CH 5

Chapitre 5
conomie de lIncertain : Les

bases
"In this world, nothing is certain but death and taxes." (Ben-
jamin Franklin)
"But the question is, punk, do you feel lucky today ?" (Clint
Eastwood, dans Dirty Harry)
Oshala
5.1 Les bases

Nous supposerons dans ce chapitre que les agents conomiques connaissent
la distribution des variables alatoires auxquelles ils font face. Cette hy-
pothse est aujourdhui mise en doute par de nouveaux modles de dci-
sion en situations dincertitude, o lon ne supposera plus que les individus
connaissent les vrais distributions des variables alatoires, mais basent leurs
dcisions sur des perceptions subjectives. Nous esquisserons certaines des
possibilits quoffrent ses nouveaux modle au Chapitre suivant.
5.1.1 Quest ce que le risque dans les socits tradi-

tionnelles ?
Albert Einstein, dans lune de ces citations les plus mmorables, a dit
que "Dieu ne joue pas aux ds". Si Dieu ne joue pas aux ds, mcanique
quantique part, les paysans dans le paysans en dveloppement jouent aux
ds tous les jours.
201
202 CHAPITRE 5. CONOMIE DE LINCERTAIN : LES BASES
Alderman et Paxson 1992, Besley 1995, Carter 1997, Horowitz 1995,

Townsend 1995, Deaton 1992b
5.1.2 Lhypothse de lesprance de lutilit

De nombreux exemples en conomie de lincertain sont formuls en termes
dun monde comportant deux tats de la nature. Si ltat de la nature o la
variable alatoire prend la valeur x1 se ralise avec probabilit p et celle o la
variable alatoire prend la valeur x2 se ralise donc avec la probabilit 1 p,
lesprance de lutilit de lindividu est donne par
E [U] = pU (x1 ) + (1 p) U (x2 ).
Le cas de deux tats de la nature tant trop restrictif dans de nombreux

contextes, on travaillera souvent avec une caractrisation comportant n
3 tats de la nature. Plus formellement, nous parlerons dune loterie P =
{p1 , x1 ; ...; pn , xn } constitue de n
ralisations (x1 , ..., xn), avec probabilits
associes (p1 , ..., pn ) o pj 0 et j=n j=1 pj = 1. Lesprance de lutilit du
consommateur est donne par
j=n

E [U ] = pj U (xj ).
j=1
Une troisime possibilit est de dcrire les ralisations de la variable ala-

toire avec une densit probabiliste continue. Soit x la variable alatoire dis-
tribue selon la densit f(x) sur lintervalle [x, x]. La densit est une fonction
qui satisfait deux proprits. Premirement, f (x) [0, 1]. Deuximement,
x
x
f(x)dx = 1 (ce ne sont que les conditions, sous forme continue, qui cor-
respondent aux conditions donnes ci-dessus pour une densit discrte). On
dnotera gnralement les densits par des lettres minuscules, et leur densit
cumulative associe (aussi appele fonction de rpartition), qui nest autre
que la primitive de la densit,
par la lettre majuscule correspondante. En
dautres termes : F (x) = f (x)dx. Lesprance de lutilit dans ce cas scrit
x
E [U ] = U (x)f (x)dx.
x
5.2 Aversion au risque

Considrons un paysan qui a le choix entre un revenu sr de W et le
revenu sr de W plus une loterie o il gagnera x avec probabilit p et y (en
5.2. AVERSION AU RISQUE 203
loccurrence, un gain ngatif) avec probabilit 1 p. Pour une valeur donne

du gain x et de la probabilit p, nous voulons trouver la valeur de y telle que
le paysan soit indiffrent entre le revenu sr plus la loterie et le revenu sr
W tout court. La relation dindiffrence en question est videmment donne
par la forme implicite suivante :
pU (W + x) + (1 p) U (W + y) U (W ) = 0, (5.1)
o les deux premiers termes constituent lesprance de lutilit du paysan et

le dernier terme reprsente son utilit sous le revenu sr. Lensemble des x et
y qui satisfont cette quation constituent lensemble des loteries (pour une
valeur donne de p) que le paysan acceptera comme tant quivalentes au
revenu sr W . Posons la relation dsire comme tant la fonction y = y(x, p)
et diffrencions implicitement (Recette 7) lquation (5.1). Nous obtenons
alors :
dy(x, p) pU (W + x)
= (5.2)
dx (1 p) U (W + y(x))
ce qui, valu x = 0, y = 0, cest--dire pour une loterie de trs faibles
dimensions, nous donne :

dy(x, p) p
= .
dx x=0 1p
y=0
Considrons maintenant la drive seconde de (5.1) par rapport x, en nous

souvenant que y est une fonction de x (en dautres termes, nous prenons la
drive premire de (5.2) par rapport x) :

d dy(x, p) d pU (W + x)
=
dx dx dx (1 p) U (W + y(x))

pU (W + x) (1 p) U (W + y(x))
pU (W + x) (1 p) U (W + y(x)) dy(x,p)
dx
= 2

((1 p) U (W + y(x)))
Nous pouvons alors substituer partir de lquation 5.2 :

pU (W + x) (1 p) U (W + y(x))
d dy(x, p)
= pU (W + x) (1 p) U (W + y(x))
dx dx +
pU (W +x)
(1p)U (W +y(x))
1
,
((1 p) U (W + y(x)))2
ce qui se simplifie en

d dy(x, p) p U (W + x)
=
dx dx (1 p) U (W + y(x))
2
p2 U (W + x) U (W + y(x))
2
.
(1 p) U (W + y(x)) U (W + y(x))
En valuant encore une fois cette expression prs de lorigine, nous obtenons

d dy(x, p) U (W ) p
= . (5.3)
dx dx x=0 U (W ) (1 p)2
y=0
Lquation (5.3) se rvlera capitale pour ce qui a trait lanalyse de laver-

sion au risque des agents, et nous y reviendrons ci-dessous. Un exemple
concret de ce que nous venons de dmontrer est donn par la fonction duti-
lit ngative exponentielle, dont nous tudierons par la suite les proprits.
Pour la fonction dutilit ngative exponentielle, on peut trouver la solution
lquation (5.1) explicitement, donnant :
y = 1 [ln (1 p) ln (1 p exp {x})] .
La drive premire par rapport x est alors donne immdiatement, par

diffrenciation directe, par :
dy(x, p) p exp {x}

= ,
dx 1 p exp {x}
tandis que la drive seconde par rapport x est donne par :

d dy(x, p) d p exp {x} p exp {x}
= = .
dx dx dx 1 p exp {x} (1 p exp {x})2
value x = 0, nous obtenons alors :

d dy(x, p) p
= .
dx dx x=0
y=0
(1 p)2
Nous pouvons reprsenter graphiquement ceci pour diffrentes valeurs du co-

efficient daversion absolue au risque. Sur laxe horizontal, nous reprsentons
diffrentes valeurs de x comprises entre 0 et 1, alors que sur laxe vertical
nous reprsentons la valeur de y correspondant x donne par lquation
(5.1). La valeur de p est fixe 12 . Dans la Figure 5.1, nous reprsentons la
fonction y = y(x, , p) pour six valeurs diffrentes du coefficient daversion

absolue au risque .
x
0.2 0.4 0.6 0.8 1
-0.2
-0.4
-0.6
-0.8
-1
F. 5.1 y comme fonction de x pour la fonction dutilit U = exp {W }

pour = 3, 2, 1, 12 , 10
1 1
, 100 (p = 12 )
On remarquera, au fur et mesure que la valeur de augmente, que les

courbes y = y(x, , p) se dplacent vers le haut. Ceci traduit le fait que la
perte y que lagent conomique est prt supporter avec probabilit 1p afin
daccder un gain donn x avec probabilit p est une fonction dcroissante
du coefficient daversion absolue au risque . Dans la Figure 5.2, nous fixons
= 1 et nous calculons la valeur de y en faisant varier la probabilit p
dobtenir x.
y -1 1
0.8
-2
0.6
0.2 0.4 x
0.4
0.6 0.2
p
0.8
0
F. 5.2 y comme fonction de x pour diffrentes valeurs de p ( = 1)

Nous pouvons galement effectuer le mme travail avec la forme param-

trique suivante pour la fonction dutilit :
W 1
U (W ) = .
1
Notons immdiatement que les deux premires drives de cette fonction
dutilit sont donnes par :
U (W ) = W , U (W ) = W 1 ,
et que nous pouvons donc dfinir lexpression suivante
U (W )
W =
U (W )
que nous appellerons le coefficient daversion relative au risque. Dans le
cas de la fonction dutilit en question, ce coefficient est constant et gal .
Posons maintenant la relation dindiffrence comme avant :
(W + x)1 (W + y)1 W 1
p + (1 p) = 0.
1 1 1
Nous pouvons videmment solutionner cette quation pour y :
1
1
1 1 1
y(x, p) = W p (W + x)1 1 W. (5.4)
1p
Vous remarquerez que, contrairement la fonction exponentielle, la richesse
initiale de lindividu ne disparat pas de cette expression. Dans le graphique
qui suit, vous remarquerez que, pour une valeur de x donne, un individu avec
une richesse W plus grande sera dispos accepter une perte y plus grande.
La Figure 5.3 illustre donc bien une aversion pour le risque dcroissante avec
la richesse.
W
2 4 6 8 10
0
-0.2
-0.4
y
-0.6
-0.8
0
0.2
0.4
0.6
0.8 x
1
F. 5.3 y comme fonction de x pour diffrentes valeurs de W (p = 12 , = 2)

En drivant lquation (5.4) par rapport x, nous obtenons

1
1
dy(x, p) 1
= p (W + x) W 1 p (W + x)1 1 ,
dx 1p
ce qui, valu x = 0, nous donne bien sr :

dy(x, p) p
= .
dx x=0 1p
Drivons maintenant une deuxime fois par rapport x. Nous obtenons :

1
1
d dy(x, p) 1
= p W 1 p (W + x)1 1 (W + x)1
dx dx 1p
1
1 + p W 1 p (W + x)1 (W + x)1
ce qui, valu x = 0 nous donne :

d dy(x, p) p 1
= 2 W .
dx dx x=0 (1 p)
On remarquera finalement que
U (W )
= W 1 .
U (W )
Vous remarquerez que nous navons impos aucune restriction sur le para-
mtre , qui peut tre plus grand ou plus petit que un (il peut trs bien
tre ngatif...vous pourrez vrifier que la fonction dutilit reste croissante et
concave).
5.2.1 Aversion au risque et formes paramtriques. Des

solutions des quations diffrentielles
Soit une variable alatoire avec y f (y) sur lintervalle [0, y]. Nous dfi-
nissons le coefficient daversion absolu au risque dArrow et de Pratt comme
tant :
U (y)
A(y) = .
U (y)
On se souviendra que cette expression constituait lun des lments de lqua-
tion (5.3). En diffrenciant cette expression par rapport y nous obtenons
les conditions sur la fonction dutilit qui nous disent si laversion absolue au
risque est croissante, dcroissante, ou constante :
2
A(y) U (y) U (y)U (y) U (y)U (y) U (y) U (y)
= = =
y y U (y) [U (y)]2 U (y) U (y)
ce qui se rsume en
A(y) U (y)
= (A(y))2 . (5.5)
y U (y)
Quelle type de fonction dutilit aura la proprit que le coefficient daversion
absolue au risque est constant ? Pour le savoir, considrons tout simplement
lquation diffrentielle suivante :
U (y)
= A.
U (y)
La solution gnrale cette quation diffrentielle est bien sur donne par :
exp {AyC2 }
U (y) = + C1 ,
A
o C1 et C2 sont deux constantes arbitraires. En choisissant la solution avec
C1 = C2 = 0 on obtient la forme fonctionnelle communment utilise, o lon
nglige souvent le A qui se trouve au dnominateur. Nous pouvons galement
dfinir le coefficient daversion relative au risque de Arrow-Pratt :
U (y)
= y .
U (y)
Considrons comme avant, cette dernire expression comme tant une qua-
tion diffrentielle. La solution est donne par :
y 1
U (y) = C1 + C2 ,
1
o C1 et C2 sont deux constantes arbitraires. Gnralement, on choisira C1 =
1, C2 = 0. Souvent, on utilisera la forme
y 1 1
U(y) = ,
1
car elle a la proprit utile que
y 1 1
lim = ln y.
1 1
5.2.2 Rsultats empiriques. Aversion au risque des pay-

sans dans les PED
Que savons nous, du point de vue empirique, des valeurs prisent par ces
coefficients pour les paysans dans les pays en dveloppement ? Binswanger
et Sillers 1983 recensent la littrature sur le sujet et trouvent des coefficient
daversion absolue au risque de lordre de XX pour la
Rosenzweig et Wolpin 1993, pour un chantillon de paysans indiens, es-

timent que la valeur du coefficient daversion relative au risque et de lordre
de XX, avec un cart-type de XX.
Wiens 1976, Moscardi et DeJanvry 1977, Dillon et Scandizzo 1978, Binswanger

1980, Antle 1987, Saha, Shumway, et Talpaz 1994, Bar-Shira, Just, et Zilberman
1997
5.2.3 Les producteurs et le risque

Considrons un paysan dont les revenus y proviennent en partie de pro-
fits (p, w) issus dune activit agricole. Plus formellement, supposons que
y = a + (p, w) o a est un revenu sr. Considrons ensuite une situation
entirement statique o la consommation du paysan est gale son revenu :
c = y = a + (p, w). La question qui se pose est de savoir si lutilit est
concave ou convexe dans le prix p. Lutilit du paysan scrit
U (c(a, p, w)) = U (a + (p, w)) .
Nous nous intressons la drive seconde par rapport p. En prenant la

drive premire,
U (a + (p, w)) (p, w)
= U (a + (p, w)) = U (a + (p, w)) q (p, w),
p p
o la deuxime galit suit du Lemme de Hotelling (Chapitre 2). Prenant
la drive seconde donne
2 U (a + (p, w)) 2 q (p, w)
= U (a + (p, w)) [q (p, w)] +U (a + (p, w)) .
p2 p
Sous quelles conditions aurons-nous une drive seconde ngative ? En rcri-
vant lexpression prcdente, on obtient la condition :
q (p,w)
U (a + (p, w)) p
> .
U (a + (p, w)) [q (p, w)]2
q (p,w) p
En dfinissant llasticit prix de loffre qp (p, w) = p q (p,w)
, on obtient :
qp (p, w)
A (a + (p, w)) > . (5.6)
pq (p, w)
5.3 conomie de lassurance

