一、问题提出与文献概述

融资融券交易制度的创设是否有利于中国股票市场的价格发现，促进市场稳定？在这一过程中融资交易、融券交易各自的作用又如何？对这两个问题的回答不仅有助于进一步认清融资融券这一杠杆交易机制的作用，也有助于更好地识别场外配资的利弊，以促进中国证券市场未来的融资融券交易的进一步发展。

天然草地指植被自然生长未经改良的草地，多供作放牧家畜和刈草用，是草地畜牧业的生产基地[1]。我国4亿hm2草地中，95%为天然草地[2]。桑科草原位于甘肃省甘南藏族自治州夏河境内，青藏高原东缘，距夏河县城拉卜楞西南18 km。属于高寒草甸草原，平均海拔3 000 m，草原面积70 km2，是甘南藏族自治州的主要畜牧业基地之一。该区域是甘肃省家畜的主要产区，甘南州牦牛存栏数量达87万头，占全省牦牛总数的80%，夏河存栏牦牛14.41万头，占牦牛存栏总数的17%[3]，肩负着发展甘南牧区区域经济的重任。多年来，草地的长期超载放牧，使这一地区草地退化严重，草地生态趋于恶化，草畜矛盾突出[4]。

融资融券制度是中国证券市场交易制度的重要创新，其中融券交易制度的推出更是弥补了中国证券市场无法做空的不足。作为市场有效的重要前提之一，卖空机制有助于通过信用交易为市场提供流动性，也有助于促进拥有负面信息的交易者进行卖空交易提高负面信息融入股价从而降低股价高估的程度。同时，融资交易也有助于为市场提供更多的资金进而提高流动性，并且有助于拥有正面信息的交易者通过融资交易将所拥有的信息快速地融入股价。但是，中国证券市场的交易者以散户为主且长期以单边交易为主要的交易模式，因而散户大量的习惯性的融资交易可能增加股市的噪音，降低股价的信息含量。融资交易、融券交易对中国股市定价效率的影响如何，需要进一步的讨论。

对于融资融券如何影响定价效率，以往的相关研究更多地集中于卖空交易的影响。米勒(Miller，1977)认为卖空交易是市场有效的重要条件之一，卖空机制能帮助负面信息融入股价从而提高市场的定价效率[1]。大部分的实证研究也表明卖空机制的引入有助于通过提高换手率、降低买卖价差等方式提高股价反映信息的速度，降低股价的定价误差，从而提高定价效率[2-4]。关于卖空机制对定价效率的影响渠道，现有文献从以下三个方面展开：一是卖空机制影响股价反映信息的程度。克利斯朵夫等(Christophe et al.,2004)、迪特尔等(Diether et al.，2008)发现卖空交易者们拥有更多与资产价值相关的信息，这些信息反映在了卖空交易量之中，从而有助于修正股票的定价误差[5-6]。张等人(Chang et al.，2007)、弗里诺等(Frino et al.，2011)发现卖空限制显著地引起股价高估[2，4]。二是卖空机制影响股价反映信息的速度。戴曼德和韦雷基亚(Diamond & Verrecchia，1987)、里德(Reed，2002)发现卖空约束会显著地降低股价反映信息的速度[7-8]。洪和斯坦(Hong & Stein，2003)的研究表明卖空约束不仅降低了股价吸收信息的速度，甚至会导致暴涨暴跌[9]。萨菲和西于尔兹松(Saffi & Sigurdsson，2011)也发现卖空约束对于股票吸收市场和个股负面信息速度有显著的负面影响[10]。三是卖空机制对价格发现过程中信息效率的影响。伯默尔和吴(Boehmer & Wu，2013)利用日间数据和高频分笔报价数据，采用“定价误差”“报价中间价的相关系数的绝对值”“价格延迟”等指标讨论了卖空活动对价格发现过程的影响，发现卖空机制有助于降低股价定价误差和“价格延迟”，卖空交易有助于提高股价的信息效率[11]。博伊拉吉等(Bhojraj et al.，2009)采用实验方法研究了保证金限制对融券机制的影响，发现保证金比例的放松尽管带来了更多的卖空行为，但由此也会使得聪明钱(smart-money)融券交易者担心由于卖空太早无法与其他卖空者同步而面临更多的保证金交易风险，所以放松保证金限制降低了股价回归的速度，加剧了股价高估的程度[12]。方等人(Fang et al.，2016)通过对融券制度调整与公司盈余管理变化的研究也发现融券交易提高了股价反映的公司盈余信息的含量[13]。

关于融资交易或杠杆融资交易对市场的定价效率的影响，目前的研究还没有一致结论。一些文献认为，杠杆交易可以通过提高成交量和降低波动性而提高市场稳定性，但也有研究认为，杠杆交易会加剧市场的不稳定。赛金(Seguin，1990)通过对OCT市场的融资交易标的调整事件的研究，发现融资交易提高了成交量、降低了市场波动性，说明放松融资限制有助于提高市场的稳定性[14]。乔杜里和南达(Chowdhry & Nanda，1998)构建了一个基于杠杆融资的重复交易模型，发现即使在基本面信息没有改变的情况下，证券的价格也会发生变动，因此杠杆融资交易会导致市场的不稳定[15]。瑟纳等(Thurner et al.，2012)使用考虑了保证金交易风险的融资交易模型，发现投资基金公司在持有杠杆资产的时候更倾向于在市场下跌的时候进一步卖出以维持保证金比例，从而加速了市场的进一步下跌，导致收益率序列出现厚尾和波动集聚现象[16]。

