融资融券交易对ETF基金市场流动性的影响.doc

1、1融资融券交易对 ETF 基金市场流动性的影响摘要：以 7种成为融资融券标的证券的交易型开放式指数基金（Exchange Traded Fund，EFT 基金）构造处理组，以 7种未成为融资融券标的证券的 ETF基金构造控制组，采用双重差分模型研究有 ETF基金成为融资融券标的证券前后我国 ETF基金市场流动性的差异，分析融资融券交易对 ETF基金市场流动性的净影响，得到的可靠结论是：融资融券交易提高了我国 ETF基金市场流动性，改善了 ETF基金市场质量。因此，ETF 基金市场监管者和交易者都需要对 ETF基金进入融资融券标的证券之前与之后进行区别对待。 关键词：融资融券；交易型开放式指数基

2、金；ETF 基金市场；市场质量；流动性；非流动性；双重差分模型 中图分类号：F830.91 文献标志码：A 文章编号：16748131（2013）03010306一、引言 我国证券市场从 2010年 3月 31日开始实施融资融券交易试点，开始只有 90只股票被纳入融资融券交易标的证券，后来又陆续对融资融券交易标的证券的品种和数量进行了调整和补充，逐渐扩大了融资融券交易标的证券的范围。2011 年 12月 5日，易方达深 100ETF、华夏中小板ETF、深成 ETF、上证 180治理 ETF、上证 50ETF、上证 180ETF、上证红利 ETF七只 ETF基金被纳入融资融券交易标的证券，这一事

3、件对我国证券市场融资融券交易对象产生了深刻影响，也为研究融资融券交易对 ETF2基金市场流动性和波动性等市场质量的影响提供了一个很好的实验平台。关于市场质量，郭彦峰等（2007）指出， “市场质量是一个包含流动性、波动性和有效性等在内的综合体” 。研究融资融券交易对证券市场的流动性或（和）波动性影响的文献比较多，而且呈现出并不一致的研究结论。融资融券交易对市场流动性影响的研究结论主要包括：Woolridge 等（1994）实证研究表明卖空交易者可以通过卖空交易机制在市场上涨时增加卖空交易量和在市场下跌时减少市场交易量来增加市场的流动性；Daouk等（2005）采用换手率作为衡量流动性的指标，对

4、 111个证券市场的数据进行研究，发现在有较多限制卖空的新兴市场国家股票市场的流动性要明显低于没有卖空限制的发达市场国家；廖士光等（2005b）研究了香港股市的卖空交易额与股市流动性之间的关系，发现卖空对香港股市的影响不大；骆玉鼎等（2007）研究认为保证金比率显著影响市场流动性和买空交易，融资买空交易为市场提供了流动性；王旻等（2008）从流动性的角度出发，研究了融资融券对台湾股市的影响，发现融券交易对台湾股市没有影响；谷文林等（2010）利用单因素方差分析法研究了融资融券的推出对我国股市流动性的冲击，未发现有显著影响；杨德勇等（2011）用类似的方法衡量了融资融券对几只在 2010年 7月

5、 1日被调入和调出标的证券名单的个股的流动性和波动性的影响，发现融资融券后沪市个股的波动性有所降低，流动性有所提高。 林祥友，代宏霞：融资融券交易对 ETF基金市场流动性的影响融资融券交易影响证券市场流动性的研究结论不一致，研究方法也各不相同，3且值得商榷。传统的研究方法有两种：一是对是否允许融资融券交易引入虚拟变量，考察虚拟变量系数的符号，比如 Daouk等（2005） 、陈淼鑫等（2008）的研究。但是，一般存在卖空的市场都是比较发达的市场，不存在卖空的市场都是新兴市场，因此是否允许卖空虚拟变量与市场发达程度相关，进而产生内生性问题。二是事件分析方法，考察融资融券交易推出前后市场的不同表现

6、，比如 Chang 等（2007） 、杨德勇等（2011）的研究。但是，市场的不同表现及市场波动可能是由于放松或禁止卖空引起的，也可能是其他因素变化引起的，使得这一方法的研究结论也不可靠（翟爱梅 等 2012） 。而双重差分模型能够较好地弥补上述两种研究方法的缺陷，可以用来作为研究融资融券交易影响市场流动性的首选方法。Bertrand 等（2004）就提出，双重差分模型因其能够更加坚实地辨识出因果关系并控制住时间序列上其他因素的影响，故而在经验研究中已得到越来越广泛的运用；Imbens 等（2007）指出，在自然实验中，由于处理组和控制组均来自受到某项具体政策影响与否的特定群体而非随机群体，双

