以下文本对给定金融研究报告进行一次极其详尽的分析与解读,力求全面覆盖报告的论点、数据与推断,并结合文中关键公式与结构性图解进行透彻阐释。为便于溯源,文中所有来自原文的结论或推断在句末均附有页码标识,若涉及多页内容则给出对应的多页标识。
一、元数据与概览(引言与报告概览)
标题、作者、机构与日期:报告题为“Local Stochastic Rough Volatility: Pathwise Filtering and the Conditional Density Equation”,作者为 Damiano Brigo 与 Vladimir Lucic,隶属于帝国理工学院数学系,日期为 2026 年 7 月 30 日。2
主题与对象:研究局部随机粗糊 volatility(LSRV)模型中的条件密度方程及其逐路径(pathwise)变换,核心以粗糙 Heston(rHeston)为主要实例;目标是展示在给定的共同信息过滤、可测性、预测性及空间正则性假设下,条件密度 SPDE 的 Itô–Wentzell 变换仍然成立,并在固定共同环境后将变换得到的方程化为具有路径相关系数的确定性 PDE,从而得出路径依赖的 Fokker–Planck 形式并与 Rao–Blackwell 化校准相连接。在纯粹的粗糊 Heston 情况下,变换后的系数简化,条件密度呈现显式对数正态形式。2
核心论点与信息传达:核心结论是,在给定的共同环境固定前,条件密度 SPDE 的共性运输项可被 Itô–Wentzell 随机流变换“消除” or 置换为随路径变化的系数,从而得到一个 pathwise 的、对每一个固定共同环境实现都成立的确定性 Fokker–Planck 型 PDE,且粗糊性通过路径相关系数而非额外的“粗糊传输算子”体现。该框架与 Bank、Bayer、Friz、Pelizzari 的相关研究互补,提供了向前(forward)流的条件密度解的描述,并为 Rao–Blackwell 化校准提供直接算法框架。纯粹的 rHeston 情况下,密度的对数正态结构可直接写出并用于检验框架的一致性。2
结构与安排:报告按“第2节 一般 LSRV 框架与条件密度 SPDE”、“第3节 随机流与 Itô–Wentzell 约简”、“第4节 解释、良态性与校准”、“第5节 粗糊 Heston 的专门化”以及“第6节 结论”组织,辅以若干备注,对比传统 LSV 与粗糊情形的差异,以及数值与校准层面的含义。3
二、逐节深度解读(逐章精读与剖析)
第2节:一般 LSRV 设置与条件密度 SPDE
2.1 粗糊波动与粗糊 Heston 概述
核心背景:传统波动率建模难以全面捕捉市场隐含波动面的形态,因此引入带有分数布朗运动(fBM)或任意 Volterra 型核的粗糊波动模型。rHeston 将波动率驱动置于一个通过 Volterra 核连接的量中,呈现出局部的、类似于分数布朗运动的局部正则性。该部分说明了 rHeston 的核心结构:通过共用 Brownian 驱动 Z 来构造共同环境,V 及其与 B、W 的相关性由参数 ρ 控制。若将 Haar 线性化处理保留在 infinite‑dimensional 的 Heston 类似结构中,定价的 Fourier 变换方法在理论上仍可适用,但数值实现上存在挑战,需要 Monte Carlo 等替代。Rough Heston 不包含局部分量,仅为“粗糊波动”框架的基线,后文再与 LSRV 的局部分量进行对比。4
关键点:rHeston 的鲁棒性来自其分形型核与 Volterra 表述,而非简单的 Markov 性。因此,本文把重点放在“共同环境下的条件密度 SPDE 如何经由 Itô–Wentzell 变换转化”为确定性 PDE 的路径化结果,而把粗糊性通过路径相关系数和变换后的系数来体现。与 Bank 等人工作相比,本文关注前向条件密度的变换和路径依赖的系数化,而非仅仅给出后向、粗糊路径稳定的定价表述。3
2.2 一般局部随机粗糊波动(LSRV)
