The Geometry of Heterogeneous Extremes: Optimal Transport and Entropic Design

1. Problema e Contesto

Il lavoro affronta la modellazione dei risultati estremi (massimi) in ambienti economici caratterizzati da eterogeneità nell'accesso alle opportunità.

• Contesto: In molti modelli economici (es. offerta di lavoro, sourcing aziendale, matching in rete), il payoff realizzato da un agente è il massimo di un insieme di opportunità. La dimensione di questo insieme non è fissa, ma dipende da fattori come la ricerca, l'attenzione o la posizione nella rete sociale.
• Limitazione della letteratura esistente: La Teoria dei Valori Estremi (EVT) classica studia i massimi di sequenze i.i.d. con dimensioni campionarie deterministiche. Tuttavia, gli ambienti economici reali presentano spesso dimensioni campionarie casuali ed eterogenee tra gli agenti.
• Obiettivo: Il paper mira a formalizzare come la distribuzione della "eterogeneità" (il numero di opportunità) influenzi la distribuzione dei massimi normalizzati, fornendo strumenti per la stabilità quantitativa, il confronto ordinale e il design normativo delle politiche.

2. Metodologia e Struttura Teorica

Il paper si basa su un framework Mixed-Poisson (Mangin, 2026) e integra tre pilastri metodologici:

A. Rappresentazione Analitica (Laplace-Mixture)

Si assume che il numero di opportunità $N(\theta)$ per un agente, condizionato alla sua intensità di tipo $X \sim F$, segua una distribuzione Poisson mista: $N(\theta) | X \sim \text{Poisson}(\theta X)$.
Se le offerte $Y_j$ appartengono al dominio di attrazione di una legge EVT classica $H_\gamma$, il massimo normalizzato $Z_\theta$ converge a una legge limite $H_{\gamma, F}$ data da:
$$H_{\gamma, F}(x) = P_0(v_\gamma(x))$$
dove:

• $P_0(z) = \mathbb{E}[e^{-zX}]$ è la trasformata di Laplace della distribuzione dei tipi $F$.
• $v_\gamma(x) = -\log H_\gamma(x)$ è la trasformazione della coda.
  Questa rappresentazione mostra che la legge dei massimi eterogenei è una miscela di Laplace della legge EVT classica.

B. Geometria del Trasporto Ottimo (Wasserstein)

La novità principale risiede nel trattare la distribuzione $F$ come oggetto primitivo e studiare l'operatore $T: F \mapsto H_{\gamma, F}$ attraverso la geometria del trasporto ottimo.

• Accoppiamento Canonico: Viene costruita una rappresentazione canonica $Z_{\gamma, F} = w_\gamma(E/X)$, dove $E \sim \text{Exp}(1)$ è indipendente da $X$. Questo permette di accoppiare le leggi dei massimi generati da diverse distribuzioni $F_1$ e $F_2$ utilizzando lo stesso shock esponenziale $E$.
• Metrica Adattata: Viene introdotta una metrica adattata $d_{\gamma, p}$ sullo spazio dei tipi, definita come la distanza di Wasserstein tra le distribuzioni trasformate $s_\gamma(X)$ (dove $s_\gamma(x) = x^\gamma$ per $\gamma \neq 0$ e $\log x$ per $\gamma=0$).
• Stabilità Lipschitz: Il teorema principale dimostra che l'operatore $T$ è Lipschitziano rispetto a questa metrica adattata, fornendo un controllo quantitativo sulla variazione dell'intera legge dei massimi in funzione della variazione di $F$.

C. Design Normativo (Entropic Projection)

Il paper studia un problema di ottimizzazione in cui un pianificatore sceglie una nuova distribuzione $F$ per massimizzare un obiettivo (es. utilità attesa dei massimi) soggetto a un vincolo di media ($\mathbb{E}[X]=1$) e a una penalità di entropia relativa (KL-divergence) rispetto a una distribuzione di base $F_0$.

• La soluzione è una distorsione esponenziale (exponential tilt) della distribuzione di base.
• Il "score" (funzione di punteggio) che guida questa distorsione è generato dallo stesso kernel di Laplace che definisce l'operatore EVT, collegando così l'analisi positiva a quella normativa.