7、重差分模型可以较好地控制处理组和控制组之间的系统性差异，以研究处理组在某项政策实施前后所发生的变化。经典的双重差分模型一般是通过比较一项政策发生前后，处理组与控制组的差异来考察政策的影响，如周黎安等（2005）运用双重差分模型检验农村税费改革的效应，聂辉华等（2009）采用双重差分模型考察增值税转型对企业行为和绩效的影响，杨阳等（2010）采用双重差分模型分析我国股指期货对股票市场的影响，翟爱梅等（2012）采用双重差分模型考察卖空机制对股价波动的影响，许红伟等（2012）基于双重差分模型研究4我国融资融券试点对股票定价效率和收益率分布的影响。可见，双重差分模型这一研究方法具有广泛的适用性和结

8、论的可靠性。 基于对以上相关研究文献的分析和借鉴，本文以 ETF基金进入融资融券标的证券这一事件为研究对象，以进入融资融券标的证券的 7种 ETF基金构造处理组，以未进入融资融券标的证券的 7种 ETF基金构造控制组，采用双重差分模型，检验 ETF基金进入融资融券交易标的证券前后的市场流动性差异，进而研究融资融券交易对 ETF基金市场流动性的净影响。相对于已有的研究而言，本文采用的双重差分模型能更为客观、准确地反映融资融券交易对 ETF基金市场流动性的净影响，确保了结论的可靠性。 二、研究设计 1.流动性的度量 衡量流动性一般有四种方法：价格法、交易量法、价量结合法和时间法。Kyle（1985

9、）将流动性分解为市场宽度、市场深度和弹性三个指标：市场宽度常常用价差表示，价差越小，流动性越好；市场深度采用最优买卖申报价格上的委托量衡量，委托量越大，流动性越好；弹性则是从价格发生变化到回复均衡价格所需要的时间，价格偏离价值后返回的速度越快，流动性也越好。但是很多研究并没有全面衡量流动性的这三个维度，往往只偏重于某一个维度（韦立坚 等，2012） 。一个好的流动性指标应包含流动性概念中的价格、数量和时间三个维度上的交易信息。在众多的流动性指标中，杨朝军等（2008）使用了能直接包含价、量、时三因素的流动性指标，即 Ill非流动性指标。非流动性指标是指5“反映指令流对价格的冲击交易执行时的卖出

10、折让或买入多付出的价格这种冲击源于逆向选择和存货成本” （Amihud，2002） 。需要特别指出的是，非流动性指标 Ill是从反面反映流动性，它在字面上是流动性的反面，在实际应用时常用交易对价格的冲击来衡量，非流动性指标值越大，表示单位成交量所引起的价格振动幅度越大，则流动性越差。杨朝军等（2008）提出以单位时间内单位成交金额所引起的价格振动幅度来表示非流动性指标，具体表示为： Illt=SWt1Vt=Ht-Lt1VtOt（1） 式（1）中，Illt 为在第 t时段内 ETF基金市场的非流动性（illiquidity） ，Vt 为 ETF基金在第 t时段内所完成的成交量，SWt 为ETF基

11、金在第 t时段内的价格振动幅度，Ht 为 t时段内的最高价，Lt 为t时段内的最低价，Ot 为 t时段内的开盘价。本文计算中 t时段取为 1个交易日。 2.流动性的双重差分模型 首先构建双重差分模型的处理组和控制组。处理组为 2011年 12月5日进入融资融券标的证券的 7种 ETF基金，包括易方达深100ETF（159901） 、华夏中小板 ETF（159902） 、深成 ETF（159903） 、上证 180治理 ETF（510010） 、上证 50ETF（510050） 、上证180ETF（510180） 、上证红利 ETF（510880） ；控制组为 2011年 12月 5日未进入融资

