Année 2007-2008

Choix de Portefeuille
________________

Christophe Boucher

Chapitre 1. Théorie de la décision en avenir incertain

→ Critère d’espérance d’utilité
→ L’attitude vis-à-vis du risque

Chapitre 2. Rendements et critères de choix entre actifs

→ La mesure des rendements et leurs distributions
→ La dominance stochastique
→ Les mesures de risque

Chapitre 3. La théorie moderne du portefeuille

→ Fondements théoriques de l’analyse espérance-variance
→ Portefeuilles efficients : caractéristiques et propriétés
→ Frontières efficientes avec 2 actifs et N actifs

Chapitre 4. La théorie post-moderne du portefeuille

→ Critiques de l’espérance d’utilité
→ Alternatives à l’espérance d’utilité
→ Finance comportementale et choix de portefeuille
→ Les moments d’ordre supérieurs à deux

Chapitre 5. Introduction aux modèles d'évaluation des actifs

→ MEDAF
→ APT

1
Chapitre 1. Théorie de la décision en avenir incertain

Définition : Décision risquée versus décision non-risquée

1.1 Présentation et propriétés du critère d’espérance d’utilité

Le critère de Wald (maxi-min) : maximise la conséquence la plus défavorable.

Le critère de Savage (minimax de regret) : regretter le moins possible sa stratégie ex-post.

Le critère d’Hurwicks : maximise une moyenne pondérée des revenus maximums et

minimums de chaque stratégie.

Le critère de Laplace : la moyenne des gains la plus forte.

⇒ Limites de ces critères et insuffisance de celui de Laplace

2
Exemple 1

Comment choisir les loteries suivantes :

A : [15, 10, 5 ; 0,2, 0,6 0,2]

B : [20, 12, 4 ; 0,2, 0,6 0,2]

Le critère peut être le plus intuitif consiste à choisir la loterie qui offre l’espérance de gain la
plus forte.

E(A) = 15 x 0,2 + 10 x 0,6 + 5 x 0,2 = 10

E(B) = 12

La loterie B a une espérance de gain plus élevée mais la dispersion de ses gains est aussi plus
grande.

Les limites du seul critère de l’espérance de gain ⇒ le « paradoxe de Saint-Petersbourg.

3
Exemple 2 : le paradoxe de Saint-Pétersbourg

Les agents peuvent jouer à un jeu de pile ou face répété, si face apparaît au nième coup, ils
empochent 2n euros.

1 1 1
E (G ) = 2 + 2 22 + 3 23 + ... = 1 + 1 + 1 + ..... = +∞
2 2 2

ou encore

+∞
 1  n
E (G ) = ∑  n 2 = +∞
n =1  2 

Ce jeu a une espérance de gain infinie et les individus sont théoriquement prêts à payer une
somme infinie pour y participer malgré le risque de voir « face » sortir dès le premier lancé.

Pour résoudre ce paradoxe, Daniel Bernoulli propose de transformer les gains monétaires en
satisfaction par une fonction croissante et concave (nommée fonction d’utilité et notée U).

4
Si la fonction d’utilité est logarithmique, la satisfaction espérée (ou l’espérance d’utilité, notée
EU) du joueur s’écrit :

+∞ +∞
 1   1 
EU (G ) = ∑  n  ln 2n = ∑  n n ln 2 = ln(4)
n =1  2  n =1  2 

La somme payée est finie (4 euros), ce qui semble plus cohérent au regard du risque pris.

⇒ construire un critère qui permet de représenter le choix d’agents à partir d’un nombre
d’hypothèse réduit.

5
1.1.1. le théorème central de la théorie.

Les critères de rationalité servent d’axiomes à la théorie.

Axiome 1 : Complétude

L’agent peut toujours comparer deux loteries.

Axiome 2 : Transitivité

si L1 ≻ L2 et L2 ≻ L3 alors L1 ≻ L3 .

