把投资组合的「天书」解到只剩一个常微分方程

[2007 RFS] Portfolio Selection in Stochastic Environments
Jun Liu
Jun He June 01, 2026
资产配置 随机控制 期限结构 随机波动率
Note

本文读的是 Liu (2007, Review of Financial Studies)：当资产收益是「二次的」(quadratic)、投资者是 CRRA 偏好时，动态投资组合问题可以被显式求解到只剩一个常微分方程。这个看似技术性的结论，一口气把过去三十年散落在各处的特解装进同一个盒子，还顺手补上了利率为正 (CIR)、波动率随机 (Heston) 这两块以前解不动的拼图——并给出了三个相当反直觉的资产配置结论。

1 引言：一个被「解不出来」困住三十年的框架

先从一个让人有点尴尬的事实说起。

动态投资组合选择 (dynamic portfolio choice) 这门学问，地基是 Merton (1971) 打下的。他用随机控制 (stochastic control) 的语言，把「一个会变老、会消费、还要面对随时间变化的投资机会」的投资者，写成了一个干净的最优化问题。框架是漂亮的，思想是深刻的——可问题在于，它几乎解不出来。

为什么解不出来？因为 Merton 框架里，最优的投资组合权重，是一个非线性偏微分方程 (nonlinear partial differential equation, PDE) 的解。而一般的非线性 PDE 没有闭式解。于是一个尴尬的局面出现了：我们有了全世界最优雅的理论框架，却在大多数现实设定下，连「投资者到底该买多少股票」这个最朴素的问题都算不出一个公式来。

接下来的三十年，文献基本上是沿着两条路在突围。

第一条路是「近似」。 既然精确解没有，那就退而求其次。Kogan and Uppal (2000) 做渐近展开，Campbell and Viceira (2001)、Chacko and Viceira (2005) 用对数线性化 (log-linearization)。这些方法很有用，但本质上是在「逼近」那个解不出来的真值，精度和适用范围都要打折扣。

第二条路是「特解」。 在某些非常特殊的设定下，精确解是存在的：Kim and Omberg (1996)、Brennan (1998)、Brennan and Xia (2000, 2001)、Wachter (2003)、Sangvinatsos and Wachter (2005)。但你仔细看会发现，这些研究有一个共同的、藏在脚注里的妥协：它们都假设资产收益的波动率是常数，而短期利率和/或风险溢价服从 Ornstein–Uhlenbeck (OU) 过程。

OU 过程很好用，因为它是线性的、可以解。可它有一个致命的副作用：OU 过程允许变量取负值。也就是说，在这些模型里，短期利率可以是负的，风险溢价也可以是负的。这在数学上无所谓，但在经济上是个隐患——后面我们会看到，它甚至会污染人们对结论的解读。

于是，一个自然的问题是：有没有一类足够宽、宽到能装下利率为正、波动率随机这些现实特征，却又恰好窄到仍然可以被显式求解的资产收益模型？

这正是 Liu (2007) 的全部故事。他给这类模型起了个名字，叫二次收益 (quadratic returns)；给驱动它的状态过程起名叫二次过程 (quadratic process)。而他证明：只要资产收益是二次的、投资者是 CRRA 偏好，那个困住大家三十年的非线性 PDE，就能被求解到只剩一个常微分方程 (ordinary differential equation, ODE)。

ODE 是什么概念？是你打开数值软件、敲几行代码就能跑出来的东西。换句话说，他把「天书」翻译成了「查找表」。

2 一张写在「随机环境」里的投资网

在进入数学之前，先把这篇论文的世界观讲清楚，因为它本身就很有启发性。

Liu 的洞察是：在动态投资组合的语境下，整个投资机会集 (investment opportunity set)，其实只由资产收益动态的四个特征完全刻画——

  1. 短期利率 (short rate) r；
  2. 最大平方夏普比率 (maximal squared-Sharpe ratio) \((\mu-r)^\top(\sigma\sigma^\top)^{-1}(\mu-r)\)；
  3. 对冲协方差向量 (hedging covariance vector)——即均值-方差有效组合与各「对冲组合」之间的协方差；
  4. 未跨越协方差矩阵 (unspanned covariance matrix)——即状态变量中那部分无法被资产协方差所复制的风险。