12、融券标的证券但已经存续较长时间的 7种 ETF基金，包括深红利 ETF（159905） 、深成长 ETF（159906） 、深 F200ETF（159908） 、超大ETF（510020） 、价值 ETF（510030） 、综指 ETF（510210） 、中小6ETF（510220） 。处理组和控制组都分别都由 3只深交所的 ETF基金和 4只上交所的 ETF基金组成，尽量保证了构建的双重差分模型中处理组和控制组在多方面的同质性和可比性，以保证研究结果的可靠性。 在处理组中，ETF 基金市场流动性的差异既有时间不同的影响，也有是否允许融资融券交易的影响；在控制组中，ETF 基金市场流动性的差异

13、只有时间不同的影响。通过对处理组和控制组的比较分析，可以有效消除对两组有共同影响的因素，比如时间因素等的影响，剩下的就是融资融券交易对 ETF基金市场流动性的净影响。 基于上述分析，构建的双重差分模型基本形式如下： Illiquidityit=0+1Di+2Ti+3DiTi+it（2） Illiquidityit=0+1Di+2Ti+3DiTi+ 1Volume+2Size+it（3） 其中，Illiquidityit 为第 i只 ETF基金第 t期的非流动性；D 为处理组/控制组虚拟变量，当有 ETF基金属于处理组，即进入融资融券标的证券的 7种 ETF基金，D=1，否则，D=0；T 为进入

14、融资融券标的证券前/进入融资融券标的证券后虚拟变量，当有 ETF基金进入融资融券标的证券之后，即 2011年 12月 5日之后，T=1，否则，T=0；Volume 为控制变量，表示 ETF基金的交易量；Size 为控制变量，表示 ETF基金的流通市值。 由式（2） 、 （3）的双重差分模型可以做如下分析： E（illiquidity|D=1，T=1）=0+1+2+3（4） E（illiquidity|D=1，T=0）=0+1（5） 7E（illiquidity|D=0，T=1）=0+2（6） E（illiquidity|D=0，T=0）=0（7） 由表 1可以看出，控制组 ETF基金进入融资融

15、券标的证券前后的非流动性的差异为 2，处理组 ETF基金进入融资融券标的证券前后的非流动性的差异为 2+3。处理组 ETF基金进入融资融券标的证券前后市场非流动性的差异与控制组在有 ETF基金进入融资融券标的证券前后市场非流动性的差异之间的差异为 3。交叉项 DiTi的系数 3，即双重差分统计量，可以反映融资融券交易对 ETF基金市场非流动性的影响：若 3 显著为正，表明融资融券交易会增强 ETF基金市场的非流动性，即减弱 ETF基金市场的流动性；若 3 显著为负，表明融资融券交易会减弱 ETF基金市场的非流动性，即增强 ETF基金市场的流动性；若 3不显著，则不能判断融资融券交易对 ETF基

16、金市场流动性的影响。 三、实证分析 获取 7只进入融资融券标的证券的 ETF基金和 7只未进入融资融券标的证券的 ETF基金在 2011年 12月 5日前后各 50个交易日的日数据，按照式（1）的计算方法，分别计算每一种 ETF基金 50个交易日的非流动性指标，为了便于分析，非流动性指标都放大 1000倍，形成面板数据；然后基于非流动性指标的数据，采用式（2）和式（3）的双重差分模型，估计出交叉项 DiTi的系数 3，进而分析融资融券交易对 ETF基金的市场流动性的影响。 1.变量的描述性统计 对处理组 ETF基金和控制组 ETF基金在进入融资融券标的证券前后8的非流动性 Illiquidit

17、y进行描述性统计，如表 2。 比较处理组的 ETF基金在进入融资融券标的证券前和进入融资融券标的证券后非流动性指标的均值，前者为 1.155 888，后者为 1.290 987，后者大于前者，说明处理组 ETF基金在进入融资融券标的证券这一时点（即 2011年 12月 5日）之后的市场非流动性提高，流动性降低，但降低的幅度较小。比较控制组的 ETF基金在有 EIF基金进入融资融券标的证券前和有 ETF基金进入融资融券标的证券后非流动性指标的均值，前者为 1.177 846，后者为 2.060 006，后者大于前者，说明控制组 ETF基金在有 EIF基金进入融资融券标的证券这一时点（即 2011

