Vous êtes sur la page 1sur 15

Fonctions homogènes, théorème d’Euler et applications en

actuariat

Etienne Marceau, PhD, ASA, professeur titulaire


École d’actuariat, Université Laval

13 avril 2015

Abstract

Ce document contient quelques notes sur les fonctions homogènes, le théorème d’Euler et
des applications en actuariat.

1 Introduction

On présente quelques notions sur les fonctions homogènes et le théorème d’Euler ainsi que leur
application en actuariat.

2 Fonction homogène et exemples

Dé…nition 1 Soit ' (x1 ; :::; xn ) une fonction dé…nie sur Rn avec valeur dans R. La fonction ' est
dite homogène de dégré m si
m
' ( x1 ; :::; xn ) = ' (x1 ; :::; xn ) ;

pour tout > 0.

On fournit quelques exemples de fonctions homogènes.

Exemple 2 Soit
' (x1 ; :::; xn ) = a1 x1 + ::: + an xn
avec ai 2 R. Alors, on a

' ( x1 ; :::; xn ) = a1 x1 + ::: + an xn


= ' (x1 ; :::; xn ) ;

1
ce qui implique que ' est homogène avec degré 1.

Exemple 3 Soit
' (x1 ; :::; xn ) = b x1 ::: xn
avec b 2 R. Alors, on a

' ( x1 ; :::; xn ) = b x1 ::: an xn


n
= ' (x1 ; :::; xn ) ;

ce qui implique que ' est homogène avec degré n.

Exemple 4 Soit
' (x1 ; :::; xn ) = a1 xm m
1 + ::: + an xn

avec ai 2 R. Alors, on constate


m m m m
' ( x1 ; :::; xn ) = a1 x1 + ::: + an xn
m
= ' (x1 ; :::; xn ) ;

ce qui implique que ' est homogène avec degré m.

Exemple 5 Soit
' (x1 ; x2 ; x3 ) = a1 x51 + an x32 x23
avec ai 2 R, i = 1; 2. Alors, comme
5 5 3 3 2 2
' ( x1 ; x2 ; x3 ) = a1 x1 + a2 x2 x3
5
= ' (x1 ; x2 ; x3 ) ;

on déduit que ' est homogène avec degré 5.

Exemple 6 Les fonctions


ln (x1 + ::: + xn )
et
exp (x1 + ::: + xn )
ne sont pas homogènes.

3 Théorème d’Euler, remarques et corollaire

Le résultat suivant est important.

2
Théorème 7 Théorème d’Euler. Soit ' (x1 ; :::; xn ) une fonction dé…nie sur Rn avec valeur
dans R, que l’on suppose di¤ érentiable en tout point. Si la fonction ' est (positivement) homogène
de degré m, alors on a
n
X @'
m' (x1 ; :::; xn ) = xi (x1 ; :::; xn ) (1)
@xi
i=1

pour tout (x1 ; :::; xn ) 2 Rn .

Preuve. Si ' (x1 ; :::; xn ) est homogène d’ordre m, on sait que


m
' ( x1 ; :::; xn ) = ' (x1 ; :::; n) (2)

pour tout > 0. On dérive de part d’autre par rapport à et on pose = 1. Du côté gauche de
l’égalité en (2), on a
n
X
d' ( x1 ; :::; xn ) @' ( x1 ; :::; xn ) @ ( xi )
=
d =1 @ ( xi ) @
i=1 =1
n
X @' ( x1 ; :::; xn )
= xi
@ ( xi )
i=1 =1
Xn
@' (x1 ; :::; xn )
= xi :
@xi
i=1

Ensuite, pour le côté droit de l’égalité en (2), on a


m
d( ' (x1 ; :::; xn )) m 1
= m ' (x1 ; :::; xn ) =1
d =1
= m' (x1 ; :::; xn ) :

Remarque 8 Pour m = 1, (2) devient


n
X n
@' (x1 ; :::; xn ) X
' (x1 ; :::; xn ) = xi = Ci (x1 ; :::; xn ) : (3)
@xi
i=1 i=1

Ainsi, la fonction ' correspond à la somme des contributions de chaque variable xi , qui correpond
à
@' (x1 ; :::; xn )
Ci (x1 ; :::; xn ) = xi (4)
@xi
pour i = 1; 2; :::; n.