Axiome 3 : Continuité

 L1 ≻ L2
Si  il existe une probabilité p telle que L2 ≈ ( L1 , L3 ; p, (1 − p )) .
 L2 ≻ L3

Axiome 4 : Indépendance

Si L1 ≻ L2 , pour toute loterie L3 et une probabilité p quelconque on a :

( L1 , L3 ; p, (1 − p )) ≻ ( L2 , L3 ; p, (1 − p ))

Axiome 5 : Monotonicité

Soient les loteries A et B :

A : [ L1 , L2 ; p, (1 − p) ]
B : [ L1 , L2 ; q,(1 − q) ]

Si L1 ≻ L2 alors p ≥ q implique A ≻ B

6
Exemple 3 : L’axiome de continuité

Les loteries suivantes sont dites dégénérées car elles proposent des gains avec une probabilité
égale à 1.

L1 = [1000;1] L2 = [500;1] L3 = [ 0;1]

Pour une probabilité p = 0,6, l’agent est indifférent entre recevoir 500€ ou jouer à la loterie :
[1000, 0 ; 0,6, 0,4].

500€ est appelé l’équivalent certain de la loterie.

L’axiome indique que quels que soient les goûts des agents, il est toujours possible de trouver
une probabilité telle que 500€ soit équivalent à une loterie de la forme [1000, 0 ; p, (1 – p)].

7
Théorème de l’espérance d’utilité

Si les préférences des agents vérifient les cinq axiomes de complétude, de transitivité, de
continuité, d’indépendance et de monotonicité, alors on peut les représenter par le critère de
l’espérance d’utilité.

Selon ce critère :

- si l’agent préfère la loterie 1 à la loterie 2 alors l’espérance d’utilité de la loterie 1 est plus
forte que celle de la loterie 2.

Pour toutes loteries i et j : Li ≻ L j ⇔ E u ( Li )  > E u ( L j ) 

- l’utilité d’une loterie (ou d’un projet risqué) est égale à l’espérance mathématique des
utilités des gains monétaires de cette loterie

⇒ reconstruire la fonction d’utilité d’un individu à partir des équivalents certains à des
loteries.

8
Construction de la courbe d’utilité d’un agent

Fixons arbitrairement que : U(100000) = 100 et supposons que U(0) = 0

1) Nous présentons la loterie L1 à un individu et nous lui demandons de déterminer la somme

certaine qu’il lui serait indifférent de recevoir face à cette loterie.

L1 : [ 0,100000; 0,5, 0,5]

Cet individu nous dit préférer recevoir 35000€ plutôt que de jouer à la loterie L1 .

⇒ [35000;1]

U(35000) = 0,5 x U(0) + 0,5 x U(100000)

U(35000) = 50

2) Nous pouvons maintenant lui proposer la loterie suivante :

L2 : [ 0,35000; 0,5, 0,5]

L’individu considère maintenant que l’équivalent certain de cette seconde loterie est de
15000€.

Nous en déduisons que U(15000) = 0,5 x U(0) + 0,5 x U(35000)

Et donc que U(15000) = 25

3) La troisième loterie proposée est la suivante :

L3 : [100000,35000;0,5, 0,5]

L’équivalent certain de cette loterie pour l’individu est de 60000€.

On en déduite que : U(60000) = 0,5 x U(100000) + 0,5 x U(35000)

soit U(60000) = 50 + 25 = 75.

9
4) On peut également demander à notre individu de déterminer la probabilité p qui rend les
deux loteries équivalentes :

L4 : [ −15000,15000; p, (1 − p) ]
L5 : [ 0;1]

L’individu estime que p est égal à 1/5.

D’où [U(-15000) x1/5] + [U(15000) x4/5)] = U(0)

Soit U(-15000) = -U(15000) x 4 = - 100.

Nous disposons maintenant de six points de la fonction d’utilité de notre individu.

