本文提出GROMM模型,在SANOS框架基础上构建同时满足静态与动态无套利条件的欧洲期权市场模型,并证明其动态过程存在唯一强解。模型使用随机离散局部波动率描述期权价格面、Black–Scholes过程进行平滑插值,并显式构造风险中性漂移。基于2022年1月至2025年8月的标普500指数期权数据,模型超过95%的报价落在市场买卖价差内;在受限交易集合及包含5,001个工具的完整网格上,风险中性检验均未拒绝无套利假设 。
下图比较了2025年8月29日同一批2,662个期权报价的隐含波动率超额。GROMM仅有7.48%的报价落在买卖价差之外,而Tangent Lévy和CRC分别有98.87%和65.21%的报价超出价差,体现出GROMM在保持无套利结构的同时具有更强的市场拟合能力 。
PCA结果显示,前几个因子贡献了最大的创新方差,16因子是论文模拟中的模型上限;26个因子才超过90%的累计方差解释率 。
报告标题:《GROMM:Generative Risk-neutral Option Market Models》(生成式风险中性期权市场模型)。
作者:Magnus Wiese、Hans Buehler、Blanka Horvath。
机构:牛津大学数学研究所,以及牛津大学 Oxford-Man Institute。
版本与日期:Version 1.1,2026年10月22日。
研究主题:欧洲股票指数期权市场的平滑、静态无套利且动态无套利生成模型,重点应用于短期限标普500指数期权。报告没有给出股票评级、投资建议、目标价、收入预测或每股收益预测,因为它不是传统的公司股票研究报告,而是一篇关于期权市场建模、风险中性测度和无套利检验的数学金融研究论文。
报告的核心观点是:作者构造了一套基于SANOS框架的GROMM模型,使期权价格曲面同时满足三层要求:第一,能够平滑插值大量不同执行价和到期日的期权报价;第二,在静态意义上避免跨执行价、跨期限的套利;第三,在动态交易意义下存在显式构造的风险中性测度,使现货和期权价格在该测度下成为鞅。作者还证明了离散局部波动率动态具有唯一强解,并用2022年1月至2025年8月的标普500期权数据进行实证校准。
论文最突出的经验结果是:在891个有效交易日、约219万条保留的买卖报价区间上,GROMM的初始模型价格有超过95%落在市场买卖价差之内;在风险中性测度下,针对最多5,001个可交易工具的无套利统计检验没有发现超出普通蒙特卡洛抽样误差的异常漂移。
GROMM沿用了SANOS的基本架构,将股票或指数过程表示为两个过程的乘积:
[ S_t=X_tY_t. ]
其中,(X_t)是随机离散局部波动率过程,用于编码当前期权市场状态;(Y_t)是相对简单的平滑过程,在本文中取固定波动率5%的Black-Scholes过程。这里的“局部波动率”并不意味着作者声称整个模型是传统局部波动率定价模型,而只是把离散局部波动率当作期权价格曲面的表示方式。
这种表示方式的优点是,静态无套利约束可以通过离散密度和非负局部波动率来保证,而不是直接对隐含波动率施加复杂的凸性、单调性和跨期限约束。只要离散局部波动率平方保持非负,SANOS递推所生成的离散风险中性密度就具有正性和质量守恒性质。
GROMM相对于此前DYSANOS工作的主要区别在于目标不同。DYSANOS更强调在统计测度 (P) 下学习现实的市场动态,而GROMM首先要求构造一个明确的风险中性测度 (Q),并推导每个离散局部波动率坐标的风险中性漂移。代价是GROMM用于拟合历史数据的参数自由度少于DYSANOS。
报告将市场建模问题拆分为三个不同目标:拟合当前报价、保证所有执行价和期限上的静态无套利,以及排除动态交易套利。作者特别强调,单纯让一组静态无套利曲面的参数随机变化,并不自动产生共同的等价鞅测度;例如,参数化的SSVI曲面即使每一时点静态可行,其动态也可能违反无套利漂移条件。
