当前位置：文档库 › 中国式融资融券制度安排与股价崩盘风险的恶化_褚剑

中国式融资融券制度安排与股价崩盘风险的恶化_褚剑

中国式融资融券制度安排与

股价崩盘风险的恶化

褚

剑

方军雄

内容提要：2010年开始实施的融资融券制度是中国资本市场重要的制度创新，旨在引入卖空机制以提高资本市场运行效率，

本文从股价崩盘风险的角度采用双重差分法系统检验了该项政策对资本市场的影响。研究发现，与政策制定者的初衷相反，整体上，融资融券制度的实施不仅没有降低相关标的股票的股价崩盘风险，反而恶化了其崩盘风险。进一步的分析表明，这种负面效应，主要源自融资融券政策设计的两个特征：融资融券标的选择标准以及融资和融券两种机制的同时实施。标的选择标准使得标的股票本身股价崩盘风险较小，这导致卖空机制很难发挥作用，相反，对称性融资融券机制中的融资机制则为投资者提供了跟风追涨的渠道，最终，融资交易的杠杆效应和去杠杆效应加剧了崩盘风险的上升。

关键词：融资融券

股价崩盘风险

不对称性

褚剑、方军雄，复旦大学管理学院会计系，邮政编码：200433，电子信箱：132********@fudan．edu．cn ，

jxfang@fudan．edu．cn 。本文是国家自然科学基金“制度环境、公司治理与高管治理机制有效性”和国家自然科学基金“政府控制、市场化进程与上市公司高管薪酬契约有效性”的阶段性成果。作者感谢复旦大学“德勤－复旦会计论坛”与会学者的评论和建议，感谢北京大学“第八届中国青年会计学者学术研讨会”

与会学者的建议，感谢匿名审稿人的宝贵建议，当然文责自负。①

新华社，2010：《融资融券平稳起步，中国股市告别“单边市”时代》，http ：//finance．ifeng．com /stock /special /rzrq /zqyw /20100331/1993801.shtml 。

②

2015年1月19日、5月5日、5月28日、6月19日、6月26日、6月29日接连发生股市暴跌，各项综合指数的单日跌幅几

乎都在6%以上。

一、引言

2010年3月31日，融资融券制度正式实施，这意味着中国资本市场“单边市”正式结束。

①通过引入卖空机制，悲观投资者和乐观投资者的看法都将有效地反映在股价当中（Miller ，1977），这有助于提高股票定价效率，进而降低股价崩盘风险，最终促进资本市场平稳健康发展。但是，历经2010年的融资融券试点以及2011年、2013年和2014年的扩容完善，中国资本市场“暴涨暴跌”的顽疾并没有消除，股价崩盘风险也未呈现下降趋势，相反，却呈现先降后升的态势（见图1）。进入

2015年，伴随着大盘一路飙升，股市整体暴跌现象更是频频出现。②仅2015年6月26日一天，上证

综指暴跌7.4%，深圳成指暴跌8.24%，沪深两市超过2000只股票跌停，市值蒸发4.84万亿元。上述数据和图1给我们的一个直观印象是，融资融券制度的实施并没有达到平稳市场的预期目的，相反，却显著加剧了市场暴跌的风险。

与大部分制度改革一样，中国融资融券制度也是采取“先试点，后推广”的策略，2010—2015年期间并不是所有股票都允许进行融资融券交易，这个制度特征有助于我们更干净地考察融资融券

12016年第5期

图12009—2014年资本市场大盘走势与市场崩盘风险

制度对崩盘风险的影响。接下来，我们按照股票是否纳入融资融券名单以及纳入名单前后分别比较它们股价崩盘风险的变化，如图2所示，相比非标的股票，标的股票在实施融资融券制度之后其崩盘风险明显恶化。

图2纳入融资融券标的前后处理组和控制组的股价崩盘风险的变化

我们关心的是，为什么初衷良善的融资融券制度不仅没有缓解崩盘风险，相反却恶化了崩盘风险？是因为卖空交易者在股价下跌时所采取的操纵行为加剧了崩盘风险（Guldstein ＆Guembel ，2008），还是因为融资融券制度设计中的固有缺陷导致了崩盘风险的上升？对此问题系统的研究不仅有助于我们对中国资本市场运行机制的理解，也便于为资本市场的未来改革提供恰当的经验证据。

自2010年融资融券制度推出之后，关于融资融券实施效果的研究成为国内研究的热点话题。现有的研究集中考察了融资融券对股票定价效率的影响（许红伟和陈欣，

2012；Chang et al．，2014；李志生等，2015a ）、融资融券对公司盈余管理行为的约束作用（陈晖丽和刘峰，2014a ；Chen et al．，2015）、融资融券对公司会计稳健性的影响（陈晖丽和刘峰，2014b ）以及融资融券对公司投资行为的影响（靳庆鲁等，2015），目前鲜有研究直接考察融资融券对股价崩盘风险的影响。更为重要的是，

早期的研究通常仅关注融资融券制度中的融券特征（卖空机制），近期的研究开始融合融资和融券特征研究中国融资融券制度的经济后果，发现融资和融券会对市场产生截然不同的作用（Wang ，2014；Chen et al．，2015）。此外，现有研究考察的时间窗口较短，通常仅考察2010年首次试点或者2011年第一次扩容，而融资融券实施的效果可能需要较长时间才能体现，研究样本数量和时间跨度的局限可能影响研究的可靠性（李志生等，2015a ）。因此，基于更长窗口期的稳健研究就成为必要。

本文选取2006—2014年作为研究期间采用双重差分模型研究了融资融券对股价崩盘风险的影响。研究发现，融资融券制度的实施不仅没有降低标的股票的股价崩盘风险，反而恶化了其崩盘4

41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

风险。对上述发现的可能解释是卖空交易者在股价下跌时所采取的操纵行为加剧了崩盘风险（Guldstein ＆Guembel ，2008），如果上述猜测恰当，那么我们将会发现标的股票融券交易量明显上升，尤其在股价下跌之时。但是，我们从2010年3月到2014年6月市场融券整体情况（图3）看，中国资本市场融券交易金额和在融资融券余额中占比都很小，这很难想象如此小的交易量会对崩盘风险产生重大影响，

而且一些案例也表明，即使面临明显实质性利空的情形，融券交易量也依然很少，甚至基本为零。

①图32010年3月至2014年6月融券余额趋势

从理论和直觉上看，卖空机制之所以有助于减低股价崩盘风险，其前提是标的股票存在着较高的潜在崩盘风险，卖空机制的存在可以将悲观投资者的看法提前反映在股价当中，缓解负面信息的集中延迟释放，

从而降低崩盘风险。如果标的股票本身潜在崩盘风险低，那么不难预期卖空机制的引入对其崩盘风险的影响将微乎其微。从证监会和沪深交易所颁布的融资融券规定看，纳入融资融券标的的股票需要满足一系列的标准，而这些标准使得入选的标的股票具有规模大、流动性好、波动性小、交易正常等特征，这些特征使得这些股票的潜在崩盘风险天然较小。这样，我们自然难以看到融资融券制度的实施对标的股票的崩盘风险产生缓解作用。