所谓「二次收益」，说白了就是：上面这四个特征，全都是某个二次过程的二次函数。

这个定义看起来抽象，但它的威力在于「包容性」。二次过程同时把仿射过程 (affine process) 和 OU 过程都纳为特例。而二次收益这一类，又自然涵盖了文献里最常见的几种设定：仿射期限结构模型里零息债的收益 [Duffie and Kan (1996)]、风险溢价服从 OU 过程的股票收益、以及 Heston (1993) 随机波动率模型里的股票收益。

Tip

这里有一个很「石川」的类比值得记住：为投资者求最优策略的 PDE，和给一张零息债定价的 PDE，长得几乎一模一样。 这不是巧合——正是这个结构上的同构，让 Liu 能把债券定价里成熟的解析工具，直接搬到投资组合问题上来。（关于「把利率曲线拆解成几个可解的成分」这种思路，可参见《把利率曲线拆成三个人：稳态、习惯、与期待》。）

3 核心模型：从 HJB 到一个指数-二次的猜测

这是一篇彻头彻尾的理论论文，它的全部价值都在推导里。所以这一节我们一步一步来，把「为什么能解」讲透。

3.1 设定

市场上有一只无风险资产 P_0 和 M 只风险资产。它们的价格满足：

$$\frac{dP_{0t}}{P_{0t}} = r(X_t)\,dt,\qquad \frac{dP_{it}}{P_{it}} = \mu_i(X_t)\,dt + \sigma_i(X_t)\,dB_t,\quad i=1,\dots,M.$$

这里 B 是 M 维标准布朗运动。关键在于 r、μ、σ 都不是常数，而是一个 N 维状态变量向量 X 的函数。状态变量自己也在随机地动：

$$dX_t = \mu^X dt + \sigma^X dB^X_t. \tag{1}$$

X 可以是 CIR 模型里的随机短期利率，可以是可预测性研究里的股息率，也可以是随机波动率模型里的波动率过程。dB^X 与 dB 之间的相关结构由矩阵 ρ 刻画——这一点至关重要，它是「对冲需求」存在的根源。

投资者要最大化的，是同时定义在中间消费和终端财富上的期望效用：

$$E_0\!\left[\int_0^T \lambda\, e^{-\beta t}\frac{C_t^{1-\gamma}}{1-\gamma}\,dt + (1-\lambda)\,e^{-\beta T}\frac{W_T^{1-\gamma}}{1-\gamma}\right], \tag{2}$$

其中 γ 是相对风险厌恶系数 (CRRA coefficient)，β 是主观贴现率，λ 调节中间消费与遗赠的相对重要性。当 λ = 0 时，效用只取决于终端财富，问题退化为纯粹的资产配置问题。财富 W 的动态遵循自融资约束：

$$dW_t = W_t\big[\pi_t^\top(\mu - r) + r\big]dt - C_t\,dt + W_t\,\pi_t^\top \sigma\, dB_t.$$

3.2 HJB 与那个关键的猜测

按 Merton 的套路，令 J(t,W,X) 为间接效用函数 (indirect utility function)，最优性原理给出 Hamilton–Jacobi–Bellman (HJB) 方程：

$$\max_{\pi,C}\Big\{ \tfrac{\partial J}{\partial t} + \tfrac12 W^2\pi^\top\sigma\sigma^\top\pi\, J_{WW} + W\big[\pi^\top(\mu-r)+r\big]J_W - C J_W$$ $$+\, W\pi^\top\sigma\rho^\top\sigma^{X\top}J_{WX} + \tfrac12\mathrm{Tr}\!\big(\sigma^X\sigma^{X\top}J_{XX^\top}\big) + \mu^{X\top}J_X + \lambda e^{-\beta t}\tfrac{C^{1-\gamma}}{1-\gamma}\Big\}=0. \tag{3}$$

直接解这个东西是没有希望的。Liu 的第一步，是沿用 CRRA 效用的经典技巧——猜一个形式：

$$J(t,W,X) = e^{-\beta t}\,\frac{W^{1-\gamma}}{1-\gamma}\,f(X,t)^\gamma. \tag{4}$$

为什么这个猜测合理？因为 CRRA 效用对财富是齐次的，间接效用必然把财富那部分 \(W^{1-\gamma}\) 单独拎出来；剩下所有跟「投资机会好不好」相关的信息，都被压缩进了那个标量函数 f(X,t) 里。f 就是投资者对状态变量 X 的全部「态度」。

