【作　　者】
宋光辉1（博士生导师），董 艳1，吴 栩2

【作者单位】
（1.华南理工大学工商管理学院，广州 510640；2.成都理工大学商学院，成都 610059）

【摘　　要】

     【摘要】股票市场的波动率是金融学界讨论的热点话题之一，我国沪深两市A股中融资融券标的股先后四次扩容，给市场的波动率带来了重大影响。本文以我国目前所有融资融券标的股扩容公司为研究对象，运用L-SV模型，系统分析了所有标的股扩容前后股票市场波动率的变化情况。研究结果表明：每次标的股扩容后对市场波动率的影响并不完全相同。第一次和第二次标的股扩容后，市场的波动率有所下降，具有稳定作用；第三次和第四次标的股扩容后，市场的波动率有所提高，具有助推作用。总体而言，股票市场的波动率随着标的股数量的增加而提升，这为监管层实施市场监管、投资者进行投资决策提供了可资参考的依据。
【关键词】融资融券；标的股扩容；波动率；L-SV模型一、研究背景
波动率是衡量股票市场质量的重要指标之一，也是监管层关注的焦点。A股筹划已久的融资融券业务于2010年3月31日正式启动，标志着A股由“单边市”向“多边市”转变和卖空机制的正式诞生。监管层推出融资融券业务，旨在平抑市场中暴涨暴跌、同涨同跌等低效现象，稳定市场。然而，融资融券交易是把“双刃剑”，给市场新增资金、活跃交易的同时也带来了风险放大效应。融资融券在A股市场中扮演越来越重要的角色，2014年A股在经济基本面没有太大改善的环境下涨势如虹，被实业界普遍认为由杠杆资金带来的“杠杆牛市”，融资融券无疑成为“始作俑者”，为市场起到了推波助澜的作用。特别是2014年9月22日标的股第四次扩容后，融资融券余额频频突破，屡创新高，投资者借助杠杆资金使成交量在短期内迅速放大，市场中投机氛围日渐浓厚。显然，融资融券业务的发展给A股市场的波动带来了重大影响。
那么，融资融券规模的迅速扩大和标的股的陆续扩容，究竟是加剧还是平抑了A股市场的波动率呢？这是本文所要探讨的主要问题。
国内外关于融资融券对股票市场波动率影响的研究，一直存在很大争议。绝大部分文献（James J.Angel，1997；Bris et al.，2007；Eric et al.，2014）认为，融资融券交易能稳定市场，降低市场波动率；但也有部分文献（Henry和McKenzie，2006；Chang et al.，2007；Saffi 和 Sigurdsson，2011）认为，融资融券对股票市场起着“助涨助跌”的作用，放大了投资者的风险。尤其是在金融恐慌和金融危机发生之时，投资者根据市场情绪利用融资融券工具进行投机交易，加速金融危机的形成。从美国市场来看，2007年次贷危机、2008年金融危机，过度杠杆就是导致市场暴跌的主要元凶之一，期间欧美许多国家纷纷出台政策，限制股票市场卖空行为。
近年来，融资融券在我国资本市场迅速发展，沪深两市在2010年3月31日启动首日融资融券余额仅为659万元，到2011年底一年多时间达到382.07亿元，2012年底上升至895.16亿元。其后进入快速增长通道，2013年底达到3 465.27亿元，至2014年底已突破1万亿元，高达10 256.56亿元。同时，监管层对融资融券标的股进行了四次扩容，进一步加速了融资融券在中国的发展。标的股由最初的90只扩容至900只。首次扩容在正式启动20个月后，第二次扩容在前次扩容13个月后，第三次扩容仅在前次扩容7个月后，第四次扩容在前次扩容12个月后，监管层对标的股扩容的时间间隔明显缩短。
融资融券的发展对A股市场波动性的影响，引起了学界、实业界和监管层的广泛关注。因此，亟待进一步研究融资融券标的股每次扩容后对证券市场波动率的影响，弄清楚这一问题，不仅是现实的迫切需要，而且具有重要的理论价值。为此，本文运用L-SV模型，以我国目前所有标的股扩容次数为研究对象，比较分析标的股四次扩容前后股票市场波动率的变化情况，以期发现标的股扩容对股票市场波动率的影响。本文与已有文献不同的是利用A股融资融券标的股扩容这一自然实验检验了标的股数量与市场波动率的关系，在样本选取时间范围上有所拓宽，把第三次和第四次标的股扩容纳入研究范围，得到了新的发现，填补了现有研究的空白。二、文献综述
