融券约束和市场定价效率
融券约束和市场定价效率*——基于我国股票市场转融通的准自然实验证据
朱光伟 蒋佳融 芦 东
[提 要] 本文从融券约束的视角出发，研究我国股票市场融券机制对标的股票价格发现效率的影响。相比于融券交易量，融券约束可以更好地识别融券机制的作用。因为它可以从交易渠道、信息渠道、外部监管渠道对股价产生影响。笔者利用转融通的实施作为准自然实验，识别出了融券约束放松后标的股票价格发现效率的变化。实证结果显示融券约束放松后：(1)在市场下跌的情况下股价的共同趋势增强，意味着此时股价中包含的个股特质性信息含量降低，而市场上涨时则不存在这种效应；(2)股价对市场信息的反应速度增快；(3)股价更加接近随机游走，即股价的可预测性降低。本文的政策启示是，适当降低融券约束、扩大机构投资者比例、保持较高的融券交易准入门槛以及加强投资者教育可以促进融券机制发挥积极作用。
[关键词] 融券约束；转融通；股价共同趋势；股价延迟指标；方差比率
一、引言
股票市场的定价效率是衡量市场质量的重要指标(O’Hara, 2003)。市场机制设计是影响股市定价效率的重要方面，其中融券(卖空)机制是重要的组成部分。在发达国家市场中，融券交易是常规交易的重要补充。如Boehmer et al. (2008)通过统计2000—2004年纽约证券交易所的交易数据，发现融券交易占所有交易量的比重超过20%。经典理论认为融券机制可以促进价格发现。如果融券受到限制，没有持股的悲观投资者无法将自己的预期反映到股价当中，因此股价更多地反映了乐观投资者的态度，造成估值过高(Miller, 1977)。如果融券机制存在，理性知情的融券交易者可以让股价更加靠近其基础价值，从而提高了市场效率(Diamond & Verrecchia, 1987)。
全球股票市场的实证证据大多支持融券约束降低定价效率的结论。Bris et al.(2007)通过46个国家及地区的国际间比较研究融券的影响，并针对中国香港、挪威、瑞典、马来西亚和泰国等地的融券政策改革进行事件研究，发现了融券机制可以提高市场效率的证据。类似地，Saffi & Siguidsson (2011)针对26个国家及地区的股票市场进行研究，通过构建融券约束代理变量，同样得到融券机制提高股票市场效率的结论。Beber & Pagano (2013)研究金融危机期间30个国家及地区股票市场限制融券的效果，发现限制融券并没有遏制股价的下跌，反而严重破坏了市场的流动性，降低了股票的价格发现速度。当多国在金融危机期间限制融券时，土耳其的股票市场却没有进行干预。Sobaci et al. (2014)研究了土耳其伊斯坦布尔交易所的融券交易在金融危机期间的作用，发现融券行为提高了市场效率。以上研究都支持融券机制提高市场效率的结论。
尽管如此，融券约束对于股票定价效率的影响一直以来饱受争议。在金融危机期间，很多国家为了稳定市场实施了一定程度的融券限制。例如2008年雷曼兄弟倒闭后美国和英国都对部分股票采取了限制甚至禁止卖空的处理。类似地，2015年中国股灾期间，融券业务也被禁止以维持市场稳定。这是因为人们认为卖空者的行为可能会造成市场失效。比如卖空者采用操纵股价的策略获利(Goldstein & Guembel, 2008)或者进行掠夺性交易(predatory trading)使得股价过度反应(Brunnermeier & Pedersen, 2005)。此外，也有实验证据表明卖空交易有可能使股价过度下跌，甚至低于基础价值(Haruvy & Noussair, 2006)。由于融券机制的存在，股价在到达均衡前甚至有可能被过度推高(Bhojraj et al., 2009)。也有一些实证研究证明了融券限制的积极作用。如Félix et al. (2016)通过对欧洲市场2011年融券限制的研究，发现虽然融券限制增大了股价隐含跳跃风险，但是降低了机构间的风险传染的可能性，从而缓解了系统性风险。
随着2010年3月31日我国融资融券机制的推出，近年来，有关中国A股市场融资融券机制的研究相继涌现，然而研究其对股市定价效率影响的文献还不多。廖士光(2011)、许红伟和陈欣(2012)研究了融资融券机制在刚刚推出时的影响。李志生等(2015)用更长的时间窗口研究了融资融券机制的作用。然而，由于融资机制和融券机制同时推出，而两种机制又可能对股票定价效率同时产生影响，因此单独研究融券机制的作用成了一个难题。针对这一问题，李志生等(2015)利用融券卖空量单独识别了融券机制的作用，得出融券机制提高了定价效率的结论。苏冬蔚和倪博(2018)利用转融通的准自然实验从融券约束的角度研究了我国融券制度对市场稳定性的影响，但是没有给出直接证据说明股市定价效率是否受到了影响。本文将从融券约束的角度重新审视定价效率这一问题，因为融券约束可以全面刻画融券机制的作用。
