本文提出了非保守性最优传输问题的理论框架,其核心在于引入了质量变化因子以允许传输过程中的质量增减,应用于投资组合的最优再平衡等实际问题。论文证明了最优方案和强对偶性的存在,给出了扰动和二次损失成本情形下的最优映射存在性,并推广了Benamou-Brenier动态表述,实现了较传统最优传输问题的自然扩展,同时阐释了该方法与非平衡、熵正则及非归一化最优传输的关系 .
作者的主要信息是在严格保留传统Kantorovich最优传输的基础上,通过引入质量变化因子和放宽第二边缘条件,成功地推广出一种新的传输模型,既保持了数学上的优良性质,又具有很强的实际意义。,1,2]
传统最优传输的介绍与局限
传统Kantorovich最优传输关注于保持总质量守恒的两个概率测度之间的映射,要求耦合的两个边缘完全对应,即质量守恒的约束,这在不少实际场景(尤其带有交易成本的金融市场)中显得过于僵化。
动机:投资组合的再平衡问题
文章从投资组合最优再平衡问题引入,即投资者需要通过买卖多种资产使得组合达到预定的目标比例。交易中发生的费用(如买卖差价、手续费)导致资产总价值的损失,体现了“质量非守恒”,即投资组合总价值减少。这里,原始测度代表资产当前所占比例,目标测度是理想配置比例。由于损耗,简单的传统最优传输无法满足目标配置,导致系统不匹配。正因如此,引入了质量变化因子 ( m(x,y) ) 用于描述从资产 (i) 到资产 (j) 运输过程中价值的保留率。
关键数学公式
以测度 (\mu)(当前资产分布)和 (\nu)(目标资产比例)为例,定义一对耦合测度 (\pi) 和质量变化因子 (m),传统边缘约束:
[ \int \xi(x) \pi(dx,dy) = \int \xi(x) \mu(dx), \quad \int \zeta(y) \pi(dx,dy) = \int \zeta(y) \nu(dy) ]
非守恒变换为:
[ \int \xi(x) \pi(dx,dy) = \int \xi(x) \mu(dx), \quad \frac{\int \zeta(y) m(x,y) \pi(dx,dy)}{\int m(x,y) \pi(dx,dy)} = \int \zeta(y) \nu(dy) ]
推理与假设
这种模型能够捕捉到质量在运输(资产交易)中损失或增长的现象,而不改变目标配置的概率形态,反映了实际中交易成本带来的价值损耗,且保持了目标分布的“形状”。这是该框架与已有未守恒最优输运框架的显著区别。
贡献清单
包括:金融数学中再平衡的例证、非守恒最优传输问题的新定义与存在性,双重问题和强对偶性证明、非守恒最优映射的存在,动态Benamou–Brenier形式推广等。,2]
金融市场建模
采用加权有向图 (\mathcal{G}=(V,E,P)) 建模市场结构。顶点为资产,边表示可直接交易的资产对。权重 (P_{(i,j)}) 表示1单位资产 (i) 可换取多少单位资产 (j)。
基础假设:
资产价格一致性
定义一致价格向量 (\mathbf{q}),满足 (P_{(i,j)} \leq q_i/q_j),保证市场价格的一致性和无套利。
交易代理 (\xi)
函数 (\xi: V \times V \to [0,\infty)),表示从资产 (i) 交易到资产 (j) 的单位数。其中,用于买卖的数量约束了组合的变化。
交易成本与目标
交易成本 (C(\xi) = - \sum q_i \Delta x_i(\xi)),目标是使更新后组合 (\mathbf{x} + \Delta \mathbf{x}(\xi)) 的价值分布符合预期比例 (\nu),并使交易成本最小。
重新表述为最优化问题
[ \min_{\xi \in \Xi(\nu)} C(\xi) \quad s.t. \quad x_i + \Delta x_i(\xi) \geq 0, \quad \frac{q_i(x_i + \Delta x_i(\xi))}{\sum q_k (x_k + \Delta x_k(\xi))} = \nu_i. ]
存在性证明
该问题转化为线性规划且约束集非空(因构造了可行解),因此在规范假设下存在最优解。
对应非守恒OT的转换
将投资组合再平衡问题映射到离散空间的非守恒最优传输问题,定义:
[ \mu_i = \frac{q_i x_i}{\sum_k q_k x_k}, \quad c(i,j) = \begin{cases} 0 & \text{if } i=j \ 1-\frac{q_j}{q_i} P_{(i,j)} & \text{if } (i,j) \in E \ \infty & \text{otherwise} \end{cases}, ]
[ m(i,j) = \frac{q_j}{q_i} P_{(i,j)}. ]
其中 ( \pi(i,j) ) 表示从资产 (i) 到资产 (j) 运输(交易)的价值比例,传输框架中允许损失(由 (m(i,j) < 1))体现。该映射关系严格建立了两问题之间的等价性(命题2.21)。
非守恒传输计划
扩展传统传输计划定义,允许第二边缘为目标测度 (\nu) 的比例分布而非精确等于 (\nu),通过
[
\Gamma_m(\mu, \nu) := {\pi | \mathrm{Proj}_1 # \pi = \mu, \quad \frac{\mathrm{Proj}_2 # (m \pi)}{\int m ,d\pi} = \nu }.