Bien que lexemple avec deux tats de la nature de la section prcdente
soit utile des fins pdagogiques, il est prfrable de shabituer de travailler
avec des variables alatoires dont les ralisations sont plus complexe. Dans
la section qui suit, nous travaillerons avec une densit discrte. Lorsque nous
aborderons la dominance stochastique de second ordre, nous passerons une
spcification continue.
5.3.1 La prime de risque et laversion au risque

Considrons une loterie P = {p1 , t1 ; ...; pn , tn } constitue de n ralisa-
j=n
tions t1 , ..., tn , avec probabilits associes (p1 , ..., pn ) o j=1 pj = 1 et

t > 0. Lesprance de la loterie sera suppose nulle : E[] = j=n j=1 pj j = 0,
alors que sa variance sera donne par
j=n j=n
2

2
[] = pj (j E []) = pj 2j .
j=1 j=1
Lesprance de lutilit du consommateur est donne par

j=n

E [U] = pj U(W + tj ).
j=1
La prime de risque est alors implicitement dfinie par (t; .) tel que
j=n

pj U (W + tj ) U (W (t; .)) = 0.
j=1
Considrons les deux premires drives de cette expression par rapport t :

j=n

pj j U (W + tj ) + (t; .)U (W (t; .)) = 0,
j=1
5.3. CONOMIE DE LASSURANCE 211
j=n
2
pj 2j U (W + tj ) + (t; .)U (W (t; .)) [ (t; .)] U (W (t; .)) = 0.
j=1
Prenons maintenant les limites de ces trois dernires expressions lorsque t

0, ce qui en mots correspond considrer une loterie de faibles dimensions.
On obtient
j=n

pj U (W ) U (W (0; .)) = 0,
j=1
j=n

pj j U (W ) + (0; .)U (W (0; .)) = 0,
j=1
j=n
2
pj 2j U (W ) + (0; .)U (W (0; .)) [ (0; .)] U (W (0; .)) = 0.
j=1
Comme la premire expression peut se rcrire

j=n

U (W ) pj U(W (0; .)) = 0
j=1

=1
il suit que (0; .) = 0. La deuxime expression peut se rcrire comme

j=n

U (W ) pj j + (0; .)U (W (0; .)) = 0

j=1 =0

=0
do lon dduit que (0; .) = 0. Finalement, la troisime expression peut se

rcrire
j=n

2
U (W ) pj 2j + (0; .)U (W (0; .)) [ (0; .)] U (W (0; .)) = 0

j=1 =0 =0 =0

2 []
do lon dduit :
U (W ) 2
(0; .) = [] .
U (W )
Par une expansion MacLaurin de second ordre (Recette 1), nous pouvons
crire :
t2
(t; .) (0; .) + t (0; .) + (0; .)
2
do lexpression

t2 U (W ) t2
(t; .) 2 [] = A(W ) 2 [] .
2 U (W ) 2
On voit donc clairement que la prime dassurance (t; .) est bien croissante
dans le coefficient daversion absolue au risque de Arrow et Pratt, car
(t; .) t2
= 2 [] > 0.
A(W ) 2
De mme, la prime est croissante dans la variance de , car
(t; .) t2
= A(W ) > 0.
2 [] 2
Nous approfondirons cette relation entre le degr dincertitude de la loterie
et la prime de risque en utilisant le concept de la dominance stochastique de
second ordre, plus tard dans le chapitre. Finalement, notons que la relation
entre la prime dassurance et la richesse initiale W est ambigu. En effet, en
prenant la drive, on remarquera que
(t; .) t2
= A (W ) 2 []
W 2
dont le signe dpend du signe de

2 U (W )
A (W ) = (A(W ))
U (W )
(voir quation (5.5)).
La prime de risque avec une fonction dutilit ngative-exponentielle

Considrez un paysan dont la fonction dutilit est donne par la forme
ngative-exponentielle. Nous supposerons que le revenu agricole du paysan
est donn par la variable alatoire w N(, 2 ) et que le paysan dispose
galement dun revenu fixe A. La somme des deux revenus est donc donne
par A + w. Lutilit du paysan peut donc tre crite :
U (y) = exp {y} = exp {(A + w)} ,
et lesprance de son utilit est donne par (Recette 14) :

2
E[U (y)] = exp A + . (5.7)
2
5.3. CONOMIE DE LASSURANCE 213
Nous allons considrer un contrat dassurance qui garantira au paysan un

revenu certain gal la moyenne de son revenu. Ce type de contrat pourrait
tre mis en oeuvre, par exemple, par un office de commercialisation des pro-
duits agricoles. La prime paye par le paysan sera donne par la constante .
Lutilit du paysan qui souscrit ce contrat dassurance est donc donn par
U (E[y ]) = exp { (A + )} . (5.8)
Afin de calculer la prime quitable du point de vue actuariel, nous posons
lgalit entre les quations (5.7) et (5.8). En calculant la solution en , nous
obtenons alors
2
= .
2
Le choix technologique avec une utilit ngative-exponentielle

Considrons deux technologies, la premire moderne reprsente par la
variable alatoire y N (y , 2y ) tandis que la deuxime, traditionnelle est
reprsente par la variable alatoire y N(y , 2y ). Nous supposerons que
le rendement moyen de la technologie moderne est suprieur celui de la
technologie traditionnelle, cest dire y > y ;dautre part, la variance du
rendement de la technologie moderne est suprieure celui de la technologie
traditionnelle, ou 2y > 2y . Un paysan, dont la fonction dutilit est ngative
exponentielle, qui nadopte pas la technologie moderne est un paysan pour
lequel lingalit suivante tient (en utilisant la Recette 14) :

2 2
E U (y) = exp y + y
2

2 2
> exp y + y = E [U (y)] ,
2
ce qui quivaut
y y
>2 = .
2y 2y
En mots, ceci veut dire quun paysan avec une aversion au risque suprieur
nadoptera pas la technologie moderne.
Kurosaki 1995
Les offices de stabilisation des prix

Il est commun dans beaucoup de pays en dveloppement que le secteur
agricole.
There is a substantial literature concerning this issue, largely centered

on the Latin American experience (Arrau and Claessens, 1992, Basch and
Engel, 1993, Engel and Meller, 1993, Hausman, Powell and Rigobn, 1992),
although Newberry et Stiglitz 1981 continues to remain the basic theoretical
reference.
Suppose that the output of a primary commodity is equal to 1 + with
probability 12 and 1 with probability 12 . The decisionmakers utility is
assumed to be a function of sales and we assume that the purpose of the
buffer stock is to stabilize sales around mean output, which here is equal to
1. When output is equal to 1 + , units of output are added to storage,
as long as total storage capacity has not been exhausted. When output is
equal to 1 , units of output are removed from storage, as long as they
are available. Let K denote the storage capacity (assumed to be an integer),
expressed in standard storage units equal to . Then, given that there are
K + 1 possible values of the stock in storage (0 to K standard units),
Newberry et Stiglitz 1981 showed that the probability distribution of the
amount of units in storage is given by the uniform distribution with density
1 K
equal to K+1 . Output will be stabilized at 1 with probability K+1 , whereas
storage capacity will be exceeded with probability 2(K+1) ; finally, there will
K
be no units in storage available for stabilization with probability 2(K+1)

K
.
Under conventional EU axiomatics, expected utility with a buffer stock
is given by :
K 1
U BS = u (1) + (u (1 + ) + u (1 ))
K +1 2 (K + 1)
2Ku (1) + (u (1 + ) + u (1 ))
=
2 (K + 1)
Without a buffer stock, expected utility is given by :
1 (K + 1) (u (1 + ) + u (1 ))
U NBS = (u (1 + ) + u (1 )) =
2 2 (K + 1)
and the difference between the two is thus :
2u (1) (u (1 + ) + u (1 ))
U = U BS U NBS = K
2 (K + 1)
A second-order Taylor expansion then yields :
u (1) K 2
U =
2 (K + 1)
Aizenman 1998,Arrau et Claessens 1992, Voir les articles dans Engel et

Meller 1993, Newberry et Stiglitz 1981
5.4. SLECTION ADVERSE ET RISQUE MORAL 215
5.4 Slection adverse et risque moral

5.4.1 quilibre sparateur et quilibrepooling
Considrons un exemple trs simple o le revenu du consommateur peut
prendre deux valeurs, w A avec probabilit q et w avec probabilit 1 q.
La variable A reprsentera un accident ou une perte que le consommateur
pourra subir avec probabilit q. Pour un consommateur dont les prfrences
sont reprsentes par la fonction dutilit U (.), lesprance de son utilit, en
labsence dun march dassurance, est donn par :
E [U(.)] = qU(w A) + (1 q)U(w).
Supposons maintenant quil existe un march o le consommateur peut ache-

ter un contrat dassurance. Ce contrat est constitu de deux composantes.
Dune part le consommateur choisira le montant assur, dnot par S, qui lui
sera vers lorsque son revenu est gal w A (rien ne lui sera vers lorsque
son revenu est gal w). Dautre part, le consommateur paiera un prix p
par unit du montant assur. Le paiement total quil fera la compagnie
dassurance, quelque soit la ralisation de ltat de la nature est donc pS. Le
revenu espr du consommateur lorsquil achte un contrat dassurance avec
montant assur S et prix unitaire p est donc donn par :
E [U (.)] = qU (w A + S pS) + (1 q)U(w pS).
La CPO qui dfinit le choix optimal de S est alors donne par

E [U(.)]
= q(1 p)U (w A + (1 p)S ) p(1 q)U (w pS ) = 0.
S
Considrons maintenant le ct de lassureur. Si celui-ci fait face un en-
semble de client identiques caractriss par la discussion prcdente, le mon-
tant espr de ses paiements par client sera gal qS, tandis que le montant
de ses recettes par client sera donn par pS. Son profit espr par client sera
alors donn par
E [] = pS qS = (p q) S.
Supposons pour linstant que le march des assureurs est concurrentiel. Un
assureur devra alors raliser une esprance des profits nulle E [] = 0, ce qui
implique quil fixera un prix unitaire tel que
p = q.
Graphiquement, que se passe-t-il au point o le consommateur est parfai-

tement assur et lassureur ralise une esprance de profits nuls ? Afin de
trouver la pente de la courbe dindiffrence du consommateur, prenons la d-

rive implicite dy/dx (Recette 7) de la dfinition de lesprance de lutilit
du consommateur de EU (.) = qU (x) + (1 q)U (y). On obtient :

dy y
(qU (x) + (1 q)U(y)) (1 q)U (y)
= = .
dx x
(qU(x) + (1 q)U (y)) qU (x)
Sur la ligne de 45 degrs, x = y, et le pente de la tangente la courbe
dindiffrence est donc donne par :
(1 q)
.
q
Dans la reprsentation graphique, cette proprit implique que tous les points
sur la droite qui relie le point initial du consommateur, avec pente gale
(1q)/q sont des quilibres potentiels, dans la mesure o les profits esprs
de lassureur sont nuls. En dessous de cette droite, les profits esprs sont
ngatifs, au dessus positifs. Ces propos sont illustrs la Figure 5.4.
(1 q)
pente =
q
w A
w qA w
F. 5.4 Un type de consommateur : optimum de premier rang avec assu-

rance parfaite
Lorsque les profits esprs de lassureur sont nuls, la CPO qui dfini im-
plicitement la demande dassurance du consommateur est donne par
q(1 q) [U (w A + S qS ) U (w qS )] = 0,
ce qui implique une assurance parfaite :
S = A.
Du point de vue graphique, lquilibre se trouve sur la premire bissectrice

(la droite avec pente gale 1, qui passe par lorigine).
5.4.2 Le problme de slection adverse sur le march

de lassurance
Supposons maintenant quil y a deux types de consommateurs, avec des
probabilits diffrentes davoir un accident : q H > qL . Soit la proportion
dagents de type H et 1 la proportion de type L. Dans la reprsentation
graphique de la Figure 5.5, ceci implique que la pente de la tangente aux
courbes dindiffrence des consommateurs de type H est plus petite (en valeur
absolue) que pour les agents de type L nimporte quel point du graphique.
(1 q L )
(1 q H ) pente =
pente = qL
qH
UL
UH
w A
w
w qH A w qLA
F. 5.5 Optimum de premier rang avec deux consommateurs de types

connus : assurance parfaite dans les deux cas
Si lassureur connat les types des consommateurs, loptimum de premier

rang serait constitu par deux contrats du type examin prcdemment. En
dautres termes, les deux types de consommateurs seraient parfaitement as-

surs, et les consommateurs de type H paieraient un prix unitaire gal q H ,
tandis que les consommateurs de type L paieraient un prix unitaire de qL .
La logique dcoule de lexpression
EU i (.) = q i U (w A) + (1 q i )U(w), i = H, L,
suivie de la mme logique que ci-dessus, avec lassureur ralisant une esp-
rance profits nuls avec chaque type de client. Loptimum de premier rang est
illustr la Figure 5.5. Lorsque lassureur ne connat pas le type dagent au-
quel il fait face, par contre, la situation est bien plus complique. En gnral,
deux types de contrats dassurance peuvent exister : les contrats "pooling",
et les contrats "sparateurs".
Equilibre en pooling
Dans ce cas, le contrat dassurance est donn par (p, S pooling ). Lesprance
du profit de lassureur est donn par :

E = pS q H + (1 )q L S,
et la condition de zro esprance de profits implique donc que :
p = q H + (1 )q L .
Du point de vue graphique, ceci implique que tous les quilibres potentiels
se trouvent sur la droite qui passe par la situation initiale du consommateur,
avec une pente gale la somme pondre des pentes des droites de chaque
consommateur, et o les pondrations correspondent tout simplement aux
proportions des deux types de consommateurs dans la population.
(1 p%) 1 ( q H + (1 )q L )
pente= =
p% q H + (1 )q L
UL
UH
w A
w pS
%1 w
w pS
%2
F. 5.6 Deux types de consommateurs, slection adverse : Absence dqui-

libre "pooling"
Considrons un point quelconque sur la droite avec pente

1 p 1 q H + (1 )q L
= ,
p qH + (1 )q L
entre le point initial et la ligne de 45 degrs dans la Figure 5.6. Nous d-
noterons ce contrat par (p, S 1 ). Le problme avec ce contrat est le suivant :
considrons un autre point sur cette mme droite, mais plus proche du point
initial du consommateur. Dnotons ce contrat par (p, S 2 ), o S 2 < S 1 . Ecri-
vons maintenant les utilits des deux types de consommateurs. Avec le pre-
mier contrat, nous avons :
EU H (p, S 1 ) = q H U (w A + (1 p)S 1 ) + (1 q H )U (w pS 1 );
EU L (p, S 1 ) = q L U(w A + (1 p)S 1 ) + (1 q L )U(w pS 1 ).
Avec le deuxime :
EU H (p, S 2 ) = q H U (w A + (1 p)S 2 ) + (1 q H )U (w pS 2 );
EU L (p, S 2 ) = q L U(w A + (1 p)S 2 ) + (1 q L )U(w pS 2 ).
Le problme avec le contrat (p, S 1 ) est quun assureur qui offre (p, S 1 ) perdra
tous ses clients de type L (ceux qui fournissent un profit strictement positif)
si son concurrent offre (p, S 2 ). Afin de le prouver, nous dmontrerons que

EU L (p, S 2 ) > EU L (p, S 1 ). Ecrivons donc la ngation de cette ingalit :

(1 q L ) U (w pS 2 ) U (w pS 1 )

>0 parce que pS 2 <pS 1
L

< q U (w A + (1 p)S 1 ) U (w A + (1 p)S 2 ) .

