如表1 IPI与各代理变量的相关性分析所示：

表1 IPI与10个变量的相关性分析

从表1可知，IPI与ZPERt-1、ZUFAt-1、ZMBt-1、ZTRt-1、ZFBt-1的相关程度比较高。因此，本文最终选择ZPERt-1、ZUFAt-1、ZMBt-1、ZTRt-1、ZFBt-1这5个变量作为构建市场投资者偏好指标的最终偏好代理变量。

对上述5个已作Z标准化处理的偏好代理变量进行主成分分析，而只有第一、第二主成分的特征值显著地大于1，且得到第一、第二主成分的累积方差贡献率达到71.54%，说明以第一、第二主成分构建的市场投资者偏好指标涵盖了上述5个代理变量71.54%的信息。因此，选取第一、第二主成分的加权平均值作为构建的最终市场投资者偏好指标IPI，其最终结果为：

考察最终构建的市场投资者偏好指标（IPI）与所选偏好代理变量之间的相关性，结果如表2：

表2 IPI与代理变量的相关性分析

从表2中可以看出，IPI与ZPERt-1、ZUFAt-1、ZMBt-1、ZTRt-1、ZFBt-1均呈现出较强的正相关性。这表明所构建的市场投资者偏好指标涵盖了五个代理变量较多的信息。

4.2.5 变量定义

综上所述，本文选取的变量如表3所示：

表3 变量定义表

5 S-VAR模型与实证分析

传统的VAR模型是非结构化的，即不考虑变量间的同期关系，解释变量中没有因变量的同期变量。而实际中常常不可避免存在这样的关系，需要刻画变量间同期影响关系。考虑变量序列之间同期影响关系建立的VAR模型为结构VAR模型，即S-VAR。

5.1 变量的单位根检验

由于采用非平稳时间序列建模，可能会产生伪回归的结果，所以在建立VAR模型之前，有必要对股市波动性（SMV）、融资杠杆率（FL）、融券杠杆率（LR）、投资者偏好指标（IPI）进行平稳性检验。主要检验的是以下三个方程：

结果如下表4所示：

表4 ADF检验结果

由表4 ADF检验结果可知，股市波动性（SMV）、融资杠杆率（FL）、投资者偏好指标（IPI）三个变量在5%的显著水平下，ADF统计量的绝对值都大于其临界值，对应的P值分别为0.0067、0.0000、0.0000，拒绝有单位根的原假设，变量平稳；但是融券杠杆率（LR）在5%的显著水平下，ADF统计量的绝对值小于其临界值，对应的P值为0.9875，接受原假设，变量不平稳；接下来对融券杠杆率（LR）进行一阶差分并检验其平稳性。记LR的一阶差分为LR1,由结果知，融券杠杆率一阶差分平稳，所以股市波动性（SMV）、融资杠杆率（LR）、融券杠杆率一阶差分（LR1）、投资者偏好指标（IPI）可用来构建向量自回归（VAR）模型。

5.2 确定最优滞后阶数

通过单位根检验可知，股市波动性（SMV）、融资杠杆率（FL）、融券杠杆率一阶差分（LR1）、投资者偏好指标（IPI）均为平稳变量，可以构建VAR模型。首先确定滞后阶数，其结果如表5 滞后阶数所示，根据信息准则和多数原则，可以确定该模型的最优滞后阶数为6阶。

表5 AIC最优滞后阶数

5.3 模型的稳定性检验

进一步对确定的VAR模型进行稳定性检验。模型的稳定性会影响部分结果的有效性，同时稳定性条件也是进行脉冲响应分析和方差分解所必须满足的条件。VAR模型的稳定性条件是所有单位根的模都小于1，即所有单位根的模都落在了单位圆内。检验结果如图5 模型稳定性检验所示：

图5 模型稳定性检验

5.4 S-VAR模型

S-VAR的识别问题是指从模型简化式的参数估计得到相应结构式的参数估计。如果估计参数有正确的估计值，说明S-VAR模型能够识别。反之，则需要施加约束条件。通过上述分析，我们可以建立S-VAR模型。含有k个变量和p阶向量的向量自回归VAR（P）模型的数学表达式为：

yt-p表示内生变量的p阶滞后向量。

（7）式是与（8）式相对应的结构向量自回归（S-VAR）模型，也称为结构式。本篇论文采用的是Bernanke(1986)和Sims(1986)先后提出的AB模型。假定A和B是n×n的可逆矩阵，并且满足以下条件：

基于上面的分析，我们可以建立SVAR（6）模型，本文建立AB型的4变量SVAR（6）模型，形式如下：

是VAR模型的扰动项，表示作用在变量 上的结构式冲击，也就是结构式扰动项。

在AB型的SVAR模型中，由于模型有4个内生变量，至少需要施加2k^2-k（k+1）/2=22个约束，这样才能使得SVAR模型满足可识别条件。本文约束中B矩阵为单位矩阵，A矩阵对角线元素都是1，这样就相当于施加了k（k+1）=20个约束条件。根据相关经济、金融基础理论，本文认为，融资杠杆率（FL）、融券杠杆率一阶差分（LR1）、投资者偏好指标（IPI）对股市波动（SMV）有影响，所以C21、C31、C41≠0。结果如表6所示：

由表6可得，矩阵AB如下：

矩阵中的估计值说明了各变量当期冲击效果，正数表示正向冲击，负数表示负向冲击，绝对值大小表示冲击大小。从表6估计结果可知，融资杠杆率和融券杠杆率对股票价格均具有正向的冲击影响，投资者偏好指标对股票价格冲击效果不显著。

