本文将隐含波动率、局部波动率与机器学习生成的波动率曲面统一建模为带有正性、日历单调性和蝶式约束的无限维随机场。研究证明,活跃约束边界上的非退化高斯冲击以趋近于二分之一的概率逸出无套利集合,因此精确动态必须采用切向退化、反射或受约束流形机制;同时区分静态可行性与固定合约鞅条件。论文进一步建立谱分解、KL因子、vega场最小方差对冲、Dupire局部波动率图、无套利神经算子、正则化流和衰减签名场框架,并提出包含九类模型与六组指标的可证伪实证方案。451925313335
标题:《The Mathematics of Volatility Surfaces》;作者:Miquel Noguer i Alonso;机构:Artificial Intelligence Finance Institute(AIFI);日期:2026年8月7日;主题:将隐含波动率曲面、局部波动率、随机场、神经算子、正规化流、签名过程与函数型对冲统一到一个以静态套利约束为核心的无限维数学框架中。1
报告没有给出股票评级、投资建议或目标价,也没有报告实证结果;其核心定位是一篇理论与预注册实证设计论文。作者的主要论点是:隐含波动率曲面不应被拆解为若干独立的期限或执行价切片,而应被视为一个取值于加权Sobolev空间的、受到严格形状约束的随机场。4 表面模型的关键困难不是单纯的降维或预测,而是随机动态必须始终留在静态无套利集合内,同时还要满足固定期权合约的动态风险中性鞅条件。4 15
全文最重要的结论可以概括为三点:
报告采用总隐含方差
[ w_t(k,\tau)=\tau\sigma_t^2(k,\tau) ]
而不是直接采用隐含波动率。横轴是远期对数价外程度 (k=\log(K/F_t(\tau))),纵轴是剩余期限 (\tau)。建模区域是紧矩形
[ D=[k_{\min},k_{\max}]\times[\tau_{\min},\tau_{\max}], ]
其中 (\tau_{\min}>0),即排除了到期点和无限翼部。7 这是一项明确的范围限制:作者研究的是市场实际报价窗口,而不是完整的全局波动率曲面,因此Lee翼部矩条件和到期奇异性没有被完整处理。34 37
函数空间是带权 (H^2_\rho(D)) Sobolev空间。由于权重 (\rho) 有上下界,它与普通 (H^2) 空间具有相同拓扑,但会改变内积、正交性、Riesz代表元和协方差算子。7 这为后面的“vega权重”“流动性权重”和“期限折现权重”提供了数学接口。
报告特别强调正则性边界:(w) 本身可以点态评价,一阶导数主要在 (L^p) 意义下处理,而二阶导数只能保证几乎处处存在或在测试函数下有意义。7 这点很重要,因为蝶式约束含有 (w_{kk}),不能未经说明地把它当成处处连续的普通函数。
报告定义了三个主要约束:
其中 (g[w]) 包含 (w)、(w_k)、(w_{kk}) 以及关于 (k) 和 (w) 的非线性项。其难点在于:虽然最高阶项 (w_{kk}/2) 是线性的,但低阶项包含 (1/w)、(w_k^2) 等非线性结构。8 12
作者以固定方差下界 (m) 构造可行集合 (K_m),并证明其范数闭、弱序列闭。这意味着在投影、校准和最优化问题中,弱收敛极限仍然属于可行集合。9 但闭性并不意味着凸性,这是后文模型构造的核心分歧。
通过Black–Scholes映射
[ c=B(k,w), ]
总方差曲面被转换为归一化看涨期权价格曲面。价格坐标下的约束包括价格上下界、期限单调性,以及关于执行价的凸性;这些条件基本上是线性微分不等式,因此在固定方差带 (m\le w\le M) 内形成闭凸集合。9 10
相反,总方差集合一般不是凸的。报告给出了一个基于两组SVI参数的区间算术证书:两个曲面分别满足约束,但其算术平均不满足蝶式约束,因此证明了 (K_m) 非凸。10 11 这不是数值采样意义上的“可能非凸”,而是作者声称通过带外推舍入的区间计算得到的严格证书。
图1左侧显示两个可行的总方差点 (w_1,w_2),但中点落在可行集合之外,直观表现出总方差空间的“凹陷”或非凸结构;中间图显示经Black–Scholes映射后,价格集合变成凸区域;右侧图则把局部方差表示为正锥中的正函数。11 图表支持作者的坐标选择结论:需要唯一投影、凸优化或反射扩散时,应使用价格坐标;需要解释市场报价、做光谱分析和函数型对冲时,可以保留总方差坐标,但必须接受其非线性几何。