融资融券作为一种信用交易，在西方成熟的资本市场已发展了几十年，卖空机制作为一种金融创新，被学术界和实业界普遍认为是股票市场不可或缺的组成部分。
在国内外现有研究中关于融资融券对股票市场稳定性的影响存在很大分歧，主要有以下三种观点：
1. 融资融券业务能发挥价格稳定器的作用。当市场过度投机或者做庄导致某一股票价格暴涨时，投资者可通过融券卖出方式沽出股票，从而促使股价下跌；反之，当某一股票价值被低估时，投资者可通过融资买进方式购入股票，从而促使股价上涨。
国内外不少学者通过实证研究证明，融资融券能够降低股票市场的波动率。如美国学者James J.Angel（1997）考察美国纳斯达克市场上股价下跌与卖空之间的关系，结果发现，卖空机制并不会引起股价暴涨暴跌，反而会平抑股价，稳定股票市场。
Bris et al.（2007）、陈淼鑫和郑振龙（2008）等人通过对全球多个国家和地区的股票市场中是否存在卖空机制对股票市场波动率的影响进行研究，结果发现，存在卖空机制市场的波动率比不存在卖空机制市场的波动率要小，说明卖空机制的存在具有稳定市场的效果。
杨德勇和吴琼（2011）通过对上海证券市场融资融券的研究，发现融资融券的推出对市场的波动率具有一定的平抑作用。许红伟和陈欣（2012）研究了我国第一批融资融券标的股的市场表现，结果发现，融资融券交易能减缓股票市场暴跌、防止市场恐慌。
Eric et al.（2014）通过研究融资融券对中国股票市场波动的影响，发现融资融券的推出降低了市场的波动率。林祥友（2014）对ETF基金进入融资融券标的股前后的市场表现进行分析，发现融资融券平抑了ETF基金市场的波动率。肖浩和孔爱国（2014）运用双重差分模型检验了融资融券对股价特质性波动的影响，结果表明，融资融券交易降低了标的股股价的特质性波动率。
2. 融资融券可能起到助推器的作用，进一步加剧市场波动。即当股票价格上升时，投资者预期股价会上涨，于是融资买入股票，从而增加了股票的需求量，引起股价进一步上涨，使得股票价格更大地偏离其内在价值；当股票价格下降时，投资者预期股价会降低，于是融券卖出股票，从而增加了股票的供给量，引起股价进一步降低，使得股票价格更大地偏离其内在价值。特别是在金融恐慌和金融危机发生之时，一旦投资者对市场抱有恐慌和负面情绪，他们就会迅速卖掉自己手中持有的头寸，而市场气氛往往存在羊群效应，使得平仓的恐慌情绪迅速蔓延，导致股市剧烈波动。
早在1960年Bogen和 Krooss就提出了“金字塔—倒金字塔”理论，从理论上阐明了融资融券交易对股票市场有助涨助跌作用，提升股票市场的波动率，这一观点在理论界很长一时间段内占主流地位。
Allen et al.（1993）研究美国纽约证券市场发现，卖空机制的存在会加速资产产生泡沫，从而会提升股票市场的波动率。Ofek和Richardson（2003）选取了1998 ~ 2000年美国证券市场上400只网络股作为研究对象，结果发现，大量的卖空行为造成了网络股票大幅下跌，这说明卖空机制对股票有助涨助跌作用。
Bernardo和Welch（2004）对卖空机制与金融危机发生之间的关系进行了研究，结果发现，卖空行为在金融危机发生时不利于证券市场的稳定。
Henry和McKenzie（2006）、Chang et al.（2007）均对香港证券市场引入卖空机制进行研究，发现市场的波动率加快了，而个股被列入卖空名单之后，其波动率也会加快。Saffi 和 Sigurdsson（2011）的研究结果也表明，融券交易是导致市场剧烈波动的原因。