变量与符号:全局单位波动由 Σt(s) 表示的总即时波动率、Γt(s) 作为共同噪声加载、∆t^2(s) 表示特异方差部分(idiosyncratic)。它们之间关系:Σt^2(s) = Γt^2(s) + ∆t^2(s)。共同环境的存在使得在条件密度 SPDE 中共噪声以一阶运输项的形式出现。后文通过随机流将运输项吸收,从而将问题转化为在固定环境下的确定性 PDE。该框架的实现基于 Clark–Crisan 的鲁棒表示思想,并借助 Kunita 的随机流理论进行 Itô–Wentzell 的变换。对 rHeston 的特例,Γt(s) 是对 s 的仿射函数,便于后续分析。上述变量和结构的设定,是整篇论文论证的基础。5
站立假设(Assumption 1)与正则性要求:在 Remark 1 与随后的章节中,作者给出若干关键的可测性、空间正则性和增长条件,确保 Itô–Wentzell 公式可用并能对运输项进行消除。核心包括:
(i) Γt(s) 对 s 的高阶导数在 R+ 上有界且成长受限,且 s → Γt(s) 属于 C3(R+);
(i’) ∆t^2 与 µt(s) 的光滑性与增长性要求(Cl1oc、Cl2oc 等分段光滑性);
(ii) t 维度的 Vt 可在局部有界且可测;
(iii) pt(s) 是一个随时间的随机场,且具备一定的分解形式,以便应用 Itô–Wentzell(Kunita 定理)并确保运输项可被抵消。
该部分对 Rough Heston 的具体性也给出验证:L ≡ 1,Γt(s) 具备对 s 的线性增长与多阶导数界,以及 ∆t^2、µt 的相应性质,满足 Assumption 1 的要求,从而支撑后续的变换与分析。7
简要地说,本节明确了在广义 LSRV 框架下,若共同驱动 Z 保持为 Brownian,且系数的时间与空间正则性满足条件,那么共同噪声引起的运输项可以在后续步骤中被去除。这个结论是后续“流变换—条件密度的确定性 PDE”的基础。对具体实例(如 rHeston)给出可验证的细节。以上要点在文本中多次强调:共同噪声对条件密度的直接影响以运输形式出现,但通过变换可以消除。此点的核心逻辑在前文的引入段已经明确提出。2 , 7
第3节:随机流与 Itô–Wentzell 约简
核心思想:通过共同噪声对 s 的一阶运输项来构造一个随机流 Φt,使得 pt(s) 逐时间沿着 Φt 的作用进行变换,从而把共性运输项吸收进来。具体地,设 Φt 为由 Γt(s) 生成的随机流,利用流的雅可比 Jt 与高阶导数 Ht 的演化方程,对 pt(Φt(x)) 进行 Itô–Wentzell 变换,得到 qt(x) = pt(Φt(x)) Jt(x) 的 transformed density。该变换的关键在于:在逐时间固定共同环境后,原 SPDE 的随机运输项会被抵消,转而形成一个带路径相关系数的确定性 PDE。这是本文的核心“主定理”框架。8
Theorem 1(流变换后的条件密度方程):在 Assumption 1 的前提下,给定 Φt 的随机流,qt 满足在 [τ, T] 上的一个路径相关确定性 PDE,系数由公式(17)–(18)给出;若存在一个可测的、非提前的映射使得某些等式成立,则 qt 的时间边界行为可给出一个弱初始迹。简单来说:先在“未固定共同环境”时,密度方程是随机的 Fokker–Planck 型;一旦固定共同环境并确定随机流,方程变成时间可测、在某些区域可解析的确定性 PDE,且运输项已被消除。这一结果表明粗糊性不再以新的“运输算子”形式出现,而是进入系数的路径依赖性中。10 , 11
证明要点与步骤概览:
Step 1(随机项):分离 dZt 项,利用乘积法则处理运输算子-∂s(Γt pt) 的分解,所得结果中运输项通过流的作用被抵消。
Step 2(漂移项):通过对 ∂s pt 的跨协方差项的计算,得到 dΓt 的抵消贡献,确保最终漂移项仅剩下经过变换后的 µ̃t 与 ∆t^2 的新形式。
Step 3(质量守恒与完全抵消):定义 qt = Yt Jt,利用 Itô 积的乘积法则,交叉变差项恰好抵消,运输项被完整消除,质量守恒得到保持。