把猜测代回 HJB，做一阶条件，最优消费和最优组合就掉了出来：

$$C^* = \lambda^{1/\gamma}\,W\,f^{-1}, \tag{5}$$

而投资组合权重 (6) 长这样——这是全文的心脏，我们用一张带标注的图把它拆开看：

$$ \pi^* = \cssId{a1}{\frac{1}{\gamma}(\sigma\sigma^\top)^{-1}(\mu - r)} \;+\; \cssId{a2}{(\sigma^\top)^{-1}\rho^\top\sigma^{X\top}\frac{\partial \ln f}{\partial X}} $$

第一项是教科书里那个熟悉的均值-方差组合，一个只有单期视野的投资者就会这么配。真正让动态问题区别于静态问题的，是第二项。∂ln f/∂X 度量了间接效用对投资机会的敏感度——当状态变量 X 变动会让未来投资环境变差时，投资者会主动持有那些与 X 高度相关的资产来「上保险」。这就是 Merton 跨期对冲需求的精确表达。（关于跨期对冲、尤其是「会怕波动率」这颗心，可参见《市场之外，长期投资者还在怕什么？——给 CAPM 装上第三颗「会怕波动」的心》。）

3.3 PDE 塌缩成 ODE：真正关键的一步

把 (4)(5)(6) 代回 (3)，一切就归结为求解 f 所满足的 PDE。在完全市场下，非线性项会消失，问题进一步简化为求解一个关于 \(\hat f\) 的线性 PDE (8)，其核心结构是：

$$\frac{\partial \hat f}{\partial t} + \tfrac12\mathrm{Tr}\!\big(\sigma^X\sigma^{X\top}\hat f_{XX^\top}\big) + \Big[\mu^X + \tfrac{1-\gamma}{\gamma}\sigma^X\rho\,\sigma^{-1}(\mu-r)\Big]^\top \hat f_X + (\cdots)\,\hat f = 0.$$

接下来是全文最漂亮、也最关键的一步。Liu 提出一个猜测：

$$\hat f(t,X) = \exp\!\Big(c(t) + d(t)^\top X + \tfrac12 X^\top \Phi^\top Q(t)\,\Phi X\Big). \tag{$\star$}$$

这是一个指数-二次 (exponential-quadratic) 的形式：指数里既有 X 的线性项，又有 X 的二次型。他随即证明：只要 PDE 的所有系数都是 ΦX 的二次函数、X 的线性函数（在若干参数约束下），那么 \((\star)\) 就恰好是这个 PDE 的解。

为什么？因为把 \((\star)\) 代进 PDE 后，左边每一项至多是 ΦX 的二次、X 的线性（乘以一个 \(\hat f\) 因子）。而方程要对所有 X 都成立，这就逼着这些项的系数必须逐一为零。于是——

PDE 就这样被「降维」成了几个 ODE。这就是「显式解到一个 ODE」的全部含义。 它和仿射期限结构模型里 Riccati 方程那套机制，是同一种数学魔法。

3.4 钥匙：什么是二次过程

那么，到底什么样的状态过程能让上面这套机制成立？答案就是二次过程。Liu 要求状态向量 X 的漂移和扩散系数本身都是自己的二次函数：

$$\mu^X = k - KX + \tfrac12 X^\top\Phi^\top\!\cdot K_2\cdot \Phi X, \tag{9}$$

$$\sigma^X\sigma^{X\top} = h_0 + h_1\cdot X + X^\top\Phi^\top\!\cdot h_2\cdot \Phi X, \tag{10}$$

并施加参数约束：

$$K^\top\Phi^\top = \Phi^\top\hat K,\quad K_2\Phi^\top = 0,\quad h_1\Phi^\top = 0,\quad h_2\Phi^\top = 0. \tag{11}$$

这组约束 (11) 不是凭空来的，它有一个非常具体的作用：它保证 ΦX 是一个多元 OU 过程。 直觉上，Φ 像一个「过滤器」，它把状态向量 X 投影到一个表现得像 OU 过程的子空间上；而 X 本身可以同时携带仿射过程（保证利率、波动率为正）和 OU 过程（Constantinides 1992 的二次高斯结构）两种成分。