3. 融资融券对股票市场波动率的影响并不确定。Figlewski 和 Webb（1993）研究了融资融券与股票市场波动率之间的关系，结果发现相关性并不明显。Bai te al.（2006）通过建立一个完全理性预期的一般均衡模型进行研究，结果表明，在信息不对称的情况下卖空机制对市场波动率的影响不确定。Diether et al.（2009）对市场临时禁止卖空行为进行研究，发现市场波动率没有明显变化。翟爱梅和钟山（2012）考察金融危机前后卖空机制对A+H股股价波动率的影响，结果表明：在危机发生之前卖空机制能抑制股票价格的波动率，在危机发生期间卖空机制会加剧股票价格的波动率，在危机得到缓解之后卖空机制对股票价格波动率没有显著影响。
综上所述，融资融券交易对股票市场波动率的影响是个动态问题，现有关于融资融券对中国股票市场波动率影响的研究中，大部分仍停留在经验总结和定性分析层面，即停留在融资融券业务的推出对股票市场波动率的影响上，并没有进一步细分研究标的股数量的增加会对股票市场波动率产生怎样的影响，即缺乏实际数据支持的定量分析。但是，随着标的股数量的增加、在市场的覆盖范围扩大、融资融券规模逐渐增加，融资融券在股票市场中的影响也会逐渐提升。那么，标的股每次扩容后会给股票市场的波动率带来怎样的影响呢？
本文拟以我国沪深两市2010年3月31日至2015年2月28日作为时空区间，以2011年12月、2013年1月、2013年9月和2014年9月四次扩容作为研究对象，用沪深300指数的波动率作为A股市场波动情况的代表，运用L-SV模型，根据标的股数量的变化情况，考察融资融券标的股每次扩容后市场波动率的变化情况。本文的研究结论对弄清楚融资融券标的股每次扩容后对我国股票市场波动率的影响具有很强的现实意义。三、研究设计
（一）实证分析的指标与模型
现有文献对于股票市场波动率的衡量没有统一的标准，有的采用市场指数的标准差来衡量，也有的采用指数的振幅、日收益率等指标来衡量。金融资产收益的波动率具有聚集性、时变性和非对称性等特征，为了能更加准确地刻画波动率的这些特征，Engle（1982）提出了自回归条件异方差（ARCH）模型，Bollerslev（1986）在前者基础上提出了广义条件异方差（GARCH）模型。Melino和Turnbull（1990），Taylor（1994），Harvey et al.（1994），Jacquier et al. （1994）提出了随机波动率（SV）模型。SV模型的波动率方程不再是一个确定的函数，而是带有随机性，它较之GARCH模型能更好地反映波动率的内在属性和特征。Shephard（1996）证实了SV模型比GARCH模型更具有灵活性和有效性。SV模型具体表示如下：
yt=εteht/2， εt ~ i.i.N（0，1），   t=1，2，…，T  （1）
ht+1=μ+φ（ht-μ）+ηt+1，ηt ~ i.i.N（0，ση2） （2）
式中：｛ht｝与｛εt｝是相互独立的；｛εt｝是一个鞅差分序列；扰动项εt和ηt可以是同时相关的；ση2是ηt的常数方差；φ为持续性参数，反映当前波动率对未来波动率的影响；|β|<1时，ht也可以表示为一个ARMA过程。
股票市场的波动率不仅具有聚集性、时变性，而且具有非对称性。Yu（2005）提出了具有杠杆效应的SV模型（Leverage SV，简称L-SV）。基本的SV模型中扰动项εt服从正态分布，且εt和ηt不相关，若εt和ηt相关（严格地说负相关），便可以得到L-SV模型，其可以用来度量金融时间序列的非对称性（杠杆效应）。令εt和ηt的相关系数为ρ，则L-SV模型可具体表示为：
yt=εteht/2， εt ~ i.i.d.N（0，1），   t=1，2，…，T  （3）
ht+1=μ+φ（ht-μ）+τηt+1，ηt ~ i.i.d.N（0，ση2），t=1，2，…，T-1 （4）
其中，τ是比例参数，表示平均波动率，且：

本文考虑到市场波动率具有聚集性、时变性和非对称性等特征，故采用L-SV模型来度量股票市场的波动率，使其能更好地刻画波动率的特征。
（二）数据来源与处理