3
Remarque 9 À partir de (4) et supposant xi = 0; on observe que

@' (x1 ; :::; xn )


Ci (x1 ; :::; xn ) = xi
@xi
' (x1 ; :::; xi + h; :::; xn ) ' (x1 ; :::; xi ; :::; xn )
= lim xi (5)
"!0 h
En posant h = "xi , (5) devient

' (x1 ; :::; (1 + ") xi ; :::; xn ) ' (x1 ; :::; xi ; :::; xn )


Ci (x1 ; :::; xn ) = lim xi
"!0 (1 + ") xi xi
' (x1 ; :::; (1 + ") xi ; :::; xn ) ' (x1 ; :::; xi ; :::; xn )
= lim
"!0 "
@' (x1 ; :::; i xi ; :::; xn )
= ; (6)
@ i i =1

pour i = 1; 2; :::; n.

À la suite de la Remarque 9, on déduit le corollaire suivant.

Corollaire 10 Pour une fonction homogène d’ordre 1 et dérivable ', (3) devient
n
X @' (x1 ; :::; xn )
' (x1 ; :::; xn ) = xi
@xi
i=1
Xn
@' ( 1 x1 ; :::; n xn )
=
@ i
i=1 1 =:::= n =1
Xn
= Ci (x1 ; :::; xn ) ;
i=1

i.e. la contribution de la variable est


@' ( 1 x1 ; :::; n xn )
Ci (x1 ; :::; xn ) = :
@ i 1 =:::= n =1

Remarque 11 Approximation de la contribution. Dans les circonstances où on ne peut pas


identi…er la forme analytique pour (6), on recours à l’approximation

' (x1 ; :::; (1 + ") xi ; :::; xn ) ' (x1 ; :::; xi ; :::; xn )


Ci (x1 ; :::; xn ) '
"
avec un choix très petit pour " (e.g. 10 3 ou 10 4 ).

4
4 Risque global d’un portefeuille et contributions

Soit un portefeuille constitué de n risques (contrats, lignes d’a¤aires, etc.) X1 ; :::; Xn . Le théorème
7 d’Euler est très utile pour pour établir la contribution d’un risque Xi au risque global S =
X1 + ::: + Xn du portefeuille.

Soit une mesure positivement homogène d’ordre 1 (S) = (X1 + ::: + Xn ). À partir du Corol-
laire 10, on a
n
X
(S) = (X1 + ::: + Xn ) = Ci (X1 ; :::; Xn )
i=1

@ ( 1 X1 ; :::; n Xn )
C (Xi ) = (7)
@ i 1 =:::= n =1

Exemple 12 Les mesures de risque

T V aR (X1 + ::: + Xn )

et
V aR (X1 + ::: + Xn )
sont homogènes positives d’ordre 1. En e¤ et, on a

V aR ( X1 + ::: + Xn ) = V aR (X1 + ::: + Xn )

et
T V aR ( X1 + ::: + Xn ) = T V aR (X1 + ::: + Xn )
pour > 0.

Exemple 13 La mesure de risque


p
V ar (X1 + ::: + Xn )

est homogène positive avec ordre 1, car


p p
V ar (X1 + ::: + Xn ) = V ar ( X1 + ::: + Xn )
q
2
= V ar (X1 + ::: + Xn )
p
= V ar (X1 + ::: + Xn ):

Exemple 14 En revanche, la variance

V ar (X1 + ::: + Xn )

5
est homogène positive avec ordre 2, parce qu’on a

V ar (X1 + ::: + Xn ) = V ar ( X1 + ::: + Xn )


2
= V ar (X1 + ::: + Xn ) :

On considère trois mesures de risque pour lesquelles on peut identi…er la forme de la contribution.

4.1 Mesure écart-type et contribution

P
Soit la v.a. S = ni=1 Xi . On mesure
p le risque global du portefeuille à l’aide la mesure écart-type
de S qui est donnée par (S) = V ar (S), où

V ar (S) = V ar (X1 + ::: + Xn )