二次过程的两个特例，正好把整个文献串了起来：

换句话说，过去三十年所有那些散落的精确解，全都是这个二次框架的特例。这就是 Liu 这篇论文的统一力量所在。

4 三个应用：把利率、波动率一次性请进来

光有抽象框架还不够。Liu 给出三个文献里没有过的具体应用，来证明这套机器真能转。

应用一：债券组合。 他先构造了「二次期限结构模型」(quadratic term structure models)，它同时嵌套了 Constantinides (1992) 的二次高斯模型和 Duffie and Kan (1996) 的仿射模型。用这个无套利模型导出各期限零息债的收益，再求解组合问题。对 Cox–Ingersoll–Ross (CIR) 这个特例，零息债的组合权重甚至有完全闭式解。CIR 的好处是它保证短期利率严格为正——这正是 OU 类模型做不到的。

应用二：股票组合 + 随机波动率。 当股票收益的波动率服从 Heston (1993) 模型时，求解最优股票组合。这里有一个关键点：Heston 模型里的风险溢价是严格为正的。这个性质后面会用来「证清白」。

应用三：股票 + 债券，且利率随机、波动率也随机。 这是最完整的设定：股票同时承受 CIR 描述的利率风险和 Heston 描述的波动率风险。借助下面要讲的「分离定理」，债券和股票的组合权重可以分别用 CIR 和 Heston 两个子问题的解拼出来。

5 三个反直觉的结论

显式解最大的好处，是能让你看清那些被近似解模糊掉的细节。Liu 报告了三个动态组合权重区别于静态权重的性质，每一个都值得停下来想一想。

结论一：即使风险溢价严格为正，动态组合权重也可能为负。

这话听起来荒谬——风险溢价是正的，凭什么要做空？在 Kim and Omberg (1996)、Brennan and Xia (2001) 里，动态权重确实也能为负，但你无法判断那个负号到底是「动态对冲」造成的，还是仅仅因为他们模型里的风险溢价（OU 过程）本身可以取负值。这正是 OU 设定埋下的解读隐患。

而在应用二里，Heston 的风险溢价是严格为正的。所以一旦组合权重出现负号，就只能有一个解释：它纯粹来自动态对冲需求。这是第一次，有人能干净利落地把「负权重」归因到动态本身，而不是归因到一个会取负值的风险溢价。这就是显式解、加上一个「风险溢价永远为正」的模型，所带来的识别上的清白。

结论二：即使风险溢价严格为正，动态组合权重也未必随风险厌恶递减。

静态直觉告诉我们：越怕风险，就该越少买股票。Kogan and Uppal (2000) 独立地指出过动态权重可能随风险厌恶上升，但 Liu 的例子更尖锐——因为他的风险溢价是严格为正的，排除了「负溢价捣乱」的可能。这意味着「越怕越少买」这条朴素规律，在动态世界里会失效。

结论三：债券与股票的组合权重之比，随风险厌恶上升而上升。

这个结论的分量在于它解决了一个著名的实证之谜。

6 分离定理与 Canner–Mankiw–Weil 之谜

Canner, Mankiw, and Weil (1997) 提出过一个「资产配置之谜」(asset allocation puzzle)：理财顾问普遍建议，越保守的投资者，债券相对股票的配置比例应该越高。但标准的静态均值-方差理论说，所有投资者持有的风险资产组合内部比例应该相同（两基金分离），与风险厌恶无关。理论和实务对不上。

Liu 的贡献是用一个内生于动态对冲需求的机制给出了解释。他先证明了一个分离定理 (separation result)：当「驱动利率的状态变量」与「只驱动股票收益的状态变量」相互独立时，债券-股票联合组合问题，可以分解成一个纯债券问题加一个纯股票问题。这让复杂应用三变得可解。

而在他的设定里，状态变量服从平方根过程 (square-root process, 即 CIR 那一类)，而非前人用的 OU 过程。在这套机制下，债券对股票的权重之比天然地随风险厌恶递增——于是 Canner–Mankiw–Weil 之谜被化解了。

Note

值得强调的是，Brennan and Xia (2000)、Campbell and Viceira (2001)、Wachter (2003) 也都在动态框架里化解过这个谜，但他们用的是 OU 过程。Liu 的不同在于：他用的是保证利率为正的平方根过程，并且把结论建立在显式解之上，而不是近似。