1. 数据选取。本文采用沪深300指数的波动率作为A股市场波动率情况的代表，截取沪深300指数的日收盘价数据，从A股市场波动率变化维度来检验融资融券标的股扩容对中国股票市场的冲击作用。我们用Pt表示沪深300指数第t日的收盘价，用Rt表示沪深300指数第t日的对数收益率，其中Rt=Ln（Pt/Pt-1）×100%。
研究期限及阶段划分：本文选取了2010年3月31日至2015年2月28日1 190个交易日数据作为研究样本，沪深300指数的日收盘价数据从wind数据库获得。根据每次融资融券标的股扩容（下文简称“扩容”）时间为节点，将样本数据划分为五个区间，如表1所示：

2. 描述性统计。对标的股每次扩容前后沪深300指数的对数收益率序列（用Rit表示，其中i=1，2，…，5；i为区间序号）进行描述性统计，结果如表2所示：

在描述性统计的基础上，再比较标的股每次扩容前后各Rit序列的各个描述性统计量的变化情况。
首先，随着标的股数量的不同，各Rit序列的均值和标准差也存在明显的差异。这说明标的股扩容后，各Rit序列的均值和标准差均发生了显著变化。均值和标准差都呈现上升趋势。其中：标的股首次扩容之后，R2t序列的均值和标准差较R1t序列的均值和标准差都有所下降；在第二次扩容之后，虽然R3t序列的均值和标准差较R2t序列的均值和标准差都稍有上升，但变化不太明显；在第三容后，R4t序列的均值和标准差较R3t序列的均值和标准差都呈明显下降趋势；而在第四次扩容之后，R5t序列的均值和标准差较R4t序列的均值和标准差都显著上升，且大于首次扩容之前的均值和标准差。可以判断，融资融券标的股数量的增加，提升了市场的波动率。
其次，各Rit序列的最大值与最小值之差也随着标的股数量的不同而不同，变化规律和各Rit序列的均值和标准差的变化规律相似。从偏度值、峰度值来看，各Rit序列的偏度有正有负，且明显与0偏离，说明各Rit序列存在着更多的左极值或右极值，且各Rit序列的峰度均大于3，表明各Rit序列均具有较为明显的尖峰特征。
再次，从各Rit序列的Jarque-Bera正态统计量来看，各Rit序列的Jarque-Bera正态统计量值均远大于显著水平为5%时的临界值5.99，拒绝原假设，说明各Rit序列的分布都具有明显的尖峰厚尾特征。
最后，从各Rit序列的单位根检验来看，在显著性水平为5%时，各Rit序列的ADF和PP统计量均拒绝原假设，说明各Rit序列均为平稳序列。
四、实证分析
（一）模型的参数估计
首先，选取2010年3月31日至2015年2月28日沪深300指数对数收益率序列，以融资融券标的股扩容时间为节点划分区间。然后，建立L-SV模型，并采用Gibbs抽样的马尔科夫链蒙特卡罗模拟（MCMC）方法，结合WINBUGS软件，实现对L-SV模型的参数估计。其中，对参数进行100 000次迭代运算，舍弃前500次迭代作为预烧样本，存储501 ~ 100 000次迭代样本，最后得到模型的参数估计，见表3 ~ 表7。其中假定各参数相互独立，本文对三个未知参数β、γ、σ先验分布的设定，参考Kim（1998）：β=2β∗-1，β∗ ~ Beta（20，1.5），σ2 ~ IG（2.5，0.025）。其中Beta表示Beta分布，IG表示逆分布。此外，对L-SV模型相关系数ρ的先验分布设定为（-1，1）上的均匀分布。
表3 ~ 表7分别列示了L-SV模型的参数估计值。根据表中参数估计结果可以看出，各个参数的标准差和MC误差均比较小；其中MC误差相对于标准差更小。而较小的MC误差意味着模型具有较高的精确度，离真实分布的偏差较小，说明抽样已达到收敛状态，模型的参数估计值较准确。对于各区间段L-SV模型的参数估计结果，可描绘成仿真图，由于篇幅所限，故将各模型在参数估计中的后验分布核密度仿真图省略。
（二）实证结果
由模型估计可以得到沪深300指数日收益率序列波动率参数φ的贝叶斯估计，如表8所示：

