不确定波动率模型的后验误差界如何计算？

一对界从单个候选解夹住 UVM 价格

在不确定波动率模型中，波动率和相关性不由单一模型固定，而是在给定不确定集内被动态地、对抗性地选取。稳健价格因此是一个随机控制问题，其价值函数满足完全非线性 Hamilton-Jacobi-Bellman 方程，非线性项中包含对可行波动率控制的上确界。论文的目标不是再给出一个价格点估计，而是为单个数值候选解附上一个区间，量化它与真实 UVM 价值之间的距离。

构造是原始对偶的。原始侧，价值函数的光滑候选近似通过其 Hessian 诱导出一个反馈控制，该可行控制给出下界。对偶侧，作者用矩阵值 Gamma 场给出 UVM 价值的一个表示，通过非负的哈密顿量惩罚项产生上界。当候选解与真实价值函数重合时，两种表示都是精确的。

惩罚项有具体含义：它是哈密顿量与其在某可行控制下取值之间的间隙，衡量该控制对给定 Gamma 场最大化哈密顿量的失败程度。因此候选解可能价值准确，但若导数质量差，区间仍然很宽。

二阶信息决定区间有多紧

对偶构造显式依赖候选解的导数，论文指出期权价格的准确近似本身并不保证后验区间紧致，导数的误差可能导致可观的 duality gap。这是论文的核心实践主张，数值实验也围绕它设计。

机制在一维情形中清晰可见：极值波动率按价值函数 Gamma 的符号选取，形成 bang-bang 型控制。更高维时，类似的机制切换由二阶导数矩阵驱动。由于对偶量通过 UVM 哈密顿量直接利用候选 Gamma，它们显式使用了二阶信息，而仅由候选梯度构造的鞅修正则不然。

作者还指出，最优反馈控制未必关于状态光滑，这也是 UVM 价格即使在中等维度也难近似的原因之一：在 d 维中控制涉及 d 个边际波动率和 d(d-1)/2 个两两相关性，且相关矩阵必须在满足逐分量界的同时保持半正定。因此哈密顿量的优化在每个时刻和状态都是一个带约束的矩阵优化问题。

离散时间版本带有可量化的离散误差

连续时间界不能直接计算，因此论文引入原始与对偶量的离散时间近似，并借助随机控制文献中的已有结果量化相应的离散误差。这一步很关键，因为读者实际看到的区间由这些离散近似产生，而非精确的连续对象。

离散化还与界的评估方式相互作用。原始侧，在可行控制下得到的精确期望是价值的下界，因此重模拟得到的值在蒙特卡洛抽样误差范围内仍保持这一解释。对偶侧，蒙特卡洛模拟只近似所选控制对应的期望；即使该期望被精确计算，它也不会大于定义理论对偶量的上确界。

论文明确指出，上界性质的丧失来自优化误差而非蒙特卡洛近似。用固定重模拟控制下的取值替代上确界，不能保持理论上的上界，时间网格形式也得到相同结论。

上界可以读作 BSB 残差

当对偶场由候选解自身生成时，上界可等价地表示为相关 Black-Scholes-Barenblatt 方程的残差。在这种形式下，对偶量等于候选价值加上一个后验误差项，而评估该误差本身就是一个随机控制问题。

这为同一候选解提供了两条数值上不同的上界估计路径：直接的 Gamma 型对偶量和残差型对偶量。论文报告，对于反向随机策略梯度候选解和有限差分基准，直接估计在数值上比相应的残差估计更紧，唯一例外是物理信息神经网络，其残差估计略紧。

残差路径还与某些候选解的训练方式天然契合。论文观察到，PINN 的残差估计表现强，与其训练目标直接惩罚 BSB 残差一致；而它的直接估计也很紧，尽管该量并非 PINN 损失所针对的目标。

用 Hessian 目标做 Sobolev 训练收紧对偶界

数值研究使用随机策略梯度方法和物理信息神经网络得到的候选解，并将所得估计与随机控制文献中的鞅对偶方法比较。SPG 候选解采用反向架构：在每个时间层分别训练一个 actor 和一个 critic，而下一时间层已训练好的 critic 被冻结并提供继续价值。

