Compliance de empréstimo, riscos dependentes de estado e sinais de filings SEC organizam a semana em cs.AI.
PROBE propõe auditar continuamente se um agente que usa ferramentas obedece políticas de preço, privacidade e confirmação — não só medir sucesso da tarefa. LatentRiskBench isola um tipo de risco que nenhum benchmark de ação isolada capta: a mesma ação pode ser segura num estado do fluxo de trabalho e violar política em outro. LLM-Based Policy Compliance Verification of Loan Applications (cross-listado) aplica verificação automática de política de crédito, e From SEC Filings to Financial Signals testa se a leitura de LLMs sobre a seção MD&A de um 10-Q se alinha com a reação real do mercado e do analista, não só com a resposta correta de um QA.
EVOLUÇÃO
Na W41, o tema era atribuir crédito certo à decisão do agente; esta semana o crédito dá lugar à auditoria — verificar se a ação obedeceu política, dado o estado do fluxo de trabalho.
O QUE FAZER COM ISSO
Compliance de agentes de crédito deveria testar política contra o estado do fluxo de trabalho, não só contra a ação isolada.
cs.AI recebe centenas de papers/semana; a seleção usou um filtro por palavra-chave sobre título e abstract da API oficial do arXiv, não leitura de todos os títulos. Abstracts dos papers citados foram lidos; os demais papers carregados no grafo não têm abstract.
Lacunas entre execução e relato, monitoramento em tempo real e compliance de crédito.
Entre os 50 títulos visíveis de 15/out, a pré-seleção destacou um fio comum: verificar agentes, não apenas medi-los. O destaque aplica LLMs à verificação de conformidade de propostas de crédito com políticas internas — caso de uso imediato para bancos. Outros trabalhos medem a diferença entre o estado real da tarefa e o que agentes de código reportam, propõem monitoramento em tempo de execução independente de formalismo, corrigem infidelidade de agentes via representações internas e avaliam raciocínio sobre regras complexas (RuleTrek). Há ainda um estudo sobre formação de consenso entre LLMs sob incentivos concorrentes e a economia de escalar agentes entre desenvolvedores. Os abstracts não foram lidos; a seleção é por título.
EVOLUÇÃO
A W40 mostrava que agente que passa no teste ainda erra o processo; esta semana surgem ferramentas para detectar esse erro.
O QUE FAZER COM ISSO
Fluxos agênticos em crédito e compliance precisam de checagem independente entre o que o agente executou e o que relatou.
Cobertura parcial: a listagem q-fin veio truncada (12 de 36 papers de 14/out faltando; 12 e 13/out não exibidos); as páginas econ e cs.MA vieram desatualizadas (econ coberto só por cross-lists da listagem q-fin); cs.AI e cs.CL mostraram só 50 títulos de um único dia e cs.LG nenhum título da janela. Os papers de IA foram pré-selecionados pelo título. Só 6 abstracts foram lidos (3 adicionados no complemento de 20/out) (resumos via WebFetch, abstractVerified=false); o restante da análise se apoia em títulos. Ficaram pendentes as listagens e o abs 2610.18921 (HTTP 429).
Auditoria de conselho financeiro de LLM sob instabilidade de risco do cliente, e dois benchmarks de dados financeiros em texto.
Same Person, Different Advice mostra que conselheiros de IA fixam a alocação de um cliente numa única pergunta de tolerância a risco, mas pessoas reais respondem essa pergunta de forma instável — 41% mudam de resposta em dois anos — e testa sete LLMs quanto à sensibilidade desse conselho à instabilidade. XForecast cobra previsão de preço de ação a quatro semanas fundamentada em notícias, não só em série numérica, e FinGREAT avalia se LLMs conseguem extrair e tipar evidência de divulgações financeiras guiadas por um grafo, além da clássica pergunta-resposta.
EVOLUÇÃO
A W41 verificava se a citação sustentava o número; esta semana o teste muda para se o conselho muda quando a resposta do cliente muda.
O QUE FAZER COM ISSO
Conselho de alocação por IA deveria ser testado contra a instabilidade real da resposta do cliente ao questionário de risco, não só contra uma resposta fixa.
cs.CL recebe centenas de papers/semana; a seleção usou um filtro por palavra-chave sobre título e abstract da API oficial do arXiv. Abstracts dos papers citados foram lidos; os demais papers carregados no grafo não têm abstract.
Benchmarks de premissa, memória e uso de evidência para dados corporativos.
Dos 50 títulos visíveis de 16/out, nenhum era de finanças, mas vários tocam o uso de LLMs sobre dados empresariais. O destaque, PremiseSQL, avalia se sistemas text-to-SQL criticam premissas falsas e se abstêm em vez de inventar consultas — requisito básico para assistentes sobre bases de clientes e posições. Outros trabalhos mostram que LLMs com busca recuperam evidência mas não a usam, que notas atribuídas por LLMs mudam com a escala de rating, e que alucinação procedural em agentes conversacionais exige avaliação própria. O contrato de disponibilidade para earnings calls, cross-listado, é o único item diretamente financeiro. Seleção feita por título.
EVOLUÇÃO
A W40 trouxe um benchmark de dados corporativos em escala real; esta semana o foco vai para abstenção e uso de evidência.
O QUE FAZER COM ISSO
Assistentes de dados em bancos devem ser avaliados quanto a abstenção diante de perguntas com premissas erradas.
Cobertura parcial: a listagem q-fin veio truncada (12 de 36 papers de 14/out faltando; 12 e 13/out não exibidos); as páginas econ e cs.MA vieram desatualizadas (econ coberto só por cross-lists da listagem q-fin); cs.AI e cs.CL mostraram só 50 títulos de um único dia e cs.LG nenhum título da janela. Os papers de IA foram pré-selecionados pelo título. Só 6 abstracts foram lidos (3 adicionados no complemento de 20/out) (resumos via WebFetch, abstractVerified=false); o restante da análise se apoia em títulos. Ficaram pendentes as listagens e o abs 2610.18921 (HTTP 429).
Tratar overoptimization como aluguel, não como bug
Reward hacking visto como rent-seeking, incentivo de mercado para investir em segurança e RL avesso a risco.