此外，中国融资融券制度设计的又一特点是标的股票可以同时进行融券和融资交易。融券交易条款赋予悲观投资者发表自己看法的权利，而融资交易条款则加大了乐观投资者对标的股票的投资力度。在股价上升时，融资交易的杠杆效应进一步刺激了股价的上涨，而在股价下跌时，融资交易的去杠杆效应则加剧了股价的下跌（Chowdhry ＆Nanda ，1998）。因此，如果融资交易的比重显著高于融券交易，

那么融资融券制度的实施不仅无助于股价崩盘风险的下降，相反会加剧崩盘风险。图3和图4是2010年3月到2014年6月融资融券交易的数据统计。从图3和图4我们可以发现，在融资融券推出后，融资交易飞速上升，截至2014年6月融资余额已超过4000亿元，占融资融券余额的比例高达99%；而融券交易波动上升，且余额很小，最高也不到50亿元，占融资融券余额的比例不到1%。这表明，融资机制的存在反而为投资者提供了跟风追涨的渠道，随着不对称性

的融资交易的增加，标的股价也随之存在高估的风险，这最终导致了崩盘风险的上升。

②综合上述分析，我们认为恰恰是融资融券制度设计的两个特征—

——融资融券标的的选择标准5

12016年第5期

①②

例如，2015年4月30日大智慧（601519）因为信息披露违规被证监会立案调查，而这可能导致与湘财证券的重组失败，接下来的交易日中股价大跌，但是融券的新增量为0，融券余额甚至下降。

上述推测也与近期证监会修订《融资融券业务管理办法》以应对2015年6月市场暴跌的策略相一致，根据修订后的

《融资融券业务管理办法》，（1）允许两融合约展期；（2）取消追加担保物统一规定；（3）强化业务开通“证券资产不低于50万元，证券交易期限不低于半年”

；（4）要求券商及时监控担保物中“单一证券市值占其担保物市值的比例”。这些措施都有助于降低融资杠杆效应和去杠杆效应的负面影响

。

以及融资和融券两种机制的同时实施导致了股价崩盘风险的恶化，这与最新的细致区分融资融券制度的融资（margin trading ）和融券交易（short selling ）的研究发现相一致（Wang ，2014；Chen et al．，2015；陈海强和范云菲，2015）。

图42010年3月至2014年6月融资余额趋势

本文贡献主要体现在以下几个方面：第一，卖空机制与股价崩盘风险是财务学的经典研究话题（Miller ，1977；Diamond ＆Verrecchia ，1987；Chen et al．，2001），本文采用中国融资融券制度提供的自然试验进一步检验了卖空机制对股价崩盘风险的影响，我们的研究发现，融资融券制度的实施不仅无助于标的股价崩盘风险的降低，反而恶化了股价崩盘风险，细致的分析表明这种负面效应主要源自融资融券政策的制度设计的两个特征：融资融券标的选择标准以及融资和融券两种机制的同时实施。本文研究为卖空机制与股价崩盘风险的研究领域提供新鲜的证据。第二，关于融资融券制度作用的研究随着制度实施开始在中国学术界如火如荼的开展，现有研究主要考察该制度对股票定价效率的影响（许红伟和陈欣，

2012；李科等，2014；肖浩和孔爱国，2014；李志生等，2015a ，2015b ；Chang et al．，2014）、融资融券对公司盈余管理行为的约束作用（陈晖丽和刘峰，2014a ；Chen et al．，2015）、融资融券对公司会计稳健性的影响（陈晖丽和刘峰，2014b ）以及融资融券对公司投资行为的影响（靳庆鲁等，2015），而本文则从股价崩盘风险的角度为融资融券的作用提供了新的研究证据。更为重要的是，本文研究表明，在考察融资融券制度的经济后果时，研究者需要同时考虑融资和融券两个特征（Wang ，2014；Chen et al．，2015）。第三，本文的研究发现对政策制定者也有重要的参考价值。我们的研究表明政策的事前设计对政策的实施效果会产生重要的影响，具体到融资融券政策，标的选择标准以及融资和融券两种机制的同时实施这两个特征，使得融资融券制度产生了逆向效果。

二、中国融资融券的制度背景分析与研究问题的提出

早在融资融券试点之初，证监会就预期：“融资融券交易具有四大基本功能：一是价格发现功能。融资融券机制的存在，可以将更多的信息融入证券的价格，使之能更充分地反映证券的内在价值。二是市场稳定功能。完整的融资融券交易，一般要通过方向相反的两次买卖完成，即融资买入证券的投资者，要通过卖出所买入的证券，偿还向证券公司借入的资金；融券卖出的投资者，则要通过买入所卖出的证券，偿还向证券公司借入的证券。因此，融资融券机制具有一定的减缓证券价格波动的功能，有助于市场内在的价格稳定机制的形成。三是流动性增强功能。融资融券交易可以在一定程度上放大证券供求，

增加市场交易量，从而活跃证券交易，增强证券市场的流动性。四是风险管理功能。融资融券交易不仅可以为投资者提供新的交易工具，而且还有利于改变证券市场6

41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

‘单边市’的状况，方便投资者规避市场风险。

”①2010年3月31日，我国融资融券交易试点正式启动，沪深证券交易所公布了融资融券标的证券共90只，分别为上证50指数成分股和深证成指指数成分股。随着融资融券业务的成熟，融资融券标的股票名单经历了四次扩容：（1）2011年11月25日，沪深证券交易所宣布扩大融资融券标的股票的范围，数量原先的90只调整为278只，主要涵盖上证180指数和深证100指数中的成分股；（2）2013年1月25日，两市的融资融券标的股票扩容至500只；（3）2013年9月16日，两市的融资融券标的股票扩容至700只；（4）2014年9月12日，

两市的融资融券标的股票扩容至900只。根据沪深证券交易所发布的公告，融资融券标的股票的选择标准是符合《实施细则》中标的股票的规定条件，按照加权评价指标从大到小排序，并综合考虑个股及市场情况。《实施细则》规定的条件包括：（一）在本所上市交易超过三个月。（二）融资买入标的股票的流通股本不少于1亿股或流通市值不低于5亿元，

融券卖出标的股票的流通股本不少于2亿股或流通市值不低于8亿元。（三）股东人数不少于4000人。（四）在过去三个月内没有出现下列情形之一：（1）日均换手率低于基准指数日均换手率的15%，且日均成交金额低于5000万元；（2）日均涨跌幅平均值与基准指数涨跌幅平均值的偏离值超过4%；（3）波动幅度达到基准指数波动幅度的5倍以上。（五）股票发行公司已完成股权分置改革。（六）股票交易未被本所实行特别处理。（七）本所规定的其他条件。然后，根据上述条件计算一个综合的加权评价指标，具体公司如下：加权评价指标=2?（一定期间内该股票平均流通市值/一定期间内沪（深）市A 股平均流通市值）+（一定期间内该股票平均成交金额/一定期间内沪（深）市A 股平均成交金额）。

由此可见，满足以上标准的股票规模大、流动性好、波动性小、交易正常。基于以上蓝筹股的特征，满足规定标准的股票的信息含量一般是比较充分的，其发生股价崩盘的风险较小，投资者自然很难有动力对其实施卖空交易。中国资本市场投资者的实际交易行为也证明了上述预测，如图3和图4所示，融资余额占融资融券余额的比例高达99%外，融资交易的火热也凸显于沪深证券交易所发布的暂停融资买入或者融资交易风险提示公告。从2013年6月至2014年12月，

