La dcision dans lincertain

prfrences, utilit et probabilits

Philippe Bernard

Table des matires

1 Le risque

2 Lesprance morale

3 Prfrences et utilits

10

3.1 Lapproche partienne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

3.2 Loteries et choix dans lincertain . . . . . . . . . . . . . . . . . . . . . . . . 14
4 Aversion lgard du risque : mesures et consquences

19

4.1 Variables alatoires, tats du monde . . . . . . . . . . . . . . . . . . . . . . 19

4.2 Laversion lgard du risque . . . . . . . . . . . . . . . . . . . . . . . . . 22
4.3 Utilit espre et aversion au risque . . . . . . . . . . . . . . . . . . . . . . 29
4.4 Equivalence des mesures . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.5 Aversion relative lgard du risque . . . . . . . . . . . . . . . . . . . . . . 36
5 Demande dassurance

37

6 Incertitude, production et marchs financiers

41

6.1 Le cadre conomique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42

6.2 Lore dans lincertain sans instrument de couverture . . . . . . . . . . . . 43
6.3 Lore avec le march de futures . . . . . . . . . . . . . . . . . . . . . . . . 46
6.4 Equilibre des marchs financiers et stabilisation des prix . . . . . . . . . . 49
7 Limites et extensions de lutilit espre

52

Le risque
La prise en compte de la dimension temporelle dans la modlisation permet de r-

introduire les comportements financiers, dpargne et dinvestissement ainsi que dautres

fonctions des marchs financiers. Nanmoins, un aspect essentiel de lactivit economique
demeure absent : son risque.
En eet, une hypothse centrale des analyses intertemporelles est celle des anticipations exactes. Avec elle, lvolution future de lconomique est certaine, unique, et tenue
comme telle par les agents conomiques. Aussi, par exemple, chaque instant, les revenus
engendrs par les actifs financiers, les investissements sont connus. Le risque, lincertitude
sont donc absents de lanalyse ; lquilibre de ce monde, aucune prime de risque ne peut

exister, tous les actifs ont le mme rendement net, aucune spculation ne peut avoir lieu,
aucune assurance nest demande.
Pour rintroduire lensemble des institutions financires, des contrats dont lobjet est
de protger les agents de lincertitude, il est donc ncessaire de prendre en compte le
hasard, le risque. Mais admettre que les projets sont risqus, cest admettre quil peut se
passer plus de choses quil ne sen passera. Ainsi, nous nous assurons contre des vnements rares (incendies, accidents), que nous esprons (et pensons souvent) ne pas voir se
produire mais qui peuvent arriver. De mme, sur le march des actions, celui de limmobilier, lorsque nous anticipons une hausse prolonge mais nous ninvestissons pas la totalit
de notre patrimoine dans ces actifs risqus car nous admettons que ceux-ci peuvent galement baisser. Bref, comme le suggrent les racines de hasard et de risque1 , quelles que
soient leurs comptences, leurs prcautions, les investisseurs, les financiers sont frquemment dans la situation de joueurs de ds : ils connaissent approximativement les rsultats
possibles, les frquences de ceux-ci mais ne sont pas totalement maitres de leurs destins :
le dmon de la chance (M. Kendall) le dtermine aussi en partie.
La prise en compte de cette donne dans lactivit conomique en gnral, les jeux de
hasard, lassurance, la finance en particulier a conduit trs tt les hommes sinterroger
sur la nature de ces alas, tenter de les quantifier.
La description des risques conomiques, leurs quantifications, i.e. le fait de les rsumer
par des nombres, a videmment une histoire aussi longue que le commerce et lassurance.2
Cependant, les premires tentatives modernes danalyse de ce problme remontent la
Renaissance et furent suscites par des activits plus futiles : le jeu. Au milieu du XVII
sicle, pour des problmes similaires, Blaise Pascal dveloppa (avec laide de Pierre Fermat) la thorie des probabilits et proposa une premire rgle de dcision dans lincertain :
celle de la maximisation de lesprance des gains. Cependant au dbut du XVIIe sicle,
dans le petit monde des mathmaticiens, la pertinence de cette rgle fut mise en doute.

Lesprance morale
Nicolas Bernoulli (1687-1759), charitablement surnomm par ses contemporains Nico-

las le lent, tait le membre dune grande famille de mathmaticiens suisses. En 1713, il
soumit la communaut scientifique un problme, appel Paradoxe de St Petersbourg3 ,
qui fut lorigine dune avance essentielle de la thorie de la dcision dans lincertain.
Le problme soumis par Nicolas le lent est le suivant. Pierre propose Paul un jeu
1

Hasard vient du mot arabe al zahr (= d) et risque vient de litalien riscare oser.
Sur ce sujet, on peut se rfrer notamment [?], [?], ou louvrage plus rcent de P.L. Bernstein [?].
3
Le nom est uniquement d au fait que Nicolas Bernoulli rsidait alors dans cette ville.
2

1er tirage

2me

3me

n-me

2 ducats

4 ducats

8 ducats

2 n ducats

2 ducats

pile

pile

pile

pile

1/2
1/2

face

1/2
1/2

pile
face

1/2
1/2

1/2

face

1/2

n+1-me
n+1

face

1/2
1/2

face

Fig. 1 Le jeu du paradoxe de St Petersbourg

pile ou face (reprsent sur la figure 1) :
1. si pile arrive au premier lanc, Pierre donnera Paul 2 ducats4 , sinon le jeu continuera ;
2. si pile arrive au second lanc, Pierre donnera Paul 4 ducats, sinon le jeu continuera ;
3. si pile arrive au ne`me coup, Pierre donnera Paul 2n ducats, sinon le jeu continuera.
Combien vaut donc pour Paul la jeu propose par Pierre, i.e. quel est le prix maximum
quil serait prt payer pour avoir le droit de participer au jeu ?
Au XVIIIme, le critre courant utilis pour valuer les jeux de hasard tait lesprance
du gain, critre propos au sicle prcdent par Pascal. Le jeu propos par Nicolas le lent
peut tre reprsent sous la forme quivalente de la figure 2. Par consquent, lesprance
du gain, note V , est la suivante :
V =

1
1
1
1
1
2 + 4 + 8 + .... + n 2n + n+1 2n+1 + .... =
2
4
8
2
2

Lapplication du critre desprance du gain dbouche donc sur le paradoxe de Saint

Peterbourg : quel que soit le prix du jeu fix par Pierre, Paul selon la thorie de Pascal
devrait laccepter puisque la valeur de celui-ci est infinie.
Le jeu propos par Nicolas le lent semble donc remettre en cause la pertinence du
critre desprance des gains. Peu de personnes seraient prt payer une somme infinie. Mais quel critre peut remplacer lesprance du gain ? Ce problme pos en 1713
resta (publiquement) sans solution jusqu la publication en 1738 dun mmoire Specimen
Theoriae Novae de Mensura Sortis (Expos dune nouvelle thorie du risque) prsent
lAcadmie des Sciences de Saint Ptersbourg.
Lironie voulut que lauteur en soit le propre cousin de Nicolas le lent, Daniel Bernoulli
(1700-1782). Son objectif tait non seulement de rsoudre le problme de son cousin, mais
4

Daprs les calculs de P.-L. Bernstein [?], un ducat du XVIIIe sicle est environ lquivalent de 40$

daujourdhui, 260 FF.

2 ducats
1/2
4 ducats
1/4
8 ducats
1/8
1/2 n
1/2

n+1

ducats

n+1

ducats

Fig. 2 Reprsentation quivalente du jeu du paradoxe de St Petersbourg

aussi tablir des rgles [qui] peuvent tre utilise par toute personne devant estimer
toute prise de risque dans des circonstances financires spcifiques.

Bref, Bernoulli

peut tre regard comme le fondateur du risk management. Ce faisant il est aussi un
des premiers responsables de lintroduction dans la balbutiante thorie de la dcision dun
monstre encore mal dfini mais incontournable : lutilit.
Ds le dbut son mmoire, Bernoulli rappelle la procdure courante pour valuer :
La valeur espre est calcule en multipliant chaque gain possible par le
nombre de fois o il se produit, et en divisant la somme de ces produits par le
nombre total de cas possibles lorsque chaque cas a la mme probabilit. ([?]
p. 15)
et souligne une caractristique de cette procdure :
Aucune caractristique des personnes nest prise en considration ; seuls
comptent les termes du pari[.] ([?] p. 15)
Or, pour lui :
la dtermination de la valeur dun objet ne doit pas tre base sur ses
avantages 6 , mais seulement sur lutilit quil procure. Les avantages de lobjet
dpend seulement de lui-mme et sont les mmes pour tout le monde ; lutilit,
par contre, dpend des caractristiques propres de la personne qui fait lvaluation. Ainsi, il ny aucun doute quun gain de 1000 ducats est sans doute
5
6

Cet extrait ainsi que ceux qui suivent sont des traductions de [?].
Bernoulli parle en fait ici de prices qui correspond dans le cas dune loterie aux gains montaires

de celle-ci.

Fig. 3 Daniel Bernoulli.

plus apprci par un pauvre que par un homme riche mme si le gain est le
mme pour les deux. ([?] p. 16)
Mme sil admet que la richesse nest pas le seul paramtre important de lutilit7 , il
avance son hypothse fondamentale :
[L] utilit resultant de tout petit accroissement de la richesse sera inversement proportionnel la quantit de biens antrieurement possds.
Autrement-dit, pour tout accroissement faible de la richesse w, laccroissement de
lutilit (u) est alors donn par :
u

1
w
w

(1)

Pour Bernoulli, cette hypothse est le plus souvent valide : Considrant la nature
de lhomme, il me semble que cette hypothse est valide pour la majorit des hommes
auquels ces considrations pourraient tre appliques. ([?] p. 16) Mais cette restriction
dtermine la fonction dutilit :
u
7

1
u
1
w
= u = ln (w)
w
w
w

lutilit dun objet peut changer avec les circonstances. Ainsi, mme si un gain donn est gn-

ralement plus utile un pauvre qu un riche, il est nanmoins concevable, par exemple, quun riche
prisonnier possdant 2000 ducats mais ayant besoin de 2000 ducats supplmentaires pour racheter sa
libert, accordera alors plus de valeur un gain inopin de 2000 ducats quun homme plus pauvre que
lui.([?] p. 16)

Ceci suggre la fonction objectif substituer lesprance du gain :

Si lutilit de chaque profit possible est multipli par le nombre de fois o
il peut tre obtenu, et si nous divisons la somme de ces produits par le nombre
total de cas possibles, une esprance morale sera obtenue, et le profit qui lui
correspond sera la valeur du risque en question. ([?] p. 16)
A la maximisation de lesprance mathmatique Bernouilli substitue la maximisation
de l esprance morale : les connaissances sont donnes par des probabilits (i )i=1,.. P
avec 0 i 1, i i = 1 - mais les gots sont rsums par une fonction dutilit de la
richesse totale (u) quant elle est certaine ; en prsence dincertitude, lagent maximise l
esprance morale U :
U=

i .u (w + wi )

(2)

o w est la richesse certaine initiale, (wi ) les revenus risqus possibles. Ce faisant :
[e]n moins dune page, Bernoulli tait pass de lintroduction des probabilits dans les dcisions la prise en compte dlments subjectifs dans les
dcisions en environnements alatoires [...] Pour la premire fois de lhistoire,
Bernoulli appliquait la mesure quelque chose qui ne pouvait tre mesure.
Il agissait comme un intermdiaire unissant lintuition et la mesure. Cardano,
Pascal, et Fermat avaient donn une mthode pour reprsenter les alas de
chaque lanc de d, mais Bernoulli introduisait le preneur de risque - le joueur
qui agit. Ceci tait un domaine dtude entirement nouveau. ([?] p. 105)
Comme Bernouilli le remarqua dans les deux corollaires de son mmoire, cette nouvelle
approche ne rejette pas lesprance du gain : elle lenglobe. En eet, si ui est proportionnelle la richesse :
u (wi ) = .w + .wi
avec une constante strictement positive, alors lesprance du gain demeure le critre
(corollaire 1 de Bernoulli) :
U = w +

i wi

= w + E (w)
e

o E (w)
e est lesprance de la richesse. Enfin, si le risque est susamment faible, alors
lesprance demeure une bonne approximation (corollaire 2) :
u (w + wi ) u (w) + u0 (w) wi

et donc :
X

U =

i u (w + wi )

i [u (w) + u0 (w) wi ]