Rent-Seeking Language Models reformula overoptimization de reward model em RLHF como um problema de rent-seeking — a política é uma firma que recebe recompensa de um regulador (o reward model) sem que a qualidade real sustente aquele valor — e mostra que auditorias frequentes reduzem esse aluguel. Market Incentives for AI Safety Investment modela como a maximização de lucro de firmas que desenvolvem IA molda o investimento em segurança, e Provably Efficient Risk-Sensitive Offline RL desenvolve uma teoria geral para aprender políticas avessas a risco a partir de dados fixos, sem interação adicional cara.
EVOLUÇÃO
A W41 tratava do mundo financeiro como objeto a modelar; esta semana o risco migra para o incentivo econômico de quem treina e audita o próprio modelo.
O QUE FAZER COM ISSO
Overoptimization de reward model deveria ser medido e orçado como uma renda extraída, com auditoria como o mecanismo que a reduz — não só mitigado no desenho do reward.
cs.LG recebe centenas de papers/semana; a seleção usou um filtro por palavra-chave sobre título e abstract da API oficial do arXiv. Abstracts dos papers citados foram lidos; os demais papers carregados no grafo não têm abstract.
Cobertura apoiada em cross-lists, pois a listagem cs.LG não mostrou a janela.
A página cs.LG exibiu apenas o dia 19/out, fora da janela, então os dez papers deste tema vêm de cross-lists capturados nas listagens q-fin, cs.AI e cs.CL. O recorte é útil para finanças: um estudo examina como momentum, tom de comentário e surpresa de lucros afetam previsões de LLMs; o RICE-Alpha corrige agentes LLM de previsão de ações com grafos de eventos; o StochLOB usa score matching com caudas pesadas para prever tendências do livro de ordens; e solvers neurais condicionais aceleram a precificação sob volatilidade estocástica paramétrica. O contrato de disponibilidade para benchmarks de earnings calls também é cross-listado aqui e é a contribuição metodológica mais relevante.
EVOLUÇÃO
Na W40 o alerta era que especializar LLMs em trading tem custo; agora a ênfase é em vieses e validade temporal dessas previsões.
O QUE FAZER COM ISSO
Modelos de ML para sinais de mercado devem documentar quando cada input fica disponível, não só a divisão treino-teste.
Cobertura parcial: a listagem q-fin veio truncada (12 de 36 papers de 14/out faltando; 12 e 13/out não exibidos); as páginas econ e cs.MA vieram desatualizadas (econ coberto só por cross-lists da listagem q-fin); cs.AI e cs.CL mostraram só 50 títulos de um único dia e cs.LG nenhum título da janela. Os papers de IA foram pré-selecionados pelo título. Só 6 abstracts foram lidos (3 adicionados no complemento de 20/out) (resumos via WebFetch, abstractVerified=false); o restante da análise se apoia em títulos. Ficaram pendentes as listagens e o abs 2610.18921 (HTTP 429).
Três papers via cross-list, pois a listagem cs.MA veio desatualizada.
A página cs.MA retornou conteúdo de setembro, então os três papers deste tema vêm de cross-lists da listagem cs.AI. Um estudo de simulação investiga o que leva LLMs a formar consenso sob incentivos concorrentes — pergunta central para comitês de agentes em decisões de investimento e para o risco de comportamento de manada entre modelos. Outro trabalho discute a economia de escalar IA agêntica entre desenvolvedores, e o LAGO propõe agentes de linguagem com opções reutilizáveis que crescem com o uso. O tema dialoga com o paper de crédito da semana, em que agentes com a mesma interface alavancaram mercados inteiros. Seleção e análise por título.
EVOLUÇÃO
Na W40 não houve papers na categoria; esta semana há três, todos via cross-list.
O QUE FAZER COM ISSO
Sistemas multiagente em finanças devem testar diversidade de incentivos e prompts para evitar consenso artificial.
Cobertura parcial: a listagem q-fin veio truncada (12 de 36 papers de 14/out faltando; 12 e 13/out não exibidos); as páginas econ e cs.MA vieram desatualizadas (econ coberto só por cross-lists da listagem q-fin); cs.AI e cs.CL mostraram só 50 títulos de um único dia e cs.LG nenhum título da janela. Os papers de IA foram pré-selecionados pelo título. Só 6 abstracts foram lidos (3 adicionados no complemento de 20/out) (resumos via WebFetch, abstractVerified=false); o restante da análise se apoia em títulos. Ficaram pendentes as listagens e o abs 2610.18921 (HTTP 429).
Taxonomia de falha entre agentes de principais diferentes, e preços que escapam do equilíbrio competitivo entre LLMs.
Why Do Agent Teams Fail Across Boundaries propõe uma taxonomia de falhas específicas de sistemas agente-a-agente onde cada lado tem estado privado e representa um principal diferente — o tipo de falha que só aparece na fronteira entre organizações, não dentro de uma equipe de agentes. How Language Model Agents Reshape Price Competition mostra que agentes de precificação por LLM conseguem escapar do benchmark de Bertrand (preço perto do custo marginal) dependendo de como são implantados — ecoando a colusão entre LLMs heterogêneos da semana passada. Price of Anarchy of First-Price Auctions in Agentic Markets mede a ineficiência de leilões de primeiro preço quando agentes de IA disputam cada prompt do usuário pelo lance.
EVOLUÇÃO
A W41 mostrava colusão entre LLMs heterogêneos sem comunicação; esta semana o fenômeno se estende para a fronteira entre organizações e para leilões de prompts.
O QUE FAZER COM ISSO
Supervisão de sistemas agente-a-agente entre organizações diferentes precisa de uma taxonomia de falha própria, que o teste interno de uma equipe de agentes não cobre.
cs.MA recebe ~110 papers/semana; a seleção usou um filtro por palavra-chave sobre título e abstract da API oficial do arXiv. Abstracts dos papers citados foram lidos; os demais papers carregados no grafo não têm abstract.
Competição humano-IA, deslocamento endógeno e texto de bancos centrais dominam a amostra visível.
Com a listagem econ desatualizada, a cobertura desta semana vem dos cross-lists capturados na página q-fin, o que concentra a amostra em econ.GN. Ainda assim, o recorte é coerente: três papers tratam a IA como agente econômico. Um experimento de mercado põe humanos e IA em competição direta ('destruição criadora'); um modelo de busca e matching argumenta que o deslocamento de trabalhadores por IA é endógeno às decisões de contratação; e um estudo com equipes criativas mostra que a IA generativa altera o momento em que ideias são descartadas. Para bancos, o paper mais útil é metodológico: como lidar com incerteza de modelo em regressões text-as-data, com aplicação à comunicação de bancos centrais — base de muitos sinais de política monetária usados em renda fixa. Há ainda um ensaio sobre alocação de computação de fronteira para pesquisa de segurança e um paper de risco climático cruzado com econ.EM.