仅靠价值回归不能控制 critic 的空间导数，因此作者加入一阶 Sobolev 训练，随后又扩展出二阶信息，因为后验残差依赖二阶导数矩阵。为避免构造和存储矩阵值目标，他们使用随机方向二阶导数：对从标准正态抽取的方向，标量二阶目标是冻结动作映射沿该方向的方向导数。

方向探测保留了完整 Hessian 的信息，包括混合导数。论文表明，期望方向平方误差等价于完整 Hessian 误差的平方 Frobenius 范数，介于该范数的 2 倍与 d+2 倍之间。在最后一个反向步，终端函数未必可微，导数目标用中心有限差分近似，所有扰动状态使用相同的随机实现和相同的冻结动作。

导数信息训练收紧对偶估计

在二维实验中，四种构造的原始估计和候选价值都接近参考值，而对偶估计则更强地区分所学导数的质量。标准 SPG critic 给出准确的价值近似，但对偶估计明显更松。

导数信息训练显著收紧对偶量。一阶 Sobolev 训练相对标准 critic 带来大幅改善，额外的二阶监督进一步改善两个基于 Hessian 的估计。这一额外改善并未系统性地体现在鞅估计上，因为鞅估计依赖候选梯度而非 Hessian。论文将此视为支持如下解释：二阶监督主要改善与基于 Hessian 的对偶量相关的二阶信息。

有限差分候选解提供了自然基准：在连续时间层面，精确价值函数使对偶量等于价值，其 BSB 残差和终端偏差恒为零，相应的数值直接估计和残差估计都接近参考值。PINN 在两个基于 Hessian 的构造上也表现良好。鞅对偶表现不同，有限差分候选解仍最紧，而 PINN 与两个 Sobolev critic 彼此更接近；论文提醒，其中一些差异与蒙特卡洛不确定性相当，不应过度解读。

五维与非凸收益下排序依然成立

五维实验确认了二维所得结论。四种构造的原始估计和候选价值都接近参考值，而对偶估计再次更强地区分所学导数的质量，标准 SPG critic 再次给出准确的价值近似但明显更松的对偶估计。

两个基于 Hessian 的构造的数值排序为：有限差分、PINN、Sobolev-2、Sobolev-1、标准。从 Sobolev-1 到 Sobolev-2 的改善被特别指出具有信息量，因为二阶损失直接针对曲率信息并改善两个基于 Hessian 的估计，而鞅对偶并未从 Sobolev-1 到 Sobolev-2 改善。PINN 在学习型候选解中给出最紧的对偶估计，且对所有 SPG 候选解，直接估计再次比残差估计更紧。

一个带非凸收益的二维 best-of butterfly 作为确认实验，使用相同的方法和候选构造。其结果确认了 outperformer spread 的定性结论：导数信息 SPG 训练相对标准 critic 大幅改善对偶估计，二阶 Sobolev 监督进一步改善两个基于 Hessian 的构造，且这一改善特定于对 Hessian 敏感的估计，而非鞅对偶的系统性改善。

二阶监督成本更高但换来更紧的区间

计算时间显示，额外训练成本相对后续对偶评估仍然适中。一阶 Sobolev 训练约为标准 SPG 训练时间的 1.5 倍，二阶 Sobolev 训练约为两倍，而后续对偶评估的成本在各候选解之间大致相当。

论文对比较的表述刻意保持有限：多数例子中所得上界估计更接近参考 UVM 价值，这是一个经验观察，而非不同对偶形式之间的一般排序，且这些估计的紧度强烈依赖候选导数的精度。鞅构造带有额外的离散误差和有限控制搜索误差，在论文所考虑的假设下，相关时间离散贡献为 (T/N)^(1/4) 阶。

对读者而言，当目标是紧的后验区间而非好的点值时，操作上的优先事项是导数精度，尤其是二阶信息。论文证据支持在报告基于 Hessian 的对偶量时选择二阶 Sobolev 监督，并把鞅对偶视为响应梯度质量而非曲率的诊断量。

本文引用的文献