摘要： 本文基于双重差分模型检验了融资融券对股价特质性波动的影响及其机理。研究发现， 融资融券交易降低了标的证券股价特质性波动， 但这一影响是通过降低标的证券的噪音交易、 提升信息传递速度、 降低公司盈余操纵以及降低投资者之间的信息不对称程度来实现。以上结果表明， 融资融券业务降低了股价特质性波动的非信息效率因素。此外， 本文发现， 融资融券对公司盈余操纵的影响只有在业务开通时的瞬间效应而无持续效应， 这表明卖空机制对公司的外部治理作用有待改善。

关键词： 融资融券 股价特质性波动 噪音 盈余管理 双重差分模型

    一、 引言

融资融券业务是证券公司向客户出借资金供其买入证券或者出借证券供其卖出， 并由客户交存相应担保物的经营活动 ① 。我国股票市场从2010年3月31日起接受券商的融资融券交易申报， 融资融券业务正式进入市场操作阶段。首批融资融券标的股票为90只， 后经两次有序扩容至500只。日均融资 （融券） 余额也从2010年2季度的7.01亿 （0.1亿） 元上升至2012年4季度的679.71亿 （20.44亿） 元。融资融券业务的迅猛发展使得弄清其对股票价格以及上市公司的影响具有重要的现实意义。融资融券业务使知情者能利用正负两方面的私有信息进行杠杆交易， 有效地促进股价向公司内在价值的回归， 提高市场的定价效率。

对个股而言， 融资融券增加了知情者利用公司特质信息获利的能力和途径， 这势必增加股价的信息含量。目前， 国内外的研究主要关注融资融券交易的卖空机制对股票波动性、 流动性、 股票收益分布及其他定价效率的影响（Seguin， 1990； Saffi and Sigurdsson， 2011） ， 但鲜有研究涉及融资融券交易对股价信息含量的影响。Roll （1988） 发现市场和产业层面的信息只能解释个股股价小部分的波动， 其认为未解释的部分 （股价特质性波动 ② ） 由公司特质信息或噪音造成 ③ ， 并且公司特质信息进入股价的主要方式是私有信息知情者的交易。此后， 一系列的研究表明特质性波动是股价中公司特质信息含量的可行测度 ④ 。

但另一些研究表明股价特质性波动受到噪音交易 （Lee and Liu，2011） 、 信息传递延缓 （Dasgupta et al.， 2010） 和公司盈余质量恶化 （Rajgopal and Venkatacha⁃lam， 2011） 等非信息效率因素的影响。融资融券交易对股价特质性波动有何影响？作用机制如何？有何经济意义？这是本文要回答的主要理论问题。融资融券业务的分阶段扩容为本文的实证设计提供了难得的 “自然实验” 条件。本文基于双重差分模型检验了融资融券交易对股价特质性波动的影响及其机理。研究发现融资融券业务的开通降低了标的股票的特质性波动， 但这一影响是通过降低标的股票的噪音交易、提升信息传递速度、 降低公司盈余操纵以及投资者之间的信息不对称程度来实现。以上结果表明， 融资融券交易降低了股价特质性波动的非信息效率因素。

此外， 本文发现， 融资融券对公司盈余操纵的影响只有在业务开通时的瞬间效应而无持续效应， 这表明该业务对公司的外部治理作用有待改善。本文的结果具有较高的稳健性。第一， 在控制个体固定效应和时间固定效应以及一系列的变量之后， 融资融券业务的开通对实验组和控制组股价特质性波动差异的影响依然显著。第二， 我们利用倾向性匹配得分方法重新构建控制组， 结果依然没有改变。第三， 我们重新人为构造了实验的起点时刻， 使得新建实验的样本区间分别处于融资融券业务真实开启时刻前和开启时刻后， 发现结果的显著性消失。这说明标的证券股价特质性波动的下降确实由融资融券业务的开通引发。第四， 本文也使用其他指标来测度股价的信息含量， 实证结论没有改变。第五， 与0LS回归结果对比显示， OLS估计的面板模型将会显著高估融资融券的政策效果。

本文与已有文献的联系在于： 第一， 本文利用A股融资融券标的股票有序扩容这一难得的自然试验检验了信用交易与股价特质性波动的关系， 并探究了其中的机理， 这填补了现有研究的空白。第二， 本文发现股价特质性波动的信息效率受市场上噪音交易的影响， 降低噪音交易因素能提高股价特质性波动的信息效率， 这支持 Shen （2008） 的结论。第三， 本文的结果为股价对信息的吸收速度提高将降低特质性波动的观点 （Dasgupta et al.， 2010） 提供了新的支持。第四， Irani 和 Oesch （2013） 利用券商并购导致分析师数量变化这一实验设计检验了专业投资者监督与公司盈余质量变化的因果关系。本文则利用融资融券业务开通这一外生的政策冲击检验了这一话题。结果表明， 专业投资者监督能力的提升改善了公司的盈余质量， 这与 Irani 和Oesch （2013） 的结果一致； 但政策对融资融券标的公司盈余管理行为的影响只有瞬时效应而不具备持续效应， 这可能是由融资融券的门槛以及交易成本过高 ⑤ 所致。第五， 许红伟和陈欣 （2012） 利用双重差分模型检验了融资融券业务开通对包括股价信息含量在内的系列股票价格特征影响。

与他们使用 Bris 等人 （2007） 的方法构建股价信息含量指标不同， 本文主要基于 Roll（1988）和 Morck 等人（2000） 提出的股价特质性波动来测度股票价格中公司特质信息的含量， 并利用业务开通和扩容两次“拟自然实验” 的机会检验融资融券交易对股价特质性波动的影响及其作用机理。此外， 相关的机理分析也检验了融资融券交易对市场上部分参与者（例如噪音交易者、 上市公司管理层） 行为的影响。本文第二部分为文献综述； 第三部分为实证设计和变量； 第四部分为实证结果及进一步的解释；第五部分为稳健性检验； 第六部分为结论。