Gains monétaires Utilité

-15000 -100
0 0
15000 25
35000 50
60000 75
100000 100

NB : En proposant de nouveau choix, il serait possible d’obtenir d’autres points.

10
La forme de la courbe découle des réponses données par l’individu.

Fonction d'utilité de l'individu interrogé

150
Utilité

100

50

0
-20000 0 20000 40000 60000 80000 100000 120000

-50 Gains monétaires

-100

-150

11
1.2 L’aversion pour le risque

1.2.1. Fonction d’utilité et attitude vis-à-vis du risque

Un agent a de l’aversion pour le risque s’il préfère recevoir une somme certaine plutôt que de
jouer à une loterie qui lui rapporte en moyenne la même chose.

Les agents préfèrent être riches plutôt que pauvres, la fonction d’utilité est donc croissante en
la richesse (non satiété).

aversion pour le risque ⇒ fonction d’utilité concave,

goût pour le risque ⇒ fonction d’utilité convexe,

indifférents ⇒ fonction d’utilité linéaire.

Exemple

Supposons un agent avec une fonction d’utilité logarithmique : u (W ) = Ln(W ) .

La loterie offre 80% de chance de gagner 50€ et 20% de chance de gagner 300€. L’espérance
de gain de cette loterie est de 100€.

u[E(W)] = u[100] = ln(100) = 4,605

E[u(W)] = 0,8 x u(50) + 0,2 x u(300) = 0,8 x ln(50) + 0,2 x ln(300) = 4,270

La fonction log représente donc un agent averse au risque, l’utilité de l’espérance de gain de
la loterie est plus forte que son espérance d’utilité.

12
Nous pouvons généraliser et considérer les attitudes face au risque suivantes :

- L’agent est averse au risque lorsque : u[E(W)] > E[u(W)] ⇔ fonction d’utilité strictement
concave

- L’agent est neutre vis-à-vis du risque lorsque : u[E(W)] = E[u(W)] ⇔ fonction d’utilité
affine

- L’agent a du goût pour le risque lorsque : u[E(W)] < E[u(W)] ⇔ fonction d’utilité
strictement convexe

Aversion au
u(W)
risque

Neutre vis-à-vis
du risque

Goût pour le
risque

Remarque : le critère de l’espérance de gain n’est valable que pour un agent neutre vis-à-vis
du risque.

13
Calcul de la prime de risque et comportement vis à vis du risque

Reconsidérons à présent la première loterie proposée à notre individu :

L1 : [ 0,100000; 0,5, 0,5]

Cet individu nous a dit préférer recevoir 35000€ plutôt que de jouer à la loterie L1 .

⇒ aversion pour le risque (attitude générale).

prime de risque = la différence entre l’espérance du gain de la loterie risquée et l’espérance de

gain de la loterie certaine.

Considérons à présent la courbe d’utilité d’un second individu : Monsieur Blonde.

Gains monétaires Utilité

-40000 -20
0 0
40000 25
70000 50
90000 75
100000 100

14
 Fonction d'utilité de Monsieur Blonde
120

Utilité
100

80

60

40

20
Gains monétaires

0
-20000 0 20000 40000 60000 80000 100000 120000
-20

-40

⇒ fonction d’utilité convexe.

⇒ prime de risque négative (goût pour le risque)

Attitude face au risque Forme de la fonction d’utilité Prime de risque

Aversion pour le risque Croissante et courbée vers le bas >0
(concave)

Indifférence au risque Croissante et rectiligne =0

Croissante et courbée vers le haut

Goût pour le risque (convexe) <0

15
Aversion pour le risque, concavité et prime de risque

L’observation du comportement réel des individus ⇒ restrictions aux fonctions d’utilité.

⇒ non satiété : ( dU / dW > 0 ).

⇒ aversion au risque ( d 2U / dW 2 < 0 ).

