Vous êtes sur la page 1sur 2

CVaR d’une mixture de normales

Alain-Philippe Fortin
1er mars 2017

1 Préliminaires
La fonction de répartition d’une variable aléatoire X est notée FX (x) = Pr(X ≤ x). Nous
pouvons décomposer la variable aléatoire X comme suit :

X = µ + σZ

où µ et σ sont respectivement l’espérance et l’écart-type de X et Z est une variable aléatoire


centrée réduite ayant la même distribution que X.
Nous avons que
x−µ x−µ
FX (x) = Pr(X ≤ x) = Pr(µ + σZ ≤ x) = Pr(Z ≤ ) = FZ ( )
σ σ
et donc nous avons que
x−µ
FX (x) = FZ ( )
σ
Maintenant, la fonction de densité de la variable aléatoire X , notée fX (x), correspond à
la dérivée de la fonction de répartition. En dérivant par rapport à x de chaque côté de la
dernière équation nous obtenons :
1 x−µ
fX (x) = fZ ( )
σ σ
Les deux dernières équation sont valides pour n’importe quelles distributions, en particulier
la normale. Si X ∼ N (µ, σ 2 ) alors
x−µ
FX (x) = Φ( )
σ
et
1 x−µ
fX (x) = φ( )
σ σ

1
2 Comparaison des deux formules
Dans le livre la formule donnée pour la CVaR d’une mixture de deux normales est

λ1 Φ(c1 ) φ(c1 ) λ2 Φ(c2 ) φ(c2 )


CV aR = (µ1 − σ1 )+ (µ2 − σ2 )
p Φ(c1 ) p Φ(c2 )

où p = λ1 Φ(c1 ) + λ2 Φ(c2 ) et ci = q−µ


σi
i
i = 1, 2 .
Maintenant, en utilisant les deux expressions dans la dernière section on obtient

λ1 F1 (q) f1 (q) λ2 F2 (q) f2 (q)


CV aR = (µ1 − σ12 + (µ2 − σ22
p F1 (q)) p F2 (q))
En réarrangeant les termes et en multipliant par −1 pour définir la CVaR positivement
on obtient
λ1 [σ12 f1 (q) − µ1 F1 (q)] + λ2 [σ22 f2 (q) − µ2 F2 (q)]
λ1 F1 (q) + λ2 F2 (q)