D

efinitions Covariance Corr

elation Meilleur pr
edicteur lin
eaire

Chapitre 5
Couple de variables aleatoires

Renaud Bourl`
es - Ecole
Centrale Marseille

Math
ematiques pour la finance

D
efinitions Covariance Corr
elation Meilleur pr
edicteur lin
eaire

Definitions
1

On appelle couple de variables al

eatoires (discr`etes)
lapplication:
R
7 (X (), Y ())

La distribution dun couple de v.a. est definie par

les ensembles X () et Y ()
xi X () et yj Y (), la probabilite pij de
levenement [(X = xi ) (Y = yj )]

De la loi conjointe, on tire les lois marginales

X
X

P(X
=
x
)
=
P
[(X
=
x
)

(Y
=
y
)]
=
pij = pi

i
i
j

yj Y ()
yj Y ()
X
X

P [(X = xi ) (Y = yj )] =
pij = pj

P(Y = yj ) =
xi X ()

Renaud Bourl`
es - Ecole
Centrale Marseille

xi X ()

Math
ematiques pour la finance

D
efinitions Covariance Corr
elation Meilleur pr
edicteur lin
eaire

Exemple
Si X et Y prennent un nb fini de valeurs, on represente
graphiquement la loi conjointe dans un tableau.
Exemple : On tire 3 cartes dun jeu de 32. Soit X le nombre de
curs et Y le nombre de brelan (3 cartes de meme type).
3 = 4960 tirages possibles
X () = {0, 1, 2, 3} ; Y () = {0, 1} ; C32
Cardinaux :

1
2
3
Y X 0
3
1
2
2
1
0
C24 8 C8 C24 24 C8 C24 C83
1
8
24
0
0
Distribution de probabilit
es :

1
2
Y X 0
252
273
84
0
p00 = 620 p10 = 620 p20 = 620
1
3
1
p01 = 620
p11 = 620
p21 = 0
253
276
84
p0 = 620 p1 = 620 p2 = 620

Renaud Bourl`
es - Ecole
Centrale Marseille

3
7
p30 = 620
p31 = 0
7
p3 = 620

Math
ematiques pour la finance

616
p0 = 620
4
p1 = 620
p = 1

D
efinitions Covariance Corr
elation Meilleur pr
edicteur lin
eaire

Independance
Definition
Deux v.a. X et Y sont dites independantes si: xi X () et
yj Y (), on a P [(X = xi ) (Y = yj )] = P(X = xi )P(Y = yj )
Dans lexemple, on remarque
P [(X = 3) (Y = 1)] = 0 6= P(X = 3)P(Y = 1),
donc X et Y ne sont pas independants
Generalisation
n v.a. X1 , ..., Xn sont dites independantes si:
x1 X1 (),..., xn Xn (), on a
P [(X1 = x1 ) ... (Xn = xn )] = P(X1 = x1 )...P(Xn = xn )
Typiquement, si on repete une meme experience plusieurs fois dans
les memes conditions, et que Xi se ref`ere `a la i `eme experience, on a
independance des Xi

Renaud Bourl`
es - Ecole
Centrale Marseille

Math
ematiques pour la finance

D
efinitions Covariance Corr
elation Meilleur pr
edicteur lin
eaire

Covariance

Obejctif : Etudier
le lien entre deux v.a.

Definition
Soient X et Y deux v.a. On appelle covariance X et Y le reel
XY = cov(XY ) = E [(X E(X )) (Y E(Y ))]
Propri
et
es
1
cov(X , Y ) = E(XY ) E(X )E(Y )
2
cov(X , Y ) =cov(Y , X ) (symetrie)
3
cov(X , X ) = X2 =Var(X )
4
cov(aX + bY , Z ) = acov(X , Z ) + bcov(Y , Z )
5
Var(X + Y ) =Var(X ) + 2cov(X , Y )+Var(Y )
6
Si X et Y sont independants alors cov(X , Y ) = 0
(cov(X , Y ) = 0 nimplique pas necessairement X et Y indpts)
7

| cov(X , Y ) | x y (egalite ssi Y = aX + b)

Renaud Bourl`
es - Ecole
Centrale Marseille

Math
ematiques pour la finance

D
efinitions Covariance Corr
elation Meilleur pr
edicteur lin
eaire

Exemple
1 et .
2 Chaque bille est
On a deux botes A et B et 2 billes
placee au hasard dans une des deux botes.
Soit X =nb de billes dans la boite A ; Y=nb de botes vides.
On a X () = {0, 1, 2} et Y () = {0, 1}
4 cas equiprobables