Step 4(系数提取):把 ∂s 与 ∂x 的关系建立起来,并给出 µ̃t(x) 与 ∆t^2(x) 的具体表达(对应公式(17)–(18))。这一步是把流变换的结果整理回“x 坐标系”的关键步骤。13
对“弱初始迹”的第二部分给出理解:通过将环境路径 e 与 Wiener 流 η 组合,构造在变换后的坐标系中的路径依赖分布,并使用支配收敛、非预期性独立性等工具,证明 qt 的初始密度在初始时间点具有明确的迹。该部分为蒙特卡洛实现提供可操作的框架,指出“在每一个固定的共同环境实现下”的密度分布与其边际分布的关系,从而指向 Rao–Blackwell 化在校准中的实际应用路径。11 , 12
重要含义:在常规 LSV 情况下的随机传输被 Itô–Wentzell 变换所“抵消”,粗糊性通过路径相关系数进入系数矩阵中,而非以新的随机传输算子的形式出现。这意味着对于每一个固定环境,分析对象转变为相对传统的确定性(但路径相关) Fokker–Planck 方程,便于数值求解与校准推导。10
第4节:解释、良态性、正则性、数值含义与校准
4.1 Classical LSV 与粗糊 LSRV 的对比
概要:在经典 LSV 的情形下,Clark–Crisan 的鲁棒性结论已经获得较强的结果;而在粗糊/ Volterra 型背景下,本文并未给出完整的 Clark–Crisan 全定理,但指出“路径化变换”在粗糊场景下仍然成立,且为前向密度提供路径相关系数的确定性 PDE。完整的鲁棒性证明需要在粗路径/Volterra 路径拓扑中进一步分析。核心意义是:变换的结构性优势在这里仍然成立,粗糊性主要通过系数的路径相关性体现,而非新增的随机传输项。该点与 3.1 的定理相呼应。 14
4.2 路径 PDE 的良态性与数值实现的数值含义
良态性:对于固定的样本路径 t → Vt(ω),以及相应的流 Φt,变换后的系数 ∆t^2(x) 与 µ̃t(x) 在时间上仅为可测、在空间上具有限制的光滑性(分段 C2/C1),这使得在局部区域内 PDE 具有解析性或弱形式的意义。但要在全局范围明确良态性,需要额外的约束(coercivity、边界条件等)。这意味着“全局强解”的结论需要在具体模型或边界场景下额外证明。该点在文本中明确提出,并给出不同情形的可能解释(退化、弱解、局部均匀性条件等)。14 , 15
粗糊时间正则性的数值影响:粗糊性导致系数在时间上的正则性降低,通常与 Hurst 指数 H 的大小相关,理论上 H < 1/2 时时间正则性下降。这对时间步进的稳定性与收敛阶提出挑战,暗示需要更密的时间网格以及更稳健的隐式/半隐式数值方案。该点在文中明确指出,是数值实现需关注的核心难点之一。15 , 16
Rao–Blackwellized 校准与数值流程
数值流程概述:共同环境路径 Zi、Vi 的联合仿真 → 按路径固定后沿流 Φi、Ji、Hi 更新流以及变换系数 → 解变换后的确定性 PDE(qt),再通过逆流 Φi 将原始变量映射回市场坐标 St → 使用 Rao–Blackwellized 校准比率更新杠杆函数 L 的估计。该流程在文中给出逐步指引并强调了非唯一性与实现细节(如时间网格要求、拟合的边界条件等)。该框架的核心点是“共用环境路径对校准更新的分解”与“转换后 PDE 的求解独立性”。16 , 17
第5节:粗糊 Heston 的专门化
结构性的简化与验证
粗糊 Heston 的关键特殊性在于传输系数 Γt(s) 与空间变量 s 的仿射性:Γt(s) = ρ s √Vt,使流的几何解更易处理,且在该子情形下随机流的解具有明确的显式形式。文本给出通过对 log Φt 的 Itô 处理得到的明确表达,且若把 s 转换为 St 的比例变量,Xt = St / Mt 在给定共同环境下呈现为对数正态分布。这为对 transformed density 的显式表达提供了强有力的验证基线。作者指出该情形下的系数与密度都与直观的 Heston 结构吻合,是对变换正确性的直接检验。 18 , 19
变换后的系数与密度的显式表达