Considérons une somme d’argent z petite par rapport à la richesse W0 . Un individu envisage
une loterie lui permettant de gagner W0 + z avec une probabilité de 50% et W0 − z avec la
probabilité de 50%.

1 1
E [U (W )] = U (W0 + z ) + U (W0 − z )
2 2

Si l’individu est averse au risque :

1 1
E [U (W )] = U (W0 + z ) + U (W0 − z ) < U (W0 )
2 2

soit :

U (W0 + z ) − U (W0 ) < U (W0 ) − U (W0 − z )

On peut donc voir que ∆U (W ) diminue lorsque W augmente, autrement dit :

d 2U
<0
dW 2

La courbe représentative de la fonction d’utilité est donc concave.

16
 Pour un individu averse au risque :

⇒ Wc < E (W ) ,
⇒ la différence E (W ) − Wc étant appelée prime de risque.

Avec Wc , l’équivalent certain

u(W)

U (W0 + z )

E [U (W ) ]

U (W0 − z )
Prime
de
risque

W0 − z Wc E (W ) W0 + z
W

17
Prime de risque et demande d’assurance

Soit la richesse initiale de l’agent :W0 = 100

Reconsidérons la loterie précédente : L = [50, 300; 0,8 ; 0,2]

Nous savons que l’espérance d’utilité de la loterie est égale à 4,270. Ce niveau d’utilité
correspond à l’utilité procurée par une somme de 71,55 €.

L’équivalent certain de cette loterie qui est de 71,55 € va nous permettre de calculer la prime
de risque associée à cette loterie.

Prime de risque = espérance du gain de la loterie – équivalent certain de la loterie

Prime de risque = 100 - 71,55 = 28,45.

L’agent est donc prêt à payer 28,45 € pour éviter de subir la loterie

Si une compagnie d’assurance lui propose une police qui lui permet d’éviter cette loterie il
sera prêt à la payer jusqu’à 28,45 €.

18
Attitude vis-à-vis du risque et demande d’actifs risqués

Soit un actif risqué de rendement : r et un actif sans risque rf.

La richesse initiale d’un agent est égale à W0. Le montant de cette richesse placée dans l’actif
risqué est égal à I.

L’agent choisit ce montant I de façon à maximiser l’espérance d’utilité de sa richesse finale

Max E {U [ I (1 + r ) + (W − I )(1 + rf )]} = E {U [ I (r − rf ) + W (1 + rf )]}

La condition de premier ordre s’écrit :

E {U '[ I (r − rf ) + W (1 + rf )](r − rf )} = 0

Pour que l’agent choisisse de ne pas investir en actifs risqués, il est nécessaire que la
condition de premier ordre évaluée en ce point (I = 0) soit négative :

E {U '[W (1 + rf )](r − rf )} ≤ 0

soit encore :

U '[W (1 + rf )]E  (r − rf )  ≤ 0

Par hypothèse, la fonction d’utilité est croissante avec la richesse ( U '(⋅) > 0 ), la condition
précédente est donc équivalente à :

I ≤0 si E (r − rf ) ≤ 0

Un agent avec une fonction d’utilité concave n’achètera des actifs risqués que s’ils offrent une
prime de risque [ E (r − rf ) ] strictement positive.

19
Espérance d’utilité, courbes d’indifférence et plan espérance - écart type

La carte d’indifférence d’un individu regroupe l’ensemble de ses courbes d’indifférence.

Sur une même courbe d’indifférence, figurent toutes les loteries (ou tous les projets) qui
procurent le même niveau d’utilité à l’individu.

La forme de ces courbes dépend de l’attitude de l’individu vis-à-vis du risque.

20
- cas d’un individu averse au risque

U E
C

B
A

σB σC
G σ

Les trois projets A, B et C procurent le même niveau d’utilité à l’individu.

Les courbes d’indifférence sont croissantes lorsque l’individu est averse au risque.

