论文核心思想与问题背景 [page::3][page::4]

• 凸序（convex order）定义及其金融市场中的应用意义，连接了概率测度的凸序关系与无套利市场模型。

- 利用Wiesel和Zhang提出的基于二维Wasserstein距离的凸序表征，搭建识别凸序和套利关系的数学框架。

Breeden-Litzenberger公式简介与模型无关套利策略构造 [page::5][page::6][page::23]

• 利用B-L公式通过观察全行权价欧式期权价格获取底层资产的风险中性分布。

- 构建模型无关套利（三元组策略）与半静态交易策略，依赖于分布间凸序关系与该条件下模型无套利的等价性。

• 理论表明存在凸函数$f$使三元组$(-f(x), f(y), \nabla f(x))$构成无套利策略（calendar spread）。

优化测度$\rho$的算法设计与性能分析 [page::8][page::13][page::16]

• 提出三种基于贝叶斯优化的$\rho$优化算法：间接Dirichlet采样（基于直方图和样本），直接随机Dirichlet采样，及基于cvxpy的凸优化尝试。

- 算法中利用POT库计算最优传输距离，超参数通过TPE算法进行贝叶斯搜索，综合考虑运行复杂度与计算效率。

• 横向比较多方法在一维及二维验证例子中均正确检测凸序，间接Dirichlet基于直方图的算法拥有最低运算时间。

凸函数$\hat{f}$的数值恢复方法 [page::19][page::21][page::23]

• 一维情况通过插值样条积分恢复凸函数，图示结果$\hat{f}$表现出二次型凸形态。

- 二维情况下通过求解带Neumann边界条件的Poisson方程恢复$\hat{f}$，图形为光滑的凸面函数，支持不规则定义域。

• 该凸函数是无套利策略构造的核心。

凸序与无模型套利理论等价性 [page::24][page::25]

• 以模型无关套利的半静态交易策略为视角，严格证明了凸序$\mu \preceq_c \nu$与无套利市场模型存在的等价关系（结合Strassen定理）。

- 详细定义了马丁格尔耦合、半静态策略、模型无关套利及其适应版本。

函数生成投资组合中的相对套利与凸序猜想 [page::26][page::30][page::31][page::32]

• 介绍了函数生成投资组合的市场模型、交易策略及其加法型构造，定义了相关Lyapunov函数及Gamma过程。

- 对加法生成组合的相对套利给出了判定条件，建立了基于Gamma过程差异的强相对套利存在性。

• 提出猜想：Gamma过程差异满足一定拟凸性条件时，投资组合对应的投资权重测度间存在一种“拟凸序”关系，扩展凸序理念至函数生成组合套利。

金融学术论文《Convex Order and Arbitrage》详尽分析报告

---

1. 元数据与概览

• 论文标题: Convex Order and Arbitrage

- 作者: Erica Zhang

• 指导老师: Professor Marcel Nutz, Professor Johannes Wiesel

- 所属机构: Department of Mathematics & Department of Statistics, Columbia University

• 提交日期: 2023年3月31日

- 研究主题: 利用最优传输理论对凸序(convex order)的刻画及其在无套利模型中的应用，并进一步结合函数生成组合的套利策略分析

• 核心论点与贡献:

- Wiesel和Zhang [2023]提出，若两个具有有限二阶矩的概率测度$\mu,\nu$服从凸序关系($\mu\preceqc \nu$)，则存在测度$\rho$最大化指标$W2(\nu,\rho)^2 - W2(\mu,\rho)^2$，该最优$\rho$捕获凸序的本质。
- 本文总结先前结果，提出两种基于贝叶斯优化的新算法以高效寻找该最优$\rho$，并借助Brenier定理利用最优$\rho$恢复对应凸函数$\hat{f}$。
- 构建基于凸序的模型无关套利策略，展示其通过半静态交易组合实现日历价差(calendar spread)。
- 结合随机组合理论函数生成组合的观点，提出凸序与函数生成组合间套利的猜想，探讨定价及风险管理的新视角。

本论文扩展了无套利定价理论与最优传输的交叉领域，既具备理论深度，也有数值实现和潜在的市场应用价值。[page::0,3]

---

2. 逐节深度解读

2.1 引言与主要结果（第1章）

• 凸序定义:

$\mu \preceqc \nu$ 当且仅当对于所有凸函数$f$，满足$\int f d\mu \leq \int f d\nu$。此为随机变量大小的一种偏序，凸序在金融中衡量风险或价格分布的大小关系。

• Strassen定理:

$\mu\preceqc \nu$当且仅当存在马丁格尔耦合$\pi$使其边缘分布为$\mu$和$\nu$，结合基本无套利理論（FTAP），凸序成为判定市场无套利的核心工具。

• 最优传输与凸序的联系:

作者通过Wasserstein二距（$W2$）建立凸序的等价表述：

$$
W2(\nu,\rho)^2 - W2(\mu,\rho)^2 \le \int |y|^2 \nu(dy) - \int |x|^2 \mu(dx),
$$

且该不等式取等号时定义的测度$\rho$即为最优$\rho$。

• Breeden-Litzenberger公式：

通过多个不同执行价的看涨期权价格，能够无模型地提取标的资产期末价格的风险中性分布$\mu,\nu$。

• 模型无关套利策略：

立足于市场观测的期权价格构建半静态交易策略，实现无模型假设下的套利。简而言之，作者从理论出发，试图结合传输理论找到可操作的套利策略。

[page::3,4,5,6]

---

2.2 算法设计（第3章）

• 目标：计算最优测度$\rho^ \in \mathcal{P}^1(\mathbb{R}^d)$
• 问题表示：

$\rho^ = \arg\inf{\rho \in \mathcal{P}^1(\mathbb{R}^d)} [C(\nu,\rho) - C(\mu,\rho)]$ ，其中$C(\cdot,\cdot)$为极大耦合问题。

• 数值策略:

1. 间接Dirichlet采样（Indirect Dirichlet Sampling）:
- 在$B1(0)$单位球上构建均匀格点。
- 令$\rho$为Dirichlet分布随机向量对应的离散测度。
- 通过贝叶斯优化（TPE，Tree-structured Parzen Estimator）调整Dirichlet参数$\pmb{\alpha}$，最小化目标函数。

2. 直接随机Dirichlet采样（Direct Randomized Dirichlet Sampling）:
- 直接对$\rho$进行随机采样并筛选，使支持点位于单位球内，利用贝叶斯优化调整采样参数。

3. 基于cvxpy凸优化方法:
- 利用Wasserstein距离的线性规划特性，构造双重最小化问题，尝试直接优化$\rho$。
- 但因目标函数非凸，实验性提供伪算法。

• 贝叶斯优化(TPE)简介:

- TPE基于期望改进(EI)准则，全局搜寻高维参数空间中的最优点。
- 使用观测数据建立密度模型，更新分布导引采样。
- 算法扩展了简单贪婪策略，增强探索与利用平衡。

• 复杂度分析:

- 核心计算瓶颈为最优传输距离，算法复杂度在$O(n^3)$左右，样本数和维度敏感。
- Histogram-Based间接Dirichlet方法适用于低维，运行快速；
- 直接方法适合较高维度。

[page::8,9,10,11,12,13,14,15,16]

---

2.3 算法实验结果（第3章末，图1）

• 对3个典型输入样本对$(\mu,\nu)$在1D和2D下计算$V(\mu,\nu) = \inf{\rho} [C(\nu,\rho)-C(\mu,\rho)]$。

- 曲线显示，间接Dirichlet（直方图）与间接Dirichlet采样均有效检测凸序。

• 直接随机Dirichlet采样虽简单易实现，但在空间探索上不足。

- 结果凸显各算法在准确性和效率的权衡，尤以间接直方图方法表现最佳[page::17,18]

---

2.4 凸函数$\hat{f}$的恢复（第4章）

• 理论：

- Brenier定理指明最优传输映射为某凸函数$\hat{f}$的梯度映射。
- 根据从最优$\rho$计算得到的最优传输耦合$\pi$，通过条件期望分离获得$\nabla\hat{f}$。

• 数值方法：

1. 一维情形:
- 通过一维样本结合ot.emd计算运行最优运输。
- 利用插值样条对梯度进行拟合，再积分获得$\hat{f}$。

2. 二维情形:
- 求解带Neumann边界条件的泊松方程 $\Delta \hat{f} = \nabla \cdot g$，$g$为定义的梯度场。
- 利用变分方法和偏微分方程解决该问题，Python库dolfin实现。
- 结果图呈现凸性的二维曲面，符合预期。

[page::19,20,21,22,23]

---

2.5 基于$\hat{f}$的模型无关套利策略（第5章）

• 市场假设：

- 两个时刻$T12$，有$d$个标的资产及其欧式期权在所有执行价均可交易。
- 分别利用B-L公式获得对应的风险中性分布$\mu$和$\nu$。

• 策略构造：

- 依据Strassen定理和基本资产定价无套利理论，$\mu \preceqc \nu$等价于无模型无套利。
- 当凸序不成立即存在套利机会。
- 若存在凸函数$f$使$(-f(x), f(y), g(x))$构成套利交易策略，这里$g$是$f$的亚梯度选择器。
- 具体策略即日历价差(calendar spread)，是买入卖出同一标的但不同到期日的期权组合。
- 一旦获得$\hat{f}$，从其输运计划中估计和构造$\nabla \hat{f}$即可实现套利。