具体地,在 rHeston 的纯粹情形下,Mt = exp(ρ ∫0^t √Vs dZs − ρ^2 ∫0^t Vs ds);Φt(x) = x Mt,因此 Xt 的分布在给定环境下通过对数正态密度描述,密度公式可写出并与原始 St 的密度通过反向流映射得到。该结果不仅验证了理论框架,也提供一个可用于数值对照的闭式基准,帮助检验 Step 3 的数值实现与稳定性。文中对推导过程给出逐步的验证,包括对 Assumption 1(iii) 在 rHeston 情况下的严格性证明,以及关于路径的有界性、可积性证明。该部分的结论强调:在纯粹的 rough Heston 框架下,条件密度的变换后结果具备明确的概率结构,且可追溯到 Gaussian/对数正态的基础形式。 20 , 21
进一步的扩展性:如果引入局部组件 L(t, S)(即局部 Leverage),即使仍保留 rHeston 的简化结构,框架依然适用,但将失去完全的显式解的便利性;文本指出,即便如此,变换仍然有效,框架的核心优势仍在(即共用环境对运输项的消除与路径相关系数的引入)。这为将来在更广泛的局部-粗糊耦合模型中应用提供方向。18
第6节:结论
结论总结了全文的关键发现:在局部随机粗糊波动情境下,只要共同 filtration 的选择确保 Z 仍是 Brownian motion、并满足可测性、预测性及空间正则性等假设,Itô–Wentzell 随机流变换能够消除共同噪声运输,得到对每一个固定共同环境的路径相关确定性 PDE。非马尔可夫记忆性被局部化到共同环境的生成及其系数的时间依赖性中,而非引入额外的随机传输项,从而使得问题便于采用标准路径 PDE 方法求解,并且在校准阶段仍然呈现 Rao–Blackwellized 的杠杆更新形式,结构与经典 LSV 相似但充分考虑了粗糊性。对于纯粹的 rough Heston,传输系数 affine,随机流显式,变换后的系数简化,条件密度可写成显式的对数正态形式。文中也指出尚未给出真正的 Clark–Crisan 全鲁棒性定理(在粗糊情形下的连续性/鲁棒性),未来工作需要在真正的粗路径拓扑中进一步研究。 22 , 23
三、关键公式与“图解”式解读(图表深度解读的等效要点)
重要公式与含义梳理(对应的页码提示见括号)
模型结构与系数定义:Σt(s) = s L(t, s) f(Vt),Γt(s) = ρ Σt(s),∆t^2(s) = (1−ρ^2) s^2 L^2(t, s) f^2(Vt);Σt^2(s) = Γt^2(s) + ∆t^2(s)。这一组定义确立了共性与特异性波动的分解,是后续条件密度 SPDE 的基础形式。5
条件密度 SPDE 的初始形式(带共用运输项的随机性 SPDE)与将其写成分解的方式:在未固定共同环境前,SPDE 具有 Z 的运输项;在固定环境后,变为一个具有路径依赖系数的确定性 PDE。该转化的核心思想在 Introduction 与 Section 2 中反复强调,是本文的核心论点之一。2 , 3
随机流方程与 Flow 的性质(Φt、Jt、Ht 的定义与方程):Φt 持续更新并生成 Jt = ∂x Φt 与 Ht = ∂xx Φt,确保变换后的坐标系是可微的并且保持质量守恒(qt = pt(Φt) Jt),这一点在 Section 3 的 Remark 2 与后续推导中反复使用。8 , 9 , 13
Itô–Wentzell 约简的核心步骤(Step 1–Step 4)与“完全抵消”证据:Step 1 通过分离 dZt 项,Step 2 处理漂移项中的跨协方差项,Step 3 证明 d⟨Y, J⟩t 与 Γ′t 的项抵消,Step 4 将 s-导数转换回 x-导数并给出 µ̃t(x) 与 ∆t^2(x) 的具体形式。这一系列步骤构成 Theorem 1 的证明骨架,是“把运输项消除、留下路径相关系数”的技术核心。12 , 13
粗糊 Heston 的专门化与显式解:若 L ≡ 1、f(V) = √V,且 Φt(x) = x Mt,Xt = St / Mt 时,在给定共同环境下 Xt 的对数分布是高斯(均值与方差由 Rt、At 给出),因此密度为显式的对数正态密度,且原始 St 的条件密度通过反向流 Φt 映射得到。这一结果在 Section 5 的推导中给出,并且作为对框架的强有力检验基线。 18 , 19 , 21
