每日金融论文简报｜2026 年 8 月 26 日
重点关注
ABIDES-MARL：把最优执行从单人控制改写成流动性内生的博弈
论文：ABIDES-MARL: A Multi-Agent Reinforcement Learning Environment for Optimal Execution with Endogenous Liquidity（arXiv:2511.02016）
作者：Patrick Cheridito、Jean-Loup Dupret、Zhexin Wu
来源/分类：arXiv · q-fin.TR、cs.GT、cs.MA、cs.SY、eess.SY
全文状态：已核阅公开 PDF。
传统最优执行把 market impact 和流动性当成外生过程，交易者只需在固定冲击系数下做控制；本文指出，当做市商会根据订单流和交易者策略适应性报价时，这个假设是结构性错设。ABIDES-MARL 在 ABIDES/ABIDES-Gym 上加入同步的多学习者决策周期、受控信息过滤和真实限价订单簿互动，让 informed trader、liquidity trader、多个 market maker 与 noise trader 共同形成一个有限期随机博弈。作者先在扩展 Kyle 场景验证价格发现，再比较 PPO joint MARL、VWAP、TWAP、固定 impact 的 analytical schedule 和冻结对手后的 PPO-Single。作者明确不宣称 MARL 收敛到精确 Nash equilibrium，而是用固定点/结构诊断解释“equilibrium-like”行为。
线性策略参数化下，20 个 market makers、无 LOB 信息、开盘价低于基本价值时，价格误差 AR(1) 系数为 0.745、半衰期 2.36，Kyle 回归斜率 2.30 且显著；开盘价高于基本价值时半衰期为 3.18。非线性策略会破坏这一结构：20 个做市商、无 LOB、down 初值时半衰期升至 145.41，Kyle 斜率 −0.14 且不显著。执行实验的 30 个 holdout episodes 显示，在受约束的线性对手下 TWAP 较稳健，而固定 impact 的 analytical schedule 并不可靠；在更灵活的非线性对手下，PPO-Single 往往更低 shortfall，PPO joint 也会因对手适应而被利用。这里的 implementation shortfall 是模拟器中的相对执行成本，不是实盘收益、可交易 alpha 或因果估计；市场参与者、信息结构、策略网络、30 episode 评估和 20 步 horizon 都是模型设定。创新在于把“你的策略改变未来流动性”作为核心机制；失败条件是策略类过度灵活、信息不平衡或可预测强制交易导致市场动力学退化。适合市场微观结构、MARL 和执行建模读者；建议读 §2 同步模拟器、§3 随机博弈、§4.3 Kyle 验证、§4.4 表 3–4 和 §4.5。没有真实市场样本外验证，也不构成投资建议。
Investment-Bias Dial：单神经元可以调节 LLM 的买卖先验，但不是调出 alpha
论文：Your AI, On a Dial: Controlling Investment Bias in LLMs with a Single Neuron（arXiv:2608.22852）
作者：Sahong Park、Suhwan Park、Hoyoung Lee、Gakyung Kwon、Wonbin Ahn、Jaewon Choi、Alejandro Lopez-Lira、Yoon Kim、Chanyeol Choi、Hyeongwoo Kong、Yongjae Lee
来源/分类：arXiv · cs.AI、cs.CL、q-fin.GN
全文状态：已核阅公开 PDF；论文注明 Under review。
论文研究如何在不改 prompt、不更新参数的前提下，连续控制 LLM 的总体 bullish/bearish decision prior。作者先用梯度敏感性筛选 MLP 坐标，再在互斥证券集合上校准候选神经元的 transfer curve，最后对单个坐标在所有 token 位置加上干预系数 Δ。五个开放权重模型（Qwen3-8B、Llama-4-Scout、DeepSeek-R1-Distill-Qwen-14B、Gemma-4-12B、Mistral-24B）都出现单调响应，但方向和可达范围是模型特定的；“中性”被定义为 balanced positive/negative evidence 下总体买卖频率的 π=0，不是无偏、最优或适合任何投资者的目标。