融券约束和融券交易量是不同的概念。根据Jones & Lamont (2002)的定义，融券约束是指妨碍投资者卖空的法律和制度上的制约，代表了卖空的难易程度。尽管曾经有文献使用融券交易量作为融券约束的代理变量(Figlewski & Webb, 1993)，但是受到了很多批评(Saffi & Sigurdsson， 2011；Chen et al., 2002)。因为即使融券量为零，有可能是融券需求低造成的，并不是券源少或者费率高等制度因素造成的卖空困难所致。
融券约束至少可以通过以下三个渠道影响标的股票的价格发现。第一，融券交易量。融券约束变小后，在长期中融券交易量会增大。这是一种直接的作用渠道。有更多信息的交易者，尤其是融券交易者，通过自身的交易行为将信息反映到股价中。第二，信息渠道。由于卖空者往往是知情交易者(Christophe et al., 2004, 2010; Boehmer et al., 2015)，因此融券量对未来的股价走势具有一定的预测作用(Boehme et al., 2006; Boehmer et al., 2008; Diether et al., 2009)，甚至在所有现有预测指标中是最好的(Rapach et al., 2016)。因此在融券约束变小后，融券交易量会具有更高的信息含量。第三，改善上市公司的财务报告质量。融券机制是一种针对上市公司的外部监管机制，可以起到降低公司盈余管理、提高财务报告透明度和质量的作用(Karpoff & Lou, 2010; Massa et al., 2015; Fang et al., 2016; 陈晖丽和刘峰，2014；顾乃康和周艳利，2017；李春涛等，2017；倪骁然和朱玉杰，2017；李志生等，2017；陆瑶等，2018)。质量更好的上市公司财务报告也可以使公司的股票价格更快接近其基础价值。
融资机制和融券机制的同时推出，使融资约束和融券约束都得到了放松，因此利用融资融券名单扩充事件进行研究只能帮助识别二者整体的作用。幸运的是，我国融资融券业务发展进程中转融通的提出可作为一个准自然实验，起到单独识别融券约束的作用。在转融通提出前，证券公司提供融资融券服务时只能使用自有资金和证券。若资金或证券不足，则无法提供足量的融资或融券服务。转融通推出后，证券公司可以向中国证券金融公司借入资金和证券，用以支持融资融券业务。这两个业务分别称为转融资和转融券。其中，转融资可以支持融资融券名单上所有证券的融资业务，而转融券最初只能支持部分融资融券标的股票，后来名单经历了几次扩充。因此，转融券标的股票的融资和融券约束都得到了放松，而非转融券标的股票只有融资约束得到了放松，将这两类股票做比较可以识别出融券约束放松的效果。(1)转融券标的证券也称为转融通标的证券。
本文的研究发现：融券约束放松后，第一，在市场下跌的情况下股价的共同趋势增强，意味着此时股价中包含的个股特质性信息含量降低，而市场上涨时则不存在这种效应。第二，股价对市场信息的反应速度增快。第三，股价更加接近随机游走，即股价的可预测性降低。本文的政策启示是：适当降低融券约束，如适当降低融券费率或从交易机制上降低融券的难度有助于融券积极作用的发挥。与此同时，扩大机构投资者比例、保持较高的融券交易准入门槛以及加强投资者教育也是必要的。
本文其余部分的安排如下：第二节介绍本文使用的数据以及定价效率指标的计算方法；第三节介绍本文的实证方法以及结果；第四节是本文的结论。
二、数据和变量构造
由于公司的规模和交易的活跃程度会影响股票的定价效率，因此笔者令公司规模(流通市值的对数)和交易量(换手率)作为控制变量，分别用lnFsize和Turnover表示。此外，分析师关注可以提高股票的定价效率(Brennan & Subrahmanyam, 1995)，因此笔者控制了为公司评级的机构数量(Inst_rating)。Boehmer & Kelley (2009)与Boehmer & Wu (2013)发现机构投资者持股比例可以提高信息效率，因此笔者也控制了机构投资者持股的比例(Inst_holding)。
为了研究融券机制对价格发现效率的影响，首先要对价格发现效率进行度量，但目前为止对此并没有一个统一的指标。学者们通常通过分析股票价格运动中的不同特性刻画价格发现效率。参考前人的研究，本文采用三类度量指标。
(一)股价的共同趋势
第一类指标是股价共同趋势指标，用来体现股价中的公司特质信息含量。Roll(1988)最早提出可以用个股和市场回报率回归结果中的R2代表个股股价和市场走势之间的联动强度，以此作为股票市场信息含量的代理变量。在更加有效的市场中，股价应该更多地包含个股特质性信息，而不仅仅是市场信息。因此，在这样的市场中，公司特有信息含量的比例应该更高。Morck et al. (2000)对全球市场的实证研究支持这一结论。
作为这一方法的延续，Bris et al. (2007)利用全球46个股票市场的横截面和时间序列数据研究融券约束对市场效率的影响，通过引入融券约束影响的潜在非对称性改进了Roll(1988)和Morck et al. (2000)的度量。笔者仿照Bris et al. (2007)的做法，将股票i在给定时间段内的样本按照市场回报率为正或负分成两组，分别做回归求R2，即R2+和R2-，如式(1)、式(2)所示。