[page::23,24,25]

---

2.6 函数生成组合的套利（第6章）

• 背景：

- 随机组合理论框架下，依赖市场权重向量$\pi(t)$构造函数$G$并生成策略。
- Fernholz, Karatzas等人系统发展了函数生成组合的加法和乘法构造方法。

• 市场模型：

- 市场有$d$只资产，$Si(t)$为各资产价格，$\pii(t)=Si(t)/\Sigma(t)$是市值权重。
- 组合策略可自融资构造，投资组合权重也被定义为占组合资产价值的份额。

• 加法生成组合：

- 定义正则函数$G$（或Lyapunov函数），其Gamma过程$\Gamma^G$表示波动贡献。
- 投资组合策略由$G$的梯度和$\Gamma^G$明确确定，组合价值 $V^\phi(t)=G(\pi(t)) + \Gamma^G(t)$。

• 相对套利：

- 组合$\mu$相对于组合$\nu$构成相对套利，如果$\mathbb{P}[V^\mu(T)-V^\nu(T)\geq0]=1$且概率严格大于0。
- 证明表明：若Gamma过程差$\kappa(t)=\Gamma^{G1}(t)-\Gamma^{G2}(t)$满足线性正下界，则相对套利存在。

• 猜想：

- 提出凸序的放宽版本“$\Gamma$-序”，与Gamma过程相关，反映组合间的“准凸"波动排序。
- 若$\kappa(\cdot)$满足某种凹性或有界性，组合权重产生的概率分布$\mu,\nu$在此放宽凸序下成立。
- 这为函数生成组合套利的进一步定量与理论拓展提供新视角。

[page::25,26,27,28,29,30,31,32]

---

2.7 结论与未来方向（第7章）

• 构建了基于凸序的套利识别与策略设计框架，兼顾模型无关和函数生成组合的不同视角。

- 数值实现借助贝叶斯优化和最优传输工具，计算效率与维度适应性突出。

• 未来工作聚焦：

- 对 $\Gamma$-序猜想的数学证明或反证。
- 实际金融市场数据回测，验证模型无关套利策略有效性。
- 进一步提升多维凸函数恢复与最优$\rho$计算的数值性能。

[page::33]

---

3. 图表深度解读

图1: 三个测试案例下$V(\mu,\nu)$指标不同算法估计值曲线（第18页）

• 描述: 图为Examples 1,2,3中，利用三种算法间接Dirichlet(直方图)、间接Dirichlet(样本)、直接随机Dirichlet(样本)估计的$V(\mu,\nu)$随参数(如方差等)的变化趋势。

- 解读:
- 三个案例均能基本捕捉凸序存在与否的阈值（$V(\mu,\nu)\leq 0$表示$\mu \preceqc \nu$）。
- 直方图间接Dirichlet与间接Dirichlet采样结果十分接近且数值稳定，性能优于直接随机采样法。
- 该图验证算法有效性且性能排序为：间接（直方图） > 间接（样本） > 直接随机。

• 联系文本: 图反映第3章算法实证效果，支撑算法设计的正确性和应用可行性。[page::18]

---

图2: 1D案例下梯度函数$\nabla \hat{f}$及其积分$\hat{f}$ 图示（第21页）

• 描述: 展示通过算法7计算得到的一维最优凸函数的梯度及其积分。

- 解读:
- 梯度函数光滑且近似线性，说明$\hat{f}$为二次型（抛物线）函数，符合理论预期。
- 积分曲线凸性明显，验证了Brenier定理中映射对应的凸函数结构。

• 联系文本: 这是第4章理论算法与数值实现的成功示范，是构造套利策略的关键环节。[page::21]

---

图3: 2D案例中凸函数$\hat{f}$的三维形态（第23页）

• 描述: 四视角呈现空间不规则点上利用泊松方程求得的二元凸函数形状。

- 解读:
- $\hat{f}$呈现以中心为谷底的凸面形状，与1D中的抛物面相似，符合最优传输理论。
- 图像平滑连贯，成功解决边界和不规则采样点问题。

• 联系文本: 支撑4.2节方法有效性，是研究多维情况下构建凸序套利策略的重要步骤。[page::23]