]
非守恒Kantorovich优化问题
[ \inf_{\pi \in \Gamma_m(\mu, \nu)} \int c(x,y) \pi(dx, dy). ]
存在性定理
只需 (c) 下半连续且有界下方,(m) 连续且有界,存在最优传输计划 (\pi^*)。
非唯一性说明
若 (m) 在某个距离 (C) 以外为零,则无法把一些源端质量运输至支持在(\nu)上的目标点,此时最优解可能非唯一。
样例说明:
双重问题导出与存在性
推导非守恒最优传输的对偶问题,设对偶函数对 ((\varphi, \psi)) 有如下约束:
[ c(x,y) \geq \varphi(x) + \left(\psi(y) - \int \psi(b) \nu(db) \right) m(x,y). ]
并证明该对偶问题最大值存在。该对偶与经典OT对偶有类似结构但非对称,反映目标测度仅为比例约束的性质。
强对偶性
在紧空间和正质量变化系数条件下,利用Fenchel–Moreau定理证明原问题和对偶问题的强对偶,即最小值等于最大值。
定义
引入原始和对偶最优传输映射的概念:一个传输计划能由映射函数产生时,满足适当的支持条件。
判据
当支持集为 ({(x,T(x))}) 或 ({(S(y), y)}) 时,映射存在。
扰动邻域内的结果
当质量变化因子 (m \approx 1) 时,经典OT理论技巧可扩展至非守恒情况,保证存在且唯一最优映射。
非扰动例子
使用二次代价与二次损失因子,仍可证明存在最优传输映射(命题3.25),通过对特征方程解析,证明对于每个起点确定唯一终点。
动态表述
质量沿时间连续移动的路径被一个向量场 (v(t,x)) 支配,满足带有(m)的边缘约束:
[ (X(1, \cdot))_{\sharp} \left( \frac{m(\cdot, X(1,\cdot))}{\int m(x,X(1,x)) \mu(dx)} \mu \right) = \nu, ]
其中 (X(t,x)) 为流线解。
动静态等价
证明在存在最优传输映射 (T) 情况下,动态问题与静态非守恒OT问题等价。
Eulerian形式
推导出密度满足的PDE:
[ \partial_t \varrho + \nabla \cdot (v \varrho) = \sigma, ]
其中源项 (\sigma = \varrho \nabla_x \log m(x,y) \cdot v) 表征质量的创造或毁灭。
Unbalanced OT
视为允许质量非守恒的卷积流最优解,但二边缘总质量固定。作者提出的(KP)允许固定起点质量和目标质量“形状”,总质量可自由调整;
Entropic OT
通过熵正则化引入质量软约束,(KP)问题的边缘为非严格约束,不直接包含于此,需要推广;
Unnormalized OT
通过在连续性方程加上空间均质源项实现质量变换,且附带正则化,使两者不同于(KP)的无正则变分形式。
描述了无单一计价单位的金融市场,用加权有向图形式表示多国货币及交叉交易资产。
图中节点表示货币(USD、EUR、JPY等)及多市场资产,边代表直接可交易路径,权重为汇率或标价。
该图形象展示复杂多币种、多市场结构中资产流动,衬托理论中将市场视作图的建模。
示意资产分布从当前组合(多个资产比例不均)再平衡到目标组合(均匀分配)。
直观表达非守恒OT在金融中的实际应用场景——交易成本导致组合价值丢失,需合理调配满足目标资产比例。
为证明存在唯一解,展示二次泄漏Monge问题中线性函数和抛物线唯一交点的几何示意。
蓝线代表线性一侧,红曲线代表代价函数关系,两者唯一交点对应唯一最优映射。
研究的是数学优化问题与最优传输之价,而非金融资产估值,这里“估值”解析定位于数学优化意义:
静态案例:最小化运输成本(含质量损失);
双重对偶与强对偶:优化问题的对偶结构明确,极大方便求解和理论分析;
动态贝纳穆-布伦尼尔表述:提供了动态成本最小化的连续运动计划解释;转移成本参数(a)影响运输“路径平滑度”;
存在最优映射的判据基于成本函数凸性、质量变换系数连续性及小扰动条件,给出具体判定范围;