(1)
(2)
式中，和分别是市场正和负的收益率。笔者利用给定时间段内的日度收益率数据计算R2+和R2-。市场回报率使用CSMAR数据库中的流通市值加权的市场回报率。此外，笔者也构建了基于全样本的R2。(2) 此外，为了保证结果的稳健，笔者对R2进行如下的变换从而将R2的值域由0到1变换到-∞到+∞。利用变换后的R2，笔者可以得到相似的实证结论。
(二)股价延迟指标
第二类指标是价格延迟指标。这类指标用来描述个股价格对于市场信息的调整速度。股票价格往往不能迅速地包含所有的信息。尤其在不够发达的市场中，交易量的不足可能会推迟新的信息包含到股价中(Harvey, 1995)。Diamond & Verrecchia (1987)预测在融券约束存在的情况下，股票价格对于市场负面信息的调整速度较慢。为了刻画这种现象，一种做法是计算股票收益率和滞后一期的市场收益率的相关系数(Bris et al., 2007)。如果相关系数较大，说明股价对市场信息存在较明显的反应延迟。然而，这样的度量没有考虑到市场收益率多期滞后影响。为了弥补这个不足，笔者参考Hou & Moskowitz (2005)和Boehmer & Wu (2013)的做法，使用改进的价格延迟度量。如果投资者不能立刻对信息做出反应，那么信息是逐渐地融入股价中。这种信息的延迟可以通过包含当期和若干滞后期的市场回报率的市场模型刻画。滞后期的解释力度越大，信息的延迟效应就越严重。对于每一个股票，在给定时间段中，笔者对它的日回报率和按照流通市值加权的市场回报率以及5阶以内的滞后项做回归：
(3)
式中，ri,t是股票i在第t日的回报率；rm,t是第t日根据流通市值加权的市场回报率。如果股票价格可以迅速对市场信息做出反应，那么βi应该是显著不为零的，但是都应该接近零。相反，如果股票i的价格对市场信息反应存在滞后，那么中的一部分应该显著不为零。使用这个回归结果，笔者可以为每一个公司在指定的时间段内计算价格延迟指标。第一种做法是计算个股回报中可以被滞后的市场回报解释的比例。这种方法是用1减去来自两个回归中R2的比率。其中分子的R2来自将所有的限制为0的回归，而分母的来自不施加约束的原始回归。如式(4)所示：
(4)
式(4)非常类似于检验滞后变量联合显著性的F检验。其数值越大，则股票回报率更多地被市场回报滞后项所解释，即价格的延迟效应越强。
但是式(4)没有将市场回报以及其滞后项的系数大小考虑进来，和Saffi & Sigurdsson (2011)一致，笔者考虑式(5)的度量：
(5)
最后，参考Hou & Moskowitz(2005)的做法，笔者将估计系数的估计准确度考虑进来，将式(5)中的回归系数利用其标准差进行标准化处理，如式(6)所示：
(6)
(三)方差比率
第三类指标是方差比率(variance ratio)。除了市场中股票价格的联动特征、个股股价对市场信息的滞后反应，接下来笔者利用股票收益率序列的自相关性检验市场的有效性。如果股票收益率服从随机游走，其所有阶自相关系数都应该等于零。在这种情况下，收益率的方差应该和收益率的频率成正比(Lo & MacKinlay, 1988)。按照这个思路，笔者计算VR(n,m)=|1-vr(n,m)|。vr(n,m)代表m日收益率与n日收益率的方差的比率，分子和分母分别除以m和n。这样，若收益率服从随机游走，VR应该恰好为0。这个数值和0偏差越多，代表数据越偏离随机游走。参考Boehmer & Kelley (2009)的做法，笔者令(n,m)分别为(1,5)，(1,10)，(1,20)和(5,20)，计算方差比率VR(n,m)。同时，考虑到样本数量的限制，和Boehmer & Kelley (2009)一致，在计算的过程中，笔者采用给定区间内的重叠观测计算回报率。例如，假定要计算55天的时间区间内20日回报率的方差，笔者遍历这个区间内的所有20日回报率(共计36个)进行计算。具体而言，方差比率的计算公式如式(7)所示：
(7)
式中，和分别代表用m日和n日收益率计算的方差。
本文首先利用2012年8月—2015年6月的股票市场数据，分析各个批次实施转融通的股票的融券约束放松情况。在识别了有效的融券约束放松后，笔者剔除了转融通刚刚推出的时间段和股灾发生前股价暴涨的时间段，最终仅使用2012年12月14日—2014年6月23日的数据进行研究。因此，笔者使用的是市场运行相对平稳且转融券标的股票融券约束显著有效放松的样本。其中个股的日度收盘价格、公司规模、交易量、评级的机构数量、融资融券的日度详细交易数据来自WIND数据库。根据流通市值加权的市场回报率来自国泰安CSMAR数据库。机构投资者持股比例数据来自RESSET数据库。
三、实证分析
(一)研究设计