= u (w) + u0 (w)
0

i .wi

= u (w) + u (w) E (w)

e

Dans ce cas, chercher le plus grand possible U est quivalent maximiser E (w).
e

Une des premires application de la nouvelle approche est videmment le paradoxe de

Saint Ptersbourg. Dans ce jeu, le gain de Paul, valu avec lesprance morale nest
plus indfini8 puisque, en supposant une richesse intiale nulle (w = 0) :
1 t
ln 2
T +
2t
Pt=T t
= ln(2) lim
t=1
T +
2t
ln (4)

U =

lim

PT

t=1

La valeur du jeu propos par Paul est en fait exactement ln (4) ducats.
Ltude de son esprance morale conduisit Bernoulli relever certaines proprits
remarquables. Ainsi, la dirence de lesprance de gain :
il apparat que dans de nombreux jeux, mme ceux qui sont parfaitement
quitables, tous les joueurs prfreront subir une perte [plutt que dy participer] ; ceci constitue constitue laversion de la Nature lgard du hasard...
Ceci est la consquence de la concavit [de la courbe dutilit].([?] p. 20)
Ce rsultat est reprsent sur la figure 4 pour une loterie quiprobable prenant deux
valeurs. Ds lors que la fonction u est concave, tout individu possdant une richesse
certaine w et acceptant une telle loterie voit son revenu prendre deux valeurs possibles de
part et dautre de w. Sil perd, lutilit de lagent est donne par lordonne du point B.
Sil gagne, elle est donne cette fois par lordonne du point H. Puisque les probabilits
du gain et de la perte sont 1/2, lesprance morale est alors la moyenne ; graphiquement,
elle est donc lordonne du point P , le milieu de la corde BH. Alors que lesprance de
gain de la loterie est donc nulle, lindividu perd donc ici accepter la loterie puisque son
8

Bernoulli dans son mmoire porta la connaissance du public que 10 ans avant lui le mathmaticien

Gabriel Cramer (1704-1752) avait dans une lettre Nicolas Bernoulli apport des solutions trs proches
des siennes. Comme lui, Cramer mettait en avant lutilit. Deux solutions direntes taient proposes
pour rsoudre le paradoxe : (a) lutilit est croissante de la richesse, elle peut lui tre proportionnelle mais
elle est borne ; (b) lutilit est la racine carre. Avec cette restriction, la valeur du jeu est en eet finie.

utilit

H
U

P
B
perte

w-perte

w'

gain

w+gain

richesse

Fig. 4 Linquit des loteries quitables

esprance morale passe de u (w) U sur le graphique. Comme Bernoulli le remarqua,
lindividu est mme prt accepter une perte : pour lui, mieux vaut en eet accepter
une baisse de son revenu certain tant que celui-ci dpasse le niveau w0 (reprsent sur la
figure). Cette rpulsion supporter des risques dfinit une demande dassurance.
Dans son mmoire, ltude de celle-ci est la dernire contribution de Bernouilli. Celuici montre notamment comment, en prsence dune ingalit des richesses, un march du
risque peut accrotre lesprance morale de chacun des participants.
Lexemple de Bernouilli est le suivant : Caius ( ? !) ralise un investissement de 10,000
roubles en achetant des marchandises Amsterdam pour les vendre St. Ptersbourg.
Malheureusement, 5% des expditions coulent rgulirement dans la Baltique. Si lon note
wN le revenu de Caius en cas de naufrage, wV son revenu dans lautre cas (et donc aprs
la vente St. Ptersbourg), son esprance morale est donc :
U=

5
95
ln (wN ) +
ln (wV )
100
100

Si lon note x, la fortune de Caius hors le revenu alatoire de linvestissement, lesprance

morale de Caius scrit aussi :
5
95
ln (x) +
ln (x + 10, 000)
100
100
En supposant que le cot de lassurance est de 800, sil sassure, il obtiendra alors avec
certitude le revenu x + 9200. Par consquent, tant que le prix de lassurance est de 800,
lindividu ne sera demandeur dune assurance que si :
5
95
ln (x) +
ln (x + 10, 000) ln (x + 9200)
100
100
8

ou encore en raison des proprits du ln :

i
h 5
95
100
100
ln (x + 9200)
ln x (x + 10, 000)
95

x5 (x + 10, 000) 100 x + 9200

i.e. que :
x 5043
Caius demandera une assurance lorsque la part de son revenu alatoire reprsentera une
part susamment importante de sa fortune : Nous devons souligner cette vrit, bien
quelle soit vidente : limprudence dun joueur est dautant plus grande que la part
soumise au hasard de sa fortune est importante.([?] pp. 20-21) Lauto-assurance nest la
stratgie optimale que pour des individus susamment riches.
Ct ore, si le prix de lassurance est de 800, un agent orant dassurer Caius aura un
revenu gal en labsence de naufrage 800+y, o y est son revenu initial, 800+y10, 000
en cas de naufrage puisqualors il devra indemniser totalement Caius pour la perte de sa
cargaison. Par consquent, orir une assurance Caius ne sera avantageux que si :
5
95
ln (y + 9, 200) +
ln (y + 800) ln (y)
100
100
ou encore
95

(y 9200) 100 (y + 800) 100 y

i.e. que :
y 20, 478
Tant que le prix de lassurance est 800, la mise en place dun march de lassurance sera
bnfique la fois aux agents trs pauvres, dont la richesse, est infrieure 5400, qui
pourront se dcharger de leurs risques ainsi quaux agents trs riches, dont les revenus
sont suprieurs 20478.
De la correspondance de Pascal et de Fermat Daniel Bernoulli, peine 80 ans
se sont couls. La thorie des probabilits ainsi que les statistiques ne vont cesser de
progresser. Cependant, la thorie de la dcision va tomber dans une certaine torpeur
jusquau renouveau de la littrature de la thorie des jeux, au dbut du XXe sicle,
avec Emile Borel, John von Neuman notamment. Comme pour de nombreux autres pans
de la science conomique, le renouveau de la thorie de la dcision sera acclr par la
parution en 1944 de Theory of Games and Economic Behaviour de J. von Neumann et
O. Morgenstern o une axiomatique complte (et ordinale) de la thorie bernouillienne
fut pour la premire fois donne.
9

Prfrences et utilits

3.1

Lapproche partienne

Avant daborder les choix dans lincertain, rappelons quelques lments de la thorie
traditionnelle des choix. Si lon suppose quil existe L biens, lespace des biens est <L . Le
consommateur considr peut choisir ses consommations dans son ensemble de consom-

mation, not X, un sous-ensemble de <L+ rsumant la fois les contraintes propres aux
biens (indivisibilits, consommations exclusives les unes des autres, etc...) et celles du
consommateur.
La rvolution partienne des annes 30, initie notamment par les travaux de Roy
Allen (1906) et de John Hicks (1904-1989) a dfinitivement assis la vision ordinaliste
de lutilit. Comme lavaient indpendamment dmontr, au tournant du sicle, Vilfredo
Pareto (1848-1923) et Henri Poincar (1854-1912), il est en eet possible de driver des
seules prfrences des indices dutilit capables de dterminer le score de chaque panier.
Dans cette approche, les prfrences dfinies sur les consommations de X sont introduites et reprsentes par la relation 9 . Cette relation est gnralement suppose

tre :

rflexive :
x X, x x
transitive 10 :x, y, z X : x y, y z x z
9

Notations : est une prfrence faible, une prfrence stricte, une indirence :

x y signifie que lagent est indirent entre le panier x et le panier y, x y que lagent prfre

strictement x y, x y que lagent prfre x y, i.e quil le prfre strictement ou est indirent entre
eux. On a donc :

x y x y ou x y
x y x y et y x
x y x y et y x
ou x y x y et x y
10

La transitivit est une hypothse intuitive assurant une certaine cohrence des choix. Cependant, on

doit souligner deux points.

Dune part, cette proprit nest nullement ncessaire pour dvelopper une thorie de la demande et
plus gnralement une thorie de lquilibre des marchs. Au prix dun renforcement dautres proprits, notamment la convexit des prfrences, les principaux rsultats de la thorie de lquilibre gnral
demeurent en eet.
Dautre part, la transitivit nest pas une proprit (ou une manifestation) de la rationalit des agents
conomiques. En eet, la transitivit est une proprit des seules prfrences et est sans rapport avec le
problme de ladquation des moyens aux fins.

10

Elle constitue donc un pr-ordre qui au surplus est complet :11

x, y X : x y ou y x
Une des tapes essentielles de la microconomie, pour pouvoir appliquer les outils
les plus courants des mathmatiques est de dmontrer que les prfrences peuvent tre
reprsentes par des fonctions dutilit, i.e des fonctions vrifiant la dfinition suivante :
Dfinition 1 Une fonction U : X < est une fonction dutilit si pour tout couple
(x, y) X :

x y U (x) U(y)
x y U(x) > U (y)

Une fonction dutilit est une fonction prservant lordre des prfrences sur les
paniers de biens. Elle constitue donc une mesure ordinale des prfrences, et seulement
cela. Ntant quun indice qui range les paniers, elle nest donc pas l hedonimeter dont
rvait Edgeworth : la seule information conomique que rvle par exemple U(x) = 2U(y)
(> 0) est une prfrence stricte pour le panier x. En aucun cas, une telle relation nimplique
que la statisfaction procure par le panier x est deux fois plus intense que celle procure
par le panier y : lindice dutilit est une mesure ordinale et non cardinale.
Un des premiers rsultats dexistence fut obtenu par le statisticien - conomiste scandinave Herman Wold (1908-1992) en 1943 dans une srie darticles importants [?]. Par
la suite, des rsultats supplmentaires sur lexistence de telles fonctions dutilit ont t
obtenus, et notamment par John von Neumann (1903-1957) en 1944 [?], par Grard Debreu (1921-) [?].12 Sous une hypothse de continuit des prfrences, Debreu a notamment
montr que tout pr-ordre complet pouvait tre reprsent par une fonction dutilit continue. Sans quil soit question daborder cette dmonstration, il est sans doute utile den
restituer lintuition. Pour lillustrer, nous nous rfrerons la construction (plus ancienne)
utilise par Wold pour dmontrer le thorme dexistence suivant :
Thorme 1 (Wold (1943)) Si les prfrences sont dfinies sur <L+ , compltes, r-

flexives, transitives, continues et fortement monotoniques alors il existe une fonction

dutilit reprsentant ces prfrences.
Lintuition de la dmonstration et la construction de la fonction dutilit sont illustres
sur les figures 5, 6, 7. La mthode consiste slectionner un panier, par exemple le panier 1,
le vecteur dont toutes les composantes sont gales 1 (figure 5). La courbe dindirence de
11
12

Autrement dit, sur tout couple de panier quon lui demande de comparer, lagent a une opinion.
Une synthse de lensemble de ces rsultats est prsente par Peter Fishburn dans son ouvrage [?].