从表8可以看出，每个区间上L-SV模型中φ估计值的t值都大于1.962。因此，可以得到每个区间上L-SV模型中的φ值都显著不为零，且比较接近于1。这意味着在波动方程中，前期波动对未来波动具有很强的持续性。从φ值的大小来看，第二区间上L-SV模型中的φ值较第一区间的φ值稍有减小，但差别不是太大，可见标的股第一次扩容后，市场的波动率有所降低，但是降幅不是很大，说标的股第一次扩容后对市场的波动率有平抑作用。第三区间上L-SV模型中的φ值较第二区间的φ值可以说几乎没有发生变化，可见标的股第二次扩容之后，市场的波动率没有发生改变，说明此次标的股扩容对市场的波动几乎没造成影响。第四区间上L-SV模型中的φ值较第三区间的φ值有所增大，可见标的股第三次扩容之后，市场的波动率提升了，说明标的股第三次扩容对市场的波动有助推作用。第五区间上L-SV模型中的φ值较第四区间的φ值进一步增大，且第五区间较第一区间的φ来说是明显增大的，可见标的股第四次扩容之后，市场的波动率进一步提升了，说明标的股第四次扩容进一步助推了市场波动。总体而言，φ值的整体趋势是增大的，说明随着标的股数量的增加，市场的波动率也提升了。
综上所述，比较所有区间上L-SV模型的参数估计结果可以发现，融资融券标的股每次扩容后对股票市场波动率的影响并不相同。随着融资融券标的股的一次次扩容，标的股数量的增多，股票市场的波动率在逐渐提升。其中：标的股首次扩容之后，市场的波动率有轻微的降低；标的股第二次扩容之后，市场的波动率是平稳的，几乎无变化；标的股第三次扩容之后，市场的波动率有所上升；标的股第四次扩容之后，市场的波动率继续上升。这意味着融资融券对股市波动率的影响与标的股数量有关，且融资融券标的股数量的增多提升了股票市场的波动率，也加大了投资者的风险。
（三） 稳健性检验
为了证实上述结论的可靠性，本文选取上证指数的波动率作为A股市场波动率变化的代表，对数据做与上文相同的处理，即对各个区间上的上证指数对数收益率序列建立L-SV模型。其中，各区间上L-SV模型中φ的估计结果如表9所示：

从表9可以看出，选取上证指数的波动率与选取沪深300指数的波动率作为市场波动率变化的代表，得出的结论基本一致，这进一步验证了本文结论的可靠性。限于篇幅，各序列的L-SV模型参数估计结果已省略。
五、结论与政策建议
（一）相关结论
本文以我国现行所有的标的股扩容次数作为研究对象，应用L-SV模型，依据沪深A股2010年3月31日至2015年2月28日300指数在标的股四次扩容前后的变化，比较分析了融资融券标的股每次扩容后股票市场波动率的变化情况。本文的研究主要基于两个方面：一方面，融资融券标的股进行了四次扩容，市场覆盖范围逐步扩大，对股票市场波动性的影响日益凸显；另一方面，理论界关于融资融券对市场波动性的影响颇具争议，且监管层希望融资融券的发展有利于股票市场健康稳定地发展，因此，弄清楚融资融券标的股每次扩容对市场波动率的影响，具有重要的理论和现实意义。A股融资融券业务的有序开展为本文的实证分析创造了良好的实验条件。
本文研究得出的结论是：①融资融券标的股四次扩容，每次扩容后对股票市场稳定性的影响并不完全相同。总体而言，股票市场的波动率随着融资融券标的股数量的增加而提升。②标的股第一次和第二次扩容之后，市场的波动率有所下降，此结论与Eric et al.（2014）的结论相吻合。其中，首次扩容对市场波动率具有一定的平抑作用，第二次扩容对市场波动率几乎没影响。这主要是与融资融券业务的活跃度有关，在融资融券推出初期，证券公司可融资金额相对有限，因而风险也有限。而融券与证券相关，风险较大，投资者对融资融券业务的认知与接受需要一个过程。因此，融资融券规模增长缓慢，这也将使得融资融券的推出短期内对市场波动率的影响有限。
上述发现与现有研究发现不同，可能是由于本文研究的样本范围是现有研究中尚未触及的。本文发现标的股第三次和第四次扩容后，提升了股票市场的波动率，特别是第四次扩容后，市场的波动率显著提升，其对市场波动具有助推作用。分析其原因有三个方面：其一，随着融资融券标的股数量的增加，市场覆盖范围不断扩大，加大了投资者进行杠杆操作的可能性，在某些对宏观经济有很大影响的事件发生时，投资者如利用杠杆资金盲目跟风操作，助推市场上涨或下跌，会导致股票市场受该事件的影响而产生剧烈波动。其二，我国证券市场属于新兴市场，融资融券业务尚不规范，准入门槛较低，使得风险承受能力较低的个人投资者大量参与证券市场交易。相比机构投资者，个人投资者理性投资能力较弱，往往放大杠杆借入资金进行投资，助涨市场投机，加大市场风险。其三，有些证券机构对融资融券业务保证金比例设置过低，使得那些抱有投机心理的投资者可借入的杠杆资金放大，流动性风险提高，从而引发市场剧烈波动。
