Grossman & Miller (1988) — Liquidity and Market Structure

作者: Sanford J. Grossman（Princeton University 经济学系）、Merton H. Miller（芝加哥大学经济学系）。

发表: NBER Working Paper 2641（1988-07）；正刊 Journal of Finance 43(3), 1988，DOI 10.1111/j.1540-6261.1988.tb04594.x。PDF 32 页。

⚠️ 本份 PDF 是扫描件 OCR，文字层质量差（大量 th. 应为 the、wh. 应为 which 之类）。正文细节需谨慎引用，本摘要以结构清晰、可辨识的部分为准。

一句话总结

做市商存在的理由被写成了一个均衡：流动性就是「立刻成交」这种服务的供需。做市商的数量自动调整到让这个供需平衡，而收益的自相关越低，需要的做市商越多、市场的流动性越高。

核心：把「流动性」定义成一种服务的供需

这是全文的框架贡献。 论文不说「市场有多深」，而说「谁在买卖『立刻性』这种服务」。

需求方由两个因素共同产生：

1. 外生的流动性事件 (liquidity event) — 某些参与者突然想调整持仓。论文假设这些缺口在群体内总和为零（所以不是净需求），但个体仍然想马上交易。
2. 延迟交易的风险 — 即使缺口总和为零，先到的人也不能保证能等到配对对象。时间上的不同步就产生了对「立刻性」的需求。

供给方是做市商。他们通过两件事提供立刻性：

1. 持续在场（continuous presence）——随时挂着买卖单
2. 愿意承担风险——在「最终买家/卖家到达」之前这段时间里持有库存的风险

均衡：长期看，做市商的数量调整到让「立刻性」的供给等于需求。这个数量决定市场的流动性水平。

核心结论：自相关越低，流动性越高

摘要里最后一句就是论文的全部结论：

The lower is the autocorrelation in rates of return, the higher is the equilibrium level of liquidity.

翻译：收益率的自相关越低，均衡流动性越高。

为什么：收益率的自相关越高，说明「今天的收益预示明天的收益」——即存在趋势或动量。做市商如果现在买入（因为别人在买、价格要涨），他明天想卖出时价格更高，做市商被反向套利。所以高自相关的市场对做市商不利，需要更多补偿才能吸引他们入场，均衡流动性就低。

反过来说，短期的均值回归（自相关为负）是做市商能盈利的市场——买了之后价格倾向于回落，卖了之后价格倾向于回升。

与 Avellaneda-Stoikov 一脉的关系（本 wiki 的谱系起点）

论文明确说明了它与微观结构文献的分工：

论文的自我定位原话：「我们的意图不是扩展这类重要的、有趣的库存模型，而是把这些中介人及其临时库存置入一个更大的框架，该框架也涵盖了最终的需求者和供给者。」

这是本 wiki 中做市商理论的源头。Avellaneda-Stoikov 一脉的保留价模型（r = s-q\gamma\sigma^2(T-t)）回答的是「已定数量的做市商该怎么报价」；Grossman-Miller 回答的是「市场需要多少做市商」——后者是前者的外层。

一个开篇的观察（论文的提问方式值得记住）

论文用凯恩斯的一段话开场，大意是：「我们大多能同意维多利亚女王比伊丽莎白一世一世过得更幸福，却很难把这个说法用精确的数学术语重述。」

然后说：凯恩斯的观察同样适用于「市场流动性」这个概念。

提问：「芝加哥期货交易所的国债期货大厅肯定比本地住宅市场流动性高得多。但到底高多少？决定性的差别是什么？是期货市场热闹的公开喊价形式导致它的高流动性？还是因果关系反过来？」

论文自陈的局限

• 「简单模型」是论文自己的定位——没有逆向选择、没有多个资产、没有异质的风险偏好
• 参与者被简化为两类（做市商、外部客户），且「基本偏好与风险容忍度假定相同」
• 论文 1988 年写成，没有实证检验——「均衡流动性水平」是理论推导的结果，未在任何数据上验证
• ⚠️ 本份 PDF 的 OCR 质量差，正文的具体推导与数值细节未能可靠读取

对本 wiki 的位置

• 入口概念: 做市商与库存风险 —— 这是该页理论谱系的最上游
• 后续模型: Avellaneda & Stoikov 2008（给定做市商数量下如何报价）
• 融资约束一侧: Brunnermeier & Pedersen 2009（做市商的钱从哪来、为什么会断）
• 实证一侧: Pastor & Stambaugh 2003（流动性风险是否被定价）、Nagel 2012（流动性报酬的时变性）
• 作者: Sanford J. Grossman · Merton H. Miller

数值/结论速查