Beruflich Dokumente
Kultur Dokumente
2 Lesprance morale
3 Prfrences et utilits
10
19
37
41
52
Le risque
La prise en compte de la dimension temporelle dans la modlisation permet de r-
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
1
1
1
1
1
2 + 4 + 8 + .... + n 2n + n+1 2n+1 + .... =
2
4
8
2
2
Daprs les calculs de P.-L. Bernstein [?], un ducat du XVIIIe sicle est environ lquivalent de 40$
2 ducats
1/2
4 ducats
1/4
8 ducats
1/8
1/2 n
1/2
n+1
ducats
n+1
ducats
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.
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)
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
Dans ce cas, chercher le plus grand possible U est quivalent maximiser E (w).
e
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
5
95
ln (wN ) +
ln (wV )
100
100
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
10
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-
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
bien 2
U
2x 1
1
1
bien 1
12
bien 2
U
x
x'
u(x). 1
courbe d'indif-frence "u(x)"
1
bien 1
pour lagent considr : x0 x. Le vecteur Ox0 est videmment colinaire au panier talon
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
bien 2
x
y'
y
u(y). 1
x'
1
u(x). 1
bien 1
3.2
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
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
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
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
$<
(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
4.1
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 :
{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
11
+ 23 21
32
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
(s1)
1/2
sans vent
(s2)
1/2
avec vent
(s3)
sans vent
(s4)
1/2
soleil
1/3
2/3
pluie
1/2
s2
s3
s4
1/6
1/6
1/3
1/3
20
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 (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
X
i .u (wi )
i=1
Dans les deux cas, on supposera aussi que lutilit est strictement croissante des revenus :
w <n+ ,
4.2
u (w) > 0
w
revenu
dans l'tat 2
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
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
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
25
revenu supplmentaire
dans l'tat 2
CI(W)
bissectrice
A
D
prob(W1) /
prob(W2)
revenu supplmentaire
dans l'tat 1
A (w) = z <2+ : z 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
27
CIV(W)
bissectrice
revenu supplmentaire
dans l'tat 1
prob(W1) /
prob(W2)
W
CIU(W)
w
w
28
revenu
dans l'tat 2
CI(W)
bissectrice
W2
EW
EC
prob(W1) /
prob(W2)
W1
EC
revenu
dans l'tat 1
EW
4.3
u(W2)
Eu
u(W1)
O
A
E(W)
W1
W2
AB/BC = prob(W2)/prob(W1)
u
u(W2)
C
dU
dW
Eu
u(W1)
O
A
W1
E(W)
W2
AB/BC = prob(W2)/prob(W1)
u(W2)
C
B
Eu
dU
dW
u(W1)
O
A
W1
E(W)
W2
AB/BC = prob(W2)/prob(W1)
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)
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
(5)
e v .v 0 (E [w])
e
v (E [w]
e v ) v (E [w])
(6)
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
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)
x2 (x1 ) =
1 u0 (w + x1 )
.
2 u0 (w + x2 (x1 ))
33
(8)
CIv(W)
bissectrice
b
a w
CIu(W)
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)
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
u (w)
1
00
x2 (x1 ) = 2 0
2
u (w)
34
(11)
00
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
>
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
4.5
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) :
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
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
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)
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
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
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
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
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
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
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.
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).
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
42
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
p) = peq C (q)
(16)
Le est utilis pour signaler que la variable considre est une variable alatoire.
43
donc :
max
q
(17)
s .u (s )
s = ps q C(q)
et dpend de s, la condition de premier ordre scrit :
X
s
(18)
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 )
P
0
s s . [u (s ) ps ]
Cm (q) = P
0
s s .u (s )
(19)
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
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
P
P
0
e , pe
[ s s u (s )] [ s s ps ] + cov u0
P
Cm (q) =
0
s s .u (s )
e , pe
cov u0
X
s ps + P
Cm (q) =
0
s s .u (s )
s
(20)
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 :
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
6.3
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 :
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.
"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 )
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
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)
(32)
X
s
48
s ps
(33)
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
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
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.
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
1160
464
erreur dans
enfin que
232
.
232
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
qi .up (xi )
56