二、 文献综述

融资融券交易在国外也被称作信用交易， 国外成熟的资本市场早已将其作为一种不可或缺的证券定价机制， 关于信用交易对股票价格影响的文献也相当之多。由于我国融资融券交易刚刚起步， 相关话题的研究也较少。本文将结合国内外的相关研究从以下三方面展开综述： 第一是信用交易与股价波动及其信息解释。第二是信用交易与股价的定价效率⑥ 。第三是股价特质性波动相关文献回顾。信用交易包括融资买入和融券卖出 （卖空交易） 。早期的研究主要从信息的角度解释信用交易限制与股价波动的关系。

Miller （1977） 认为， 卖空交易的限制将使得股价无法反映负面私有信息， 进而导致股价高估， 增大市场的波动。Seguin （1990）发现信用交易能增大信息流入和市场厚度， 被允许使用信用交易的OTC股票股价波动性减小， 噪音交易变低。杨德勇和吴琼 （2011） 利用事件研究法检验了融资融券业务开通前后个股的波动性， 结果表明融资融券交易降低了个股波动性。Hardouvelis（1990） 发现提高信用交易保证金将部分利用市场非理性情绪的投机排挤出市场， 进而降低了个股股价的波动。在这四篇文献中， 前三篇文献认为引入信用交易能够使股价吸收更多的信息， 进而降低股价的波动， 后一篇文献则给出了相反的观点： 降低信用交易门槛将提高股价波动。后期的研究主要集中在卖空约束与股价波动。Hong和Stein （2003）发现卖空约束使得公司负面信息不能及时反映到股价， 积累的负面信息会在市场大跌时得到释放，进而造成股价崩盘， 增大市场的波动。

Bris 等人（2007） 利用个股数据的实证研究发现允许卖空的市场， 负面信息更容易进入股价， 个股股价崩盘的频率更低， 这支持了 Hong 和 Stein （2003） 的理论结果。Saffi 和 Sigurdsson （2011） 发现卖空限制降低了股价对市场和公司负面信息的吸收速度； 但放松卖空约束并不一定导致股价波动率上升以及极端值频率提高， 这与Hardouvelis （1990） 的发现相反。可以看出， 这些研究并没有直接回答信用交易能否提高股价的定价效率， 只是通过探讨信用交易与股价的波动性来间接回答这一问题， 结论也并不一致。近年来， 部分文献直接考察了信用交易对某些股价定价效率的影响。

Bris等人 （2007） 利用下跌和上涨时段的市场回报与下一周个股回报的相关系数之差以及相应的同步性差来刻画个股股价对市场负面信息的吸收速度， 其发现卖空约束解除后两个指标都显著减小。这说明卖空交易使股价吸收了更多的市场负面信息。Saffi 和 Sigurdsson （2011） 则利用个股回报与上一期市场回报的相关系数、 股价对市场信息反应的延迟程度以及股票收益分布等指标刻画股价的定价效率， 并发现融券余额较少的股票，股价定价效率较低。

廖士光、 杨朝军 （2006） 和廖士光 （2011） 分别从理论和实证上探讨和检验了卖空机制的股票价格发现功能。他们的结果表明， 我国融资融券业务发展不均衡， 仅融资交易提升了标的股票价格， 融券交易的卖空效果不明显。总结这些国内外学者的研究工作， 不难发现他们都仅注重信用交易的卖空机制对股价定价效率的影响， 而忽视了信用交易的杠杆功能对股价的影响。信用交易一方面为负面信息进入股价开辟了卖空交易的渠道； 另一方面其杠杆功能扩大了市场上私有信息知情者的收益， 这将促进更多的投资者收集信息进行交易。以上两方面都可以增加股价的信息含量。

因此， 本文主要关注融资融券业务的开通对股价信息含量的影响。许红伟和陈欣 （2012） 也使用双重差分的模型检验了融资融券业务开通对Bris等人 （2007） 及Saffi和 Sigurdsson （2011） 中股价定价效率的影响， 结果发现开通融资融券业务会显著减小股价暴跌的概率， 但对股价信息含量指标、 信息反映速度以及股票收益分布等定价效率的改善仍然较弱。Bris等人（2007） 及Saffi 和Sigurdsson （2011） 对股价信息含量等指标的测度主要侧重市场层面信息对股价的影响程度 ⑦ ， 他们较少考虑股票价格中公司特质信息的含量。自从 Roll （1988） 提出股价非同步性 （即股价特质性波动） 及其解释后， 国内外大量的文献从公司特质信息的角度进行了检验。基于信息的解释一方面从保护产权的市场制度 （Morck et al.， 2000） 、公司治理结构 （Ferreira and Laux， 2007） 、 信息环境（Jin and Myers， 2006） 来寻找直接支持股价特质性波动是股价特质信息含量的证据。Morck 等人（2000） 考察了产权保护对股价特质性波动的影响，其发现产权保护好的国家， 投资者收集私有信息套利的激励更大， 股价特质性波动更高。Ferreira 和Laux （2007） 发现反并购门槛更低的公司， 外部投资者收集私有信息套利的激励更大， 因此股价特质性波动更高。Jin和Myers （2006） 发现公司信息透明度高的市场股价特质性波动更大； 存在卖空约束的市场， 公司负面特质信息不易进入股价而致特质性波动更低。另一方面， 也有大量文献以股价特质性波动作为股价信息含量的测度来考察其经济后果， 进而间接支持了信息假说。

主要的研究有： Durne 等人 （2003） 特质性波动率高的公司股价包含了更多公司盈利的信息， 股价对未来盈利更敏感。Durnev等人 （2004） 则发现特质性波动率高的公司， 股价反映了更多的信息， 管理层受到市场的监督更多， 因而投资效率更高。Chen 等人 （2007） 则发现特质性波动率高的公司， 股价中包含了更多投资者的私有信息， 并且这部分信息不为管理层所掌握， 管理层能从股价的变化中学习到自己不拥有的信息， 进而调整投资决策， 因此公司的投资对股价变化更敏感。近年来， 部分研究对股价特质性波动的信息解释提出了质疑， 他们发现股价特质性波动受到噪音、 信息传递延缓以及公司盈余质量恶化等非信息效率因素的影响。Lee 和 Liu （2011） 也发现股价特质性波动和其他股价信息含量指标 （如PIN） 呈现U型关系， 与噪音正相关。林忠国等 （2012） 利用A股市场数据检验的结果与 Lee 和 Liu（2011）相同。Dasgupta等人 （2010） 则发现公司未来的盈利信息提前进入股价将降低盈利实现时投资者的反应， 进而降低股价特质性波动。公司盈余质量的恶化一方面导致更多的盈利信息不是通过公开披露而是私有信息知情交易进入股价 （金智， 2010） ， 另一方面也使得投资者对公司盈利状况看法发生分歧 （Ra⁃jgopal and Venkatachalam， 2011） ， 而这都会增大股价的特质性波动。融资融券业务的开通一方面会促进了私有信息知情者的交易， 导致股价的特质性波动变大。