11

bien 2

1
courbe d'indif-frence "1"

bien 1

Fig. 5 Le panier talon de la fonction dutilit

bien 2
U

courbe d'indif-frence "2"

2x 1
1
1

courbe d'indif-frence "1"

1

bien 1

Fig. 6 Utilisation du panier talon pour renommer les courbes dindirence

12

bien 2
U
x

x'
u(x). 1
courbe d'indif-frence "u(x)"
1

bien 1

Fig. 7 Dtermination de lutilit dun panier arbitraire x.

ce panier est renomme courbe 1. Grce au panier talon 1, on peut galement renommer
dautres courbes dindirences : ainsi, comme sur la figure 6, la courbe dindirence
dfinie par le panier double du panier 1 est la courbe dindirence 2. Ce nouvel indiage
dfinit en fait lutilit des paniers. Cette procdure se gnralise lensemble des paniers.
Ainsi, slectionnons un panier arbitraire x reprsent sur la figure 7. x dfinit une unique
courbe dindirence qui, en raison de lhypothse de monotonicit des prfrences, coupe
ncessairement la droite OU. Appelons x0 le panier dfini par lintersection de la courbe
dindirence dfinie par le panier x et la droite OU. Les paniers x et x0 sont quivalents

pour lagent considr : x0 x. Le vecteur Ox0 est videmment colinaire au panier talon

1 et donc il existe un unique nombre U(x) vrifiant : Oy = U (x).1. Ce nombre vrifie la

relation dindirence suivante :
x U(x).1
puisque x0 x. Comme pour tout panier x appartenant lensemble de consommation

X il existe un tel U (x), on vient de construire par cette procdure une fonction :
U :X <

Les proprits de continuit des prfrences assurent en outre que cette fonction est continue.
La fonction U a comme proprit essentielle de respecter les prfrences. En eet, pour
tout couple de panier x et y appartenant lensemble de consommation et vrifiant par
exemple :
yx
13

courbe d'indif-frence "u(y)"

bien 2

x
y'
y
u(y). 1
x'
1

courbe d'indif-frence "u(x)"

u(x). 1

bien 1

Fig. 8 La fonction u() respecte les prfrences

alors ncessairement, par construction, les rels U (x) et U (y) vrifient :
U (x) .1 x, U (y) .1 y
La transitivit des prfrences assure que :
U (y) .1 y x U (x) .1 U (y) .1 U (x) .1
Comme les vecteurs U (y) .1 et U (x) .1 sont colinaires, ncessairement on doit avoir :
U (y) U (x)
En eet, si lon avait U (y) < U (x), la monotonocit des prfrences imposerait que :
U (y) .1 U (x) .1
ce qui contredirait U (y) .1 U (x) .1. La fonction U respecte bien le pr-ordre des prf-

rences. Elle est donc bien une fonction dutilit.

Cette construction pragmatique (et dnue de toute mtaphysique) est galement

celle utilise pour obtenir des fonctions dutilit dans lincertain.

3.2

Loteries et choix dans lincertain

Les dcisions dans lincertain sont des des dcisions dinvestissement, dpargne, de
portefeuille, etc... Les revenus des futurs investissements, les dividendes que rapportent les
actifs financiers sont souvent alatoires. La figure 9 reprsente ainsi la distribution eective
du rendement mensuel des actions du S&P 500 entre 1926-1995. Comme le suggre ce
graphique, ces rendements peuvent (sembler) respecter certaines structures, voire tre des
14

Fig. 9 La distribution du rendement mensuel des actions aux Etats-Unis, 1926-1995

distributions normales. Aussi, si lensemble des objets que lon doit choisir est fort divers,
formellement sa structure nest pas sans voquer celle des loteries : des gains possibles
caractriss par des probabilits doccurence. Au surplus, avec les loteries comme avec les
actifs financiers : largent que les joueurs ont mis dans le jeu ne leur appartient plus [...]
mais [...] ils reoivent en contrepartie le droit de recevoir ce que la chance leur accordera,
selon les rgles quils ont accept au dbut du jeu. (Blaise Pascal, cit par [?] p. 67)
Aussi, la thorie de la choix dans lincertain, dveloppe par von Neumann et ses
continuateurs immdiats (Marschak [?], Samuelson [?], Herstein & Milnor [?]), suppose
que les objets sur lesquels sont dfinies les prfrences sont des loteries. Ceci est cependant restrictif. Une loterie est caractrise par une distribution de probabilit objective
des prix. Assimiler les objets des loteries revient donc supposer quaux vnements
possibles correspondent des probabilits objectives sur lesquelles saccordent les agents.
Les probabilits prcdent donc ici les prfrences.13 Avant daller plus avant, introduisons
quelques notations et dfinitions.

Comme lillustre la figure 10, chaque loterie ax = [

x ,
p x ] est compose de deux sries
dlments : les dirents prix possibles (x1 , x2 ) et leurs probabilits (px (x1 ), px (x2 )).
Lorsque la loterie est une loterie simple, les prix sont des biens, des paniers de biens, du
bien numraire. Pour utiliser les notations dj vues dans le certain, on notera alors X
13

Une approche alternative fut propose trs tt par Lonard Savage. Dans celle-ci, les donnes objec-

tives se rduisent aux vnements. A priori, il nexiste pas ncessairement de probabilits objectives.
Les agents peuvent donc ne pas avoir les mmes croyances sur les probabilits de ralisation des dirents
vnements. Ces probabilits sont, comme les prfrences, des lments subjectifs dfinissant chaque personnalit. Cependant, ce relchement considrable du modle de dcision ne modifie pas considrablement
les rprsentations obtenues. Aussi, en restons-nous essentiellement aux probabilits objectives.

15

probabilits

x1
px(x1)

prix

ax
px(x2)

x2

loterie

Fig. 10 Reprsentation dune loterie

lensemble des prix possibles, avec X <N . Lensemble des probabilits dfinies sur cet
ensemble X sera not (X). Lensemble des loteries simples est donc X (X).

A ct de ces loteries simples, on peut considrer des loteries composes. Une loterie

compose est une loterie dont certains prix sont eux-mmes des loteries, i.e. certains gains
possibles de la loterie compose est de gagner le droit (et lobligation) de participer une
autre loterie. Ainsi sur la figure 11, la premire loterie compose permet de recevoir avec
une probabilit 1 q un panier y. Par contre, avec une probabilit q, le prix reu est la
loterie [(x, y) , (p, 1 p)]. Ex ante, participer la loterie compose donne droit recevoir
au total le prix x avec une probabilit totale qp, le prix y avec une probabilit q(1 p) +

(1 q) = 1 qp. Comme q [0, 1], le droit de recevoir y peut tre assimil une loterie

b = [(y, 0), (1, 0)] donnant avec certitude y, la loterie compose nest quune combinaison
convexe de loteries que lon notera q a (1 q) b. Comme la distribution des prix x et

y est similaire celle de la loterie [(x, y) , (qp, 1 qp)], une telle combinaison convexe est
elle-mme une loterie. Cette proprit des loteries composes assure que lensemble des
loteries, que lon notera $, est un ensemble convexe :
ax , ay $, [0, 1] : ax (1 ) ay

(3)

Remarque 1 Comme lillustre la figure 11, il est toujours possible de reprsenter une
loterie (comme la loterie centrale du graphique) par plusieurs loteries composes.
Les prfrences (sur les loteries) tant toujours reprsentes par les sigles , , , il est

ncessaire dintroduire quelques hypothses prliminaires, dont certaines sont purement

formelles comme les deux suivantes :
Hypothse 1 (L 1) ax , ay $, 1 ax 0 ay ax
16

1-p

loterie
intermdiaire

q
1re loterie
compose
1-q

qp
loterie simple

1-qp

q
loterie
intermdiaire

1-q

2me loterie
compose
y

1-p

Fig. 11 Reprsentation dune loterie simple au centre sous forme de plusieurs loteries
composes.

17

Hypothse 2 (L 2) ax , ay $, [0, 1] :
ax (1 ) ay (1 ) ay ax
Une troisime, appele rduction des loteries composes, revient supposer que les
loteries composes et les loteries simples quelles dfinissent sont quivalentes pour les
agents :

Hypothse 3 (L 3) ax = [
x,
p x ] $, ay = [
y ,
p y ] $, [0, 1] :

x ,
y ) , (px , (1 ) py )]
ax (1 ) ay [(
Si lon suppose que les prfrences constituent un pr-ordre complet sur les loteries,

que les prfrences sont continues, il est possible dappliquer immdiatement les tho-

rmes gnraux dexistence des fonctions dutilit (comme celui de Debreu dans [?]) pour
dmontrer lexistence dune fonction continue U :
U

$<

ax = (x, px ) 7 U = U (ax ) = U (x; px )

reprsentant le pr-ordre :
ax , ay $, ax ay U (ax ) > U (ay )
Ce type de reprsentation trs gnrale sut pour lanalyse de nombreux problmes.
En particulier, lextension de la thorie de lquilibre gnral lincertain ne ncessite
aucune restriction supplmentaire. Cependant, dans les domaines de lassurance, de la
finance, certaines restrictions savrent utiles et fructueuses. Comme lavait dj not
Bernoulli, la reprsentation des prfrences sous forme dutilit espre permet dobtenir
de nombreux rsultats intressants. Les fonctions dutilit U scrivent alors sous la forme
additive suivante :
i
h
X
ax = (xi )i=1,... , (px (xi ))i=1,... , U (ax ) =
px (xi ) .u(xi )

(4)

o u est la fonction dutilit lmentaire (appele aussi fonction vNM en lhonneur de von
Neumann et Morgenstern). Pour obtenir ceci, des axiomes supplmentaires sont introduit
dont laxiome dindpendance suivant :
Axiome 1 Soient deux loteries x, y $ vrifiant :
xy
alors pour toute loterie z $, pour tout rel ]0, 1[ on a :
x (1 ) z y (1 ) z
18

Mais, la construction axiomatique menant lutilit espre tant relativement aride,

il est sans doute sage de sursoir provisoirement son expos pour analyser maintenant
ses nombreux apports.

Aversion lgard du risque : mesures et consquences

Dans lincertain, les agents conomiques sont souvent amens prendre des dcisions

dinvestissement, de portefeuille plus ou moins risqus. Ces dcisions sont videmment

dtermines pour partie par les donnes du march (prix, taux dintrt), pour partie par
certaines variables objetives caractrisant ces agents (richesse, ge notamment). Mais,
intuitivement, on comprend bien que ces choix dpendent aussi de manire fondamentale
de paramtres subjectifs, des prfrences et des gots des dcideurs, de leur attitude
lgard du risque : toutes choses gales par ailleurs, notamment quant leurs richesses, il
semble vident que le risque de leurs positions financires sera dautant plus faible quils
seront prudents (= ?), quils auront de laversion lgard du risque (= ?). Mais peut-on
dfinir rigoureusement, dans le cadre dun modle thorique, ces notions ?
Lobjet de cette section est dexposer les notions qui ont t dveloppes notamment
dans le cadre de lutilit espre pour reprsenter ces attitudes et de montrer leurs applications la demande dactifs financiers et la demande dassurance.

