融资融券降低了交易中的信息不对称程度吗
1 引言
市场微观结构理论认为投资者拥有的信息是非对称的[1]，依据获得信息的多少可将交易者分为知情交易者和非知情交易者[2]。其中拥有更多信息的知情交易者通过交易将信息反映在股票价格中[3]，并利用信息优势获利[4]，与此同时，处于信息劣势地位的交易者遭受损失。当市场中的信息不对称程度提高时，不具备信息优势的投资者为减少损失选择离开，进而导致流动性下降、波动性提高[5,6]，长此以往将不利于金融市场信息效率提升。因此，降低交易中的信息不对称程度一直是各国金融监管中的重要内容。
1996年，Easley等[2]建立了信息交易概率模型（EKOP）对知情和非知情交易者行为特征进行刻画，提出了知情交易概率度量指标PIN
（Probability of Informed Trading）。之后，Easley等[5]在美股闪崩事件研究中将模型应用至高频交易环境，并将PIN
改进至基于分钟数据计算的知情交易概率度量指标VPIN
（Volume-Synchronized Probability of Informed Trading）。Easley等[5,7]的工作为利用交易数据研究市场微观结构提供了实证工具[8]。相关研究发现具有信息优势的知情交易者是导致交易中存在信息不对称的主要因素[9,10]。当市场中持有优势信息的投资者占比上升或信息只能被少数投资者获得时，交易中的信息不对称程度将被推高；反之，则得到降低。
2010年3月，融资融券业务同时在上海、深圳证券交易所开始实施，标志着我国“单边市场”的结束。历经多年发展，融资融券交易制度逐渐完善，标的股票从最初的90只扩容至2019年1600只。稳步发展的两融业务对维护我国金融市场活力、提升市场有效性产生了积极影响。研究表明，融资融券交易制度的实施加快了股价对信息的调整速度，降低了标的股票的波动率[11]，提高了定价效率[12]。然而值得注意的是，卖空者通常是典型的知情交易者[13]，他们不仅能通过信息挖掘提前获取重大利空消息[14]，同时通过与内部人的信息竞争，迫使公司高管等更多更快地卖出股票，加速内幕交易行为[15]。基于未公开消息的交易虽然同样能够将信息传递给市场，提高股价信息含量，但也在一定程度上伤害了市场交易公平。因此，从维护金融市场长期健康发展的角度出发，有必要研究融资融券对交易中信息不对称的影响。
融资融券业务对金融市场信息环境的影响是多层次的。首先从制度实施效果看，两融业务开展提高了投资者对标的公司的信息关注[16]，促使管理层更及时、准确地披露公司信息[17]。公开信息含量的增加削弱了知情交易者的信息优势[18]，改善了标的股票交易中的信息不对称。此外，融资融券作为有效的外部公司治理机制[15,19]，对大股东投机性减持具有显著的抑制作用[20]，同样利于降低信息不对称程度。但也有研究认为，卖空业务的放松使得融券交易者与内部人在未公开信息上展开竞争，诱使内部人更快地进行内幕交易[15]，提高了信息不对称程度。由此可见，两融制度实施能否改善交易中的信息不对称从已有研究中不能得到一致结论。其次从信用交易本身看，融资买入、融券卖出分别将投资者持有的好、坏消息融入股价，标的股票的信息不对称程度应由所有信用交易者的信息优势共同决定。虽然研究表明，卖空者能够获得优势程度较高的信息[21]，在消息公开前通过融券交易获利[14]，提高了信息不对称程度。然而我国两融业务发展不均衡，统计数据显示，相比火热的融资交易，融券余额在交易总余额中的占比不足1%。显然标的股票交易中的信息不对称应由融资主导。那么融资交易者是否也具有信息优势？两融交易提高还是降低了信息不对称程度？这些问题目前亦未得到满意解答。