但另一方面， 知情者利用信息优势获利的能力和途径的增加使得噪音交易者处于更不利的位置， 噪音交易者会选择离开融资融券标的股票， 进而降低噪音对股价特质性波动的影响。同时， 融资融券业务使得拥有私有信息的知情者能够利用杠杆交易迅速修正股价和价值之差， 卖空机制也使得先前不能得到反映的负面信息进入股价， 这都提高了公司特质信息进入股价的速度， 导致股价特质性波动降低。此外， 融券业务的卖空机制也可能迫使公司降低盈余管理程度 （Massa et al.， 2013） ， 从而减小股价特质性波动。综上所述， 融资融券交易对股价特质性波动的影响是一个实证问题。我国股票市场制度还不健全， 中小散户投资者占相当大的比例， 市场信息环境不透明， 公司财务报告造假事件层出不穷。融资融券业务开通对股价特质性波动的影响如何？作用机理又如何？回答这些问题对弄清我国股票市场股价特质性波动的信息效率特征以及融资融券交易对市场参与者的影响有较强的理论与现实意义。

三、 实证设计与变量

（一） 实证设计双 重 差 分（DID）模 型

由 Ashenfelter 和 Card（1985） 在评估CETA项目培训对学员收入的影响时首次提出， 由于其能够有效解决公司财务领域普遍存在的内生性问题， 近年来越来越多的文献使用这一研究方法来探究变量之间的因果关系。由于政策冲击的外生性以及政策使用对象的限定性， 受到政策影响的样本 （实验组， Treatment Group） 和未受到政策影响的样本 （控制组， Control Group） 会因政策作用发生变化， DID模型可以通过比较实验组和控制组在实验前后差异的变化来控制二者的系统性差异， 进而到达检验某项政策的实施效果。融资融券业务于 2010 年 3 月 31 日正式开通。2011年11月29日， 沪深两市交易所发布公告， 宣布融资融券标的股票在2011年12月5日由先前90只扩容至278只。2013年1月31日， 沪深交易所再次将融资融券标的股票扩容至500只。两次扩容为本文使用双重差分模型检验其对股价信息效率的影响提供了很好的条件。首先， 融资融券业务开启和扩容事件发生的时间具有外生性。

其次， 融资融券标的证券的有序扩容为本文创造了天然的实验组和控制组。我们使用当期被允许进行融资融券交易的股票作为实验组， 将扩容之后新添的标的股票作为控制组。作为控制组的样本后来也被选作融资融券标的证券， 说明不是政策之外的因素导致其不能作为标的证券。基本的双重差分模型如下：其中， PIE i， t 为公司i在t期的股价特质性波动；Treated i 为实验组虚拟变量， 实验组， 取值为1， 其他为 0； Post i 为实验期识别变量， 处于实验期， 取值为1， 否则为0。β 3 刻画了融资融券交易对股价特质性波动的影响， 是本文主要关注的对象。

由于融资融券标的证券扩容了两次， 因此我们可以使用两个双重差分模型来检验本文的假设， 本文的实证设计具体如下。第一个双重差分模型： 观测区间为2008年第4季度至2011年第3季度。实验组为首批90只标的股票剔除金融行业和实验期间被调进或调出融资融券组合 ⑧ 后剩下的样本。控制组为2011年12月5日扩容添进的标的证券剔除金融行业以及实验组中被调整的股票后的样本。实验期为 2010 年第 2季度至2011年第3季度； 非实验对比期为2008年第4季度至2010年第1季度。第二个双重差分模型： 观测区间为2010年第4季度至2012年第4季度 ⑨ 。实验组为第一次扩容新添证券剔除金融行业后剩余的标的股票。控制组为2013年1月31日扩容添进的标的证券剔除金融行业以及实验组中被调整的股票后的样本。实验期为2012年第1季度至2012年第4季度； 非实验对比期为2010年第4季度至2011年第3季度。本文的样本点为观测区间的季度数据， 故第一个模型使用融资融券业务开通前后12期的面板数据来估计， 而第二个模型使用第一次扩容前后8期面板数据来估计。

（二） 变量

本文所关注变量主要包括股价信息含量、 噪音交易、 信息传递速度、 公司盈余质量以及稳健性检验中所用的控制变量。本文使用股价特质性波动而不是股价非同步性来测度股价的信息含量， 理由如下。由Jin 和Myers （2006） 命题4， 股价非同步性为：ε t 、 ξ o， t 为随机独立扰动项。ε t 刻画的是t期未被市场预期到的宏观和行业信息冲击； 而ξ o， t 刻画的是t 期未被公开披露反映到股价上的公司特质信息冲击。基于 Jin 和 Myers （2006） 模型所得的r~i， t 、 r~m， t ， 股价特质性波动为：其中， r~i， t 为公司股票在t期的收益率， 而r~m， t 股票市场在 t 期收益率。可见， 股价非同步波动 （1-R 2 ）同时包含了市场和行业层面信息的影响， 而股价特质性波动仅受公司特质信息的影响。这与Bartram等 （2012） 的观点一致。我们主要参考 Durnev、 Morck、 Yeung 和 Zarowin（2003） 及 Zhang （2010） 的方法来算股价特质性波动， 具体过程如下。我们以日回报率为观测值按季度使用Durnev、Morck、 Yeung 和Zarowin （2003） 的模型进行回归：其中， r j， t 为日期t公司j考虑现金红利再投资的日个股回报率， r m， t （r m， t-1 ） 为t （t-1） 日沪深两市A股经个股流通市值加权所得的日回报， r i， t （r i， t-1 ） 为t （t-1） 日公司j所在行业经个股流通市值加权所得的日回报， ε~j， t 为回归所得残差。对所得的回归残差值按季度求标准差即得公司j在该季度的股价特质性波动。关于 Zhang （2010） 的方法， 我们首先要计算 A股市场每天的 Fama-French 三因子 MKT、 SMB 和HML， 然后使用如下模型按季度进行回归:其中， r j， t 为t日公司j考虑现金红利再投资的日个股回报率， r t 为当年无风险利率， 我们使用日银行定期存款利率替代， MKT t 、 SMB t 和HML t 为t日的Fa⁃ma-French三因子， ε~j， t 为回归所得残差。对所得的回归残差值按季度求标准差即得公司j在该季度的股价特质性波动。我们使用 French 和 Roll （1986） 的方法和机构投资者持股比例来测度噪音交易对股价的影响。French 和 Roll （1986） 采用月度方差减去周方差累积值的方法构建噪音交易变量， 其内在原理是如果股票回报率只受信息影响， 并且信息服从独立正态分布， 一段时间内股票回报率的方差等于这段时间内每一天的股票回报率的方差累积值。