由于融资机制和融券机制同时推出，因此区分融资约束和融券约束的作用十分困难。然而，转融通的推出使单独识别融券约束的作用成为可能。转融通分为转融资和转融券两部分，为融资融券交易提供资金和股票，辅助证券公司融资融券业务的运行。其中，转融资是指中国证券金融公司为证券公司提供资金，辅助其融资业务。而转融券是中国证券金融公司为证券公司提供证券，辅助其融券业务。但是转融资和转融券的标的证券是不同的。转融资可以支持所有融资融券标的股票的融资交易。而转融券的标的股票在2013年2月28日转融券开始运行时只是融资融券标的股票的一部分，仅有90只股票。后来经历了3次大的补充，截止到2015年6月，共有893只股票支持转融券。转融券标的股票的历史变动如表1所示。
笔者利用相邻的两次补充名单构造实验组和控制组。其中，前一次加入标的股票名单的为实验组，后一次加入的为控制组。两次补充事件的时间间隔作为事前时间以及事后时间的长度。例如，如果选用2013年9月18日加入的209只股票作为实验组，那么2014年6月23日加入的356只股票就作为控制组。笔者选择2013年9月18日—2014年6月23日作为双重差分分析的事后时间，这两
表1 转融券标的证券数量变动统计①
注：①转融券标的证券变动数据是从中国证券金融股份有限公司网站上手动搜集。②尽管在2012年8月30日第一批转融券标的证券已经确定，转融券是从2013年2月28日开始运行。
个日期之间共有278天。为了保证事前和事后时间有大致相同数量的样本，令2013年9月18日前278天作为双重差分分析的事前时间。这样，笔者得到了事前时间的开始日期为2012年12月14日。此外，笔者也要保证实验组的股票要在事后时间中一直处在转融券标的股票名单中，并且在事前时间中一直没有在名单中；控制组的股票在整个事前和事后时间中一直都不在转融券标的股票名单中。最终，实验组的股票数从209只减为208只，控制组的股票数从356只减为348只。
在这样的研究设计下，实验组的股票在转融通开始后受到了转融资和转融券的双重促进作用，因此这些股票的融资约束和融券约束都减小了；而控制组的股票在转融通开始实施后只有融资约束减小。通过对比实验组和控制组，可以识别出融券约束的作用。根据《上海证券交易所融资融券交易试点实施细则》和《深圳证券交易所融资融券交易试点实施细则》，标的证券名单本着“从严到宽、从少到多、逐步扩大”的原则逐步增加。因此，本文所选用的实验组和控制组具有较强的可比性，在此基础上进行的双重差分分析结论具有较强的可信性。肖浩和孔爱国(2014)也使用了类似的分组方法进行双重差分分析，研究融资融券对股价特质性波动的影响。最后，为了尽可能地控制公司层面遗漏变量以及宏观因素的影响，笔者在回归中控制了公司和时间的固定效应，尽可能地避免内生性问题。分组结果统计报告在表2中。
表2 分组统计
笔者采用的回归模型为双重差分模型，基础模型如式(8)所示：
Efficiencyit=β0+β1Xit+β2MFLi+β3DTt
+λMFLi×DTt+εit
(8)
式中，Efficiencyit是股票i在第t时的定价效率指标；Xit是其他控制变量，包括公司规模(对数化的流通市值)和换手率。如果一只股票在实验组中，虚拟变量MFLi等于1，否则为0。如果处于事后时间，虚拟变量DTt等于1，否则为0。交互项的系数λ是最重要的，代表双重差分框架下识别出的融券约束的作用。回归的标准差在公司和时间两个维度进行Cluster修正。
然而，基础的双重差分分析可能是不完善的。一方面，众多可观测以及不可观测的影响因素无法完全引入回归模型，其中公司个体的特质性可能会对回归结果造成干扰。另一方面，双重差分模型中使用了多期的数据，时间维度上宏观经济变量可能的影响也被原始回归忽略。这些遗漏的变量可能导致内生性问题。为了减轻这种内生性问题对回归结果的影响，笔者在回归模型中加入公司和时间维度的固定效应，作为MFLi和DTt的替代。控制了双向固定效应的双重差分模型如式(9)所示：
Efficiencyit=β0+β1Xit+λMFLi×DTt
+ci+γt+εit
(9)
式中，ci和γt分别是公司和时间的固定效应；Xit和MFLi×DTt和式(8)中一致；λ仍然是主要关注的系数。
(二)识别有效的融券约束放松
值得注意的是，只有在证券公司自有证券不能满足融券需求的情况下，转融券造成的融券约束降低才会真正发挥作用。可以考虑两个情景：第一个情景是市场对i股票的融券需求为D，然而证券公司自有i股票的数量S<D，这样融券受到了券源不足的限制，实际融券量仅为S。当转融通开始实施后，证券供给增加，于是融券量增加，大于S。第二个情景是市场对i股票的融券需求为D，证券公司自有i股票的数量S>D，这样融券没有受到券源不足的限制，实际融券量为D。此时，即使转融通增加了证券供给，实际融券量依然为D，并不会增多。在第二个例子中，融券约束的放松属于无效放松。因此，在检验转融通的作用前，首先需要验证转融通是否显著影响了标的证券的融资量和融券量。基于此，对于本文的研究问题，实验组的融资量相对于控制组不应该发生显著提高，而融券量则应该显著提高。笔者使用式(10)的双重差分回归验证融券量以及融资量平均而言在融券约束放松后是否提升：
Valueit=β0+β1lnFsizeit-1+β2Turnoverit-1