针对中国推出的融资融券交易制度，国内的相关研究也发现融资融券交易能够在一定程度上提高股票定价效率。许红伟和陈欣(2012)研究发现融资融券交易制度的开通对标的股票信息效率的影响较弱，特别是对负面信息含量的影响并不显著[17]。肖浩和孔爱国(2014)以股价特质性波动来衡量股价的信息含量，利用DID回归发现融资融券交易通过降低标的证券的噪音交易进而降低了股价特质性波动的非信息效率因素，认为融资融券提高了标的股票的信息含量[18]。李科等(2014)以白酒行业的“塑化剂风波”为基准事件，研究了卖空机制对股票定价误差的影响，认为卖空机制有助于提高股价的定价效率[19]。张等人(Chang et al.，2014)也认为中国推出融资融券制度后，整个市场的定价效率提高了，但他们认为这主要是由于卖空带来的[20]。李志生等(2015)也发现融资融券交易制度有助于提高标的的定价效率[21]。

她的话音戛然而止。别过头去，眼睛死死地看向窗外，一眨不眨，抿着嘴唇僵在那里，仿佛在努力地控制着某种情绪，不肯回头看我一眼。

从现有文献看，大部分文献研究了融券交易(卖空机制)对定价效率的影响，而且结论也比较一致。但对于融资交易如何影响定价效率而言，这方面的实证研究较少，即使在理论上融资交易到底是提高了定价效率还是降低了定价效率也没有定论。更重要的是，由于占据中国股票市场主体的个人投资者的融资渠道相对有限，所以在中国同时推出融资交易和融券交易制度后，融资交易的活跃程度几乎是融券交易活跃程度的10倍。融资交易对市场定价效率的影响更是不应被忽略。另外，从市场运行的现实看，2015年6月份开始的股票市场的暴跌也是从证监会清理“场外融资交易”开始的。因此，研究融资交易对定价效率的影响以及它和融券交易对定价效率的影响是否存在不同，不仅在理论上而且在实务上都具有重要的意义。

本文首先构建了融资融券标的为实验组、非融资融券标的为对照组的DID回归模型，分析融资交易与融券交易一起推出对标的定价效率的影响。与现有文献一致，本文的实证结果也显示总体上融资融券制度推出后，中国市场的整体定价效率提高了。但是，这一影响到底是由于融资交易引起的还是由于融券交易导致的，现有文献并没有作进一步的充分讨论，因此本文进一步以融资融券标的为研究对象，构建纳入融资活跃程度、融券活跃程度的回归模型，讨论融资交易、融券交易对标的信息效率可能存在的不同影响。

二、研究设计

中国于2010年3月31日正式推出了融资融券交易，并在2014年年底之前又进行了四次融资融券标的扩容，这为本文区分融资交易、融券交易并进一步讨论二者对定价效率影响的不一致性提供了天然的实验组和对照组。

(一)实证分析模型

首先利用双重差分模型(DID)比较融资融券推出事件及扩容事件对标的证券与非标的证券的定价效率的影响，模型设定如下：

Efficiecyi,t=β0+β1Dt+β2Dg+γ1Dt×Dg+λ∑Controlsi,t+εi,t

(1)

因变量Efficiecyi,t是指第i只股票在t时期的定价效率，对所有的定价效率指标分别取前后一年的均值；解释变量Dt是时间虚拟变量，允许融资融券交易前该指标取值为0，事件后则取值为1；Dg是组间虚拟变量，非融资融券标的取值为0，融资融券标的取值为1；Controlsi,t为其他控制变量。根据模型的设定，如果交乘项(Dt×Dg)的系数γ1显著不为0，则说明股票纳入融资融券标的确实有利于提高定价效率。

2.问卷星：简单易操作的APP。课前导入职业能力测试题和课程学习评价内容，以调查学生的职业潜能、学习效果和搜集学生对课程的评价。

然而，上述DID模型并不能回答“融资融券推出对标的股票定价效率的影响”到底是由于融资交易还是由于融券交易导致的。为了进一步考察当融资融券一起推出的时候，融资交易、融券交易的不同影响，以纳入融资融券交易标的之后的这些标的股票为研究样本，设定如下模型：

Efficiecyi,t=αt+β1Shorti,t+β2Margini,t+γtControlsi,t+εi,t

(2)

模型中因变量Efficiecyi,t以及自变量Controlsi,t的含义同式(1)。此外，模型引入了代表融券活动活跃程度的变量(Shorti,t)和融资活动活跃程度的变量(Margini,t)。参考伯默尔和吴(Boehmer & Wu，2013)[11]、李志生等(2015)[21]的做法，以第i只个股在第t期的融券总量除以同期该个股的成交量衡量融券活动的活跃程度(Shorti,t)，以第i只个股在第t期的融资买入额除以同期该个股的成交金额衡量融资活动的活跃程度(Margini,t)。

最后，为了检验融资交易、融券交易活动对不同类型标的股票的定价效率可能存在的不同影响，又在模型(2)基础上把样本分成两组，一组代表“正定价误差组”(可以理解成“相对高估组”，为叙述方便以下简称为“相对高估组”)，另一组为“负定价误差组”(即相对低估组)。把代表相对高估组的虚拟变量(XV)加入模型中，即为如下模型：

Efficiecyi,t= αt+β1Shorti,t+β2Margini,t+β3XVi,t+β4XVi,t×Shorti,t

+β5XVi,t×Margini,t+γtControlsi,t+εi,t

(3)

式(3)中，β4(或β5)显著，则说明相比于相对低估组，融券交易(或融资交易)对相对高估组(或相对低估组)证券产生了更大的影响。

(二)主要指标的衡量方法

目前，我国的节能减排工作基本采取“自上而下”的模式开展。国家、政府不断出台各种政策，引导行业、企业逐步加强节能减排工作，推进产业结构调整，优化能源结构，加快节能减排降碳工程建设，积极推行市场化节能减排机制，加强监督执法的力度，落实目标责任。这一工作机制已经取得了明显效果。为了使全社会达成低碳发展的共识，不仅要在企业层面下功夫，还要着力从个人消费端推动低碳减排。但是，个人消费端排放具有“小散杂”的特点，难以采用与行业、企业节能减排相同的方法进行引导。