21
- cas d’un individu indifférent au risque

U E

A B C

σB σC
G σ

Les courbes d’indifférence sont des droites horizontales.

Lorsque le risque augmente, aucune compensation en terme d’espérance de gain n’est exigé
par l’individu indifférent au risque pour maintenir son niveau d’utilité constant.

22
- cas d’un individu avec du goût pour le risque

U E

D
A
B
C

σB σC
G σ

Dans le cas d’un individu avec du goût pour le risque, les courbes d’indifférence sont
décroissantes.

D se trouve sur une courbe d’indifférence plus élevée que B car il est plus risqué.

23
1.2.2. Les mesures d’aversion pour le risque

Le théorème de Pratt (1964) démontre que plusieurs façons de mesurer l’aversion pour le
risque sont équivalentes.

Théorème de Pratt
Soient deux agents A et B. Lorsque que A est plus averse au risque que B, cela signifie que :
1) Pour tous les niveaux de richesse, la prime de risque demandée par A est supérieure à
celle demandée par B.
2) L’indice d’aversion absolue pour le risque (indice d’Arrow Pratt) de A est supérieur à
celui de B.
3) La fonction d’utilité de B est une transformation concave de la fonction d’utilité de A :

u B = k (u A ) k ' > 0, k '' < 0

L’indice d’aversion absolue pour le risque se définit comme le rapport de la dérivée seconde
sur la dérivée première :

u ''
AAR = −
u'

L’indice d’aversion absolue pour le risque indique la façon dont la demande d’actif risqué
évolue avec la richesse de l’agent.

Si l’indice décroît avec la richesse, cela signifie que le montant investi en actifs risqués croît
avec la richesse.

L’indice d’aversion relative pour le risque décrit la façon dont la proportion investie en actifs
risqués évolue avec la richesse.

Un indice décroissant décrit un agent qui investit une proportion croissante de sa richesse en
actifs risqués quand sa richesse augmente.

ARR = W x AAR

24
1.2.3. Applications aux fonctions d’utilité usuelles

a) La fonction quadratique

u (W ) = W − aW 2

u '(W ) = 1 − 2aW > 0

u ''(W ) = −2a

1
Fonctionne pour un domaine de richesse limité : W < .
2a

2a
AAR = (croissante)
1 − 2aW

2aW
ARR = (croissante)
1 − 2aW

b) la fonction exponentielle négative

u (W ) = −e− aW avec a ≥ 0

u '(W ) = ae − aW > 0

u ''(W ) = − a 2 e − aW < 0

AAR = a (constante)

ARR = aW (croissante)

25
c) la fonction d’utilité logarithmique

u (W ) = ln W

u '(W ) = W −1 et u ''(W ) = −W −2

AAR = W −1 (décroissante)

ARR = 1 (croissante)

d) la fonction puissance

u (W ) = W b , 0 < b < 1

u '(W ) = bW b −1 et u ''(W ) = (b − 1)bW b − 2

(b − 1)bW b − 2 1 − b
AAR = − = (décroissante)
bW b −1 W

ARR = 1 − b (constante)

26
1.2.4. Prudence, tempérance et anxiété

Considérons deux loteries LA et LB définies comme suit :

0 2

1/4 1/2

1/4 1/4
LA 4 LB 6

1/2 1/4

8 10

Ces deux loteries ont même espérance (5) et même variance (11)

Tous les riscophobes avec une utilité quadratique sont indifférents entre LA et LB.

Dans le groupe des riscophobes qui ne sont pas caractérisés par une utilité quadratique,
certains riscophobes préféreront à LA à LB tandis que d’autres exprimeront la préférence
inverse.

En fait, c’est le signe de la dérivée troisième de u qui permet de départager le groupe des
riscophobes quant à la préférence relative vis-à-vis de LA et de LB .