凸性条件与边界假设对唯一性和连续性起关键作用;
特殊模型(如二次代价和二次泄漏)被解析以说明非守恒传输仍有丰富结构,与传统OT对应。
报告中未显式提出风险,但间接可推测以下潜在风险:
价格不一致性及无套利假设失效:模型依赖市场价格无套利前提,若遭遇极端市场环境,模型结构或失效;
交易成本假设简化:仅考虑线性或包含在报价中费用,固定费用或更复杂费用不在讨论内,实际会造成问题解调整;
有限流动性及价格冲击:假设无限流动性和无价格冲击,在大规模交易时难以成立,影响模型准确性;
质量变化函数模型限制:(m(x,y))独立于运输量及路径,实际情况可能更复杂;
测度空间及连续性要求:紧致性等假设可能不满足,影响存在性和对偶性;
最优解非唯一性:若质量变化函数局限,可能产生解的多样性,增加实际决策复杂度;
再平衡目标的合理性及静态视角限制:在动态市场中静态模型缺乏普适性。
报告对风险无缓解方案,反而指出对动态模型以及价格影响等扩展的必要,提示该模型适合中小规模、短期固定再平衡。
优点
局限与假设敏感性
内部细节
本文从投资组合再平衡的实际需求引出对传统最优传输模型的两点重要扩展:引入质量变化因子 ( m(x,y) ) 以描述运输过程中的质量非守恒现象,及放宽第二边缘约束使所得目标仍保持“形状”,但总质量可变。该非守恒最优传输(NCOT)模型在理论上继承了Kantorovich最优传输的优点:
金融市场的抽象建图模型与概率测度形式自然融合,再平衡问题重写为非守恒OT最优化,完美契合商业实际。图1和图2分别揭示了多币种复杂交易市场结构及组合配置变化的直观图示,帮助理解理论背后的经济含义。图3通过几何函数图示辅助论证映射唯一性。
与现有诸多“非守恒”最优传输框架(如未平衡OT、熵正则化OT、非归一OT等)相比,本文模型结构更贴近传统OT,理论与算法相对简洁,适合当前实际金融场景,虽然牺牲了部分一般性。
总的来看,本文构筑了一个兼具理论深度和应用价值的非守恒最优传输框架,推动了OT理论向更加符合现实经济条件的方向发展,为金融资产配置以及更广泛的物流、生化模型中考虑多种复杂质量损耗提供了坚实的数学基础,具有开创性意义。
非守恒边缘条件
[
\iint_{A \times \mathcal{Y}} \pi(dx, dy) = \mu(A), \quad \forall A \subset \mathcal{X}
]
[
\frac{\iint_{\mathcal{X} \times B} m(x,y) \pi(dx, dy)}{\iint_{\mathcal{X} \times \mathcal{Y}} m(x,y) \pi(dx, dy)} = \nu(B), \quad \forall B \subset \mathcal{Y}
]
非守恒Kantorovich问题
[
\inf_{\pi \in \Gamma_m(\mu, \nu)} \iint c(x,y) \pi(dx, dy)
]
对应对偶约束
[
c(x,y) \geq \varphi(x) + \left(\psi(y) - \int \psi , d\nu\right) m(x,y), \quad \forall (x,y)
]
动态流表达(Benamou-Brenier)
[
\min_{v(t,x)} \int_0^1 \int |v(t,X(t,x))|^a \mu(dx) dt
]
subject to
[
(X(1,\cdot))_{\sharp}\left( \frac{m(\cdot,X(1,\cdot))}{\int m(x,X(1,x)) \mu(dx)} \mu \right) = \nu
]
金融中的成本函数与质量变化系数
[
c(i,j) = 1 - \frac{q_j}{q_i} P_{(i,j)}, \quad m(i,j) = \frac{q_j}{q_i} P_{(i,j)}
]
以上详细解析提供了从理论到应用,从静态到动态,从单纯传输到经济交易的完整逻辑脉络,助力深刻领会本篇报告的科学价值和创新点。
2510.03332.pdf