EVOLUÇÃO
A W40 alertava para automação que corrói a verificação humana; esta semana estende o debate para competição e deslocamento no mercado de trabalho.
O QUE FAZER COM ISSO
Indicadores de sentimento de banco central devem reportar a sensibilidade à escolha de qual texto entra no modelo, não só a um único dicionário ou LLM.
Cobertura parcial: a listagem q-fin veio truncada (12 de 36 papers de 14/out faltando; 12 e 13/out não exibidos); as páginas econ e cs.MA vieram desatualizadas (econ coberto só por cross-lists da listagem q-fin); cs.AI e cs.CL mostraram só 50 títulos de um único dia e cs.LG nenhum título da janela. Os papers de IA foram pré-selecionados pelo título. Só 6 abstracts foram lidos (3 adicionados no complemento de 20/out) (resumos via WebFetch, abstractVerified=false); o restante da análise se apoia em títulos. Ficaram pendentes as listagens e o abs 2610.18921 (HTTP 429).
O índice de atividade de IA mede o quê, exatamente
Problema de identificação em índices de IA, nova medida de exposição do trabalho à robótica e polarização estratégica.
Do AI Activity Indices Really Measure AI Activity mostra que um índice construído como razão esconde estruturalmente se o movimento vem do numerador ou do denominador — mais observações ou efeitos fixos mais ricos não resolvem essa ambiguidade. How Exposed Is Work to Robotics constrói a primeira medida de exposição baseada em habilidades (não em patentes ou instalações passadas) para robótica, separando-a da exposição a IA de software. AI Information Synthesis and Content Polarization mostra que a capacidade da IA de sintetizar informação dispersa de forma equilibrada pode ser anulada pela resposta estratégica de quem produz o conteúdo.
EVOLUÇÃO
A W41 tratava do design de mercado para agentes de IA; esta semana o foco recua para como medir, em primeiro lugar, a própria atividade de IA na economia.
O QUE FAZER COM ISSO
Painéis que acompanham "atividade de IA" via índice-razão deveriam decompor numerador e denominador antes de interpretar uma alta ou queda.
econ entra por completo nesta edição (todas as subcategorias, ~60 papers/semana), via API oficial do arXiv. Abstracts dos papers citados foram lidos; os demais papers carregados no grafo não têm abstract.
Protocolo de credibilidade para VAR-LiNGAM e inferência robusta quando o resultado vem de machine learning.
Persistence is not Independence organiza uma validação pós-recuperação para VAR-LiNGAM, que identifica estrutura contemporânea a partir de choques estruturais assumidos independentes — nem a recuperação em si, nem a estabilidade via bootstrap, testam diretamente essa suposição de independência. Locally Robust Inference with Outcomes Predicted by Machine Learning ataca um problema cada vez mais comum: parâmetros de interesse que dependem de um resultado gerado por ML e depois tratado como observado na estimação econométrica, uma prática que ameaça a validade da inferência se não for corrigida.
EVOLUÇÃO
Sem brief publicado na W41 para este tema.
O QUE FAZER COM ISSO
Pipelines econométricos que usam saída de ML como insumo observado precisam de correção de robustez local, não só do modelo preditivo em si.
econ.EM entra por completo nesta edição, via API oficial do arXiv. Abstracts dos papers citados foram lidos; os demais papers carregados no grafo não têm abstract.
Único paper visível critica orçamentos de risco simétricos.
A econometria aparece apenas por um cross-list nesta edição, dado que a listagem econ veio desatualizada. O paper argumenta que orçamentos de risco simétricos são pouco adequados para riscos de mudança climática, que seriam assimétricos em duas dimensões — provavelmente entre perdas físicas e de transição, e entre lados de cauda. A proposta é repensar medidas de risco para a era da transição, algo relevante para bancos que estão integrando risco climático ao ICAAP e a testes de estresse. Sem o abstract, não é possível confirmar o método ou a base de dados, e a amostra de uma única peça não permite falar em tendência da categoria nesta semana.
EVOLUÇÃO
Na W40 não houve papers na categoria; esta semana registra um único item, via cross-list.
O QUE FAZER COM ISSO
Equipes de risco climático devem verificar se seus limites tratam assimetricamente choques de transição e físicos.
Cobertura parcial: a listagem q-fin veio truncada (12 de 36 papers de 14/out faltando; 12 e 13/out não exibidos); as páginas econ e cs.MA vieram desatualizadas (econ coberto só por cross-lists da listagem q-fin); cs.AI e cs.CL mostraram só 50 títulos de um único dia e cs.LG nenhum título da janela. Os papers de IA foram pré-selecionados pelo título. Só 6 abstracts foram lidos (3 adicionados no complemento de 20/out) (resumos via WebFetch, abstractVerified=false); o restante da análise se apoia em títulos. Ficaram pendentes as listagens e o abs 2610.18921 (HTTP 429).
Governar a pesquisa assistida por IA com princípios de ciência da computação
Controle de versão e colaboração como modelo para pesquisa com IA, e coordenação de longo prazo em compras de vacina.
TRACE propõe que pesquisadores organizem o trabalho assistido por IA com os mesmos princípios que engenharia de software e segurança já desenvolveram para controlar um corpo de trabalho compartilhado com muitos contribuidores — humanos e máquinas. Long Term Pediatric Vaccine Tender Scheduling estende um modelo de mercado de vacina coordenado hipoteticamente para cobrir editais de compra para países de renda baixa e média-baixa como uma série coordenada, não renovações independentes.
EVOLUÇÃO
Sem brief publicado na W41 para este tema.
O QUE FAZER COM ISSO
Equipes que produzem pesquisa com assistência de IA em escala deveriam adotar controle de versão e revisão como as que já regem código compartilhado.
econ.GN entra por completo nesta edição, via API oficial do arXiv. Abstracts dos papers citados foram lidos; os demais papers carregados no grafo não têm abstract.
Competição, deslocamento e comunicação de banco central.
