你有几段分别剪好的行车录像。每一段都能对上时间和地点，不代表把它们首尾接起来后，就还原了司机真正走过的路线。SPX与VIX的多期限定价也有类似问题：逐月模型可以分别贴合市场，但连接月份时加入的假设，可能悄悄改变整条路径，进而改变跨期产品的价格。
2026年9月3日发布的预印本《Global Multi-Maturity SPX–VIX Calibration Beyond Markovian Stitching》，把这个长期被计算便利遮住的问题摆上台面。Atithi Acharya、Yue Sun等作者不再分别求解每个月再拼接，而是让一个全局概率分布同时解释多个期限的SPX与VIX波动率微笑。所谓波动率微笑，是把不同执行价的期权价格换算成隐含波动率后形成的弯曲曲线；校准，就是调整模型，使这些曲线尽量贴近市场报价。
本文的定理、数字和效果均来自这篇arXiv v1预印本，尚无材料显示其经过同行评审、独立复现或开源代码验证。
“每个月都对”为什么还不够？
SPX是标普500指数。VIX则由一组近期到期的SPX期权价格计算，反映市场对未来约30天标普500方差的风险中性定价，而不是日常语境里的波动预测。联合校准要求同一模型同时解释SPX期权和VIX相关报价。
常见办法是把时间切成相邻月份，分别解决每个两期限问题，再通过共有的SPX分布把它们接起来。这叫 Markovian stitching。其中Markov性指：只要知道当前完整状态，更早的历史就不再为未来提供额外信息。
这种做法省算力，却附带一个不容易察觉的选择。接到下一个月时，模型只看当前SPX水平，不再看此前的SPX轨迹、VIX水平或其他历史。问题在于，各期限的期权微笑主要约束单个时点或相邻区间的分布，通常看不出这种历史依赖是否被删掉。于是，两套模型可以拥有完全相同的月度校准，却对横跨多个波动窗口的索赔报出不同价格。
论文还区分了两条“接缝”。一条是计算上的：两个独立的宽松校准，可能为同一个SPX到期日选出不同的数值分布。另一条是结构上的：即使共享分布完全一致，Markov式拼接仍会丢弃当前SPX之外的早期历史。全局求解用同一个变量贯穿相邻区间，可以消除前一种重复表示；不强加条件独立，则保留了研究后一种路径依赖的空间。
关键结论有点反直觉
作者证明，精确条件下，“每个相邻月份分别可行”与“整条路径全局可行”等价。换句话说，全局框架不会凭空救活一个本来不可行的精确月度问题。
但这不等于月度校准能唯一决定全局路径。论文进一步证明：对任何全局可行分布，都可以构造一个 block-preserving SPX-Markovization——把它改造成按SPX状态拼接的Markov版本，同时保持每个月的 联合分布不变。这里的“block-preserving”就是每个相邻区块原样保留。
妙处也正在这里：局部区块全都不变，跨区块的联系却可能改变。因此，拼接模型在某些情形下只是全部全局可行路径的严格子集，而不是全部答案。任何只依赖单个月度区块的产品都无法区分二者；依赖多个时期共同走势的产品却可能受影响。论文的有限状态例子直接验证了区块保持，并观察到Markov化后多期索赔价格出现明显变化，但供稿未给出足以在此量化的完整数值。
这也解释了一个容易误读的地方：局部与全局“可行性等价”，说的是至少存在一个解；它绝不是说，相邻微笑已经唯一确定整条路径。
默认答案其实是“最少添加信息”
全局空间更大之后，还需要决定从许多可行路径中选哪一条。论文考察了相对熵——衡量候选分布偏离参考分布多少的信息距离。在标准Markov参考分布下，最小化相对熵会选回拼接解。作者称它为 minimum-information completion：在市场没有提供跨期信息时，模型选择额外假设最少的补全方式。
这不是说Markov答案一定真实，而是把默认选择说清楚了。若想识别非Markov记忆，必须额外提供跨期信息、面向跨期产品的目标函数，或者一个带历史依赖的先验。只靠相邻期限微笑，信息并不够。
全局校准怎样算得动？
把所有期限放进一个联合分布，代价是状态空间迅速膨胀，报价、鞅条件和VIX对应的离散度条件还会同时拉扯同一个高维概率张量。鞅条件要求在当前信息下，下一期经调整后的SPX平均值等于当前值；离散度条件则把未来一段的对数合约与VIX连接起来。
作者提出 augmented-Bregman mirror descent。可以把它理解为一种有优先级的反复校正：对可观察的远期和期权报价，算法循环执行Bregman修正；对鞅与离散度等条件约束，则加入带权惩罚，并明确报告剩余误差。它不假装有限预算下所有条件都已精确满足，而是让报价拟合与结构残差之间的取舍可见。
在作者设计的不可行仿射系统中，这种分工把指定边际分布保持得约比 cyclic row projection 紧25倍。这个结果只说明算法如何分配一个受控冲突，比较指标也只是边际保持精度，不能理解为真实市场上的普遍提速或整体定价误差下降。
在平滑后的SPX与VIX曲面实验中，作者报告：在所扫描参数范围内，最差的微笑拟合误差低于0.70个波动率点，同时大部分条件诊断明显改善。该结论只覆盖论文使用的平滑曲面、有限网格与固定计算预算，不能外推到原始报价或其他市场状态。
为什么值得关注？
这项工作的价值，不只是提供一个更大的校准器。它把“市场报价真正告诉了我们什么”和“模型为了接完整条路径自行补了什么”分开了。
逐期限拼接仍可作为合理的最低信息基准。但对于跨多个VIX窗口的产品、路径相关风险或压力情景，同一组月度微笑可能对应一段价格区间，而不是唯一答案。全局框架让研究者能够放入额外的跨期信息，也为衡量这种尚未被市场识别的依赖风险提供了合适的状态空间。
论文还把框架延伸到SPX与VIX到期日不对齐的情形：若某个VIX结算日没有对应的SPX期权边际分布，模型可把该日SPX设为待求的自由节点，而不必先指定一个插值分布。不过，作者的精确参考构造只覆盖互不重叠的VIX观察窗口；窗口重叠时，如何一致分配共享区间的方差，仍留待后续处理。
局限与未知
- 目前是单一作者团队自述的v1预印本，材料未提供同行评审、独立复现、代码或完整实验表。
- 约25倍来自受控的不可行系统；低于0.70个波动率点来自平滑曲面和论文限定的参数扫描，两者都不是对真实市场普遍表现的保证。
- 全局建模保留了非Markov路径，但相邻微笑本身无法识别这部分依赖。若没有跨期目标或历史先验，标准相对熵仍会选回拼接解。