借鉴已有文献，主要从以下三个方面来衡量定价效率：第一类指标是侯和莫斯科维茨(2005)基于市场信息调整速度所提出的价格延迟指标[22]；在第二类指标中，主要参考卡迪亚等(Chordia et al.，2005)提出的“报价中间价收益率自相关系数绝对值”指标[23]构建了“日收益率滞后一期自相关系数绝对值”指标；第三类指标是常用的日内买卖价差、日间买卖价差以及换手率，但是考虑到中国股票市场的高换手率在全球市场中排在前面，而默克等(Morck et al.，2000)却认为中国股价信息含量在全球市场中排在最后几名[24]，因此可以认为中国证券市场的换手率指标无法代表定价效率，故没有将换手率指标作为定价效率指标的代理变量。

(1)价格延迟指标(Delay1、Delay2)

侯和莫斯科维茨(2005)认为资产价格基于市场中信息的调整速度越快意味着市场的定价效率越高。基于此，他们构建了“价格延迟指标”，利用资产价格基于市场中已有信息的调整速度来衡量定价效率[22]。具体的计算方法如下：

首先，把个股当期的收益率基于同期以及滞后四期的市场收益率进行回归：

 

(4)

其中，ri,t表示t期股票i的收益率；rm,t表示t期的市场收益率；rm,t-k表示滞后k期的市场收益率；εi,t为随机误差项。对模型(4)进行估计并计算得到该模型的决定系数然后，令模型中所有的δi,k系数为0并重新进行回归，可得到新模型的决定系数(R2)。则，第一个价格延迟指标(Delay1,i)定义为：

 

(5)

式(9)中，Vt、Bt分别表示t期公司的每股内在价值和净每股资产，Bt=Bt-1(1+FROEt(1-Dt))，Dt表示股利支付率，FROEt表示公司预期的净资产收益率，re表示该公司的权益资本成本。参考道卡斯等(2010)[28]及弗兰克尔和李(1998)[29]的做法，将最近一期的净资产收益率作为未来三期的预期净资产收益率，且将利用CAPM模型及过去三年的股价数据得到的预期收益率作为公司权益资本成本。最后，将公司的股价P与每股内在价值V的比值取自然对数，得到衡量公司估值的剩余权益偏差指标(XVALUE2)：

通过与祖籍国的直接接触，使历经磨难的海外华族意识到中国的兴衰荣辱与其命运息息相关，使他们明白学习汉语、传承华族文化的重要意义，引发和触动他们学习汉语的内在需求和强烈动力。

此外，侯和莫斯科维茨(2005)还设计了第二个价格延迟指标(Delay2,i)[22]：

 

(6)

Delay2,i捕捉了模型(4)中滞后市场收益率的回归系数在所有回归系数中的比重。因此，与Delay1,i类似，Delay2,i取值越大，说明定价效率越低[22]。

(2)信息含量指标：股价收益率滞后一期自相关系数绝对值(|AR|)

侯和莫斯科维茨(2005)认为当证券价格充分反映相关信息时，股价的自相关性较弱。因此，他们借鉴卡迪亚等(2005)[23]的做法构建了日内分笔数据报价中间价的自相关系数绝对值来衡量股价的自相关性，该绝对值越小，说明证券充分反映了相关信息，定价效率越高[22]。参考侯和莫斯科维茨(2005)[22]的做法，本文基于日间收盘价构建日收益率滞后一期自相关系数绝对值来衡量中国股市的定价效率(用|AR|表示)。同理，该指标值越小说明日间收盘价相关性越弱，股价的信息含量越高。|AR|的表达式为：

|AR|=|Corr(ri,t,ri,t-1)|

(7)

(3)日间、日内买卖价差(DailySprd、IntraSprd)

为了进一步验证融资融券交易对标的股票定价效率的影响，借鉴李志生等(2015)[21]的研究，同时使用日间买卖价差指标和日内买卖价差指标作为表征定价效率的指标。参考卡尔文和舒尔茨(Corwin & Schultz，2012)[25]的方法计算第一个日间买卖价差指标(DailySprd1)，即利用连续两个交易日股票交易的最高价与最低价数据，通过联立两个方程来求解买卖价差。同时采用传统的方法，将每个交易日的最高价减去最低价除以二者的均值得到第二个日间买卖价差指标(DailySprd2)。

对于日内买卖价差指标，常用的是莫西尼什和伍德(McInish & Wood，1992)[26]提出的时间加权买卖价差、简单平均的买卖价差和收盘时刻的买卖价差。张峥等(2013)指出收盘时刻的买卖价差仅选取日内最后一个样本点，其不足以反映日内交易信息[27]。时间加权买卖价差和简单加权买卖价差选取全部样本，因此本文选取了日内时间加权买卖价差(IntraSprd1)和日内简单平均买卖价差(IntraSprd2)。

2.正、负定价误差指标设计

梅县区(115°47′E～116°33′E、23°55′N～24°48′N)位于广东省东北部梅州市中部；东邻大埔县，西界兴宁，南连丰顺县，北接蕉岭县，中部环接梅州市梅江区，下辖程江镇、南口镇、畲江镇、水车镇等18个镇，全区的面积为2 482 km2。地处南岭余脉北部，地形以丘陵、山地、盆地为主，区域内主要河流有韩江、梅江、汀江等主要河流。2013年，梅县区GDP为150.53亿元，同比增长12.8%；区内总人口为598 177人[6]，其中客家人占人口总数的99%以上，因此被称为“纯客住县”(图1)。