Economia geral concentra 11 papers visíveis (q-fin.EC é tratado aqui como alias). O destaque é um experimento em que humanos e IA competem num mercado, testando se a entrada de agentes artificiais gera 'destruição criadora' ou apenas desloca participantes. Complementam o eixo um modelo de busca e matching em que o deslocamento por IA é endógeno às decisões de firmas e um estudo sobre como a IA generativa muda o momento de podar ideias em equipes. Para mercado de capitais, o mais aplicável é a abordagem para incerteza de modelo em regressões text-as-data aplicada a bancos centrais. Há também alocação de rotas por leilão, Hawkes multivariado, 'The Buffett Effect' e alocação de computação para pesquisa de segurança em IA. Faltam os abstracts para confirmar magnitudes.
EVOLUÇÃO
A W40 falava do custo invisível de automatizar o controle; agora o foco passa a competição direta e deslocamento.
O QUE FAZER COM ISSO
Modelos de sentimento de banco central precisam reportar incerteza sobre a seleção de texto, sob pena de sinais espúrios.
Cobertura parcial: a listagem q-fin veio truncada (12 de 36 papers de 14/out faltando; 12 e 13/out não exibidos); as páginas econ e cs.MA vieram desatualizadas (econ coberto só por cross-lists da listagem q-fin); cs.AI e cs.CL mostraram só 50 títulos de um único dia e cs.LG nenhum título da janela. Os papers de IA foram pré-selecionados pelo título. Só 6 abstracts foram lidos (3 adicionados no complemento de 20/out) (resumos via WebFetch, abstractVerified=false); o restante da análise se apoia em títulos. Ficaram pendentes as listagens e o abs 2610.18921 (HTTP 429).
Manutenção oculta que sustenta bolhas racionais, e desenho de experimento para quem não é o próprio pesquisador.
Who Keeps a Bubble Alive mostra que um ativo sem dividendo só sustenta uma bolha racional estacionária se quem mantém posição retida arca com o custo da manutenção oculta e capta benefício suficiente sobre o que reteve — uma condição endógena, não um dado exógeno de mercado. Rating Multiple Agents with Career Concerns resolve o desenho de avaliação de múltiplos agentes com talento correlacionado quando divulgação completa deixa de ser a melhor opção sob confidencialidade. Designing Experiments for External Decision Makers estende desenho experimental bayesiano para o caso em que quem decide sobre o dado não é quem desenhou o experimento.
EVOLUÇÃO
Sem brief publicado na W41 para este tema.
O QUE FAZER COM ISSO
Modelos de bolha racional em cripto e outros ativos sem renda deveriam modelar explicitamente o custo de manutenção retido, não assumir sobrevivência automática.
econ.TH entra por completo nesta edição, via API oficial do arXiv. Abstracts dos papers citados foram lidos; os demais papers carregados no grafo não têm abstract.
Um paper de desenho de mecanismos para alocação de rotas.
A teoria econômica tem um único paper visível na janela, cross-listado em cs.GT e econ.GN: a alocação de rotas em redes com restrição de capacidade por meio de leilões. O problema é análogo ao de alocar capacidade escassa em infraestruturas de mercado — slots de liquidação, banda de dados ou espaço de bloco em blockchains — e o desenho de mecanismos para essas situações costuma lidar com complementaridades entre recursos. Sem o abstract, não é possível dizer se o paper apresenta resultados de eficiência, de compatibilidade de incentivos ou computacionais. A baixa contagem reflete sobretudo a listagem econ desatualizada nesta execução.
EVOLUÇÃO
Na W40 não houve papers na categoria; esta semana há um.
O QUE FAZER COM ISSO
Resultados de leilão combinatório podem informar a precificação de capacidade em infraestruturas de mercado congestionadas.
Cobertura parcial: a listagem q-fin veio truncada (12 de 36 papers de 14/out faltando; 12 e 13/out não exibidos); as páginas econ e cs.MA vieram desatualizadas (econ coberto só por cross-lists da listagem q-fin); cs.AI e cs.CL mostraram só 50 títulos de um único dia e cs.LG nenhum título da janela. Os papers de IA foram pré-selecionados pelo título. Só 6 abstracts foram lidos (3 adicionados no complemento de 20/out) (resumos via WebFetch, abstractVerified=false); o restante da análise se apoia em títulos. Ficaram pendentes as listagens e o abs 2610.18921 (HTTP 429).
Benchmarks de earnings calls e backtests intradiários falham pelo mesmo motivo: o que o modelo sabia, e quando.
A semana em q-fin traz uma tese transversal: boa parte do desempenho reportado em finanças quantitativas depende de convenções temporais e de pipeline que raramente são auditadas. O destaque propõe um 'contrato de disponibilidade' para benchmarks de NLP sobre earnings calls e mostra que mudar a definição de quando a call termina inverte o sinal do retorno-alvo em 9,4% dos eventos. Em paralelo, um relato de produção documenta seis defeitos que separaram backtest e trading ao vivo num sistema intradiário, de feeds com volume de abertura incompleto a timestamps UTC lidos como horário de Nova York. Fecha o quadro um experimento com tomadores de crédito LLM em que a simples ordem das opções na interface move a alavancagem de mercados inteiros. Em volume, MF (13 papers) e CP (9) dominam, com rough SABR, Heston americano e modelos generativos de opções (GROMM).
EVOLUÇÃO
Na W40 o tema central era como o próprio trading altera o jogo (impacto, squeeze, colusão); agora o foco desloca-se para a integridade da medição: vazamento temporal, drift de código e vieses de interface.
O QUE FAZER COM ISSO
Mesas e times de modelagem devem tratar timestamp, ajuste de preços e ordem de interface como parte do risco de modelo, com testes de paridade backtest-produção.
Cobertura parcial: a listagem q-fin veio truncada (12 de 36 papers de 14/out faltando; 12 e 13/out não exibidos); as páginas econ e cs.MA vieram desatualizadas (econ coberto só por cross-lists da listagem q-fin); cs.AI e cs.CL mostraram só 50 títulos de um único dia e cs.LG nenhum título da janela. Os papers de IA foram pré-selecionados pelo título. Só 6 abstracts foram lidos (3 adicionados no complemento de 20/out) (resumos via WebFetch, abstractVerified=false); o restante da análise se apoia em títulos. Ficaram pendentes as listagens e o abs 2610.18921 (HTTP 429).
