Los resultados de la simulación muestran mejoras en la generación de extremos multivariantes en comparación con métodos tradicionales, mejorando la precisión y eficiencia.
Las métricas clave indican una reducción significativa en la divergencia, logrando una distancia de Wasserstein mínima en las distribuciones simuladas.
El estudio emplea un enfoque GAN de Wasserstein–Aitchison para modelar y generar escenarios de valores extremos multivariantes, aprovechando técnicas estadísticas avanzadas.
Este enfoque novedoso resalta el potencial para mejorar el modelado estadístico en conjuntos de datos complejos y de alta dimensión.