+λMFLi×DTt+ci+γt+εit
(10)
式中，Valueit是融资买入额或融券卖出额的对数；lnFsizeit-1和Turnoverit-1分别是公司规模和换手率。为了排除潜在的内生性问题，笔者使用滞后一天的数值。MFL是分组变量，如果股票属于转融券标的证券，数值为1，否则为0。DTt是时间变量，如果在事后时间，数值为1，否则为0。交互项MFLi×DTt的系数λ体现了转融券对于标的股票融券交易的促进作用。考虑到不同股票和不同时间点的交易量存在系统性差异，笔者控制了公司和月度固定效应，用ci和γt表示。标准差在公司和时间层面进行了Cluster处理。
笔者利用以上模型对三组股票的融资买入额和融券卖出额进行回归分析，观察融资融券交易额是否发生了显著的变化，并把回归结果报告在表3中。
表3 转融通开始后标的证券融资融券交易额的变化
说明：标准差在公司和时间层面进行Cluster处理，***p<0.01,** p<0.05,*p<0.1，下表同。
和预期一致，三组回归中实验组的融资买入额在转融通开始实施后相对于控制组并没有发生显著改变。这是由于控制组和实验组的股票都受到了转融资的促进作用，融资约束都被放松。然而，对于融券行为，只有表3第2组报告了显著为正的交互项系数，表明只有在表3第2组的对比中，实验组股票的融券交易相较于控制组在转融通开始实施后得到了促进。表3第1组和第3组没有得到预期的结果，可能有以下原因。一方面，当转融券刚刚推出时，只有11家证券公司(3)首批获得和中国证券金融股份有限公司开展转融券业务的11家证券公司分别为：中信证券、光大证券、广发证券、国泰君安证券、国信证券、海通证券、华泰证券、申银万国证券、招商证券、银河证券、中信建投证券。获得了和中国证券金融股份有限公司开展转融券业务的资格，转融券的规模较低，这在一定程度上抑制了转融通的作用。因此，第一组的实验组相对于控制组的融券量没有显著的改变。另一方面，从2014年的下半年到2015年的上半年，中国股票市场经历了持续大幅度的上涨，在这个过程中，尽管也有一定的融券交易，但是大牛市中的融券需求不足，证券公司自身的券源已经足够支持融券业务，因此不需要大量的转融券服务。这样，第三组的实验组相比于控制组的融券量也没有显著的改变。
综上，笔者使用第二个分组来识别融券的作用。第二组的事前和事后时间各有278天，为了充分利用样本进行统计推断，笔者把事前和事后时间各均分为3段，每个时间段内有大约90个观测日。笔者在细分后的时间段内计算股票的定价效率指标，用于本文的实证分析。这样，每个股票在事前和事后时间各有3个时期的定价效率数据。
(三)实证结果
1. 统计描述。本文使用的变量的统计描述报告在表4中，包括各定价效率指标、控制变量的均值、标准差以及5%，25%，50%，75%和95%的分位数。可以看出不同公司股票的定价效率存在明显的差异。例如，股价共同趋势较低的股票的R2仅有0.065 7，表明这些股票的股价反映了大量个股异质信息，而较高的会达到0.63。股价延迟指标和方差比率也有类似的现象。为了剔除极端值可能对回归结果造成的影响，笔者对所有连续型变量在1%和99%的分位数进行Winsorize处理。
2. 股价同步运动指标。接下来，笔者利用转融通研究融券约束对股价同步性的影响。基本双重差分模型和双向固定效应模型的结果报告在表5中。其中，表5前两列报告了全样本的回归结果；表5第3列、第4列报告了市场回报率为正的情况下的回归结果；表5最后两列报告了市场回报率为负的情况下的回归结果。
表4 融券机制作用研究中各变量的描述统计
表5 融券约束对股价同步运动的影响
表5显示融券约束放松后，股价的共同趋势增强。融券机制使得实验组股票的R2显著提高了约0.03，而R2-增大的程度也大约是0.03。根据表4的描述统计，R2-的样本均值为0.221，说明R2增大的幅度是均值的14%。不论从统计意义还是经济意义上，这都是一个显著的提升。另一方面，R2+的系数虽然为正，但是不显著。由此可见，融券机制对股价共同趋势的影响主要是通过在市场下行时增大股价与市场的联动性实现的。换言之，若市场下行，融券机制导致个股股价对市场价格运动的敏感程度增大，但是并没有起到让更多的公司异质信息融入股价的作用。从这个角度讲，融券机制降低了股票市场的价格发现效率。此外，公司规模和换手率的系数显著为负，表明大公司股票和交易量大的股票股价更容易包含公司特质信息。随着评级机构数量的提升和机构投资者持股比例的提高，所有的R2指标都会发生显著的降低，因为这些公司的信息可以得到更好地分析和披露，促进了异质信息融入股价的效率。特别地，为该公司评级的机构数每增加一个，股价的R2显著降低0.004 5左右。
3. 股价延迟指标。接下来，笔者继续分析融券约束放松后股价反应速度的变化，结果报告在表6中。同样，笔者既报告基本双重差分模型的结果，也报告控制了双重固定效应模型的结果。为了保证结论的稳健，笔者采用了三种股价延迟指标。
表6 融券约束对股价滞后的影响