本文借鉴这种方法， 使用季度方差减去月度方差累计值来测度股价的噪音交易。机构投资者持股比例高， 则股价受噪音交易的影响比较小， 股价噪音含量低。我们使用如下两个变量来测度信息向股价传递的速度： 第一个变量为季度日均融资融券交易余额占该季度日均流通市值的比例， 如果这个比例越大， 所以私有信息交易者的套利活动越多， 进而信息向股价传递的速度更快。第二个变量为转融资的政策效应。2012 年 8 月 30 日， 证监会允许 11 家证券公司向证金公司借入资金以供投资者融资， 这为融资业务提供新的资金来源， 将有能提高信息进入股价的速度。因此， 我们在第二个双重差分模型中， 使用转融资政策效应的虚拟变量来测度信息进入股价的速度。我们使用 Dechow、 Sloan 和 Sweeney （1995） 的方法， 以修正的 Jones 模型计算可操纵性应计项的绝对值来衡量公司的盈余质量。具体的算法如下。首先， 应用模型 （1） 分季度和分行业进行回归，然后将估计的回归系数代入模型 （2） ， 计算可操纵性应计项 （ACC） 的绝对值， 该值越大， 公司信息透明度越差。其中， TA是总应计项， 为营业利润减去经营活动现金净流量； Asset是资产总额； DREV是销售收入变动额； DREC为应收账款变动额； PPE为固定资产原值。在稳健性检验中， 我们也在基本的DID模型中加入了一系列可能会导致遗漏变量误差的控制变量。主要变量的名称以及计算方法具体见表1。

四、 实证检验以及进一步的解释

（一） 数据以及描述性

统计本文的数据来自 CSMAR 数据库和 WIND 数据库。其中， 股票的回报率以及公司规模、 杠杆率、 市账比、 年龄以及分红和控制权类型数据来自CSMAR数据库， 而计算盈余管理以及ROE来自WIND数据库。样本的时间区间为中国 A 股上市公司 2007 年第4季度~2012年第4季的季度数据。依据惯例， 我们在样本中剔除了证监会所规定的金融类上市公司和 ST 类公司。由于 VROE 的计算需要 5 个季度的时间， 因此， 本文实证研究的计算区间为2008第4 季度~2012 年第 4 季度。主要变量的描述性统计结果见表2， 控制变量见稳健性检验一中表9。从表2 可以看出， 模型 1 中实验组与控制组的观测点的比例约为1 ∶ 2.4， 而模型2中实验组与控制组的观察点的比例约为 1 ∶1.3， 二者的比例与两次融资融券扩 容 的 量 大 体 相 当 。从主要的变量中可以看出， 实验组的股价特质性波动、 噪音值都要小于控制组， 而公司盈余 质 量 则 大 体 相 当 。从表 8 中可以看出， 实验组的规模、 账市比、总资产收益率和总资产收益率方差都要大于控制组， 而实验组股票的换手率则要明显小于控制组。实验组和控制组的杠杆率、 上市年龄以及分红基本相当。此外， 两个模型的实验组的民营控股企业比例都要明显小于控制组的民营企业比例， 这也与事实相符合。

（二） 融资融券与股价特质性波动

本小节主要基于双重差分模型来估计融资融券业务开通对股价特质性波动的影响。我们首先考察了实验组和控制组股价特质性波动在整个观测期间的变化 （见图1） 。如图1所示， 在模型1 （见Panel A和B） 中， 相比于融资融券业务开通前， 实验组和控制组的股价特质性波动差异在融资融券业务开通后有了很明显的上升， 这表明融资融券交易显著降低了标的股票的股价特质性波动。此外， 实验组和控制组的股价特质性波动差距并没有明显的事前趋势， 这表明我们的实证设计符合双重差分模型的使用要求。模型 2 （见 PANEL C 和 D） 的结果与模型 1 类似， 即融资融券交易明显地降低了实验组的特质性波动。但与模型1不同， 在参照期的最后两个季度， 实验组和控制组的股价特质性波动差距已经表现出了比较明显的事前趋势， 这说明融资融券标的股票的第一次扩容存在比较强的市场预期， 这可能会影响我们使用双重差分方法估计的效果。利用双重差分模型检验的结果见表 3。从表 3可以看出， 模型 1 和模型 2 的结果都表明融资融券业务的开通降低了股价的特质性波动， 即使控制了个体效应和时间效应， 结论依然显著。平均而言，融资融券业务的开通使得标的股票的特质性波动下降了 0.15%至 0.36%。然而， 这一结果显然与理论解释相矛盾， 融资融券交易的杠杆效应和卖空机制增加了私有信息知情者的交易， 而私有信息知情者交易的增加将提高股价的特质性波动（Roll，1988） 。那么， 这一结果是否意味着融资融券业务的开通降低了标的证券股价的信息效率呢？本文将在四 （三） 中回答这一问题。