On peut montrer que :

u ''' > 0 ⇒ LB ≻ LA

u ''' < 0 ⇒ LB ≺ LA

u ''' = 0 ⇒ LB ≈ LA

La dérivée troisième de la fonction d’utilité est en fait reliée à l’aversion pour le downside
risk.

27
⇒ On a opéré sur les deux plus mauvais résultats de LA une contraction à moyenne constante
(CMC) pour obtenir le moins bon résultat de LB.

⇒ On a opéré sur le meilleur résultat de LA un étalement à moyenne constante (EMC).

Puisque la CMC et l’EMC ont la même amplitude, la variance reste constante.

⇒ LB a moins de risque « vers le bas » que LA et plus de risque « vers le haut ».

Si un individu souhaite réduire le risque qui grève les moins bons résultats d’une loterie au
prix d’un accroissement du risque vis-à-vis des meilleurs résultats, il sera qualifié de averse au
downside risk (ou encore il présentera du goût pour la skewness) et la dérivée troisième de sa
fonction d’utilité sera positive.

Kimball (1990) définit le coefficient de prudence absolue suivant :

u '''
P= −
u ''

Un agent est prudent lorsque ce coefficient est positif. Il présente alors une aversion au
downside risk.

Kimball (1992) raffinera l’analyse en définissant un indice de tempérance :

u ''''
T= −
u '''

L’indice de tempérance va refléter le comportement d’un agent lorsque celui-ci fait face à un
risque non-assurable. Un agent qui présente de « la tempérance » et qui fait face à un risque
de revenu non-assurable réduira sa part d’actifs risqués dans son portefeuille (son exposition à
d’autres risques) même si les deux risques sont statistiquement indépendants.

D’autres auteurs raffineront l’analyse en proposant l’indice d’anxiété :

u '''''
A= −
u ''''

L’indice d’anxiété va refléter la réaction d’un agent face à des risques multiples.

28
Exemple : la fonction d’utilité logarithmique

u ''(W )
u (W ) = ln W AAR = − = W −1
u '(W )
1 u '''(W )
u '(W ) = >0 P=− = 2W −1
W u ''(W )
1
u ''(W ) = − 2 < 0 u ''''(W )
W T=− = 3W −1
u '''(W )
2
u '''(W ) = 3 u '''''(W )
W A=− = 4W −1
u ''''(W )
−6
u ''''(W ) = 4
W
24
u '''''(W ) = 5
W

29
Pour résumer et conclure : Le critère de l’espérance d’utilité

Considérons les deux loteries suivantes :

L6 : [15000,35000, 60000; 0,1, 0,6, 0,3]

L7 : [ −15000,35000,100000;1 3,1 3,1 3]

Notre individu choisira la loterie qui lui procurera l’utilité la plus grande.

U ( L6 ) = [0,1× U (15000)] + [0, 6 × U (35000)] + [0,3 × U (60000)]

= (0,1× 25) + (0, 6 × 50) + (0, 3 × 75) = 55

U ( L7 ) = [1 3 × U (−15000)] + [1 3 × U (35000)] + [1 3 × U (100000)]

= (1 3 × −100) + (1 3 × 50) + (1 3 × 100) = 16, 67

L’individu choisira donc la loterie L6 à partir du critère de l’espérance d’utilité.

Notons que :

1) l’espérance des gains des loteries est très proche :

40500€ pour la loterie L6 et 40000€ pour la loterie L7 .

2) Le risque de la loterie L7 est en revanche beaucoup plus élevé que celui de la loterie L6 .

L’écart type (ou la variance) est une mesure courante de la dispersion d’une distribution de
probabilité.

On peut démontrer que l’écart type (ou la variance) est une bonne mesure de risque lorsque :
- les distributions de probabilité des loteries sont normales ;
- lorsque les fonctions d’utilité des individus sont quadratiques (U = aG2+ bG + c)

Dans le cadre de la gestion de portefeuille moyenne-variance, l’agent essaie d’obtenir un

rendement maximum pour un risque minimum.

30