Tangent Lévy模型在理论上具有动态无套利性质,但其独立增量结构通常难以贴合股票指数期权市场复杂的偏斜和期限结构。CRC,即广义Bates一致重校准模型,理论上也可以在满足特定重校准条件时实现无套利,但本文的实际神经网络反演和重校准实现未能达到该条件。
作者还将GROMM与大量生成式模型区分开来。许多其他方法只是通过惩罚项、再加权、拒绝采样或价格修正来“鼓励”无套利,并没有严格的连续时间风险中性构造,因此作者认为这些方法不能与GROMM的理论保证直接等同。
模型在固定的到期日网格和现金执行价网格上运行。对于当前时间 (t),模型记录现货价格以及未来各到期日的离散风险中性密度 (q^j_t)。本文实证配置使用25个期限,每个期限相隔一个营业日,并设置200个内部执行价节点和2个远端边界节点。
离散密度可以等价地表示为离散局部波动率平方 (\Sigma^j_{t,i})。通过三对角矩阵和M矩阵递推,较远期限的密度由前一个期限的密度以及局部波动率决定。M矩阵的关键性质是可逆且逆矩阵内部列为正,这保证了生成密度的正性。
在金融含义上,(q^j_{t,i})可以理解为市场在当前时点对未来到期时指数落在第 (i) 个执行价节点附近的离散风险中性概率。局部波动率并不是直接预测价格,而是控制这些未来概率分布如何从一个期限传递到下一个期限。
在风险中性测度 (Q) 下,每一个未来密度坐标都必须是鞅,因此其漂移必须为零。作者首先给定前端密度的扩散项,再给定各期限离散局部波动率的扩散载荷,随后通过逐期限、逐节点的递推,反推出:
这一点是论文的理论核心。一般而言,如果直接让隐含波动率或局部波动率参数随机扩散,期权价格的漂移会包含由非线性价格映射产生的额外项,从而引发动态套利。GROMM通过要求每一个离散密度坐标成为鞅,反向求出必须施加的局部波动率漂移,从而把无套利约束落实到动态方程中。
前端密度和现货的处理尤其重要。作者使用一种Gaussian bridge式构造,让前端密度在临近到期时逐渐收敛到某一执行价对应的点质量,同时现货在到期时落到该执行价。该构造避免了简单地在到期日一次性跳到某个执行价,因为后者会造成密度过程不连续。
论文证明,在局部波动率的波动率,即vol-of-vol载荷 (\xi) 满足局部Lipschitz连续性、并且在时间上具有平方可积上界时,离散局部波动率的对数过程存在唯一强解。
证明中处理了一个非平凡问题:当临近前端到期时,部分远端执行价节点的概率质量可能趋近于零,密度的相对波动率可能发散。作者引入“日历价差”类变量 (R_{j,i}=\Sigma_{j,i}q_{j,i}),并证明它与密度坐标具有同步归零性质,从而控制局部波动率的极限行为。
定理2.2的结论包括:局部波动率保持严格正值;如果现货最终落在内部执行价,局部波动率可以连续延伸到前端到期日;如果现货落在最极端的边界节点,未来密度会被吸收到该边界,剩余局部波动率不再影响期权价格。
模拟过程中,模型首先生成Brownian增量,用第一因子同时更新前端密度、现货以及与现货相关的局部波动率坐标,以维持设定的杠杆效应。然后在对数局部波动率平方变量上进行指数型更新,再通过三对角系统重建各个期限的密度。
使用对数变量而不是直接对局部波动率进行Euler更新,主要是为了避免数值误差导致局部波动率变成负数。由于矩阵是M矩阵,密度重建也能够保持正性。
不过,作者明确承认:连续时间漂移条件只保证无穷小时间尺度上的鞅性质,不能自动消除普通有限步长数值方案的偏差。由于密度是局部波动率与前一密度的非线性函数,有限时间步更新后可能存在小幅鞅误差。作者提出了另一种离散分支修正方法,可通过求解非线性系统使有限步模拟下的密度严格成为鞅,但该方法尚未成为主要实验方案。
这构成模型的一个重要技术边界:理论上的连续时间无套利与实际代码中的有限步模拟无套利不是完全相同的命题,报告的BHW检验正是用来评估这种数值误差和动态漂移。
研究使用OptionMetrics IvyDB经WRDS获取的标普500指数期权数据,覆盖2022年1月3日至2025年8月29日,共891个有效交易日。样本最终包含2,192,458个看涨和看跌期权买卖报价区间,期限不超过25个营业日。