（三） 对融资融券政策效应的解释

本文对四 （二） 中结果的解释主要基于融资融券交易对噪音交易的抑制作用、 提高信息向股价的传递速度以及改变公司盈余管理行为3个方面。

1.融资融券交易对噪音交易的抑制作用Roll （1988） 认为股价特质性波动主要有私有信息知情者的交易导致。我国股票市场散户投资者众多， 市场的噪音交易也较多。由于我们并不能完全区分私有信息交易和噪音交易， 因此， 股价特质性波动不可避免地包含了噪音的因素。融资融券业务开通之后， 知情者的信息优势得到增强， 这将使得噪音交易者离开标的股票， 进而降低股价特质性波动。为此， 我们首先检验了融资融券业务开通对噪音交易的影响。我 们 接 着 按 照 Irani 和Oesch （2013） 的实证设计方法来检验噪音交易对融资融券交易与股价特质性波动关系的影响， 模型如下：我们首先计算事前实验组各个公司噪音变量的中位数值 Med i ， 然后计算事前整个实验组噪音变量的中位数值 Med，如果 Med i >Med， 则 High i =1， 其它 High i =0； 如果 Me⁃d i <Med，则 Low i =1，其 它Low i =0。如果我们的假设成立， 则事前噪音因素较多的股票的特质性波动下降更为显著。实证检验的结果分别见表4 Pan⁃el A和B。从表 4 Panel A 中可以看出， Post 的系数显著为负， 说明融资融券业务开通之后， 无论是标的证券还是非标的证券的噪音交易都显著下降。从交乘项可以看出， 实验组标的证券的下降幅度更大， 这一结果在融资融券扩容时更为显著。从表 4 Panel B 中可以看出， 事前噪音交易较高， 机构投资者持股比例低的标的股票， 在融资融券业务开通后， 股价特质性波动显著下降， 为0.20%~0.45%； 而事前噪音交易低， 机构投资者持股比例高的标的股票， 股价特质性波动下降幅度较小， 第1列和第3列的结果甚至不显著。我们将事前噪音交易高的组和噪音交易低的组的系数进行了比较， F值检验显示二者存在显著的差异， 表明事前噪音交易高的组股价特质性波动下降幅度显著大于事前噪音交易低的组。这说明融资融券业务开通后， 股价特质性波动下降的原因是融资融券业务使得噪音交易者离开了标的股票， 进而降低了股价特质性波动中的噪音因素。表4的结果表明融资融券业务的开通提高的股价的信息效率。

2.融资融券交易、 信息传递的速度与股价特质性波动已有理论模型 （Ross， 1989） 和实证研究 （Das⁃gupta et al.， 2010） 表明， 当信息总量一定时， 信息进入股价的速度越快， 即信息更早地进入股价， 将降低股价特质性波动。我国融资融券业务开通之后，一方面， 过高的门槛、 交易成本将很多投资者挡在了门外， 这阻碍了外延性信息进入股价， 但另一方面， 融资融券交易提高了有资格的投资者的私有信息向股价传递的速度。我们可以将这一状况理解为， 融资融券业务的开通， 并没有增加反映在股价上的信息总量， 而其杠杆交易功能使得信息能更快速的进入股价， 进而降低了股价的特质性波动。假设检验的模型如下：我们首先计算实验组各个公司信息速度变量的中位数值Med i ， 然后计算整个实验组信息速度的中位数值 Med， 如果 Med i >Med， 则 Fast i =1， 其他 Fas⁃t i =0； 如 果 Med i <Med， 则 Slow i =1， 其 他 Slow i =0。 在DID2最后两个检验中， 转融资业务开通期Fast i =1，其他Fast i =0； 实验期中， 转融资业务未开通期Slow i =1， 其他Slow i =0。如果我们的假设成立， 信息传递速度快的股票， 特质性波动下降幅度将更为显著。实证检验的结果见表5。从表5 Panel A的前4列实证结果可以看出日均融资融券余额与流通市值比高的标的股票， 股价特质性波动显著下降， 为 0.21%~0.40%； 而日均融资融券余额与流通市值比低的标的股票， 股价特质性波动下降幅度较小， 显著性也降低。我们将高的组和低的组的回归系数进行了比较， F 值检验显示二者存在显著的差异，表明日均融资融券余额与流通市值比高的组股价特质性波动下降幅度显著大于日均融资融券余额与流通市值比低的组。这说明融资融券业务开通后， 标的股票特质性波动下降的原因是信息进入股价的速度加快所致。此外， 第6列和第7列的结果也显示， 转融资业务开通后， 标的证券股价特质性波动下降幅度相比于业务开通前更大， 这也支持信息进入股价速度加快导致股价特质性波动降低的观点。总之， 表5 Panel A的结果也支持融资融券业务的开通提高的股价的信息效率的假设。表 5 Panel B 利用融券交易量与融资交易量作为坏和好信息的传递速度的测度， 进一步检验了这两类信息传递速度对股价特质性波动的影响。从实证检验的结果可以看出， 负面信息的传递速度对股价特质性波动下降的影响有限， 其在业务开通时存在一定的影响， 在业务扩容时的影响差异不大。而正面信息对股价特质性波动的下降存在显著的影响， 一般而言， 融资业务交易量越大的标的证券，股价的特质性波动下降幅度更大。

3.融资融券交易、 盈余管理和股价特质性波动Rajgopal 和 Venkatachalam（2011）以 及 金 智（2010） 发现盈余质量差的公司， 股价特质性波动更高， 这说明公司隐藏的盈利信息是知情者交易的私有信息来源。融资融券业务的开通也可能降低管理层的信息隐藏行为， 进而降低特质性波动。四（二） 的结果不支持前一种假设， 那么， 后一种假设是否成立？这是本小节要回答的问题。实证设计与四 （三） 中1相同， 但这里比较的变量是事前公司的盈余管理程度。实证检验的结果见表6。表6的结果显示， 事前盈余管理程度大的公司的股价特质性波动下降程度要大于事前盈余管理程度小的公司， 但是这种效果并不是很显著 （第1列的结果除外） 。这说明融资融券业务的开通对公司的盈余管理行为产生了一定的影响， 但并不特别明显。将DID 1与DID 2的结果进行对比， 可以看出政策效果在融资融券业务刚开通时更大。出现这种现象的原因可能是融资融券交易过高的门槛和交易成本降低了信用交易的外部治理作用。即公司从事后的融资融券交易情况认识到政策的影响有限， 进而削弱了政策对公司盈余管理行为的影响。

