你让模型补全一张缺了很多格子的报价表。它可以把空白填得很顺，却可能填出一组“免费赚钱”的价格：同时买卖几个期权，不承担风险就能获利。对期权市场来说，像不像真的还不够，整套价格必须始终守住无套利规则。新论文提出的 GROMM，试图把平滑插值、市场拟合和静态、动态无套利放进同一个生成模型。这正是它值得看的地方。
本文的数据、结果与“首次”主张均来自 GROMM 论文，尚无独立信源交叉验证。
不只补一张图，还要让它会动
期权价格不是一个数字。不同执行价——约定买卖标的的价格——和不同到期日的合约排在一起，会形成一张“期权价格曲面”。真实市场的报价并不覆盖每个位置，交易和风控因此需要在空白处插值。曲面要平滑，也要符合已经观察到的买卖报价。
更难的是无套利。静态无套利管同一时点的合约关系：如果几个报价能拼成零成本、无风险获利的组合，这张曲面就不能用。动态无套利则继续追问：曲面随时间移动时，会不会露出新的无风险机会。
已有方法常能解决其中一部分。论文作者称，GROMM 虽非第一种无套利期权市场模型，却是首个同时提供工业级市场拟合、整张曲面的平滑插值，以及显式连续时间风险中性漂移构造的模型。这里的“风险中性”是一套服务于一致定价的概率描述，不等于预测投资者眼中的真实涨跌概率。
关键一步：换一种方式写曲面
GROMM 建立在 SANOS framework 上。它没有直接让生成模型随意输出每个期权价格，而是先用离散局部波动率编码市场状态。局部波动率通常把波动水平写成标的价格和时间的函数；在这里，它主要是一种曲面表示，不是单独的定价模型，更不是交易预测。
这个选择像是不用逐块摆放屋顶瓦片，而先规定承重骨架。论文给出的关键性质是：只要这些离散局部波动率保持非负，生成的期权市场就满足静态无套利。模型再叠加一个固定年化波动率为 5% 的 Black & Scholes 平滑过程，使执行价方向上的价格曲面连续、平滑。
动态部分更讲究。模型把即将到期的风险中性价格分布、现货和后续期限的局部波动率连在一起。作者从“每个风险中性密度坐标都应是鞅”出发，逐个期限推导局部波动率在风险中性测度 下必须采用的漂移。鞅可以粗略理解为：在当前信息下，折现后的下一步期望价格不能凭空向上或向下偏移。这样，动态无套利不是训练后再加的一项惩罚，而是写进了模型运动规则。
论文还证明：在波动率变化幅度满足平方可积上界等条件时，这套动力学存在唯一强解。通俗地说，给定同一组随机冲击，模型路径不会出现多套互相冲突的演化，也不会在到期前无故爆掉。对一个要连续模拟市场的生成模型，这比“多数样本看起来正常”更扎实。
它与真实报价贴得多近？
作者使用 OptionMetrics IvyDB 的欧洲式 S&P 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。清洗后保留 2,192,458 个买卖报价区间，期限最长为 25 个工作日。每日模型包含 25 个到期点和每个期限 200 个内部执行价节点。
直接使用 5,000 个状态坐标时，97.32% 的模型价格落在市场 bid/ask——买价与卖价形成的报价区间——之内。把状态压缩到 200 维后，覆盖率仍为 95.02%；400 维时为 96.01%。这说明模型能在大幅压缩曲面表示后保留较强的横截面拟合能力。不过，落入 bid/ask 只说明当天报价校准得不错，不等于模型已经证明了预测能力。
论文还分别估计了现实世界测度 和风险中性测度 下的动力学。 描述历史数据中的实际变化， 服务于无套利定价。16 个因子解释了平滑后创新方差的 84.40%，但即使采用更灵活的状态相关风险价格，模型也只能捕捉目标漂移能量的 71.95%。换句话说，低维因子抓住了主要运动，却没有完整复现历史漂移。
无套利不能只靠一句“理论保证”
连续时间公式正确，不代表有限步长的计算机模拟毫无误差。论文明确指出，普通离散化仍会产生时间步长偏差。因此作者提出 BHW-tests，从数值上检查生成路径。
在由现货和 44 个期权组成的受限交易集合中，四种模型都模拟了 100,000 条路径，并检查 570 个“日期—工具”坐标。风险中性模拟里，没有坐标偏离零漂移超过五个标准误；两种基于可预测交易策略的条件检验，统计量绝对值最高为 1.755。切换到 测度后，570 个坐标全部超过五个标准误，说明这些检验至少能识别模型刻意加入的现实漂移。
作者又把检验扩展到最多 5,001 种工具。在 62,569 个坐标中，635 个超过双侧 1% 阈值，接近独立标准正态情形下预期的 625.69 个；没有坐标超过五个标准误。两项条件检验的统计量均为 0.843。结果与风险中性假设一致，但作者也强调，这仍是针对给定状态表示和策略类别的检验，不是对所有可能交易策略的普遍证明。
为什么值得关注
GROMM 的价值不只是又生成了一批逼真的市场数据。它把约束放到了表示方式和动力学里面：非负的局部波动率负责静态无套利，显式风险中性漂移负责动态一致性，平滑过程负责补齐整张曲面，再用 BHW-tests 检查数值实现有没有偏离理论。
这提供了一条更可信的生成金融市场路线：模型不仅要学会市场通常长什么样，还要知道哪些状态在金融上根本不该出现。对于衍生品这种内部关系密集的对象，后者往往比视觉上的逼真更重要。
局限与未知
- “首次”和“工业级”是作者自己的定位，论文没有提供统一公开基准来横向验证。
- 95% 以上的 bid/ask 覆盖属于样本内横截面校准结果，不能单独证明样本外预测或交易表现。
- BHW-tests 覆盖指定的工具、状态和策略类别；有限步长模拟仍存在应随步长缩小而下降的离散化误差。