为了刻画标的证券的定价误差程度，借鉴道卡斯等(Doukas et al.，2010)[28]的做法，首先引入相对估值偏差指标(XVALUE1)和绝对估值偏差指标(XVALUE2)，并对这两个指标各自排序的秩取平均得到了综合定价偏差指标，最后以综合定价偏差指标的中位数为分界点将标的分为“正定价偏差组”和“负定价偏差组”。

(1)相对估值偏差指标(XVALUE1)

基于投资者对上市公司的预期收益和未来现金流不存在完美信息的假设，利用相对估值法构建估值偏差指标，以衡量一个公司相对于同行业的其他公司是否被高估或者低估。将被评估公司价值与销售收入比(P/S)与同行业所有公司价值与销售收入比的中位数(IndMedian_P/S)的比值取对数得到估值偏差程度(XVALUE1)*借鉴道卡斯等(2010)[28]，把公司股价乘以股数加上公司负债得到公司的价值。：

 

(8)

该指标为正则认为存在正定价误差(即相对高估)，反之说明存在负定价误差(即相对低估)。

1.定价效率的衡量方法

(2)绝对估值偏差指标(XVALUE2)

除了前面的相对估值方法，道卡斯等(2010)也采用绝对估值方法来衡量定价偏差程度。根据弗兰克尔和李(Frankel & Lee，1998)[29]改进的股利贴现模型*弗兰克尔和李(1998)综合利用公司的账面价值、资本成本、预期ROE等指标对公司进行估值，发现模型能更好地对截面股票收益进行预测[29]。，本文选择他们的三阶段模型计算公司价值的估值：

 

(9)

根据侯和莫斯科维茨(2005)的定义，Delay1,i取值越大，表明资产收益率越依赖于过去的市场信息，即资产价格需要更长的时间才能吸收市场信息变化，因此定价效率越低[22]。

 

(10)

参考文献：

为了综合反映相对估值偏差指标(XVALUE1)和绝对估值偏差指标(XVALUE2)，对所有融资融券标的每一个指标由低到高进行排序，并对每一个标的这两个指标的秩(排名)求平均后做归一化处理，得到综合定价误差指标(XV)。最后，将XV低于中位数的标的纳入“负定价误差组”，XV高于中位数的标的纳入“正定价误差组”。XV的计算公式如下：

 

(11)

式(11)中，k表示估值指标的个数(值为2)，RANK函数表示取排序的秩。最后，将XV变量转化为虚拟变量，即如果该个股属于“负定价误差分组”，则XV取0，反之取1。

进一步，考虑到Margin、Short这两个变量在不同个股、不同交易日可能存在较大的波动而影响回归结果的准确性，又分别又对这两个变量取对数处理。考虑到这两个变量的取值可能为0，直接取对数会丢失部分样本，因此分别构建了lnMargin=ln(1+Margin)、lnShort=ln(1+Short)分别代表Margin、Short的对数形式，并重新对模型(2)、模型(3)进行估计。结果也与前文一致，这再一次验证了融资交易、融券交易对标的定价效率影响具有不一致性，而且对不同定价误差的标的产生了不同的影响。

参考已有的研究，引入公司规模(lnCap，以公司日均流通市值的自然对数衡量)、月度市场收益率(MktRet)、日均股价的自然对数(lnPrice)、机构持股比例(Insti，以机构投资者所持的股票总数除以该股票总股本衡量*本文的机构投资者包括基金、券商、信托、QFII等。)、月度换手率(Turnover)、交易所(Exchange，深交所上市股票取1、上交所上市取0)等作为控制变量。

(三)数据和样本

从2010年3月31日中国正式实施融资融券制度以来，融资融券标的先后扩容了四次，标的股票数量从刚开始的90只增加到2014年年底的900只，占同期A股交易股票总数的35%左右，见表1。2015年的股灾的成因较为复杂*比如场外配资及与之有关的政策调整、中证500股指期货推出、暴跌过程中股指限制开仓等因素均可能与股灾的发生有一定的关系。，且这段时间的政策调整较为频繁，难以控制这些因素的影响，也很难有效识别融资、融券在这其中的作用。而且这次股灾过程中的暴涨暴跌属于异常情况，将这段时间纳入样本期间可能导致样本异常，得出的结论不具有代表性。因此，在实证研究过程中并没有考虑2015年的数据。最终，将2010年4月至2014年12月期间所有上市交易的股票都纳入样本范围，其中实验组为所有融资融券标的股票，对照组为其他非融资融券标的股票。由于基金和股票存在诸多差异，且融资融券标的中的基金数量较少，因此不考虑融资融券标的中的基金样本。同时，除了2013年1月31日融资融券标的调整中有较多数量的标的被剔除外，其他几次调整中被剔除的股票都很少，所以也不考虑被剔除的标的股票。本文数据均来源于万得(Wind)数据库以及国泰安数据库。

 

表1 五次融资融券标的股票范围

  

调整日期新增标的股票数量剔除标的股票数量标的股票总数两市A股公司总数标的股票占A股公司总数百分比/%2010/03/3190-9017855.042011/12/051891278232011.982013/01/3127656500247220.232013/09/162005695246728.172014/09/22205-900254835.32

三、实证及结果分析

(一)描述性统计

表2的Panel A给出了各个定价效率指标的描述性统计，可以看出Delay1、Delay2以及|AR|三个指标均值均大于0，说明中国股票市场个股股价反映市场信息的时间存在一定的滞后，股票定价并非完全有效。日内时间加权的买卖价差和日内简单平均的买卖价差的均值分别为0.24%和0.25%，两者相差不大。如果与美国市场做一个简单的比较，伯默尔和吴(2013)中的日内买卖价差均值为0.11%[11]，这在一定程度上也说明中国市场在买卖价差流动性指标上还是要差于美国市场，尽管中国的换手率要远远高于美国市场。此外，表3给出了这些定价指标的相关系数，可以看出，除了两个价格延迟Delay1和Delay2以及两个日内价差指标IntraSprd1和IntraSprd2之间具有较高的相关系数外，其他指标的相关系数都不大于0.3，这说明从多个角度来衡量股票定价效率具有一定的合理性。