>0 parce que (1p)S 2 >(1p)S 1
Une expansion Taylor de premier ordre (Recette 1) nous donne :

U (w + ) U (w) + U (w).
Pour les quatre lments dans lingalit prcdente, nous pourrons donc
crire (pour i = 1, 2) :
U (w pS i ) U(w) pS i U (w);
U (w A + (1 p)S i ) U (w) (A (1 p)S i ) U (w).
En substituant dans lingalit, on obtient alors :
(1 q L ) (U (w) 2 1
pS U (w) (U(w) 1pS U (w)))
U(w) (A (1 p)S ) U (w)
< qL
(U(w) (A (1 p)S 2 ) U (w))
ce qui se simplifie en :

(1 q L ) pS 1 pS 2 < q L (1 p)S 1 (1 p)S 2 ,
ou bien :
p < q L .
Ceci constitue videmment une contradiction, car cest le contraire qui tient
(la dfinition mme de p implique que p > q L ) ; il suit que EU L (p, S 2 ) >
EU L (p, S 1 ). De la mme faon, on dmontre aisment que
EU H (p, S 2 ) < EU H (p, S 1 ).
En mots, tous les consommateurs de type L prfreront le contrat (p, S 2 )
au contrat (p, S 1 ), et le contraire sera vrai pour les consommateurs de type
H. La consquence est que lassureur qui proposera le contrat (p, S 1 ) per-
dra tous ses clients de type L et fera face des profits ngatifs car seuls
les consommateurs de type H lui resteront comme clientle. Par contre, las-
sureur qui offre (p, S 2 ) saccaparera tous les consommateurs de type L et
bnficiera de profits positifs car elle aura limin tous les clients de type
H. Cette configuration est, videmment, instable, dans la mesure o le pro-
cessus concurrentiel pourra se rpter indfiniment, jusqu ce que lon se
retrouve dans le situation initiale avec le consommateur dpourvu de toute
forme dassurance. Ceci dmontre quun contrat de type "pooling" nest pas
envisageable en la prsence de slection adverse.
Equilibre sparateur
Dans le cadre dun quilibre sparateur, lassureur offre deux contrats,

destins aux deux types de consommateurs. Nous dnoterons ces deux contrats
par (pL , S L ) et (pH , S H ). Le contrat sparateur en prsence de slection ad-
verse donne un optimum de second rang. Nous allons maintenant voir pour-
quoi.
Lorsque lassureur ne connat pas les types des consommateurs, est-il
possible de mettre en oeuvre loptimum de premier rang ? La rponse est
videmment non, ce qui apparat clairement du point de vue graphique dans
la Figure 5.7.
U%H > U H
UH
UL
w A
w
w qH A w qL A
F. 5.7 Deux types de consommateurs, slection adverse : Absence dqui-

libre "sparateur" qui soit un optimum de premier rang
Dans le graphique, les consommateurs de type H prfreront le contrat

destin aux consommateurs de type L parce que, en choisissant ce contrat,
il pourront atteindre une courbe dindiffrence plus leve que sils choisis-
saient le contrat destin leur propre type. Les consommateurs de type L
choisiront galement le contrat de type L. Il suit que cette configuration ne
peut certainement pas constituer un quilibre sparateur.
La caractristique clef dun quilibre sparateur est que chaque type de
consommateur ne choisisse pas le contrat destin lautre type. Si les deux
consommateurs choisissaient le contrat qui leur tait destin, leur bien-tres
respectifs seraient donns par :

EU L (pL , S 1 ) = qL U w A + (1 pL )S L + (1 q L )U w pL S L ,
EU H (pH , S H ) = qH U w A + (1 pH )S H + (1 q H )U w pH S H .
On appellera "contrainte de compatibilit des incitations" les restrictions

qui garantissent que chaque agent choisisse le contrat qui lui est destin.
Explicitement, celles-ci sont donnes par :

EU L (pL, S 1 ) = q L U w A + (1 pL )S L + (1 q L
)U w pL L
S
qL U w A + (1 pH )S H + (1 q L )U w pH S H
= EU L (pH , S H ) (CI L );
EU H (pH , S H ) = q H U w A + (1 pH )S H + (1 q H )U w pH S H
qH U w A + (1 pL )S L + (1 q H )U w pL S L
= EU H (pL , S L ) (CI H ).
Considrons deux contrats de la forme :

(pH , S H ) = (q H , A),
(pL , S H ) = (q L , S L ), S L < A.
Si le contrat destin aux consommateurs de type H est (q H , A), il sera im-

portant de garantir que le contrat destin aux consommateurs de type L ne
soit pas prfr par les consommateurs de type H au contrat (q H , A). Plus
explicitement, il faudra que

EU H (q H , A) = q H U w A + (1 q H )A + (1 qH )U w q H A

q H U w A + (1 q L )S L + (1 qH )U w q L S L
= EU H (q L , S L ) (CI H )
ou bien

q H U w A + (1 q H )A + (1 q H )U
w q H
A
q H U w A + (1 q L )S L + (1 q H )U w q L S L ,
se qui se rcrit comme :

U w q H A q H U w A + (1 q L )S L + (1 q H )U w q L S L .
En mots, cette ingalit indique que le bien-tre des consommateurs de type

H lorsquils choisissent lassurance parfaite au prix q H par unit assure
devra tre gal leur bien-tre sils choisissent le contrat (qL , S L ) destin
aux consommateurs de type L. Dans la Figure 5.8, lingalit correspond
la courbe dindiffrence qui passe par le point dassurance parfaite pour les
consommateurs de type H.
UH
w A
w
w qH A
w q L S L
F. 5.8 Deux types de consommateurs, slection adverse : quilibre spa-

rateur qui est un optimum de second rang
Afin daller plus loin du point de vue algbrique, prenons une expansion
Taylor de second ordre (Recette 1) : U (w + ) U (w) + U (w)
0.52 U (w)) de toutes les expressions prcdentes (une expansion de premier
ordre ne suffit pas dans la mesure o le rsultat dpend de la convexit des
courbes dindiffrence) :

U w A + (1 q L )S L U(w) A (1 q L )S L U (w)
2
+ 12 A (1 q L )S L U (w);
2
U w q L S L U(w) qL S L U (w) + 12 qL S L U (w);
2
U w q H A U(w) qH AU (w) + 12 qH A U (w).
Par substitution, on obtient :

2
U(w) q HAU (w) +12 q H A U (w)
L L
U (w) A (1 q )S U (w)
qH 2
+ 12 A (1 q L )S L U (w)
2
+(1 q H ) U (w) q L S L U (w) + 12 q L S L U (w) ,
ce qui se rsume en :
2 2
1 q H A qH A (1 q L )S L U (w)
H
L L 2 L L 2
2 q q S q S U (w)

q H q L S L .
La solution positive en S L de cette quation de second ordre est la valeur

de S L pour le contrat destin aux consommateurs de type L.
La consquence de la slection adverse dans le march de lassurance est
donc le suivant : les individus de type H sont parfaitement assurs, et paient
q H pour chaque unit assure. Paralllement, les individus de type L ne
peuvent pas sassurer parfaitement, ne sont assurs que partiellement, mais
paient un taux par unit infrieur, gal q L . Il y a donc une dviation par
rapport loptimum de premier rang, cause par la prsence des individus
de type H, que lassureur ne peut pas identifier.
5.4.3 Le risque moral

Dans le cas du risque moral, cest une action du consommateur, que las-
sureur ne peut pas observer, qui affecte sa probabilit daccident. Nous sup-
poserons que cet "effort e possde les proprits suivantes :
q = q(e), q < 0, q > 0, limq(e) = q, lim q(e) = 0.

e0 e+
Il est clair que cet effort comporte un cot pour le consommateur, que nous
modliserons de la faon la plus simple possible comme :
ce, c > 0,
o le cot de leffort est exprim en units dutilit. Avec lassurance lesp-

rance de lutilit du consommateur est donn par :
EU (.) = q(e)U (w A + S pS) + (1 q(e))U(w pS) ce.
Lorsque lassureur peut observer e, cest comme sil pouvait en choisir la

valeur (nous verrons une formalisation semblable lorsque nous traiterons la
thorie des contrats au Chapitre 8). La condition de zro esprance de profits
est toujours donne par :
E = q(e)S pS = 0.
Lassureur va donc choisir le niveau de e le plus lev qui soit compatible

avec la rationalit individuelle du consommateur, ce qui veut dire quil fixera
e tel que :
q(e )U(w A + (1 p)S) + (1 q(e ))U (w pS) ce

maxq(e)U (w A) + (1 q(e))U(w) ce,
{e}
o le ct droit de lingalit est le niveau dutilit que le consommateur

obtiendrait sans assurance (et, videmment, lorsque cest lui qui choisit le
niveau de e). La CPO qui dfinit implicitement le niveau optimal de e
lorsque le consommateur na pas dassurance est donn par :
q (e0 )U (w A) q (e0 )U (w) c = 0,
ce qui implique que

0 1 c
e =q .
U (w A) U (w)
Il suit que lassureur fixe e et p en conformit avec les deux quations :
E = q(e )S pS = 0,
q(e )U(w A + (1 p)S) + (1 q(e ))U (w pS) ce

(q(e0 )U(w A) + (1 q(e0 ))U (w) ce0 ) = 0.
La premire condition implique que le niveau dassurance choisi par le consom-
mateur est donn par la solution au problme :
maxq(e )U (w A + (1 q(e ))S) + (1 q(e ))U (w q(e )S) ce ,

{S}
dont la CPO correspondante est :
q(e )(1 q(e ))U (w A + (1 q(e ))S )

(1 q(e ))q(e )U (w q(e )S ) = 0.
Ceci implique (lorsque le consommateur ne choisit pas e) que :
S = A.
Il suit que le niveau deffort choisi par lassureur sera dfini implicitement
par :

U(w q(e )A) ce q(e0 )U (w A) + (1 q(e0 ))U (w) ce0 = 0.
Lorsque lassureur ne peut pas observer e, par contre, cest le consommateur

qui choisi son niveau.
En optimisant par rapport (S, e), on obtient les deux CPO :
EU (.)
S
= q(e )(1 p)U (w A + (1 p)S ) p(1 q(e ))U (w pS ) = 0;
EU (.) .
e
= q (e )U (w A + (1 p)S ) q (e )U (w pS ) c = 0.
(1 q(0)) (1 q(e ))
pente= pente=
q(0) q (e )
w A
w
w q(0) A
w q(e ) A
F. 5.9 Risque moral : Choix dun niveau deffort "anti-risque" sous-
optimal, et niveau de revenu infrieur celui sous loptimum de premier
rang
La condition de zro esprance de profits, encore une fois, implique que

q(e ) = p. Substituant dans la premire condition donne alors :

S = A.
Une substitution dans la deuxime condition nous donne :
EU(.)
= q (e )U (w q(e )A) q (e )U(w q(e )A) c,
e
ce qui implique
EU (.)
= c < 0.
e
5.5. LES CITRONS DAKERLOF 227
Il clair que nimporte quelle valeur de e mne une relation ngative entre
le niveau de e et le bien-tre du consommateur. Il sera donc optimal pour lui
de choisir le niveau minimal de e, soit e = 0. Il en dcoule que
q(e ) = q(0) = q.
La consquence du risque moral sur le march de lassurance est donc la sui-

vante : le niveau deffort du consommateur pour rduire le risque daccident
sera infrieur au niveau optimal e . Dans lexemple prsent ici, on arrive
une situation o, en prsence de risque moral, le consommateur choisit
un niveau deffort nul. Il suit que le risque moral entrane une dviation par
rapport loptimum social. En termes concrets, les consommateurs sont par-
faitement assurs dans les deux cas (avec et sans risque moral), mais comme
illustr la Figure 5.9, le niveau de consommation w q(0)A quobtient
le consommateur dans les deux tats de la nature est infrieur celui quil
obtiendrait en absence de risque moral (w q(e )A).
5.5 Les citrons dAkerlof

Pourquoi les marchs dans les PED fonctionnent-ils moins bien que dans
les pays riches ? Pourquoi sont-ils moins pais ? Pourquoi, parfois, disparaissent-
ils compltement ? Une possibilit est que le degr dasymtrie dinformation
y est trs lev, peut-tre cause du manque de rglementation qui existe,
par contre, dans les pays riches. Le modle sous-jacent, celui des "citrons"
dAkerlof
5.5.1 Un modle gnral

Soit [0, ] la qualit objective du produit et p son prix. Lutilit du
vendeur est dcrite par la fonction dutilit suivante U V = U V (d, p) avec
UpV > 0,UV > 0, et avec d = 1 si le vendeur garde le produit et d = 0 sil
le vend. Si le vendeur garde le produit en sa possession (et donc ne le vend
pas), nous crirons son utilit comme :
U V = U V (, 0).
Sil vend le produit, par contre, nous crirons :
U V = U V (0, p).
La valeur pour lacheteur est de U A = U A (, p), avec UpA < 0 et UA > 0.