本文对这一解释进行了进一步的研究。Massa等人 （2013） 发现卖空交易能降低公司的盈余管理程度。融资融券业务推出后， 如果管理层通过盈余操纵调高了盈利， 公司股价将面临被做空的风险。因此， 融资融券业务的推出将降低管理层的正向盈余管理行为。从图 2 中可以看出， 在2009 年 3 季度 （即 Panel A 中-1时刻） 之前， 融资融券标的股票与控制组的正向盈余管理程度呈 现 比 较 稳 定 的 差 异 ， 但 在2010 年 1 季度融资融券政策出台后， 标的股票 2009 年的年报正向盈余管理程度下降幅度显著， 甚至低于控制组。

在 2010年1季度之后， 标的股票的正向盈余管理程度又回复到大于控制组的状态， 但差距稍微有所降低。从图2的Panel B中可以看出， 融资融券证券扩容对标的股票的影响不明显。图2的结果支持我们的解释， 即融资融券政策对实验组盈余管理行为的显著影响仅限于政策出台时的瞬间效应而不具备持续效应， 而这可能是由融资融券的门槛高、 交易成本大、 交易规则复杂阻碍了政策效应的发挥。表7对这一结果进行了检验。从表 7 中可以看出， 融资融券业务刚推出时（DID1， 2008Q3~2009Q4） ， 相比于控制组， 融资融券标的组的正向盈余管理程度显著下降， 在不控制时间效应和公司固定效应时尤为明显。但将实验期扩展到全样本期间时 （DID1， 2008Q3~2011Q2） ， 这种效应就降低了很多。在融资融券业务扩容时， 卖空交易对标的股票的正向盈余管理的约束效应基本消失 （见 DID 2， 2010Q4~2012Q1） 。在整个实验阶段 （2010Q4~2012Q4） ， 相比于控制组股票， 融券标的股票的正向盈余管理行为甚至变大。以上结果表明融券的卖空机制只在政策出台的瞬间降低了管理层调高盈利的盈余管理行为， 业务开展后，标的股票的公司管理者认识到融券交易非常有限， 又通过会计应计项目调高了盈利。4.融资融券交易、 投资者信息不对称和股价特质性波动上市公司盈余质量的恶化会加剧投资者之间的信息不对称程度， 而投资者之间的信息不对称程度加剧有利于私有信息知情者套利， 进而提高股价 特 质 性 波 动 。 Massa 等（2013）和Fang 等 （2013） 以及本文的表 7 都发现卖空交易能降低上市公司管理层的盈余操纵， 这会降低投资者之间的信息不对称程度。融资融券交易是否也通过降低投资者之间的信息不对称程度来降低了股价特质性波动？本小结将四 （三） 中1的实证设计来回答这一问题。但这里比较的变量是事前标的证券的投资者的信息不对称程度。本文使用公司规模以及换手率等常用作测度 信 息 不 对 称 程 度 的 变 量（Leuz，2003）， 对这一结果进行检验。一般而言， 公司规模越大， 市场上的投资者对其认知程度更高，信息不对称程度小。换手率越高， 投资者之间的信息不对称程度小。检验结果见表 8。从表 8可以看出， 事前投资者信息不对称程度较高的标的股票 （即换手率低、 公司规模小） ， 其股价特质性波动下降幅度更大。

五、 稳健性检验

本文的稳健性测试将从遗漏变量误差、 双重差分模型设计的有效性 （包括控制组和实验开始时刻的选择） ， 股价信息含量测度以及双重差分模型与OLS回归结果的比较来进行。

（一） 控制变量虽然融资融券的政策冲击是外生的， 但股价特质性波动也受很多因素的影响， 这些因素可能造成实验组与控制组股价特质性波动差异的事前趋势效应， 进而影响双重差分模型结果的有效性。为此， 我们在双重差分模型中加入了以下公司基本面的变量， 包括规模 （Brown and Ferreira， 2004） ， 杠杆（Brown and Kapadia， 2007） ， 年龄 （Pastor and Veron⁃cisi， 2003） ， 市账比 （Cao et al.， 2008） ， 盈利以及波动 （Zhang and Wei， 2006） ， 换手率 （Harvey and Sid⁃dique， 2004） 以及分红 （Ferreira and Laux， 2007） 和控制权人类型 （Gul et al.， 2010） 。它们的定义 （Pan⁃el A） 以及检验结果 （Panel B） 见表9， 描述性统计见表10。从表 9 Panel B 可以看出， 公司的规模、 年龄和换手率对特质性波动的影响较显著， 但这并不影响融资融券的政策效应。在加入控制变量之后， 融资融券业务的开通仍然显著降低了股价的特质性波动。

（二） 控制组选择融资融券标的证券的有序扩容为我们创造了天然的控制组， 但从描述性统计中可以看到， 实验组和控制组之间的公司基本面的特征还是存在一定的差异， 这些差异会导致某些我们不可观测的因素造成实验组和控制组股价特质性波动差异的事前趋势效应， 进而降低双重差分模型估计的有效性。为此， 我们采用文献中流行的倾向性匹配得分方法从事前的控制组中构造一组与事前实验组最为接近的样本当作新的控制组， 以降低可能存在的不可观测因素的影响。具体的构造方法如下。首先， 我们以回归系数显著的控制变量为选择标准， 使用 Rosenbaum 和 Rubin （1983） 所提出的最相邻倾向性匹配算法， 为实验组从扩容添加的股票中挑选数目相当的公司作为控制组。接着， 我们以所有的控制变量为选择标准使用同样的方法来构建新的控制组。对实验组与新的控制组使用双重差分模型的估计见表 11。从表 11 可以看出， 融资融券对股价特质性波动的影响仍然显著。这说明本文的研究结果不受不可观察因素的影响。

（三） 实验发生时刻的选择如果标的证券股价特质性波动的降低是融资融券业务开通的政策效应所导致， 那么， 人为更改业务开通时间后， 双重差分模型的估计结果将不成立。为此， 我们将融资融券业务开始时间分别人为地向前向后调整3期 （DID1） 和2期 （DID2） ， 使得实验的整个样本区间分别落在真实实验开始前 （向前调整） 和真实实验开始后 （向后调整） ， 然后观测新的双重差分模型的估计结果。实证检验的结果见表12。从表 12 中我们可以看到， 除 DID2 的向前调整没有改变结果之外， 其余的调整都使得估计的结果的显著性消失， 这说明先前的双重差分模型所估计的股价特质性波动显著下降确实由融资融券业务开通所致。DID2的向前调整显著性没有改变的主要原因可能是投资者对融资融券标的股票的扩容存在着较强的市场预期。从图 2 的 Panel C 和 D 可以看出， 在 2011 年第 2 季度， 市场可能就已经预期到了融资融券标的股票扩容。