进一步来看中国融资融券交易活动情况。表2的Panel C表明，中国融资交易活动活跃程度指标(Margin)均值为12.24%，即这些融资标的股票每天的交易量中有12.24%是通过融资来实现的，而融券交易活动活跃程度指标Short均值仅为1.12%。融资交易指标均值是融券交易指标均值的10倍以上，说明中国融资交易活动比较活跃而融券交易活动相对不活跃，融资交易、融券交易的活跃程度存在很大的不一致。

他陪妻子去医院，诊断结果是假孕，他竟然是心里一块石头落了地。他拿到结果的那一刻就想走，想打电话给方晓倩，想下一秒就到她的城市，好像阳光又一点点回到世界里。妻子还在说着如何休养身体，努力要孩子，他看着医院里来来往往的人，思想早已跑远。

 

表2 主要变量的描述性统计

  

均值标准差中位数最小值最大值PanelA:定价效率指标的描述性统计Delay10.38490.25170.33930.00001.0000Delay20.54720.18110.53460.03730.9998|AR|0.15930.11860.13490.00000.8460DailySprd10.03120.01190.02920.00670.1060DailySprd20.01330.00530.01230.00250.0586IntraSprd10.00240.00850.00130.00020.4302IntraSprd20.00250.00960.00140.00030.4509

 

表2(续)

  

均值标准差中位数最小值最大值PanelB:控制标量描述性统计lnCap2.62451.13832.4534-0.32837.5652MktRet0.01900.06010.0195-0.13200.1506lnPrice2.35730.74762.31160.42615.5290Insti0.08550.11980.04960.00000.8605Turnover0.31720.33880.21290.00136.0947Exchange0.43200.49540.00000.00001.0000PanelC:融资融券活跃程度的描述性统计Margin0.12240.06940.12270.00000.3697Short0.01120.01320.00550.00000.0932

 

表3 各定价效率指标之间的相关系数

  

Delay1Dealy2|AR|DailySprd1DailySprd2IntraSprd1IntraSprd2Delay11.00Delay20.68***1.00|AR|0.15***0.15***1.00DailySprd10.23***0.21***0.17***1.00DailySprd20.24***0.22***0.17***0.98***1.00IntraSprd10.23***0.30***0.10***0.10***0.12***1.00IntraSprd20.22***0.28***0.07***0.11***0.12***0.95***1.00

(二)融资融券制度推出对证券定价效率的影响

交叉项Short×XV对代表价格延迟和买卖价差的效率指标的回归系数均为负(除了对Delay1的回归系数之外)，并且对|AR|、DailySprd1、DailySprd2的回归系数显著，而对价格延迟指标(Delay1、Delay2)的回归系数不显著。这说明，相对于相对低估股票，融券交易对相对高估股票的自相关系数和买卖价差的改善更加明显，但对价格延迟的影响没有明显差异。因此，总体上看，相对于相对低估股票，融券交易降低了相对高估股票的收益率自相关系数和买卖价差，即对于相对高估股票定价效率的改善更加明显。

Define the random variables a0k,ahkand aukas follows:

此外，从表4中还可以看出，模型中包含的控制变量如公司市值的大小、其上市的交易所、其账面市值比以及买卖价差也都是影响股票定价效率的重要因素。公司规模越高，定价效率越高。市场收益率越大，定价效率越低。股价越高，定价效率越低。机构投资者持股比例对定价效率的影响不明显。而从换手率的系数看，换手率越高的股票，其定价效率却越低。这从另外一个角度也说明在中国换手率并没有与定价效率正相关。

 

表4 融资融券推出对股票定价效率的整体影响

  

Delay1Delay2|AR|DailySprd1DailySprd2IntraSprd1IntraSprd2Dg×Dt-0.0083*-0.0189***0.0008-0.0020***-0.0010***0.00020.0002(-1.92)(-3.26)(0.23)(-5.75)(-6.45)(0.35)(0.38)Dg0.00080.0032-0.00180.0010***0.00055***0.0007*0.0007(0.24)(0.73)(-0.70)(3.96)(5.07)(1.66)(1.48)Dt0.0314***0.0326***-0.00040.0015***0.0005***0.00020.0004(17.72)(13.74)(-0.33)(10.73)(8.70)(1.05)(1.38)lnCap-0.0008-0.0058***-0.0011-0.0001*0.0001***-0.0016***-0.0018***(-0.77)(-4.12)(-1.39)(-1.70)(3.51)(-11.65)(-11.81)MktRet15.19***19.07***-1.361.01***0.35***-0.50***-0.56***(10.47)(9.81)(-1.22)(8.92)(7.43)(-2.64)(-2.68)lnPrice0.0247***0.0364***0.0035***0.0029***0.0011***-0.0010***-0.0007***(19.55)(21.49)(3.57)(29.25)(25.57)(-5.63)(-4.08)Insti-0.0100-0.0032-0.00460.0013**0.0008***-0.0020**-0.0019*(-1.37)(-0.34)(-0.85)(2.44)(3.38)(-2.19)(-1.88)Turnover0.4770***0.6720***0.1640***0.2280***0.0886***0.0202***0.0303***(10.43)(10.97)(4.66)(63.90)(59.43)(3.39)(4.58)Exchange0.0116***0.0107***0.00310.0009***0.0003***0.0007**0.0006*(4.45)(3.05)(1.54)(4.17)(3.78)(2.02)(1.65)个体效应控制控制控制控制控制控制控制时间效应控制控制控制控制控制控制控制N11068110681106811068110681106811068R20.0900.1300.0050.4860.4520.0340.031