鉴于此，本文采用2008年1月4日至2019年12月31日沪深两市1分钟高频交易、公司财务等数据，利用双重差分和固定效应模型，从两融制度实施及信用交易本身两个层面对融资融券是否降低了交易中的信息不对称进行研究。结果发现：（1）两融制度实施降低了标的股票的信息不对称程度。这一结论在重新匹配对照组样本、改变DID模型设定等一系列稳健性检验后仍然成立。（2）股票被纳入两融标的后，交易中“好消息”的不对称程度逐年下降，“坏消息”的不对称程度先升后降。总体而言，标的股票的信息不对称程度在融资融券业务实施后呈下降趋势。（3）针对信用交易本身的研究显示，融资交易降低了标的股票交易中“好消息”的不对称程度，融券交易提高了“坏消息”的不对称程度，总体上两融交易对标的股票信息不对称没有显著影响。（4）进一步研究表明，融资交易者的信息优势只来自未公开信息，而融券交易者从公开以及未公开信息中均可获得信息优势。具体表现为：基于公开信息的融资交易降低了“好消息”的不对称程度，基于未公开信息的融资交易则提高了“好消息”的不对称程度；而基于公开和未公开信息的融券交易均提高了“坏消息”的不对称程度。（5）拓展性研究发现，不同市场环境中融资、融券交易对信息不对称的影响存在差异：牛市中，融资交易对“好消息”不对称的降低作用被减弱、融券交易对“坏消息”不对称的提升作用被加强；熊市中，融资交易对“好消息”不对称的降低作用被加强、融券交易对“坏消息”不对称的提升作用被减弱。
与已有研究相比，本文边际贡献主要体现在以下三个方面。第一，丰富了我国融资融券制度实施效果的相关研究。作为我国金融市场发展中一项重要的制度变革，融资融券业务自开展以来一直备受关注。大量文献从股价波动率[11]、定价效率[12]、崩盘风险[22]、公司治理[20]、投资者行为[23]、分析师预测[24]等角度，对融资融券在我国资本市场发展中的作用和地位进行了分析。可以看出，现有研究主要关注两融对我国金融市场“效率”的影响，鲜有文献考虑这一制度的引入是否促进了市场交易“公平”。而本文对两融业务是否降低了交易中的信息不对称程度进行研究，是对融资融券实施效果相关研究的有益补充。第二，为信息不对称研究提供新视角。市场微观结构理论认为投资者依据掌握的信息进行交易，因此信息的准确性[10]、优势程度[25]以及交易者结构[1,4]通常是相关研究中关注的主要问题。本文将信息不对称拆分为“好消息”的不对称和“坏消息”的不对称，发现这两种不对称性在标的股票交易中存在差异。结论表明在市场微观结构研究中区分投资者对好、坏消息的关注度和利用水平是有意义的研究方向。第三，为完善我国融资融券交易制度提供理论支持。对政策实施效果进行全面、科学评估是进一步完善监管制度的基础条件。本文从制度实施及信用交易本身两个层面对融资融券业务实施效果进行研究，发现制度实施的确改善了市场交易中的信息不对称，但融券交易以及基于未公开信息的融资交易加剧了交易中的信息不对称。结论表明在我国金融市场中继续扩大融资融券标的范围是必要的，但同时也应加强对私有信息交易者的监管和处罚力度。这对维护市场公平、促进金融市场健康发展具有重要意义。
2 理论分析与研究假设
2.1 融资融券制度实施与信息不对称程度
通过融资融券交易中的杠杆机制，交易者的获利能力得到增强，这势必会增加投资者对标的公司的信息需求，进而促使市场信息中介，如新闻媒体[16]、金融分析师[17]等更积极地挖掘公司信息，提升信息披露质量。同时，市场对标的公司较高的关注度也迫使公司管理层更积极地发布信息[17]。由此，两融制度实施增加了市场中标的公司的信息含量，削弱了知情交易者的信息优势[18,25]，降低了交易中的信息不对称程度。不仅如此，融资融券制度实施提升了公司治理水平[19]，对高管投机性减持等私利行为具有显著的抑制作用[20]。基于未公开信息交易的减少同样利于改善交易中的信息不对称。
因此，融资融券制度实施提高了公司信息透明度，增加了市场中公开信息含量，减少了基于私有信息的交易行为，在整体上改善了标的股票的信息不对称程度，由此提出假设1。
H1 公司股票被列入融资融券标的后，其信息不对称程度显著下降。
由于我国融资融券制度实施是渐进式的，股票成为两融标的通常意味着公司经营状况良好、股价稳定[11]，投资风险较小[22]。对于管理者而言，公司被纳入融资融券可交易范围能够向市场传递积极信号。此外，股票成为两融标的后投资者对其更加关注[16]，机构交易占比上升[26]，股票流动性得到改善[12]，分析师也倾向于为其发布带有乐观偏差的盈利预期[24]，这进一步提升了公司加入两融标的激励。故而在开展信用交易前，公司管理层有动机增加正面信息宣传，减少负面信息发布，导致“好消息”私有程度下降、“坏消息”私有程度上升。同时由于卖空者具备较高的信息挖掘能力[14,27]，与内部人在负面信息上展开竞争，迫使公司管理层在消息公开前更快地卖出股票[15]，提高了标的股票交易中“坏消息”的不对称程度。因此，在融资融券业务实施初期，标的股票交易中“好消息”不对称程度较低，“坏消息”不对称程度较高。
