相较于海外发达的证券市场,我国证券市场起步较晚,而且自1990年成立以来卖空交易便被明令禁止,投资者只能通过低买高卖的单边做多行为来赚取收益。2010年3月31日,国内A股市场正式启动融资融券交易试点,标志着我国证券市场单边做市模式的结束和双边交易模式的到来,两融政策自推出以来便取得了快速的发展。试点实施之初,首批两融标的证券仅有90只,可开展两融业务的证券公司仅6家,随着时间的推移,标的股票经过多次剔除与扩容,截止到2017年12月31日,融资融券标的证券达到970只,约占A股股票数量的1/3,具有融资融券业务资格的证券公司达到94家,约占券商总数的3/4。2015年我国股灾又将这一制度推上风口浪尖,众多投资者和媒体纷纷指责融资融券助涨助跌,加剧股市波动,此后一系列限制两融交易的政策开始实施,融资融券作为我国证券市场交易制度的重要组成部分,对市场究竟有着怎样的作用?基于此,本文选取融资融券最新一次扩容为研究背景,基于Hsiao etal.(2012)提出的面板数据政策评估方法,通过构造融资融券标的个股的反事实波动率即假设未受政策干预时的个股波动率,然后真实波动率与反事实波动率做差即处理效应可以用来衡量融资融券政策实施效果,并进行了 t检验来说明这种影响是否显著;进一步为了分析两融制度的作用与个股特征是否有关进行了单因子分析;最后采用回归分析的方法,在控制了流通市值等个股特征、股指期货交易和重大事件等一系列变量的基础上,通过固定效应模型分别说明融资交易和融券交易对波动率处理效应的影响。研究结论如下:(1)根据Hsiao et al.(2012)方法构建波动率的多因子模型,由于股票波动率均受到诸如突发性事件等不可观测的共同因子的驱动,进一步证明得到可用控制组个股波动率来代替公因子进行参数估计,并通过因子模型指出,如果不是因为政策的干预,则公因子对实验组个体影响不变,即参数不变,然后根据政策后数据和所得参数构造出实验组个股的反事实波动率。(2)选取2016年12月12日新被纳入融资融券标的名单的77只股票为实验组,A股非标的股为控制组,并根据beta值进行了进一步选取。由于数据缺失,最终只得到59只股票的波动率处理效应及t检验结果。结果表明,标的个股波动率处理效应估计值显著为负的有27只,占比46%;显著为正的有21只,占比36%。由此可见,个股波动率对融资融券这一政策反映程度不同,虽存在差异但处理效应为负占比重较大,说明融资融券对个股波动率总体上具有一定平抑作用。然后将个股波动率分别按照流通市值、总市值进行加权平均可得总体日度波动率,同时可计算相对应的总体日度反事实波动率。t检验结果表明,不论是流通市值还是总市值加权,总体日度波动率处理效应均显著为负,说明融资融券制度的实施降低了样本总体的波动率,有助于稳定市场。(3)单因子结果表明,融资融券影响股票波动率的程度与个股特征有关。样本区间内流通市值越大的组合,市盈率和市净率、换手率越小的组合,个股波动率在融资融券制度推出后下降幅度越大。其中,流通市值大的个股比流通市值小的股票在融资融券政策后波动率下降幅度增大约0.55%;市盈率小的个股比市盈率大的股票在融资融券政策后下降幅度增大约0.3%;市净率小的个股比市净率大的股票在融资融券政策后下降幅度增大约0.3%;换手率小的股票比换手率大的股票在融资融券政策后波动率下降幅度增大约0.77%。(4)固定效应模型回归分析结果表明,在我们的样本区间内,融资交易和融券交易对股票波动均具有显著的负面效应,两融制度发挥了价格缓冲器的功能,一定程度上可以抑制股价波动,而且与融资交易相比,融券交易规模虽小,但稳定股价作用更加显著,这一结论在控制了个股特征和股指期货交易等一系列变量的影响后仍然成立。本文可能的创新之处在于研究方法的应用及改进,不同于以往文献多采用GARCH模型或双重差分法或倾向得分匹配来研究融资融券影响的做法,文章基于面板数据政策评估方法,选取标的名单最近一次扩容新增股票为研究样本;进一步在对波动率多因子模型的参数进行估计时,没有采用Hsiao et al.(2012)选择最高拟合优度的方法,而是通过逐步回归来得到最优的解释变量,简化计算的同时还能避免过度拟合。最后由于采用高频的日度数据进行研究,鉴于数据可得性,对研究结果可能会产生一定偏差,加之影响股票波动因素众多,除本文选取变量外,忽略了其他可能的影响变量,研究结论有待进一步夯实。