报告进一步研究约束集合边界上的切锥。对正方差、日历和蝶式约束分别定义活跃集,并计算蝶式泛函的Fréchet方向导数 (Dg[w]h)。11 12 该导数中的最高阶部分是 (h_{kk}/2),其余项是对 (h)、(h_k) 的低阶非线性组合。12
在足够光滑的曲面上,如果扰动方向在所有活跃区域都不向外,并且在非活跃区域保留足够约束裕度,则存在足够小的 (t>0),使得 (w+th) 仍然可行。12 但切锥等于线性化锥需要额外的Robinson型约束资格条件,作者将其列为Conditional,而不是无条件定理。13 这体现了报告较为谨慎的证明分层。
报告给出核心恒等式:
[ a(k,\tau)=\sigma^2_{\mathrm{loc}}(k,\tau) =\frac{\partial_\tau w}{g[w]}. ]
这里分子是日历约束函数,分母是蝶式约束函数,因此局部方差并非独立的定价工具,而是两个静态约束函数之比。13 在严格内部,(a>0);当 (\partial_\tau w=0) 时局部方差为零;当 (g[w]=0) 且 (\partial_\tau w>0) 时出现极点;两者同时为零时比值不确定。13
这一结果具有重要解释力:局部波动率的数值不稳定,可能直接对应曲面接近日历或蝶式边界,而不是单纯的数值误差。报告同时警告,仅仅观察 (a>0) 不能替代静态无套利验证,因为分子分母若同时为负,商仍可能为正。13
对SSVI,作者进一步推导了ATM局部方差闭式表达式,说明SSVI的蝶式条件可以转化为局部椭圆性分母的正性与有界性。14 15 但其稳定逆问题要求一致椭圆条件,因此不能覆盖局部方差为零或出现极点的退化边界。37
这是全文最容易被忽略、但最重要的概念区分之一。(w_t\in K_m) 只保证每个观察时点的静态蝶式和日历约束,并不保证一个随时间演化的市场模型不存在动态套利。15
在Musiela坐标中,绝对到期日与剩余期限之间存在滚动关系。对固定合约而言,剩余期限以速度-1变化,Musiela方程中的 (\partial_\tau w)项会与合约期限滚动项抵消。15 但对Black–Scholes价格应用Itô–Wentzell公式后,仍然需要满足包括远期、贴现因子、曲面漂移和波动项在内的固定合约贴现价格局部鞅条件。15 因此报告中的神经网络、反射过程和流模型即使逐时点静态无套利,也只能被称为物理测度情景生成器,除非额外验证该动态漂移限制。16
报告设想Hilbert空间中的高斯场动态:
[ dw_t=\mu_tdt+\Sigma_t dW_t. ]
在一个Euler步长 (\Delta) 内,噪声规模是 (\sqrt{\Delta}),漂移规模是 (\Delta)。若某个约束函数在当前状态恰好为零,且噪声沿约束法向具有非零方差,则约束函数的下一步变化近似为均值为低阶项、标准差为 (\sqrt{\Delta}) 的正态变量。16 17
定理7.3的结论是:违反概率趋近于 (1/2)。 这意味着无论如何调整漂移,只要法向扩散非退化,短时间内仍有约一半概率向不可行方向移动。18 连续时间版本则说明,如果过程要始终留在约束集合中,活跃约束上的法向扩散必须为零;否则只能通过加入反射项或限制在无套利子流形上来实现。19
图2左图展示标准化裕度 (r=\Phi/(\sigma_\Phi\sqrt{\Delta})) 与单步越界概率之间的关系:当 (r=0) 即处于活跃边界时,概率为0.5;裕度增加后,越界概率迅速下降。19 右图用对数坐标展示噪声随 (\sqrt{\Delta}) 下降,而漂移随 (\Delta) 下降,因此在足够短的时间步下噪声必然主导边界行为。该图是解析曲线,不是市场估计。
在内部区域,报告用Borell–TIS不等式给出指数型生存概率下界:约束裕度越大、噪声的 (C^2)集中程度越小,单步越界概率越低。20 这形成了一个清晰的“边界层”观点:普通高斯模型在内部可能是良好近似,但不能在接近边界时保持精确无套利。
在对角线性Hilbert动态下,作者证明每个模态满足独立的一维Ornstein–Uhlenbeck型方程,前 (m) 个模态构成精确的有限维子系统,而不是一般Galerkin近似。21 截断误差等于未保留模态能量的总和,并给出函数空间存在性所需的谱可和条件。21 这把传统的“水平、期限结构、偏度、曲率”PCA因子转化为具有明确范数和均方误差的KL因子。
