Академический Документы
Профессиональный Документы
Культура Документы
Plan du cours
2. Reprsentations du risque
3. Evaluations du risque
4. Exemples et exercices
1
Introduction : demande de couverture et comportements induits par le risque
Accident et couverture
Lide de couverture apparat trs tt dans lhistoire de lhumanit. On la trouve en particulier dans les contrats dassurance gnois : Un capitaine nance son expdition par un emprunt couvert par lassurance (sur le bateau et sur le chargement) si le bateau natteint pas sa destination, lemprunt concern nest pas rembourser.
Keynes dans son ouvrage The General Theory of Employment, Interest, and Money introduit un motif de prcaution pour justier lpargne People save to protect against future risk and uncertainty
Il ne sagit pas dliminer le risque futur ni la source du risque. il sagit dadoucir demain les possibles consquences dun risque (en acceptant de diminuer la richesse daujourdhui)
Dans une vision moderne des choix humains, on ne dissocie pas les choix des risques induits. On trouve en ligrane une thorie du comportement humain chez Franois Ewald, entirement marque par la gestion des risques : [Lhomme mancip] lusage de sa libert lexpose mille accidents. Il ne saffranchit que sous la condition de se conduire avec sagesse, de redoubler defforts et daffronter des obstacles. En travaillant, il se blesse ; en naviguant, il sexpose aux naugrages ; en agissant il entre dans une lutte contre une foule dobstacles, agir cest vaincre . . .
A la suite de Frank Knight, on peut distinguer trois degrs dans la connaissance imparfaite dun agent soumis lalea : 1. lincertain 2. le risque 3. lexpertise.
Lincertitude
On dira un agent dans lincertitude en labsence de toute connaissance positive dune distribution de lalea. Il connat les diffrents tats de la nature, mais ne peut y associer de probabilit. A ce stade, les opportunits dchange mutuellement avantageuses sont limites et la rationalit qui les supporte, rudimentaire.
Le risque
Au second degr, la connaissance dune distribution permet lagent de se reprsenter le risque auquel il est soumis par des indicateurs comme la moyenne ou la variance dun choc et dtablir des chelles de comparaison avec dautres risques associs aux mmes tats de la nature. Ceci est le point de dpart de la thorie de lassurance.
Lexpertise
Enn, il est possible que dautres agents aient une connaissance plus ne du vrai tat de la nature (mais possiblement imparfaite). Cest alors que le cadre conomique peut intgrer, par un mcanisme dchange labor, une rduction de cette asymtrie de linformation.
Probabilits et distributions
Cardan (1501-1576) : le joueur savant . Probabilit dun vnement = rsultats favorables / vnements possibles.
Pile a une probabilit de 1/2. Probabilit[obtenir un six en moins de 4 lancs] >1/2 ? = 1 (5/6)4 = 0, 5177 (de Mr).
Remarque : Probabilit[obtenir un six en moins de 2 lancs] =1-Probabilit[pas de six en 2 lancs] = 1 (5/6)2 = 11/36 = 0, 3056.
Distributions du risque
Distributions discrtes
Il y a un nombre ni dvnements possibles i I , chacun avec probabilit pi . Cette association chaque vnement de sa probabilit, cest ce quon appelle la distribution des risque. Cette distribution satisfait toujours la contrainte
1/3
100 50 0
pi = 1
iI
1/2
1/6
Distributions continues
Il y a un nombre inni, voire continu dvnements possibles : chacun, pris isolment apparat avec une probabilit nulle. La fonction de repartition dcrit le poids relatif des vnements de faible gain par rapport aux vnements de gains plus levs. F(x) = Prob(X x)
Fonctions de rpartition
F(x) 1
u0
Figure : deux fonctions de rpartitions : F et G
Statistiques
Moyenne Variance
i probabilits * richesses dans lexemple prcdent, moyenne=50
une mesure de la distance la moyenne. exemple : la distribution A a une plus grande variance que la distribution B . 1/2 1/2 75 100
1/2
VAR(B )
25
1/2
VAR(A )
Modes Fractiles
reprsente le/les vnements avec la plus grande probabili Divise la population en classes gales, reprsentes par une richesse pivot.
3
Evaluations du risque
Comparaisons - FSD
Certaines comparaisons admises par tous sont robustes. Ainsi, on prfrera la loterie B la loterie A si lutilit des agents est croissante avec la richesse dans chaque tat de la nature.
1/2
175
1/2
100
1/2
25
1/2
Dnition : On dira quune distribution domine une autre distribution suivant le critre de dominance stochastique de premier ordre si cette distribution rmunre plus tous les tats de la nature. cependant, ce critre est loin de permettre de classer toutes les loteries. Ainsi, il sera implossible dtablir suivant ce critre un ordre de prfrence entre la loterie B et le revenu certain
Montrer que lon prfrera la loterie B la loterie A suivante, selon le critre FSD
2/3 1/6
100 50 25
5/6 1/12
100 50 25
1/6
1/12
Pour comprendre le comportement dun agent, et plus prcisment les choix quil fait lorsquil doit choisir entre plusieurs loteries A et B , on essaye dtablir une notation des diffrentes loteries.
Critre lexicographique
U(X) = E(X)
V (X)
Esprance dutilit
Dnition
Plutt que de prendre lesprance de la lotterie, tout se passe comme si lagent apprciait les diffrents revenus travers un ltre. Ainsi, lagent voit le revenu x travers son utilit ressentie u(x). Son critre dvaluation est lesprance de ces utilits.
1/3 1/2
1/6
y z
1 3
u(x) +
1 2
u(y) +
1 6
u(z)
Un accroissement de richesse gnre un accroissement dutilit qui est en relation inverse de la richesse dj accumule.