4.1

Variables alatoires, tats du monde

Les conomies reprsentes tout au long de cette section sont caractrises par une
ou plusieurs sources dincertitude, i.e. il existe un ensemble fini dvnements dont les
probabilits sont donnes. Formellement, ces vnements sont des variables alatoires fe
rsumes n
par leurs valeurs
possibles {f1 , f2 , ..., fm } et par les probabilits de ces direntes
o
valeurs :

f1 , ..., fm . Par exemple, comme sur la partie suprieure de la figure 12, on

peut avoir des alas portant sur la mto ; un ensemble de 4 vnements :

{soleil, pluie, avec vent, sans vent} est ainsi spcifi ; les probabilits de soleil et

pluie sont respectivement 1/3 et 2/3 ; la probabilit (totale) de lvnement avec vent
est

11
+ 23 21
32

= 1/2 comme celle de lvnement sans vent :

11
+ 23 21
32

= 1/2. Ces vnements

ont comme proprit de ne pas tre ncessairement exclusifs les uns des autres : comme le
montre larbre des vnements, on peut par exemple avoir simultanment les vnements
soleil et avec vent, ou encore les vnements pluie et sans vent. Comme dans cet
exemple, il nexiste cependant que deux sources dincertitude (illustre par les enchanements graphiques des vnements), formellent, ce cadre peut donc tre reprsent par la
19

Reprsentations par les vnements

avec vent

(s1)

1/2

sans vent

(s2)

1/2

avec vent

(s3)

sans vent

(s4)

1/2
soleil
1/3

2/3

pluie
1/2

Reprsentation par les tats de la nature

s1

soleil, avec vent

s2

soleil, sans vent

s3

pluie, avec vent

s4

pluie, sans vent

1/6
1/6
1/3
1/3

Fig. 12 Un exemple de reprsentation de lincertain par un ensemble dtats de la nature

20

donne de deux variables alatoires :

la variable alatoire e
g dont les valeurs sont {g1 , g2 } avec :
g1 := soleil
g2 := pluie
dont les probabilits sont :
1
2
g1 = , g2 =
3
3
la variable alatoire e
h dont les valeurs sont {h1 , h2 } avec :
h1 := avec vent

h2 := sans vent
dont les probabilits sont :
1
1
h1 = , h2 =
2
2
Lorsque lon multiplie cependant le nombre de sources, i.e. le nombre dembranchements, cette reprsentation en terme dvnements peut devenir formellement fort lourde.
Aussi, depuis la rvolution initie en thorie des probabilits par Andrei Kolmogorov
(1903-1987), lEuclide de la thorie des probabilits, on lui prfre une reprsentation
plus abstraite mais plus compacte en terme dtats de la nature (ou tats du monde).
Lincertitude est alors reprsente par un ensemble S dtats de la nature :
S = {s1 , s2 , ..., sn }
dont les probabilits sont notes :
= ((s1 ), (s2 ), ..., (sn ))
ou encore :
= ( 1 , 2 , ..., n )
Ltat slectionn par Dame Nature dtermine alors la valeur des autres variables f .
Comme lillustre la figure 12, une mthode trs simple pour construire cet ensemble dtats
de la nature consiste simplement renommer les extrmits de larbre (s1 , s2 , s3 , s4
droite du 1er arbre), calculer la probabilit de ces extrmits, et substituer cet
arbre un second dfinies uniquement sur les extrmits du prcdent {s1 , s2 , s3 , s4 } dont
les probabilits sont donc :

1
1
1
1
(s1 ) = , (s2 ) = , (s3 ) = , (s4 ) =
6
6
3
3
21

Les tats de la nature dterminent alors les autres variables. Ainsi, les variables alatoires
deviennent des fonctions dfinies sur les tats :
f

S {soleil, pluie}

f (s1 ) = f (s2 ) = soleil

f (s3 ) = f (s4 ) = pluie
g

S {avec vent, sans vent}

g (s1 ) = g (s3 ) = avec vent

g (s2 ) = g (s4 ) = sans vent
La distribution de chaque variable alatoire est alors dfinie par celle des tats du monde ;
ainsi par exemple :

f (soleil) =

(s)

s{s:f (s)=soleil}

Cette mthode de construction permet donc dengendrer les tats de la nature connaissant
les vnments et leurs enchanements lorsque les vnements sont en nombre fini (ou
dnombrables). Mais cette construction se gnralise des continuums galement.
Pour simplifier, on supposera que dans chaque tat s, les variables sur lesquelles sont
dfinies partiellement les prfrences peuvent tre rsumes par un scalaire, le revenu par
exemple, que lon notera ws (ou encore w (s)). Les prfrences sont reprsentes par une
fonction dutilit U :
U

<n+ (S) <

(w1 , ...wn ; 1 , ..., n ) 7 U (w1 , ...wn ; 1 , ..., n )

Parfois, on renforcera une reprsentation sous forme dutilit espre :
U (w1 , ...wn ; 1 , ..., n ) =

n
X

i .u (wi )

i=1

Dans les deux cas, on supposera aussi que lutilit est strictement croissante des revenus :
w <n+ ,

U (w1 , ...wn ; 1 , ..., n ) > 0, i = 1, ..., n

wi
w <+ ,

4.2

u (w) > 0
w

Laversion lgard du risque

Supposons que #S = 2, que lindividu considr ait des prfrences quivalentes la

fonction :
U = 1 .w1 + 2 .w2
22

revenu
dans l'tat 2

zone des positions

prfres W

bissectrice
bissectrice

W2
W
Ew

EW

courbes d'indiffrences
prob(W1) /
prob(W2)

W1

revenu
dans l'tat 1

EW

Fig. 13 Les positions prfres par un agent neutre au risque possdant initialement W
et possde intialement le profil de revenu w = (w1 , w2 ) reprsent sur la figure 13. Un
lieu particulirement intressant est la bissectrice : celle-ci est lensemble des revenus
z = (z1 , z2 ) o z2 = z1 = Ez - Ez lesprance de z, i.e. lensemble des profils de revenu sans risque. Une proprit remarquable des prfrences est videmment que lon a
ncessairement (comme 1 + 2 = 1) :
1 (Ew1 ) + 2 (Ew2 ) = Ew = 1 .w1 + 2 .w2 = U
Un tel individu est donc indirent dtenir w ou dtenir la moyenne de w, i.e.
(Ew, Ew). Plus largement, il sera galement indirent entre (z1 , z2 ) et w ds lors que :
1 .z1 + 2 .z2 = Ew
Partant de w, les variations de revenu (dz1 , dz2 ) gardant constante lutilit sont :
dz2
1
=
dz1
2
Les courbes dindirence dun tel individu sont des droites parallles les unes aux autres
1 .dz1 + 2 .dz2 = 0

de pente 1 / 2 . Lensemble des positions acceptables par lindividu, i.e. lui rapportant

une utilit suprieure w, est le demi-plan suprieur la droite (w, E

w ), o E
w est le
vecteur dont toutes les composantes sont gales lesprance Ew.
Lorsque lindividu a des prfrences quelconques U , il nest plus ncessairement indif
frent entre w et Ew. Ainsi, avec les courbes dindirences de la figure 14, la position sre

Ew est strictement prfre la position initiale. Si les courbes dindirence sont strictement convexes, il est ais de voir quen tout point w nappartenant pas la bissectrice,
une telle prfrence pour la sret mergera galement :

w 6= Ew, Ew w ou encore U Ew; 1 , 2 > U (w; 1 , 2 )
23

revenu
dans l'tat 2

CI(W)
bissectrice

W2

EW
CI(EW)

prob(W1) /
prob(W2)

W1

revenu
dans l'tat 1

EW

Fig. 14 La prfrence pour la moyenne lorsque les prfrences sont convexes.

Cette prfrence universelle pour la sret rvle donc une aversion lgard du risque,
une risquophobie de lindividu. Le revenu certain EC pour lequel il est indirent w :
EC / EC w
que lon appelle quivalent certain, est alors infrieur lesprance comme lillustre la
figure 16.
A contrario, lorsque les prfrences sont strictement concaves (figure 15), lindividu
prfrera une position risque comme w la position certaine dfinie par sa moyenne : le
comportement de lindividu rvle un temprament joueur, une risquophilie.
La considration de la structure convexe (ou non convexe) des prfrences permet donc
de reprsenter la notion daversion lgard du risque. Mais comparant deux individus
ayant le mme revenu w, peut-on ordonner leurs aversions ?
Pour rpondre cette question, considrons un profil de revenu sr w comme celui
illustr sur la figure 17. Les points A, B, C, D, E sont des positions possibles ; A, B sont
domins par la position w :
w A, w B
et les positions C, D et E sont acceptables :
C w, D w, E w

La droite passant par

w = (w, w) et de pente 1 / 2 est lensemble des positions dont
lesprance est w. Elle reprsente aussi la courbe dindirence dun agent neutre au risque.
Notons A (w) ou AU (w) lensemble des positions acceptables pour un agent possdant
24

revenu
dans l'tat 2

bissectrice
CI(W)

W2

EW

CI(EW)
prob(W1) /
prob(W2)

revenu
dans l'tat 1

EW

W1

Fig. 15 La prfrence pour le risque lorsque les prfrences sont strictement concaves.

revenu
dans l'tat 2

CI(W)
bissectrice

W
EW
EC

prob(W1) /
prob(W2)

revenu
dans l'tat 1

EW

Fig. 16 Dtermination de lquivalent certain pour des prfrences strictement convexes.

25

revenu supplmentaire
dans l'tat 2

CI(W)

bissectrice

A
D

prob(W1) /
prob(W2)

revenu supplmentaire
dans l'tat 1

Fig. 17 Ensemble des positions acceptables

initialement w et dont les prfrences sont rsumes par le pr-ordre ou par lindice
dutilit U :

A (w) = z <2+ : z w

AU (w) = z <2+ : U (z; ) U(w; )

Lorsque lon part initialement dune position certaine, la stricte convexit des prfrences
implique que lensemble A (w) des positions acceptables est inclus dans le demi-plan
dun individu neutre au risque comme lillustre la figure 18. Ceci suggre dordonner, de
mesurer les aversions au risque par les relations dinclusion des ensembles A (w).
Considrons pour cela la figure 19. Deux agents reprs par leurs fonctions dutilit
respectives U et V , disposant de la mme richesse initiale, y sont compars. La comparaison des positions acceptables pour les deux agents est la base de la mesure ordinale de
laversion pour le risque propose par Menachem Yaari [?] :
Dfinition 2 Un agent dont la fonction est U a une plus grande aversion lgard du
risque quun agent dont la fonction est V si pour tout niveau de revenu w, lensemble
des positions acceptables pour le premier est un sous-ensemble de lensemble des positions
acceptables pour le second, i.e. :
ARU > ARV AU (w) = AV (w) w = Ew <2+
Comme le montre la figure 20, ds lors que les fonctions dutilit (ou les pr-ordres)
sont ordonnes, les quivalents certains le sont aussi :
ARU (w) > ARV CIU > CIV
26

revenu supplmentaire
dans l'tat 2

bissectrice
bissectrice
positions acceptables
pour un individu neutre
au risque
prob(W1) /
prob(W2)

revenu supplmentaire
dans l'tat 1

revenu supplmentaire
dans l'tat 1
CI(W)
bissectrice

positions acceptables

revenu supplmentaire
dans l'tat 1

Fig. 18 Comparaison des positions acceptables pour un individu neutre au risque (

gauche) et pour un individu risquophobe ( droite)

27

CIV(W)
bissectrice

revenu supplmentaire
dans l'tat 1

prob(W1) /
prob(W2)

W
CIU(W)

Fig. 19 Comparaison deux individus U et V ayant initialement la mme richesse certaine

w

w
w

Menachem Yaari (1935-)

w
w

Fig. 20 Les mesures de laversion au risque de Yaari (1969)

28

revenu
dans l'tat 2

CI(W)
bissectrice

W2

EW
EC

prob(W1) /
prob(W2)

W1

EC

revenu
dans l'tat 1

EW

Fig. 21 Dtermination de la prime de risque

Lindividu qui est le plus risquophobe est donc prt consentir le sacrifice le plus important
pour obtenir une position certaine. La mesure de ce sacrifice (U ou V ), la prime de risque,
est donne par la dirence entre lesprance de la position risque initiale w et lquivalent
certain :
U = Ew CIU , V = Ew CIV
Par consquent, si un individu U a une aversion au risque plus leve quun agent V , sa
prime de risque sera plus importante :
ARU > ARV U (w) > V (w) w

4.3

Utilit espre et aversion au risque

Lorsque les fonctions dutilit vrifient la proprit desprance dutilit :

U = 1 .u (w1 ) + 2 .u (w2 )
la caractrisation de laversion au risque peut se faire plus directement laide de la
fonction dutilit u selon les voies traces par Daniel Bernoulli en 1738.
Gomtriquement, lorsque la fonction dutilit lmentaire est donne, lutilit espre
est dtermine par le barycentre des utilits lmentaires. Ainsi, sur la figure 22, deux
niveaux de richesse sont possibles : w1 et w2 , et donc deux niveaux dutilit lmentaires :
u (w1 ) et u (w2 ). Des points A et B ainsi dfinies, on dtermine le barycentre B :
B = 1 .A + 2 .C
29

hyp: prob (W1) = 1/3

u(W2)

Eu

u(W1)
O

A
E(W)

W1

W2

AB/BC = prob(W2)/prob(W1)

Fig. 22 Dtermination graphique de lesprance dutilit et du revenu espr.