Qwen3-8B 的基线 investment-bias π 为 +0.575，校准后为 −0.010，2,527/8,536 个决策改变；Llama-4-Scout 从 +0.623 到 −0.026，改变 32.5%；DeepSeek-R1-14B 从 +0.095 到 +0.010，改变 21.1%；Gemma-4-12B 与 Mistral-24B 已接近中性而不需改动。七个通用/金融 benchmark 的最大绝对变化为 1.60 个百分点，BH 校正后没有系统性显著下降，但最差单侧 95% 下界仍在 −2.49 到 −0.81 个百分点，不能写成“零副作用”。在 Qwen3-8B 的检索 agent 中，校准使 bearish 查询、打开证据和 memo 引用的比例相对增加 88%、41%、74%；长上下文中神经元控制比匹配的 system prompt 更稳定。作者又对 427 只 S&P 500 股票做 29 个 signal weeks、28 个 one-week-ahead return weeks 的 top-100 long-only 周度回测；不同 Δ 改变排名、平局和 realized Sharpe，部分设置超过随机组合 95 分位，但作者明确称其为 exploratory backtest，未计交易成本、滑点、延迟，也不证明 alpha。这里没有因果识别：实验说明内部干预能改变模型行为，不能说明改变后的信息选择提高真实投资回报；样本外只指该回测窗口，且不是实时可交易结果。适合金融 AI、activation steering 和模型治理读者；建议读 §4.1、表 3、§5.3 能力保留、§5.4 agent 行为、§6 限制和附录 D/E。重点核查内部激活访问、模型重训后重新校准和 prompt/证据公平性。
Arbitrage-Aware IVS Diffusion：生成 30 天波动率曲面轨迹，但短期仍不如复制最新曲面
论文：Arbitrage-Aware Multi-Step Forecasting of Implied Volatility Surfaces: Modelling Surface Trajectories Using Latent Diffusion（arXiv:2608.22478）
作者：Dominik Manuel Buchegger、Lukas Gonon
来源/分类：arXiv · q-fin.MF、cs.LG
全文状态：已核阅公开 PDF。
作者用 OptionMetrics IvyDB US 的 SPX 期权报价构造每日 time-scaled implied volatility surface，先用带无静态套利惩罚的 8 维确定性 autoencoder 压缩，再用 conditional latent diffusion 联合生成未来 30 个交易日的 IVS 与标的收益。数据覆盖 2000 年 1 月至 2025 年 8 月，共 6,429 个日曲面；按时间切分为 5,511 个训练、251 个验证、667 个测试观察，形成 5,461/221/637 条 21 日历史到 30 日未来的轨迹。解码器在连续坐标上重建曲面，训练中惩罚 butterfly/calendar 静态套利；推理每个测试起点生成 1,000 条轨迹，并以 persistence 与 bootstrap persistence 比较，而不是只展示看起来平滑的样本。
模型生成路径的前三个 realised-PCA 因子解释 91.76% 的曲面增量方差，分别对应 level 83.95%、skew 5.41%、curvature 2.41%，PC1 loading 对齐 0.996、PC2 0.962、PC3 0.831。样本的 calendar violation 为 0%，butterfly violation 为 0.13%，单路径平均修复约为中位 bid–ask 半价的 15%，ensemble mean 约 5%；去掉无套利损失后无套利曲面比例从约 88% 降到约 24%。但模型有明显 underdispersion：h=21 的 PC1 生成标准差 0.669、真实为 0.923，h=30 为 0.769 对 1.021；名义 95% 区间覆盖率从 h=1 的 0.856 降到 h=30 的 0.811。对 persistence 的点预测在 h=1 仍较差，整体 30 日 RMSE 增益 6.09%，h=10 为 15.72%，约从 h=4–6 才转正；CRPS 在 h=1 对 skew、curvature 等部分维度不如 bootstrap persistence，h=10/30 才在大多数维度领先。金融含义必须分层：这些是曲面预测和情景生成的统计/经济约束结果，不是期权交易、对冲利润或真实可交易回测；数据来自需要 WRDS/OptionMetrics 许可的来源，代码公开但数据复现成本不低。局限是 underdispersion、一天前预测弱、中心长到期区域难改善、静态套利检查依赖网格和有限差分。适合波动率建模、风险管理和金融生成模型读者；建议读 §4.1–4.3、表 1–4、§5.2–5.3、表 5–6 和 §6。
Emergence of Statistical Financial Factors：网络互动可以生成因子，但不是对现实市场的因果识别
论文：Emergence of Statistical Financial Factors by a Diffusion Process（arXiv:2604.12197）
作者：Jose Negrete Jr、Jaime Joel Ramos
来源/分类：arXiv · q-fin.CP、nlin.CD
全文状态：已核阅公开 PDF。