Nous supposerons galement que, si la transaction na pas lieu, lutilit de
lacheteur est donne par : U A (0, 0) = 0. videmment, pour quil existe des
gains potentiels lchange, nous supposerons que :
p > 0 tel que U A (, p) U A (0, 0), U V (0, p) U A (, 0) .
Cest--dire, quen situation dinformation parfaite (o la qualit du produit

serait connue par lacheteur), il existe un prix strictement positif pour le
produit tel que lacheteur a intrt acheter et le vendeur a intrt vendre.
La qualit du produit est, bien sur, connue par le vendeur. Lacheteur, par
contre, ne connat pas la qualit du produit mais sait que celle-ci est dcrite
par une distribution probabiliste f () sur lintervalle [0, ]. Lacheteur connat
aussi les prfrences du vendeur.
On pourrait croire que lesprance de lutilit de lacheteur est simplement
donn par lexpression suivante :

A
E U (, p) = U A (, p)f()d,
0
ce qui reprsente lesprance inconditionnelle de lutilit de lacheteur, o

nous intgrons sur lensemble du support de la densit f(). Le problme est,
si le vendeur met le produit sur le march, que la borne dintgration nest
plus . Pourquoi ? Parce que lacheteur sait trs bien que le vendeur ne se
sparera du produit que lorsque son utilit en vendant est suprieure son
utilit en gardant le produit, ce qui revient lingalit suivante :
U V (0, p) U V (, 0).
Si nous dnotons par U V 1 (.) (U V 1 (.) :U ) linverse partielle, par rap-

port au premier argument de U V (., .), de la fonction dutilit du vendeur,
cette ingalit revient :

U V 1 U V (0, p) U V 1 U V (, 0) = ,
o il semble raisonnable de supposer que

U V 1 U V (0, p) = (p) .
La borne suprieure dintgration du problme de lacheteur est donc donne

par (p). Rcrivons la toute premire ingalit comme une galit (lorsque

nous remplaons par la valeur limite = (p) = U V 1 U V (0, p) ) :
U V (0, p) U V ( , 0) = 0.
Appliquons maintenant le Thorme fondamental de la statique compare

(Recette 7) afin trouver la relation qui existe entre la borne suprieure
sur la qualit du produit conforme avec la dcision du vendeur de vendre le

produit et le prix de celui-ci :
V
d

p
U (0, p) U V ( , 0)
= ,
dp
(U V (0, p) U V ( , 0))
ce qui peut se rcrire comme :
d UpV (0, p) UpV (0, p)
= = V > 0.
dp UV ( , 0) U ( , 0)
Limplication de cette drive est claire : la borne suprieure sur la qualit
du produit, lorsque celui-ci est mis sur le march par le vendeur, est une
fonction croissante du prix. Il suit quun prix lev signale un produit de
haute qualit, tandis quun prix faible signale un produit de faible qualit
ou, en dautres termes, que lesprance de la qualit du produit, conditionnel
sur le fait que celui-ci soit mis sur le march, est une fonction croissante
du prix. Ceci dcoule directement de lexpression qui nous donne la valeur
espre de la qualit du produit (conditionnel sur le fait que celui-ci est mis
en vente) :
(p)

E [| (p)] = f ()d.
0
En intgrant par partie, nous obtenons :
(p) (p)
(p)
E [| (p)] = [F ()]0 F ()d = (p)F ( (p)) F ()d.
0 0
Diffrentions maintenant par rapport au prix. Nous obtenons :

(p)
E [| (p)]
= (p)F ( (p)) F ()d .
p p 0
La rgle de Leibnitz nous permet dcrire

(p)
d (p) UpV (0, p)
F ()d = F ( (p)) = V F ( (p)).

p 0 dp U ( , 0)
Il suit que :
E [| (p)]
p
V
Up (0, p)
UpV (0, p) UpV (0, p)
= F ( (p)) + (p)f( (p)) F ( (p)),
UV ( , 0) UV ( , 0) UV ( , 0)

d (p) d (p) d (p)
dp dp dp
et que nous pouvons donc crire :

E [| (p)] UpV (0, p)
= (p)f ( (p)) V > 0.
p U ( , 0)
Donc lesprance de la qualit du produit lorsque celui-ci est mis sur le march
est une fonction croissante de son prix.
tudions maintenant les conditions qui pourraient garantir quun change
aura lieu. Deux conditions devront tre satisfaites :
(p)
A
(i)E U (, p) = U A (, p)f()d U A (0, 0) = 0;
0
(ii)U V (0, p) U V (, 0).

La premire condition nous dit que lesprance de lutilit de lacheteur
(conditionnelle sur le fait que le produit est mis en vente) lorsquil achte
devra tre suprieure son utilit lorsquil nachte pas. La deuxime condi-
tion nous dit que lutilit du vendeur lorsquil vend devra tre suprieure
son utilit lorsquil ne vend pas.
Dfinissons les deux variables suivantes : soit pV () la valeur minimale du
prix qui inciterait le vendeur vendre ; soit pA la valeur maximale du prix
compatible avec un achat de la part de lacheteur potentiel. Ces deux valeurs
critiques du prix du produit sont videmment dfinies implicitement par les
deux quations suivantes :
(pA )
A A
E U , p = U A , pA f ()d = U A (0, 0) = U A ;
0

U V 0, pV U V (, 0) = 0.
Remarquons que le prix pV () est une fonction croissante de la qualit
du produit car, par une application directe du Thorme fondamental de la
statique compare (Recette 7) :

V V
dpV
U 0, p U V (, 0) U V (, 0)
= V V = V > 0.
d p V U 0, p U V (, 0) Up (, 0)
Pouvons-nous garantir que pA pV (), ce qui impliquerait quil existe un

intervalle non vide de prix tels que lchange aura lieu ? La rponse, videm-
ment, est non, et si pA < pV () aucune transaction naura lieu malgr notre
hypothse de dpart de gains potentiels lchange en situation dinforma-
tion complte. Remarquons que la mesure de lintervalle des valeurs de la
qualit du produit compatible avec lchange est donne par

max 0, pA pV ()
et que
d A U V (, 0)
p pV () = V < 0.
d Up (, 0)
Il suit quil est parfaitement possible quil existe une valeur critique de la
qualit du produit, que nous dnoterons par , tel que, [ , ], lin-
tervalle de prix compatibles avec lchange est donn par lensemble nul. En
rsum, nous aurons un march pour des biens dont la qualit appartient
lintervalle [0, ], tandis que pour des biens dont la qualit est comprise
entre et , aucune transaction ne sera possible.
5.5.2 Exemple paramtrique des citrons dAkerlof

Afin de fixer les ides, prenons un exemple paramtrique concret. Soit
U V = vd+p, U A = adp, et supposons que est distribue selon la densit
uniforme sur lintervalle [0, 2]. Nous appellerons a les gains de lacheteur
lorsquil achte le produit. Notre hypothse sur lexistence de gains potentiels
lchange correspond la restriction suivante sur les paramtres :
U V (0, p) U V (, 0) p v

p v
U A (, p) U A (0, 0) p a

ap U A
ce qui correspond la condition a v (nous imposerons une condition plus

forte, purement technique : a > 2v, qui est plus que compatible avec des
gains lchange). Nous obtenons donc immdiatement pV = v. Nous allons
maintenant calculer la valeur de pA . Pour commencer, nous devons trouver
la valeur limite (p). Comme cette valeur est dfinie implicitement par la
condition U V (0, p) U V ( , 0) = 0, nous obtenons immdiatement (p) =
v 1 p. Nous pouvons maintenant valuer lintgrale en question. Lesprance
des gains de lacheteur sont donns par :
v1 p
d a 2 v1 p a
a = = 2 p2 .
0 2 4 0 4v
Pour que lacheteur soit indiffrent entre acheter et ne pas acheter, nous
pouvons alors dfinir la valeur pA qui satisfait lgalit :
a A 2 a A !
A
p p = p 1 pA = 0.
4v 2 4v2
La valeur critique du prix pour lacheteur est donc donne (en cartant la
solution nulle qui provient simplement de la paramtrisation du problme)
par :
4v 2
pA = .
a
Il suit que, pour les produits dont la qualit est telle que pV > pA , il nexiste
pas de prix compatible avec lchange. Cette condition nous donne :
4v 2
pV = v > = pA ,
a
ce qui implique quil ny aura pas de march pour les produits dont la qualit
est suprieure :
4v
= .
a
(Notre condition technique garantit que < 2)La morale de lhistoire est
claire. Pour des produits dont la qualit est comprise entre 0 et , il y
aura un march, tandis que pour des produits dont la qualit est comprise
entre et 2, le march disparatra. Le problme dasymtrie dinformation
a pour consquence donc de limiter les changes un march de biens de
faible qualit.
5.6 Les paysans et la diversification du risque

De nombreux problmes auxquels sont confrontes les paysans dans les
pays en dveloppement correspondent, techniquement un problme de choix
de portefeuille. Considrons un mnage paysan qui opre dans une zone agro-
climatique o deux cultures diffrentes sont possibles. Nous normaliserons le
prix de chaque culture 1 et nous supposerons que les rendements par hectare
des deux cultures, dnots par x1 et x2 , peuvent tre reprsentes par une dis-
tribution normale bivarie. Nous crirons (x1 , x2 ) N (1 , 2 , 21 , 22 , ). Sup-
posons que les prfrences du paysan soient de la forme ngative-exponentielle
U (.) = exp { (c1 (x1 + d1 ) + c2 (x2 + d2 ) + d3 )} .
Le paysan dispose dune surface cultivable totale de T hectares quil doit

allouer entre une surface T sous la culture 1 et T T sous la culture 2. Les-
prance de lutilit du paysan dans ce cas est donn par la double intgrale
suivante :
5.6. LES PAYSANS ET LA DIVERSIFICATION DU RISQUE 233
+ +
E[U(.)] =
exp { (c1 (x1 + d1 ) + c2 (x2 + d2 ) + d3 )} f (x1 , x2 ) dx2 dx1
1
=
2 1 2 12

exp { (c1 (x1 + d1 ) + c2 (x2 + d2 ) + d3 )}
!2
x1 1
+ +

1
! !

1 x1 1 x2 2 dx2 dx1
exp 2(12 ) 2 1

!2 2

+ x2 2
2
En appliquant la Recette 15, on remarque donc que lesprance de lutilit

du paysan est donne par :

c1 (1 + d1 ) + c2 (2 + d2 ) + d3
E[U(.)] = exp c2 2 +2c1 c2 1 2 +c22 22 .
1 1 2
ce qui nous donne

1 T + 2 (T T )
E[U (.)] = exp 21 T 2 +2 1 2 T (T T )+ 22 (T T )2
2
Nous pouvons videmment simplifier la fonction objectif en prenant une

transformation monotone croissante. En prenant moins le logarithme de moins
lesprance de lutilit, on obtient alors la fonction objective :
ln (E[U (.)]) = 1 T + 2 (T T )
2 T 2 + 2 1 2 T (T T ) + 22 (T T )2
1
2
Considrons maintenant la condition de premier ordre qui correspond la
maximisation de cette fonction par rapport la surface T :
2 21 T + 2 1 2 (T 2T ) 2 22 (T T )
1 2 = 0.
2
Ceci implique que
1 2 + ( 22 1 2 ) T

T = ,
21 2 1 2 + 22
2 1 + ( 21 1 2 ) T
T T =
21 2 1 2 + 22
2
[ ln (E[U(.)])]T =T = 1 T 21 T 2
2
[ ln (E[U(.)])]T =0 = 2 T 22 T 2

T 1 2 +( 22 1 2 )T

= 21 2 1 2 + 22
! !
2 1 2 21 2 22 2
= 2 1 T 2
T 2 T 2
T
T ( 21 2 1 2 +22 )
Plusieurs cas de figure se prsentent, dpendant des relations qui relient les
moyennes de la distribution, les variances de la distribution, ainsi que la
corrlation entre les deux variables alatoires.
Ex 1 : 1 = 2 = , 1 = 2 = , [1, 1]
T = T2 ,
Ex 2 : 1 > 2 = , 1 = 2 = , [1, 1]
1 2 T T
T = 2(1) 2 + 2 > 2
1
> 1 2 T 2 T = T
Ex 3 : 1 = 2 = , 1 < 2 , [1, 1]
21 2 1 2 + 22 > 0, 22 1 2 > 0
22 1 2 T
T = 2 2 2 T > 2 ,
1 2 + 2
1
> 12 T = T
5.7 Le Thorme Fondamental du Risque

Le Thorme fondamental du risque de Rothschild et Stiglitz Rothschild
et Stiglitz 1970 est lun des outils les plus puissants de lconomie de lin-
certain. Comme nous le verrons au chapitre 14, il est galement intimement
li au concept de la dominance Lorenz. Son intrt est double : premire-
ment, il permet de caractriser le changement dans le comportement dans de
nombreuses expressions couramment rencontres en conomie de lincertain
par rapport au degr de risque de lenvironnement. Deuximement, il permet
de comprendre comment de nombreux phnomnes relis aux modles avec
agents htrognes varient lorsque cette htrognit change. La deuxime
dclaration peut paratre trange dans la mesure o le lien entre reprsen-
tation de lincertitude et reprsentation de lhtrognit interindividuelle
nest peut-tre pas vidente de prime abord. La correspondance le devient,
par contre, lorsque lon ralise que loutil de base, dans les deux cas, est la
densit probabiliste : tout outil technique servant lanalyse du premier peut
donc tre appliqu au deuxime et vice versa.
Lnonc du thorme est le suivant :
5.7. LE THORME FONDAMENTAL DU RISQUE 235
Thorme fondamental du risque (Rothschild et Stiglitz, 1970) :

Considrons une augmentation dans le risque dans le sens de Rothschild et
Stiglitz (1970) (Recette 19) :
y y
(i) F (x, )dx = 0, (ii) F (x, )dx 0, y [y, y],
y y
et soit une expression de la forme :

y
Q= q(y)f(y, )dy.
y
Alors :
signe [Q ] = signe [q (y)] .
La dmonstration procde comme suit. Considrons une expression de la
forme : y
Q= q(y)f(y, )dy.
y
En diffrenciant par rapport au paramtre daccroissement dans le risque de

Rothschild et Stiglitz (Recette 11), nous obtenons

y y

Q = q(y)f(y, )dy = q(y)f (y, )dy.
y y
Intgrant par parties, nous obtenons :

y
Q = [q(y)F (y, )]yy q (y)F (y, )dy.
y
En valuant cette expression, on obtient

y
Q = q(y)F (y, )q(y)F (y, ) q (y)F (y, )dy,
y
=0 =0
o les lments qui sannulent proviennent du fait que
F (y, ) = 1 F (0, ) = 1, ,
dont il dcoule que

F (y, ) = F (0, ) = 0.
Ceci implique que y

Q = q (y)F (y, )dy.
y
Une application de la Rgle de la Recette 12 nous permet dcrire :

y

F (y, ) = F (x, )dx .
y y
En intgrant par parties, il suit que nous pouvons crire :

y
y y y
Q = q (y) F (x, )dx + q (y) F (x, )dx dy.
y y y
y
Lvaluation de cette expression donne

y y
Q = q (y) F (x, )dx +q (y) F (x, )dx
y y

=0 =0

y y
+ q (y) F (x, )dx dy,
y y
o la premire expression droite de lgalit sannule par la premire condi-

tion intgrale. Il suit que
y
y
Q = q (y) F (x, )dx dy. (5.9)
y y
y
Comme la deuxime condition intgrale nous dit que y
F (x, )dx 0, il
suit que le signe de Q et donn par la signe de q (y).1
1
Notons que les conditions complmentaires suivantes sont ncessaires pour tablir la
dernire ligne de la dmonstration : A, B R+ tel que
lim q (y) < A, lim q (y) < B.