7 文献脉络

把这条线索捋一捋，故事其实很清晰。

源头是 Merton (1969, 1971)——他给出了连续时间动态投资组合的完整框架，也给出了「短视需求 + 跨期对冲需求」这个永恒的分解，但留下了「非线性 PDE 解不出来」的难题。

两条技术支流随后汇入。一条来自期限结构：Constantinides (1992) 证明短期利率若是 OU 过程的二次函数，债券收益率就是 OU 过程的二次函数；Duffie and Kan (1996) 系统化了仿射期限结构。另一条来自衍生品：Heston (1993) 给出了随机波动率的闭式解。这两条支流提供的，正是「指数-仿射 / 指数-二次」这种可解结构。

投资组合这一支则在 Merton 之后分成「近似派」（Kogan and Uppal 2000；Campbell and Viceira 2001）与「特解派」（Kim and Omberg 1996；Wachter 2003；Sangvinatsos and Wachter 2005）。Schroder and Skiadas (1999) 在随机微分效用下给出了仿射收益、完全市场情形的一般刻画。而 Canner, Mankiw, and Weil (1997) 抛出的那个资产配置之谜，则成了检验这些模型的试金石。

文献脉络时间线
文献脉络时间线（按发表年份排布；红色为本文）

Liu (2007) 所处的位置，是把期限结构那一支成熟的「指数-二次」解析工具，搬进投资组合这一支，用「二次过程 / 二次收益」这把钥匙，同时统一了特解派（作为特例）、补上了利率为正与波动率随机（前人解不动），并把不完全市场、终端财富情形也一并纳入。它是这条脉络上一次罕见的「收口」之作。

8 评论与延伸（Q&A + 研究方向）

(a) 几个可能的疑问

Q：「二次过程」和「仿射过程」到底差在哪？为什么要多此一举造一个新类？

仿射过程要求漂移和扩散是状态变量的线性函数；二次过程允许它们是二次函数（受约束 (11) 制约）。代价几乎为零——二次过程保持了和仿射过程一样的解析可解性（都归结为 ODE）——但换来的灵活性是实打实的：它能同时容纳 Constantinides (1992) 的二次高斯结构和 CIR 的平方根结构。仿射只是它 Φ=0 的特例。

Q：所谓「解到一个 ODE」，是不是只是把难题换了个地方？ODE 真的更容易吗？

是真的更容易。非线性 PDE 一般没有闭式解，数值求解也昂贵且不稳定；而（常）ODE 是初值/终值问题，用 Runge–Kutta 几行代码就能高精度求解。Riccati 型 ODE 在很多情形下甚至有解析解（如 CIR 的债券权重）。从 PDE 到 ODE，是从「基本无望」到「例行公事」的跨越。

Q：完全市场和不完全市场，处理上有什么本质区别？

关键在那个非线性项。当市场完全（状态变量风险能被资产完全复制）时，PDE 里的非线性项消失，f 与 \(\hat f\) 之间有简单关系，问题最干净。当市场不完全（如随机波动率却没有相应衍生品可交易，或可预测因子无法复制）时，非线性项保留。Liu 的处理是：在有中间消费 (λ>0) 时假设市场完全；在不完全市场下则只考虑终端财富效用 (λ=0)。这是一个诚实的边界，而非含糊带过。

Q：负的组合权重那个结论，凭什么比前人更可信？

因为「证清白」用的是模型结构本身。前人模型的风险溢价（OU）可以为负，所以负权重有两个嫌疑来源，无法区分。Liu 在应用二里用 Heston，风险溢价严格为正，把第二个嫌疑从源头排除了——剩下的负号只能归于动态对冲。这是用模型设定做的一次干净识别，逻辑上无懈可击。

Q：这套框架能直接拿去做实证/校准吗？

能做校准（calibration）——三个应用本身就是参数化的、可数值求解的模型，给定参数就能算出权重路径。但它不是一个「拿数据估计、做假设检验」意义上的实证论文。它的价值是规范性 (normative) 与方法论的：告诉你在给定的随机环境下，最优策略应该长什么样，以及为什么。

Q：CRRA 这个偏好假设有多关键？换成别的会塌吗？

相当关键。整个 (4) 的猜测，依赖 CRRA 对财富的齐次性，才能把 \(W^{1-\gamma}\) 分离出来。Schroder and Skiadas (1999) 把它推广到随机微分效用（递归效用，含 CRRA 为特例），代价是更复杂的刻画。脱离这一类「可分离」的偏好，指数-二次的猜测就不再成立，机器会卡住。