燃控科技（300152）先后7次因为融资余额超过该股票上市可流通市值的25%而被深交所暂停融资买入。

②同样地，上交所先后对一拖股份（601038）、博瑞传播（600880）、浙能电力（600023）等融资融券标的股票因为融资监控指标超过20%而多次发出融资交易风险提示公告。

同时，中国融资融券制度设计的又一特点是标的股票可以同时进行融券和融资交易。悲观投资者通过融券交易使股价回归基本面，

降低股价崩盘风险；但是，乐观投资者通过融资交易的杠杆效应和去杠杆效应则加剧了股价崩盘风险（Chowdhry ＆Nanda ，

1998）。Chang et al．（2014）发现融券交易能够预测股票回报，融资交易没有股票回报的预测能力；陈海强和范云菲（2015）发现融资交易降低了股市波动率，

融券交易增加了股市波动率，并且融资交易比融券交易更加活跃导致对波动率的净效应为负；Chen et al．（2015）发现融券交易能够减少盈余管理，而融资交易会增加盈余管理，

并且整体上两者的效应相互抵消。Wang （2014）发现融资融券制度的实施损害了股票的流动性，而褚剑和于传荣（2016）发现融资融券制度的实施恶化了股价信息含量。相反，不少研究发现融资融券制度的实施改善了资本市场效率，融资融券改善了股票的定价效率（李科等，2014；肖浩和孔爱国，

2014；李志生等，2015a ）、融资融券对公司盈余管理行为产生了约束作用（陈晖丽和刘7

12016年第5期

①②

《证监会有关部门负责人就证券公司融资融券业务试点答记者问》，《中国证券报》2006年7月3日，http ：//finance．sina．com．cn /stock /t /20060703/11522700252.shtml 。

根据《实施细则》的规定，单只标的证券的融资余额达到该证券上市可流通市值的25%时，交易所可以在次一交易日暂

停其融资买入；在该标的证券的融资余额降低至20%以下时，交易所可以在次一交易日恢复其融资买入。

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

峰，2014a）、融资融券提高了会计稳健性（陈晖丽和刘峰，2014b）、融资融券提高了公司投资的效率（靳庆鲁等，2015）。上述研究仅关注融资融券制度中的融券特征（卖空机制），而中国融资融券制度的一个特征是融合融资和融券，融资和融券会对市场产生截然不同的作用（Wang，2014；Chen et al．，2015）。融资融券的效果到底如何，这不仅是一个重大的实践问题，也是重要的理论问题。

与此同时，本文的研究也能为股价崩盘风险的研究领域提供基于转型市场的经验证据。股价崩盘风险会导致投资者财富的巨大损失，进而损害资本市场的健康发展，因此，股价崩盘风险的动因一直以来成为学术界、监管者和社会公众的关注焦点（Chen et al．，2001）。基于公司层面的研究发现，诸如信息披露的不透明、税收激进程度、期权激励、企业社会责任等高管隐藏坏消息的代理行为（Jin＆Myers，2006；Kim et al．，2011a，2011b；权小锋等，2015）以及大股东的掏空、分析师的乐观偏差、机构投资者的羊群行为等外部主体因素（Boubaker et al．，2014；许年行等，2012，2013）是导致崩盘风险的重要因素。而诸如会计稳健性、国际会计准则采用等改善公司信息透明度的措施能够缓解股价崩盘风险（DeFond et al．，2011；Kim＆Zhang，2016）。另外，Callen＆Fang（2015）发现卖空交易者能够及时发现管理层隐藏坏消息的行为，通过卖空交易降低了崩盘风险。近年来，市场层面的研究重新获得了学术界的关注（陈国进和张贻军，2009），已有的市场层面文献分别基于完全信息理性预期均衡框架、行为金融学框架、不完全信息理性预期均衡框架来探讨股价崩盘风险的成因。其中，Hong＆Stein（2003）在行为金融学框架下，认为投资者异质信念和市场中卖空限制的存在是产生崩盘风险的重要因素，其生成机理如下：那些悲观投资者因为卖空限制的存在不能参与市场交易，这使得股票价格主要反映乐观投资者的看法，造成股票价格被高估，当负面消息累积到一定程度而达到极限时，将集中释放到外部市场，进而对公司股价造成极大的负面冲击并最终崩盘。这一理论获得了经验证据的支持（Chen et al．，2001；Bris et al．，2007；Chang et al．，2007；陈国进和张贻军，2009）。但是，Allen＆Gale（1991）却认为，在没有约束的卖空环境下，卖空交易行为可能会恶化市场的稳定，增大崩盘风险，上述论点也得到了经验证据的支持（Morris＆Shin，1998；Goldstein＆Guembel，2008）。导致上述发现不一致的一个重要原因是内生性问题，而中国资本市场的融资融券制度采取逐步试点的方式施行，即部分公司逐步解除了融资融券的限制，而部分公司依然存在融资融券限制，这为我们控制内生性的影响提供了绝好的研究契机。

根据上文对中国制度背景的分析，中国融资融券标的股票的选择标准使得最终进入标的证券名单的股票本身信息含量较高、信息反应速度较快，股价崩盘的风险较低。同时，融资融券制度设计的又一特点是标的股票可以同时进行融券和融资交易。融券交易条款赋予悲观投资者发表自己看法的权利，而融资交易条款则进一步加大了乐观投资者对标的股票的投资力度。在股价上升时，融资交易的杠杆效应进一步刺激了股价的上涨，而在股价下跌时，融资交易的去杠杆效应则加剧了股价的下跌。融资融券实施后，对称性的融资融券制度中融券这一卖空机制还会发挥作用吗？即使发挥作用，降低股价崩盘风险的效果还会是显著的吗？而且，从上文对融资融券交易的分析可以看出，融券这一卖空机制实际上并未被投资者频繁采用，相反，融资交易却十分火热。而这种不对称性的融资交易容易引发投资者跟风追涨，推高股价，导致其偏离公司的基本价值，无法充分反映市场上的负面信息。那么，融资融券的推出是否反而加剧了股价崩盘风险？因此，对这一问题进行深入研究就有了理论上和实践上的必要性和紧迫性。

三、研究设计

（一）股价崩盘风险的衡量

根据现有文献（Chen et al．，2001；Kim et al．，2011a，2011b；许年行等，2012），我们分别采用841

NCSKEW 和DUVOL 来度量股价崩盘风险，具体估算过程如下：

首先，利用股票i 的周收益数据，根据模型（1）计算股票i 经过市场调整后的收益率：

r i ，s =α+β1，i *r m ，s －2+β2，i *r m ，s －1+β3，i *r m ，s +β4，i *r m ，s +1+β5，i *r m ，s +2+εi ，s

（1）其中r i ，s 为每一年度股票i 在第s 周的收益，r m ，s 为所有股票在第s 周经流通市值加权的平均收益率。本文在方程（1）中加入市场收益的滞后项和超前项，

以调整股票非同步性交易的影响（Dimson ，1979）。股票i 第s 周经过市场调整后的收益率W i ，s 为：W i ，s =ln （1+εi ，s ），其中，εi ，s 为模型（1）中的回归残差。