总之，本文的研究结果表明，融资融券标的股前两次扩容对市场的波动具有一定的平抑作用，起着“稳定器”作用，而后两次标的股扩容并没有平抑市场的波动率而起到“稳定器”作用，相反，提升了市场波动率而起着“助推器”作用。这说明随着融资融券业务逐步放开，投资者对产品认知程度和风险可承受能力提高了。而融资融券规模逐渐扩大，融资融券余额频频突破、屡创新高，增加了对市场波动率的影响力。特别是从2013年开始，融资融券业务对于市场的影响力逐渐显现，套利策略、杠杆策略、不完全对冲策略、完全对冲策略、增强策略等复杂策为投资者所利用，在满足投资者不同偏好投资选择的同时也提升了市场整体的波动率，加大了市场风险。本文的结论比较合理地解释了融资融券会助推市场波动率的内在机理，为理论界有争议的各方观点提供了实证依据，也为广大投资者提供了决策的参考依据。
（二）政策建议
融资融券业务已成为我国证券市场中的重要金融工具，其在活跃市场、丰富投资策略和完善做空机制等方面都发挥了积极的作用。由于我国证券市场仍属于新兴市场，而融资融券是具有杠杆特征的信用交易业务，标的股扩容后数量的增加，在加大投资者进行杠杆操作机会的同时，也提升了市场的波动率。若不了解融资融券业务的发展给市场带来了怎样的影响，很有可能会给广大投资者特别是风险承受能力较弱的个人投资者带来灾难。为此，本文给投资者和监管层提出如下对策建议：
1. 对于投资者来说，要理性投资。第一，融资融券交易其实就是杠杆交易，在杠杆资金较为活跃的情况下，不要存有幻想，担心错过机会而盲目跟风放大杠杆借入资金进行炒作，应该理性而谨慎地进行投资，注意市场风险，量力而行。第二，在市场出现过度狂热或极度低迷时，投资者往往有通过融资融券来抓住投资机会的冲动。但事实上，此类投资的复杂性仍然意味着巨大的风险。因此，投资者应该事先确定一个用于捕捉这类机会的投资额度或比例，并制定相应的止损或止赢计划。
2. 对于监管层来说，要加强监管。第一，监管层应定期对证券机构的融资融券业务进行检查，减少其违规操作，维护市场正常秩序。第二，上调融资融券保证金比例，适当控制融资融券业务风险，保护投资者利益，降低市场投机氛围。第三，当融资融券交易较活跃时，监管层应密切关注市场的交易情况，及时发现异常情况，查处违规者。要适当地提醒和保护投资者权益，如提高投资者的融资融券业务准入门槛，控制融资融券的规模，提高投资者的理性投资决策能力和防范风险能力。第四，适当控制融资融券规模，在我国目前的市场条件下，发展融资融券的步伐不宜过快，保障其健康稳定地发展。
主要参考文献
James J. Angel. Tick Size，Share Prices，and Stock Splits［J］. The Journal of Finance，1997（2）.
Bris A，Goetzmann W N，Zhu N. Efficiency and the Bear: Short Sales and Markets Around the World［J］. The Journal of Finance，2007（3）.
董艳，梁满发.基于GC-MSV模型的国内外股市波动溢出效应分析［J］.财会月刊，2013（10）.
陈淼鑫，郑振龙.卖空机制对证券市场的影响——基于全球市场的经验研究［J］.世界经济，2008（12）.
杨德勇，吴琼.融资融券对上海证券市场影响的实证分析［J］.中央财经大学学报，2011（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［J］. 管理世界，2012（5）.