yy yy
Si ces conditions ntaient pas satisfaites, il se pourrait que le terme

y
y
q (y) F (x, )dx
y
y
ne sannule pas, et que nous aurions, par exemple, le produit de zro et de plus linfini (ce
serait le cas, par exemple, si lim q (y) = +).
yy
5.7.1 Application 1. Esprance de lutilit

Lapplication la plus vidente de ce Thorme relve de lvaluation de
lesprance de lutilit dun agent conomique, et le changement dans cette es-
prance lorsque le risque de la distribution qui dcrit son revenu, par exemple,
augmente. Dans ce cas, la fonction q(.) nest autre que la fonction dutilit
U (.) de lagent, y reprsente son revenu, et f(y, ) la distribution probabiliste
de son revenu. Nous pouvons alors crire lesprance de lutilit de lagent
comme : y
E[U(y)] = U (y)f (y, )dy.
y
Comme nous supposons habituellement que lagent est riscophobe et que

U (.) 0, il suit, par une application immdiate du Thorme, que les-
prance de lutilit de lagent diminue lorsque la distribution de son revenu
devient plus risque (c.--d., lorsque augmente ) :

y
E[U (y)]
signe = signe U(y)f (y, )dy = signe [U (.)] .
y
En mot, ce rsultat nous dit que si un agent conomique riscophobe a le choix

entre deux distributions dont les moyennes sont gales, il prfrera toujours
la distribution dont le risque, dans le sens de Rothschild et Stiglitz, est plus
petit.
5.7.2 Application 2. Allocation du revenu entre un ac-

tif risqu et un actif non-risqu
Considrons le cas dun consommateur qui doit allouer son revenu W
entre deux actifs dont le prix unitaire est de 1. Le premier actif, que nous
supposerons non-risqu, donne un rendement r constant. Le deuxime actif
donne un rendement alatoire y distribu selon la densit f (y, ) sur linter-
valle [y, y]. Lagent conomique en question doit allouer son revenu entre les
deux actifs de telle sorte quil maximise lesprance de son utilit. Si lagent
alloue une somme lactif risqu, son revenu la deuxime priode sera
donn par y, tandis que la part de son revenu alloue lactif non-risqu
(W ) lui donnera (W )r. Du point de vue algbrique son problme
doptimisation revient alors choisir la partie optimale de son revenu quil
allouera lactif risqu. Nous pouvons alors crire son problme doptimisa-
tion comme suit :
y
max U (y + (W )r)f (y, )dy.
{} y
En r-arrangeant les termes dans cette dernire expression nous pouvons alors
crire le problme comme :
y
max U ((y r) + rW ) f (y, )dy.
{} y
La CPO qui dfini implicitement linvestissement optimal dans lactif risqu,

dnot par , est videmment donne par :
y
(y r)U ( (y r) + rW ) f (y, )dy = 0.
y
Nous supposerons que nous avons une solution intrieure ( (0, 1)), ce qui
sera assur par la condition :
y
yf (y, )dy > r,
y
ce qui veut dire que lesprance du rendement de lactif risqu est strictement
suprieur au rendement de lactif non-risqu. Remarquons que nous suppo-
serons galement que lagent ne peut pas allouer une somme ngative
lactif risqu (concept de short-sell).
La question que nous posons maintenant est de savoir comment lallo-
cation optimale de lagent changera lorsque la distribution de lactif risqu
subit un talement moyenne constante. En termes algbriques, nous voulons
donc valuer le signe de lexpression d /d .Par une application directe du
Thorme fondamental de la statique compare (Recette 7), nous pouvons
crire :
y !

d y
(y r)U ( (y r) + rW ) f (y, )dy
= !.
d y
(y r)U ( (y r) + rW ) f (y, )dy
y
Comme nous avons suppos une solution intrieure, le dnominateur re-

prsente la CSO et sera donc ngatif. Il suit que le signe de d /d est donn
par le signe du numrateur. Par une application directe du Thorme fonda-
mental du risque de Rothschild et Stiglitz, nous savons donc que :
2
d
signe = signe ((y r)U ( (y r) + rW )) ,
d y 2
car (yr)U ( (y r) + rW ) reprsente la fonction q(y) du Thorme. Nous
diffrentions donc notre numrateur deux fois par rapport la variable ala-
toire y :

((y r)U ( (y r) + rW ))
y
= U ( (y r) + rW ) + (y r)U ( (y r) + rW )
2
2
((y r)U ( (y r) + rW ))
y

2U ( (y r) + rW )
=
+ (y r)U ( (y r) + rW )
ce qui implique que

d
signe = signe [ (2U (.) + (y r)U (.))] .
d
Remarquons que la drive du coefficient daversion absolue au risque par
rapport la richesse est donne par :

U ( (y r) + rW ) U (.)U (.) U (.)U (.)
= r
W U ( (y r) + rW ) [U (.)]2
2
U (.) U (.)
= r .
U (.) U (.)
5.7.3 Application 3. La prime de risque

Rappelons que la prime de risque est dfinie implicitement par la valeur
p qui satisfait lgalit suivante :
y
y
U(y)f (y, )dy = U yf (y, )dy = U ( ) .
y y
Par le Thorme fondamental de la statique compare (Recette 7), nous

pouvons crire :
y !

dp y
U(y)f (y, )dy U ( )
= !.
d y
U (y)f (y, )dy U ( )
p y
Une application directe du Thorme fondamental du risque de Rothschild

et Stiglitz nous permet dcrire, pour le numrateur :

y y

U(y)f (y, )dy U ( ) = U(y)f (y, )dy 0,
y y
car la fonction dutilit est suppose concave, tandis que pour le dnomina-
teur
y

U (y)f (y, )dy U ( ) = U ( ) > 0.
p y
Il suit, comme le numrateur est ngatif et le dnominateur est positif (et

nous avons un - devant le tout) que :
d
0.
d
Pour un consommateur riscophobe, ce rsultat semble minemment raison-

nable du point de vue intuitif : plus le risque est lev et plus grande sera la
prime que lagent sera dispos payer afin de se protger contre le risque en
question.
Nous avions dj vu un exemple paramtrique de ce phnomne la
section 5.3.1, o, pour une fonction dutilit ngative exponentielle et une
variable alatoire dont la densit tait donne par la normale, nous avions
trouv une prime de risque gale = 2 /2. Attention, cependant, iden-
tifier une augmentation dans le risque avec une augmentation de la variance :
nous verrons que la correspondance nest pas parfaite la section 5.9.2.
5.7.4 Fonction doffre et incertitude
Sandmo 1971, Fafchamps 1992, Finkelshtain et Chalfant 1991, Saha 1994,

Sadoulet et DeJanvry 1995, Chapitre 5.
5.7.5 Attention aux bornes dintgration

Une erreur commune dans lapplication du Thorme fondamental du
risque concerne les bornes dintgration. Remarquez
y que le Thorme sap-
plique des expressions de la forme Q = y q(y)f (y, )dy. Par contre, on
fera parfois face des expressions de la forme
z
Q= q(y)f (y, )dy, (5.10)
y
o z [y, y). Dans ces cas, le Thorme ne tient plus. Afin de voir pourquoi,
intgrons par parties lquation (5.10). On obtient :
z
z
Q = [q(y)F (y, )]y q (y)F (y, )dy
y
z
= q(z)F (z, ) q(y)F (y, ) q (y)F (y, )dy,
y
=0
et donc z
Q = q(z)F (z, ) q (y)F (y, )dy.
y
En intgrant par parties nouveau, on obtient

z
y z y
Q = q(z)F (z, ) q (y) F (x, )dx q (y) F (x, )dx dy ,
y y y
y
ce qui donne

z

Q = q(z)F (z, ) q (z) F (x, )dx
y

y z y
+q (y) F (x, )dx + q (y) F (x, )dx dy,
y y y

=0
et finalement

z z y
Q = q(z)F (z, ) q (z) F (x, )dx + q (y) F (x, )dx dy.
y y y
Prenons maintenant la drive par rapport . Par la Rgle de Leibnitz

(Recette 11) :

z
Q = q(z)F (z, ) q (z) F (x, )dx
y

z y
+ q (y) F (x, )dx dy.
y y
Par rapport lexpression obtenu dans lquation (5.9) deux diffrences ap-
paraissent. Premirement, le terme entre crochets est nouveau. Dans la d-
monstration du Thorme, ce terme disparaissait car, avec z = y,
y
F (y, ) = 0 et F (x, )dx = 0.
y
Deuximement, la borne suprieure dans la deuxime intgrale est z et non

plus y. Cette diffrence dans la borne suprieure dintgration (les mmes
remarques sappliquent la borne infrieure) peut avoir des consquences
importantes. A titre dexemple, considrons notre illustration habituelle en

termes de la fonction dutilit ngative-exponentielle et la distribution nor-
male. Par la Recette 14, nous savons que
+ ) *
1 (x )2
E [U(x)] = [ exp {x}] exp dx
2 2 2

2
= exp +
2
Par contre, si la borne suprieure dintgration nest plus + mais z, on
obtient :
z ) *
1 (x )2
E [U(x) | x z] = [ exp {x}] exp (5.11)
dx
2 2 2

2 z + 2
= exp + 1 + erf . (5.12)
2 2
En prenant les drives par rapport , on obtient

E [U(x)] 2
= exp + 0
2
tandis que
) 2 *
E [U (x) | x z] 1 + 2 z + 2
= exp !
2 2 2
z+

2
2

2 z + 2
exp + 1 + erf ,
2 2 2
2
dont le signe est indtermin cause du terme 2 z+
2
.
5.8 Reprsentations du risque

Diffrence entre les deux reprsentations de lincertitude : impact dune
augmentation dans le risque sur leffort optimal dun agent.
5.8.1 Reprsentation par densit paramtrise

Supposons que y f (y, e, ) avec y [y, y]. Le problme doptimisation
dun agent est donn par
y
maxE [U (y)] = max U (y)f(y, e, )dy (e).
{e} {e} y
5.8. REPRSENTATIONS DU RISQUE 243
La CPO qui dfini implicitement le niveau deffort optimal est donne par
y
U (y)fe (y, e , )dy (e ).
y
En intgrant par parties, cette CPO devient

y
y
[U (y)Fe (y, e , )]y U (y)Fe (y, e , )dy (e ) = 0.
y
Comme F (y, e , ) = 1 F (y, e , ) = 1 e, Fe (y, e , ) = Fe (y, e , ) = 0. Il

suit que la CPO peut se rcrire :
y
U (y)Fe (y, e , )dy (e ) = 0.
y
Par diffrenciation implicite (Recette 7) on obtient alors

y
de y
U (y)Fe (y, e , )dy
= y ,
d
U (y)fee (, e , )dy (e )
y

CSO<0
dont le signe dpend de celui de Fe (y, e , ). Prenons notre exemple avec la

densit normale, o nous savons que

1 x
F (y, e, ) = F (y, e, ) = erf .
2 2
On a donc
) *
2 (x )2 (x )2
Fe (y, e, ) = exp ,
2 4 2 2
dont le signe est indtermin.
5.8.2 Reprsentation classique

g(, ) avec [, ], et soit la fonction de production y = k(, e),
avec ke (, e) > 0, kee (, e) < 0, k (, e) > 0. Le problme doptimisation de
lagent est donn par
y
maxE [U (y)] = max U (k(, e))g(, )d (e).
{e} {e} y
Le choix optimal de leffort est donn par

y
U (k(, e ))ke (, e )g(, )d (e ) = 0.
y
Par diffrenciation implicite (Recette 7) on obtient :

y
de y
U (k(, e ))ke (, e )g (, )d
= y
d
U (k(, e )) [ke (, e )]2 + U (k(, e ))kee (, e ) g(, )d (e )
y

CSO<0
Thorme de la transformation dune variable alatoire
5.9 Risque et variance

Il est courant en microconomie de lincertain de confondre risque et
variance, car la seconde apparat comme une illustration facile de la premire.
Cette correspondance est moins que parfaite, cependant, et il faudra faire trs
attention la diffrence entre les deux.
5.9.1 Un talement moyenne constante augmente tou-

jours la variance
Considrons une augmentation dans le risque dans le sens de Rothschild
et Stiglitz 1970, dfinie par les deux conditions intgrales habituelles :
y x

(i) F (y, )dy = 0, (ii) F (y, )dy 0, x y, y .
y y
Rappelons que la condition (i) garantit la constance de la moyenne (voir

Chapitre 2, discussion suivant la Recette 19). La variance est dfinie par
y
2
= (y )2 f (y, )dy.
y
En intgrant par parties, on peut crire

y
2
2
y
= (y ) F (y, ) y
2 (y )F (y, )dy
y
y
2
= (y ) 2 (y )F (y, )dy.
y
5.9. RISQUE ET VARIANCE 245
y !!
Intgrons nouveau par parties, en utilisant la Recette 12 F (y) y
F (x, )dx d
= dy :
y
y y y
2 = (y)2 2 (y ) F (x, )dx F (x, )dx dy .
y y y
y
En valuant, on obtient (en se ysouvenant, voir chapitre 2, discussion suite

la Recette 19, que = y y F (x, )dx) :

y y
(y ) F (x, )dx (y ) F (x, )dx
2 2
y y
= (y ) 2
.