A colusão algorítmica sobrevive sem o mecanismo que a explicava
Auditoria do mecanismo de punição em precificação por Q-learning, e duas leituras novas da microestrutura do livro de ofertas.
Algorithmic Collusion Without Deterrence reexamina a explicação canônica para preços supracompetitivos entre agentes de Q-learning — retaliação após desvio — e audita diretamente se o mecanismo de punição aprendido é mesmo o que sustenta o cartel, não apenas o resultado observado. StochLOB usa score matching com caudas pesadas, em vez do ruído gaussiano leve de métodos de difusão usuais, para prever tendência no livro de ofertas sob fluxo de ordens com saltos. Neural Estimation of Irreversibility mede a seta do tempo num livro de ofertas real e simulado — um caminho indistinguível do próprio reverso não revela mecanismo direcional algum.
EVOLUÇÃO
A W41 propunha uma causa para o impacto de mercado; esta semana a pergunta causal migra para o próprio mecanismo de colusão entre agentes de precificação.
O QUE FAZER COM ISSO
Auditoria de colusão algorítmica deveria testar o mecanismo de punição diretamente, não inferir colusão só do nível de preço observado.
q-fin entra por completo nesta edição (todas as subcategorias, ~60 papers/semana), via API oficial do arXiv. Abstracts dos papers citados foram lidos; os demais papers carregados no grafo não têm abstract.
Um contrato de disponibilidade expõe vazamento temporal dentro do próprio evento.
O destaque de finanças computacionais ataca um ponto cego dos benchmarks de NLP financeiro: splits cronológicos evitam vazamento entre amostras, mas não dentro de um mesmo evento. Se o retorno-alvo começa antes de o áudio ou a transcrição estarem completos, o modelo é avaliado com informação que o mercado ainda não tinha. Os autores propõem que cada benchmark declare fronteira de input, evidência de disponibilidade e início do outcome. Em 552 calls de 24 empresas, trocar o proxy de início pelo de conclusão inverte o sinal do retorno em 9,4% dos casos; num benchmark público de volatilidade, deslocar a janela uma sessão eleva o MSE em 18–21% — sem alterar o ranking dos modelos, o que torna o erro invisível em leaderboards. Completam a categoria solvers neurais para volatilidade estocástica, ADE para opções americanas de commodities, fluxos normalizantes para cenários de curva de Treasuries e um agente LLM de previsão de ações (RICE-Alpha).
EVOLUÇÃO
Na W40 o foco era liquidez latente e calibração mais rápida; agora a pauta é a validade temporal dos dados de avaliação.
O QUE FAZER COM ISSO
Qualquer sinal alternativo derivado de calls deve ser revalidado com o relógio de conclusão e um atraso de processamento explícito antes de ir para produção.
Cobertura parcial: a listagem q-fin veio truncada (12 de 36 papers de 14/out faltando; 12 e 13/out não exibidos); as páginas econ e cs.MA vieram desatualizadas (econ coberto só por cross-lists da listagem q-fin); cs.AI e cs.CL mostraram só 50 títulos de um único dia e cs.LG nenhum título da janela. Os papers de IA foram pré-selecionados pelo título. Só 6 abstracts foram lidos (3 adicionados no complemento de 20/out) (resumos via WebFetch, abstractVerified=false); o restante da análise se apoia em títulos. Ficaram pendentes as listagens e o abs 2610.18921 (HTTP 429).
Contrato de disponibilidade para benchmarks de earnings call, e cenários sintéticos testados em portfólio Rachev.
When Does Post-Call Begin formaliza um problema de timing que benchmarks de NLP financeiro costumam ignorar: a divulgação de resultados se desenrola no tempo (anúncio, discurso preparado, discussão), e usar o texto inteiro como insumo pode vazar informação posterior ao instante que o alvo de previsão realmente precisa respeitar. Rachev-Ratio Portfolio Optimization with TimeGAN Scenarios testa se cenários gerados por uma rede adversarial generativa de séries temporais melhoram ou só substituem dados históricos reais na alocação por índice Rachev.
EVOLUÇÃO
Sem brief publicado na W41 para este tema.
O QUE FAZER COM ISSO
Benchmarks de NLP sobre earnings calls deveriam declarar explicitamente o instante de corte de informação, não assumir que o texto inteiro já estava disponível.
q-fin.CP entra por completo nesta edição, via API oficial do arXiv. Abstracts dos papers citados foram lidos; os demais papers carregados no grafo não têm abstract.
Peer review em finanças e previsões de lucro por LLM testam o juízo das máquinas.
A categoria geral reúne cinco papers, quatro deles sobre LLMs exercendo funções de julgamento financeiro. O destaque avalia o desempenho de LLMs como pareceristas em finanças e contabilidade, tema relevante para comitês de pesquisa e research de sell-side que já usam modelos para triagem. Outro estudo examina como momentum, tom do comentário e surpresa de lucros influenciam previsões financeiras geradas por LLM — um teste de quanto os modelos replicam vieses conhecidos de analistas humanos. O RICE-Alpha propõe correção por confiabilidade com grafos de eventos para agentes de previsão de ações. Fora do eixo de IA, 'The Buffett Effect' investiga o efeito de anúncios associados ao investidor e um paper cripto precifica o desconto de verificabilidade em protocolos. Como os abstracts não foram lidos, as conclusões específicas ainda não estão confirmadas.
EVOLUÇÃO
A W40 tratava de identidade e fusões no mundo cripto; agora a categoria volta-se ao uso de LLMs como analistas e revisores.
O QUE FAZER COM ISSO
Instituições que usam LLMs para análise devem medir explicitamente vieses de ancoragem em tom e momentum antes de confiar nas previsões.
Cobertura parcial: a listagem q-fin veio truncada (12 de 36 papers de 14/out faltando; 12 e 13/out não exibidos); as páginas econ e cs.MA vieram desatualizadas (econ coberto só por cross-lists da listagem q-fin); cs.AI e cs.CL mostraram só 50 títulos de um único dia e cs.LG nenhum título da janela. Os papers de IA foram pré-selecionados pelo título. Só 6 abstracts foram lidos (3 adicionados no complemento de 20/out) (resumos via WebFetch, abstractVerified=false); o restante da análise se apoia em títulos. Ficaram pendentes as listagens e o abs 2610.18921 (HTTP 429).