Xn n
X n
X
= V ar (Xi ) + Cov (Xi ; Xj ) :
i=1 i=1 j=1;j6=i

On désire identi…er la contribution de chaque risque Xi au risque global du portefeuille. À l’aide


de 7, on a
p @' (
V ar 1 X1 ; :::; n Xn )
C (Xi ) =
@ i 1 =:::= n =1
p
@ V ar ( 1 X1 + ::: + n Xn )
=
@ i
1 =:::= n =1
qP Pn Pn
n
@ i=1 V ar ( i Xi ) + i=1 j=1;j6=i Cov ( i Xi ; j Xj )
=
@ i
1 =:::= n =1
qP Pn Pn
n 2
@ i=1 iV ar (Xi ) + i=1 j=1;j6=i i j Cov (Xi ; Xj )
=
@ i
1 =:::= n =1

qui devient
P
p
V ar 1 2 i V ar (Xi ) + 2 nj=1;j6=i j Cov (Xi ; Xj )
C (Xi ) = q
2 Pn V ar ( X ) + Pn Pn
i=1 i i i=1 j=1;j6=i Cov ( i Xi ; j Xj )
1 =:::= n =1
Pn
V ar (Xi ) + j=1;j6=i Cov (Xi ; Xj )
= p
V ar (S)
Cov (Xi ; S)
= p :
V ar (S)

6
Donc, la contribution du risque i au risque global est
p Cov (Xi ; S)
V ar
C (Xi ) = p :
V ar (S)

Comme prévu, on observe


n
X p Xn
V ar Cov (Xi ; S)
C (Xi ) = p
i=1 i=1
V ar (S)
Pn
i=1 Cov (Xi ; S)
= p
V ar (S)
V ar (S)
= p
V ar (S)
p
= V ar (S):

4.2 Mesure VaR et contribution

Pour le prochain exemple, on a recours au lemme suivant.

Lemme 15 Soit une v.a. continue Y . Alors, on a

E Y 1fY =bg
b= = E [Y jY = b] :
fY (b)

P
Soit la v.a. S = ni=1 Xi . On mesure le risque global du portefeuille à l’aide de la mesure VaR
de S qui est donnée par (S) = V aR (S), où

V aR (S) = V aR (X1 + ::: + Xn ) :

Pour simpli…er la présentation, on suppose que les v.a. X1 :::; Xn sont continues.

Selon le lemme 15, on observe que

V aR (X1 + ::: + Xn ) = E [X1 + ::: + Xn jX1 + ::: + Xn = V aR (X1 + ::: + Xn )]

Pour déterminer la contribution de chaque risque Xi au risque global du portefeuille. À l’aide du


Théorème 7 d’Euler et de (6), on a

@E [ 1 X1 + ::: + n Xn jS = V aR (S)]
C V aR (Xi ) =
@ i 1 =:::= n =1

= E [ i Xi jS = V aR (S)]j 1 =:::= n =1

= E [Xi jS = V aR (S)]
E Xi 1fS=V aR (S)g
= :
fS (V aR (S))

7
Pour le développement, on ne multiplie pas les v.a. X1 ; :::; Xn qui sont présentent dans la condition,
car il faut considérer cette condition comme une contrainte i.e. on travaille avec la contrainte que
la somme des v.a. est égale b = V aR (S). Bref, la contribution du risque i au risque global est

E Xi 1fS=V aR (S)g
C V aR (Xi ) = : (8)
fS (V aR (S))

Comme prévu, on observe


n
X Xn
E Xi 1fS=V aR (S)g
C V aR (Xi ) =
fS (V aR (S))
i=1 i=1
Pn
E i=1 Xi 1fS=V aR (S)g
=
fS (V aR (S))
E S 1fS=V aR (S)g
= p
V ar (S)
= V aR (S) :

4.3 Mesure TVaR et contribution

P
Soit la v.a. S = ni=1 Xi . On mesure le risque global du portefeuille à l’aide de la mesure TVaR
de S qui est donnée par (S) = T V aR (S), où

T V aR (S) = T V aR (X1 + ::: + Xn ) :

Pour simpli…er la présentation, on suppose que les v.a. X1 :::; Xi sont continues.

On sait que

T V aR (X1 + ::: + Xn ) = E [(X1 + ::: + Xn ) jS > V aR (S)]


E (X1 + ::: + Xn ) 1fS>V aR (S)g
=
Z 1 1
1
= E (X1 + ::: + Xn ) 1fS=yg dy:
1 V aR (X1 +:::+Xn )

À partir de (8), on déduit


Z 1
T V aR 1
C (Xi ) = E Xi 1fS=yg dy
1 V aR (X1 +:::+Xn )
1
= E Xi 1fS>V aR (X1 +:::+Xn )g dy:
1

8
4.4 Approximation de la contribution

Comme on l’indique dans la remarque 11, si on ne parvient pas à identi…er la forme analytique
pour (7), on utilise l’approximation donnée par

(X1 ; :::; (1 + ") Xi ; :::; Xn ) (X1 ; :::; Xi ; :::; Xn )


Ci '
"
avec un choix d’une très petite valeur pour " (e.g. 10 3 ou 10 4 ).