但负面信息不对称程度的上升并不是持续的。随着标的公司治理水平提高、信息环境改善，企业负面信息的私有程度降低，标的股票交易中“坏消息”的不对称程度最终出现下降趋势。综合以上分析，提出假设2。
H2 公司股票被列入融资融券标的后，“好消息”不对称程度下降，“坏消息”不对称程度先升后降。
2.2 融资、融券交易与信息不对称程度
融资融券制度实施在整体上改善了标的股票交易中的信息不对称，那么融资融券交易本身是否也能降低信息不对称程度？虽然研究发现，信用交易者通常具备较强的信息获取和利用能力，融资融券交易甚至能预测股票收益[28]，但这并不意味着其中蕴含着较高的信息优势。
融资、融券是信用交易的两个不同方向，融资买入体现交易者持有好消息，融券卖出则体现坏消息。首先，两种信息的获取成本不同使得融资、融券交易中的信息优势程度存在差异。由于存在“委托-代理”矛盾，也为了迎合投资者需求，管理层在信息披露时倾向于积极、准确发布好消息，隐藏或模糊发布坏消息[29]，好消息的获取成本远低于坏消息。因此当融资者进行交易时，其中的公开信息占比较高，降低了融资交易中优势信息比例。同时较高的信息质量也减弱了投资者在“好消息”上的信息差异，进一步降低了融资交易中的信息优势。相反，对于融券交易，较差的披露水平提高了信息获取成本，不仅降低了交易中的公开信息占比，同时模糊信息也为卖空者通过对公开信息挖掘获得其他投资者未掌握的信息提供便利[30]，从而提高了卖空交易中的信息优势。其次，两种交易面临的监管力度不同也是导致融资、融券交易中信息优势存在较大差异的重要原因。依据《上海证券交易所融资融券交易实施细则（2015年修订）》（以下简称为《细则》），相比融资买入，融券卖出受到了更严格的限制，如报升规则、信用账户管理等，使得交易者需要承担更大风险。较高的风险补偿需求激励卖空者积极寻求优势程度更高的信息。此外，《细则》还规定标的股票被实施风险警示的当日需从两融标的范围中调出。这减少了卖空者利用公开“坏消息”进行获利的机会，提高了其挖掘未公开信息的激励，进一步提升了融券交易中的信息优势。
综上分析，融资交易的信息优势程度较低，融资交易越多，标的股票交易中的信息不对称程度越低；而融券交易的信息优势程度较高，融券交易越多，标的股票交易中的信息不对称程度越高。由此提出假设3。
H3 融资交易降低了标的股票交易中“好消息”的不对称程度，而融券交易提高了标的股票“坏消息”的不对称程度。
3 研究设计
3.1 研究样本
为验证以上假设，本文以沪深两市主板上市公司为研究对象，采用2008.1.4至2019.12.31我国股票市场日度交易、个股1分钟高频交易以及公司财务等数据进行实证检验。其中1分钟高频数据来自WIND数据库，其余数据来自CSMAR数据库。研究样本不包括金融行业股票、交易日期不满240天股票以及在样本期内被调出两融标的股票。此外，研究还删去了融资、融券交易未同时实施的交易日样本以及相关变量缺失的样本，最终获得3919293个观测值。最后为避免异常值影响，研究对所有连续变量进行了1%水平下的双边缩尾处理。
3.2 变量选择
3.2.1被解释变量
依据EKOP模型[2]，市场中的知情交易概率可以通过买卖单量的不均衡进行衡量。Easley等[5,7]以此为基础提出了基于高频交易数据的度量指标VPIN
。此后，该指标作为市场交易中私有信息交易水平、交易者信息不对称程度的代理变量在实证研究中得到广泛应用[5,6,7,8,9]。参考Easley等[5,7]和王春峰等[9]，本文选用VPIN
作为被解释变量，对信息不对称程度进行衡量。
此外，研究通过将买卖单量的不均衡区分为买单量大于卖单量、卖单量大于买单量得到相应的“好消息”不对称程度和“坏消息”不对称程度的度量指标，记为BVPIN
和SVPIN