论文提出一种结构模型：每个资产的收益由带重尾和弱自相关的非线性 chaotic map 产生，再通过由 Laplacian 的正交变换构造的 coupling matrix 互相影响。耦合矩阵的 nullity/初始 cluster 数被用来控制系统的潜在维度；在一定 coupling strength 下，系统靠近低维 synchronization manifold，PCA 提取的 statistical factors 被解释为互动网络的集体模式，而非外生指定的经济因子。作者区分 synchronization mode、statistical factor 和 CAPM/Fama–French 意义上的 financial factor，避免把模型生成的潜变量直接称为风险溢价。
模拟令 cluster 数 M=1–6、每个 cluster 10 个资产，每个参数组合重复 200 次；在约 0.36<ε≤0.58 的区域，M=2–6 时检测出的因子数稳定地等于 coupling matrix nullity，ε 接近 0.5 时领先因子解释的收益方差接近 100%。局部 map 与 NFLX 251 个交易日收益的网格比较中，73,438 条完整模拟序列中约 75% 的 MSE≤0.0042，固定参数示例 MSE 为 0.0016，约 86% 的完整序列同时通过 Ljung–Box 无自相关和 Durbin–Watson 区间检查。一个 10 个指数/股票的小组合在两个 2020–2022 年期间被用作形状对照：模拟谱能复现实证 PCA 特征，模拟因子载荷熵约 0.87，实证组合约 0.59；作者明确称这是 illustrative example，正式实证验证超出范围。这里没有因果识别、样本外收益、风险溢价或可交易回测，经验部分也不是对 coupling 机制的自然实验；MSE 和 PCA 形状相似不等于价格预测有效。适合金融网络、非线性动力学和因子建模读者；建议读 §II 的局部 map/耦合、稳定性分析、§III.B–E、图 7–10 和结论。数据来自 Yahoo Finance，代码/Notebook 以 Colab 形式提供，但参数选择、随机种子和小样本外推需独立复核。
链接：arXiv 摘要页 · PDF · 数据说明与 Colab Notebook
金融论文
阅读以下金融论文时，要把相关性与因果识别、样本内与样本外、统计显著性与经济显著性、历史/模拟回测与真实可交易结果分开；文中任何结果都不构成投资建议。
ABIDES-MARL: A Multi-Agent Reinforcement Learning Environment for Optimal Execution with Endogenous Liquidity
作者：Patrick Cheridito、Jean-Loup Dupret、Zhexin Wu
来源/分类：arXiv · q-fin.TR、cs.GT、cs.MA、cs.SY、eess.SY
链接：arXiv 摘要页 · PDF · 代码与配置
已在重点关注中核阅全文。论文报告的是同步 LOB 模拟器和 MARL 随机博弈实验；价格发现是模型内的结构验证，implementation shortfall 是模拟执行指标，不是现实交易收益。固定 impact 的 analytical schedule 在对手会适应时失效，且作者不宣称精确 Nash 收敛。
Your AI, On a Dial: Controlling Investment Bias in LLMs with a Single Neuron
作者：Sahong Park、Suhwan Park、Hoyoung Lee、Gakyung Kwon、Wonbin Ahn、Jaewon Choi、Alejandro Lopez-Lira、Yoon Kim、Chanyeol Choi、Hyeongwoo Kong、Yongjae Lee
来源/分类：arXiv · cs.AI、cs.CL、q-fin.GN
链接：arXiv 摘要页 · PDF
已在重点关注中核阅全文。单神经元干预能在作者的 balanced-evidence 协议下校准买卖先验，且会影响检索证据和组合排序；能力 benchmark 没有 BH 校正后的系统性下降，但该结果不是因果投资收益。427 只股票的 29/28 周回测是探索性、样本外于其信号窗口的历史模拟，未计成本、滑点和延迟，不等于真实可交易结果。
Arbitrage-Aware Multi-Step Forecasting of Implied Volatility Surfaces: Modelling Surface Trajectories Using Latent Diffusion
作者：Dominik Manuel Buchegger、Lukas Gonon
来源/分类：arXiv · q-fin.MF、cs.LG
链接：arXiv 摘要页 · PDF · 代码
已在重点关注中核阅全文。作者在 SPX IVS 上报告 30 日概率轨迹和相对 persistence 的预测差异，h=1 仍常被 persistence 胜过，h=10/30 才显示更稳定的优势。它没有把曲面统计改善转成期权交易或对冲利润，也没有真实可交易回测；无套利和 underdispersion 是同时存在的约束。
Emergence of Statistical Financial Factors by a Diffusion Process
作者：Jose Negrete Jr、Jaime Joel Ramos
来源/分类：arXiv · q-fin.CP、nlin.CD
链接：arXiv 摘要页 · PDF · 数据说明与 Colab Notebook