4.5 Approximation basée sur la simulation

On considère un portefeuille d’un nombre n élevé de risques représentés par le vecteurPde v.a.
n
(X1 ; :::; Xn ). Les coûts pour l’ensemble du portefeuille sont dé…nis par la v.a. S = i=1 Xi .
Pour parvenir à évaluer les di¤érentes quantités de risque (e.g. mesures de risque, mesures de
solvabilité, primes stop-loss, etc.) dé…nies en fonction des coûts totaux du portefeuille et à évaluer
les contributions associées à chaque risque, il arrive en pratique que la seule possibilité repose sur
les méthodes fondées sur la simulation stochastique.

Dans cette section, on explique la procédure pour évaluer approximativement les contributions
selon les règles basées sur sur la VaR et sur la TVaR.

On suppose que l’on a produit les m réalisations


n o
(j)
X1 ; :::; Xn(j) ; j = 1; 2; :::; m

de (X1 ; :::; Xn ) et S (j) ; j = 1; 2; :::; m de S.

Hypothèse 16 Dans cette section, on suppose que m 2 N.

Hypothèse 17 Dans cette section, on fait aussi l’hypothèse que les v.a. (X1 ; :::; Xn ) sont contin-
ues.

Remarque 18 Les deux hypothèses sont faites pour simpli…er la présentation. Le cas plus général
est traité en détail dans le chapitre 10 de Marceau (2013).

L’ensemble des réalisations classées en ordre croissant de S est noté par S [j] ; j = 1; 2; :::; m .
On …xe j0 tel que Fm 1 ( ) = X [j0 ] où Fn est la fonction de répartition empirique déterminée à
partir des réalisations S (j) ; j = 1; 2; :::; m . Bref, j0 = m.

La valeur de V aR (S) est déterminée approximativement par Fm 1 ( ). On …xe V aR (S) '


V[
aR (S) = Fm 1 ( ) = S [j0 ] . On rappelle l’expression de l’approximation de T V aR (S) qui est

9
donnée par
0 1
m
X
1 @1 oA
T\
V aR (S) ' S (j) 1nS (j) >V[
1 m aR (S)
j=1
m
X
1
= S [j] :
m j0
j=j0 +1

Les approximations des contributions au risque Xi selon les règles basées sur la VaR et la TVaR
sont données respectivement par
m
X
e V aR (Xi ) = (j)
C V aR (Xi ) ' C Xi 1fS (j) =S [j0 ] g
j=1

et
m
X
e T V aR (Xi ) = 1 (j)
C T V aR (Xi ) ' C Xi 1fS (j) >S [j0 ] g
(1 )m
j=1
m
X
1 (j)
= Xi 1fS (j) >S [j0 ] g ;
m j0
j=1

pour i = 1; 2; :::; n.

Exemple 19 On considère un portefeuille avec trois v.a. continues X1 , X2 , et X3 . On a reproduit


le tableau ci-dessous 10 réalisations du vecteur (X1 ; X2 ; X3 ) :
(j) (j) (j)
j X1 X1 X1 S (j) rang
1 442 636 4159 5237 5
2 1545 1620 2436 5601 6
3 3733 1933 7860 13526 10
4 1915 1637 2147 5699 7
5 1197 1448 1363 4008 3
6 2503 195 265 2963 1
7 918 1185 1131 3234 2
8 959 672 2718 4349 4
9 1991 1770 4137 7898 9
10 2667 2505 639 5811 8

On fournit dans le tableau suivant les valeurs de V]


aR et des contributions de chaque risque à

10
cette mesure :
e V aR (X1 )
C e V aR (X2 )
C e V aR (X3 )
C V]
aR (S)
0.7 1915 1637 2147 5699
0.8 2667 2505 639 5811
0.9 1991 1770 4137 7898

On fournit dans le tableau suivant les valeurs de T^


V aR et des contributions de chaque risque à
cette mesure :

e T V aR (X1 )
C e T V aR (X2 )
C e T V aR (X3 )
C T^
V aR (S)
0.7 2797 2069.33 4212 9078.33
0.8 2862 1851.5 5998.5 10712
0.9 3733 1933 7860 13526

e T V aR (Xi )
Dans le tableau suivant, on observe que C T^
V aR (Xi ), pour chaque valeur de et
chaque risque Xi (i = 1; 2; 3) :

T^
V aR (X1 ) T^
V aR (X2 ) T^
V aR (X3 )
0.7 2967.67 2069.33 5385.33
0.8 3200 2219 6009.5
0.9 3733 2505 7860

Cette relation découle de la propriété de sous-additivité de la mesure TVaR. Comme la mesure


e V aR (X2 ) = 2505 >
VaR n’est pas sous-additive, on n’observe pas une telle relation. Par exemple, C0:8
V]
aR0:9 (X2 ) = 1770.

