本文系统综述扩散模型、流模型及其在金融领域的应用,覆盖金融时间序列、限价订单簿、表格数据与相关矩阵、波动率曲面、收益率曲线等结构化对象。报告重点分析扩散模型在数据生成、预测、风险分析、投资组合构建、隐私保护和衍生品定价中的价值,并指出金融领域仍需完善对象专属评估基准、规模化规律以及面向决策的应用框架。
报告的核心论点是:扩散模型正在成为金融生成建模的重要技术路线,其优势不仅来自生成质量,也来自稳定训练、较好的分布覆盖能力、灵活的条件控制,以及与金融中广泛使用的随机微分方程、伊藤积分和随机控制框架之间的天然联系。 作者并非简单主张“扩散模型能够生成金融数据”,而是进一步强调,未来的研究重点应从通用生成能力转向面向具体金融对象的约束、评估、规模化和决策应用,最终形成可信的金融模拟器和决策引擎。
报告首先指出,金融市场数据具有厚尾、波动聚集、非线性依赖、市场状态切换,以及受到宏观经济和地缘政治事件冲击后出现突发变化等特征。 这些性质意味着,传统的参数模型如果预先假设固定的收益分布、波动率结构或价格动力学,可能难以完整描述真实市场的复杂分布。
生成模型与传统预测模型的根本区别在于:传统模型往往着重估计一个期望结果,而生成模型试图学习完整的数据分布,并从中产生多个合理样本。 在金融场景下,这一能力可用于:
作者将扩散模型与GAN、VAE和标准化流模型进行比较,认为扩散模型通常具有更稳定的训练过程、较高的样本质量、灵活的条件控制和较强的复杂分布建模能力。 但报告同时承认,金融扩散模型领域仍处于较早阶段,研究分散于时间序列、限价订单簿、表格数据和其他结构化金融对象,尚未形成统一的评估标准。 因此,本报告定位为一篇专门梳理“扩散模型+金融数据”的综述,而非实证投资建议。
DDPM的基本思想是先将真实数据逐步加噪,使其最终接近高斯噪声,再训练神经网络学习逆向去噪过程,从随机噪声逐步恢复出数据样本。 在训练阶段,模型随机选择噪声时间步,将原始样本 (x_0) 转换为带噪样本 (x_t),再让网络预测噪声或数据分布的得分函数。
得分函数通常写作:
[ s_\theta(x,t,c)\approx \nabla_x \log p_t(x|c) ]
其中,(c)代表可选的条件信息,例如市场状态、历史数据、波动率、趋势、资产身份或压力情景。 其金融含义是,模型不必事先规定一个固定的收益率分布,而是直接学习经验金融数据在不同噪声尺度下的分布梯度,再通过逆向过程生成符合历史数据统计结构的样本。
报告特别强调,扩散模型的随机微分方程形式与金融数学中常见的价格扩散模型具有相似的数学语言,但二者并不等同。 传统金融扩散模型通常需要校准漂移项和波动率项,并依赖某种预先设定的市场过程;扩散生成模型则通过神经网络学习逆向得分或去噪漂移,从而将简单噪声转化为经验金融数据分布。
流匹配模型通过学习一个随时间变化的向量场,将基础噪声分布连续运输到真实数据分布。 其简单形式是在噪声 (z) 与真实样本 (x) 之间建立线性插值,并训练模型预测从噪声指向数据的速度向量。
报告认为,扩散模型和流模型可以被理解为同一类“生成—运输”框架的不同实现:扩散模型通常通过随机微分方程进行随机采样,而流模型通过常微分方程进行确定性运输。 随机插值方法进一步试图统一流和扩散,为金融数据生成提供更加连续、可解释且可能更高效的建模路径。
报告介绍了分类器引导、无分类器引导和FiLM等条件机制。金融研究已经将条件变量扩展到市场状态、因子状态、资产身份、压力情景、投资组合目标和结构约束等。 这意味着生成模型不只是被动复制历史分布,还可以回答“如果波动率上升”“如果市场进入危机状态”“如果订单流失衡”等反事实问题。