=y ! =0
y y
y y F (x, )dx dy
et donc
y y
2 () = 2 F (x, )dx dy (y )2 . (5.13)
y y
Prenons maintenant la drive par rapport :

y y
d 2 ()
=2 F (x, )dx dy,
d y y

0
y
o le signe de y
F (x, )dx provient de la deuxime condition intgrale. Il
suit que :
y y
d 2 ()
=2 F (x, )dxdy 0, (5.14)
d y y
et quune augmentation dans le risque dans le sens de Rothschild et Stiglitz

augmentera toujours la variance de la variable alatoire.
5.9.2 Une augmentation dans la variance naugmente

pas ncessairement le risque de la distribution
Le contraire nest pas vrai, c.--d., une augmentation dans la variance
nimplique pas ncessairement une augmentation dans le risque dans le sens
de Rothschild et Stiglitz. Un contre-exemple est facile construire. Consid-
rons une situation o la moyenne reste constante, soit
y
F (y, )dy = 0.
y
m z
Soit m (y, z), z y, avec y F (y, )dy < 0 et m F (y, )dy 0. Alors
nous pouvons rcrire la drive de la variance par rapport au paramtre
daccroissement dans le risque comme :
y z
d 2 ()
= 2 F (x, )dx dy
d y y
y m z
= 2 F (x, )dx + F (x, )dx dy.
y y m
2 m z
Il suit que dd() 0 implique simplement que y F (x, )dx m F (x, )dx,
et nous avons m
F (x, )dx < 0, m [y, y],
y
ce qui est incompatible avec la deuxime condition intgrale qui dfinit un

accroissement dans le risque dans le sens de Rothschild et Stiglitz.
5.10 talement moyenne et variance constantes

5.10.1 Constance de la variance
Nous allons maintenant paramtriser la densit de la variable alatoire y
de telle sort quune augmentation dans le paramtre en question ne change
ni la moyenne, ni la variance, mais change ce que lon appelle le downside
risk. Dnotons le paramtre en question par et la famille de densit qui
sont ainsi paramtrises par f(y, ). La constance de la moyenne sera, comme
pour le cas de la dominance stochastique de second ordre, garantie par
y
F (y, )dy = 0.
y
Considrons maintenant lexpression pour la variance de la variable alatoire

que nous avons drive lquation (5.13), et o nous prenons soins de rem-
placer le par .
y

y
2 () = 2 F (x,)dx dy (y )2 .
y y
Par la mme procdure que prcdemment, nous pouvons calculer la drive

de la variance par rapport (voir quation (5.14)) :
y y
d 2 ()
=2 F (x,)dxdy.
d y y
5.11. THORME FONDAMENTAL DU DOWNSIDE RISK 247
Il est alors vident que la variance sera invariante par rapport un change-
ment dans lorsque y y
F (x,)dxdy = 0. (5.15)
y y
Nous pouvons maintenant prsenter la dfinition de la dominance stochas-

tique de troisime ordre. La dominance stochastique de troisime ordre est
dfinie par les trois conditions intgrales suivantes :
Dfinition (Etalement moyenne et variance constantes) :
Un talement moyenne et variance constantes est dfini par les trois
conditions intgrales suivantes :
y
(i) F (x, )dx = 0 (moyenne constante) ;
y
y y
(ii) F (x,)dxdy = 0 ((i) et (ii) variance constante) ;
y y
z y
(iii) F (x, )dxdy 0, z [y, y].
y y
La premire condition assure que la moyenne de la distribution reste in-

change suite laugmentation dans le paramtre . La deuxime condition,
combine avec la premire, assure que la variance reste inchange. La troi-
sime condition dfinit une augmentation dans le downside risk.2
5.11 Thorme fondamental du downside risk

Comme pour le Thorme fondamental du risque de Rothschild et Stiglitz,
la dominance stochastique de troisime ordre donne un rsultat trs utile
pour un nombre important dapplications en microconomie. Considrons
une expression de la forme :
y
Q= q(z)f (z, )dz,
y
2
On peut videmment dfinir des talements o les trois, quatre, cinq (ou plus) premiers
moments sont invariants. Le nombre de conditions sera gale au degr de dominance
stochastique et le nombre dintgrales dans la dernire condition sera gale au degr de
dominance stochastique moins un.
o reprsente le paramtre daccroissement dans le downside risk de

Menezes, Geiss, et Tressler 1980.
Thorme (Menezes, Geiss et Tressler, 1980) :
signe [Q ] = signe [q (z)] .
La dmonstration est semblable celle du Thorme fondamental du risque

de Rothschild et Stiglitz, sauf que nous ferons face des intgrations par par-
ties supplmentaires. La drive par rapport au paramtre daccroissement
dans le downside risk de Menezes, Geiss et Tressler est donn, en intgrant
par parties, par :
y y
Q y
Q = = q(z)f (z, )dx = [q(z)F (z, )]y q (z)F (z, )dz,
y y
=0
o lexpression entre crochets est nulle car 1 F (y, ) = F (0, ) = 0 ,

impliquant que
F (y, ) = F (0, ) = 0.
Ceci mne une premire expression intermdiaire pour Q :
y
Q = q (z)F (z, )dz.
y
Remarquons maintenant, par la Recette 12, que nous pouvons crire :

z

F (z, ) = F (x, )dx .
z y
En intgrant par parties, nous pouvons alors crire :

y
z y z
Q = q (z) F (x, )dx + q (z) F (x, )dx dz,
y y y
y
ce qui, en valuant, donne

y y
Q = q (y) F (x, )dx + q (y) F (x, )dx
y y

=0 =0

y z
+ q (z) F (x, )dx dz,
y y
o nous avons utilis la premire condition intgrale pour annuler le premier

terme droite de lgalit. Ceci nous permet dcrire :

y z
Q = q (z) F (x, )dx dz.
y y
Une seconde application de la Recette 12 nous permet dcrire :3

z
z y

F (z, )dz = F (x, )dxdy
y z y y
En intgrant une dernire fois par partie, nous obtenons :

y
z y y z y
Q = q (z) F (x, )dxdy q (z) F (x, )dxdy dz.
y y y y y
y
Lvaluation de cette expression donne :

y y y y
Q = q (y) F (x, )dxdy q (y) F (x, )dxdy
y y y y

=0 =0

y z y

q (z) F (x, )dxdy dz,
y y y
o le premier terme droite de lgalit sannule par la deuxime condition

intgrale. Ceci qui nous permet dcrire :

y z y
Q = q (z) F (x, )dxdy dz.
y y y
3
Nous pouvons vrifier lexactitude de lexpression qui suit en faisant directement la
diffrentiation :

z y

F (x, )dxdy
z y y

z y y z y
z
= F (x, )dx F (x, )dx + F (x, )dx dy
z
y z
y y z y
=1 =0

=0 =0
zy
Comme la double intgrale y y F (x, )dxdy est positive ou nulle par la
condition (iii), il suit que le signe de lexpression est donn par le signe de
q (z).
Il est intressant de remarquer que le signe de cette expression est ind-
pendante du signe de la seconde (ainsi que de la premire) drive de q(z). Si
nous prenons lexemple concret de laversion au risque dun paysan, et dans
ce cas la fonction q(z) reprsente tout simplement sa fonction dutilit, le
rsultat tient que le paysan soit riscophobe ou riscophile. En fait, le rsultat
tiendrait mme si la fonction dutilit du paysan tait dcroissante en z !
Quen est-il au niveau empirique pour les paysans dans les pays en dve-
loppement ? Sur la base des chiffres que nous avons prsent ci-dessus concer-
nant la mesure des paramtres des fonctions dutilit des paysans....
5.11.1 Epargne de prcaution

Lpargne de prcaution offre une excellent illustration des applications
du Thorme fondamental du downside risk en action, mais galement de
lapplication du Thorme fondamental du risque de Rothschild et Stiglitz.
Considrons le problme doptimisation suivant
y
maxU(k s) + U (y + Rs)f (y, , )dy,
{s} y
o k est le revenu de premire priode, s est son pargne de premire p-

riode, et y est le revenu de second priode suppos distribu selon la densit
f(y, , ).
y

U (k s ) + R U (y + Rs )f (y, , )dy = 0.
y
Augmentation dans le risque de Rothschild et Stiglitz
y
ds R U (y + Rs )f (y, , )dy
y
= y
d 2
U (x s ) + R U (y + Rs )f(y, , )dy
y

CSO<0
y
y
U (y + Rs )f (y, , )dy = [U (y + Rs )F (y, , )]y
y
=0
y
U (y + Rs )F (y, , )dy
y
y y

U (y + Rs )f (y, , )dy = U (y + Rs )F (y, , )dy
y y
y
y y
U (y + Rs )f (y, , )dy = U (y + Rs ) F (z, , )dz
y y
y

=0

y y
+ U (y + Rs ) F (z, , )dz dy
y y

y y y
U (y + Rs )f (y, , )dy = U (y + Rs ) F (z, , )dz dy
y y y

0
2
ds
signe = signe [U (y + Rs )] = signe U (y + Rs )
d y 2
Downside risk
y
ds R U (y + Rs )f (y, , )dy
y
= y
d 2
U (x s ) + R U (y + Rs )f (y, , )dy
y

CSO<0

y y y
y y y

y y x

F (z, , )dz = F (z, , )dzdx
y y y y

y y y
y y y
y
y y x
U (y + Rs )f (y, , )dy = U (y + Rs ) F (z, , )dzdx
y y y
y

=0

y y x

U (y + Rs ) F (z, , )dzdx dy
y y y

y y y x
U (y+Rs )f (y, , )dy = U (y+Rs ) F (z, , )dzdx dy
y y y y

0

ds 3
signe = signe [U (y + Rs )] = signe 3 U (y + Rs ) .
d y
Le lecteur trouvera deux exercices en fin de chapitre o il sagira dtudier
leffet du downside risk sur (i) la prime de risque et (ii) le choix de porte-
feuille (ces problmes ressemble ce que nous avons fait pour le risque la
Rothschild et Stiglitz dans les sections XX.X et XX.X.
5.12 Lectures suggres

Pour le Thorme fondamental du risque de Rothschild-Stiglitz, il est
encore trs utile de consulter larticle original (Rothschild et Stiglitz 1970).
Pour laversion au risque des paysans, larticle de Binswanger et Siller (Binswanger
et Sillers 1983) est, malgr ses vingt ans dage, toujours un classique.
5.13 Exercices
Exercice 1. Considrez la fonction dutilit quadratique U () = 2
et supposez que les variables alatoires sont les mmes que dans le texte.
Quels seront les paysans qui adopterons la nouvelle technologie ? Quel res-
triction faut-il imposer pour que votre raisonnement soit correct ?
Exercice 2. Un paysan a besoin dune quantit alatoire x dun facteur
de production ; x est distribu f (x) sur lintervalle [0, +). Le paysan achte
une quantit x1 au cot x1 avant de savoir la ralisation de x. Aprs avoir
appris la valeur de x, le paysan achte une quantit supplmentaire du facteur
de production x x1 , au cot (x x1 )2 , si x x1 > 0. Si x x1 0, alors
le paysan nen achte pas plus (le paysan ne peut pas revendre un excs du
facteur). Le paysan vise minimiser lesprance mathmatique de la somme
des deux cots. Supposez quil existe une famille de distributions f (x, ),
5.13. EXERCICES 253
paramtrises par Nous crirons donc f (x, ). Un accroissement dans

reprsente un talement moyenne constante de la distribution f (x, ).
(i) Pour x1 fixe, montrez quun talement moyenne constante dans la
distribution de x affecte ngativement le bien-tre du paysan (pas de calcul
ncessaire, faites un dessin).
(ii) Votre rponse dans (i) change-t-elle si x1 est choisi de faon optimale ?
Pourquoi ?
(iii) Soit x1 le choix optimal de x1 . Calculez dx1 /d.
Exercice 3. Considrez la situation dun agriculteur qui considre sil
devrait participer au march du travail. Sil ne participe pas, son utilit est
donne par 0. Sil choisit de participer, son utilit est donne par
l2
W (y, l; ) = u(y) v(l; ) = wl ,
2
o y est le revenu rel du paysan, w est le salaire rel du paysan, l est
le nombre dheures de travail du paysan, et paramtrise chaque paysan ;
g est distribu sur lintervalle [0, +) selon la densit f (, ), tant le
paramtre daccroissement du risque de Rothschild-Stiglitz. Considrez une
solution interne au problme doptimisation du paysan (les solutions de coins
ne nous concernent pas).
(i) crivez la fonction doffre du travail pour un paysan,ls = ls (w; ).
(ii) crivez lquation qui dfini le type de paysan limite, , qui est juste
indiffrent entre participer au march du travail et ne pas participer.
(iii) crivez la fonction doffre de travail agrge, Ls (.) (attention la
borne suprieure dintgration).
Supposez maintenant quil existe une fonction de demande agrge pour
la main-doeuvre donne par Ld = Ld (w), et nous avons w
Ld (w) < 0.
(iv) crivez lquation qui dfinit le salaire dquilibre, w .
(v) tudiez leffet sur le salaire dquilibre dun talement moyenne
constante dans la distribution f(, ) (cest dire, dw /d).
Exercice 4. Des paysans dans un PED contemplent de produire une nou-
velle varit de bl dont la production comporte des cots fixes de produc-
tion K lorsque la quantit produite, q, est strictement positive. Les paysans
sont htrognes et sont paramtriss par leur fonction de cots variables,
C(q, ), o lhtrognit est distribue selon la densit f (, ) sur lin-
tervalle [, ] ; est le paramtre daccroissement du risque de Rothschild et
Stiglitz. Les paysans oprent dans un milieu comptitif o ils prennent le prix
du march pour la nouvelle varit de bl, p, comme exogne. Vous suppo-
serez que la fonction C(q, ) est continment diffrenciable et inversible, et
que Cq > 0, Cqq > 0, C > 0, C < 0. Les paysans maximisent leur profit,
= pq C(q, ).
(i) Caractrisez la solution au problme doptimisation dun paysan qui

dciderait de produire la nouvelle varit de bl.
(ii) crivez la dfinition du paysan limite qui est juste indiffrent entre
produire la nouvelle varit de bl et ne pas la produire (vous supposerez que
son profit lorsquil ne la produit pas est normalis zro).
(iii) Montrez que la proportion de paysans qui dcident de produire la
nouvelle varit est croissante en .
(iv) crivez loffre agrge pour la nouvelle varit de bl.
Supposez que la demande agrge pour la nouvelle varit de bl est
donne par D(p), Dp < 0.
(v) crivez lquation qui dfinit de faon implicite le prix dquilibre, p ,
dans le march pour la nouvelle varit de bl.
Considrez un talement moyenne constante dans lhtrognit des
paysans, cest dire un augmentation dans .
(vi) Calculez lexpression pour leffet de cet talement moyenne constant
sur le prix dquilibre dans le march du bl, dp /d.
3 (p,)
(vii) Dmontrez que le signe de dp /d dpend du signe de q 2 .
Exercice 5. Supposez que la technologie de production du secteur agri-

cole dans un PED peut tre dcrite par la fonction de production

q= f(, )d,

o q est loutput, les intrants de chaque type de main duvre (il y en a

un continuum) sont indexs par , > 1 est un paramtre, et le paramtre
reprsente un accroissement du risque de la densit probabiliste f (, )
dans le sens de Rothschild et Stiglitz. Afin de simplifier le problme, nous
supposerons que les profits du paysan sont donns par

= ( ) f (, )d ,

o reprsente les cots fixes, et reprsente le salaire (commun) de chaque

unit de main duvre. Les cots fixes sont distribus travers la population

de paysans selon la densit g() (avec cumulative G()) sur lintervalle , .
Lunique dcision auquel fait face le paysan est celui de produire ou non.
Souvenez-vous aussi de la Recette 11.
(i) crivez lexpression pour la valeur critique de , que nous appellerons

, tel quun paysan est juste indiffrent entre produire et ne pas produire.
(ii) crivez lexpression pour la production agricole agrge.
5.13. EXERCICES 255
Supposez maintenant que les paysans sont confronts une nouvelle tech-
nologie agricole qui, techniquement, peut tre dcrite par une augmentation
dans .
(iii) Montrez que les paysans prfrent la nouvelle technologie lancienne.
(iv) crivez et trouvez le signe de lexpression qui donne leffet de ladop-
tion de cette nouvelle technologie sur la production agricole agrge.
Exercice 6. Le gouvernement dun PED considre dintroduire une nou-
velle technologie agricole dont la fonction de cots moyens est donne par
c(q) q F
= +
q 2 q
o q est loutput, o F reprsente les cots fixes associs ladoption de la

nouvelle technologie, o est la quantit de terre possde par le paysan,
et est un paramtre avec [0, +). Le fait que les cots de production
sont une fonction dcroissante de la proprit foncire du paysan dcoule
dimperfections dans le march du crdit qui rduisent les cots associs au
crdit pour les paysans qui possdent plus de terre et donc de collatral.
Supposez que le prix auquel est vendu le produit agricole est normalis 1.
(i) Posez le problme de maximisation des profits, et solutionnez pour la
valeur optimale de q que vous dnoterez par q .
Supposez que la proprit foncire est rpartie de faon htrogne parmi
les paysans. Pour tre plus prcis, supposez que la proprit foncire est
distribue g() sur lintervalle [0, ]. La cumulative de g() est donne par
G().
(ii) Montrez quil existe une valeur critique de , que nous appellerons
, tel que le profit dun paysan qui possde hectares de terre est nul.