其次，构造如下两个股价崩盘风险的度量指标。本文使用的第一个衡量股价崩盘风险的指标是股票i 经过市场调整后周收益率的负偏度（NCSKEW ），计算方法如下：

NCSKEW i ，t =－［

n （n －1）3/2

ΣW 3

i ，s ］/［（n －1）（n －2）（ΣW 2i ，s ）

3/2

］（2）

其中，n 为每年股票i 的交易周数。NCSKEW 的数值越大，表示偏态系数负的程度越严重，股价崩盘

风险越大。

本文使用的第二个衡量股价崩盘风险的指标是股价上升和下降阶段波动性的差异（DUVOL ）。首先，根据股票i 经过市场调整后周收益率（W i ，s ）是否大于年平均收益将股票收益数据分为上升阶段（up weeks ）和下降阶段（down weeks ）两个子样本，并分别计算两个子样本中股票收益的标准差，然后使用如下的模型计算DUVOL i ，t ：

DUVOL i ，t =ln ｛［（n u －1）Σdown W 2i ，s ］/［（n d －1）Σup W 2i ，s ］

｝（3）

其中，n u （n d ）为股票i 的周特有收益W i ，s 大于（小于）年平均收益W i 的周数。DUVOL 的数值越大，

代表收益率分布更倾向于左偏，股价崩盘风险越大。

此外，我们还借鉴Piotroski et al．（2015）的做法，采用公司经历股价暴跌的频率作为崩盘风险的代理变量，这也便于更直接的与许红伟和陈欣（2012）的结果进行比较。具体地，FREQUENCY i ，t 为公司i 在t 年经过市场调整后的周收益率W 小于该公司当年W 均值的两倍标准差以下的周数占当年该公司交易总周数的比例。FREQUENCY 的数值越大，股价发生暴跌的频率越大，意味着股价崩盘风险越大。

（二）研究模型

考虑到部分公司先后被纳入融资融券名单，因此，研究中我们借鉴Bertrand ＆Mullainathan （1999）和Chan et al．（2012）提出的双重差分模型来检验融资融券制度对股价崩盘风险的影响：

CRASHRISK i ，t =α+β1*LIST i ++β2*POSTLIST i ，t －1+β3*ControlVariable i ，t －1

∑Year +∑Industry

+εi ，t

（4）

其中，被解释变量为CRASHRISK ，为股票崩盘风险；解释变量LIST ，当该公司股票在样本期间被纳入融资融券名单的，则该公司样本取值为1，否则为0；POSTLIST ，公司进入融资融券名单之后的年度样本取值为1，否则为0。LIST 反映的是被纳入融资融券名单的公司在纳入之前与其他未被纳入融资融券名单的公司崩盘风险的差异；POSTLIST 反映的是被纳入融资融券名单的公司在纳入前后崩盘风险的变化相比其他公司崩盘风险变化的差异，如果其回归系数β2显著为负，则意味着融资融券制度缓解了股价崩盘风险，反之，则表明融资融券制度恶化了股价崩盘风险。

同时借鉴现有文献（Chen et al．，2001；Hutton et al．，2009；Kim et al．，2011a ，2011b ），我们在模型中加入如下控制变量：DTURN 去趋势的股票换手率，股票本年度的月均换手率与上年度的月均换手率之差；RET ，股票的年度回报率；SIGMA ，股票经市场调整后周收益率W 的标准差；SIZE 公司规模，公司总资产的自然对数；LEV 财务杠杆，总负债与总资产之比；MB 成长性，市值与账面股东权益之比；ROA 总资产收益率，为本年度的净利润与上年度的总资产之比；ABACC 公司透明度，采用

12016年第5期

操纵性应计利润的绝对值衡量，其中可操纵应计利润由修正的Jones 模型计算得到。此外，我们在模型中还控制上一期的CRASHRISK 以及行业和年度哑变量。

四、研究数据与描述性统计

本文采用双重差分模型来检验融资融券对股价崩盘风险的影响。我们以沪深两市上市公司中进入融资融券名单的非金融类公司作为处理组，以未进入该名单的非金融类公司作为控制组，以2006年至2014年作为检验期间。对于样本公司，我们根据以下标准剔除了部分观测值：（1）金融类公司；（2）B 股公司；（3）变量缺失。另外，根据融资融券的相关规定，如果公司受到交易所的退市风险警示或其他风险警示，其将被调出融资融券的名单，截至2014年12月31日，共有17只股票被交易所调出融资融券名单。为了排除这些股票对本文结果的可能影响，我们也将这些股票剔

除。①本文所有财务数据、股票交易数据、融资融券数据均来自CSMAR 数据库。为控制极端值的

影响，我们对所有连续变量按照1%的标准进行winsorize 处理。为控制潜在的截面相关问题，本文在所有回归中对标准误进行公司维度的cluster 处理（Petersen ，

2009）。表1列示了相关变量的描述性统计结果。从中我们发现，NCSKEW t 和DUVOL t 的均值与标准差分别为－0.321和－0.230、

0.948和0.777，这与现有的研究基本一致（许年行等，2012）；FREQUENCY t 的均值为0.019，意味着样本公司发生了股价暴跌事件的频率平均为1.9%；LIST 的均值0.341表明约有34%的样本公司最终成为融资融券标的公司。限于篇幅未报告的相关系数矩阵表明，LIST 与崩盘风险指标显著负相关，这意味着纳入融资融券标的股票其崩盘风险显著更小，而POSTLIST 与崩盘风险指标显著正相关，说明在公司进入名单后这些标的股票的股价崩盘风险显著增大。表1

描述性统计

变量样本量均值标准差P25中位数P75NCSKEW t 15037－0.3210.948－0.878－0.2850.298DUVOL t 15037－0.2300.777－0.727－0.2400.286FREQUENCY t

150370.0190.0160.0000.0200.026LIST 150370.3410.474001POSTLIST t －1150370.0810.273000NCSKEW t －115037－0.2970.911－0.835－0.2660.297DTURN t －115037－0.0040.328－0.178－0.0050.175RET t －1150370.3560.920－0.2560.0560.704SIGMA t －1150370.0520.0180.0390.0500.062SIZE t －11503721.663 1.22320.81321.53522.357LEV t －1150370.4920.2370.3230.4930.642MB t －115037 3.426 3.389 1.586 2.495 4.171ROA t －1150370.0320.0680.0110.0330.062ABACC t －1

