你盯着盘口时，会看到一种熟悉的节奏：一笔订单之后，更多订单接连出现；偶尔又有一笔异常交易，让价格猛地跳一下，随后市场持续躁动。量化模型通常从最终结果入手，直接描述价格和波动率怎样变化。Wang、Wu、Zhu 反过来问：这些宏观规律，能不能从一笔笔订单的到达机制里推出来？
他们构造了一套带标记的 Hawkes 订单流模型。Hawkes process（Hawkes 过程）描述“事件会诱发更多事件”的聚集现象：一笔订单会暂时提高后续订单出现的概率。论文让普通订单与稀有冲击共享这套自激机制，并在特定缩放条件下，从中推出 rough Hawkes–Heston 模型。后者把粗糙波动率、杠杆效应，以及价格和波动率的共同跳跃放进同一框架。
需要先划清结论的边界：以下结果均来自这篇论文。它提出的是一条满足特定假设的理论构造，不是对真实市场因果机制的经验确认。
两类订单，长出三种现象
所谓 rough volatility（粗糙波动率），是指波动率在短时间尺度上比传统平滑模型更锯齿、更不规则。Heston 模型则让资产价格与自身随机变化的方差共同演化，是经典的随机波动率框架。论文要解释的，是 rough 版本为何可能从订单流里出现。
作者把微观事件分成两类。
第一类是大量普通订单。它们有向上和向下两个方向，每次只造成很小的价格变化，却会通过 Hawkes 机制继续激发订单。作者采用 nearly unstable heavy-tailed Hawkes 设定：系统接近临界状态，单次影响还带有衰减很慢的长尾。直观地说，一笔订单的直接作用很小，但它唤起的后续订单可以形成很长的接力。把观察尺度拉远，这些密集事件不再表现为离散跳动，而汇聚成连续、粗糙的随机波动率。
普通订单还负责产生杠杆效应——通常指价格下跌伴随未来波动上升。模型让正负订单的到达率、价格跳动幅度和方差载荷保持一种“鞅平衡”：平均而言，常规订单不会凭空制造可预测的价格漂移；但负向事件可以对未来活动施加更强影响。这样，价格噪声与波动率噪声之间便出现负相关。论文还称，通过调整这套两侧不对称结构，可以覆盖全部负相关区间；完全对称时，相关性回到零。
第二类是稀有的标记事件。标记记录冲击大小。一旦出现，它会立刻造成向下的价格跳跃，同时提高后续订单活动。后者又经过同一条近临界 Hawkes 级联被放大，形成持续的波动率响应。因此，同一个微观事件在宏观模型里同时进入价格方程和方差方程，这就是共同跳跃——价格和波动率在同一时点突然变化。
关键在于尺度配合。随着模型放大，普通事件越来越密，最终形成连续噪声；带标记事件越来越稀，在有限观察期内只留下有限次冲击；但每次标记事件对后续活动的激发又被增强，因此不会在极限中消失。三种变化必须一起发生，才能让连续粗糙波动与离散共同跳跃同时保留下来。
真正难的是把微观和宏观接严
这项工作的重点不只是给出一个故事，而是证明整套重标度后的价格、方差和跳跃系统会收敛到目标模型。
Hawkes 更新首先导出 Mittag–Leffler Volterra 表示。Volterra 方程可以理解为一种“带记忆的方程”：当前方差不仅取决于此刻，还汇总过去事件留下的衰减影响。Mittag–Leffler 核描述近临界、长尾订单影响在宏观尺度上的记忆形状。作者随后把它改写成 Riemann–Liouville 分数形式，也就是用分数阶积分表达这种长记忆，从而接上 rough Heston 常用的数学语言。
这里最棘手的对象是稀有标记。它在单个微观时点几乎可以忽略，却可能通过近临界级联产生不可忽略的后代。论文先证明标记激发会经过单一的近临界 resolvent（可理解为汇总所有直接与间接后续影响的响应核）过滤，再在同一信息流中联合识别连续噪声和跳跃，最后把跳跃反馈穿过具有奇异性的 Volterra 核。
在 nearly unstable scaling 和 reduced-form admissibility conditions（保证极限模型可实现并且良定义的一组条件）下，作者证明完整系统沿整个序列收敛，而不只是挑出某个子序列。极限是唯一的 complete canonical rough Hawkes–Heston 弱解。“弱解”指模型确定的是随机过程的分布；“canonical”则要求方差驱动项中的跳跃，正是价格与方差共享的那套跳跃。作者还给出宏观系数与微观参数之间的显式对应。
这张对应表也暴露了约束。近临界缺口带来负向漂移，共同跳跃的可预测反馈带来正向贡献；两者的平衡决定最终的 Volterra 漂移。在论文采用的次临界分枝区间内，这个漂移必须为负。可实现的初始远期方差曲线也需由微观基准到达率生成。换句话说，微观模型不是任意一个 rough Hawkes–Heston 参数组都能解释。
为什么值得关注
此前由论文转述的研究已经从 Hawkes 过程推出粗糙波动率、杠杆效应和 rough Heston 型极限；Bondi 等人在 2024 年提出的 rough Hawkes–Heston 模型，又加入状态依赖的价格—波动率共同跳跃。新工作的推进，是为后者的方差与共同跳跃机制补上一套具体的订单流构造。
它提供了一条统一链路：常规订单的密集接力形成连续粗糙波动和杠杆效应，稀有标记事件形成价格跳跃，并通过同一订单级联激发波动率。宏观模型里的几个部件，因此不再只是分别加入的经验项，而能由同一微观机制共同生成。
局限与未知
- 这是一项条件化的极限定理。它说明在近临界、长尾 Hawkes 假设和可容许条件下会得到目标模型，不能据此断言真实市场的粗糙波动率必然由订单流产生。
- 论文给出了可实现参数区域，但部分微观参数只能通过比值或乘积进入宏观系数，因而无法被分别识别。
- 作者称数值实验展示了微观模型向 rough Hawkes–Heston 模型收敛，但所给材料未披露误差、样本规模、参数范围或基准比较。这部分目前只能视为作者的数值示例，不能判断收敛在实际计算中有多快。