动机

像资本资产定价模型（CAPM）这种经典的资产定价模型假设无摩擦市场，也就是说所有的证券有完美的流动性， 把资产定价抽象为不受流动性影响。然而，金融史上一直都有发生流动性危机，比如2007-09年的全球金融危 机就是一个著名的例子。这说明流动性在资产定价和整个证券市场的的表现中起着重要作用。如果一种证券可 以用较低成本完成大量的交易，那么就说它的流动性很好。相反的，流动性不足证券是指交易非常困难， 成本高昂而且花费时间的证券。对于交易成本更高的证券，投资者更倾向于付更低的价格，或者要求更高的回报。 这样就增加了证券交易成本和期望收益的正相关性，或者证券交易成本和价格的负相关性 （对于任何证券产生的现金流来说）。当证券的流动性增加的时候，它们的价格也会上涨。值得注意的是， 金融学的研究关注两种不同的流动性，即市场流动性与融资流动性。我们这里分析的流动性是指市场流动性。 还有一种流动性概念称之为叫融资流动性 —— 即投资者融资的容易程度。这两种流动性虽然有所区别， 但也相互作用、相互影响。对此，可参见Brunnermeier and Pedersen (2009)。

定义

Amihud (2002) 发明了$t$时刻的证券非流动性度量，即$${\mathrm{ILLIQ}}_t=\frac{|R_t|}{{\mathrm{VOLD}}_t}$$其中$R_t$是证券的收益率，${\mathrm{VOLD}}_t$ 为美元交易量。为了提高数据的可读性，V-Lab选择千万美元作 为交易量的度量单位。我们采用此度量的经济直觉在于，证券的流动性越差，相同的交易量会对价格造成更大 的影响。因此可以看作是 Kyle (1985)的结构模型中$\lambda$系数的粗略估计。 Hasbrouck (2009)发现ILLIQ与Kyle的$\lambda$系数是高度相关的, 就像其它 的流动性度量一样，比如买卖价差。

ILLIQ相对于其它流动性度量的优势之一是输入数据更容易获得。举个例子, Kyle's $\lambda$ 的估计需要日内的报价和交易数据，然而，Amihud's ILLIQ 只需 要价格和交易量的日线数据

估计

预测ILLIQ需要非负过程的计量经济模型。传统的方法主要包括忽略非负限制和做对数处理这两种， 但都有其建模上的困难之处。Engle (2002)提出乘积误差模型（Multiplicative Error Model，MEM） 将非负变量表示为其均值与非负误差之间的乘积，克服了传统方法中的不便之处。此外，MEM和GARCH模型是 同构的，因此可以很容易用GARCH软件来进行估计。 V-Lab采取不同的模型来对ILLIQ进行刻画，包括22天 移动平均的历史ILLIQ模型，以及两种GARCH类型的MEM。这些MEM采用了上文提到的ILLIQ日线数据作为输 入来产生预测。