Par construction, labscisse de ce point est la richesse moyenne ( 1 .w1 + 2 .w2 ), son ordonne est son utilit moyenne, lutilit espre ( 1 .u (w1 ) + 2 .u (w2 )).
Lorsque la fonction dutilit lmentaire est strictement concave, les courbes dindiffrence de lagent sont strictement convexes, et donc il prfre la sret. Ainsi, figure 23,
si lon substitue au profil (w1 , w2 ) sa moyenne Ew, le gain dutilit de lagent est dU :
dU = u (Ew) 1 .u (w1 ) + 2 .u (w2 )
le sacrifice quil est prt consentir pour lui substituer un niveau certain dW :
u (Ew dW ) = 1 .u (w1 ) + 2 .u (w2 )
Ce sacrifice maximum constitue la prime de risque.
Remarque 2 Si la fonction dutilit tait strictement convexe (figure 24), le gain dutilit
deviendrait une perte et lagent serait prt payer pour obtenir une position risque de
mme moyenne !
Lhypothse desprance dutilit, par rapport lapproche trs gnrale de Yaari,
permet cependant de donner une autre caractrisation de laversion lgard du risque.
Cette caractrisation repose sur la comparaison des fonctions dutilit lmentaires et des
primes de risque.
Ainsi, sur la figure 25, partant initialement dun niveau de richesse certain w, les
richesses sont modifies, rendues variables tout en conservant leurs niveaux moyens :
w1 6= w2 mais 1 .w1 + 2 .w2 = w
30

u
u(W2)

C
dU

dW

Eu

u(W1)
O

A
W1

E(W)

W2

AB/BC = prob(W2)/prob(W1)

Fig. 23 Le gain dutilit induit par la suppression du risque et le sacrifice maximal

consenti.

u(W2)

C
B

Eu

dU
dW

u(W1)
O

A
W1

E(W)

W2

AB/BC = prob(W2)/prob(W1)

Fig. 24 Une fonction dutilit lmentaire dun agent risquophile

31

v(W2)
I

u(EW)=v(Ew)
v

Ev

v(W1)

C'
B

B'

A'
O

W1

W
= E(W)

W2

AB/BC = prob(W2)/prob(W1)

Fig. 25 Courbure de la fonction dutilit lmentaire et prime de risque

Pour une premire fonction dutilit lmentaire v (en trait plein sur la figure) sont reprsentes les dirents niveaux dutilit (v (w1 ) et v (w2 )), lutilit espre et la prime de
risque v . Supposons quautour du point initial I on dforme la fonction v en augmentant
sa courbure. On obtient alors une nouvelle fonction, note u sur le graphique.
Pour toute courbe reprsentant une fonction f , une mesure de sa courbure
en un point

00

est donne par le taux de croissance instantanne de sa pente, i.e. ff 0 . Pour la fonction
u ainsi construite on a :

ou encore :

00 00
u v
>
u0 v0

u00
v 00
>

u0
v0
puisque par leurs strictes concavits : u00 < 0, v 00 < 0. Comme on peut le vrifier graphi

quement, cette proprit implique que la prime de risque u de lagent u est suprieure
la prime de risque v . Localement, ce rsultat peut tre retrouv par un dveloppement
limit dordre 2. En eet, si lon se situe en une richesse w (susamment) peu dirente
de la richesse moyenne E [w],
e lesprance dutilit est approximativement :

1
E [v (w)] v (E [w])
e + v 00 (E [w])
e . 2w
2

e 2 est la variance de la richesse.

o 2w = E (w E [w])
32

(5)

De la dfinition de la prime de risque :

E [v (w)] = v (E [w]
e v )

on en dduit le dveloppement limit :

e v .v 0 (E [w])
e
v (E [w]
e v ) v (E [w])

(6)

En galisant les termes de droite de (5) et de (6), on a :

e
1 v 00 (E (w))
1 00
v (E [w])
2w
e . 2w = v .v 0 (E [w])
e v = 0
2
2 v (E (w))
e

Comme on a lexpression symtrique pour toute autre fonction u, on retrouve analytiquement le lien entre courbure et prime de risque :

u00
v00
>

u > v
u0
v0

Lorsque les prfrences vrifient lutilit espre, on peut donc galement proposer
00

comme mesure daversion lgard du risque le terme uu0 pour toute fonction dutilit
lmentaire. Cette mesure constitue dans la littrature la mesure dArrow-Pratt.

4.4

Equivalence des mesures

La mesure dArrow-Pratt nest pas fondamentalement dirente de lapproche de

00

Yaari. En eet, on peut montrer que uu0 non seulement mesure la courbure des fonctions
mais galement celle de la courbe dindirence au point w.

Pour voir ceci, crivons lquation implicite dfinissant cette courbe dindirence.
Notons :
x1 et x2 les revenus supplmentaires dans ltat s1 et ltat s2 ;
x2 (x1 ) la fonction rsumant la courbe dindirence passant par le point w.
Cette fonction est alors implicitement donne par lquation suivant :
1 u(w + x1 ) + 2 u(w + x2 (x1 )) = u(w)

(7)

Si on direncie (7) par rapport x1 , on obtient :

0

1 .u0 (w + x1 ).dx1 + 2 .u0 (w + x2 (x1 )) x2 (x1 ).dx1 = 0

do :
0

1 .u0 (w + x1 ) + 2 .u0 (w + x2 (x1 )) x2 (x1 ) = 0

et donc la pente de la courbe dindirence est en x1 :
0

x2 (x1 ) =

1 u0 (w + x1 )
.
2 u0 (w + x2 (x1 ))
33

(8)

CIv(W)

bissectrice

b
a w

CIu(W)

Fig. 26 Courbure et taille de lensemble des positions acceptables

Par consquent, au point x1 = 0, cette pente est :
0

x2 (0) =

1
2

(9)

Ce rsultat tablit une proprit importante de lutilit espre : au voisinage de la certitude, un agent est approximativement neutre au risque et donc ses taux de substitution
sont alors approximativement dtermins par les probabilits.
Une direntiation supplmentaire de la relation (8) permet alors de caractriser la
courbure lorigine. Comme :
0

00

1 .u00 (w + x1 ).dx1 + 2 .[u00 (w + x2 (x1 )) x2 (x1 ) x2 (x1 ) + u00 (w + x2 (x1 )) x2 (x1 )]dx1 = 0
on a aprs simplification :
0
2
00
1 .u00 (w + x1 ) + 2 .u00 (w + x2 (x1 )) x2 (x1 ) + 2 u0 (w + x2 (x1 )) x2 (x1 ) = 0

(10)

Evalue au point x1 = 0, prenant en compte le rsultat (9) : x02 (0) = 1 / 2 , cette

quation se rcrit :

1
00
+ 2 u0 (w) x2 (x1 ) = 0
1 .u (w) + 2 .u (w)
2
00

00

ou encore :
u00 (w) .

1
00
+ 2 u0 (w) x2 (x1 ) = 0
2
00

La courbure de la courbe dindirence lorigine, x2 (0), est donc :

00

u (w)
1
00
x2 (x1 ) = 2 0
2
u (w)
34

(11)

00

Le terme 1 /2 tant une constante, la mesure dArrow-Pratt daversion au risque uu0

correspond donc bien galement ( un multiple prs) la courbure de la courbe dindiffrence en 0. Comme lillustre le graphique 26, la mesure dArrow-Pratt dtermine les
inclusions respectives des positions acceptables :

u00
v00
>

ARu > ARv

u0
v0

En eet, si lon note xu2 et xv2 sont les fonctions dcrivant les courbes dindirence, comme
lorigine les pentes sont les mmes :
dxu2
dxv
1
(0) = 2 (0) =
dx1
dx1
2
00

00

la dcroissance plus rapide de u, i.e. la relation uu0 > vv0 implique qu droite du point :
dxu2
dxv2
1
0>
(0) >
(0) >
dx1
dx1
2
et donc :
0 > xu2 (x1 ) > xv2 (x1 ) x1 > 0
comme lillustre le point b sur la figure 26.
A linverse gauche de lorigine, partant de
dxu2
dxv
1
(0) = 2 (0) =
dx1
dx1
2
00

00

la dcroissance plus rapide de u, i.e. la relation uu0 > vv0 , implique qu droite du point :

1
dxv
dxu
>
(0) > 2 (0)
2
dx1
dx1

et donc :
xu2 (x1 ) > xv2 (x1 ) x1 < 0
comme lillustre le point a sur la figure 26. Ncessairement donc, on voit bien que les deux
approches de laversion lgard du risque se confondent ds lors que lhypothse dutilit
espre est admise :

u00
v 00
>

u0
v0
En fait, on peut mme largir cette quivalence la troisime mesure de laversion,
ARu > ARv

la prime de risque. Ceci constitue le thorme de Pratt [?] dont la dmonstration est en
annexe :
Thorme 2 Soient u et v deux fonctions dutilit lmentaires dfinies sur la richesse ;
les trois proprits suivantes sont quivalentes :
35

00

00

(i) uu0 > vv0 pour tout w ;

(ii) il existe une fonction croissance strictement concave G telle que :

u(w) = G(v(w))
(iii) si la richesse scrit w + e, o w est une richesse certaine, e est un bruit blanc Ee = 0 - alors :

u (w) > v (w)

4.5

Aversion relative lgard du risque

Les direntes notions daversion lgard du risque ont t dfinies dans lespace des
revenus supplmentaires partant dune richesse initiale certaine. Intuitivement, on cherche
donc dterminer pour chaque agent les profils de revenu supplmentaire pour lesquels il
accepterait de supporter les risques supplmentaires proposs. Comme ces revenus peuvent
tre le produit dinvestissements, dactifs financiers, on aurait galement pu sintresser
aux rendements ncessaires pour inciter lagent supporter des risques. Ceci revient en fait
tout simplement redfinir nos notions dans lespace des rendements (ou des rendements
nets) de ces positions risques.
Formellement, en supposant toujours que #S = 2, si lon note U la fonction dutilit,
w la richesse initiale, R1 et R2 les rendements nets. La richesse finale scrit donc Rs .w
avec s = 1, 2. Si lon cherche donc dterminer les rendements acceptables pour lagent,
on dfinit alors lensemble RU (w) :

RU (w) = (R1 , R2 ) <2+ : U (R1 .w, R2 .w; 1 , 2 ) U (w, w; 1 , 2 )

Cet ensemble des rendements acceptables est videmment en relation bi-univoque avec
lensemble des positions acceptables : toute position acceptable (z1 , z2 ) de AU (w) dfinit
videmment un vecteur de rendements aceptable :
z z
1
2
,
RU (w)
(z1 , z2 ) AU (w)
w w
Graphiquement, lensemble RU (w) est donc obtenue de AU (w) par une homothtie de
rapport 1/w et de centre (w, w). Aussi, lorsque les prfrences sont strictement convexes,
elle est galement un ensemble convexe, compris dans un demi-plan - figure 27.
La prime de risque, R
U , est redfinie comme la perte maximale de rendement que
lindividu est prt consentir pour obtenir un rendement certain :
h h i
i
h h i
i

R
e R
e
R

U E R
,

.w,
E
.w;

1
2 = U (R1 .w, R2 .w; 1 , 2 )
U
U
36

Transformation ralise pour W =2

revenu supplmentaire
dans l'tat 2
CI(W)

rendement
dans l'tat 1
bissectrice

droite de
rendement
espre unitaire

bissectrice

CI(W)

positions acceptables
rendements acceptables
1

revenu supplmentaire
dans l'tat 1

rendement
dans l'tat 2

Fig. 27 Dtermination de lensemble des rendements acceptables( droite) partir des

positions acceptables ( gauche)
Lorsque lutilit vrifie lhypothse dutilit espre, on peut galement propose une
mesure daversion similaire la mesure dArrow-Pratt. Pour la dterminer on recourt aux
dveloppements limits autour du rendement initial R = 1 :
1
u (R.w) u (w) + u0 (w) . (R 1) .w + u00 (w) . [(R 1) w]2
2

0
u w 1 R
u (w) R
u
u w.u (w)

Par consquent, par des calculs similaires ceux dj vus (page 32) :
h
i
1
e
E u R.w
u (w) + u00 (w) . 2R .w2
2
h
i
e 1 est la variance du rendement. Aussi, en galisant les approximations
o 2R = E R
h
i

e
et
de
E
u
R.w
, on obtient :
de u w 1 R
u
0
R
u w.u

1 00
1
w.u00 (w)
2
2
R
(w) = u (w) . R .w u =
0
2R
2
2
u (w)

La prime de risque (exprime en rendement) est donc approximativement proportionnelle

00

00

au terme w.u
: ce terme constitue donc laversion relative au risque - la mesure uu0
u0
tant qualifie daversion absolue au risque.