---

4. 估值分析

• 论文核心非典型金融估值分析，然而：

- 利用最优传输距离$W_2$作为度量随机变量分布差异的工具。
- 最优$\rho$被称为Wasserstein barycenter的特定问题，解具有凸优化性质，构成凸序判别边界。
- 使用贝叶斯优化方法逼近$\rho$，辅之以POT库求解精确最优传输距离，保证了估价的贴近最优解。
- 估值本质上为优化测度空间上一组合的成本差，数学性质（泛函凸性与非凸性）决定优化方法的选取。

整体来看，论文估值虽未涉市盈率或DCF等传统方法，但基于概率分布优劣排序，做出了更结构性和理论性强的估价体系。[page::8-13]

---

5. 风险因素评估

• 文中无传统意义的市场风险分析章节，但隐含风险可归纳为：

- 凸序判别错误风险：由于数据估计和数值计算误差可能导致误判无套利/存在套利。
- 贝叶斯优化局限：TPE虽优但仍受维度灾难与探索范围限制，可能遗漏最优$\rho$。
- 模型假设风险：B-L公式要求无套利假设及连续市场，现实市场中波动、跳跃风险未完全纳入。
- 函数生成组合策略潜在不唯一性：梯度和Gamma过程定义下可能存在非唯一生成策略，带来策略实现不确定性。
- 高维计算复杂度风险：随着资产数量增多，算法性能与数值稳定性成挑战。

论文未明确提出缓解方案，但采用分步骤确认理论和数值实验证明，间接降低误判概率。[page::5-6,7,13-16,28,29]

---

6. 批判性视角与细微差别

• 理论假设严苛性：

- 多数结果依赖无套利及无摩擦市场假设，实际市场波动、摩擦和冲击可能引入偏差。
- Breeden-Litzenberger公式对连续执行价与样本丰富度依赖，实操中受限于数据离散与噪声。

• 数值算法局限：

- 贝叶斯优化调优参数时，搜索空间及维度瞬间膨胀，模型可能陷入局部最优。
- 非凸性问题使cvxpy方法无法直接运行，提醒算法理论存在一定局限。

• 函数生成组合猜想部分：

- “Γ-序"引入但缺乏严格数学定义及验证，实证依据薄弱，仅为开拓性假设。
- 对于强套利条件，缺少对市场极端行情和不确定性的考察与应对机制探讨。

• 文本中轻微格式错误（如预测符号间断），显示可能为论文草稿状态，但不影响理论完整。

整体论文为理论建构与数值实现结合的高水平尝试，但未来需在实践适应性及稳定性上做进一步验证和完善。[page::12-13,31,32]

---

7. 综合结论

《Convex Order and Arbitrage》一文系统构建了基于凸序的概率分布排序与无套利市场理论的现代诠释。作者：

• 从最优传输理论和Wasserstein距离角度创新性地刻画了凸序关系，为复杂多维金融工具的风险排序提供了一种强大手段；

- 提出了两类结合贝叶斯优化算法的数值方法，有效计算最优测度，验证算法在低维情况下的性能优越性；

• 基于理论与数值的结合，设计了模型无关套利策略，以半静态交易组合(如日历价差)实现套利，并给出具体构造方式，理论证明套利机会等价于凸序的否定；

- 拓展至函数生成组合领域，结合Gamma过程，提出了新的风险排序观念“$\Gamma$-序”，内涵扩展经典凸序理论，指明了相对套利的内在机制；

• 重视实际应用，附带代码实现，预期通过未来数据回测和算法优化将理论成果落地。

在所有图表中对凸序指标$V(\mu,\nu)$的直观演示、凸函数$\hat{f}$的数值恢复及其几何形态展示了论文的理论美感与实用价值。

然而，论文仍面临数值非凸优化的技术难题、理论推广的严苛假设及实证验证的未知前路。未来的研究应聚焦于：

• 强化$\Gamma$-序的数学理论基础；

- 优化数值算法以适应更高维市场；

• 实铺现实市场数据验证模型无关套利策略的实际表现。

总体而言，该论文为金融数学风险管理和资产定价理论提供了卓越而前瞻的贡献，融合了深厚的数学理论与实证算法设计，是金融工程领域有价值的基础性研究。

---

参考图示

图1 — 测试样本下$V(\mu,\nu)$指标与算法比较

图2 — 一维样本中，$\nabla\hat{f}$及其积分$\hat{f}$图

图3 — 二维凸函数$\hat{f}$多视点三维图

---

以上为Erica Zhang《Convex Order and Arbitrage》论文之全面详细分析解构。所有结论均基于文中内容并添加章节页码标识，便于追溯与验证。[page::0-33]

报告