，同样作为本文的被解释变量。具体计算过程见附录1。
3.2.2解释变量
在假设1的验证中，关键解释变量为虚拟变量PostList
：若公司股票被纳入融资融券标的范围，PostList
取1，否则取0。
在假设2的验证中，为了说明纳入融资融券范围后标的股票信息不对称的动态变化过程，参考褚剑和方军雄[31]，本文选用PostListkit,(k=0,1,⋯,n)
作为解释变量。具体的，股票纳入标的范围当年且开展两融交易后PostList0it
取1，否则取0；股票开展融资融券交易之后的第一年PostList1it
取1，否则取0，以此类推；股票开展融资融券交易后的第n
年及以后PostListnit
取1，否则取0。
在假设3的检验中，选择融资余额Long
与融券余额Short
代理市场中的两融交易水平。采用余额而非当日交易额，是考虑到实际参与市场交易的两融交易水平应是所有未偿还额的总和，更重要的是融资偿还体现负面信息、融券偿还体现正面信息，在变量计算时应剔除平仓交易中反向信息带来的影响。依据证券交易所数据统计方式：本日融资余额=前日融资余额+本日融资买入额-本日融资偿还额，因此在实证中取Long=ln(1+融资余额)
，Short=ln(1+融券余额)
。
3.2.3控制变量
首先，由于被解释变量VPIN
与流动性水平存在紧密联系[5,7]。为了缓解这一影响，选用杨朝军等[32]提出的日内流动性综合测度指标作为控制变量。按照式（1）计算基于高频数据的流动性指标ldq
。
Ldqτ=VτTτ|Pτ−P−τ|
(1)
其中Vτ
为第τ
个时间区间内的实际成交量；Pτ、P−τ
为区间对应的收盘价、开盘价；Tτ
为时间区间的长度（单位秒）。由于每个时间区间中交易量相同，价格变化越小、间隔时间越短流动性越好，反之流动性越差。取日内ldq
均值LDQ
度量股票流动性水平，作为研究的控制变量。
其次，为缓解市场环境、投资者情绪对个股交易信息不对称的影响，研究还控制了市场交易总体信息不对称程度（MarketVPIN
，MarketBVPIN
和MarketSVPIN
，分别为市场中所有交易股票的VPIN,BVPIN,SVPIN
均值）、换手率水平（Turnover
）以及个股流通市值MovValue=ln(1+
日个股流动市值)。
最后，考虑到企业个体特征，如盈利水平、治理状况等也会对公司的信息环境产生影响，参考已有研究[17,24,29]，选取公司规模Size
（总资产对数）、资产负债率Lev
、资产收益率ROA
、账面市值比BM
、货币资产占总资产比例Cash
、固定资产占总资产比例FixAssets
、托宾Q值TobinQ
控制公司基本面因素的影响。选择第一大股东持股比例Top
、董事会人数对数值Board
控制公司治理水平的影响。选择公司成立年限Age
控制其余未观测到的公司特征带来的影响。
3.3 模型设计
3.3.1检验假设1
2010年开始实施的融资融券业务为本文研究提供了准自然实验环境，参考褚剑和方军雄[31]采用式（2），以样本期内的标的股票为实验组、其余股票为对照组，检验融资融券制度实施对标的股票信息不对称程度的影响。
InfAsyit=α0+β⋅PostListit+γ⋅Controlit+ΣYear+ΣFirm+εit
(2)
其中InfAsyit
为股票i
在第t
交易日的信息不对称程度，分别取VPIN,BVPIN,SVPIN
；Control
为前文所述控制变量。考虑到融资融券标的名单在本文样本期内经历了多轮调整，模型控制个体固定效应以更好识别政策实施对标的股票信息不对称的影响。此外，式（2）中控制了时间固定效应，以缓解时间因素的影响。余下模型中相关符号含义同式（2），不再赘述。在式（2）归回中，若β
显著为负则表明与非标的相比，两融制度实施改善了标的股票交易中的信息不对称程度。
3.3.2检验假设2
为检验开展两融业务后标的股票信息不对称的时间变化特征，研究建立式（3），其中解释变量为PostListkit(k=0,1,⋯,n)
。在实证中，通过相应的系数βk(k=0,1,⋯,n)
可以获得制度实施效果的时间变化趋势。在假设检验中n
取4，在稳健性检验中，增加n
的取值，重复式（3）的检验。