结果显示，融券约束放松后，股价延迟指标发生显著的下降。在基本的双重差分分析中，所有回归结果的交互项系数都显著为负。在双向固定效应模型中，当被解释变量为Delay2和Delay3时，交互项系数显著为负。这些结果表明，转融通的实施使得股价滞后指标下降0.03左右，下降幅度约为股价延迟指标均值的6%。因此，融券约束放松后，市场信息可以更快融入股价之中，市场定价效率提高。这个结论和唐松等(2016)的发现类似，即标的股票更加及时和充分吸收了有关公司价值的负面信息。此外，随着公司规模和股票交易量的增大，价格延迟发生了显著的提高。根据对Delay2和Delay3的分析，评级机构数量和机构投资者持股比例并不会对股价延迟造成显著影响。
4. 方差比率指标。最后，笔者研究融券机制对方差比率的影响。同样，笔者既汇报基本双重差分的结果，也报告双向固定效应模型的结果。实证结果如表7所示。笔者使用了4种方差比率。其中，由5日和20日(即周回报率和月回报率)回报率构造的方差比率的回归报告了显著的交互项系数，意味着在融券约束放松后，在10%的显著性水平下，实验组股票的方差比率VR(5,20)发生了显著的下降。这个结果表明融券约束放松使得股价更加接近随机游走，可预测性变弱，定价效率提高。其他几种方差比率度量没有受到显著的影响。此外，分析师数量和机构投资者持股比例不会对方差比率产生显著的影响。
表7 融券约束对收益率方差比率的影响
以上回归分析结果表明我国股票市场中，融券约束放松对股票定价效率的影响既有积极的一面，也有消极的一面。实证结果表明，随着融券约束的放松，个股吸收市场信息的速率加快，进而使得方差比率降低。从这个角度来看，市场效率得到了显著的提升。然而，实证结果进一步表明，在市场下跌的情况下，融券约束的放松不仅使个股吸收市场信息速度增快，而且会过度吸收市场信息，造成R2-显著增大，从而在股价共同趋势的角度表现为定价效率降低。值得注意的是，股票市场的定价效率是一个多维度的概念，无法仅用一个指标度量，研究者需要从不同的角度具体分析融券约束放松对定价效率的影响。
四、结论和政策建议
本文从融券约束的角度研究了我国的融券制度对标的证券价格发现效率的影响。相比于融券交易量，使用融券约束可以更好识别融券机制的作用。这是因为融券约束至少可以从三个方面影响标的股票的定价。第一，融券交易本身可以对股票价格产生直接的冲击，从而影响定价效率。第二，融券交易量本身含有信息量。大量研究表明卖空者是知情交易者，他们的交易行为可以预测未来的股价走势。而我国的融资融券信息披露政策及时而完善，从而促进了信息的流动。第三，当上市公司的股票可以被融券后，这些公司更有动机减小财务报表的操纵行为。财务报告质量的提高也会提高股票的定价效率。
本文研究发现，我国股市融券机制对定价效率的影响既有积极的一面，也有消极的一面。
一方面，由于融券约束放松提高了股价吸收信息的速度，并且使得股价的可预测性降低，意味着融券约束降低后可以提高价格发现效率。因此可以考虑以下两点政策建议。
第一，为了降低融券约束，政策制定者可以考虑适当降低融券的费率，从而降低交易成本。我国当前融券年化费率通常高达8.35%，一定程度上阻碍了融券机制积极作用的发挥。
第二，可以参考国外的改革经验，在市场平稳运行期间适时地对一部分股票的融券规则进行放松，例如放宽或取消提价规则等，从机制上降低融券约束，并对试点的效果进行政策评估。如美国2005年5月2日—2007年8月6日期间随机抽取Russell3000指数中三分之一的股票取消价格测试(4) 其中，纽约证券交易所的股票取消了提价测试(uptick test)；纳斯达克的股票取消了报价测试(bid price test)。，减小一部分股票的融券约束。对此，一系列实证研究发现标的股票定价效率得以提高。
另一方面，融券约束的放松带来了市场下跌时股价对市场信息的过度反应，造成R2-增大。这表明投资者行为的非理性影响了融券机制作用的发挥。因此可以得到以下几点政策建议。
第一，根据《融资融券报告2014》的统计，2014年融资融券交易中有99.8%的交易者是个人投资者，机构的比例很小。逐步扩大机构投资者的比例，有助于融券机制积极作用的发挥。
第二，尽管笔者希望能够通过降低交易成本的方式放松融券约束，但是融券交易的准入门槛不宜过分降低。因为融券交易者的信息获取和分析能力、投资能力直接影响了该机制作用的发挥。
第三，加强投资者教育。融券机制如何发挥作用很大程度上依赖于投资者的投资习惯和方式。加强对融券交易者的教育同样可以实现改善融券机制效果的作用。此外，让更多的非知情交易者了解融券交易包含的信息，也可以让融券更好地发挥信息作用。
参考文献
陈晖丽、刘峰，2014：《融资融券的治理效应研究——基于公司盈余管理的视角》，《会计研究》第9期。
顾乃康、周艳利，2017：《卖空的事前威慑、公司治理与企业融资行为——基于融资融券制度的准自然实验检验》，《管理世界》第2期。
李春涛、刘贝贝、周鹏，2017：《卖空与信息披露:融券准自然实验的证据》，《金融研究》第9期。
李志生、陈晨、林秉旋，2015：《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》，《经济研究》第4期。