采样速度是金融应用中的现实瓶颈,因为压力测试、蒙特卡洛模拟和组合评估经常需要大量路径。 DDIM、EDM、Consistency Models以及DPM-Solver、DPM-Solver++和UniPC等方法,都是为了减少生成所需的神经网络函数调用次数。 这对金融机构尤其重要:如果模型只能高质量生成但无法在可接受时间内生成数百万条路径,其实际风险管理价值会受到限制。
图1展示了报告的总体分类框架:左侧代表不同类型的金融数据经过加噪处理,中间是扩散或流模型执行的去噪、运输和条件引导过程,右侧则连接到模拟、预测、风险分析、投资组合和隐私保护等下游任务。
图中至少包含四类具有代表性的金融对象:价格或时间序列、分布型或横截面数据、表格/离散结构数据,以及曲面、矩阵等结构化对象。视觉上,左侧数据经过中央的噪声云团后,在右侧恢复出具有相似结构但可被条件控制的金融样本。该图的核心信息是:扩散模型并不是单一任务模型,而是一条从“原始金融数据—生成过程—应用决策”的技术流水线。
算法1进一步说明了训练和采样步骤:训练时从数据集中抽样、随机选择噪声水平并添加噪声,然后最小化预测噪声与真实噪声之间的平方误差;采样时从高斯噪声出发,按照逆时间顺序逐步去噪,最后获得合成样本。 算法2则对应流模型,通过学习噪声到数据的速度场,并用欧拉方法逐步积分得到最终样本。
报告在第3节开头列出了“代表性扩散族金融论文”表格,意图按照数据领域组织研究,包括金融时间序列、限价订单簿、表格数据和其他结构化对象。 但用户提供的正文中没有呈现该表格的具体行列、数值或完整图像,因此无法逐项复原表中每篇论文的模型、数据集和指标。可以确定的是,作者将该表定位为“示例性而非穷尽性”的文献地图,目的在于覆盖主要数据对象、应用场景和模型家族,而不是进行系统数量统计。
金融时间序列是当前文献数量最大的类别,涵盖价格、收益率、宏观变量、交易量和价差等对象。 作者认为,评价这类模型不能只看均方误差或一般时间序列指标,还应检查厚尾、波动聚集、杠杆效应、序列依赖和跨资产协方差是否被保留。
无条件生成不指定未来条件或控制信号。代表性研究包括:将日内股票数据转换为小波图像后进行重建;生成用于协方差正则化和投资组合模拟的多股票收益率场景;使用潜在因子结构生成高维股票收益;以及采用受几何布朗运动启发的加噪过程生成更接近价格动力学的路径。
这一分支的关键分歧在于生成对象是“价格路径”还是“收益率场景”。价格路径更接近投资者观察到的市场轨迹,但容易受到非平稳性和尺度问题影响;收益率场景更适合风险和组合模型,却需要通过累积转换恢复价格。报告还提到GAN与扩散模型结合的框架,试图同时提升单变量真实性和跨资产相关结构。
条件生成强调样本是否按照指定条件发生正确变化。相关条件包括趋势、波动率、部分观测、危机强度、跨股票相关性、市场制度和能源市场状态。 例如,CoFinDiff允许用户控制趋势和波动率;InterDiff通过股票间相关结构生成中国股票序列;条件DDPM则生成带有不同崩盘强度的道琼斯30只股票收益序列,并用于强化学习中的危机情景增强。
这些研究的价值在于提供反事实分析,而非简单复制历史。例如,投资组合管理者可以测试“高波动、低流动性、强卖压”环境下策略是否仍然有效。不过,条件变量是否真正具有经济含义、模型是否只是机械地满足标签而没有学习真实因果关系,是报告隐含的重要审慎问题。