Renaud Bourl`
es - Ecole
Centrale Marseille

Math
ematiques pour la finance

D
efinitions Covariance Corr
elation Meilleur pr
edicteur lin
eaire


Y X
0
1

0
1
2
0 1/2 0 1/2
1/4 0 1/4 1/2
1/4 1/2 1/4 1

E(X ) = 0x1/4 + 1x1/2 + 2x1/4 = 1 ;

E(Y ) = 0x1/2 + 1x1/2 = 1/2
E(XY ) =?, XY () = {0, 1, 2}
P(XY = 0) = 3/4, P(XY = 1) = 0, P(XY = 2) = 1/4
E(XY ) = 2/4 = 1/2
cov(X , Y ) = 1x1/2 1/2 = 0
On a cov(X , Y ) = 0, or X et Y ne sont pas independants, par ex
P(X = 1 Y = 1) = 0 6= P(X = 1)P(Y = 1) = 1/2x1/2 = 1/4

Renaud Bourl`
es - Ecole
Centrale Marseille

Math
ematiques pour la finance

D
efinitions Covariance Corr
elation Meilleur pr
edicteur lin
eaire

Correlation
Definition
Soient X et Y des v.a. de moyennes finies et de variances non
nulles. Le coefficient de correlation de X et Y est alors
X ,Y =

cov(X , Y )
X Y

Propri
et
e : Dapr`es la propriete 7 de la covariance :
1 X ,Y 1
Par ailleurs | X ,Y |= 1 ssi Y = aX + b avec a > 0 si = 1 et
a < 1 si = 1
si X ,Y = 1, X et Y evoluent dans la meme direction alors
que si X ,Y = 1 Y diminue quand X augmente et vice-versa

Renaud Bourl`
es - Ecole
Centrale Marseille

Math
ematiques pour la finance

D
efinitions Covariance Corr
elation Meilleur pr
edicteur lin
eaire

Vocabulaire
X ,Y = 0 X et Y sont non correles
independants non correles (la reciproque nest pas vraie)

X ,Y > 0 X et Y sont positivement correles

X ,Y = 1 X et Y sont parfaitement positivement correles
X ,Y < 0 X et Y sont negativement correles
X ,Y = 1 X et Y sont parfaitement negativement correles

Renaud Bourl`
es - Ecole
Centrale Marseille

Math
ematiques pour la finance

D
efinitions Covariance Corr
elation Meilleur pr
edicteur lin
eaire

Meilleur predicteur lineaire

Le coefficient de correlation est souvent presente comme
une mesure de la relation lineaire entre deux variables
On a vu precedemment quune correlation parfaite
correspond `a une relation lineaire (parfaite)
Quen est-il pour les correlations imparfaites?
Supposons que lon veuille approximer une variable aleatoire Y
par une fonction lineaire de X (autre v.a.) : + X .
Comment choisir au mieux et ? (on parlera alors de
meilleur pr
edicteur lin
eaire)

Renaud Bourl`
es - Ecole
Centrale Marseille

Math
ematiques pour la finance

D
efinitions Covariance Corr
elation Meilleur pr
edicteur lin
eaire

Lerreur de lapproximation secrit

 = Y X
et est appelee la variable al
eatoire r
esiduelle.
Lidee est de choisir et de facon `a minimiser E(2 ),
lerreur quadratique moyenne. On note
MSE (Mean Squared Error) = E(2 ) = E [(Y X )2 ]
On a dej`a vu que si X ,Y = 1, lapprimation peut-etre faite
de mani`ere exacte, i.e. avec E(2 ) = 0.
Dans le cas general, lerreur quadratique moyenne peut secrire:
MSE = E(Y 2 )2E(Y )2E(XY )+ 2 E(X 2 )+2E(X )+2

Renaud Bourl`
es - Ecole
Centrale Marseille

Math
ematiques pour la finance

D
efinitions Covariance Corr
elation Meilleur pr
edicteur lin
eaire

La valeur minimum de cette expression (si elle existe) est

obtenue en egalisant les derivees partielles (par rapport `a et
`a ) `a 0. On obtient alors

E(X 2 ) + E(X ) = E(XY )
E(X ) + = E(Y )
Cest-`a-dire
(

XY
x2
= E(Y ) E(X )
=

Remarque : alors E() = 0

Renaud Bourl`
es - Ecole
Centrale Marseille

Math
ematiques pour la finance

D
efinitions Covariance Corr
elation Meilleur pr
edicteur lin
eaire

Pour resumer, on a
Definition
Soient X et Y deux v.a. Soit lequation Y = + X +  o`u
et sont des constantes et  une v.a. definie par
 = Y X .
Alors Y est approximee par la relation lineaire + X avec 
comme variable aleatoire residuelle. Le meilleur pr
edicteur
lin
eaire de Y par X est lappliquation lineaire + X qui
minimise lerreur quadratique moyenne E(2 ).
Le coefficient est appele le beta de Y par rapport `a X et la
droite y = + X est appelee droite de r
egression.