3. Risultati Chiave

1. Decomposizione Strutturale: L'operatore $F \mapsto H_{\gamma, F}$ separa gli effetti puramente analitici (convessità della trasformata di Laplace) da quelli geometrici.

   • Confronti Ordinali: Se $F_2$ è una "mean-preserving spread" di $F_1$ (ordine convesso), allora $H_{\gamma, F_2}$ è stocasticamente più piccola di $H_{\gamma, F_1}$. L'eterogeneità riduce i massimi attesi rispetto al benchmark omogeneo.
   • Invarianza dell'Indice di Coda: L'eterogeneità cambia il livello della distribuzione ma non l'indice di coda $\gamma$ (invarianza asintotica).

2. Stabilità Quantitativa (Teorema 1):

   • La mappa $F \mapsto H_{\gamma, F}$ è Lipschitziana rispetto alla distanza di Wasserstein $W_p$ sulle leggi dei massimi, con costante dipendente dall'indice di coda e dalla metrica adattata $d_{\gamma, p}$ sui tipi.
   • Questo fornisce limiti espliciti su come l'errore di stima nella distribuzione delle opportunità ($F$) si propaga all'errore di previsione nella distribuzione dei massimi.
   • Nota Critica: Nel regime Fréchet ($\gamma > 0$), la relazione tra la metrica adattata e la metrica di Wasserstein standard sui tipi grezzi è solo Hölderiana (ordine $\gamma$), non lineare, a meno di restrizioni di supporto.

3. Geodetiche e Interpolazione:

   • Viene costruita una geodetica canonica nello spazio dei tipi trasformati che induce un percorso costante nello spazio delle leggi dei massimi.
   • Viene fornito un "ponte" esplicito (Proposizione 10) per renormalizzare queste geodetiche e mantenere il vincolo di media unitaria ($\mathbb{E}[X]=1$) richiesto economicamente.

4. Problema di Design (Teorema 3):

   • Per obiettivi lineari in $F$ (inclusa l'utilità attesa dei massimi), la soluzione ottima è una distorsione esponenziale di $F_0$.
   • La struttura del problema è univocamente determinata dal kernel di Laplace, che funge da score per le condizioni del primo ordine.

5. Applicazione ai Mercati del Lavoro:

   • Il framework viene applicato a reti di ricerca del lavoro. La distribuzione dei gradi di rete (o centralità) mappata in $F$ determina la distribuzione dei salari massimi.
   • L'analisi mostra come l'ineguaglianza di rete (spostamento di massa verso code più pesanti) riduca i salari massimi attesi per un lavoratore casuale e quantifica la robustezza di queste previsioni rispetto all'errore di misura nelle reti.

4. Significato e Contributi

• Nuova Prospettiva Geometrica: Il paper trasforma lo studio dell'EVT eterogenea da un problema puramente analitico (trasformate di Laplace) a uno geometrico (spazi di Wasserstein), permettendo il controllo dell'intera distribuzione (non solo dei punti singoli) e delle funzioni quantiliche.
• Robustezza e Propagazione dell'Errore: Fornisce strumenti rigorosi per valutare quanto le stime empiriche delle reti o delle opportunità siano sensibili alle previsioni di coda. La distinzione tra errore asintotico e errore di approssimazione finita è cruciale per l'econometria applicata.
• Design delle Politiche: Offre un approccio normativo chiaro per ridistribuire le opportunità (es. attraverso sussidi o riforme delle reti) minimizzando i costi di implementazione (penalità KL) mentre si massimizza l'efficienza dei risultati estremi.
• Separazione dei Ruoli: Distingue chiaramente tra la geometria del trasporto (per la stabilità e l'interpolazione) e la proiezione entropica (per il design normativo), mostrando come entrambi gli strumenti condividano lo stesso kernel matematico fondamentale.

In sintesi, il paper fornisce un "ponte" matematico solido tra la teoria delle reti/eterogeneità e la teoria dei valori estremi, offrendo sia risultati di stabilità robusta che soluzioni ottimali per la progettazione di politiche economiche in contesti di incertezza estrema.