已在重点关注中核阅全文。模拟中的因子数和 coupling matrix nullity 一致，且能复现实证 PCA 谱的形状，但这是结构模型与小组合的描述性对照；没有因果识别、样本外预测、风险溢价或经济显著性结果，不能把“涌现因子”理解为可交易因子。
Short-horizon mean reversion in cryptocurrency markets: a matched cross-market measurement
作者：Nadav A. Kitron、Jonathan M. Wengrowicz
来源/分类：arXiv · q-fin.TR、q-fin.ST
链接：arXiv 摘要页 · PDF · 代码与复现实验
已在重点关注中核阅全文。统一 walk-forward 协议下，作者报告 183 个 Binance pairs 中 90% 显著反转、187 只美股/ETF 中为 2.7%，主样本 class-mean AUC gap 为 +0.031，六个月冻结 holdout 为 +0.020；这些是跨资产横截面的描述性预测差异，不是 183 个独立因果实验。gross edge 约 1.3bp/笔，低于 5bp 最低 benchmark spot round-trip cost，且忽略深度、延迟和 adverse selection，因此没有可交易收益结论；flow 条件与补偿性流动性提供一致，但不能排除信息交易机制。
Causal Separation in Portfolio Choice: Screening-Off Information and Conditional Risk
作者：Alejandro Rodriguez Dominguez
来源/分类：arXiv · q-fin.PM
链接：arXiv 摘要页 · PDF
仅依据摘要：论文提出 causal separation，将 horizon-closed conditioning 作为组合信息原则，使收益分解为对角残差风险与条件均值不确定性，再将系统风险投影到有限维 driver innovations，得到近似 diagonal-plus-low-rank 的协方差结构。作者报告受控实验恢复理论分解和 intervention 行为，美国股票应用中残差横截面协方差下降、短训练窗口的结构化协方差样本外表现有竞争力。摘要没有给出训练/测试跨度、与标准 shrinkage/factor baseline 的完整数字、交易成本或真实组合收益；“causal”是模型条件下的结构解释，不等于观察数据已识别因果关系。
PRAGMA: Revolut Foundation Model
作者：Maxim Ostroukhov、Ruslan Mikhailov、Vladimir Iashin、Artem Sokolov、Andrei Akshonov、Vitaly Protasov、Andrey Goncharov、Dmitrii Beloborodov、Vince Mullin、Roman Yokunda Enzmann、Georgios Kolovos、Jason Renders、Pavel Nesterov、Anton Repushko
来源/分类：arXiv · cs.LG、cs.CE、cs.CL、cs.IR、q-fin.CP
链接：arXiv 摘要页 · PDF
仅依据摘要：PRAGMA 用 masked modelling 在异构银行事件序列上预训练 Transformer foundation model，输出 embedding 后用线性模型或轻量微调支持信用评分、欺诈检测和 lifetime value prediction。作者声称在多个 downstream task 上优于对比模型。摘要没有给出事件时间切分、客户/机构泄漏防护、样本外窗口、类别不平衡、经济损失函数和算力成本；信用或欺诈任务的 benchmark 提升也不是因果效应或投资回测收益。
Sequentially valid inference for probabilistic inflation forecasts
作者：Amadeo Grob、Maurizio Daniele、Johanna Ziegel
来源/分类：arXiv · stat.ME、econ.EM、stat.AP
链接：arXiv 摘要页 · PDF
仅依据摘要：论文把 e-values 用于概率通胀预测校准的 sequential testing，使研究者可以持续检验而不破坏 anytime-valid 保证，并应用于美国、欧元区和瑞士通胀预测。作者报告结构断裂期间 sequential 方法能发现静态全样本检验漏掉的失配时点。它是预测校准的统计推断方法，不是通胀方向交易策略；摘要没有提供滚动收益、经济显著性、预测机构选择或决策成本，不能把拒绝校准写成可获利信号。
Does Rank Still Matter? Position Bias When AI Agents Shop on Our Behalf
作者：Davood Wadi、Yu Ma
来源/分类：arXiv · cs.AI、econ.GN、q-fin.EC
链接：arXiv 摘要页 · PDF