Retorno anormal atribuível à fama do investidor, e um experimento sobre se consumidores preferem produção humana.
The Buffett Effect isola quanto do retorno anormal de uma nova posição divulgada por um investidor reconhecido vem da própria exposição e quanto vem do reconhecimento público de quem divulgou — comparando com gestores equivalentes, mas não famosos. Creative Destruction: Human-AI Competition in an Experimental Market testa, com produtores reais, se a vantagem durável do humano na produção vem de gosto superior ou de uma preferência intrínseca do consumidor por produto feito por humano, mesmo quando a IA já automatiza as tarefas de rotina.
EVOLUÇÃO
Sem brief publicado na W41 para este tema.
O QUE FAZER COM ISSO
Estudos de retorno anormal em torno de divulgações de investidor deveriam separar o efeito da posição do efeito da fama de quem a divulgou.
q-fin.GN entra por completo nesta edição, via API oficial do arXiv. Abstracts dos papers citados foram lidos; os demais papers carregados no grafo não têm abstract.
Semana densa em teoria: fronteiras de volatilidade, teorema fundamental discreto e AMMs.
Finanças matemáticas é a categoria mais volumosa da semana visível (13 papers), com forte presença de Masaaki Fukasawa em três trabalhos: a fronteira do rough SABR generalizado, um teorema fundamental de precificação de ativos em tempo discreto e a extensão do loss-versus-rebalancing (LVR) — métrica central de custo para provedores de liquidez em AMMs — a custos proporcionais externos. GROMM propõe modelos generativos de mercado de opções neutros ao risco, aproximando IA generativa de requisitos de não-arbitragem, algo crítico para geração de cenários em risco de mercado. Há ainda a opção de fim de mês em futuros via índice de Gittins, puts americanas sob Heston, decarbonização de carteiras com informação incompleta e investimento de longo prazo com informação defasada em mercados com reversão à média.
EVOLUÇÃO
Na W40, squeezes, preços negativos e alpha que expira; agora a ênfase é estrutural, em teoria de precificação e microestrutura de AMMs.
O QUE FAZER COM ISSO
GROMM e o LVR com custos são candidatos diretos a pipelines de cenários de opções e à avaliação de market making em ativos tokenizados.
Cobertura parcial: a listagem q-fin veio truncada (12 de 36 papers de 14/out faltando; 12 e 13/out não exibidos); as páginas econ e cs.MA vieram desatualizadas (econ coberto só por cross-lists da listagem q-fin); cs.AI e cs.CL mostraram só 50 títulos de um único dia e cs.LG nenhum título da janela. Os papers de IA foram pré-selecionados pelo título. Só 6 abstracts foram lidos (3 adicionados no complemento de 20/out) (resumos via WebFetch, abstractVerified=false); o restante da análise se apoia em títulos. Ficaram pendentes as listagens e o abs 2610.18921 (HTTP 429).
Memória na variância via equação de Langevin generalizada, e shrinkage de covariância para dados de cauda pesada.
A GLE-LSV Model with State-Dependent Leverage and Colored Noise prova existência e unicidade para um modelo de volatilidade estocástica local em que a variância segue uma equação de Langevin generalizada com ruído colorido e memória — os retornos passados afetam a variância futura através de um kernel cuja amplitude depende do próprio estado. Extending the Oracle Approximating Shrinkage to General Distributions generaliza um estimador de shrinkage de covariância, derivado sob normalidade, para dados de cauda pesada como retornos financeiros reais.
EVOLUÇÃO
A W41 testava robustez de hedge a mudança de regime; esta semana a memória entra diretamente na dinâmica da própria volatilidade.
O QUE FAZER COM ISSO
Modelos de volatilidade estocástica local deveriam permitir dependência de estado na memória, não assumir kernel fixo, ao calibrar para dados reais.
q-fin.MF entra por completo nesta edição, via API oficial do arXiv. Abstracts dos papers citados foram lidos; os demais papers carregados no grafo não têm abstract.
Da explicação econômica ao ganho de performance, com RL, cópulas e Hormuz.
Gestão de carteiras traz oito papers. O destaque, de Liang, Zohren e Cucuringu, propõe usar a explicação econômica de carteiras de machine learning como alavanca para melhorar desempenho, não apenas como relatório ex post — uma ponte útil entre explicabilidade exigida por comitês de investimento e retorno. Outros trabalhos combinam simulação por vine copulas com aprendizado por reforço para seleção dinâmica, medem o valor da informação ex ante e condicional a cenários em escolha de carteira e estudam decarbonização sob informação incompleta de transição. Um paper geopolítico modela o fluxo bidirecional pelo Estreito de Hormuz, de interesse para carteiras expostas a energia, e um ensaio de risco climático critica orçamentos de risco simétricos.
EVOLUÇÃO
A W40 pedia auditar o agente de alocação, não só o score; esta semana avança para usar a explicação como ferramenta de melhoria.
O QUE FAZER COM ISSO
Explicabilidade de modelos de alocação pode virar insumo de construção de carteira, além de requisito de governança.
Cobertura parcial: a listagem q-fin veio truncada (12 de 36 papers de 14/out faltando; 12 e 13/out não exibidos); as páginas econ e cs.MA vieram desatualizadas (econ coberto só por cross-lists da listagem q-fin); cs.AI e cs.CL mostraram só 50 títulos de um único dia e cs.LG nenhum título da janela. Os papers de IA foram pré-selecionados pelo título. Só 6 abstracts foram lidos (3 adicionados no complemento de 20/out) (resumos via WebFetch, abstractVerified=false); o restante da análise se apoia em títulos. Ficaram pendentes as listagens e o abs 2610.18921 (HTTP 429).
Descarbonizar a carteira sem saber a real intensidade de carbono
Decisão de portfólio sob informação incompleta de transição climática, e quando agir sobre um regime detectado.
Portfolio Decarbonization under Incomplete Carbon and Transition Information resolve a escolha dinâmica de portfólio quando o investidor não observa diretamente a intensidade de carbono real das firmas nem o estado de transição subjacente, só uma penalidade percebida sobre emissão financiada. Regime Detection in Latent Factor Models trata detecção de regime como decisão bayesiana explícita entre falso alarme, atraso de detecção e erro de classificação, em vez de só filtrar o regime e agir automaticamente sobre ele.