(iii) Supposez quun paysan adoptera la nouvelle technologie si sont profit

est positif ou nul. crivez lexpression (trs simple) qui donne la proportion
des paysans qui adopterons la nouvelle technologie (soyez prcis). Illustrez
votre rponse graphiquement.
Supposez maintenant que le gouvernement dcide dintervenir dans le sec-
teur agricole et subventionne les cots fixes des paysans tel que tous dcident
dutiliser la nouvelle technologie.
Sur les 100 paysans de cette conomie, 80 possdent 0, 25 hectares (ha)
et 20 possdent 4 ha. Le gouvernement contemple une rforme agraire qui se
passera comme suit : les 20 paysans qui possdent 4 ha se verront confisquer
1 ha chaque. La superficie confisque sera alors redistribue quitablement
entre les 80 paysans qui possdent 0, 25 ha (c.--d., ils recevront 0, 25 ha
chacun). Remarquez que la taille moyenne dune proprit, c.--d. 1 ha, ne
changera pas.
(iv) Quel est leffet de cette rforme agraire sur la production agrge ?
Montrez quil y a trois cas discuter, dpendant de la valeur de .
Quel principe gnral reli aux talements moyenne constante venez-
vous dutiliser ? Soyez concis.
Exercice 7. Considrez un paysan dont la vie dure deux priodes et dont
la fonction dutilit est donne par la forme additive sparable
U (c1 , c2 ) = u(c1 ) + u(c2 )
o u(.) est strictement croissant et strictement concave, et o dnote le taux

descompte psychologique. Le paysan dispose dun revenu y la premire
priode, pargne s la premire priode, et vit de cette pargne durant la
deuxime priode. Les contraintes budgtaires sont donc donnes par y =
c1 + s et c2 = sR , o le rendement sur lpargne est donn par la variable
alatoire R, distribue selon la densit f (R, ) sur lintervalle [R, R] ; dnote
le paramtre daccroissement dans le risque de Rothschild-Stiglitz. Dans ce
qui suit, vous utiliserez la notation suivante : s = pargne optimale, U =
utilit du paysan loptimum.
(i) Trouvez la condition telle que lpargne optimale du paysan est une
fonction croissante du risque de la distribution f (R, ).
(ii) Calculez limpact dun accroissement dans le risque de la distribution
f(R, ) sur lutilit du paysan loptimum.
Exercice 8. Considrez un village
dans un PED o la fonction de produc-
tion agricole est donne par q = eT , o e est leffort fourni par lexploitant,
T est la surface de terre cultive et est une variable alatoire distribue selon
la loi normale avec moyenne un et variance 2 . Les prfrences des indivi-
dus dans le village peuvent toutes tre reprsentes par une fonction dutilit
ngative exponentielle de la forme :
1 e2
U = exp y + ,
2
o y reprsente le revenu. Considrez un contrat o le paysan paiera au
propritaire un loyer fixe gal r par hectare. Le revenu du paysan est donc
donn par y = q rT . Ceci nest pas un problme du type principal-agent.
(i) Posez le problme doptimisation du paysan qui ne possde pas de
terre et qui choisit de faon optimale e et T . Solutionnez explicitement ce
problme ; vous dnoterez vos solutions par e1 et T D .
(ii) Posez le problme doptimisation du propritaire foncier qui dispose
dune dotation de terre de taille T et qui dcide de cultiver une surface T T
lui-mme et de donner T en location. Solutionnez explicitement ce problme
en dnotant la solution par e2 et T T S .
5.13. EXERCICES 257
Considrez maintenant lquilibre gnral de cette conomie. Il y a M

propritaires fonciers qui dtiennent chacun T units de terre, et N paysans
dont la dotation en terre est nulle. La dotation agrge de terre est donc
donne par = M T , tandis que la population totale est donne par P =
M + N.
(iii) Solutionnez pour le taux de location dquilibre, que vous dnoterez
par r .
(iv) Calculez leffet sur la production agricole agrge (Q) dune augmen-
tation dans la variance de , ainsi que dune augmentation dans la dotation
agrge de terre.
Exercice 9. Soit w le salaire dun paysan, o w est une variable alatoire,
w f (w, ), avec w [0, w], o fest la densit et est le paramtre dac-
croissement dans le risque de Rothschild et Stiglitz. Le problme auquel fait
face le paysan se passe sur deux priodes. Le paysan ne recevra son salaire
quen deuxime priode, et devra donc emprunter un montant B en premire
priode pour financer sa consommation. La fonction dutilit du paysan est
donne par la forme paramtrique suivante :
1 1
U (c1 , c2 ; , ) = (c1 )1 + ( + c2 )1 , > 0, = 1,
1 1
et o et sont des paramtres. Le problme du paysan est de maximiser les-
prance de son utilit assujettie aux deux contraintes budgtaires suivantes,
o r reprsente le taux dintrt (qui est suppos exogne) :
max E [U (c1 , c2 ; , , , )]
{c1 ,c2 }
s.c. c1 = B
c2 = w (1 + r)B
Attention ! Ceci nest pas un problme de contrainte de crdit. Dans ce qui

suit, vous supposerez que le paramtre est suffisamment grand pour que
+ w (1 + r)B > 0, w, B , r.
(i) Posez soigneusement le problme doptimisation du paysan.(ii ) Carac-

trisez lemprunt optimal du paysan. Dans ce qui suit, ce choix optimal
sera dnot par B (w, r, , , , ). Remarquez que les valeurs optimales des
consommations en premire et en seconde priodes pourront galement tre
crites
c1 (w, r, , , , ), c2 (w, r, , , , ).
(iii) Montrez quune augmentation dans (c.--d. quun talement moyenne
constante dans la distribution du salaire du paysan) diminuera lemprunt
optimal du paysan.(iv) Trouvez le signe de
dE [U (c1 (.), c2 (.); , , , )]

d
.(v) Facultatif.. ! Supposez maintenant que = 0. Rpondez aux questions

(i) (iv).
Exercice 10. Considrez un paysan dont loutput peut tre reprsent
par une variable alatoire y, distribue selon la densit probabiliste f(y, x, )
sur lintervalle [0, y]. La variable x reprsente linput, tandis que reprsente
le paramtre daccroissement dans le risque de Rothschild et Stiglitz. Vous
supposerez que Fx (y, x, ) < 0 (dominance stochastique de premier ordre),
Fxx (y, x, ) > 0, o F (y, x, ) reprsente la densit cumulative. Vous suppo-
serez galement que Fx (y, x, ) > 0. Le problme doptimisation du paysan
est trs simple et sa solution est dfinie par
x = arg maxE[],
{x}
o E[.] reprsente lesprance mathmatique, et o = py c(x), avec p

le prix de loutput et c(x) le cot de linput. Vous supposerez que c (x) >
0, c (x) > 0. Prouvez que dx /d < 0.
Considrez maintenant une spcification un peu diffrente o loutput sera
toujours reprsent par la variable alatoire y, mais cette fois-ci distribue
selon la densit probabiliste sur lintervalle [0, y]. Vous supposerez
F (y, , ) < 0, F (y, , ) > 0, F (y, , ) < 0;
en outre, est bien la valeur moyenne de la variable alatoire y, c.--d. :

y
yf (y, , )dy.
0
La fonction objectif du paysan est donne maintenant par = py c(y), o

vous supposerez
c(0) = 0, c (y) > 0, c (y) > 0.
Le problme doptimisation du paysan est celui de choisir la valeur moyenne
de loutput qui maximisera lesprance de son profit :
= arg maxE[].
{}
Prouvez que d /d < 0 (vous supposerez que la CSO tient strictement).

5.13. EXERCICES 259
Exercice 11. De nombreux programmes de stabilisation des prix ont t

mis en place dans le domaine agricole dans les pays en dveloppement pour
tenter de rduire lincertitude laquelle font face les paysans. Cette question
vous aidera comprendre si ces initiatives sont raisonnables ou non.
Considrez un paysan dont la technologie de production est dcrite par
la fonction de cot
C(q), C (q) > 0, C (q) > 0,
o q reprsente loutput. Le paysan fait face un prix de loutput qui est
reprsent par la variable alatoire p, distribue selon la densit f (p, ) sur
[0, p] ; reprsente le paramtre daccroissement dans le risque de Rothschild-
Stiglitz. Le paysan maximise sont profit ( = pqC(q)), et choisit la quantit
produite aprs la ralisation de la variable alatoire p. Vous dnoterez la
fonction doffre par q (p) et la fonction de profit par (p)
Limpact de la mise en place dun programme de stabilisation sera de
diminuer .
Supposez que le paysan est neutre au risque. crivez lesprance de luti-
lit ex ante du paysan (c.--d., avant la ralisation de p) en sachant quil
choisira de faon optimale q aprs la ralisation de p. Montrez que le paysan
sera contre la mise en place dun programme de stabilisation. Donnez une
interprtation de ce rsultat en termes de lun des rsultats standards de la
thorie du producteur.
Supposez maintenant que le paysan est riscophobe, avec fonction duti-
lit :
U (), U () > 0, U () < 0.

Montrez que le paysan sera en faveur du programme de stabilisation si son
coefficient daversion absolue au risque satisfait lingalit suivante :
U () q (p)/p
> .
U () [q (p)]2
Donnez une interprtation intuitive de ce rsultat.
Exercice 12. Considrez un paysan qui est neutre au risque et qui
doit emprunter un montant D afin de financer les intrants ncessaires
sa production. Son output est dcrit par une variable alatoire distri-
bue selon la densit probabiliste f (, D, ) sur [0, ] o est le paramtre
daccroissement dans le risque de Rothschild et Stiglitz, et o nous posons
FD (, D, ) < 0 (F (, D, ) reprsente la fonction de rpartition, soit la pri-
mitive de f(, D, )). Les profits du paysan sont donns par = (1 + i)D,
o i reprsente le taux dintrt sur lemprunt. Lorsque 0, le paysan est
capable de rembourser son prt, alors que lorsque < 0, le paysan est en tat
de banqueroute et ne peut pas rembourser (il garde loutput quil a produit).

Lesprance des profit du paysan scrit :

E = ( (1 + i)D)f (, D, )d + f (, D, )d,
0

o = (1 + i)D reprsente la valeur limite de la ralisation de . (Vous
aurez besoin, pour les questions (i) et (ii), de la Rgle de Leibnitz, de la diff-
renciation implicite, de lintgration par parties, et des conditions intgrales
qui dfinissent un talement moyenne constante.)
Caractrisez lemprunt optimal du paysan, que vous dnoterez par D =
D (1 + i, ).
(ii) tudiez limpact sur D (1 + i, )dun accroissement dans le risque
de f (, D, ) (c.--d., calculez dD (1 + i, )/d), et donnez la condition qui
permet de dterminer son signe.
Le march du crdit dans le pays en question est fortement rglement,
et le gouvernement fixe un taux dintrt 1 + i. Lesprance des profits du
prteur est donne par

E = ((1 + i) (1 + r))D (1 + i, )f(, D, )d,

o 1 + r est le cot dopportunit du capital pour le prteur.
tudiez limpact dun accroissement dans le risque de f (, D, ) sur E.
Supposez maintenant que le gouvernement dcide de libraliser le march
du crdit, et que le prteur se trouve en situation de monopole vis vis de
lemprunteur, avec pleine libert de choisir le taux dintrt qui maximise
E.
tudiez limpact dun accroissement dans le risque de f (, D, ) sur E.
5.14 Esquisses de rponses aux exercices

Exercice 5.2. Le plus difficile, cest de bien crire la fonction objectif,
qui se prsente comme suit :
+
E[C(.)] = x1 + (x x1 )2 f (x, )dx.
x1
(i) La drive que vous cherchez est la suivante :

+
E[C(.)] 2
= x1 + (x x1 ) f (x, )dx
x1
+
= (x x1 )2 f (x, )dx,
x1
5.14. ESQUISSES DE RPONSES AUX EXERCICES 261
pour x1 fixe. En intgrant par parties, vous obtenez
+ +
2 2 +
(x x1 ) f (x, )dx = (x x1 ) F (x, ) x1 2 (x x1 ) F (x, )dx
x1 x1
=0
+
= 2 (x x1 ) F (x, )dx.
x1
En intgrant une deuxime fois par parties, vous obtenez :
+
E[C(.)]
= 2 (x x1 ) F (x, )dx
x1
x + + x
= 2 (x x1 ) F (z, )dz +2 F (z, )dz dx,
0 x1 x1 0

=0
ce qui nous donne :

+ x
E[C(.)]
=2 F (z, )dz dx 0.
x1 0

0
Donc une augmentation dans le risque de la distribution de x augmente bien

lesprance du cot du producteur.
(ii) Non, rien ne change. La raison est simple : le Thorme de lEnveloppe.
(iii) Le choix optimal de x1 est caractris implicitement par la solution
au problme suivant :
+
minx1 + (x x1 )2 f (x, )dx.
{x1 } x1
La CPO correspondante est :

+
1 2 (x x1 ) f (x, )dx = 0,
x1
o x1 dnote la valeur optimale de x1 . La drive que nous cherchons est

+ !

dx1

1 x1
2 (x x 1 ) f (x, )dx
= .
d +
1 2 (x x1 ) f(x, )dx
x1 x1

CSO>0
Il suit que
+
dx1
signe = signe 1 2 (x x1 ) f (x, )dx .
d
x1
Prenons la drive :
+ +
+
2 (x x1 ) f (x, )dx = [2 (x x1 ) F (x, )]x 2 F (x, )dx
1
x1 x1
=0
+
= 2 F (x, )dx.
x1
La deuxime condition intgrale de la dfinition de la dominance stochastique

de second ordre est
x
F (x, )dx 0 x [0, +).
0
Nous pouvons rcrire cette expression comme

+ +
F (x, )dx F (x, )dx 0.
0 x
+
Mais la premire condition intgrale est 0
F (x, )dx = 0. Donc
+
F (x, )dx 0
x
et il suit que +
2 F (x, )dx 0.
x1
Exercice 5.3. (i) Le solution au problme du paysan est :

s 1 l2
l (w, ) = w = arg max wl .
{l} 2
La fonction objectif, value loptimum, est gale :
w2
.
2
Comme cette expression est toujours positive ou nulle [0, +), tous
les paysans choisiront de participer au march du travail.
(iii)
+ +
s
L (.) = s
l (w, )f (, )d = w 1 f (, )d.
0 0
(iv) +
d
L (w ) w
1 f (, )d = 0.
0
1
Notez que est une fonction convexe de car

2 1 1 2
2 = = = 23 0.

