Vous êtes sur la page 1sur 8

Rfrences

Analyse de la dcision dans le Risque (3)


2009 Bernard ESPINASSE
Professeur l'Universit d'Aix-Marseille

Ouvrages :
S. O. Hansson, Decision Theory: A Brief Introduction , Department of Philosophy and History of Technology, Royal Institute of Technology (KTH), Stockholm, 1994, minors revisions in 2005. H. Raffa, Analyse de la dcision : introduction aux choix en avenir incertain , Dunod, 1973. Traduction de Decision analysis : introductory lectures on choices under uncertainty , Addison-Wesley, 1970. F. Carluer, A. Richard, Analyse stratgique de la dcision , PUG, 2002. R. Kast, La thorie de la dcision , La dcouverte, 1993.

Plan
Introduction Problmatique de la dcision face au risque Critres pour la dcision dans le risque Le critre de Pascal : maximun de l!Esprance Mathmatique Calculs de l!esprance mathmatique Arbres de dcision et calcul de l!esprance mathmatique Aversion pour le risque

Cours :
D. Bouyssou, Lamsade CNRS, Paris. J.Y. Jaffray, P. Perny, C. Gonzales, LIP6 CNRS, Universit Paris VI.

Analyse de la dcision dans le risque - Bernard ESPINASSE -

Analyse de la dcision dans le risque - Bernard ESPINASSE -

P la n
1. Introduction ! Problmatique de la dcision face au risque ! Caractristiques de la dcision 2. Critres pour la dcision dans le risque ! Le critre de Pascal : maximun de l!Esprance Mathmatique ! Calculs de l!esprance mathmatique ! Usage des tables et arbres de dcision 3. Aversion pour le risque ! Aversion pour le risque : paradoxe de St Petersbourg ! Fonction d!utilit de la richesse et Equivalent Certain ! Equivalent Certain et Prime de Risque

1 - Introduction
! Problmatique de la dcision face au risque ! Caractristiques de la dcision

Analyse de la dcision dans le risque - Bernard ESPINASSE -

Analyse de la dcision dans le risque - Bernard ESPINASSE -

Dcisions dans l!incertitude et dcisions dans le risque


Dcision dans l!incertitude : situations de choix o les rsultats des actions ne peuvent tre prvus avec certitude. On suppose que cette incertitude est probabilise, c!est dire que le rsultat obtenu ne dpend que de la ralisation d!vnements de probabilits connues. On utilise alors le terme de dcision En fait il y a 2 coles de pense :

Problmatique des dcisions dans le risque (1)


Dans la dcision face au risque, on considre que les probabilits de chaque tat sj ! S, ou S est l!ensemble des tats de la nature, sont connues :

p( s j ) = p j , "j
Si le dcideur di ! D et que sj ! se ralise, il en rsulte que la consquence ck ! C, o C est l!ensemble des consquences sur lequel est dfinie une fonction d!utilit U(ck). => Une dcision est alors une application de S dans C On peut considrer que l!utilit U correspond aux rsultats montaires de la dcision : Exemple : jeu de pile ou face (100 " d!enjeu) : S C matrice des rsultats : P P +100" S F Pile (P) Face (F) D Choix Pile Choix Face U(+100) U(-100) U(-100) U(+100) F F P -100"

dans le risque

l!cole baysienne (du nom de Bayes), fonde par De Finetti et Savage,


qui soutient que : tout dcideur rationnel doit se comporter comme si tous les vnements avaient des probabilits, celles-ci pouvant varier d!une personne l!autre d!o leur dnomination de probabilits subjectives

L!cole non-baysienne (plus statistique) considre les situations de


risque comme un cas particulier des situations d!incertitude : c!est le comportement du dcideur qui permet de reconnatre s!il attribue des probabilits aux vnements et, si oui, quelles sont leurs valeurs.

Analyse de la dcision dans le risque - Bernard ESPINASSE -

Analyse de la dcision dans le risque - Bernard ESPINASSE -

Problmatique des dcisions dans le risque


Problme :
Comment choisir, dans l!ensemble des stratgies la plus avantageuse, sur la base de l!information disponible (S, C, U) ?