数据处理包括删除无效报价、异常结算标记、当日到期合约和不规则期限合约;作者还使用看涨看跌平价重新估计远期,并通过流动性、vega、成交量、未平仓量和隐含波动率范围筛选报价。
一个值得注意的处理是,作者没有把线性规划得到的SANOS辅助曲面直接当作最终校准目标。辅助曲面仅用于确定资格、ATM期限结构和浮动执行价支持;最终JAX优化直接针对原始报价的买卖价区间进行拟合。
每个交易日的直接状态有25×200=5,000个主要坐标。模型价格若落在报价买卖区间内,bid-ask excess为零;只有超出区间才产生惩罚,同时加入一个小的中点项,使价格在价差内部时仍能获得稳定位置。
报告比较了无限制的直接表示和低秩Affine表示。直接表示拥有最高的买卖价覆盖率和最低的中点误差,因此被用于后续随机离散局部波动率实验;Affine-200已经超过95%的买卖价覆盖率,秩提高至400后仍有小幅改善。
原文提供的文本版本没有显示表1的完整数值行,因此无法从当前材料准确重建直接模型、Affine-200和Affine-400的每一个MAE或条件超额数值。但报告的定性结论清晰:直接模型拟合最好,低秩模型在压缩维度的同时仍保持较高报价覆盖率。
作者使用710对相邻交易日估计局部波动率平方的历史变化。由于执行价支持会随ATM期限结构漂移,作者先将不同日期的节点映射到相同的相对执行价和剩余期限坐标,再进行回归、平滑和PCA。
结果显示,8个因子解释72.88%的平滑创新方差,16个因子解释84.40%,至少需要26个因子才能超过90%,达到90.25%。在2025年留出样本中,完整25×200表示的残差均方根为0.256,而Affine-200为0.423,说明完整节点表示对历史动态的复现能力更强。
作者进一步估计物理测度 (P) 与风险中性测度 (Q) 之间的市场风险价格。报告指出,固定的5% Black-Scholes平滑因子被设定为零风险溢价,因此在 (P) 和 (Q) 下具有相同分布。
表2的核心结论是:秩16的因子系统明显改善了对实际物理漂移的拟合,但无论状态依赖的风险价格还是常数风险价格,都不能完全复制经验物理漂移;后两项置信区间不包含零,说明风险中性兼容漂移与原始无条件漂移仍存在统计上可测的差异。
图1比较了2025年8月29日同一报价簿下GROMM、Tangent Lévy和CRC的隐含波动率拟合误差。横轴是标准化对数虚值程度,纵轴是到期剩余营业日;只有超出买卖价区间的报价才显示,颜色表示超出方向和幅度。
GROMM面板非常稀疏,标题显示只有7.48%的报价落在隐含波动率买卖价区间之外,说明绝大多数点被模型覆盖。Tangent Lévy面板几乎在整个期限和虚值范围内都有密集的蓝色点,98.87%的报价超出区间,说明独立增量结构无法描述标普500短期期权的丰富横截面。CRC的超额点明显少于Tangent Lévy,但仍有65.21%的报价在区间外。
该图支持作者关于“GROMM拟合能力显著强于两个参考模型”的论点,但它只评价静态初始拟合,不是动态无套利检验。图中没有显示落在买卖价区间内部的报价,因此稀疏程度不能直接解释为所有误差的平均值。
图2把误差转换成价格单位,并以半价差为标准化单位。GROMM仍只显示少数超额点,而Tangent Lévy在大量执行价和期限上呈现大面积蓝色负超额;CRC则在短期限、远虚值和部分中间期限区域出现较明显的红蓝交替。
价格尺度的价值在于它更接近实际交易盈亏,但也会受到期权vega、价差宽度以及隐含波动率非线性转换的影响。作者使用对称对数颜色尺度,以便同时展示Tangent Lévy的大误差和GROMM的小误差。
表3把2,662个共同报价放在同一比较框架中,报告超出买卖价区间的比例,以及仅针对失败报价计算的平均和中位数excess。其关键比例为:GROMM 7.48%超出,Tangent Lévy 98.87%超出,CRC 65.21%超出。