注：估计值下面括号中为t值，***、**和*分别表示在1%、5%和10%水平下显著。

(三)融资交易与融券交易是否存在不同影响

前面的分析说明融资融券的推出改善了标的定价效率，但是由于中国的融资交易、融券交易制度是一起推出的，上述的研究无法说明标的定价效率的改善是融资交易的作用还是融券交易的作用。为了区分融资交易、融券交易对标的定价效率的不同影响，以2010年3月31日至2014年12月31日为研究期间，仅以所有融资融券标的为样本，对模型(2)进行估计，其中价格延迟指标(Delay1、Delay2)、收益率自相关系数绝对值(|AR|)每个月计算一次，日间买卖价差(DailySprd1、DailySprd2)和日内买卖价差(IntraSprd1、IntraSprd2)则取月度均值得到。

从表5的回归结果可看出，融资交易活跃程度的变量(Margin)对价格延迟指标、收益率自相关系数绝对值的回归系数均显著为正，但是Margin对日间买卖价差的回归系数显著为负。这说明融资交易可能会导致更高的价格延迟、更高的收益率自相关系数绝对值，但它却有助于降低日内买卖价差。从总体上看，融资交易还是降低了标的股票的定价效率。再看融券交易活跃程度的变量(Short)的系数，它对定价效率指标Delay1、Delay2、|AR|的回归系数均显著为负，但是对买卖价差指标的回归系数并不显著。这说明融券交易降低了价格延迟以及收益率自相关系数绝对值，但对买卖价差没有显著影响。因此，融券交易在总体上提高了标的股票的定价效率。

表5的结果表明，融资交易在一定程度上降低了标的股票的定价效率，而融券交易在一定程度上提高了标的股票的定价效率。因此，结合前面的分析，可以认为中国融资融券的推出有助于提高标的股票的定价效率，而这主要来自融券交易的影响。

 

表5 融资交易、融券交易对标的定价效率的不同影响

  

Delay1Delay2|AR|DailySprd1DailySprd2IntraSprd1IntraSprd2Margin0.5675***0.3162***0.0655***-0.0180***-0.0072***-0.0004-0.0005(18.44)(13.92)(4.20)(-14.17)(-12.06)(-0.38)(-0.39)Short-0.9260***-0.9568***-0.4536***-0.00480.0005-0.0015-0.0025(-5.97)(-8.35)(-5.78)(-0.75)(0.16)(-0.26)(-0.40)lnCap0.0077***0.0056***0.0064***-0.00010.00010.00010.0001(3.84)(3.83)(6.36)(-1.23)(0.70)(1.15)(0.58)MktRet0.4005***0.2226***0.0747***0.00200.0020***-0.0103***-0.0114***(12.48)(9.40)(4.60)(1.44)(3.12)(-8.87)(-8.76)lnPrice0.0677***0.0464***-0.0085***0.0028***0.0011***-0.0005***-0.0003***(26.84)(24.93)(-6.69)(26.87)(22.71)(-5.24)(-3.27)Insti-0.0821***-0.0489***-0.0132*0.0003-0.0001-0.0001-0.0001(-5.51)(-4.45)(-1.75)(0.55)(-0.08)(-0.13)(-0.18)Turnover0.1196***0.0618***-0.0060**0.0193***0.0077***0.0032***0.0033***(20.05)(14.05)(-1.97)(78.51)(66.66)(14.70)(13.44)Exchange0.00440.0005-0.00040.0007***0.0004***0.00010.0001(1.16)(0.20)(-0.22)(4.29)(5.33)(0.30)(0.46)N17866178661786617866178661786617866R20.1400.0950.0070.3460.2760.0150.013

注：估计值下面括号中为t值，***、**和*分别表示在1%、5%和10%水平下显著。

(四)融资融券对相对高估和低估股票的不同影响

考虑到融资和融券交易可能对不同定价误差的股票产生不同的影响，在上述模型的基础上加入代表正定价误差(即相对高估)的虚拟变量(XV)，其中XV=1表示正定价误差标的，为0则表示负定价误差标的。对模型(3)进行估计，结果如表6所示。自变量XV对日间买卖价差指标(DailySprd1、DailySprd2)的回归系数显著为正，且对日内买卖价差指标(IntraSprd1、IntraSprd2)的回归系数为正(但不显著)，说明相对高估股票具有更大的买卖价差。

 

表6 融资与融券对正、负定价误差股票定价效率影响的差异

  

Delay1Delay2|AR|DailySprd1DailySprd2IntraSprd1IntraSprd2Margin×XV0.03720.06020.0165-0.0017-0.0010-0.0024-0.0027(0.73)(1.60)(0.64)(-0.80)(-0.97)(-1.32)(-1.30)Short×XV0.0258-0.0169-0.2960**-0.0401***-0.0120**-0.0059-0.0073(0.10)(-0.09)(-2.19)(-3.64)(-2.33)(-0.61)(-0.68)Margin0.5490***0.2870***0.0571***-0.0173***-0.0067***0.00080.0008(13.87)(9.81)(2.85)(-10.59)(-8.82)(0.53)(0.50)

 

表6(续)

  