数值实现的流程要点(4.2):联合模拟、固定共同环境后的 PDE 求解、再通过逆流映射回市场坐标,以及 Rao–Blackwellized 的校准比率更新。这些步骤提供了一个可操作的数值框架,且指出时间正则性下降时需使用更细的时间网格和稳健的时间步进策略。相应说明位于 Section 4.2。 16 , 17
四、估值分析的潜在含义(文中未给出直接的“目标价/评级”)
估值方法及其衍生:报告中虽然未给出直接的企业估值目标价,但它明确给出可用于估值与定价的工具链:
通过变换后的路径密度 PDE,可对路径依赖型衍生品、可观测隐含波动面的拟合进行精确计算,进而提升对隐含波动面的拟合质量与稳定性,这对定价与对冲具有直接意义。借助 Rao–Blackwellized 校准比率,可以在处理路径不确定性的同时降低方差,从而提高估值稳定性和校准效率。17
在纯粗糊 Heston 情况下存在的显式对数正态形式,为对照实验提供一个闭式基准,有助于评估数值实现的准确性和收敛性。这些内容对估值模型的验证与对冲参数的确定具有重要作用。19 , 21
关键驱动因素与假设:估值框架的关键驱动因素包括共同环境的路径依赖(Vt 的轨迹)、相关性 ρ、局部/全局的 Leverage 函数 L 及其时间演化、以及粗糊性带来的时间正则性下降等。报告多处强调若要实现全局强解,需要额外的边界、增长及稳定性假设,因此实际估值实现往往依赖局部区域(如 t0 到 t1 的小时间窗)内的数值稳定性与近似性。上述要点贯穿 Section 4 的讨论中。 15 , 16 , 17
五、风险因素评估(报告中识别的风险与不确定性)
关键风险点
Degenerate/边界情形:在 rHeston 的极端参数或 |ρ| 接近 1 的情况下,∆t^2(x) 可能在边界处退化(尤其 Vt 接近 0 的时刻),导致椭圆性退化,需要借助 degenerate parabolic 理论或弱解来处理。这些情况在 Section 4 的 Remark 4 中被明确指出,提醒读者对边界行为及解的存在性/唯一性保持谨慎。15
时间正则性下降:粗糊波动带来时间上的较弱正则性,影响数值时间步的稳定性与收敛阶,要求更密的时间网格与更稳健的数值方法(隐式/半隐式等)。这是数值实现的现实挑战,需在实际应用中仔细设计网格与稳定性分析。15 , 16
Clark–Crisan 鲁棒性未全覆盖:作者明确指出尚未给出在真正的粗路径/ Volterra 路径拓扑中的完整鲁棒收敛性证明,未来仍需对“滤波器对观测路径的连续性”进行更严格的粗路径理论分析。这意味着在高度非平稳的粗糊背景下,理论稳健性仍有待进一步确证。22
模型实现的耦合复杂性:由于 ρ 与共同环境的相关性,数值实现需要对 Z 与 V 的联合路径进行一致的采样(Cholesky 等方法),并且在固定环境后应用变换求解 PDE,这增加了实现的复杂度与计算成本。文本在 4.2 给出具体的实现路线与难点提醒。16
风险缓解与对策
局部稳定性分析与边界条件设计:在 degenerate、弱解、局部均匀性等情形下,结合特定的边界条件、增长条件与 coercivity 约束,逐步建立局部良态性与唯一性结果,这需要在具体模型与数值实现中进一步定制开发。
数值网格与时间离散化策略:鉴于时间正则性下降,应采用更细的时间网格、隐式/半隐式离散化,以及必要的自适应网格策略,以确保在粗糊性下的稳定性与收敛性。该点在 4.2 的数值实现讨论中已有强调。16
验证与对照:以纯 rHeston 的显式解作为基准进行数值实现的对照,确保数值解能够与闭式解在给定环境下一致,从而提高校准与定价的可信度。19 , 21
六、批判性视角与细微差别(审慎、客观的评价)
潜在偏差与局限性
Clark–Crisan 鲁棒性在粗糊背景下尚未全面覆盖:作者明示目前尚无全局鲁棒性定理的证明,真正的连续性和鲁棒性可能需要在粗路径或 Volterra 路径拓扑中再建构;这意味着在极端市场情形下,理论结果的稳健性仍需进一步研究。22