Plusieurs critres sont possibles : ! Critre de Pascal (critre de l!Esprance Mathmatique ou Esprance Mathmatique de Gain - EMG) : Adapt des risques peu levs Lorsque le risque est plus lev, l!aversion pour le risque doit tre considre et l!on a recours d!autres critres (Critres de Markowitz, de Bernouilli, )

2 Critres pour la dcision dans le risque


! ! ! ! Le critre de Pascal : maximun de l!Esprance Mathmatique Calculs de l!esprance mathmatique Le cas des dcisions squentielles Usage des tables et arbres de dcision

Analyse de la dcision dans le risque - Bernard ESPINASSE -

Analyse de la dcision dans le risque - Bernard ESPINASSE -

Critre de Pascal : Maximum de l!Esprance Mathmatique


Soit un ensemble D 2 dcisions D= {d1, d2} avec la matrice des rsultats :
S D d1 d2 a11 a21 a12 a22 a1j a2j a1J a2J s1 (p1) s2 (p2) sj (pj) sJ (pJ)

Critre de Pascal : Maximum de l!Esprance Mathmatique


Exemple : jeu de pile ou face (100 " d!enjeu) :
Nous avons la matrice des rsultats suivante :
Etats de S Dcisions de D Choix Pile (d1) Choix Face (d2) Pile (P) (p1=0,5) +100 -100 Face (F) (p2=0,5) -100 +100 0 0 E[di]

Si " j : a1j > a2j, alors d1 domine d2 L!esprance mathmatique se calcule ainsi :
J

Calcul de l!Esprance Mathmatique (E[di]) :


! E[d1] = (+100x0,5)+(-100x0,5) = 0 ! E[d2] = (-100x0,5)+(+100x0,5) = 0 D D!!o o lle es sd d c ciis siio on ns s Choix Pile (d1 et t Choix Face (d2 so on nt t indiffrentes 1) e 2) s

E[ di ] = " p j aij
j =1

Le choix de la meilleure dcision correspond la maximisation de l!esprance mathmatique de chaque dcision, soit :
J

Max
i

"p a
j =1

j ij

Analyse de la dcision dans le risque - Bernard ESPINASSE -

Analyse de la dcision dans le risque - Bernard ESPINASSE -

10

Cas 1 : nonc
Cas 1 :
Un commerant doit commander en dbut de saison un lot de vtements auprs d!un fabricant qui ne pratique pas le rassortiment en cours de saison : ! il choisi entre 3 types de dcisions de commande (Faible, Moyenne, Eleve) et ! il considre 3 tats de la demande (Basse, Moyenne, Forte), ce qui le conduit en s!appuyant sur son exprience des annes passes, la matrice de dcision (matrice des gains) suivantes (en K") :
Etats de S Dcisions de D Faible (d1) Moyenne (d2) Eleve (d3) Basse (s1) 100 60 10 Moyenne (s2) 100 150 120 Forte (s3) 100 150 200

Critre de Pascal : rsolution du cas 1


Dans la dcision face au risque, on considre que les probabilits de chaque tat sj sont connues :
Etats de S Dcisions de D Faible (d1) Moyenne (d2) Eleve (d3) Basse (s1) p1=0,2 100 60 10 Moyenne (s2) p2=0,5 100 150 120 Forte (s3) p3=0,3 100 150 200 100 132 122 E[di]

Calcul de l!Esprance Mathmatique (E[di]) : ! E[d1] = (100x0,2)+(100x0,5)+(100x0,3) = 100 ! E[d2] = (60x0,2)+(150x0,5)+(200x0,3) = 132 ! E[d3] = (10x0,2)+(120x0,5)+(200x0,3) = 122 On en conclut que : ! la dcision d2 domine les 2 autres dcisions (E[d2] = 132) ! la dcision d3 est la fois risque (utilit mini = 10) et d!esprance moindre que la dcision d2 (122 < 132)

Avec : D = ensemble des dcisions {Faible, Moyenne, Eleve} S = ensemble des situations possibles {Basse, Moyenne, Forte}

Analyse de la dcision dans le risque - Bernard ESPINASSE -

11

Analyse de la dcision dans le risque - Bernard ESPINASSE -

12

Critre de Pascal : rsolution du cas 1 par arbre de dcision


Matrice des rsultats :
Etats de S Dcisions de D Faible (d1) Moyenne (d2) Eleve (d3) Basse (s1) (p1=0,2) 100 60 10 Moyenne (s2) (p2=0,5) 100 150 120 Forte (s3) (p3=0,3) 100 150 200 E[di] 100 132 122

Dcisions squentielles
Plusieurs dcisions d!enchanent les unes la suite de l!autres Entre 2 dcisions Di et D i+1, on possde de nouvelles observations (nuds d!vnement ou nuds de chance) Exemple :

Arbre associ :

Analyse de la dcision dans le risque - Bernard ESPINASSE -

13

Analyse de la dcision dans le risque - Bernard ESPINASSE -

14

Calcul dans un arbre de dcision (1)