Delay1Delay2|AR|DailySprd1DailySprd2IntraSprd1IntraSprd2Short-0.9401***-0.9489***-0.2951***0.0160*0.0067*0.00170.0013(-4.47)(-6.12)(-2.77)(1.85)(1.65)(0.22)(0.16)XV-0.0049-0.0072-0.00100.0012***0.0004***0.00040.0005(-0.66)(-1.31)(-0.26)(3.82)(3.09)(1.47)(1.63)lnCap0.0077***0.0057***0.0064***-0.00010.00010.00010.0001(3.85)(3.86)(6.33)(-1.37)(0.59)(1.11)(0.53)MktRet0.4000***0.2220***0.0747***0.00180.0018***-0.0103***-0.0115***(12.48)(9.39)(4.60)(1.32)(3.03)(-8.87)(-8.77)lnPrice0.0677***0.0464***-0.0084***0.0028***0.0011***-0.0005***-0.0003***(26.80)(24.88)(-6.60)(26.73)(22.59)(-5.22)(-3.28)Insti-0.0822***-0.0491***-0.0134*0.0003-0.0001-0.0001-0.0001(-5.52)(-4.47)(-1.78)(0.52)(-0.10)(-0.13)(-0.17)Turnover0.1200***0.0619***-0.0059*0.0193***0.0077***0.0032***0.0033***(20.04)(14.05)(-1.96)(78.68)(66.76)(14.71)(13.45)Exchange0.00450.0007-0.00050.0006***0.0004***0.00010.0001(1.18)(0.25)(-0.28)(4.17)(5.24)(0.23)(0.40)N17866178661786617866178661786617866R20.1400.0950.0080.3470.2770.0150.013

注：估计值下面括号中为t值，***、**和*分别表示在1%、5%和10%水平下显著。

交叉项Margin×XV对定价效率指标(Delay1、Delay2、|AR|)的回归系数均为正，且对日间和日内买卖价差指标(DailySprd1、DailySprd2、IntraSprd1、IntraSprd2)的回归系数均为负，但是所有的回归系数并不显著。这说明融资交易对相对高估股票和相对低估股票的定价效率影响并没有显著不同。

1997年诺贝尔经济学奖获得者罗伯特·默顿最早提出“功能性监管”这一概念，它指的是按照经营业务的性质来划分监管对象的金融监管模式，如将金融业务划分为银行业务、证券业务和保险业务，监管机构针对业务进行监管，而不管从事这些业务经营的机构性质如何［4］。其优势在于监管的协调性高，发现问题能得到及时处理和解决；金融机构资产组合总体风险容易判断；可以避免重复和交叉监管现象的出现，为金融机构营造公平竞争的市场环境。

为了分析融资融券交易制度的推出对标的定价效率的影响，以2013年9月16日(含)前四次融资融券标的扩容为研究事件，所有变量分别取前后一年的月均值，对模型(1)进行估计。表4给出了该DID回归模型的回归结果。从表4可以看出，在控制了其他因素的影响后，7个定价效率指标模型中，价格延迟指标(Delay1、Delay2)以及日间买卖价差(DailySprd1、DailySprd2)这4个模型中的交叉项Dg×Dt的系数均在1%统计水平下显著为负。这说明股票纳入融资融券标的之后价格延迟和日间买卖价差显著降低了。但是，日间价格相关系数|AR|、两个日内买卖价差的交叉项Dg×Dt的系数却不显著。这说明，融资融券推出对日间价格相关性、日内流动性没有显著影响。总体上看，表4的结果在一定程度上说明融资融券的推出改善了标的证券的定价效率。

(五)稳健性检验

为了检验前述研究的稳健性，还对代表融资交易活动的变量(Margin)、代表融券交易活动的变量(Short)变量分别做5%的winsorize处理，并对模型(2)、模型(3)重新进行估计，回归结果与表5、表6一致，这说明本文前面的分析结果具有一定的稳健性。

3.控制变量的选取

四、结论

本文选取价格延迟、“日收益率滞后一期自相关系数绝对值”、买卖价差这三类指标衡量中国证券市场的定价效率。首先，以中国2010年3月31日开始推出并在此后多次扩容的融资融券标的调整事件及对应标的为研究对象，运用双重差分模型方法讨论融资融券交易制度的推出对中国股票定价效率的影响。分析结果显示，融资融券交易制度的推出显著地提高了标的证券的定价效率。进一步，以融资融券标的为研究对象，分别构建了刻画融资交易活动、融券交易活动的指标，讨论融资交易和融券交易对定价效率的影响是否存在不一致，分析结果显示，融券交易能显著改善标的股票的定价效率，而融资交易却在一定程度上降低了标的股票的定价效率。这表明，融资交易、融券交易对标的定价效率的影响存在不一致性。更进一步，又研究了融资融券交易对不同定价误差标的股票影响的差异性。分析结果显示，相比相对低估股票，融券交易对于相对高估股票定价效率的改善更加明显，而融资交易的作用则在统计意义上没有显著差异。

本文的研究结论不仅为卖空机制提高定价效率的观点提供了新的证据，更重要的是，发现融资交易损害了标的证券的定价效率，在一定程度上对“疯牛快熊”过程中融资交易以及场外配资的弊端提供了间接的证据。从政策角度看，本文的研究表明中国的融资融券交易制度的推出是合理的、恰当的，也在一定程上证明了中国监管层寄希望通过融资融券交易制度的推出完善市场交易制度、提高市场定价效率的做法在一定程度是可行的。但是在具体的实施过程中，还存在很大的改善空间。本文结论说明，既然融资融券对定价效率的影响存在不一致性，那么在监管上也要区别对待。具体而言，应进一步通过降低融券交易费用、增加标的数量、建立证券借贷市场等措施促进融券交易的发展，而对于融资交易，则应通过限制融资额度、提高融资交易费用等方式减少融资交易活动，以促进中国证券市场向更完善、更成熟的目标发展。

依托互联网技术，可以加快农业电子商务的发展，以互联网为核心积极整合信息经济，共享经济发展，促进虚拟经济与实体经济的融合与互动。截至2016年末，全市共建成县级电商综合服务中心11个，乡镇电商服务站294个，村级电商服务点563个，培育开设网店1 964个，培育涉农电商企业230户。在投入方面，各类资本投入达1.25亿元，财政资金投入8 760万元，创造就业岗位12 680个，帮助贫困人口就业5 257人，实现网络销售15.4亿元。加大投入农村电商产业，促进农业电商发展，加快建设淘宝“特色馆”、阿里“产业带”，逐步推出一批有市场影响力的农产品品牌，通过品牌效应带动农业经济发展。

(3)综合定价误差指标及分组

[1]MILLER E M.Risk,uncertainty,and divergence of opinion[J].Journal of Finance,1977,32(4):1151-1168.