（四） 股价信息含量的新测度我们参照 Ferreira 等 （2011） 使用 Amihud （2002） 所发现的非流动性比率来测度股价的信息含量， 具体算法如下：其中， D i 为股票 i 每一季度股票交易的天数， r i， t 为该季度 t 日股票的回报率， VOLD i， t 为该季度 t 日股票的交易额 （百万元） 。ILLIQ测度了交易对股价的影响， 交易越有信息， ILLIQ越大。新的股价信息含量变量ILLIQ的检验结果见表13的Panel A。从表中可以看出， 融资融券业务的开通显著提高了私有信息交易对股价 的 影 响 ， 增 加 了 股 价 的 信 息含量。

（五） 与OLS回归结果比较许多研究都采用简单的事前事后比较来估计融资融券的政策效应， 这种基于最小二乘法的估计是否会高估或者低估政策的效果呢？本文利用最小二乘法对时间和个体固定效应面板数据模型进行了估计来回答这一问题， 结果见表 13 Panel B。与表 3 对比会发现， 如果不使用双重差分模型， 而使用基于最小二乘法的简单面板模型来估计融资融券的政策效应， 将会明显的高估融资融券的政策效果， 为2~4倍。

六、 结论与政策建议

弄清融资融券业务开通对我国股票市场的影响具有重要的理论和现实意义。中国股票市场融资融券业务的有序开放为本文的实证设计创造了良好的实验条件。本文利用双重差分模型估计了融资融券业务对股票价格信息效率的影响。研究发现， 融资融券业务的开通降低了标的股票的特质性波动。由于股价特质性波动受到噪音交易、 信息传递延缓以及公司盈余质量等非信息效率因素的影响， 本文进一步探究了融资融券业务影响股价特质性波动的机理。实证结果显示， 事前噪音交易高的融资融券标的公司股价特质性波动下降幅度显著大于事前噪音低的公司； 信息进入股价速度高的标的公司， 股价特质性波动率下降幅度也显著偏大； 而相比于事前盈余管理程度小的标的公司， 盈余管理程度大的标的公司股价特质性波动下降幅度在融资融券业务刚推出时较大， 而在扩容时不明显； 事前投资者信息不对称程度大的股票， 特质性波动下降幅度更大。以上结果表明， 融资融券业务的开通降低了股价特质性波动中的非信息效率因素， 提高了股价的信息效率。进一步的检验显示，相比于控制组， 融资融券交易对标的上市公司盈余管理行为的显著影响仅限于政策出台时的瞬间效应而不具备持续效应， 其对公司的信息披露行为影响尚不特别明显。

总之， 本文的结果表明， 融资融券业务开通对股价特质性波动的作用机理主要体现在对市场投资者行为的影响， 卖空交易机制对公司的外部治理作用有待改善。本文的不足之处在于： 由于数据的不可得性，本文没有直接研究融资融券业务对私有信息知情交易的影响， 而其对股价特质性波动的影响是最主要的。如果融资融券业务能促进私有信息知情交易的发生， 将为本文的结论提供最为有力的支持。这也是后续的研究可以完善的地方。此外， 融资融券交易对市场上特殊类型的参与者 （例如基金、 分析师） 以及公司的投融资行为的影响也是值得进一步研究的话题。

本文主要的政策建议为： 降低投资者进行融资融券交易的门槛， 使更多的私有信息知情者进入到市场中来； 降低融资融券的交易成本， 激励更多的投资者搜集信息获利， 进而达到发挥市场投资者对公司的外部治理作用； 增大转融资资金供应量和拓展转融通标的股票的范围， 活跃融资融券市场交易。