预测类研究使用扩散模型生成未来价格或收益的概率分布,而不是单一预测值。 相关工作包括扩散变分自编码器、多步股票价格预测、缺失数据补全、关系型股票预测、因子增强和基于价格图像的预测。
在投资组合层面,Diffolio预测未来资产收益的联合分布,并将其直接用于组合构建;其他研究则把因子条件收益样本输入均值—方差或均值—CVaR优化模型。 这里的核心优势是能够保留资产之间的相关性和尾部依赖,而不是分别预测每只股票后再简单拼接。
报告还提到扩散模型已开始从“生成市场路径”转向“生成交易动作”。FlowHFT使用流匹配从专家示范中生成市场状态条件下的买卖价差动作序列,说明模型输出可以直接是高频做市决策,而非价格预测。
限价订单簿具有事件驱动、高维和严格市场机制约束等特征,包括买价低于卖价、价格遵守最小报价单位、订单数量非负以及订单流具有时间连贯性。 相关研究分别生成订单提交、撤单和修改等事件流,或生成订单簿快照与未来成交量状态。LOBDIF联合预测事件类型和发生时间,DiffVolume生成未来成交量快照,DiffLOB则支持趋势、波动率、流动性和订单流不平衡等反事实条件。 这说明金融生成模型的难点不仅是统计逼真,还包括微观结构合法性。
表格数据研究集中于信贷、支付、基金、客户属性和欺诈记录。 其主要挑战是混合型变量、类别分布、标签关系、稀有事件和隐私风险。FinDiff、Imb-FinDiff及相关研究分别服务于一般合成、类别不平衡和欺诈检测数据增强。 隐私方向则引入联邦学习、差分隐私、混合类型保护和约束满足,强调合成数据必须同时考虑效用、逼真度和泄露风险。
其他结构化对象包括相关矩阵、隐含波动率曲面、利率期限结构、国债期货路径和衍生品价格路径。 对这些对象而言,普通生成质量指标并不充分。例如相关矩阵应保持对称和半正定,波动率曲面应尽量满足无套利约束,收益率曲线应平滑并具备合理的水平—斜率—曲率结构。 Tiwari的研究还通过风险中性得分修正,使贴现资产价格满足鞅条件,从而服务于欧式和路径依赖期权定价。
本报告不是股票研究报告,因此不存在DCF、市盈率、EV/EBITDA、目标价或敏感性分析。报告所讨论的“估值”更多是金融模型应用中的衍生品定价和投资组合风险,而不是对某家公司的市场价值进行估计。
报告识别出的主要风险和局限包括:
该综述的优势是覆盖面广,并且按照金融数据对象而不是单纯按照模型名称组织文献,因而较好地体现了“数据结构决定模型设计”的主线。 它还明确指出金融领域尚未建立类似图像、视频或语言领域的统一数据集、排行榜和评价协议,这一判断使报告不仅是文献汇编,也提出了研究基础设施层面的批评。
但需要注意的是,报告主要是定性综述,没有提供不同模型在统一数据集上的性能表、统计显著性检验、采样成本比较或失败案例。因此,文中关于扩散模型“更稳定”“更高质量”或“更适合金融”的判断,更多是基于既有研究的一般认识,而不是本报告自行开展的统一实证验证。 此外,表1在所提供文本中缺少具体内容,限制了对文献覆盖范围和分类准确性的逐项核查。
总体而言,作者的最终立场不是将扩散模型视为万能金融模型,而是主张建立面向具体对象、具备金融约束、经过统一基准测试并能够服务真实决策的生成系统。 报告呈现的研究路线可以概括为:先解决数据对象的结构合法性,再建立可比评估标准,随后研究模型规模和计算效率,最终将模型从“生成逼真样本”推进到组合构建、对冲、执行和做市等不确定性决策任务。
2608.12583.pdf