仅依据摘要：作者在 5,000 次 AI agent session 中随机化 100 个酒店列表的顺序，比较 4 个 LLM 与人类现场数据。agent 比人搜索更深且从不放弃购买；位置仍影响查看但呈非单调关系，中间位置检查概率最低，部分模型把位置效应带到选择阶段，最终却都选同一 undominated listing。摘要没有说明酒店属性、agent prompt、模型温度、随机化实现和外部效度，也没有金融回测；这是平台搜索行为的实验结果，不是资产价格因果证据。
Regularized Ensemble Forecasting for Learning Weights from Historical and Current Forecasts
作者：Han Su、Xiaojia Guo、Xiaoke Zhang
来源/分类：arXiv · stat.AP、econ.GN、q-fin.EC、stat.ME
链接：arXiv 摘要页 · PDF
仅依据摘要：论文扩展 linear opinion pool，同时用当前预测和历史表现学习权重，以组合方差最小化加历史表现正则项，并给出 Bayesian interpretation；Walmart sales 和宏观预测实验中，作者报告其优于多个 ensemble baseline，且能处理专家进出。摘要没有给出完整样本外窗口、预测者选择、权重稳定性和失配下的统计检验；“优于”是预测误差意义，不是金融资产收益或可交易策略收益。
tse_tick: A Python Library for Parsing and Querying Nikkei NEEDS Tick Data from the Tokyo Stock Exchange
作者：Kazumi Li、Masataka Hayashi、Teruo Nakatsuma、Peter Romero
来源/分类：arXiv · q-fin.TR
链接：arXiv 摘要页 · PDF
仅依据摘要：tse_tick 把 Nikkei NEEDS 的四类、跨时期 schema、日文布局和 ZIP CSV 转成带类型的 Polars DataFrame 与 Hive-partitioned Parquet，并通过 DuckDB 查询；设计重点是按日期原子提交、bounded streaming、RAM-aware process pool 和 ticker part-pruning。作者报告最坏交易日峰值内存从 24.5GB 降到 2.4GB，4.8m 行 archive part 比原 pandas prototype 快 59.8 倍，单 ticker 时间窗查询比 pandas scan 约快 410 倍。摘要没有核查全部 schema、硬件公平性、真实数据许可和跨市场性能；这是数据工程 benchmark，不是交易信号或收益结果。
Beyond Lognormal Sums: A Four-Moment Probability Framework for Basket and Spread Option Pricing
作者：Dongdong Hu、Hasanjan Sayit、Steve Tchoneteck、Frederi Viens
来源/分类：arXiv · q-fin.PR、math.PR
链接：arXiv 摘要页 · PDF
仅依据摘要：论文先用 change of measure 把 basket price 改写为概率线性组合，再用匹配前四阶矩的 shifted-lognormal variance mixture 近似相关 lognormal sum；mixed-sign basket 使用 signed shifted-lognormal proxy，并给出 admissibility、root selection、无套利性质和 pricing-error identity。数值部分包含标准 basket benchmark 和 RBOB/ULSD(or heating oil)/WTI 的 3:2:1 crack spread，作者报告第四矩改善尾部偏斜和长到期下的拟合/定价精度。摘要没有具体误差表、与 Monte Carlo/其他近似的完整基线、校准样本外验证或交易成本；定价误差改善不等于策略收益。
Optimal risk-aware interest rates for decentralized lending protocols
作者：Bastien Baude、Damien Challet、Ioane Muni Toke
来源/分类：arXiv · q-fin.MF
链接：arXiv 摘要页 · PDF
仅依据摘要：论文把 DeFi lending 的 utilization 视为利率依赖的 point process，目标是最大化 lender expected wealth，同时惩罚流动性风险和利率波动；线性强度下得到 Riccati 型 ODE，非线性下用 Monte Carlo + deep learning 近似，并用逐区块数据做 risk-adjusted P&L 比较行业模型和深度学习模型。摘要没有具体协议、样本外时期、费用/清算/对手方风险、基线数字或真实可执行性；逐区块 P&L 是历史/模拟评估，不是因果效果或投资建议，且利率最优性依赖强结构假设。
The Measurement Revolution? Credible Measurement and Inference in the Age of AI
作者：Melissa Dell、Ashesh Rambachan