5.5 脉冲响应分析

脉冲响应函数能够相对完整的显现出变量的动态影响过程。因此，为了全面考察融资杠杆率、融券杠杆率和投资者偏好指标对股市波动性的动态影响路径，下面对融资杠杆率、融券杠杆率的一阶差分和投资者偏好指标与股市波动性指标进行脉冲响应分析。

5.5.1 SMV与FL的脉冲响应分析

图6 SMV与FL的脉冲响应

图6结果显示，在当期给融资杠杆率一个标准差大小的冲击时，会对股市的波动性有一个较为明显的正向影响。随着滞后期数的增加，正向影响的效应逐渐减弱。即当融资杠杆率增加时，市场也会呈现上涨趋势，从而导致市场的波动性增强，但随着时间的推移，这种影响会趋于平稳。

当市场波动性受到一个标准差大小的冲击，会对融资杠杆率指标产生一个正向的影响，该影响随着时间的推移，会越来越弱。表明，当市场呈上涨趋势时，短期来看，融资杠杆率增加明显，反映出投资者愿意承担更高的风险和杠杆率；而随着时间的推移，投资者会担心市场波动趋势改变而带来损失，市场波动性对融资杠杆率的影响程度逐渐减弱。

5.5.2 SMV与LR1的脉冲响应分析

图7 SMV与LR1的脉冲响应

图7结果显示：在当期给融券杠杆率一个标准差大小的冲击时，市场波动性与融券杠杆率呈现出相同的变化趋势，具有较为明显的正相关性，随着期数的增加，二者相同的变化趋势逐渐趋于平稳。当融券杠杆率增加时，市场大多处于下跌趋势中，此时的市场波动率指标会增大。融券杠杆率的上升，带来的是市场波动的明显增加，投资者增加融券比例以实现价格风险对冲与风险管理，这又进一步加剧市场下跌。因此我们可以看到，在第7期时，融券杠杆率对市场波动的影响达到最高，这也反映投资者面临市场下跌时，在进行风险规避和对冲时有一个滞后行为。

在当期给市场波动率一个标准差大小的冲击时，融券杠杆率短期明显增加，即市场下跌时，投资者通过融券交易进行投机和风险对冲，融券杠杆率增加。但从长期角度来看，融券杠杆率逐渐趋于平稳。

5.5.3 SMV与IPI的脉冲响应分析

图8 SMV与IPI的脉冲响应

据图8所示，当投资者风险偏好受到一个标准差大小的冲击时，投资者偏好影响其投资行为，投资行为的改变对市场会产生一定程度的影响，且影响呈现负相关性，即投资者由于风险偏好形成的投资行为往往和市场波动是反向的。

当市场波动指标受到一个标准差大小的冲击时，投资风险偏好从负的最高逐渐增加为正向，随着期数的增加逐渐呈现平稳的负相关性。即市场波动会影响投资者的投资行为，由于投资者风险偏好的差异，导致投资者的行为在市场波动的不同时期，呈现出不同的投资决策，市场发生波动初期，投资者往往会随着波动方向的变化，采取更为积极的投资策略；随着波动的持续，投资者担心市场风险的增加，而往往采取与市场波动相反的投资策略。

5.6 方差分解

方差分解是为了将S-VAR模型中内生变量的方差结果分解到每个干扰项上进而考察其他变量对该内生变量影响的贡献程度。为了进一步探究，融资杠杆率、融券杠杆率和投资者偏好综合指数对股市波动性的影响程度，对SVAR（6）模型进行了方差检验分析，结果如表7所示：

表7 关于SMV的方差分解

从表7实证结果可以看出，股市的波动性主要由其自身所解释。但随着滞后期数的增加，融资杠杆率、融券杠杆率以及投资者偏好指标的解释程度均逐渐上升；其中，融资杠杆率的解释程度最高，融券杠杆率的解释程度最低。从数据的总体趋势来看，融资或融券杠杆率的上升明显会加剧市场波动。

6 结 论

通过实证研究发现：一是当市场呈现上涨趋势时，融资杠杆率会上升。这是因为当市场呈现上涨趋势时，投资者融资意愿更为强烈，愿意承担更高的融资成本和风险，使得融资杠杆率增加。而当市场呈现下跌趋势时，融券杠杆率上升。这是因为当市场呈现下跌趋势时，投资者融券卖空意愿更为强烈，通过融券来实现投机或价格风险对冲，使得融券杠杆率增加。二是融资融券杠杆率的上升，会加剧市场的波动。过高的融资融券杠杆率不利于市场的稳定发展。

融资融券交易制度是中国股票市场发展进程中的重要组成部分，对于市场资源配置效率的提高具有重要的促进作用。与此同时，融资融券交易也为投资者提供了杠杆交易的选择。股票市场发展离不开金融杠杆，杠杆的引入能有效提升证券市场的经济效率。但过高的融资融券杠杆率也会加剧市场波动，这不利于我国股票市场稳定发展的目标。从投资者风险偏好和投资决策行为来看，在面对市场波动时，个人投资者投机行为占主导，通过增加融资融券比例，主动承担更高的杠杆率，期望获取更高的收益。然而，过高的杠杆率又会加剧市场的波动，当市场波动与投资者预期不一致时，往往带来的是更高额的投资损失。因此，对于个人投资者而言，在能承受的风险损失前提下，合理地选择金融杠杆率是投资决策的关键因素。