你要教一个新手在雨天开车，会怎么准备训练？最像真实道路的模拟器，未必最有用。如果画面逼真，却没有湿滑弯道和紧急刹车，学员仍可能在关键时刻失手。训练对冲模型也有类似问题：合成价格路径看起来很像市场，不等于它包含了正确决策所需的信息。
这正是论文《Rethinking Synthetic Scenario Realism: Compatibility, Not Fidelity, Drives Hedging Performance》追问的问题。Ryuji Hashimoto、Masanori Hirano、Ryota Ozaki 和 Kentaro Imajo 提出，评价金融合成数据时，应把重点从 realism（逼真度，即统计外观像不像真实行情）转向 compatibility（兼容性，即用这些数据学出的策略，到了目标市场是否仍然有效）。论文已发布于 arXiv，编号为 2608.20842。下文的理论与实验结论均来自这一篇论文，尚无独立信源交叉验证。
像市场，不等于能教会对冲
深度对冲（deep hedging）是让神经网络从大量价格路径中，直接学习何时交易、买卖多少对冲资产。它通常以降低风险为目标，也能把交易成本等现实约束纳入训练。
问题在于，真实市场只留下了一条已经发生的历史，而训练需要许多可能的未来。研究者因此使用场景生成器，造出大量合成价格路径。过去常见的评价思路，是检查这些路径能否复现真实市场的收益分布、厚尾、偏度、波动持续性等“典型事实”。
论文认为，这种检查还不够。对冲是一个决策任务。生成器即使复刻了不少统计特征，也可能漏掉真正影响对冲损失的行情结构。反过来，一个外观较简单的生成器，只要保留了当前策略需要的信息，也可能教出更好的策略。
换句话说，合成数据不是一张越逼真的市场照片越好。它更像训练场：好坏取决于训练内容是否对应之后要完成的动作。
一次失手，其实有两笔账
论文把策略在目标市场中的表现差距拆成两部分。
第一部分是 learning error（学习误差）。训练样本有限，优化过程也不完美，因此模型未必能学到合成环境中的最佳策略。结构简单的路径通常更容易学习；复杂路径提供的信息更多，却也可能让训练更不稳定。
第二部分是 compatibility gap（兼容性差距）。即使模型已经把合成环境学得很好，这个环境与目标市场仍可能在决策相关的部分不匹配。策略一旦转到目标市场，表现便会下降。
这个拆分带来一个不太直觉的结果：更简单、没那么逼真的生成器，即使留下了一些兼容性差距，也可能因为显著降低学习误差，最终胜过更逼真的生成器。决定结果的不是单独一项分数，而是“容易学”与“学到的东西能迁移”之间的平衡。
论文随后从理论上说明，逼真度和兼容性可以发生结构性背离。常见的逼真度指标只检查一组统计特征；兼容性检查的则是不同策略对应的损失。如果前一组检查没有覆盖与损失有关的方向，就可能出现两种路径在逼真度指标下几乎无法区分，却导致不同的对冲风险。
只有在一个很强的条件下，逼真度才能约束兼容性：用于评价逼真度的函数集合，必须包含所有策略产生的损失函数。现实评价通常只覆盖矩、尾部指标等摘要统计，论文因此认为，这个条件并不容易满足。
排名为什么会不断换位
研究用 Nikkei 225 指数日频数据校准生成器：校准期为 2018 年初至 2022 年底，共 1,218 个交易日；测试期为 2023 年初至 2026 年 2 月 28 日，共 771 个交易日。VAE（变分自编码器，一类从数据中学习生成模式的模型）还使用了同期其他资产扩充训练数据。
实验比较四种生成器：结构较简单的 GBM（几何布朗运动）、加入跳跃的 Merton 模型、加入随机波动率的 Heston 模型，以及 VAE。任务覆盖欧式看涨期权与回望看涨期权，并分别考虑两档交易成本。回望期权的收益依赖整段价格历史，因此比只看期末价格的欧式期权更强调路径信息。
研究还使用三类对冲模型：线性模型、直接输出持仓的 MLP（多层感知机，一种常见神经网络），以及 NTBNet。NTBNet 学习一个“不交易区间”，只有原持仓跑出区间时才调整，更贴近存在交易成本时的带状策略。
逼真度测试没有给出一个包打天下的赢家。GBM 在几乎所有统计指标上最差；Merton 更擅长尾部特征；Heston 对分布特征与时间动态的刻画较均衡；VAE 在长期依赖相关指标上更强。但到了学习环节，GBM 反而在各类对冲模型上表现出最好的可学习性：训练与验证损失之间的差距更小，训练也更稳定。
最终的样本外对冲排名继续变化。四种任务各有不同的最佳组合：低成本欧式任务由 Merton–MLPHedger 领先；另一档欧式任务是 GBM–LinearHedger；低成本回望任务是 Heston–MLPHedger；另一档回望任务则是 GBM–NTBNet。没有一个生成器或对冲模型横扫所有任务。
更具体地说，线性模型面对较简单任务时，统计上最不逼真的 GBM 经常领先；到了更复杂的高成本回望任务，VAE 才升到第一。换成 NTBNet 后，GBM 与 VAE 的相对优势大体反转。对表达能力更强的 MLP，对冲任务越难，Heston 和 VAE 这类较复杂的生成器越占优势。
这组结果支持的并不是“简单模型总比复杂模型好”，也不是“逼真度没有价值”。更准确的说法是：逼真度不是唯一决定因素。生成器、对冲模型的能力与偏好，以及期权是否依赖路径、交易成本如何改变操作空间，会共同决定什么数据最有用。
为什么值得关注
这项工作的价值，在于改变了场景生成器的验收问题。过去的问题是：“它有多像市场？”论文建议再追问一句：“它是否保留了这项决策真正关心的风险结构？”
这也解释了分布外失效——模型遇到训练中缺少的行情时突然不可靠——为什么不能只靠漂亮的统计图排除。生成器可能复现了市场外观，却没有覆盖策略损失最敏感的状态。
因此，生成器不应脱离使用者单独排名。同一批路径，对线性策略可能很合适，对带状策略未必合适；对欧式期权足够，对依赖整段历史的回望期权也可能不够。论文所说的“兼容性”，本质上是一种关系，而不是生成器自身固定不变的品质。
局限与未知
- 兼容性难以直接测量。论文使用训练稳定性、泛化诊断和最终表现间接判断，作者也把兼容性感知的生成与对冲联合设计列为后续方向。
- 实验集中在特定指数区间、四类生成器、三类对冲模型和四种任务配置。它说明排名会随组合改变，但不足以证明所有市场与深度对冲任务都遵循相同排序。
- 论文标题中的“Compatibility, Not Fidelity”比正文结论更绝对。实验真正支持的是“表现不只由逼真度决定”，而不是逼真度完全无关。