Demande dassurance
Lutilit espre est une reprsentation des prfrences obtenue au prix dhypothses

supplmentaires. La contrepartie de ce cot sont des rsultats analytiques plus nombreux.

Lun des plus remarquables concerne la demande dassurance des risques mutualisables.
37

Le cadre le plus simple de ce type de problme est probablement le suivant. Un agent

dispose dune richesse initiale W et peut perdre avec une probabilit p une somme L. En
supposant que ses prfrences vrifient les hypothses de lutilit espre, que sa fonction
dutilit lmentaire est u - u fonction drivable au moins deux fois et strictement concave
- lutilit espre de lagent est donc :
p.u(W L) + (1 p).u(W )
Dans une telle situation, lagent qui est risquophobe est prt payer pour que lon le
dbarrasse totalement ou partiellement de son risque. En eet, comme lutilit marginale
est dcroissante, u0 (W L) > u0 (W ) : la marge, lagent accorde une valeur plus importante une unit de revenu supplmentaire peru dans ltat de dommage que dans

lautre. Aussi, lagent est-il prt renoncer une partie de son revenu dans ltat sans
dommage pour augmenter son revenu dans ltat de dommage. Si lon note s le transfert
peru en cas de dommage (= subvention), t le transfert prlev en labsence de dommage,
lagent est prt consentir ce double transfert ds lors que son utilit ne se dtriore
pas et donc tant que :
p.u(W L + s) + (1 p).u(W t) p.u(W L) + (1 p).u(W )
Si lon raisonne en termes marginaux, partant de la situation sans transfert, lagent sera
prt accepter des transferts marginaux ds et dt ds lors que son utilit saccrot ou reste
constante, i.e. ds lors que :
p.u0 (W L) ds (1 p).u0 (W ) dt 0
En rarrangeant cette relation on obtient donc :
ds
1 p u0 (W )

dt
p u0 (W L)
Comme u0 (W L) > u0 (W ), lagent est prt accepter des transferts vrifiant :
ds
1p
<
dt
p
Ces transferts sont non quitables au sens o ce que lagent reoit en moyenne (p ds)

est infrieure ce quon lui prlve ((1 p) dt). Cependant lagent est prt supporter

ce cot car son aversion pour le risque le conduit prendre en compte non seulement ces
paiements moyens mais aussi le risque, la variabilit de son revenu.
Pour raliser le transfert de son risque, lagent peut recourir un contrat dassurance.
Celui-ci est dfini par deux variables, q et , de la manire suivante : le contrat lui assure
38

une indemnit q en cas de dommage ; le prix de lassurance est q, tant le prix payer
pour obtenir une indemnit unitaire.
Le problme de lagent est donc de slectionner la couverture du risque, i.e. lindemnit
q, optimale pour lui compte tenu de sa richesse (W ), de ses prfrences, de la probabilit
du dommage (p), du cot de celui-ci (L) et du prix de la couverture ().
Le problme doptimisation de lagent sil vrifie lhypothse dutilit espre est donc
simplement :
max pu(W L q + q) + (1 p)u(W q)
q

La condition de premier ordre de ce problme est :

pu0 (W L q + q)(1 ) (1 p)u(W q) = 0
Lorsque les conditions de stricte concavit sur u sont vrifies, cette condition est susante. En la rarrangeant, on obtient la condition suivante qui dfinit implicitement le
choix optimal q est dfinie par :
u0 (W L + (1 + )q )
1p
=
0

u (W q )
1 p

(12)

Une assurance complte est une situation o lagent a des revenus stables :
W L + (1 + )q = W q
et donc o :
q=L
En une telle situation le rapport des utilits marginales est :
u0 (W L + (1 + )q)
u0 (W q)
= 0
=1
u0 (W q)
u (W q)

(13)

Lassurance parfaite ne sera donc la solution optimale, cest--dire la solution de (12) que
si :

1p
=1
1 p
Ce rsultat permet donc de dterminer la demande dassurance en fonction de la position
du taux dassurance par rapport la probabilit doccurence de la perte p. Si > p
alors

1p
1 p

> 1 et donc on doit avoir :

u0 (W L + (1 + )q)
> 1 u0 (W L + (1 + )q) > u0 (W q)
u0 (W q)
Comme lutilit marginale est dcroissant, le choix optimal conduit :
W L + (1 + )q < W q
39

revenu
sans perte

CI(W)

bissectrice =
droite d'assurance complte

W-pL

C''

C'

p /(1-p)

W-L

revenu
si perte

W-pL

Fig. 28 La demande dassurance pour des prfrences strictement convexes

cest--dire une assurance incomplte :
q<L
Si < p, les relations inverses conduisent videmment une sur-assurance :
q>L
Dans cette situation, lagent aura alors un revenu suprieur lorsque la perte se ralise !
Ce rsultat est sans doute lun des plus intressants de lutilit espre. Comme
lillustre la figure 28, ce rsultat peut cependant tre gnralis des prfrences strictement convexes dont les taux marginaux de substitution sont gaux aux rapports des
probabilits14 :
T ms21 (w, w) =

p
w > 0
1p

En utilisant lhypothse de stricte convexit des prfrences (et ses consquences usuelles)
sur les Tms, on retrouve les rsultats prcdents :
si lassurance est quitable = p, la contrainte budgtaire est la droite passant par
les points W et C ; le choix optimal, C, est lassurance complte ;
si le cot de lassurance est lev, > p, la droite budgtaire est alors la droite
passant par les points W et I ; comme w > 0 T ms21 (w, w) =
14

p
1p

<

,
1

Et on pourrait encore relcher ce rsultat en abandonnant lhypothse de drivabilit des fonctions,

lexistence dun Tms, pour dautres hypothses plus faibles.

40

partant du point W , lagent ne va pas sur cette droite budgtaire jusquau point C 0
dassurance complte trop coteux ; le choix optimal, I, est donc un point au dessus
de la bissectrice et lassurance est donc incomplte ;
si le cot de lassurance est faible, < p, la droite budgtaire est alors la droite
passant par les points W et S ; comme w > 0 T ms21 (w, w) =

p
1p

>

,
1

partant

de W , lagent ne sarrte pas au point C 00 dassurance complte en raison du cot trs

faible de lassurance ; son choix optimal, S, est un point au dessous de la bissectrice
et on a sur-assurance.
Si lon suppose que les compagnies dassurance sont capables dannuler le risque en le
mutualisant, en faisant jouer la Loi des Grands Nombres, le profit moyen eectif sur chaque
police sera alors q p.q puisque la compagnie peroit toujours la prime dassurance, q,

mais doit, avec une probabilit p, verser lindemnit q. Ce profit est linaire (= rendement
constant). Aussi, si la concurrence est parfaite, le profit lquilibre sera nul. Ceci nest
possible que si :
q p.q = 0 = p
A lquilibre, les agents seront donc compltement assurs si les risques sont mutualisables.

Incertitude, production et marchs financiers

Le cadre prcdent tait celui dun risque mutualisable. Le mme risque tait donc

suppos support par les agents. Mais sa distribution tant suppose indpendante, loccurence du risque ntait pas simultan : chaque instant, certains supportaient le dommage, dautres non. Aussi, pour une population susamment grande, la loi des grands
nombres permettait dliminer globalement ce risque grce au mcanisme dassurance. Si
la couverture est complte, ce mcanisme permet dliminer la variabilit du revenu et des
consommations : tout se passe comme si les agents disposaient alors dun revenu stable
gal lesprance de leur revenu initial (p.(W L) + (1 p)W = W pL).

Le mcanisme de mutualisation nest cependant pas toujours possible. Ainsi, le risque

mtorologique (pour une rgion) que supporte une population ne peut tre toujours totalement limin par un tel mcanisme : en eet, chaque instant, les habitants de la mme
rgion peuvent supporter les mmes alas. Lorsque le risque considr est globalement
inliminable, seul est possible son tranfert des agents qui le supportent dautres agents
de lconomie (mnages, institutions financires, etc.). A la dirence de lassurance, ce
transfert nlimine pas le risque au niveau macroconomique : le revenu des agents seront
toujours variable. lconomie mais le redistribue, est notamment ralis par les marchs
financiers, frquemment par une variante des marchs terme, les marchs de futures.
41

Apparus dans les annes 1860, autour de Chicago, les marchs de futures se sont
normment dvelopps au cours des 30 dernires annes.15 Ces marchs ont une influence
dterminante sur les prix de nombreux biens (nourritures, crales, matires premires,
mtaux, actifs financiers, devises). Les partisans de ces institutions ont souvent prtendu
que celles-ci contribuaient :
stabiliser les prix de ces biens ;
amliorer la situation des producteurs, notamment en dchargeant ceux-ci dune
partie de leurs risques.
Inversement, les opposants ou les associations de producteurs les ont frquemment
accuses daugmenter la volatilit des prix, de dtriorer la situation des producteurs.
Ce dbat en rejoint un autre aussi clbre : celui portant sur les mrites de la spculation financire. Dans une contribution clbre [?] valuant les possibilits des changes
flottants, Milton Friedman avait argu que la spculation financire devait tre en gnral stabilisante. Son principal argument tait que, pour obtenir un profit positif, les
spculateurs doivent acheter des monnaies lorsquelles sont sous-values, les vendre lorsquelles sont survalues. Selon ce raisonnement, ces oprations spculatives dachat et de
vente contribuent ainsi lacclration de la convergence des monnaies vers leurs taux de
change dquilibre : la spculation est donc stabilisante. Lapplication du mme raisonnement aux marchs de futures conduit conclure que la cration dun march de futures,
en permettant la spculation doeuvrer, doit diminuer la voaltilit des prix au comptant.
Lobjet de cette section est dexposer limpact du fonctionnement de ces marchs de
futures sur les comportements des producteurs, et donc sur lquilibre de lconomie.