参考文献（1） 廖士光、 杨朝军： 《证券市场卖空交易机制的价格发现功能探讨》 ， 《上海立信会计学院学报》 ， 2006年第1期。（2） 廖士光： 《融资融券交易价格发现功能研究 — —基于标的股票确定与调整的视角》 ， 《上海立信会计学院学报》 ，2011年第1期。（3） 林忠国、 韩立岩、 李伟： 《股价波动非同步性 — —信息还是噪音?》 ， 《管理科学学报》 ， 2012年第6期。（4） 金智： 《新会计准则、 会计信息质量与股价同步性》 ，《会计研究》 ， 2010年第7期。（5） 许红伟、 陈欣： 《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》 ， 2012年第5期。（6） 杨德勇、 吴琼： 《融资融券对上海证券市场影响的实证分析 — —基于流动性和波动性的视角》 ， 《中央财经大学学报》 ， 2011年第5期。（7） Amihud Y.， 2002， “Illiquidity and Stock Returns: Cross-section and Time-series Effects” ， Journal of Financial Markets，Vol.5 （1） ， pp.31~56（8） Ashenfelter O. and Card D.， 1985， “Using the Longitudi⁃nal Structure of Earnings to Estimate the Effect of Training Pro⁃grams” ， Review of Economics and Statistics， Vol.67 （4） ， pp.648~660.（9）Bartram S. M.， Brown G.， Stulz R. M.， 2012， “Why areUS Stocks More Volatile?” The Journal of Finance， Vol.67（4），pp.1329~1370.（10） Bris A.， W. N. Goetzmann and N. Zhu， 2007， “Efficien⁃cy and the Bear: Short Sales and Market Around the World” ，The Journal of Finance， Vol.62 （3） ， pp.1029~1079.（11）Brown David P.， Ferreira， M. A.， 2004， IdiosyncraticRisk of Small Public Firms and Entrepreneurial Risk， Working Pa⁃per（12） Brown G.， Kapadia N.， 2007， “Firm-specific Risk andEquity Market Development” ， Journal of Financial Economics，Vol.84(2)， pp.358~388.（13） Cao C.， Simin T.， Zhao J.， 2008， “Can Growth OptionsExplain the Trend in Idiosyncratic Risk?” ， Review of FinancialStudies， Vol.21(6)， pp. 2599~2633.（14） Chen， Q.， I. Goldstein and W. Jiang， 2007， “Price Infor⁃mativeness and Investment Sensitivity to Stock Price” ， Review ofFinancial Studies， Vol.20， pp.619~650.（15）Dasgupta， S.， J. Gan and N. Gao.， 2010， “Transparen⁃cy， Price Informativeness and Stock Return Synchronicity: Theo⁃ry and Evidence” ， Journal of Financial and Quantitative Analy⁃sis， Vol.45， pp.87~98.（16） Dechow P. M.， Sloan R. G.， Sweeney A. P.， 1995， “De⁃tecting Earnings Management” ， Accounting Review， Vol.70， pp.193~225.（17） Durnev， A.， R. Morck and B. Yeung， 2004， “Value-en⁃hancing Capital Budgeting and Firm-specific Stock Return Varia⁃tion” ， The Journal of Finance， Vol.59， pp.65~105.（18） Durnev， A.， R. Morck， B. Yeung and P. Zarowin， 2003，“Does Greater Firm- specific Return Variation Mean More orLess Informed Stock Pricing?”Journal of Accounting Research，Vol.41， pp. 797~836.（19） Fang V. W.， Huang A.， Karpoff J.， 2013， Short Sellingand Earnings Management: A Controlled Experiment， Availableat SSRN 2286818.（20）Ferreira D.，Miguel A. Ferreira and Clara Raposo，2011， “Board Structure and Price Informativeness” ， Journal ofFinancial Economics， Vol.99， pp.523~545.（21）Ferreira， M. A.， Laux， P. A.， 2007， “Corporate Gover⁃nance， Idiosyncratic Risk and Information Flow” ， The Journal ofFinance， Vol.62， pp.951~989.（22）French， Kenneth and Richard Roll， 1986， “Stock Re⁃turn Variances: The Arrival of Information and The Reaction ofTraders” ， Journal of Financial Economics， Vol.25， pp.5~26.（23）Gul F. A.， Kim J. B.， Qiu A. A.， 2010， “OwnershipConcentration，Foreign Shareholding，Audit Quality and StockPrice Synchronicity: Evidence from China” ， Journal of FinancialEconomics， Vol. 95(3)， pp.425~442.（24） Hardouvelis， G. A.， 1990， “Margin Requirements， Vola⁃tility and the Transitory Component of Stock Prices” ， The Ameri⁃can Economic Review， Vol.80， pp.736~762. （25）Harvey C.， Siddique A.， 2004， “The Cross-section ofExpected Risk Exposure” ， Working Paper.（26）Hong H. and Stein J. C.， 2003， “Differences of Opin⁃ion， Short Sales Constraints and Market Crashes” ， Review of Fi⁃nancial Studies， Vol.16， pp.487~525.（27）Irani R. M.， Oesch D.， 2013， “Monitoring and Corpo⁃rate Disclosure: Evidence From A Natural Experiment” ， Journalof Financial Economics， Vol.109 （2） ， pp. 398~418.（28） Jianfeng Shen， 2008， “Idiosyncratic Volatility: Informa⁃tion or Noise? ” ， Working Paper， The University of New SouthWales（29）Jin，Li and Stewart Myers，2006， “R2 Around theWorld: New Theory and New Tests” ， Journal of Financial Eco⁃nomics， Vol.25， pp.257~292.（30） Lee， D. W. and M. H. Liu， 2011， “Does More Informa⁃tion in Stock Price Lead to Greater or Smaller Idiosyncratic Re⁃turn Volatility?” Journal of Banking & Finance，Vol.35，pp.1563~1580.（31）Leuz C. IAS versus US GAAP，2003， “InformationAsymmetry – based Evidence From Germany's New Market” ，Journal of Accounting Research， Vol.41 （3） ， pp.445~472.（32）Massa， Massimo and Zhang， Bohui and Zhang， Hong，2013， “The Invisible Hand of Short-selling: Does Short-sellingDiscipline Earnings Manipulation?”Working Paper.（33） Miller E. M.， 1977， “Risk， Uncertainty and Divergenceof Opinion” ， The Journal of Finance， Vol.32， pp.1151~1168.（34） Morck， Randall， Bernard Yeung and Wayne Yu， 2000，“The Information Content of Stock Markets: Why do EmergingMarkets Have Synchronous Price Movements?”Journal of Finan⁃cial Economics， Vol.25， pp.215~260.（35）Pástor L’ ， Veroncisi P.， 2003， “Stock Valuation andLearning about Profitability” ， The Journal of Finance， Vol.58(5)，pp.1749~1790.（36）Rajgopal Shiva， Mohan Venkatachalam， 2011， “Finan⁃cial Reporting Quality and Idiosyncratic Return Volatility” ， Jour⁃nal of Accounting and Economics， Vol.51， pp. 1~20.（37） Roll， Richard， 1988， “R 2 ” ， Journal of Finance， Vol.25，pp. 541~566.（38）Ross， Stephen， 1989， “Information and Volatility: TheNo-arbitrage Martingale Approach to Timing and Resolution Ir⁃relevancy” ， Journal of Finance， Vol.25， pp.1~17.（39） Rosenbaum， P.， Rubin， D.， 1983， “The Central Role ofthe Propensity Score in Observational Studies for Causal Ef⁃fects” ， Biometrika， Vol.70， pp. 41~55.（40） Saffi P. A. C. and Sigurdsson K.， 2011， “Price Efficien⁃cy and Short Selling” ， The Review of Financial Studies， Vol.24（3） ， pp.821~852.（41） Seguin， P. J.， 1990， “Stock Volatility and Margin Trad⁃ing” ， Journal of Monetary Economics， Vol.26， pp.101~121.（42）Zhang Chu， 2010， “A Reexamination of the Causes ofTime- varying Stock Return Volatilities” ， Journal of FinancialAnd Quantitative Analysis， Vol.45 （3） ， pp. 663~684.（43）Zhang Chu， Wei Steven， 2006， “Why Did IndividualStocks Become More Volatile?”Journal of Business，Vol.79，pp.259~292.