Equivalent certain
Dnition On appelle quivalent certain dune loterie, la loterie certaine qui donne un mnage autant de satisfaction que cette loterie. Lquivalent certain est par excellence une mesure subjective des prfrences de lagent.
Exercice Calculer lquivalent certain de la loterie qui donne 100 avec proba 1/2 et 0 sinon, lorsque u(x) = x.
Dnition Un agent est averse au risque ds lors que pour lui lquivalent de nimporte quelle loterie est toujours infrieur ou gal la moyenne de cette loterie. Dans lexemple prcdent, on comparera 25 et 50. Thorme Si un agent vrie le critre de lesprance dutilit, alors il est averse au risque si et seulement si sa fonction dutilit VNM est concave.
Exercice
En supposant que la VNM dun agent est u(x) = x, montrer directement, sans appliquer le thorme prcdent que
1/2
u x+y 2
1/2
Exemple
Supposons que la VNM dun agent soit u(x) = ln(x) et que cet agent soit expos la lotterie 1/2 Sa richesse espre est 100 1 1 Son utilit est ln(150) + ln(50) = 4, 661 2 2 Or 4, 661 = ln(76, 6) Sa prime de risque est donc 100 76, 6 = 13, 4.
1/2
150
50
Laversion pour le risque est en rapport avec le degr de concavit de u. Elle peut tre mesur par ces diffrents coefcients : - Coefcient absolu daversion pour le risque : Ra (x) = u(x) /u (x) - Coefcient relatif daversion pour le risque : Rr (x) = xu(x) /u (x)
Approximation dArrow-Pratt
Dans le cas o le risque est petit, cad c = w + avec petit, le coefcient dArrow-Pratt permet dapproximer la prime de risque, de la manire suivante. Proposition Pour un petit risque, la prime de risque est approximativement gale
1 2
Ra (w)Ew [2 ]
Plus le second moment Ew [2 ] est lev, plus la prime de risque est leve Plus Ra (w) est lev, plus la prime de risque est leve
Exemples
Soit un individu qui dispose de 10.000 euros et dont la VNM est x. Quel est pour lui la valeur dun ticket de loterie qui lui donne 1 euro avec probe 1/2 et 0 sinon. rponse u (w) = 1/2 w u (w) = 1/4w w Ra (w) = 1/2w Ew [2 ] = 1 12 + 1 0 = 1 2 2 2 = 1/4 10.000, cad presque rien. Quand on a dix mille euros, la prime de risque quon est prt payer pour se dbarrasser de la loterie est presque nulle. Donc, lquivalent certain de cette loterie est 50 cts. La valeur du ticket de loterie est 50 centimes.
Exemple
En supposant quun agent de type (pour (0, 1)) vrie le critre de lesprance dutilit avec la fonction VNM u (x) = x , montrer que lquivalent certain de la loterie qui donne 100 avec probabilit 1/2 et 0 avec probabilit 1/2 est croissant avec . Calculer la limite de cet quivalent certain. Les rsultats que vous trouvez taient-ils prvisibles ? Comparer laversion pour le risque de divers agents dont la VNM est u(x) = ln(x), u(x) = (x), u(x) = exp(x).
Rsolution de lexemple
lquivalent certain de lagent de type est r qui vrie r = 1 2
(100)
r=
100 2(1/)
= 100exp( ln(2)/)
Quand augmente, ln(2)/ augmente, ainsi que lquivalent certain. La limite est 100exp( ln(2)) = 100/2 = 50, cad lquivalent certain de lagent neutre au risque (paramtre = 1). Un autre moyen de voir que lorsque augmente, laversion pour le risque diminue est de calculer le coefcient Arrow-Pratt de lagent de type : u ( x ) = u (x) x u (x) = ( 1) u (x) x2 Ra (x) =
1 x
150
Supposons que la VNM dun agent soit u(x) = ln(x) et que cet agent soit expos la lotte1/2 50 rie Comment votre prime de risque volue si votre richesse initiale est de 1000 ?
Comment votre prime de risque lie au risque de gagner ou perdre 50 avec gales probabilits volue si votre richesse passe de 100 1000 ?
x-k
B0
Aime pas
B A , cad moins
A0
de richesse
B1
A1
prfs monotones
1/2
xk
1/2
1/2
x
1/2
x+
1/2
xk+
1/2
1/2
1/2
xk
B2
Aime pas
B A , cad
A2
Prudence (suite)
On peut comprendre la prudence dans un environnement temporel (ou spatial) : tout se passe comme sil y avait une loterie t = 0 avec la perte de k dans un tat de la nature, et que lon se demande, t = 1, dans quel tat de la nature on prfrerait rajouter un spread au cas o on soit dans la position de choisir uniquement dans quel tat de la nature on met le spread.
1/2
xk
A2
1/2
x+
1/2
1/2
B2
Remarques : ( prouver)
Mieux dispos accepter un risque supplmentaire plus riche lpargne de prcaution augmente plus riche
x + 1 x 1 x + 2 x 2
1/2
x
1/4 1/4
x + 1 + 2 x + 1 2 x 1 + 2 x 1 2
B3
Aime pas
B A , cad
A3
Temprance (suite)
On peut comprendre la temprance dans un environnement temporel (ou spatial) : tout se passe comme sil y avait une loterie t = 0 avec un spread somme nulle dans un tat de la nature, et que lon se demande, t = 1, dans quel tat de la nature on prfrerait rajouter un autre spread somme nulle, indpendant, au cas o on soit dans la position de choisir dans quel tat de la nature on met ce nouveau spread.
1/2
x
1/2
A3
x + 2
1/2
x + 1
1/2
1/2
x 2
B3
1/2
x 1
Remarque :
On aime moins le premier bruit (1 , 1 ) en prsence de (2 , 2 )