图3采用人为设定的 (\lambda_i\propto i^{-2}) 参考谱,而非实证数据。23 左图显示前几个特征值明显较大,虚线在 (q=5) 处表示示意性截断;右图显示保留前五个模态大约捕获九成以上总方差,剩余误差为谱尾总和。该图的价值不在于证明市场确实五因子,而在于展示如何用 (\sum_{i>q}\lambda_i) 对降维误差进行审计。
作者还强调,KL谱必须考虑Sobolev权重和数值积分权重,直接对密集短期限报价做普通PCA会使特征向量偏向报价密集区域。23
将组合价值写为曲面泛函 (\Pi(w)),其Fréchet导数的Riesz代表元 (\nu_w) 被定义为组合vega场。24 传统bucket vegas可以理解为该场在核函数扰动下的取值;因此bucket不是完全错误,而是对连续vega场的一种离散表达。24
若交易工具的敏感度场组成线性算子 (H),曲面增量协方差为 (C),则最优对冲权重为
[ \alpha^*=(H^*CH)^{-1}H^*C\nu. ]
它本质上是以市场曲面实际运动协方差为度量的广义最小二乘投影。25 残余方差是
[ |C^{1/2}(\nu-H\alpha^*)|^2, ]
表示在给定工具集合下无法对冲的理论下界。25
) ]
把无约束潜变量映射到正正交锥,Jacobian中包含 (\prod_j a_j),从而得到有限网格上的精确条件似然。31 价格单纯形流则通过stick-breaking参数化把潜变量映射到可行价格锚点的凸包内部,并以Hausdorff测度定义密度。31 32 作者同时明确指出,无限维Hilbert空间不存在平移不变Lebesgue测度,因此有限维Jacobian不能自动推广为函数空间似然;真正的函数空间变换需要Ramer型准不变性条件。32
指数衰减签名用于记录曲面因子、现货、实现方差和时间等变量的路径历史。签名层级越高,能表达的路径交互越丰富;衰减参数越大,远期历史权重下降越快。32 固定截断层数和阶数后,签名坐标满足三角形自治系统,因此可构造有限维受控动态实现。33
图5横轴是KL曲面秩 (q),纵轴是签名历史深度 (M),颜色代表总误差上界。提高 (q) 可降低未解释的曲面谱尾,提高 (M) 则降低历史依赖的函数逼近误差。34 作者的实质主张是,曲面方向降维和历史方向截断是两个正交的模型风险来源,不能用单一因子数量替代。价格坐标中的凸投影修复还具有非扩张性,因此不会增加Hilbert误差。34
实证部分计划使用2005—2025年SPX期权日终数据,覆盖2008—2009年金融危机、2020年疫情冲击以及平静时期;统一网格为41×21,并比较无套利平滑与价格空间修复两条曲面构造流程。35
模型M1至M9包括无约束Gaussian KL场、切锥投影、价格反射、SSVI、eSSVI、神经SDE、生成式模拟器、签名场生成器和条件正规化流。35 评价指标包括套利违规、增量分布、动态一致性、对冲效果、边界行为和条件密度校准。35 36
核心假设包括:
这些都只是预注册阈值,不是已经观察到的结果。6 35 因而报告不能被解读为已经证明某一模型在真实市场中优于其他模型。
主要风险和局限包括:
报告最强的地方,是把静态套利约束从“训练损失中的惩罚项”提升为随机过程的状态空间几何,并严格区分了静态可行性、随机动态不变性、风险中性漂移和统计似然四个问题。4 15 它对证明状态也进行了分层,明确标出Proved、Conditional和Conjectural,避免把有限网格结果夸大为无限维结论。6
但需要审慎看待三点。第一,报告的核心50%边界定理依赖活跃约束可由平滑窗口泛函检测;在普通 (H^2) 框架中,孤立点接触对 (L^2) 约束结构不可见,点态版本需要更高正则性。17 第二,价格坐标的凸性优势依赖固定方差带和Black–Scholes逆映射的良好条件,接近内在价值边界或价格上界时,逆映射可能失去一致正则性。10 第三,实证设计虽然覆盖多个模型和指标,但目前没有数据结果,所有关于五因子、10%对冲改进或5%记忆收益的判断都仍待检验。34 36
总体而言,作者的总体立场并不是推荐某一种具体交易模型,而是提出一套模型审计原则:先选择具有良好几何性质的坐标,再设计满足边界不变性的动态,随后进行谱降维、学习、似然估计和对冲;最后还必须单独检查固定合约的动态鞅条件。37 该框架最具实践价值的结论是,普通高斯PCA模型可以作为内部区域的近似,却不能被当作全局无套利模型;价格反射、切锥投影和无套利参数化分别代表了凸几何、局部修正和低维流形三条不同路线,而真正的风险中性、无限维反射和数据验证仍是尚未完全解决的前沿问题。37
2608.05198.pdf