15037

0.077

0.091

0.023

0.049

0.096

五、实证结果与分析

表2前3栏列示的是基于上述全样本的融资融券制度与股价崩盘风险的回归结果。在控制年

51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

①

在稳健检验中，我们纳入这17只股票重新进行检验，结果基本不变。

度和行业效应后，LIST的回归系数显著为负，这表明在正式纳入融资融券标的前，融资融券标的公司的崩盘风险相较于非融资融券标的公司的崩盘风险要明显的小，这与融资融券筛选标的的标准相一致；我们所关心的交叉项POSTLIST

t－1

的回归系数显著为正，这表明在正式成为标的股票后，融资融券标的股票未来一期的股价崩盘风险相较于非融资融券标的股票明显提高。

表2融资融券制度与股价崩盘风险回归结果

CRASHRISK

Full Sample PSM Sample （1）（2）（3）（4）（5）（6）NCSKEW

DUVOL

FREQUENCY

NCSKEW

DUVOL

FREQUENCY

LIST

－0.138＊＊＊

（－

7.561）

－0.167＊＊＊

（－11.658）

－0.001＊＊＊

（－3.728）

－0.115＊＊＊

（－5.184）

－0.158＊＊＊

（－9.189）

－0.001＊＊

（－2.433）

POST

t－1

－0.054

（－1.045）

－0.049

（－1.265）

－0.001

（－1.209）

POSTLIST

t－10.203＊＊＊

（5.489）

0.207＊＊＊

（6.924）

0.001＊＊

（2.092）

0.220＊＊＊

（4.113）

0.213＊＊＊

（5.065）

0.001*

（1.703）

NCSKEW

t－10.035＊＊＊

（3.546）

0.020＊＊

（2.494）

0.000

（0.715）

0.025*

（1.946）

0.011

（1.025）

0.000

（0.312）

DTURN

t－1

－0.025

（－0.817）

－0.011

（－0.441）

－0.001

（－0.937）

－0.016

（－0.368）

－0.036

（－1.011）

－0.001

（－1.588）

RET

t－10.072＊＊＊

（4.547）

0.062＊＊＊

（4.740）

－0.000

（－1.586）

0.069＊＊＊

（3.528）

0.062＊＊＊

（3.822）

－0.001

（－1.563）

SIGMA

t－14.405＊＊＊

（6.943）

3.687＊＊＊

（7.056）

0.019*

（1.716）

4.139＊＊＊

（4.961）

3.751＊＊＊

（5.457）

0.029＊＊

（1.986）

SIZE

t－10.064＊＊＊

（7.332）

0.069＊＊＊

（9.460）

－0.000

（－0.396）

0.069＊＊＊

（5.767）

0.070＊＊＊

（7.150）

－0.000

（－0.166）

LEV

t－1

－0.075*

（－1.768）

－0.092＊＊＊

（－2.641）

0.002＊＊

（2.339）

－0.148＊＊

（－2.335）

－0.158＊＊＊

（－3.123）

0.001

（1.007）

t－10.019＊＊＊

（6.353）

0.014＊＊＊

（6.029）

0.000＊＊＊

（3.156）

0.024＊＊＊

（5.629）

0.018＊＊＊

（5.335）

0.000＊＊＊

（3.637）

ROA

t－10.243*

（1.805）

0.163

（1.474）

0.000

（0.154）

0.376＊＊

（2.028）

0.266*

（1.800）

－0.001

（－0.318）

ABACC

t－1

0.009

（0.102）

－0.066

（－0.912）

－0.002

（－1.456）

－0.179

（－1.492）

－0.270＊＊＊

（－2.687）

－0.005＊＊＊

（－2.655）

Year＆Industry Yes Yes Yes Yes Yes Yes

Constant

－1.591＊＊＊

（－8.101）

－1.462＊＊＊

（－9.016）

0.018＊＊＊

（5.192）

－1.798＊＊＊

（－6.868）

－1.599＊＊＊

（－7.364）

0.014＊＊＊

（3.140）

N150371503715037854985498549 Adj．R20.0510.0660.0390.0510.0660.042注：t值已经根据公司个体进行了聚类调整（cluster），表3、表4与表7均采用相同处理。*、＊＊、＊＊＊分别表示10%、5%和1%的显著性水平，以下各表同。

由于融资融券前处理组和控制组之间的公司特征存在一定的差异，这些差异可能会造成处理组和控制组的股价崩盘风险在事前就存在明显差异，从而降低双重差分模型估计的有效性。为此，

151

2016年第5期

我们采用倾向性评分匹配（PSM ）方法，从事前的控制组中构造一组与事前处理组最为接近的样本当作新的控制组。具体的构造方法如下：首先，我们选取2010—2014年的样本区间，根据上文列出

的融资融券标的股票的选择标准并结合沪深证券交易所的公告精神，

①整理出影响进入标的股票名单的变量，具体包括流通市场占比、成交金额占比、上市年龄、股东人数、换手率、波动率、中小板或创业板公司、年份和行业；其次，我们通过logistic 回归得到每个观测值的倾向性评分；接着，我们采用最相邻匹配法进行控制组的选取和匹配；最终，我们得到基于PSM 方法的匹配样本。

表2后3列为基于PSM 匹配样本的融资融券制度影响股价崩盘风险的回归结果。在加入POST 变量以及控制年度和行业效应后，LIST 回归系数依然显著为负，而交叉项POSTLIST t －1的回归系数依然显著为正，这与基于全样本的回归结果一致。

综上，我们的研究表明，融资融券制度不仅没有如政策制定者预期降低了股价崩盘风险，反而加剧了股价崩盘风险。

上文研究我们是利用融资融券制度安排作为契机采用DID 的设计，并没有从融资融券实际交易量的角度考察融资融券对股价崩盘风险的影响。为此，我们借鉴李志生等（2015a ）的做法，采用融资融券实际交易数据来稳健检验融资融券对股价崩盘风险的影响。其中，

SHORT1为融券卖出额与流通市值之比，

LONG1为融资买入额与流通市值之比，SHORT2为融券余额与流通市值之比，LONG2为融资余额与流通市值之比，回归结果见表3Panel A 。我们发现，SHORT1t 与SHORT2t 回归系数部分显著为负，而LONG1t 与LONG2t 回归系数显著为正，这说明投资者实施的融券交易一定程度上降低了股价崩盘风险，

但是，融资交易却大大增加了股价崩盘风险。随后，我们综合考察融资融券的净交易量对股价崩盘风险的影响，

NETLONG1为LONG1与SHORT1的差值，NETLONG2为LONG2与SHORT2的差值，表3Panel B 显示NETLONG1t 与NETLONG2t 回归系数显著为正，这说明虽然单独融券交易一定程度有助于崩盘风险的降低，但是交易量更为巨大的融资交易抵消了其积极效应，最终导致股价崩盘风险上升。

此外，我们还做了以下各种稳健检验。

1.过去的五年中，中国资本市场融资融券政策的实施相继经历了2010年融资融券启动、2011年融资融券扩容、

2013年融资融券扩容、2014年融资融券扩容四个阶段。考虑到在融资融券的不同阶段其实施效果可能存在差异，

因此，我们对前三个阶段进行考察②，分阶段逐期（2006—2011年、

2006—2012年、2006—2013年、2006—2014年）检验融资融券制度实施对股价崩盘风险的影响，结果如表4所示。我们发现，2010年融资融券启动后，未来股价崩盘风险没有显著变化；2011年扩容后，股价崩盘风险显著恶化但在控制POST 变量后不显著；2012年之后，未来股价崩盘风险显著上升。出现上述结果的原因在于，

当融资融券处于试点初期，可融资融券的股票数量少，担保要求高，实际发生的融资融券交易较少；但是自2012年年底开始融资交易大幅上涨（参见图4所示）且远超融券交易，股价被乐观的投资者过度抬高，市场很可能出现过度反应，此时股价崩盘风险恶化。基于DUVOL 或FREQUENCY 的结果类似，限于篇幅未报告。