来源/分类：arXiv · econ.GN、cs.AI、q-fin.EC、stat.AP
链接：arXiv 摘要页 · PDF
仅依据摘要：这篇综述把 AI 进入经济测量分成 discovery、construct definition、observation 三阶段，强调可扩展 proxy 越多，研究者越要用明确标准和 validation sample 证明构念有效。作者讨论即使 AI 预测任意偏置，如何借助随机验证样本做有效推断，以及没有随机验证样本时的替代方法。价值在于提醒金融/经济实证不要把可扩展变量当作已验证事实；摘要没有给出具体应用的估计结果，也不提供资产回报、样本外预测或交易证据。
The Physical Crash Frontier: What Finite Option Quotes Can and Cannot Reveal
作者：Jirong Zhuang
来源/分类：arXiv · q-fin.CP、q-fin.RM
链接：arXiv 摘要页 · PDF
仅依据摘要：论文用 power-utility pricing kernel 把期权隐含的 risk-neutral crash probability 转回 physical measure，并在有限 bid–ask quote 下刻画所有可行的“崩盘概率—阈值下预期损失”对，称其边界为 physical crash frontier；有界支持时可由有限二阶锥规划追踪。作者在 1,000 个每周 S&P 500 横截面中报告，加入临近阈值的两个 put 之外的报价后，可行概率区间中位数缩小约 80%；去掉尾部界限时，深右尾的极小质量会使概率趋近零。摘要没有给出风险厌恶参数校准、尾部限制的经验依据或样本外预测；这是期权报价识别边界，不是崩盘概率的唯一估计，更不是择时信号。
Diagonal Frog meets ADI: trading matrix exponentials for rational maps in the Fokker–Planck equation
作者：Andrey Itkin、Rakhymzhan Kazbek
来源/分类：arXiv · math.NA、cs.NA、physics.comp-ph、q-fin.CP、q-fin.PR
链接：arXiv 摘要页 · PDF
仅依据摘要：论文将 Diagonal Frog 方向子步中的 Krylov matrix exponential 换成 rational map，使计算变成 banded solve，并证明最终指数正生成元下，r(∞) 的符号决定大步长 entrywise positivity；Crank–Nicolson 被排除，subdiagonal Padé(0,2) 被选为二阶、L-stable 且在显式阈值以上保持正性的方案。作者报告相对 Krylov exponential 在匹配精度下快 10–32 倍，但强 cross-diffusion 下 composite 二阶 scheme 只有经验正性。摘要没有金融市场样本外检验、定价误差经济显著性或真实交易应用；速度是数值实验结果，不是投资收益。
WSVI: A Dimensionless Shape Family for Implied Volatility and Its Static No-Arbitrage Structure
作者：Charles Clevenger、Xiang Wan
来源/分类：arXiv · q-fin.MF
链接：arXiv 摘要页 · PDF
仅依据摘要：WSVI 为 earnings 等二元事件附近的 W-shaped implied-volatility smile 构造三参数之外的维度无关 shape family，允许负的 at-the-forward curvature 和双峰 implied density，同时把 total variance 拆成 level 与 normalized log-moneyness shape。作者直接在 shape coordinates 中刻画 butterfly、vertical-spread 和 calendar 的静态无套利条件。摘要没有报告真实期权面拟合、样本外定价、基线误差或流动性成本；它是参数化与无套利结构贡献，不是波动率方向预测或交易策略。
Discrete asset pricing under transaction costs and model uncertainty with and without short-sale constraints
作者：Wenqing Zhang
来源/分类：arXiv · q-fin.MF
链接：arXiv 摘要页 · PDF
仅依据摘要：论文研究带 bid–ask spread、模型不确定性和/或 short-sale constraints 的离散时间资产定价，证明无约束下 no-arbitrage 等价于存在 full-support martingale consistent price system；有卖空限制时换成 supermartingale system，并扩展到有限多期树与非平凡初始信息。作者还引入 lower/upper robust supermartingale systems，并用两状态例子说明 lower 条件单独并不充分。摘要没有实证数据、样本外回测或经济显著性；这些是无套利理论条件，不是可交易价格或投资建议。