表3的重要解释是,Tangent Lévy和CRC的静态拟合较差并不等于它们必然存在动态套利。动态无套利检验需要研究价格在时间演化中的条件漂移,而不是仅仅看某个初始日期能否贴合市场报价。
表1展示了所有2,192,458条保留报价上的端到端拟合表现,主要指标包括买卖价覆盖率、条件超额和以半价差衡量的中点MAE。报告明确认为直接5,000维状态优于低秩Affine状态,但当前提供的文本没有保留具体表格数值。
表2展示vol-of-vol因子系统对物理漂移的解释能力和风险中性兼容漂移的投影误差。它使用配对bootstrap和delta method构造区间,但这些区间只反映时间序列抽样误差,并没有包含重新估计AR、PCA和风险中性漂移所产生的全部模型不确定性。
图3对四组相同Gaussian抽样分别生成P和Q路径,展示现货、1日ATM隐含波动率、5日ATM隐含波动率以及中心对数执行价偏斜。实线表示Q,虚线表示P;相同颜色的实线和虚线使用同一组随机冲击,因此差异主要反映测度变换后的漂移变化,而不是随机路径差异。
图中可以看到,P/Q下现货路径会逐步分离,短期期权波动率和偏斜也会出现不同方向和幅度的变化。这说明风险价格主要改变漂移项,而不会改变扩散载荷;作者也明确指出,四条路径只能展示测度变化,不能视为对物理模型的充分验证。
图4展示了以剩余营业日和对数虚值为坐标的基准风险中性隐含波动率曲面。曲面具有明显的期限和横截面结构:短期限、两翼区域的波动率高于ATM附近,随着到期时间延长,曲面相对平滑并逐渐趋于稳定。
该图说明GROMM并非只拟合离散报价点,而是通过5% Black平滑因子和SANOS结构生成连续的期权价格曲面。需要注意的是,图4只展示一个基准状态,并不能单独证明所有模拟状态都保持相同的曲面质量。
图5左轴显示单个PCA因子的解释方差,右轴显示累计解释方差。第1个因子解释力最大,前几个因子贡献快速下降;16个因子累计解释约84.40%,而曲线超过90%需要26个因子。图中的绿色虚线标记模型上限16。
这说明期权曲面动态确实具有低维结构,但16维并不能解释全部历史变化。作者将秩16作为实际模拟的折中:它比8因子更灵活,却仍明显低于完整90%以上解释所需的26因子。
图6和图7把每个因子的一标准差日冲击转换为隐含波动率曲面响应。PC1与现货因子对齐,其他因子分别对应期限结构、ATM水平、偏斜以及更局部的曲面变形。
这些图的一个重要细节是,每个面板使用自己的垂直尺度,因此不同PC之间不能仅凭颜色或视觉高度直接比较绝对经济影响。它们更适合用来观察冲击形状:有的因子主要影响短期限,有的影响远期限,有的改变左右翼差异,有的在ATM附近形成局部凹凸。
表4针对570个“受限交易工具坐标”进行Q测度检验。对GROMM的四种规格,没有任何坐标超过五个标准差,条件统计量的绝对值均不超过1.755。Model D使用最丰富的因子表示和每天八个模拟子步,其条件统计量最接近零。
Tangent Lévy虽然静态拟合很差,但动态检验没有被拒绝:最大坐标统计量为2.191,99%分位数为2.126,没有坐标超过2.576,两个条件统计量为-0.768和-0.575。这再次说明静态拟合和动态无套利是两个不同评价维度。
CRC则表现出明显失败:570个坐标中有371个超过2.576个标准误,320个超过五个标准误,条件统计量达到42.562和209.845。作者将其归因于神经网络重校准导致的固定期权价格跳跃,而不是把结果解释为所有精确CRC模型必然可套利。
表5在统计测度P下进行相同检验,结果符合预期:所有570个坐标都超过五个标准误,熵统计量介于89.205和646.645之间。该结果说明同一套检验能够识别模型从Q到P后引入的可预测漂移。
表6扩展到完整的5,001个工具。共有63,180个坐标至少在一条路径上满足资格,其中62,569个进入无条件筛选。两侧1%阈值下预计有625.69个超额,实际为635个;超过3个标准误的预计数为168.9个,实际188个;没有坐标超过五个标准误。
完整网格上的平方和熵条件统计量均为0.843,均值、标准误和置信区间经过四舍五入后相同,置信区间包含零。因此,报告认为在如此大且动态变化的交易工具集合中,仍没有发现系统性风险中性漂移。