Calcul dans un arbre de dcision (2)

calcul : E (C2 ) = " P (C2 / D1, C1, D2 ) U ( D1, C1, D2 , C2 )


C2

calcul : E ( D2 ) = Max E (C2 )


D2

E Ex xe em mp plle e :: ( (0 0,,3 3x x1 10 00 00 0) )+ +( (0 0,,7 7x x1 10 00 0) )= =3 37 70 0


Analyse de la dcision dans le risque - Bernard ESPINASSE -

15

Analyse de la dcision dans le risque - Bernard ESPINASSE -

16

Calcul dans un arbre de dcision (3)

Calcul dans un arbre de dcision (4)

calcul : E (C1 ) = " P (C1 / D1 ) E ( D2 )


C1

calcul : E ( D1 ) = Max E (C1 )


D1

Exemple : (370x0,3) + (300x0,7) = 321


Analyse de la dcision dans le risque - Bernard ESPINASSE -

17

Analyse de la dcision dans le risque - Bernard ESPINASSE -

18

!
Calcul dans un arbre de dcision (5)
Calcul dans un arbre de dcision :
! Des feuilles vers la racine ! Si le nud est un nud vnement (ou chance) : on calcule une esprance ! Si le nud est un nud de dcision : on conserve le maximum

!
Dcisions squentielles : The wildcatter!s problem (Raiffa 1961)
! un prospecteur ptrolier doit dcider si oui (Drill) ou non (Not drill) il va forer un site donn, avant que son option arrive expiration. Il ignore beaucoup de chose, notamment si le sol est sec (Dry), humide (Wet) ou tremp (Soak). A un cot de 10000$ peut faire faire des sondages sismiques, un test, qui peuvent dterminer la structure gologique du site. Le sondage dvoilera si le dessous du terrain n!a pas de structure (NS), ce qui est mauvais, ou a une structure ouverte (Open structure OS), ou une structure ferme (Closed structure CS), qui est le plus souhaitable. ! Matrice des rsultats :
Etats de S Dcisions de D Drill (d1) Not drill (d2) Dry (s1) (p1=0,5) 70000 0 Wet(s2) (p2=0,3) 50000 0 Seismic test results (R) No structure (ns) 0,6 0,3 0,1 Open structure (os) 0,3 0,4 0,4 Closed structure (cs) 0,1 0,3 0,5 Soak (s3) (p3=0,2) 200000 0

! Probabilits des rsultats du test sismique sur la quantit de ptrole :


P (R / 0)

Sens du calcul

Amont of Oil (O)

Dry (dr) Wet (we) Soaking (so)

Analyse de la dcision dans le risque - Bernard ESPINASSE -

19

Analyse de la dcision dans le risque - Bernard ESPINASSE -

20

Dcisions squentielles : The wildcatter!s problem (Raiffa 1961)


! L!arbre de dcision associ est compos de : ! 2 nuds de dcision : test (T) et forer (D) ! 2 nuds de chance : rsultats du test (R), quantit de ptrole (O)

Dcisions squentielles : The wildcatter!s problem (Raiffa 1961)


Solution obtenue avec en utilisant la mthode Roll-back ,

Analyse de la dcision dans le risque - Bernard ESPINASSE -

21

Analyse de la dcision dans le risque - Bernard ESPINASSE -

22

Dcisions squentielles : The wildcatter!s problem (Raiffa 1961)


Solution obtenue avec en utilisant la mthode Roll-back , ! Dans cette mthode Roll-back : ! un nud vnement/chance est lagu en faisant la moyenne des utilits en utilisant la probabilit sur les arcs ! un noeud dcision est lagu en maximisant les utilits associes avec ses arcs. ! La stratgie optimale est de : ! tester, ne pas forer s!il se rvle qu!il n!y a pas de structure (ns), sinon de forer. ! Le profit espr avec cette stratgie est de 22500$

3 Aversion pour le risque


! Aversion pour le risque : paradoxe de St Petersbourg ! Fonction d!utilit de la richesse et Equivalent Certain ! Equivalent Certain et Prime de Risque

Analyse de la dcision dans le risque - Bernard ESPINASSE -

23

Analyse de la dcision dans le risque - Bernard ESPINASSE -

24

Aversion pour le risque : paradoxe de St Petersbourg


Le critre de Pascal, la maximisation de l!esprance mathmatique (EU) peut poser problme du fait de l!aversion au risque des dcideurs
Paradoxe de St. Petersbourg : note de D. Bernoulli (18 ime sicle) l!Acadmie de Sciences de St Petersbourg. Il imagine : Un homme riche et un mendiant qui dispose d!un billet de loterie dont le tirage peut procurer, soit 20000 ducats, soit rien, avec des probabilits gales (0,5). L!esprance mathmatique de gain est alors de 10000 ducats. La proposition de rachat du billet par l!homme riche 9000 ducats, soit moins que sa valeur espre, a t accepte par mendiant.