[2]CHANG E C,CHENG J W,YU Y.Short-sales constraints and price discovery:evidence from the Hong Kong market[J].Journal of Finance,2007,62(5):2097-2121.

[3]BOEHMER E,KELLEY E.Institutional investors and the informational efficiency of prices[J].Review of Financial Studies,2009,22(9):3563-3594.

[4]FRINO A,LECCE S,LEPONE A.Short-sales constraints and market quality:evidence from the 2008 short-sales bans[J].International Review of Financial Analysis,2011,20(4):225-236.

[5]CHRISTOPHE S E,FERRI M G,ANGEL J J.Short-selling prior to earnings announcements[J].Journal of Finance,2004,59(4):1845-1875.

[6]DIETHER K B,LEE K H,WERNER I M.Short-sale strategies and return predictability[J].Review of Financial Studies,2008,22(2):575-607.

12组癌痛患者居家自我管理能力得分的比较(±s,分)组别n自我管理能力总分 情绪管理 不良反应管理 疼痛监测 工作与休息管理 治疗依从性 饮食管理

[7]DIAMOND D W,VERRECCHIA R E.Constraints on short-selling and asset price adjustment to private information[J].Journal of Financial Economics,1987,18(2):277-311.

近年，山重建机坚持“系统创新、效能为先”的研发理念，结合“十二五”战略规划突出科研投入、掌握核心技术的要求，着眼于长远战略发展，根据国家产业政策，技术创新工作的重点放在节能环保产品的研发上。山重建机积极与国际知名公司建立战略合作联盟，全面增强企业核心竞争力，提升国际知名度，以具有国内外领先的高新技术产品支撑企业的战略发展，备受国内外客户青睐。

[8]REED A.Costly short-selling and stock price adjustment to earnings announcement[D].Philadelphia:University of Pennsylvania,2002.

[9]HONG H,STEIN J C.Differences of opinion,short-sales constraints,and market crashes[J].Review of Financial Studies,2003,16(2):487-525.

[10]SAFFI P A C,SIGURDSSON K.Price efficiency and short selling[J].Review of Financial Studies,2011,24(3):821-852.

[11]BOEHMER E,WU J.Short selling and the price discovery process[J].Review of Financial Studies,2013,26(2):287-322.

[12]BHOJRAJ S,BLOOMFIELD R J,TAYLER W B.Margin trading,overpricing,and synchronization risk[J].Review of Financial Studies,2009,22(5):2059-2085.

[13]FANG V W,HUANG A,KARPOFF J M.Short selling and earnings management:a controlled experiment[J].Journal of Finance,2016,71(3):1251-1294.

[14]SEGUIN P J.Stock volatility and margin trading[J].Journal of Monetary Economics,1990,26(1):101-121.

[15]CHOWDHRY B,NANDA V.Leverage and market stability:the role of margin rules and price limits[J].The Journal of Business,1998,71(2):179-210.

[16]THURNER S,FARMER J D,GEANAKOPLOS J.Leverage causes fat tails and clustered volatility[J].Quantitative Finance,2012,12(5):695-707.

[17]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[J].管理世界，2012(5)：52-61.

进行一次式(14)和(15)计算表示经过一层Δz厚度的相位屏传播.如此经过反复迭代，即可得到贝塞尔高斯涡旋光束通过该随机多层相位屏以后的场强和相位分布.

[18]肖浩，孔爱国.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[J].管理世界，2014(8)：30-43.

[19]李科，徐龙炳，朱伟骅.卖空限制与股票定价误差——融资融券制度的证据[J].经济研究，2014(10)：165-178.

[20]CHANG E C,LUO Y,REN J.Short-selling,margin-trading,and price efficiency:evidence from the Chinese market[J].Journal of Banking & Finance,2014,48(C):411-424.

[21]李志生，陈晨，林秉旋.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[J].经济研究，2015(4)：165-177.

[22]HOU K,MOSKOWITZ T J.Market frictions,price delay,and the cross-section of expected returns[J].Review of Financial Studies,2005,18(3):981-1020.

[23]CHORDIA T,ROLL R,SUBRAHMANYAM A.Evidence on the speed of convergence to market efficiency[J].Journal of Financial Economics,2005,76(2):271-292.

[24]MORCK R,YEUNG B,YU W.The information content of stock markets:why do emerging markets have synchronous stock price movements?[J].Journal of Financial Economics,2000,58(1):215-260.

[25]CORWINS A,SCHULTZ P.A simple way to estimate bid-ask spreads from daily high and low prices[J].Journal of Finance,2012,67(2):719-760.

[26]MCINISH T H,WOOD R A.An analysis of intraday patterns in bid/ask spreads for NYSE stocks[J].Journal of Finance,1992,47(2):753-764.

[27]张峥,李怡宗，张玉龙，等.中国股市流动性间接指标的检验——基于买卖价差的实证分析[J].经济学(季刊)，2013(4)：233-262.

[28]DOUKAS J A,KIM C,PANTZALIS C.Arbitrage risk and stock mispricing[J].The Journal of Financial and Quantitative Analysis,2010,45(4):907-934.

[29]FRANKEL R,LEE C M C.Accounting valuation,market expectation and cross-sectional stock returns[J].Journal of Accounting and Economics,1998,25(3):283-319.