EVOLUÇÃO
A W41 propunha atribuição de performance por sensibilidade; esta semana o problema é decidir sob informação incompleta sobre o próprio estado do mundo (carbono, regime).
O QUE FAZER COM ISSO
Estratégias de descarbonização de portfólio deveriam modelar explicitamente a incerteza sobre intensidade de carbono real, não tratá-la como dado observado.
q-fin.PM entra por completo nesta edição, via API oficial do arXiv. Abstracts dos papers citados foram lidos; os demais papers carregados no grafo não têm abstract.
Opções americanas e volatilidade local estocástica
Três papers de precificação com foco em Heston, LSV e modelos generativos.
Precificação tem três papers na janela visível, todos técnicos. Jeon, Kim e Oh estudam suavidade interior e a geometria de variância zero para puts americanas de maturidade finita no modelo de Heston — resultados que ajudam a estabilizar métodos numéricos na região de exercício. Andrey Itkin propõe um modelo GLE-LSV com alavancagem dependente do estado e ruído colorido, extensão da volatilidade local-estocástica que pode capturar melhor a dinâmica do skew. GROMM, cross-listado aqui, gera superfícies de opções neutras ao risco com modelos generativos. Juntos, sinalizam que a fronteira em precificação está em reconciliar realismo dinâmico com tratabilidade numérica e ausência de arbitragem.
EVOLUÇÃO
Na W40 o tema era skew de cestas e barreiras de curto prazo; a semana mantém o foco em skew, agora via dinâmica de alavancagem.
O QUE FAZER COM ISSO
Mesas de derivativos podem avaliar LSV com ruído colorido e geradores livres de arbitragem para stress de superfícies de vol.
Cobertura parcial: a listagem q-fin veio truncada (12 de 36 papers de 14/out faltando; 12 e 13/out não exibidos); as páginas econ e cs.MA vieram desatualizadas (econ coberto só por cross-lists da listagem q-fin); cs.AI e cs.CL mostraram só 50 títulos de um único dia e cs.LG nenhum título da janela. Os papers de IA foram pré-selecionados pelo título. Só 6 abstracts foram lidos (3 adicionados no complemento de 20/out) (resumos via WebFetch, abstractVerified=false); o restante da análise se apoia em títulos. Ficaram pendentes as listagens e o abs 2610.18921 (HTTP 429).
A fronteira de exercício some quando a variância zera
Geometria da fronteira de exercício de puts americanas sem a condição de Feller, e um mercado de opções livre de arbitragem.
Interior Smoothness and Zero-Variance Geometry for Finite-Maturity Heston American Puts caracteriza, sem a condição de Feller, como a fronteira de exercício antecipado se comporta exatamente no ponto em que a variância chega a zero — suave e estritamente decrescente em variância positiva, mas com geometria própria no limite. GROMM apresenta um modelo de mercado de opções europeias estática e dinamicamente livre de arbitragem, com interpolação suave entre preços de opção e solução forte única.
EVOLUÇÃO
A W41 teve só um paper, sobre pegada de opções FLEX no mercado listado; esta semana a pauta volta ao núcleo de apreçamento sob Heston e modelos livres de arbitragem.
O QUE FAZER COM ISSO
Apreçamento de puts americanas sob Heston perto de variância zero precisa de tratamento numérico específico para essa região, não extrapolação do caso de variância positiva.
q-fin.PR entra por completo nesta edição, via API oficial do arXiv. Abstracts dos papers citados foram lidos; os demais papers carregados no grafo não têm abstract.
Agentes LLM tomadores alavancam mercados inteiros conforme a interface.
O destaque de risco é um alerta direto para quem planeja usar agentes LLM em crédito. Num mercado simulado de empréstimo colateralizado, colocar a opção de tomar empréstimo em primeiro lugar eleva pedidos válidos em 27 pontos percentuais. Quando todos os agentes compartilham a mesma ordem, o efeito se torna sistêmico: a dívida líquida chega a 1,8–2,7 vezes a capacidade inicial, e a ordem explica 96% da variação entre mercados. A colateralização pelo preço do pool cria pró-ciclicidade, e sob choque de 30% um bônus de liquidação de 8% produz perdas em empréstimos antes plenamente cobertos. A categoria também traz misturas de Dirichlet para risco de fundo com margens Pareto, desenho de experimentos de preço em painéis curtos e uma crítica a orçamentos de risco simétricos para risco climático.
EVOLUÇÃO
A W40 discutia como dividir o risco de cauda; agora o risco de cauda nasce do comportamento correlacionado de agentes.
O QUE FAZER COM ISSO
Homogeneidade de interface entre agentes é um fator de risco de concentração; reguladores e bancos devem testar variação de prompts e regras de liquidação.
Cobertura parcial: a listagem q-fin veio truncada (12 de 36 papers de 14/out faltando; 12 e 13/out não exibidos); as páginas econ e cs.MA vieram desatualizadas (econ coberto só por cross-lists da listagem q-fin); cs.AI e cs.CL mostraram só 50 títulos de um único dia e cs.LG nenhum título da janela. Os papers de IA foram pré-selecionados pelo título. Só 6 abstracts foram lidos (3 adicionados no complemento de 20/out) (resumos via WebFetch, abstractVerified=false); o restante da análise se apoia em títulos. Ficaram pendentes as listagens e o abs 2610.18921 (HTTP 429).
Backtest sequencial de Expected Shortfall só com perdas observadas, e um novo modelo de risco de fundo multiplicativo.
E-Backtesting Expected Shortfall without Value-at-Risk Forecasts propõe dois métodos de backtest sequencial para Expected Shortfall que não exigem, como a prática usual, uma previsão de VaR complementar — um para perdas i.i.d., outro para séries temporais sob estrutura AR-GARCH. Dirichlet Sub-Mixtures constrói uma nova classe de modelos de risco de fundo multiplicativo com margens de Pareto, combinando fatores de risco idiossincrático e sistêmico de forma tratável.
EVOLUÇÃO
A W41 tratava do comportamento distribucional de LLMs e de risco de patrocinador de pensão; esta semana o risco de cauda volta ao núcleo técnico de backtesting e modelagem de dependência.