(b) 几个可能的研究问题与提案

1. 把二次框架搬到公司债的最优持有上。 【经济故事】现有应用聚焦无违约的利率债与股票。但公司债收益同时受利率风险、违约强度 (default intensity) 和流动性风险驱动——而仿射违约强度模型恰恰是二次过程的近亲。一个投资者面对「利率 + 违约 + 流动性」三维状态时的最优信用债配置，理论上可能仍落在「解到 ODE」的范围内。 【可行性】中。理论延拓是 doable 的（违约强度若设为平方根过程，结构与 CIR 高度同构）；难点在流动性风险通常不可交易，会把问题推入不完全市场，需要在 λ=0 的终端财富情形下处理。数据上可用 TRACE 校准利差成分。

2. 跨境投资者的「货币 + 利率」二维对冲需求。 【经济故事】外资持有人买美债，既承担美国利率风险，又承担汇率风险，而汇率与利率高度相关（ρ 非零）。Liu 的对冲项 \(\rho^\top\sigma^{X\top}\partial\ln f/\partial X\) 恰好是刻画「为对冲汇率-利率联动而额外持有的头寸」的天然语言。 【可行性】中。需要一个二次/仿射的联合汇率-利率模型（文献中有现成的 multi-currency affine 模型可借），识别策略是校准而非因果推断。能产出「外资在不同风险厌恶下该如何对冲」的规范性结论，与「外资是不是稳定持有人」的实证议题形成互补。

3. 不完全市场下负对冲需求的实证印记。 【经济故事】结论一说「正溢价也能有负权重」。如果真有投资者按动态对冲在配置，那么在波动率冲击大的时期，我们应能在机构持仓数据里观察到「明明溢价为正却减仓」的截面模式。 【可行性】中偏低。需要高频持仓 + 波动率状态变量，且要把动态对冲与去杠杆、风控限额等替代解释分开——识别难度不小，但若能做出来会很有说服力（关于持仓与组合选择的实证，可参照《把收入风险的「丑陋一面」还给模型——风险厌恶其实没那么高》 的思路）。

4. 把生命周期与二次环境拼起来。 【经济故事】Liu 的投资者有固定期限 T 但没有劳动收入与年龄结构。把不可交易的劳动收入（也设成二次/仿射过程）加进来，能同时解释「年轻人为什么不敢买股票」与「利率/波动率随机如何改变这一结论」。 【可行性】中。不可交易收入会带来市场不完全，需限定在 λ=0 或近似处理；但生命周期 + OU 收入的解析框架已有先例（见《年轻人为什么不敢买股票？——把「习惯」请进生命周期的投资账本》），二次扩展是自然的一步。

最后说说我作为评述者的判断。

贡献是清楚而扎实的：这不是又一个「解决某个特例」的论文，而是一篇做减法的论文——它找到了「可解性」的真正边界（二次结构），并证明此前三十年的精确解全是这条边界内的点。它补上的两块拼图（利率为正的平方根过程、随机波动率）尤其重要，因为它们是 OU 类模型在经济上最尴尬的两处短板。对 Canner–Mankiw–Weil 之谜的化解，则是「显式解能照亮什么」的一个漂亮示范。

我的保留有二。其一是完全市场假设的代价：一旦要有中间消费，框架就退回完全市场，而现实中随机波动率、不可交易收入恰恰制造不完全市场——论文对此是诚实的，但这意味着「最完整」的应用三在带消费时的适用性是受限的。其二是这终究是一篇规范性、无数据的论文：它告诉你最优策略长什么样，却不告诉你真实投资者是否如此行事。两个反直觉结论（正溢价负权重、权重随风险厌恶上升）极具启发性，但它们目前还是「模型的预言」，等待实证去检验。

后续我最想看到的，是有人把这套二次机器拉到信用市场和跨境持有人的语境里去——既因为那里的状态变量（违约强度、汇率）天然带着仿射/平方根结构，框架几乎是现成的；也因为那里恰好有 TRACE、持仓明细这类能让规范性结论接受现实拷问的数据。理论的边界已经画好，下一步是看它在数据里站不站得住。

参考文献