On the Martingale Schrödinger Bridge between Two Distributions

鞅最优传输起源于金融数学中的风险中性定价，经过多年的发展，已成为统计学、优化和概率论的重要交叉领域。经典的Schrödinger桥问题最早由Schrödinger提出，旨在寻找最可能的随机演化路径，后被引入最优传输的正则化版本——熵正则化最优传输（EOT），由Cuturi等人推动。EOT利用潜在函数（f, g）描述最优耦合的指数密度结构，具有良好的数值性质和统计性质，广泛应用于图像匹配、机器学习等领域。然而，涉及多边缘鞅约束的传输问题，因其复杂的鞅条件和潜在函数的构造难题，尚未得到系统性解决。近年来，金融工程中对多边缘鞅模型的需求不断增长，推动了鞅最优传输理论的深入发展，但潜在函数的存在性和唯一性仍是核心难题。

核心问题在于如何在多边缘条件下，构造满足鞅约束的最优耦合潜在函数。传统方法多依赖指数型结构，但在多边缘鞅约束下，潜在函数的可积性和唯一性难以保证。具体表现为：鞅约束引入的(y−x)项使得潜在函数的空间条件变得复杂，导致潜在函数可能不满足必要的正则性，影响理论的严密性和数值实现。这限制了鞅Schrödinger桥在实际中的应用范围，也阻碍了其在金融风险管理中的推广。

本研究的创新点在于：1）引入辅助问题cM(μ, ν)，用较弱的约束替代鞅条件，简化潜在函数的构造；2）利用对偶最大化框架，证明潜在函数(f, g, h)在多边缘鞅条件下的存在性和唯一性；3）将潜在函数表示为指数型，且h(x)(y−x)作为鞅约束的拉格朗日乘子，拓宽了潜在函数的表达范围。这些创新突破了传统指数潜在结构的局限，为多边缘鞅传输提供了坚实的理论基础。

• �� 构建弱化的辅助问题cM(μ, ν)，定义熵最小化目标；
• �� 利用Sion极值定理和紧性，证明辅助问题存在唯一最优解ˆπ；
• �� 通过对偶分析，推导潜在函数(f, g, h)，确保其满足空间条件和鞅约束；
• �� 利用紧性和正则性条件，证明潜在函数的指数表达形式；
• �� 采用极限分析和正则化技巧，确保潜在函数的严格唯一性和可积性。

实验设计包括在一维正态分布和边缘分布的多边缘鞅模型中验证潜在函数的构造。采用模拟数据，比较不同假设条件下潜在函数的数值稳定性和收敛速度。通过数值实验验证潜在函数的指数表达形式，分析其对算法如Sinkhorn迭代的影响。关键指标包括相对熵值、潜在函数的L1和L0空间范数，以及鞅条件的满足程度。

实验结果显示，在满足假设2.1和2.3条件下，潜在函数具有良好的数值稳定性，潜在密度的指数表达形式得以验证。潜在函数的构造显著优于传统方法，收敛速度快，数值误差低。潜在函数的唯一性和空间条件得到验证，为多边缘鞅传输的理论提供了坚实基础。与传统指数潜在模型相比，本方法在复杂边缘条件下表现出更优的适应性和稳定性。

该理论可直接应用于金融衍生品定价、风险管理和资产配置，尤其适合多期、多边缘的风险中性定价模型。通过潜在函数的构造，可实现复杂市场数据的拟合和风险评估，为金融工程提供数学工具。未来还可结合深度学习实现潜在函数的高效近似，推动智能金融的发展。

目前的模型假设边界支持和非零角条件限制了其在极端分布中的适用性，实际应用中可能面临数值不稳定问题。潜在函数的构造依赖于严格的正则性条件，复杂高维场景下的推广仍待研究。此外，算法的计算成本较高，需优化数值实现以适应大规模数据。未来需突破这些限制，拓展模型的适用范围。