6.1

Le cadre conomique

Le cadre conomique adopt est celui dune conomie se rptant lidentique priode aprs priode. Le march tudi isolment, en quilibre partiel, est celui dun bien
prissable (agricole par exemple).
A chaque priode, les producteurs doivent prendre leurs dcisions de production. La
dure du processus de production est dune priode. Aucune incertitude ne porte sur
la quantit obtenue. Pour simplifier (et sans perte de gnralit), les producteurs sont
supposs identiques, i.e. dots des mmes fonctions de cot, des mmes prfrences, des
mmes informations, des mmes croyances. Ainsi, si lon note q la production, la fonction
de cot est C :
c = C (q)
15

(14)

On trouvera une description du dveloppement de ces marchs de futures (et de leurs modalits de

fonctionnement) dans [?] et [?].

42

Les producteurs sont supposs tre preneurs de prix.

En labsence de marchs de futures, le producteur ne peut vendre sa marchandise
que sur le march au comptant. Son profit va donc tre fonction du prix de celui-ci
lequel dpend ltat de la demande. Celle-ci peut-tre plus ou moins importante selon la
ralisation de diverses variables macroconomiques ou microconomiques. Aussi, le prix
du march au comptant est considr tre une variable alatoire pe dont les ralisables sont

p1 , ..., ps , ...pS ont pour probabilits 1 , ..., s , ..., S .16 Le fait que les prix (futurs) soient
alatoires implique naturellement que le profit du producteur lest aussi. Aussi est-il not
e Naturellement ses valeurs possibles et leurs probabilits doccurrence sont dtermines
.
par celles des prix. Au total, les principales variables alatoires de lconomie sont les
suivantes :

tats

... s

... S

probabilit 1

... s

... S

prix

p1

... ps

... pS

profits

... s

... S

Si les producteurs taient neutres au risque, le cot, pour eux, de cette incertitude
serait nul : les producteurs sintresseraient uniquement la valeur moyenne des prix pour
prendre leurs dcisions et lquilibre ne serait que trivialement modifi par lintroduction
de lincertitude.
Aussi, on suppose ici que les producteurs ont de laversion lgard du risque et que
leurs prfrences vrifient laxiomatique de von Neumann. Les producteurs maximisent
donc leur utilit espre et leur fonction dutilit lmentaire u :

e
u
e=u

(15)

est une fonction strictement croissante, strictement concave, drivable au moins deux fois.
Comment lore est-elle aecte par lincertitude sur le prix futur ? Quel est limpact dun

march de futures ?

6.2

Lore dans lincertain sans instrument de couverture

En labsence de marchs de futures, le producteur ne peut vendre sa marchandise que

sur le march au comptant. Aussi, son profit ex post, cest--dire aprs rvlation de ltat
du monde, scrit simplement :
e = (e

p) = peq C (q)

(16)

A chaque priode, chaque producteur dtermine sa production en prenant en compte

dans son calcul conomique la distribution des prix futurs possibles. Son programme est
16

Le est utilis pour signaler que la variable considre est une variable alatoire.

43

donc :
max
q

Puisque le profit dans ltat s scrit :

(17)

s .u (s )

s = ps q C(q)
et dpend de s, la condition de premier ordre scrit :
X
s

s .u0 (s ) (ps Cm (q)) = 0

(18)

o Cm (q) est le cot marginal lorsque la production est q.

Comme la production est certaine, la cpo (18) peut se rcrire :
X
s

s .u0 (s ) ps Cm (q)

X
s

s .u0 (s ) = 0

s .u0 (s ) ps = Cm (q)

s .u0 (s )

P
0
s s . [u (s ) ps ]
P
= Cm (q)
0
s s .u (s )

La condition marginale dfinissant la production optimale q pour le producteur considr

est donc :

P
0
s s . [u (s ) ps ]
Cm (q) = P
0
s s .u (s )

(19)

Si le producteur tait neutre lgard du risque, sa fonction dutilit lmentaire serait

linaire et donc la valeur de lutilit marginale (u0 ) serait constante. Par consquent, la
relation (19) se simplifierait de la manire suivante :
P
P
X
s . [u0 ps ]
s
s s . [ps ]
P
Cm (q) = P
=
=
s .ps
0
s s .u
s s
s
puisque u0 est constante et que

s = 1. Par consquent, si le producteur tait neutre

lgard du risque, il comparerait simplement pour dterminer son ore lesprance des
P
prix (= moyenne des prix attendus) ( s s .ps ) au cot marginal.
Lorsque les producteurs ont de laversion lgard du risque, leur production nest
P
pas seulement dtermine par le prix moyen anticip, i.e. s s .ps , mais prend en compte

galement une prime de risque.

En eet, si lon revient au terme de droite de la relation (19), le terme :

X
s

s [u0 (s ) ps ]

44


e et pe. Comme il est bien
est lesprance du produit de deux variables alatoires : u0

connu, lesprance des produits est gal au produit des esprances augment de la covariance et donc on a :
X
s

s [u0 (s ) ps ] =

"
X
s

#
#"

X
e , pe
s u0 (s )
s ps + cov u0
s

Par consquent, la condition marginale caractrisant lore qi se rcrit de la manire

suivante :

P
P
0
e , pe
[ s s u (s )] [ s s ps ] + cov u0
P
Cm (q) =
0
s s .u (s )

ou encore en simplifiant la relation :

e , pe
cov u0
X
s ps + P
Cm (q) =
0
s s .u (s )
s

(20)

Comme le profit crot avec le prix, ncessairement on a :

e pe > 0
cov ,

Lutilit marginale du profit tant dcroissante (u00 < 0), toute hausse de prix en entrainant
une augmentation du profit induit aussi une diminution de lutilit marginale du profit.
Aussi, on a ncessairement :

Aussi si lon note :

e , pe < 0
cov u0

e , pe
cov u0
P
=
>0
0
s s .u (s )

(21)

le producteur se comporte comme sil ajustait la production pour galiser le prix espr
P
( s s ps ) au cot marginal augment de :
X

s ps = Cm (q) +

(22)

joue donc le rle dune prime de risque quexige le producteur. Elle dpend naturellement
de la distribution des prix, de celle des profits mais aussi de laversion de lagent lgard
du risque ... et de lchelle de production. Intuitivement, plus celle-ci est grande, plus la
covariance entre les prix et lutilit marginale doit tre grande (en valeur absolue) et donc
plus est importante.
Limpact de la prime de risque sur lore est naturellement de contracter celle-ci. En
eet, si lon direncie la relation (22) par rapport q et on a :
dq
1
=
<0
d
Cm0 (q)
45

Lorsque le production a de laversion du risque, lintroduction dune incertitude sur le

prix future du bien conduit une contraction de lore. Lampleur de celle-ci dpend non
seulement des caractristisque de cette incertitude (distribution, prix espr, variance du
prix, etc.) mais aussi de la risquophobie des acteurs. Comment la mise en place de marchs
de futures aecte-t-elle la production ?

6.3

Lore avec le march de futures

La mise en place dun march de futures permet aux producteurs de se protger des
fluctuations des prix par lachat des contrats. Chaque contrat vendu est un contrat stipulant la promesse de livraison dune unit de bien la priode suivante contre le paiement
du prix du contrat.17
Chaque producteur doit dterminer sa couverture optimale. Celle-ci a une structure
trs simple lorsque les spculateurs sont neutres au risque. Lexistence du march de
futures en permettant chaque producteur dobtenir un revenu certain pour sa production
modifie compltement les conditions marginales de lore.
Si lon note m le nombre de contrats terme vendus intialement par le producteur
sur le march de futures au prix f , la production vendue ultrieurement sur le march
au comptant sera q m au prix (incertain) pe. Par consquent, le profit du producteur
scrit :

ou encore :

avec :

e = pe.(q m) + f.m C(q)

e = (f pe).m + pe.q C(q)

s = (f ps ).m + ps .q C(q)
Si lon note V lutilit espre de lagent considr :
X
V =
s u (s )

(23)

les drives de cette fonction dutilit par rapport m et q sont pour chaque i :
X
V
=
s [u0 (s ) (f ps )]
m
s

(24)

Vi X
=
s [u0 (s ) (ps Cm(q))]
q
s

17

(25)

On admet la convention de paiement des marchs de futures et non celle des marchs terme. Les

contrats sont pays lchance et non la signature. Les agents peuvent donc modifier leurs revenus
une date donne travers les dirents vnements possibles mais ils ne peuvent modifier leurs revenus
intertemporelles. Les marchs de futures permettent lassurance mais non lpargne.

46

Les deux drives peuvent tre rcrites en faisant apparatre successivement les covariances et la prime de risque . En eet, la drive par rapport m se rcrit successivement :
X
X
V
s u0 (s )
s [u0 (s ) ps ]
= f
m
s
s

#
"
e , pe
cov u0
X
X
0

s u (s ) f
s ps + P
=
0 ( )

u
s
s s
s
s
#"
#
"
X
X
s u0 (s ) f
s ps +
=
s

(26)

(27)

(28)

Tant que la couverture nest pas complte (m < q), le profit est alatoire et donc la
covariance est ngative. Par consquent :
m < q>0
m = q=0
Le march de futures de fait rmunre doublement le producteur en lui versant le prix
du contrat (dont le prix est f ) et lassurant, i.e. en lui tant lincertitude dont la valeur
marginale est pour lui gale .
Aussi, pour dterminer sil a intrt ou non modifier sa couverture m lorsque sa
production est q, le producteur compare donc le prix espr sur le march au comptant
P
( s s ps ) la somme du prix que lui donne le march de futures (f ) et la valeur
P
marginbale de lassurance (). Ainsi, si, au point considr, f + > s s ps , le producteur
a intrt augmenter sa couverture.

De mme, la drive de V par rapport q peut tre rcritre successivement :

X
V
=
s [u0 (s ) (ps Cm(q))]
q
s
X
X
=
s u0 (s ) ps Cm(q)
s u0 (s )
=
=

"s
X

" s
X

#
#"
X
X
e pe) Cm(q)
s u0 (s )
s ps + cov(u0 (),
s u0 (s )
#" s
#
X
s u0 (s )
s ps Cm(q)

P
Cette drive indique que le producteur compare la marge le prix espre ( s s ps )

la somme du cot marginal et de la prime de risque (). Aussi, en supposant que

les conditions de premier ordre sont susantes, les choix du producteur (q et m) sont
optimaux si simultanment :

( P

s ps = f +

s s ps = + Cm(q)

47

(29)

Lorsque les spculateurs sont neutres au risque (et ne subissent aucune contrainte
dendettement), lquilibre peut tre fortement caractris. En eet, avec la neutralit
au risque des spculateurs, le prix du march de futures est ncessairement gal au prix
moyen du march spot :
f=

s ps

Par consquent, les rsultats antrieurs nous assurent que la drive de lutilit espre
par rapport la couverture (m) scrit :
"
#
X
V
=
s u0 (s )
m
s
Par consquent, si m < q alors

V
m

> 0 puisque > 0 : le producteur a alors ncessairement

intrt augmenter sa couverture. Par contre, si m = q alors comme toute la production

est couverte, on a = 0. Le seul choix de couverture optimal pour le producteur si les
spculateurs sont neutres au risque est donc m = q.
Proprit 1 Si les spculateurs qui font la contrepartie sur le march de futures sont
neutres au risque, la couverture optimale pour chaque producteur est la couverture complte :
(30)

m=q

La mise en place dun march de futures aboutit donc alors une rallocation complte du risque des producteurs vers les spculateurs, rallocation qui a des consquences
remarquables sur lore.
Ce rsultat sur la couverture optimale permet de caractriser fortement son tour
lore q. En eet, comme q = m et que = 0, lutilit marginale par rapport q se
rcrit :

X
V
=
s [u0 (f q C(q)) (f Cm(q))]
q
s

(31)

Comme le terme entre crochets est indpendant de s, lutilit marginale scrit :

V
= u0 (fq C(q)) (f Cm(q))
q
Par consquent, lore optimale q est donne par la conditions marginale suivante :
Cm (q) = f
Comme f =

(32)

s ps , lore aprs la cration du march de future est donne par lgali-

sation du cot marginal au prix espr :

Cm (q) =

X
s

Cette expression est remarquable :

48

s ps

(33)

 elle ne dpend pas de lattitude du producteur par rapport au risque, de sa fonction

dutilit u ;
elle correspond en fait celle dun producteur neutre au risque.
Ainsi, aprs la mise en place du march de futures, les dcisions de production ne
dpendent plus de lattitude des producteurs par rapport au risque. Elles sont uniquement
P
fonction du prix moyen ( s s ps ) et des cots (Cm). On retrouve le rsultat de sparation
des dcisions de production et de consommation not par J.P. Danthine [?].