李志生、李好、马伟力、林秉旋，2017：《融资融券交易的信息治理效应》，《经济研究》第11期。
廖士光，2011：《融资融券交易价格发现功能研究——基于标的证券确定与调整的视角》，《上海立信会计学院学报》第1期。
陆瑶、彭章、冯佳琪，2018：《融资融券对上市公司治理影响的研究》，《管理科学学报》第11期。
倪骁然、朱玉杰，2017：《卖空压力影响企业的风险行为吗?——来自A股市场的经验证据》，《经济学(季刊)》第3期。
苏冬蔚、倪博，2018：《转融券制度、卖空约束与股价变动》，《经济研究》第3期。
唐松、吴秋君、温德尔、杨斯琦，2016：《卖空机制、股价信息含量与暴跌风险——基于融资融券交易的经验证据》，《财经研究》第8期。
肖浩、孔爱国，2014：《融资融券对股价特质性波动的影响机理研究:基于双重差分模型的检验》，《管理世界》第8期。
许红伟、陈欣，2012：《我国推出融资融券交易促进了标的股票的定价效率吗?——基于双重差分模型的实证研究》，《管理世界》第5期。
Beber, A., and M. Pagano, 2013, “Short-selling Bans around the World: Evidence from the 2007-09 Crisis”, Journal of Finance, 68(1): 343-381.
Bhojraj, S., R. J. Bloomfield, and W. B. Tayler, 2009, “Margin Trading, Overpricing, and Synchronization Risk”, Review of Financial Studies, 22(5):2059-2085.
Boehme, R. D., B. R. Danielsen, and S. M. Sorescu, 2006, “Short-sale Constraints, Differences of Opinion, and Overvaluation”, Journal of Financial and Quantitative Analysis, 41(2): 455-487.
Boehmer, E., C. M. Jones, and X. Zhang, 2008, “Which Shorts Are Informed?”, Journal of Finance, 63(2): 491-527.
Boehmer, E, C. M. Jones, and X. Zhang, 2015, “What Do Short Sellers Know?”, Review of Finance, Forthcoming.
Boehmer, E., and E. K. Kelley, 2009, “Institutional Investors and the Informational Efficiency of Prices”, Review of Financial Studies, 22(9):3563-3594.
Boehmer, E., and J. J. Wu, 2013, “Short Selling and the Price Discovery Process”, Review of Financial Studies, 26(2):287-322.
Brennan, M. J., and A. Subrahmanyam, 1995, “Investment Analysis and Price Formation in Securities Markets”, Journal of Financial Economics, 38(3):361-381.
Bris, A., W. N. Goetzmann, and N. Zhu, 2007, “Efficiency and the Bear: Short Sales and Markets around the World”, Journal of Finance, 62(3):1029-1079.
Brunnermeier, M. K., and L. H. Pedersen, 2005, “Predatory Trading”, Journal of Finance, 60(4):1825-1863.
Chen, J., H. Hong, and J. C. Stein, 2002, “Breadth of Ownership and Stock Returns”, Journal of Financial Economics, 66(2):171-205.
Christophe, S. E., M. G. Ferri, and J. J. Angel, 2004, “Short-selling Prior to Earnings Announcements”, Journal of Finance, 59(4): 1845-1876.