全局良态性和全局解的保证困难:由于 ∆t^2 在边界可能退化,以及时间正则性受 Hurst 参数限制,理论上的全局解存在性、唯一性与正则性需要更强的假设或分领域证明,这可能对某些应用场景造成局限。文本明确表示需要额外的边界与 coercivity 假设才能获得全局强解的结论。15
数值实现的复杂性:联合仿真与路径固定后的 PDE 求解需要高效的随机流实现、合适的网格设计与稳定性控制,实际操作中可能成为瓶颈,尤其是在高维或复合局部-粗糊场景中。这一点在 4.2 的数值部分有清晰描述。16
潜在的内部一致性与矛盾点
论文基本自洽:从 Itô–Wentzell 的变换出发,清晰地展示了“运输项被抵消、系数成为路径相关”的结构性转变,并且在 rHeston 情况下给出显式解的强一致性证据,整体框架内部没有显著自相矛盾之处。
核心假设的严格性:Assumption 1 与其分支条件对实现性提出了相对严格的可测性与光滑性要求。在实际应用中,需要判断所选模型是否能严格满足这些条件,若不能则需要通过弱解、局部良态性等替代解释来维持分析的有效性。
总体审慎判断:本文在理论结构上给出一个清晰、可操作的框架,用以将局部随机粗糊波动的条件密度问题转化为路径相关的确定性 PDE,并通过 Rao–Blackwell 化校准保留了结构性一致性。尽管存在对全局鲁棒性与极端情形的未完成证明,但所提供的路径化方法、数值实现指引和纯 rHeston 的显式解都具有重要的理论与实务意义,尤其在 implied-volatility 的拟合与路径相关衍生品定价方面具有潜在价值。2 , 22
七、结论性综合(结论性综合)
核心发现
Itô–Wentzell 路径变换在局部随机粗糊波动(LSRV)框架下仍然有效,能够去除共同噪声运输项,使条件密度 SPDE 在固定共同环境下变为一个确定性、路径相关的 Fokker–Planck 型 PDE。粗糊性通过系数的路径相关性体现,而不是通过引入额外的随机传输算子。这种“结构性分解”使得前向流的条件密度分析与古典 LSV 的数值框架在方法论层面上更加一致,从而直接支持 Rao–Blackwellized 的杠杆校准更新。 10 , 22
在纯粹的 rough Heston 框架中,传输系数的仿射性使得 stochastic flow 与变换后的系数可以进一步简化,甚至得到显式的 lognormal 条件密度,这为理论验证与数值对照提供了强有力的基准。该专门化不仅验证了框架的正确性,也为实际数值实现提供了可靠的参考点。 18 , 19 , 21
作者的总体立场与判断
作者支持“路径化、前向的条件密度框架”作为处理局部随机粗糊波动的一致方法,强调变换后的 PDE 与路径相关系数的使用使问题更接近经典 PDE 处理范式,同时兼容粗糊性所带来的记忆性与非马尔可夫性。结论中也明确指出,尽管取得了重要进展,但对于完全的 Clark–Crisan 鲁棒性仍有待进一步研究,未来工作应在真正的粗路径拓扑中对连续性和鲁棒性进行更严格的理论化。22
对后续工作的启示
未来工作可以围绕在粗路径/Volterra 路径拓扑中建立更严格的鲁棒性结果,以及在更广泛的局部-粗糊耦合模型中推广该流变换的实用性与稳定性分析。同时,结合实际市场数据进行数值实现、校准与对比,检验在极端市场状态下的框架鲁棒性与数值稳定性。
附注:文中涉及的核心页码标注已在各段落后给出,便于溯源与后续引用。关键结论的出处 mainly 来自以下段落的要点: Itô–Wentzell 变换及其对共同运输项的抵消(第3节,Theorem 1)10 、对 transformed PDE 系数的推导(第3节,详细步骤在 第11–12 页段落)12 , 13 、Rao–Blackwellized 校准与数值实现的流程(第4节第4–5 页段落)16 , 17 、粗糊 Heston 的显式解与密度形式(第5节,页 17–20)18 , 19 , 21 、以及结论性总结(第6节)23 。
若需要将此分析扩展为正式的研究综述或报告注释,可进一步对每一个公式逐条推导过程进行逐步展开,并结合具体数值案例对比,以便在实践中直接用于模型实现与风险管理。