2.我们剔除进入融资融券标的证券名单当年的数据，由于融资融券在推出前市场可能会由于预期做出提前反应，

在推出后又可能因为信息不对称等出现反应过度，所以我们剔除进入融资融券标的证券名单当年的数据后进行上文的分析。回归结果与本文主要结论一致，限于篇幅未报告。

51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

①

②

例如，2013年1月25日，深交所在进一步扩大融资融券标的股票范围的公告中称：“此次深交所扩大标的股票范围，改革

了以往与指数成份股挂钩的做法，借鉴了指数成份股选取的标准，重点考虑较大的市值、较活跃的成交、较广泛的板块覆盖和较稳定的市场表现等因素，按照加权评价指标公式计算并排序得出标的股票名单。……特别是创业板股票首次成为融资融券标的，中小企业板股票数量进一步增加，标的证券多层次架构基本形成。

”由于受到样本区间的限制，目前我们只能检验前三个阶段。

3.采用其他股价崩盘风险的定义，鉴于我国资本市场中行业板块之间的收益率可能存在很大差异，在稳健性检验中我们将行业因素放入模型中，采用如下模型重新计算了W i ，s ，从而得到相应的股价崩盘风险的代理变量：

r i ，s =α+β1，i *r ind ，s －1+β2，i *r m ，s －1+β3，i *r ind ，s +β4，i *r m ，s +β5，i *r ind ，s +1+β6，i *r m ，s +1+εi ，s 在此基础上，我们同样进行上文的分析，回归结果与本文主要结论一致，限于篇幅未报告。4.2010年4月16日开始，沪深300股指期货正式上市交易。作为另一项卖空机制，股指期货与融资融券几乎同时实施，这样上文发现的结果可能受到股指期货的影响。因此，我们以2010—2014年为样本，并在回归中加入控制变量HS300。HS300为哑变量，如果某只股票当年属于沪深300指数成分股则取1，否则取0。我们发现，控制了股指期货的影响后，回归结果仍然与本文主要结论一致，限于篇幅未报告。表3

融资融券实际交易与股价崩盘风险回归结果①

Panel A ：融资融券实际交易数据

CRASHRISK

（1）（2）（3）（4）（5）（6）NCSKEW t DUVOL t

FREQUENCY t

NCSKEW t

DUVOL t

FREQUENCY t

SHORT1t （*1000）

－1.386（－1.462）

－1.680＊

＊

（－2.119）

－0.022（－1.313）LONG1t （*1000）

0.117＊

＊

（2.175）0.132＊

＊＊

（3.163）

0.001（1.397）

SHORT2t （*1000）

－206.031（－1.596）

－350.660＊＊＊

（－3.205）

－1.465（－0.631）LONG2t （*1000） 1.204＊

＊

（2.277）

1.310＊

＊＊

（3.222）0.012（

1.387）Control Variables Yes Yes Yes Yes Yes Yes Year ＆Industry Yes Yes Yes Yes Yes Yes N 969196919691969196919691Adj．R 2

0.049

0.057

0.017

0.049

0.057

0.017

Panel B ：融资融券净交易数据

CRASHRISK

（1）（2）（3）（4）（5）（6）NCSKEW t DUVOL t

FREQUENCY t

NCSKEW t

DUVOL t

FREQUENCY t

NETLONG1t （*1000）

0.085*（1.814）

0.093＊

＊

（2.566）

0.001（0.902）

NETLONG2t （*1000）0.960*（1.903）0.893＊＊

（2.304）0.010（1.245）Control Variables Yes Yes Yes Yes Yes Yes Year ＆Industry Yes Yes Yes Yes Yes Yes N 9691969196910.0490.0560.017Adj．R 2

0.049

0.056

0.017

9691

512016年第5期

①考虑到部分变量的回归系数较小，我们将系数乘以1000以更清楚地显示回归系数。

表4融资融券制度实施各阶段与股价崩盘风险回归结果———基于NCSKEW

CRASHRISK

Full Sample PSM Sample （1）（2）（3）（4）（5）（6）（7）（8）NCSKEW

NCSKEW

t 2006—2011—2012—2013—20142006—2011—2012—2013—2014

LIST

－0.143＊＊＊

（－6.934）

－0.159＊＊＊

（－8.116）

－0.144＊＊＊

（－7.804）

－0.138＊＊＊

（－7.561）

－0.119＊＊＊

（－4.971）

－0.126＊＊＊

（－5.494）

－0.119＊＊＊

（－5.339）

－0.115＊＊＊

（－5.184）

POST

t－1

－0.019

（－0.121）

0.007

（0.080）

－0.069

（－1.174）

－0.054

（－1.045）

POSTLIST

t－1

0.098

（0.943）

0.157＊＊＊

（2.803）

0.194＊＊＊

（4.135）

0.203＊＊＊

（5.489）

0.101

（0.530）

0.154

（1.610）

0.202＊＊＊

（2.774）

0.220＊＊＊

（4.113）

Control Variables Yes Yes Yes Yes Yes Yes Yes Yes Year＆Industry Yes Yes Yes Yes Yes Yes Yes Yes N84591040812640150375224628774088549 Adj．R20.0630.0520.0590.0510.0630.0560.0580.051

六、进一步研究

为什么中国资本市场实施的意在稳定市场的融资融券制度安排没有发挥降低股价崩盘风险的作用呢？根据上文列出的融资融券标的股票的选择标准，我们发现，满足这些标准的股票规模大、流动性好、波动性小、交易正常，并且主要是沪深两市中重要指数的成分股，那么这些股票的信息含量一般是比较充分的，对市场上的消息（尤其是负面消息）反应会较快，不容易出现负面信息因平时得不到反映从而逐渐累积而当市场出现风吹草动时负面信息集中释放引发股价崩盘的现象。换句话说，满足融资融券标的证券选择标准的股票在成为融资融券标的前，其本身的崩盘风险就较小，那么融资融券制度对其影响自然就小。因此，下文我们对在融资融券制度实施之前标的股票（处理组）与非标的股票（控制组）的崩盘风险进行比较，结果见表5。从处理组和控制组的均值和中位数比较中，我们发现，在纳入融资融券标的之前，处理组的股价崩盘风险明显要小于控制组，并且这种差异主要体现在流通市值或成交金额高的股票中。基于DUVOL或FREQUENCY的结果类似，限于篇幅未报告。

表5融资融券制度实施前处理组和控制组股价崩盘风险单变量分析———基于NCSKEW

样本

非融资融券标的股票融资融券标的股票

样本数均值中位数样本数均值中位数

均值差异

中位数

差异

全样本3361－0.303－0.2651985－0.394－0.3750.091＊＊＊0.110＊＊＊流通市值下25%1042－0.227－0.212295－0.321－0.2710.0940.059

流通市值上75%442－0.385－0.358895－0.441－0.4210.0560.063

成交金额下25%1066－0.198－0.203272－0.284－0.2590.0850.056

成交金额上75%496－0.362－0.320840－0.448－0.4240.086*0.104* Chen et al．（2001）认为，频繁的股票换手率和股价泡沫是导致股价崩盘风险的重要原因，而卖空机制的存在有助于股价及时反映悲观投资者的信息，从而降低崩盘风险。以上研究发现，中国融资融券制度的实施加剧了股价的崩盘风险，我们认为的原因是融资融券制度中的融券（卖空）机制发挥的作用微弱，而融资机制则得到了充分地发挥。如果上述猜测成立的话，那么，对于融资融券451