5 Exercices
1. On rappelle deux des quatres propriétés que doit satisfaire une mesure de risque pour être
cohérente.

Invariance à la translation. Soient un risque X et un scalaire a 2 R. Une mesure &


est invariante à la translation si

& (X + a) = & (X) + a;

pour 0 < < 1.


Monotonocité. Soient deux risques X1 et X2 tels que Pr (X1 X2 ) = 1. Une mesure
& est monotone si
& (X1 ) & (X2 ) ;
pour 0 < < 1.

Questions :

11
p
(a) Montrer avec un exemple simple que la mesure Var (S) ne satisfait pas la propriété
d’invariance à la translation.
(b) Soient les v.a. X1 et X2 telles que X1 U nif
p (0; 1) et Pr (X2 = 10) = 1. Utiliser ce
contre-exemple pour montrer que la mesure Var (S) ne satisfait pas la propriété de
monotonocité.

2. Soit P
un portefeuille de n risques X1 , ..., Xn . Le montant total des coûts est dé…ni par la v.a.
S = ni=1 Xi . On calcule les primes
p
A (S) = E [S] + Var (S) 1 ( )

et
1( ) 2
p 1 1 ( )
B (S) = E [S] + Var (S) p e 2 :
1 2
Questions :

(a) Montrer que la fonction


n
!
X
' (X1 ; :::; Xn ) = A (S) = A Xi
i=1

est homogène. Utiliser le théorème d’Euler pour identi…er la contribution C B (Xi ) (pour
chaque risque Xi ) associée à la prime A (S).
(b) Montrer que la fonction
n
!
X
' (X1 ; :::; Xn ) = B (S) = B Xi
i=1

est homogène. Utiliser le théorème d’Euler pour identi…er la contribution C B (Xi ) (pour
chaque risque Xi ) associée à la prime B (S).

3. Soit le vecteur de v.a. (X1 ; X2 ; X3 ) dont la fonction de répartition conjointe est dé…nie par
2
X x3
x1 x2
10(5 i2 )
FX1 ;X2 (x1 ; x2 ; x3 ) = pi 1 e 10i2 1 e 20i2 1 e
i=1

pour x1 ; x2 ; x3 0.
Hypothèses : p1 = 0:75, p2 = 0:25.

(a) Identi…er les lois de X1 , X2 et X3 .


(b) Calculer Cov (X1 ; X2 ), Cov (X1 ; X3 ) et Cov (X2 ; X3 ).
(c) Soit S = X1 + X2 + X3 . Calculer E [S] et Var (S).
p p
(d) Calculer la mesure V ar (S) et les contributions C V ar (Xi ), i = 1; 2; 3, associées à
cette mesure.

12
(e) Soit la prime p 1
A (S) = E [S] + Var (S) ( ):
Utiliser le théorème d’Euler pour calculer les 3 contribution C A (Xi ), i = 1; 2; 3, associées
à la prime A (S).
Comparer C A (Xi ) avec
p
A (Xi ) = E [Xi ] + Var (Xi ) 1 ( )

pour i = 1; 2; 3. Commenter.
(f) Soit la prime
1( ) 2
p 1 1 ( )
B (S) = E [S] + Var (S) p e 2 :
1 2
Utiliser le théorème d’Euler pour calculer les 3 contribution C B (Xi ), i = 1; 2; 3, associées
à la prime B (S).
Comparer C B (Xi ) avec
1( ) 2
p 1 1 ( )
B (Xi ) = E [Xi ] + Var (Xi ) p e 2
1 2
pour i = 1; 2; 3. Commenter.

