Caudas pesadas exigem geradores sem amarras Lipschitz

q-fin.RM concentrou 12 papers, a maior categoria q-fin da semana. O destaque mostra que geradores neurais construídos com mapas Lipschitz, por estabilidade de treino, não conseguem reproduzir caudas pesadas; o transporte ótimo semi-discreto contorna o problema e melhora a estimação de risco de cauda em carteiras. Na teoria, há resultados sobre superaditividade universal ponderada do VaR em distribuições discretas e diversificação de risco para distribuições infinitamente divisíveis, temas que tocam diretamente a agregação de capital. Um arcabouço de BSDE refletida com deep learning trata medidas de risco sob ambiguidade conjunta de modelo e taxa de desconto. No lado aplicado, um guia prático de validação gráfica (calibração, lift, Murphy) para modelos atuariais, o CAT bond paramétrico, a volatilidade cripto e opções de armazenagem em commodities.