Ayant dtermines les principales proprits de lore dans les deux rgimes (avec
ou sans march de futures), il est dsormais possible danalyser les proprits des quilibres. Cependant, avant de passer cette tape, nous allons dvelopper quelques rsultats
essentiels pour analyser les problmes de volatilit des prix dans notre cadre.

6.4

Equilibre des marchs financiers et stabilisation des prix

Lutilisation dune demande additive par rapport aux chocs permet dexploiter toute
une srie de proprits analytiques et graphiques. On suppose que la demande rciproque
scrit
p=x
e dQ

o x
e est le choc alatoire, d est un paramtre strictement positif.

Une premire proprit est que si Q est inlastique alors graphiquement la volatilit

des prix de demande est donne par lajustement des prix puisque le prix sajuste au
mme rythme que la variance :
2p
dp
= 2 =1
dx x
Une autre proprit fondamentale de la structure additive des chocs est que deux ores
inlastiques au prix (= verticales) engendrent la mme volatilit des prix dquilibre :
comme le montre la figure 30, en cas de chocs sur la demande, si les deux ores direntes
Q0 et Q1 sont verticales, lajustement des prix ( la hausse ici) est le mme et donc la
variance (volatilit) des prix sera la mme :
var (e
p) = var (e
x) Q
Inversement, pour des demandes linaires par rapport aux chocs, la volatilit des prix
va tre fonction de la pente de lore comme le montre la figure 31. Ainsi, si lore globale
est linaire par rapport au prix :
Q = a0 + a1 p, a1 > 0
le prix dquilibre est :
pe =

x
e a0
1 + da1
49

prix

hyp : bruit quiprobable

de valeurs et d'cart type
p0 +

p0
bruit blanc
signal

p0 -

bruit blanc Q0

quantit

Fig. 29 La variance des prix de demande lorsque les chocs sont additifs.

prix

Ex

Q0

Q1

quantit

Fig. 30 La proprit de constance de la volatilit des prix lorsque les chocs sont additifs
et les ores verticales.

50

prix

Q
x

Ep

Ex

quantit

Fig. 31 La volatilit des prix lorsque lore est lastique au prix et que la demande est
linaire par rapport aux chocs
Aussi, lajustement des prix la suite dune variation de x
e:
de
p=

de
x
1 + da1

(34)

suit la mme relation que celle reliant lcart-type des prix et du bruit :
p =

x
(1 + da1 )

(35)

Pour dterminer graphiquement lcart-type des prix, il sut de dterminer le prix moyen ;
en dplaant verticalement la demande de x on obtient un nouveau prix dquilibre. La
variation du prix dquilibre est gale lcart-type des prix p .
Ce rsultat est important ds lors que lon veut comparer la volatilit des prix dquilibre induit par deux ores linaires. Ainsi si lon compare deux ores linaires, Q1 et
Q2 :
Q1 = a10 + a11 p
Q2 = a20 + a21 p
les relations (34) et (35) imposent que les volatilits respectives des prix dquilibre (p1
et p2 ) sont refltes par lajustement des prix aux chocs :
dp1
dp2
>
2p1 > 2p2
d
d
Aussi, la volatilit des prix sera dautant plus faible que lore linaire est lastique comme
lillustre la figure 32.
51

prix
Q1

Q2

p1

Ep1
p2

Ep2

Ex

quantit

Fig. 32 Dtermination graphique de la volatilit des prix lorsque les ores sont linaires
et la demande additive par rapport aux chocs.
Les rsultats favorables la thse de la stabilisation des cours par la mise en place des
marchs de futures supposent des hypothses nous ramenant la figure 32 : la mise en place
des marchs de futures permet de supprimer la prime de risque exig par les producteurs
lquilibre en leur absence ; aussi, la demande devient plus lastique. Cependant, les
hypothses ncessaires sur les prfrences et les cots pour arriver un tel rsultat ne sont
pas triviales. Le relchement de ces hypothses aboutit facilement des contre-exemples
la thse de la stabilisation.

Limites et extensions de lutilit espre

Comme toute modlisation, la thorie de lutilit espre est ncessairement rductrice,

ne peut prtendre qutre une caricature (peut-tre utile) de la ralit. Comme beaucoup
de thories, elle est falsifiable. Aussi nest-il pas tonnant que trs tt, elle fut soumise
un feu roulant de critiques la fois thoriques et empiriques. Parmi ces dernires lune des
plus clbres est celle de Allais [?] laquelle repose sur une astucieuse exprience montrant
certaines des limites empiriques de laxiome dindpendance.
On considre pour cela des loteries dont les prix possibles sont :
x1 = 0$, x2 = 100$, x3 = 500$
On ore alors un premier couple de loteries (rsumes par leurs probabilits) p1 et p2 :
p1 = (0, 1, 0), p2 = (0.01, 0.89, 0.1)
52

La loterie p1 a videmment comme qualit dtre une loterie assurant un revenu certain
de 100 mme si son revenu espr est lgrement plus faible :
p1 esp
erance = 100$
erance = 139$
p2 esp
Souvent, largument de la sret est dcisif et donc :
p1 p2
Une seconde srie de loteries (avec les mmes prix) est alors prsente. Les deux loteries
q1 et q2 sont les suivantes :
q1 = (0.89, 0.11, 0) , q2 = (0.90, 0, 0.10)
Ces deux loteries sont donc risques mais la loterie q2 pour une probabilit de ne rien
obtenir peine suprieure (0.90 contre 0.89) permet de substituer un prix de 500$ au prix
de 100$. Aussi, l aussi, trs souvent les personnes auxquelles on soumet ce choix prfre
la seconde loterie :
q1 q2
Lorsquen 1951, au colloque international tenu Paris runissant les spcialistes de la
recherche en thorie de la dcision, Maurice Allais testa son exprience, certains partisans
de lutilit espre, dont Leonard J. Savage, slectionnrent en eet :
p1 p2 , q1 q2
Or, ce choix est incompatible avec laxiome dindpendance ! Ceci peut tre dmontr soit
par larithmtique, soit par un simple raisonnement graphique.
Sur la figure 33, dans le triangle de Marschak, sont reprsentes les loteries p1 , p2 , q1 ,
q2 . Graphiquement, une proprit fondamentale des loteries concoctes par Maurice Allais
devient vidente. Les loteries q1 et q2 ne sont des translations des deux premires :
q1 = p1 + (0.89, 0.89, 0)
q2 = p2 + (0.89, 0.89, 0)
La translation, par construction, assure que les segments [p1 , p2 ] et [q1 , q2 ] sont parallles
. Or les courbes dindirences sont galement parallles si laxiome dindpendance est
vrifi. Par consquent, comme le montre la figure, si p1 est spar de p2 par une courbe
dindirence (Up ) alors ncessairement q1 lest galement de q2 par une autre (Uq ). Les
seuls choix (avec prfrence stricte) compatibles avec laxiome dindpendance sont donc :
p1 p2 et q1 q2
53

Fig. 33 Le paradoxe de Allais

et :
p1 p2 et q1 q2
Face au paradoxe de Allais, les partisans de lutilit espre (et notamment Savage et
Marschak) ont adopt plusieurs arguments pour sauver lutilit espre. Un argument
avanc essentiellement par Marschak [?] consiste la prsenter comme un modle normatif.
Le paradoxe de Allais est donc alors tout simplement hors sujet. Mais limportance de
lutilit espre est galement considrablement rduite.
Un argument, avanc notamment par Savage, est quen dcision, comme en calcul, les
erreurs sont possibles lorsque le contexte est compliqu ou imparfaitement compris. Faire
une erreur dans le calcul mental de
1160
ne
464
1160
= 52
464

1160
464

ne remet pas en cause larithmtique. Faire une

erreur dans

conduit pas forcment persvrer dans erreur lorsque lon comprend

enfin que

232
.
232

Aussi, daprs Savage, ce que remet en cause lexprience de

Allais nest pas tant laxiome dindpendance que lexprience elle-mme. Une exprience
o le mode de construction des loteries serait une information commune, publique ne
donnerait pas les mmes rsultats. De fait, dans les expriences la Allais, la rvlation
de cette information conduit une part consquente des personnes annonant dabord les
choix incohrents les corriger. Cependant, en gnral, au moins le quart des personnes
conservent leurs choix incohrents initiaux.
Empiriquement, le paradoxe de Allais nest pas un artefact mais est solidemment tabli.
Les prfrences des agents semblent notamment violer laxiome dindpendance de manire systmatique. En particulier, les courbes dindirence (rvles par les expriences)
semblent se dployer en ventail (figure 33). Cette forme rvle une forte prfrence pour
la scurit, un eet de prix de consolation selon Kahneman & Tversky [?]. Dans le choix
54

Fig. 34 Le dploiement en ventail des courbes dindirence rvl par le paradoxe de

Allais
p1 contre p2 , lissue commune est avec une probabilit de 0.89 de gagner 100, les deux
loteries divergeant sur la probabilit rsiduelle de 0.11 ; dans le choix q1 contre q2 lissue
commune est avec une probabilit de 0.89 de gagner 0, les deux loteries divergeant sur
la probabilit rsiduelle de 0.11. Laxiome dindpendance implique que ce qui est dcisif
sont les dirences des loteries sur la probabilit rsiduelle de 0.11 : lissue commune na
aucune importance ; peu importe quavec une probabilit de 0.89, on gagne 100 ou 0. Pour
Kahneman & Tversky, cette issue commune joue le rle dun prix de consolation : si sa
valeur est faible, il sera de peu dimportance et les agents respecteront laxiome dindpendance en ne se souciant que des dirences des loteries ; si sa valeur est importante, les
agents seront soucieux de ne pas faire de choix quils pourraient regretter ex post, de ne
pas lcher la proie pour lombre. Or, dans le premier choix, le prix de consolation est de
100, et en slectionnant la loterie p1 , on peut sassurer de ce prix. Aussi, selon Kahneman
& Tversky, le souci de semparer du prix de consolation conduit au choix de p1 .
Pour prendre en compte le paradoxe de Allais (et dautres paradoxes), divers amendements de la thorie ont t proposs notamment partir des annes 80. Lune des plus
intressantes fut lutilit espre non linaire de M. Machina [?]. Dans cette approche,
lexistence dun pr-ordre complet et laxiome archimdien est conserv mais non laxiome
dindpendance. Les courbes dindirence ne sont plus en gnral ni parallles, ni droites
comme le montre la figure 35 o les prix sont supposs croissants : x1 < x2 < x3 .
Lide centrale de la thorie de Machina est dintroduire une notion dutilit espre
locale : en tout point, comme par exemple au point p de la figure, il doit tre possible
dapproximer la vritable courbe dindirence par la tangente en ce point. Formellement,
cette approximation conduit dterminer une fonction up spcifique p approximant la
55

Fig. 35 Les courbes dindirence de la thorie de Machina

vritable fonction dutilit U :
U (q)

qi .up (xi )

si q est susamment proche de p. Sous des hypothses assez courantes (notamment de

concavit des fonctions up ), Machina a dmontr que cette construction permettait de
sauver la plupart des rsultats essentiels obtenus avec lutilit espre tout en tant compatible avec les paradoxes la Allais.

56