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

标的股票，其在成为标的后，股票换手率和股票回报应该会明显上升。因此，我们对标的股票在融资融券实施前后的股票超额换手率（DTURN）和股票回报（RET）变化进行分析，结果如6所示。我们发现，对于进入标的名单当年融资融券交易金额较大的组，股票超额换手率和股票回报都显著提高，而对于交易金额较小的组，股票超额换手率和股票回报显著下降。这表明融资融券机制的实施，尤其是融资交易的火热，推高了股票换手率和股价，而这最终导致了未来股价崩盘风险的上升。表6处理组融资融券制度实施前后股票超额换手率与股票回报单变量分析

样本

成为融资融券标的前一年成为融资融券标的当年

样本数均值中位数样本数均值中位数

均值差异

中位数

差异

基于DTURN

融资融券金额占比下50%322－0.054－0.045341－0.107－0.0750.053＊＊＊0.030＊＊融资融券金额占比上50%3020.013－0.0023410.0800.065－0.067＊＊＊－0.067＊＊＊基于RET

融资融券金额占比下50%3220.4040.1553410.017－0.170.387＊＊＊0.325＊＊＊融资融券金额占比上50%3020.1570.0753410.3090.143－0.152＊＊＊－0.068＊＊从以上研究结果看，我们发现，融资融券制度对股价崩盘风险的负面影响主要源自融资交易的杠杆效应和去杠杆效应，我们不难预测，标的公司的股票估值越高，其越容易吸引投资者实施融资交易策略，进而导致其股价崩盘风险越高。基于此，我们接下来考察标的估值水平对融资融券制度效应的影响，我们定义虚拟变量HIGH，当公司市值账面比超过样本中位数时取1，否则取0，回归结果见表7Panel A。我们发现，在控制年度和行业效应后，LIST*HIGH

t－1

的系数显著为正，表明在正式成为标的股票前，高估值的融资融券标的公司的崩盘风险相较于低估值的标的公司的崩盘风险

明显要高；POSTLIST

t－1*HIGH

t－1

的系数显著为正，表明在正式成为标的股票后，融资融券标的公

司估值越高，未来的崩盘风险越高。另外，如果外部市场态势处于牛市时，投资者情绪高涨，更多的融资交易容易引发更高的股价崩盘风险。因此，我们也考察市场气氛对融资融券制度效应的影响，我们定义虚拟变量BULL，根据Pagan＆Sossounov（2003）提出的波峰波谷判定法并结合我国上证综指的历史走势，当样本处于2006年、2007年、2009年、2013年、2014年的牛市年度时取1，否则取

0，回归结果见表7Panel B。我们发现，在控制年度和行业效应后，POSTLIST

t－1*BULL

t－1

的系数基

本显著为正，表明当市场处于牛市时，可以进行融资融券的股票的崩盘风险显著上升。表7公司估值、市场气氛对融资融券制度效应的影响

Panel A：高估值公司对融资融券制度效应的影响

CRASHRISK

Full Sample PSM Sample

（1）（2）（3）（4）（5）（6）NCSKEW

DUVOL

FREQUENCY

NCSKEW

DUVOL

FREQUENCY

LIST

－0.212＊＊＊

（－7.810）

－0.221＊＊＊

（－10.210）

－0.002＊＊＊

（－3.548）

－0.182＊＊＊

（－5.943）

－0.203＊＊＊

（－8.377）

－0.001*

（－1.948）

POST

t－1

－0.071

（－1.148）

－0.071

（－1.518）

－0.000

（－0.289）

POSTLIST

t－1

0.074

（1.480）

0.078*

（1.941）

－0.000

（－0.071）

0.097

（1.359）

0.091

（1.636）

－0.001

（－0.671）

LIST*HIGH

t－10.122＊＊＊

（3.872）

0.090＊＊＊

（3.424）

0.001

（1.186）

0.127＊＊＊

（3.655）

0.087＊＊＊

（3.054）

0.000

（0.214）

551

2016年第5期

续表7

Panel A：高估值公司对融资融券制度效应的影响

CRASHRISK

Full Sample PSM Sample （1）（2）（3）（4）（5）（6）NCSKEW

DUVOL

FREQUENCY

NCSKEW

DUVOL

FREQUENCY

POST

t－1*HIGH

t－1

0.059

（0.731）

0.071

（1.158）

－0.002

（－1.504）

POSTLIST

t－1

HIGH

t－10.351＊＊＊

（5.350）

0.341＊＊＊

（6.385）

0.003＊＊＊

（3.076）

0.297＊＊＊

（2.816）

0.283＊＊＊

（3.444）

0.005＊＊＊

（3.337）

Control Variables Yes Yes Yes Yes Yes Yes Year＆Industry Yes Yes Yes Yes Yes Yes N150371503715037854985498549 Adj．R20.0560.0720.0400.0590.0750.043 Panel B：市场气氛对融资融券制度效应的影响

CRASHRISK

Full Sample PSM Sample （1）（2）（3）（4）（5）（6）NCSKEW

DUVOL

FREQUENCY

NCSKEW

DUVOL

FREQUENCY

LIST

－0.155＊＊＊

（－6.564）

－0.191＊＊＊

（－10.376）

－0.002＊＊＊

（－3.765）

－0.137＊＊＊

（－4.656）

－0.193＊＊＊

（－8.518）

－0.001＊＊

（－2.426）

POST

t－1

－0.000

（－0.005）

－0.002

（－0.057）

－0.001

（－0.717）

POSTLIST

t－10.097＊＊

（2.280）

0.108＊＊＊

（3.156）

0.000

（0.063）

0.123*

（1.862）

0.128＊＊

（2.510）

0.001

（0.778）

LIST*BULL

t－1

－0.032

（－0.872）

－0.010

（－0.329）

0.000

（0.190）

0.009

（0.195）

0.045

（1.164）

0.000

（0.603）

POST

t－1*BULL

t－1

－0.264＊＊＊

（－3.538）

－0.265＊＊＊

（－4.407）

0.005＊＊＊

（4.324）

POSTLIST

t－1

BULL

t－10.214＊＊＊

（4.196）

0.190＊＊＊

（4.516）

0.002＊＊＊

（2.685）

0.143＊＊

（2.131）

0.108＊＊

（1.999）

0.001

（0.666）

Control Variables Yes Yes Yes Yes Yes Yes Year＆Industry Yes Yes Yes Yes Yes Yes N150371503715037854985498549 Adj．R20.0520.0670.0390.0520.0670.042

七、结论

2010年开始实施的融资融券政策作为重大的交易制度创新，旨在通过引入卖空机制以破除“单边市”的困境，进而提升资本市场的定价效率。本文采用股价崩盘风险指标作为定价效率的衡量指标，系统地检验了中国资本市场的融资融券政策的经济后果。

研究发现，与政策制定者的初衷相反，融资融券制度的实施不仅没有降低相关股票的股价崩盘风险，反而明显加剧了其崩盘风险。融资融券的这种负面效应主要源自融资融券政策设计的两个651