Par Rothschild et Stiglitz, il suit que Ls (.)/ 0.
(v)
!
d d + 1
dw
d
L (w ) w 0
f(, )d
= !
d d
Ld (w ) w
+ 1
f(, )d
dw 0
0

+
d
w 1 f (, )d
d 0
= + 0.
d d 1
L (w ) w f (, )d
dw 0

<0
Exercice 5.4. (i) La solution au problme doptimisation est

q (p, ) = arg max = arg maxpq C(q, )
{q} {q}
o la valeur optimale est dfinie implicitement par la CPO :

p Cq (q , ) = 0.
(ii) Le profit loptimum : (p, ) = pq (p, ) C(q (p, ), ) K. Le
paysan limite est donc caractris par la valeur telle que
(p, ) = pq (p, ) C(q (p, ), ) K = 0.
(iii) Proportion des paysans qui dcident de produire la nouvelle varit :

0
f (, )d = F ( , ). Il sagit donc de calculer
dF ( , ) d
= f ( , ) .
dp dp
Par diffrenciation implicite de lexpression de la partie (ii) :
d

p
(pq (p, ) C(q (p, ), ) K)
=
dp
(pq (p, ) C(q (p, ), ) K)
q (p, )
=
C (q (p, ), )
q (p, )
= 0.
(p, )
(iv)
(p)
Q= q (p, )f (, )d.
0
(v)
(p )

D(p ) q (p , )f (, )d = 0.
0
(vi) Par diffrenciation implicite de lquation prcdente :
(p ) !

dp
D(p ) 0 q (p , )f (, )d
= (p ) !.
d
D(p ) q (p , )f (, )d
p 0
Pour le dnominateur, tablir le signe est simple :

(p )

D(p ) q (p , )f (, )d
p 0
(p )
(p ) q (p , )

= Dp (p ) q (p , (p ))f ( (p ), ) f (, )d < 0;
p 0 p
<0
0 0
pour le numrateur, les choses sont moins claires. Intgrons par parties deux
fois loffre agrge :
(p ) (p )
q (p , )
q (p , )f(, )d = q (p , (p ))F ( (p ), ) F (, )d
0 0
= q (p , (p ))F ( (p ), )

q (p , (p )) (p )
F (z, )dz
0
(p ) 2
q (p , )
+ F (z, )dz d.
0 2 0
La drive par rapport est alors donne par :

(p )

q (p , )f(, )d = q (p , (p ))F ( (p ), )
0
?

q (p , (p )) (p )
F (z, )dz
0

0
(p ) 2

q (p , )
+ F (z, )dz d.
0 2 0

0

Le signe de cette expression sera dtermin par deux choses : q (p ,)
et ,
ainsi que par leur grandeur relative (notez que F ( (p ), ) peut tre positif
ou ngatif, dpendant de la valeur de (p ) par rapport la valeur moyenne
de ). En faisant le calcul, on a (par diffrenciation implicite de la CPO en
(i)) :

q (p , ) (p Cq (q , ))
=

q
(p Cq (q , ))
Cq (q , )
= ;
Cqq (q , )

2 q (p , ) Cq (q , )
=
2 Cqq (q , )
Cq (q , )Cqq (q , ) Cq (q , )Cqq (q , )
= ,
[Cqq (q , )]2
dont les lments Cq (q , )et Cqq (q , ) correspondent effectivement des

drives tierces de la fonction de profit.
Exercice 5.5. (i)

= ( ) f(, )d.

(ii)

Q= f (, )d g()d.

(iii)

= ( ) f (, )d 0

car convexe en , par Rothschild-Stiglitz.

(iv)

Q
= f(, )d g()d

= f (, )d g( ) + f (, )d g()d 0,

0
0

o

=

0 par la rponse la partie (iii) et f (, )d 0 par
Rothschild-Stiglitz.
Exercice 5.6. (i) La solution au problme doptimisation est donne par :
q2
q = = arg maxq c(q) = arg maxq F.
{q} {q} 2
La valeur critique est dfinie implicitement par :
q2
q F = F = 0,
2 2
ce qui implique = (2F )1/ .

g()d = 1 G( ) = 1 G((2F )1/ ).

Avant la rforme, loutput agrg est :

Q = 100 (0.25) 0.8 + (4) 0.2 .
Aprs,
Q = 100 (0.5) 0.8 + (3) 0.2 .
Tout dpend de la valeur de et il y a trois cas considrer
(0, 1), = 1, (1, +).
Vous pouvez le vrifier numriquement.

(v) Si tout le monde produit, loutput agrg est donn par

Q= g(, )d.
0
Par Rothschild-Stiglitz, Q/ dpend de
2 ( )/2 = ( 1)2 .
Exercice 5.7. (i) Lesprance de lutilit du paysan est donne par :

R
E[U (c1 , c2 )] = u(y s) + u(sR)f (R, )dR.
R
La CPO qui caractrise lpargne optimale est alors donne par :

R

u (y s ) + Ru (s R)f (R, )dR = 0.
R
La drive que nous cherchons est :

R !

ds u (y s ) + R Ru (s R)f (R, )dR

= R .
d

u (y s ) + Ru (s R)f(R, )dR
s R

CSO <0
On a donc
R
ds
signe = signe u (y s ) + Ru (s R)f (R, )dR .
d R
Or, nous pouvons crire :

R
R

u (y s ) + Ru (s R)f (R, )dR = Ru (s R)f (R, )dR .
R R
Par Rothschild-Stiglitz, nous savons que

2
R

signe Ru (s R)f (R, )dR = signe (Ru (s R)) .
R R2
En faisant le calcul :
2
2
(Ru (s R)) = (u (s R) + s Ru (s R))
R R
= s (2u (s R) + s Ru (s R)) .
Il suit que

ds
signe = signe [2u (s R) + s Ru (s R)] .
d
A loptimum, la fonction objectif du paysan est donne par :
R
E[U (c1 , c2 )]
= u(y s ()) + u(s ()R)f (R, )dR.
R
Par le Thorme de lEnveloppe, nous pouvons crire :
R !
d
d
u(y s ()) + R
u(s
()R)f (R, )dR
R !

=
u(y s ()) + R u(s ()R)f(R, )dR
R
= R
u(s ()R)f (R, )dR.
Par Rothschild-Stiglitz,

R
2
signe u(s ()R)f (R, )dR = signe u(s ()R) < 0.
R R2
Exercice 5.8. (i) Lutilit dun paysan sans terre est :

1 ! e2
U (.) = exp eT rT + .
2
Par la proprit habituelle dune fonction dutilit exponentielle et dune
variable alatoire normale, nous pouvons alors crire la fonction objectif de
ce type de paysan comme :
1 e
E[U (.)] = exp E eT rT + var eT rT +
2 2
!
2
e
= exp eT rT + eT + ,
2 2
ou encore :
2 e
ln [E[U (.)]] = eT rT eT .
2 2
Les CPOs qui caractrisent la demande optimale de terre et le niveau optimal

de leffort sont donc :

e 2 T 2 1
T : r e = 0; e : T = 0.
2 T 2 2 e 2 2
Ces deux quations nous permettent alors dcrire :

e = 2r + e 2
T
e = 1
T T 2 +1
e = 2 (T 1 2 +1) 2r2
3 !
T = 12 1
2r
1
Exercice 5.9. (i)

w
1 1
max B 1 + ( + w (1 + r)B)1 f (w, )dw.
{B} 1 1 0
Faites attention la condition qui vous est donne dans lnonc (elle est
l pour vous pargner toute une srie dennuis) : sans cette condition, il se
pourrait trs bien, pour une ralisation de w trs faible, que le paysan ne soit
pas en mesure de rembourser le prt (car + w (1 + r)B < 0). Dans ce cas,
le problme va se transformer dans une question concernant les contraintes
de crdit. Cest ce que vous verrez, si vous avez encore du souffle, la partie
(v).
(ii)
w
CP O : B
(1 + r) ( + w (1 + r)B ) f (w, )dw = 0.
0
La drive que vous cherchez est donne par :
w !

dB
B (1 + r) 0 ( + w (1 + r)B ) f (w, )dw
= w ,
d
B (1 + r) ( + w (1 + r)B ) f(w, )dw
B 0

CSO<0
et donc nous savons que :

w
dB
signe = signe ( + w (1 + r)B ) f(w, )dw .
d 0
Par Rothschild-Stiglitz, nous savons que le signe du ct droit de cette der-

nire expression est donn par le signe de
2

( + w (1 + r)B ) = ( + 1) ( + w (1 + r)B )2 < 0.
w2
Exercice 5.10. La fonction objectif du paysan est :
y y
E[] = (py c(x)) f (y, x, )dy = p y F (y, x, )dy c(x).
0 0
Donc la CPO est :

y
p Fx (y, x , )dy c (x ) = 0.
0
Par diffrenciation implicite :

y
dx p 0 Fx (y, x , )dy
= y ,
d p 0 Fxx (y, x , )dy c (x )
et donc
y

signe [dx /d] = signe p Fx (y, x , )dy
0
= signe [Fx (y, x , )] < 0.
Exercice 5.11. La fonction objectif du paysan est :

y
E[] = (py c(y)) f (y, , )dy
0
y
y
= p [c(y)F (y, , )]0 c (y)F (y, , )dy ,
0
ce qui revient :
y
E[] = p + c (y)F (y, , )dy c(y).
0
La CPO est donc :

y
p+ c (y)F (y, , )dy = 0,
0
ce qui implique que

y
d c (y)F (y, , )dy
= 0y .
d
c (y)F (y, , )dy
0

CSO<0
Il suit que :
signe [d /d] = signe [F (y, , )] < 0.

CH 5

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

CH 5

Hochgeladen von

Copyright:

Verfügbare Formate

Chapitre 5

conomie de lIncertain : Les

5.1 Les bases

5.1.1 Quest ce que le risque dans les socits tradi-

Alderman et Paxson 1992, Besley 1995, Carter 1997, Horowitz 1995,

5.1.2 Lhypothse de lesprance de lutilit

E [U] = pU (x1 ) + (1 p) U (x2 ).

Le cas de deux tats de la nature tant trop restrictif dans de nombreux

Une troisime possibilit est de dcrire les ralisations de la variable ala-

5.2 Aversion au risque

loccurrence, un gain ngatif) avec probabilit 1 p. Pour une valeur donne

o les deux premiers termes constituent lesprance de lutilit du paysan et

Considrons maintenant la drive seconde de (5.1) par rapport x, en nous

Nous pouvons alors substituer partir de lquation 5.2 :

Lquation (5.3) se rvlera capitale pour ce qui a trait lanalyse de laver-

y = 1 [ln (1 p) ln (1 p exp {x})] .

La drive premire par rapport x est alors donne immdiatement, par

dy(x, p) p exp {x}

tandis que la drive seconde par rapport x est donne par :

value x = 0, nous obtenons alors :

Nous pouvons reprsenter graphiquement ceci pour diffrentes valeurs du co-

fonction y = y(x, , p) pour six valeurs diffrentes du coefficient daversion

F. 5.1 y comme fonction de x pour la fonction dutilit U = exp {W }

On remarquera, au fur et mesure que la valeur de augmente, que les

F. 5.2 y comme fonction de x pour diffrentes valeurs de p ( = 1)

Nous pouvons galement effectuer le mme travail avec la forme param-

F. 5.3 y comme fonction de x pour diffrentes valeurs de W (p = 12 , = 2)

En drivant lquation (5.4) par rapport x, nous obtenons

ce qui, valu x = 0, nous donne bien sr :

Drivons maintenant une deuxime fois par rapport x. Nous obtenons :

ce qui, valu x = 0 nous donne :

On remarquera finalement que

5.2.1 Aversion au risque et formes paramtriques. Des

5.2.2 Rsultats empiriques. Aversion au risque des pay-

Rosenzweig et Wolpin 1993, pour un chantillon de paysans indiens, es-

Wiens 1976, Moscardi et DeJanvry 1977, Dillon et Scandizzo 1978, Binswanger

5.2.3 Les producteurs et le risque

U (c(a, p, w)) = U (a + (p, w)) .

Nous nous intressons la drive seconde par rapport p. En prenant la

5.3 conomie de lassurance

5.3.1 La prime de risque et laversion au risque

Lesprance de lutilit du consommateur est donne par

Considrons les deux premires drives de cette expression par rapport t :

Prenons maintenant les limites de ces trois dernires expressions lorsque t

Comme la premire expression peut se rcrire

il suit que (0; .) = 0. La deuxime expression peut se rcrire comme

do lon dduit que (0; .) = 0. Finalement, la troisime expression peut se

La prime de risque avec une fonction dutilit ngative-exponentielle

U (y) = exp {y} = exp {(A + w)} ,

et lesprance de son utilit est donne par (Recette 14) :

Nous allons considrer un contrat dassurance qui garantira au paysan un

Le choix technologique avec une utilit ngative-exponentielle

Les offices de stabilisation des prix

There is a substantial literature concerning this issue, largely centered

be no units in storage available for stabilization with probability 2(K+1)

Aizenman 1998,Arrau et Claessens 1992, Voir les articles dans Engel et

5.4 Slection adverse et risque moral

E [U(.)] = qU(w A) + (1 q)U(w).

Supposons maintenant quil existe un march o le consommateur peut ache-

E [U (.)] = qU (w A + S pS) + (1 q)U(w pS).

La CPO qui dfinit le choix optimal de S est alors donne par

Graphiquement, que se passe-t-il au point o le consommateur est parfai-

trouver la pente de la courbe dindiffrence du consommateur, prenons la d-