Fonction d!utilit de la richesse U(W)


La fonction U(W) est concave dont : La drive premire est positive (non saturation) La drive seconde est ngative (utilit marginale constamment dcroissante) U U(W)

U(W0 + x2)

Pourquoi ?
L!explication de Bernouilli est que les 2 personnes n!apprcient pas de la mme manire l!utilit U des gains selon leur niveau de richesse (W). Cette explication ne sera remise en compte que bien plus tard par Marshall pour donner lieu la fonction d!utilit de la richesse

U(W0 + x1)

U(W0)

#(W0 ,x) = EC

W0

W0 + x 1
-1

W0 + E[x]

W0 + x 2

U {E(U(W0 + x)]} 25 26

Analyse de la dcision dans le risque - Bernard ESPINASSE -

Analyse de la dcision dans le risque - Bernard ESPINASSE -

Fonction d!utilit de la richesse U(W) et Equivalent Certain


Pour un niveau de richesse W0 et une fonction d!utilit suppose connue, on considre une loterie, dfinie par la variable alatoire x pouvant prendre les 2 valeurs x1 et x2, avec la probabilit de 0,5. ! On calcule pour les 2 valeurs x1 et x2 les niveaux de richesse finale (W) et d!utilit (U(W)) : W1 = W0 + x 1 W2 = W0 + x 2 U1 = U(W0 + x1) U2 = U(W0 + x2)

Equivalent Certain et Prime de Risque (1)


Quand un individu dont la richesse initiale est W0 joue la loterie (sur le graphique la variable alatoire x avec 2 rsultats quiprobables x1 et x2), son EC est la fonction inverse de l!esprance d!utilit de la richesse finale :

EC = U-1 {E [U(W0 + x)] }


On en dduit la Prime de Risque maximale qu!il serait prt payer pour obtenir l!esprance mathmatique du rsultat de la loterie plutt que d!en subir les alas :

! L!esprance de l!utilit de la richesse finale E[U(W0 + x)] diffre de l!utilit de la richesse finale W0 + E[x] ! Cet cart #( W0, x) exprim sur l!axe montaire (W) est appel Equivalent Certain (EC) ! EC dsigne la quantit de revenu certain qui rendra le choix indiffrent quand il faut choisir entre un rsultat certain et un rsultat incertain non alatoire (par exemple le prix maximum qu!un joueur est prt payer pour un billet de loterie)

Prime = #(W0, x) = W0+E[x] EC = W0+E[x] - U-1 {E[U(W0 + x)]}


Avec une fonction d!utilit concave, une telle prime est toujours positive, et elle traduit une aversion au risque, expliquant les diverses dcisions des individus pour rduire leurs risques (assurance, couverture de position, diversification d!actifs, ) Une fonction d!utilit convexe traduirait un got pour le risque Cette fonction d!utilit dpend : ! d!lments objectifs (fortune, importance de l!enjeu), ! d!lments subjectifs (aversion ou got pour le risque).

Analyse de la dcision dans le risque - Bernard ESPINASSE -

27

Analyse de la dcision dans le risque - Bernard ESPINASSE -

28

Equivalent Certain et Prime de Risque (2)


Avec la fonction d!utilit logarithmique propose par Bernouilli, U = ln(W), et W = W0 + x et x1 = 0 ; x2 = 20K" et p(x1) = p(x2) = 0,5 on a les primes de risque suivantes : W0 EC Prime On note : ! La prime de risque est d!autant plus rduite que la richesse initiale est importante ! Ainsi un individu ayant cette fonction d!utilit et disposant d!une richesse initiale de 1K" serait prt vendre une telle loterie jusqu!au prix limite de 3,5 K" (EC - 1 = 4,5 1) ! Un individu de mme fonction d!utilit et de richesse initiale de 100 K", " serait prt vendre une telle loterie jusqu!au prix limite de 10 K" (EC 100 = 110 100). En revanche, il accepterait d!acheter cette loterie au dessous de ce prix limite de 10 K". ! Cela explique qu!une grande entreprise puisse prendre des risques, en terme d!investissements ou de croissance externe, compatibles avec ses fonds propres
Analyse de la dcision dans le risque - Bernard ESPINASSE -

1 K" 4,5 6,4

10 K" 17,3 2,6

40 K" 49 1

100 K" 110 0,5

29