4. Soit le vecteur de v.a. indépendantes X = (X1 ; X2 ; X3 ) avec Xi Gamma ( i ; i ), i = 1; 2; 3


:
i i i
1 10 1/300
2 4 1/500
3 1 1/1000
On dé…nit S = X1 + X2 + X3 .
On utilise le générateur congruentiel linéraire (a = 41358, m = 231 1, x0 = 20150418) pour
(j) (j) (j)
générer 1000 (mille) réalisations X (j) = X1 ; X2 ; X3 de X = (X1 ; X2 ; X3 ). Note :

(j) (j) (j)


j X1 X2 X3 S
1 1751.59 635.75 2079.29 4466.63
1000 3482.43 3308.14 1933.8 8724.37

Questions :

(a) Calculer V] e V aR (X1 ), C


aR (S), C e V aR (X2 ) et C
e V aR (X3 ), pour = 0.9, 0.95. Rép :

e V aR (X1 )
C e V aR (X2 )
C e V aR (X3 )
C V]
aR (S)
0.9 4124.31 2624.34 1285.72 8034.37
0.95 5009.87 706.38 3340.05 9056.3

(b) Calculer T^ e T V aR (X1 ), C


V aR (S), C e T V aR (X2 ) et C
e T V aR (X3 ), pour = 0.9, 0.95. Rép

13
:
e T V aR (X1 )
C e T V aR (X2 )
C e T V aR (X3 )
C T^
V aR (S)
0.9 3817.94 3135.97 2406.45 9360.36
0.95 4043.17 3287.30 2903.77 10234.24
Calculer les ratios
e T V aR (Xi )
C
T^V aR (S)
et comparer avec les
E [Xi ]
:
E [S]
Commenter.

5. Soit le vecteur de v.a. indépendantes X = (X1 ; X2 ; X3 ) avec

X1 P areto ( P; )
X2 Gamma ( G; )
X3 LN ( ; )

dont les paramètres sont …xés de telle sorte que E [Xi ] = 100 et V ar (Xi ) = 3002 . On dé…nit
S = X1 + X2 + X3 .
On utilise le générateur congruentiel linéraire (a = 41358, m = 231 1, x0 = 20150420) pour
(j) (j) (j)
générer 10000 (dix milles) réalisations X (j) = X1 ; X2 ; X3 de X = (X1 ; X2 ; X3 ). Note
:
(j) (j) (j)
j X1 X2 X3 S
1 4.301684047 9.115579333 66.14273935 79.56000273
10000 61.8150013 0.001854649 27.89728374 89.71413969

Questions :

(a) Calculer V] e V aR (X1 ), C


aR (S), C e V aR (X2 ) et C
e V aR (X3 ), pour = 0.9, 0.99. Rép :

e V aR (X1 )
C e V aR (X2 )
C e V aR (X3 )
C V]aR (S)
0.9 63.85355187 0.001353764 635.1437642 698.9986699
0.99 18.64596296 1336.068976 874.8497052 2229.564644

(b) Calculer T^
V aR (S), Ce T V aR (X1 ), Ce T V aR (X2 ) e T V aR (X3 ), pour
et C = 0.9, 0.99. Rép
:
e T V aR (X1 ) C
C e T V aR (X2 ) e T V aR (X3 )
C T^
V aR (S)
0.9 340.5407806 632.8588813 431.6821852 1405.081847
0.99 1040.278256 1386.440302 1378.338262 3805.056819

6. On présente une illustration simple du Théorème 7. On considère l’espérance de la valeur


présente des coûts pour une rente continue vie-entière (représentée par la v.a. Z) émis à un
assuré d’âge x. On fait l’hypothèse que la durée de vie de l’assuré obéit à une loi exponentielle

14
de paramètre > 0. La force d’intérêt est > 0. On déduit que
1
E [Z] = ' ( ; ) = .
+

Questions :

(a) Montrer que la fonction ' ( ; ) est homogène d’ordre 1.


(b) On utilise le Théorème pour montrer l’on peut décomposer ' ( ; ) en deux termes, l’un
en fonction de (mortalité) et de (intérêt) :

E [Z] = ' ( ; ) = + :
( + )2 ( + )2

Solution :

(a) Montrer que la fonction ' ( ; ) est homogène d’ordre 1.


Pour > 0, on a
1 1 1 1
'( ; )= = = '( ; )
+ +
ce qui simplique que la fonction est homogène d’ordre -1.
(b) On utilise le Théorème 7 pour montrer l’on peut décomposer ' ( ; ) en deux termes,
l’un en fonction de (mortalité) et de (intérêt) :

E [Z] = ' ( ; ) = + :
( + )2 ( + )2

En appliquant le Théorème 7, on déduit

@' ( ; ) @' ( ; )
( 1) '( ; ) = +
@ @
= +
( + )2 ( + )2

et on obtient le résultat désiré.

c Etienne Marceau, 2015.

15

Vous aimerez peut-être aussi