O QUE FAZER COM ISSO
Backtests de Expected Shortfall deveriam considerar os métodos que dispensam previsão de VaR quando essa previsão complementar não é confiável ou disponível.
q-fin.RM entra por completo nesta edição, via API oficial do arXiv. Abstracts dos papers citados foram lidos; os demais papers carregados no grafo não têm abstract.
Um relato de campo mostra onde a estatística resumida esconde a divergência.
Em finanças estatísticas, o destaque é um raro relato de produção: um sistema intradiário de ações americanas comparado dia a dia com o replay em backtest. Seis defeitos surgem — feed padrão com fração do volume real de abertura, preços ajustados por dividendos que ordens reais não veem, dados baixados só ao vivo, sizing acima do limite da corretora, UTC lido como horário de Nova York e parâmetros que nunca chegavam ao roteador de ordens. A lição central é que todos nasceram de dois caminhos de código que deveriam coincidir e divergiram, sem aparecer em métricas agregadas. A categoria também traz SDEs estruturadas para Realized GARCH, detecção bayesiana de regimes em modelos de fatores, identificação em processos de Hawkes multivariados e distribuições q-gaussianas assimétricas.
EVOLUÇÃO
Na W40 o tema era dados DeFi e impacto latente; agora a atenção recai sobre a fidelidade do próprio pipeline de dados.
O QUE FAZER COM ISSO
Exigir testes de paridade de código entre pesquisa e execução é controle de risco operacional barato e de alto retorno.
Cobertura parcial: a listagem q-fin veio truncada (12 de 36 papers de 14/out faltando; 12 e 13/out não exibidos); as páginas econ e cs.MA vieram desatualizadas (econ coberto só por cross-lists da listagem q-fin); cs.AI e cs.CL mostraram só 50 títulos de um único dia e cs.LG nenhum título da janela. Os papers de IA foram pré-selecionados pelo título. Só 6 abstracts foram lidos (3 adicionados no complemento de 20/out) (resumos via WebFetch, abstractVerified=false); o restante da análise se apoia em títulos. Ficaram pendentes as listagens e o abs 2610.18921 (HTTP 429).
Seis defeitos entre o backtest e o sistema ao vivo
Um sistema intradiário real revela onde a simulação diverge da produção, e notícias lidas sem viés de retrospecto.
Where Backtests and Live Trading Part Ways relata seis defeitos encontrados ao comparar, dia a dia, um sistema de equities intradiário real rodando ao vivo com sua réplica em backtest — a divergência nunca apareceu nas estatísticas-resumo, só na comparação direta dia a dia; três defeitos vieram de dados, entre outros um feed padrão carregando uma fração pequena de preços errados. Reading the News Without Hindsight constrói tópicos de notícias financeiras com um encoder pré-treinado só em texto de 1976-1995, evitando que o backtest premie o modelo por ter visto o futuro durante o próprio pré-treino.
EVOLUÇÃO
A W41 validava direção de negociação contra liquidação real; esta semana a validação se volta para a própria disciplina de backtest versus produção.
O QUE FAZER COM ISSO
Sistemas de trading intradiário deveriam comparar dia a dia o backtest com o live, não só as estatísticas-resumo agregadas, para achar divergências silenciosas.
q-fin.ST entra por completo nesta edição, via API oficial do arXiv. Abstracts dos papers citados foram lidos; os demais papers carregados no grafo não têm abstract.
Microestrutura entre HFT tradicional e ações tokenizadas.
Trading e microestrutura somam sete papers. O destaque pergunta quanto vale um segundo de triagem para o market maker, relacionando velocidade, seleção adversa e spread — tema direto para quem opera ou regula provisão de liquidez. Um grupo coreano assina dois trabalhos sobre ativos cripto: a precificação do desconto de verificabilidade em protocolos, com corridas do tipo turnstile, e a medição robusta a preços defasados de ações tokenizadas numa estrutura de ETFs alavancados. Há ainda elasticidade de demanda no mercado de disponibilidade de dados do Ethereum, estimação neural de irreversibilidade em trajetórias do livro de ordens e um modelo de difusão com caudas pesadas (StochLOB) para prever tendências do book. O relato de defeitos backtest-produção é cross-listado aqui.
EVOLUÇÃO
A W40 destacava colusão algorítmica sem combinação explícita; a semana desloca-se para economia da velocidade e ativos tokenizados.
O QUE FAZER COM ISSO
Ações tokenizadas exigem tratamento explícito de preços defasados antes de servirem de lastro ou referência de NAV.
Cobertura parcial: a listagem q-fin veio truncada (12 de 36 papers de 14/out faltando; 12 e 13/out não exibidos); as páginas econ e cs.MA vieram desatualizadas (econ coberto só por cross-lists da listagem q-fin); cs.AI e cs.CL mostraram só 50 títulos de um único dia e cs.LG nenhum título da janela. Os papers de IA foram pré-selecionados pelo título. Só 6 abstracts foram lidos (3 adicionados no complemento de 20/out) (resumos via WebFetch, abstractVerified=false); o restante da análise se apoia em títulos. Ficaram pendentes as listagens e o abs 2610.18921 (HTTP 429).
Quanto vale um segundo de triagem para o market maker
Preço do tempo de reação do formador de mercado, previsão probabilística de ordem e o custo real do preço mecânico do Ethereum.
How Much Screening Buys a Second coloca repreçamento mais rápido e triagem de fluxo informado na mesma régua, encontrando a taxa exata de triagem na qual um formador de mercado mais lento, mas que filtra, empata com um mais rápido e sem filtro — contra contrapartes que exploram cotação desatualizada. OrderFlowDiT usa um transformer de difusão com regularização de transporte para prever a distribuição condicional de volume de ordens dos próximos cinco minutos, considerando deslocamento de preço explicitamente. Demand Under a Mechanical Price mede o custo real do controlador que precifica blobs de disponibilidade de dados do Ethereum, sem leilão algum, ao redor da duplicação de capacidade do upgrade Pectra.
EVOLUÇÃO
A W41 tratava do timing de saída de uma posição de opções; esta semana a velocidade de reação do formador de mercado é o próprio objeto de precificação.
O QUE FAZER COM ISSO
Formadores de mercado deveriam calcular explicitamente a troca entre velocidade de repreçamento e triagem de fluxo informado, não escolher um dos dois por padrão.
q-fin.TR entra por completo nesta edição, via API oficial do arXiv. Abstracts dos papers citados foram lidos; os demais papers carregados no grafo não têm abstract.