Christophe, S. E., M. G. Ferri, and J. Hsieh, 2010, “Informed Trading before Analyst Downgrades: Evidence from Short Sellers”, Journal of Financial Economics, 95(1): 85-106.
Diamond, D. W., and R. E. Verrecchia, 1987, “Constraints on Short-selling and Asset Price Adjustment to Private Information”, Journal of Financial Economics, 18(2):277-311.
Diether, K. B., K. H. Lee, and I. M. Werner, 2009, “Short-sale Strategies and Return Predictability”, Review of Financial Studies, 22(2): 575-607.
Fang, V. W., A. H. Huang, and J. M. Karpoff, 2016, “Short Selling and Earnings Management: A Controlled Experiment”, Journal of Finance, 71(3): 1251-1294.
Félix, L., R. Kräussl, and P. Stork, 2016, “The 2011 European Short Sale Ban: A Cure or a Curse?”, Journal of Financial Stability, 25: 115-131.
Figlewski, S., and G. P. Webb, 1993, “Options, Short Sales, and Market Completeness”, Journal of Finance, 48(2):761-777.
Goldstein, I., and A. Guembel, 2008, “Manipulation and the Allocational Role of Prices”, Review of Economic Studies, 75(1):133-164.
Haruvy, E., and C. N. Noussair, 2006, “The Effect of Short Selling on Bubbles and Crashes in Experimental Spot Asset Markets”, Journal of Finance, 61(3):1119-1157.
Harvey, C. R., 1995, “Predictable Risk and Returns in Emerging Markets”, Review of Financial Studies, 8(3):773-816.
Hou, K., and T. J. Moskowitz, 2005, “Market Frictions, Price Delay, and the Cross-section of Expected Returns”, Review of Financial Studies, 18(3):981-1020.
Jones, C. M., and O. A. Lamont, 2002, “Short-sale Constraints and Stock Returns”, Journal of Financial Economics, 66(2): 207-239.
Karpoff, J. M., and X. Lou, 2010, “Short Sellers and Financial Misconduct”, Journal of Finance, 65(5): 1879-1913.
Lo, A. W., and A. C. MacKinlay, 1988, “Stock Market Prices Do not Follow Random Walks: Evidence from a Simple Specification Test”, Review of Financial Studies, 1(1):41-66.
Massa, M., B. Zhang, and H. Zhang, 2015, “The Invisible Hand of Short Selling: Does Short Selling Discipline Earnings Management?”, Review of Financial Studies, 28(6): 1701-1736.
Miller, E. M., 1977, “Risk, Uncertainty, and Divergence of Opinion”, Journal of Finance, 32(4): 1151-1168.
Morck, R., B. Yeung, and W. Yu, 2000, “The Information Content of Stock Markets: Why Do Emerging Markets Have Synchronous Stock Price Movements?”, Journal of Financial Economics, 58(1):215-260.
O’Hara, M., 2003, “Presidential Address: Liquidity and Price Discovery”, Journal of Finance, 58(4):1335-1354.
Rapach, D. E., M. C. Ringgenberg, and G. Zhou, 2016, “Short Interest and Aggregate Stock Returns”, Journal of Financial Economics, 121(1): 46-65.
Roll, R., 1988, “R2”, Journal of Finance, 43:541-566.
Saffi, P. A., and K. Sigurdsson, 2011, “Price Efficiency and Short Selling”, Review of Financial Studies, 24(3): 821-852.
Sobaci, C., A. Sensoy, and M. Erturk, 2014, “Impact of Short Selling Activity on Market Dynamics: Evidence from an Emerging Market”, Journal of Financial Stability, 15:53-62.
SHORT SALE CONSTRAINT AND MARKET EFFICIENCY——Evidences from the Quasi Natural Experiment of Margin Financing Loan in Chinese Stock Market
ZHU Guang-wei1 JIANG Jia-rong2 LU Dong3
(1. Institute of Chinese Financial Studies, Southwestern University of Finance and Economics; 2. Insurance School, Southwestern University of Finance and Economics; 3. School of Finance, Renmin University of China)
Abstract: This paper studies the impact of short selling on the stock price discovery from the aspect of short sale constraints. Constraints reflect the impact of short selling in a more comprehensive way than the volume of transactions. Because the constraints affect the market not only by affecting the trading volume directly, but also through the information channel and improving the quality of firms’ financial reports indirectly. We find as follows: First, after the short constraint decreases, the stock price has more common trend when market return is negative, which means stock price contains less idiosyncratic information. Second, the price adjustment speed becomes faster. Third, the stock price is closer to a random walk, which means the predictability of stock price decreases. The policy implications of this paper are that appropriate reduction of short constraints, expansion of institutional investors, maintaining a higher threshold for short sales, and strengthening investor education can promote the positive role of the short selling mechanism.
Key words: short sale constraint; margin financing loan; price common trend; price delay; variance ratio
页:
[1]