本报告没有传统意义上的公司估值、目标价、DCF、P/E、EV/EBITDA或可比公司估值部分,因为研究对象是期权市场模型而非上市公司股票。报告中的“估值”主要体现为期权价格由离散风险中性密度递推得到,而非对企业价值进行估值。
模型价格的生成逻辑是:先由离散局部波动率产生各期限风险中性密度,再将密度与5% Black-Scholes平滑因子结合,得到连续执行价上的看涨期权价格,并对期限进行线性插值;看跌期权则通过看涨看跌平价得到。
因此,本文最接近“估值输入”的变量包括:固定执行价网格、期限网格、离散局部波动率平方、风险中性密度、5%平滑波动率、风险中性漂移和P/Q市场价格风险。报告没有给出传统估值模型中的折现率敏感性表或目标价区间。
静态拟合并非全部报价都在买卖价内。 GROMM在整体样本中覆盖率超过95%,但仍有一部分报价超出价差,2025年8月29日共同报价簿中7.48%仍在隐含波动率价差之外。因此,模型不是逐点完美复制市场。
短期限标普500样本的外推风险。 研究集中于最多25个营业日的标普500指数期权,作者也把扩展到其他资产类别和更长期限列为后续工作。因此,结论不能自动推广到个股期权、利率期权、商品期权或长期期限结构。
因子截断风险。 16个因子只解释84.40%的平滑创新方差,而26个因子才超过90%。使用16因子会丢失一部分历史曲面动态,尽管当前无套利检验没有显示显著问题。
有限步长模拟误差。 连续时间漂移条件并不保证普通有限时间步方案严格无偏,作者自己指出非线性密度映射会产生离散化偏差。
风险中性检验不是数学证明。 条件诊断只在指定的神经网络策略类别和状态变量下进行,不能证明对所有可测交易策略都不存在套利;大量坐标还会产生多重检验问题,因此阈值计数主要是描述性诊断而非严格的联合显著性检验。
训练和校准不确定性未完全纳入。 表2的置信区间只反映时间序列抽样误差,条件于已拟合的AR、PCA和风险中性漂移,没有覆盖全部重新估计误差。
参考模型比较存在实现差异。 Tangent Lévy和CRC都是作者自行实现的“paper-aligned”版本,不是原作者软件的逐字复制;CRC的失败尤其受到神经网络重校准误差和固定期权价格跳跃影响,因此对CRC理论本身的否定应保持谨慎。
极端执行价吸收。 如果现货在到期时落到最外侧边界节点,模型会把未来密度吸收到该节点,之后的局部波动率不再影响期权价格。这在数学上保证了模型延拓,但也意味着极端状态下部分参数失去经济识别力。
GROMM的最强贡献不是提出一个新的隐含波动率参数化,而是把“静态可行曲面”“连续时间风险中性动态”和“可实现的数值校准”放进同一框架。它通过离散风险中性密度和非负离散局部波动率编码曲面,通过节点级漂移抵消确保动态鞅性质,并通过Gaussian bridge处理前端密度与现货到期时的连续衔接。
从数据结果看,GROMM的静态拟合明显优于Tangent Lévy和本文实现的CRC:GROMM在共同报价簿中只有7.48%的隐含波动率报价超出买卖价区间,而Tangent Lévy和CRC分别为98.87%和65.21%。 从动态结果看,GROMM在570个受限坐标和最多5,001个完整工具上的Q测度统计都未显示超出抽样误差的系统性漂移。
图5至图7则揭示了模型的另一面:期权曲面动态具有明显低维结构,但16个因子仍不能解释全部历史变化;因此,GROMM在无套利性、拟合能力和动态维度之间采取的是折中,而不是完全无损的降维方案。
总体而言,报告支持的判断是:GROMM在理论上提供了明确的风险中性无套利构造,在短期限标普500期权上表现出较强的静态拟合能力,并在大规模数值检验中保持与风险中性鞅性质一致。但其结论仍主要依赖短期限单一资产类别、特定因子截断、有限步长模拟和指定策略类检验,因而更适合被理解为一个具有较强理论完整性和实证潜力的研究框架,而不是已经在所有市场环境下完成验证的最终交易模型。
2610.16732.pdf