你用过去五年的路况训练自动驾驶，第二天却遇上暴雨。车可能把旧规则执行得很漂亮，却不懂眼前的湿滑路面。深度对冲也有类似难题：神经网络从历史或模拟行情中学习何时交易、怎样控制风险，但市场的波动、相关性和交易规律会变。回测里的好策略，到了新环境未必还好用。
Schneider、Looser、Garin、Liu 和 Kuhn 在 arXiv 预印本《Adversarial Training for Deep Hedging in Nonstationary Markets》中提出 WRAP（Wasserstein–Reweighting Adversarial Perturbation）。它在训练时主动制造两类“不利但合理”的变化：一类改变旧行情被重视的程度，另一类直接扰动行情路径。目标不是猜中下一种市场，而是让对冲策略少依赖某一种训练环境。以下效果均来自作者自己的模拟实验，尚无独立复现，也不等于已经通过同行评审。
旧数据不是越多越好
深度对冲（Deep Hedging）用神经网络直接学习一连串交易决策，而不是预先写死一条对冲公式。它处理的也不是一次静态预测：从建仓到到期，每一步持仓都取决于此前看到的市场状态。行情规律一旦改变，影响会沿着整条交易路径传递。
问题首先出在训练数据的“中心”怎么选。更多历史样本可以减少偶然误差，却会纳入更多可能已经过时的市场。只看近期数据更贴近当下，样本又太少，容易被噪声带偏。
WRAP先给历史轨迹设置一组固定的基准权重。旧轨迹通常可以被降权，近期轨迹得到更多权重；具体取舍同时考虑有效样本量与时间漂移。这里的“漂移”，就是旧数据分布与下一阶段市场之间可能累积的差异。论文给出了有限样本覆盖保证，并指出：假定的漂移越大，最优权重越偏向近期；漂移越小，权重越愿意铺到更长的历史上。
这一步只按时间顺序和漂移假设决定，不看当前策略在哪些路径上亏得最重。它负责确定训练分布的起点，后面的对抗训练再围绕这个起点施压。
两个对手，考两种薄弱点
论文把方法建立在分布鲁棒优化（DRO）上。DRO不假定未来严格服从一个确定分布，而是在一组合理的候选分布里，按较坏情形训练策略。WRAP给这个“较坏情形”两笔独立预算。
第一笔预算用于重加权。对手不能凭空创造行情，只能在 φ-divergence（衡量两组概率权重差异的一类尺度）的约束下，把更多概率分给当前策略损失较高的历史轨迹。直观地说，同一叠考卷不改题，只把最容易失分的题提高分值。
第二笔预算用于路径扰动。它通过最优传输（Optimal Transport，衡量把一种数据分布搬成另一种需要多少成本的方法）把已有轨迹向不利方向轻推。这里不只是提高某条旧路径的重要性，而是改动路径本身。论文采用按交易日期和市场变量分别缩放的距离，因此不同时间、不同变量的改动可以有不同成本。
两种攻击针对的漏洞不同。重加权关心“哪些场景容易亏”；路径扰动关心“行情稍微一变，损失会不会突然放大”。作者推导的一阶展开也给出同样的分工：稳健损失相对普通预期损失的领先阶增量，可以拆成两项——一项由不同轨迹之间的对冲损失离散程度决定，另一项由损失对路径变化的敏感度决定。两者的交互在更高阶才出现。
妙处是把难题变成一次可算的攻击
完整的DRO训练，需要在大量候选分布中反复寻找最坏者，计算代价很高。WRAP用上述一阶展开替代这个内层搜索，并构造一个显式的有限维攻击。
每轮训练里，它先根据各轨迹相对平均损失的高低调整概率：高于平均损失的轨迹增重，较容易的轨迹减重。随后，它把路径扰动预算更多分给局部敏感度较高的轨迹，并沿着能最快增加损失的方向移动。外层再用这批加权、扰动后的数据更新对冲网络。网络变化后，对手重新计算攻击。
论文证明，在两笔预算足够小时，这种由“每个样本一个概率乘数、一个扰动轨迹”组成的攻击，与完整双预算稳健问题具有相同的一阶值。换句话说，它没有精确解出整个最坏分布，却保留了小范围扰动下最重要的风险信号。
模拟实验给出了什么信号
作者先在非平稳 Heston dynamics——一种让资产价格与随机波动率共同演化的模拟机制——中测试欧洲看涨期权对冲。市场参数在八个连续区块中线性变化：前五块训练，第六块选模型，最后两块分别考察较近和较远的未来分布偏移。
论文报告，单独重加权和单独扰动路径都能改善远期风险，二者合用的 WRAP 改善最大；采用偏向近期数据的漂移感知权重后，所有四类训练方法在各评估阶段的 CVaR 都进一步下降。CVaR（Conditional Value at Risk）关注较差一段结果的平均损失。材料中的表格数值缺失，因此无法说明具体降低了多少。
可视化也符合方法的设计：重加权把概率集中到高损失情景；路径扰动主要提高价格路径的实际波动，对到期价内外程度的改变相对较小。两种机制挑中的重点轨迹并不相同，说明它们并非重复做同一件事。
作者还用真实股票价格估计 GAD（generalized affine diffusion，一类广义仿射扩散模型），再从模型中模拟路径，为五只股票的30步算术平均亚式看涨期权训练对冲策略。训练、验证和测试模型分别拟合于2008—2019年、2020—2023年和2024—2025年的价格。十种“股票×训练方案”组合中，WRAP的验证与测试期熵风险均低于两个单预算方法；与普通训练相比，它在六组中更低，另有三组持平。作者也明确指出，收益因股票而异。
为什么值得关注
这项工作的价值，不是宣称找到了不会失灵的对冲策略，而是把“市场变了”拆成三个可处理的问题：哪些旧数据仍有代表性，已有场景的概率是否估错，以及未来路径会不会长得不一样。固定基准权重处理时间相关性，动态重加权寻找高损失场景，最优传输则测试路径的局部脆弱性。
它还补上了从理论到训练流程的一段连接：双预算DRO给出问题定义，一阶展开解释两类风险分别惩罚什么，显式攻击再让这套思路可以实际训练。对深度对冲来说，这是从“在训练分布上表现好”走向“主动防备训练分布失真”的一步。
局限与未知
- 现有证据主要来自 Heston 和 GAD 生成的模拟轨迹。即使 GAD 参数取自真实股票价格，也不是直接用大量真实交易路径训练和检验，不能据此证明 WRAP 已能在实盘中“熬过市场变脸”。
- 两笔对抗预算目前通过验证集选择。作者认为，未来仍需为重加权预算建立更有原则的有限样本校准；基准权重也只依赖时间顺序，尚未按可观察市场状态或潜在制度切换调整。
- 材料没有完整披露可引用的 Heston 增益数值，也不足以核对统计显著性、全部基线及实盘压力测试。论文附录虽报告了含比例交易成本和其他风险目标的扩展结果，仍属于同一研究团队的自报实验。