18、年 12月 5日）之后的市场非流动性提高，流动性降低，且降低的幅度较大。有 ETF基金进入融资融券标的证券之前（即 2011年 12月 5日之前） ，处理组ETF基金的非流动性指标的均值为 1.155 888，控制组 ETF基金的非流动性指标的均值为 1.177 846，前者小于后者，这说明在此期间处理组 ETF基金的市场流动性强于控制组 ETF基金的市场流动性，但优势较弱；有ETF基金进入融资融券标的证券之后（即 2011年 12月 5日之后） ，处理组 ETF基金的非流动性指标的均值为 1.290 987，控制组 ETF基金的非流动性指标的均值为 2.060 006，前者小于后者，说明在此

19、期间处理组 ETF基金的市场流动性强于控制组 ETF基金的市场流动性，且优势较强。通过对处理组 ETF基金的非流动性均值和控制组 ETF基金的非流动性均值的横向和纵向比较，可以得到一个直观的结论：有 ETF基金进入融资融券标的证券后，处理组 ETF基金和控制组 ETF的市场流动性都降低了，但前者降低的幅度小于后者降低的幅度，而这种流动性降低幅度的差异9表明融资融券交易可能提高了处理组 ETF基金的市场流动性。 2.双重差分模型的估计结果 ETF 基金市场非流动性的双重差分模型的估计结果如表 3。 由表 3可知，不包含控制变量和包含控制变量的双重差分模型的估计结果类似，这里以后者作为分析对象。E

20、TF 基金市场非流动性的双重差分模型的估计结果表明，处理组/控制组虚拟变量 D的系数 1 为-0.280 928，且在 1%的显著性水平下显著，说明处理组 ETF基金的市场非流动性显著小于控制组 ETF基金，即处理组 ETF基金的市场流动性显著大于控制组 ETF基金。进入融资融券标的证券前/进入融资融券标的证券后虚拟变量 T的系数 2 为 0.280 426，且在 1%的显著性水平下显著，表明有ETF基金进入融资融券标的证券后所有 ETF基金的非流动性都显著提高了，也即所有 ETF基金的流动性显著小于有 ETF基金进入融资融券标的证券前，这说明在研究样本期间，除了融资融券这一因素外，还有其他时

21、间因素也影响到 ETF基金的市场流动性。双重差分统计量即模型的交叉项DT的系数 3 的值为-0.206 491，且在 10%的显著性水平下显著，表明处理组 ETF基金成为融资融券标的证券后，其市场的非流动性指标显著减弱了，即市场的流动性显著增强了，也就是说，融资融券交易增强了 ETF基金的市场流动性。 四、结论与启示 以 2011年 12月 5日进入融资融券标的证券的七只 ETF基金构造处理组，以未进入融资融券标的证券的七只 ETF基金构造控制组，利用各ETF基金在有 ETF基金进入融资融券标的证券前后各 50个交易日的交易10数据，计算非流动性指标，采用双重差分模型，研究融资融券交易对 ET

22、F基金市场流动性的影响，得到以下主要研究结论和启示：融资融券交易提高了 ETF基金市场流动性，从而在整体上改善了 ETF基金市场质量；ETF基金市场的监管者在制定监管政策时，需要对 ETF基金进入融资融券标的证券之前和之后进行区别对待，才能实施有效监管；ETF 基金市场的交易者在制定交易策略时，需要在进入融资融券标的证券和未进入融资融券标的证券的 ETF基金之间做出正确选择，实施正确的交易策略，才能把握 ETF基金 流动性，最小化投资风险，最大化投资收益。 参考文献： 陈淼鑫，郑振龙.2008.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（12）：7381. 谷文林，孔祥忠.2010.融资融券业务对市场资本流动性的短期影响J.证券市场导报（7）：5052. 郭彦峰，魏宇，黄登仕.2007.ETF 上市对中小企业板市场质量影响的研究J.证券市场导报（9）：1722. 廖士光，杨朝军.2005.卖空交易机制、波动性和流动性一个基于香港股市的经验研究J.管理世界（12）：613. 骆玉鼎，廖士光.2007.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（5）：118132. 聂辉华，方明月，李涛.2009.增值税转型对企业行为和绩效的影响以东北地区为例J.管理世界（5）：1735. 王旻，廖士光，吴淑琨.2008.融资融券交易的市场冲击效应研究