Renaud Bourl`
es - Ecole
Centrale Marseille

Math
ematiques pour la finance

D
efinitions Covariance Corr
elation Meilleur pr
edicteur lin
eaire

Thero`eme
Le meilleur predicteur lineaire de Y par X est donne par :
XY
XY
X + E(Y ) 2 E(X )
2
X
X
Alors, lerreur quadratique moyenne minimum est egale `a
E(2 ) = Y2 (1 2X ,Y )
On peut donc definir les proprietes suivantes du coefficient de
correlation
X ,Y = 1 ssi il existe une relation lineaire en X et Y
Plus X ,Y est proche de 1, plus lerreur quadratique
moyenne (MSE) est faible quand on utilise le meilleur
predicteur lineaire

Renaud Bourl`
es - Ecole
Centrale Marseille

Math
ematiques pour la finance

D
efinitions Covariance Corr
elation Meilleur pr
edicteur lin
eaire

Si X ,Y est positif, le meilleur predicteur lineaire a une

pente positive. Ainsi, quand X augmente (resp. diminue),
le meilleur predicteur lineaire de Y augmente (resp.
diminue) aussi
Si X ,Y est negatif, le meilleur predicteur lineaire a une
pente negative. Ainsi, quand X augmente, le meilleur
predicteur lineaire de Y diminue et vice-versa.
Attention : Une forte correlation nimplique pas de relation
causale. Le fait quune variable Y prenne des valeurs qui
peuvent etre approximees lineairement par les valeurs dune
autre v.a. X, ne signifie pas quune evolution de X cause une
evolution de Y (ex : augmentation des ventes dordinateur et
dautomobile dans les annees 90)

Renaud Bourl`
es - Ecole
Centrale Marseille

Math
ematiques pour la finance

D
efinitions Covariance Corr
elation Meilleur pr
edicteur lin
eaire

Application - Mod`ele de marche

Soit une action S. En utilisant le meilleur predicteur lineaire, on
veut approximer le rendement hebdomadaire de S (RS ) par une
fonction lineaire du rendement hebdomadaire du marche (RM ).
Le meilleur predicteur lineaire donne
RS = S + S RM + 
avec
S =

cov (RS , RM )
et S = E(RS ) E(RM )
2
M

S est le beta de laction S et correspond `a la pente de la

regression lineaire de RS sur RM

Renaud Bourl`
es - Ecole
Centrale Marseille

Math
ematiques pour la finance

D
efinitions Covariance Corr
elation Meilleur pr
edicteur lin
eaire

Deux titres differents peuvent avoir le meme beta

S = 1 : les variations du titre suivent levolution du marche
S > 1 : le titre amplifie les fluctuations du marche (titre
volatil)

S < 1 : le titre sous-reagit par rapport au marche (une

variation de 1% du marche entraine une variation de moins de 1%
du titre)

Renaud Bourl`
es - Ecole
Centrale Marseille

Math
ematiques pour la finance

D
efinitions Covariance Corr
elation Meilleur pr
edicteur lin
eaire

Calcul du risque du titre

Var (RS ) = Var (S + S RM + ) = Var (S RM + )

= Var (S RM ) + Var () + 2S cov (RM , )
Or,
cov (RM , ) = cov (RM , RS S S RM )
= cov (RM , RS ) S cov (RM , RM ) = 0
par definition de S .
Ainsi,
2
Var (RS ) = S2 Var (RM ) + Var () = S2 M
+ 2

Renaud Bourl`
es - Ecole
Centrale Marseille

Math
ematiques pour la finance

D
efinitions Covariance Corr
elation Meilleur pr
edicteur lin
eaire

Le risque dun titre peut donc etre decompose en :

2
un risque syst
ematique : S2 M
dependant de letat
global (macroscopique) du marche (taux dinteret, offre
de monnaie, guerre,...) et proportionnel `a S (effet
amplificateur)
un risque sp
ecifique : 2 qui affecte uniquement le titre
considere et est independant des phenom`enes
macroscopiques. Ex : mauvaise gestion de lentreprise,
incendie qui detruit son usine ou invention technologique
qui rend obsol`ete la gamme de produits
Dapr`es la theorie economique, un portefeuille diversifie (cf.
TD) permet de supprimer le risque specifique. Seul le risque
systematique devrait donc etre pris en compte pour evaluer le
rendement dun titre. Le beta dun titre est alors la
caracteristique principale de lanalyse de son rendement.

Renaud Bourl`
es - Ecole
Centrale Marseille

Math
ematiques pour la finance