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

特征：融资融券标的选择标准以及融资和融券两种机制的同时实施。标的选择标准导致标的股票本身股价崩盘风险较小，这使得卖空机制很难或者无法发挥作用。相反，融资机制则为投资者提供了跟风追涨的渠道，随着不对称性的融资交易的增加，标的股价也随之存在高估的风险，这最终导致了崩盘风险的上升。

参考文献

陈国进、张贻军，2009：《异质信念、卖空限制与我国股市的暴跌现象研究》，《金融研究》第4期。

陈海强、范云菲，2015：《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》，《金融研究》第6期。

陈晖丽、刘峰，2014a ：《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。陈晖丽、刘峰，2014b ：《融资融券的治理效应研究———基于会计稳健性的视角》，《中国会计评论》第3—4期。褚剑、于传荣，2016：《中国式融资融券制度安排，改善了股价信息含量吗？》

，workingpaper 。靳庆鲁、候青川、李刚、谢亚茜，2015：《放松卖空管制、公司投资决策与期权价值》，《经济研究》第10期。李科、徐龙炳、朱伟骅，2014：《卖空限制与股票错误定价———融资融券制度的证据》，《经济研究》第10期。

李志生、陈晨、林秉旋，2015a ：《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、杜爽、林秉旋，2015b ：《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》，《金融研究》第6期。权小锋、吴世农、尹洪英，2015：《企业社会责任与股价崩盘风险：“价值利器”或“自利工具”？》，《经济研究》第11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。

许年行、江轩宇、伊志宏、徐信忠，2012：《分析师利益冲突、乐观偏差与股价崩盘风险》，《经济研究》第7期。许年行、于上尧、伊志宏，2013：《机构投资者羊群行为与股价崩盘风险》，《管理世界》第7期。

Allen ，F．，and D．Gale ，1991，“Arbitrage ，Short Sales and Financial Innovation ”，Econometrica ，59：1041—1068．

Bertrand ，M．，and S．Mullainathan ，1999，“Is There Discretion in Wage Setting ？A Test Using Takeover Legislation ”，RAND Journal of Economics ，30（3）：535—554．

Boubaker ，S．，H．Mansali ，and H．Rjiba ，2014，“Large Controlling Shareholders and Stock Price Synchronicity ”，Journal of Banking and Finance ，40：80—96．

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．

Callen ，J．L．，and X．Fang ，2015，“Short Interest and Stock Price Crash Risk ”，Journal of Banking and Finance ，60：181—194．Chan ，L．H．，K．C．W．Chen ，T．Chen ，and Y．Yu ，2012，“The Effects of Firm-initiated Clawback Provisions on Earnings Quality and Auditor Behavior ”

，Journal of Accounting and Economics ，54（2—3）：180—196．Chang ，E．C．，J．W．Cheng ，and Y．Yu ，2007，“Short-sales Constraints and Price Discovery ：Evidence from the Hong Kong Market ”，Journal of Finance ，62（5）：2097—2121．

Chang ，E．C．，Y．Luo ，and J．Ren ，2014，“Short-selling ，Margin-trading ，and Price Efficiency ：Evidence from the Chinese Market ”，Journal of Banking and Finance ，48：411—424．

Chen ，Z．，G．N．Dong ，and M．Gu ，2015，“The Causal Effects of Margin Trading and Short Selling on Earnings Management ：A Natural Experiment from China ”，Working Paper．

Chen ，J．，H．Hong ，and J．C．Stein ，2001，“Forecasting Crashes ：Trading Volume ，Past Returns ，and Conditional Skewness in Stock Prices ”，Journal of Financial Economics ，61（3）：345—381．

Chowdhry ，B．，and V．Nanda ，1998，“Leverage and Market Stability ：The Role of Margin Rules and Price Limits ”，Journal of Business ，71（2）：179—210．

DeFond ，M．L．，M．Hung ，S．Li ，and Y．Li ，2014，“Does Mandatory IFRS Adoption Affect Crash Risk ？”，Accounting Review ，90（1）：265—299．

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．

Dimson ，E．，1979，“Risk Measurement When Shares are Subject to Infrequent Trading ”，Journal of Financial Economics ，7（2）：

12016年第5期

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

197—226．

Goldstein，I．，and A．Guembel，2008，“Manipulation and the Allocational Role of Prices”，Review of Financial Studies，75：133—164．

Hong，H．，and J．C．Stein，2003，“Differences of Opinion，Short-sales Constraints，and Market Crashes”，Review of Financial Studies，16（2）：487—525．

Hutton，A．P．，A．J．Marcus，and H．Tehranian，2009，“Opaque Financial Reports，R2，and Crash Risk”，Journal of Financial Economics，94（1）：67—86．

Jin，L．，and S．C．Myers，2006，“R2Around the World：New Theory and New Tests”，Journal of Financial Economics，79（2）：257—292．

Kim，J．-B．，Y．Li，and L．Zhang，2011a，“CFOs versus CEOs：Equity Incentives and Crashes”，Journal of Financial Economics，101（3）：713—730．

Kim，J．-B．，Y．Li，and L．Zhang，2011b，“Corporate Tax Avoidance and Stock Price Crash Risk：Firm-level Analysis”，Journal of Financial Economics，100（3）：639—662．

Kim，J．B．，and L．Zhang，2016，“Accounting Conservatism and Stock Price Crash Risk：Firm-Level Evidence”，Contemporary Accounting Research，33（1）：412—441．

Miller，E．M．，1977，“Risk，Uncertainty，and Divergence of Opinion”，Journal of Finance，32（4）：1151—1168．

Morris，S．，and H．S．Shin，1998，“Unique Equilibrium in a Model of Self-fulfilling Currency Attacks”，American Economic Review，88：587—597．

Pagan，A．R．，and K．A．Sossounov，2003，“A Simple Framework for Analysing Bull and Bear Markets”，Journal of Applied Econometrics，18（1）：23—46．

Petersen，M．A．，2009，“Estimating Standard Errors in Finance Panel Data Sets：Comparing Approaches”，Review of Financial Studies，22（1）：435—480．

Piotroski，J．D．，T．J．Wong，and T．Zhang，2015，“Political Incentives to Suppress Negative Information：Evidence from Chinese Listed Firms”，Journal of Accounting Research，53（2）：405—459．

Wang，Y．，2015，“Margin Trading and Short Selling with Asymmetric Information”，Working Paper．

Margin-trading，Short-selling and the

Deterioration of Crash Risk

Chu Jian and Fang Junxiong

（School of Management，Fudan University）

Abstract：This paper studies the influence of short-selling and margin-trading program in China on crash risk．We find that contrary to the intention of CSRC，the implementation of this program does not decrease but increase the stocks'crash risk．The reason is that the program has two unique characteristics：the criteria for eligible stocks and simultaneous short-selling and margin-trading for the same stock．The criteria for eligible stocks means the selected stocks have less crash risk ex ante，and simultaneous short-selling and margin-trading for the same stock means the investor can make short-selling and margin-trading for the eligible stocks at the same time．The asymmetry of margin-trading and short-selling exacerbates the crash risk．

Key Words：Margin Trading and Short Selling；Crash Risk；Asymmetry

JEL Classification：G14，G12，G10

（责任编辑：松木）（校对：梅子）851