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）.
林祥友. 融资融券交易对 ETF 基金市场质量的影响——基于双重差分模型的研究［J］.投资研究，2014（6）.
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）.
Bogen J I，Krooss H E. Security Credit: Its Economic Role and Regulation［M］. Prentice-Hall，1960.
Allen F，Morris S，Postlewaite A. Finite Bubbles with Short Sale Ronstraints and Asymmetric Information［J］. Journal of Economic Theory，1993（2）.
Ofek E，Richardson M. Dotcom mania: The Rise and Fall of Internet Stock Prices［J］. The Journal of Finance，2003（3）.
Bernardo A E，Welch I. Liquidity and Financial Market Runs［J］. The Quarterly Journal of Economics，2004（1）.
Henry Ó T，McKenzie M. The Impact of Short Selling on the Price Volume Relationship: Evidence from Hong Kong［J］. The Journal of Business，2006（2）.
Chang E C，Cheng J W，Yu Y. Short Sales Constraints and Price Discovery: Evidence from the Hong Kong market［J］. The Journal of Finance，2007（5）.
Saffi P A C，Sigurdsson K. Price Efficiency and Short Selling［J］. Review of Financial Studies，2010（124）.
Figlewski S，Webb G P. Options，Short Sales，and Market Completeness［J］. The Journal of Finance，1993（2）.
Bai Y，Chang E，Wang J. Asset Prices Under Short-Sale Constraints［D］. University of Hong Kong，2006.
Diether K B，Lee K H，Werner I M. Short-Sale Strategies and Return Predictability［J］. Review of Financial Studies，2009（2）.
翟爱梅，钟山.卖空机制对股票价格波动的影响：基于 A+ H 股公司的实证研究［J］.南方经济，2012（8）.
Shephard N. Statistical aspects of ARCH and stochastic volatility［J］. Monographs on Statistics and Applied Probability，1996（65）.
Yu J. On leverage in a stochastic volatility model［J］. Journal of Econometrics，2005（2）.
【基金项目】中央高校基本科研业务费资助项目“分形市场下股价异常波动、惯性风险及监控研究”（项目编号：2015KXKYJ01）