Académique Documents
Professionnel Documents
Culture Documents
Geéorg
giia Stta
comme atte
UEOniivve
NUerrssiittyy
Sc hola Non
flècheW orrkkss@G
@ Gé
eorg
giia Stta
comme atte
UEOniivve
NUerrssiittyy
Gestion des Risques et Assurances Mémoires Département Gestion des Risques et Assurances
8-11-2015
E ayyss a
Essssa ounRRiisskk Maman
M un n /ag
A gemfr
ointt ffoour IInnssu
urra
un
Nce
Ce Codm
éputé unniieesse
Pennsylvanie
Xiaohu Ping
Université d'État de Géorgie
Rcée
commfr
oisd
dedCCiittaattiioau
m
Ping, Xiaohu, "Essais sur la gestion des risques pour les compagnies d'assurance." Thèse, Georgia State
University, 2015.
https://scholarworks.gsu.edu/rmi_diss/37
Cette thèse vous est proposée en accès libre et gratuit par le Département de la gestion des risques et des assurances de
ScholarWorks @ Georgia State University. Il a été accepté pour inclusion dans les dissertations sur la gestion des risques et les
assurances par un administrateur autorisé de ScholarWorks @ Georgia State University. Pour plus d'information veuillez contacter
travaux universitaires@gsu.edu.
AUTORISATION D'EMPRUNTER
En présentant cette thèse comme une satisfaction partielle des exigences d'un diplôme d'études supérieures de
l'Université d'État de Géorgie, j'accepte que la bibliothèque de l'Université la rende disponible pour inspection et
circulation conformément à ses règlements régissant les documents de ce type. J'accepte que l'autorisation de
citer, de copier ou de publier cette thèse puisse être accordée par l'auteur ou, en son absence, le professeur sous
la direction duquel elle a été rédigée ou, en son absence, par le doyen du Robinson Collège des affaires. Une telle
citation, copie ou publication doit être uniquement à des fins académiques et n'implique pas de gain financier
potentiel. Il est entendu que toute copie ou publication de cette thèse qui implique un gain potentiel ne sera pas
autorisée sans l'autorisation écrite de l'auteur.
Xiaohu Ping
je
AVIS AUX EMPRUNTEURS
Toutes les thèses déposées à la Georgia State University Library doivent être utilisées uniquement conformément aux
stipulations prescrites par l'auteur dans la déclaration précédente.
Xiaohu Ping
Département de la gestion des risques et des
assurances 35 Broad Street, Atlanta, GA 30303
Georges Zanjani
Département de la gestion des risques et des assurances
Georgia State University
35 Broad Street, Atlanta, Géorgie 30303
ii
Essais sur la gestion des risques pour les compagnies d'assurance
PAR
Xiaohu Ping
De
Docteur en philosophie
De
iii
Droit d'auteur par
Xiaohu Ping
2015
iv
ACCEPTATION
Cette thèse a été préparée sous la direction du Xiaohu Ping Comité de thèse. Il a été approuvé et
accepté par tous les membres de ce comité, et il a été accepté en réponse partielle aux exigences du
diplôme de docteur en philosophie en administration des affaires de la J.
Mack Robinson College of Business de l'Université d'État de Géorgie.
COMITÉ DE MÉMOIRE
Dr George Zanjani
Dr Ajay Subramanian
Dr Daniel Bauer
Dr Stephen Shore
Dr Michael Pouvoirs
v
ABSTRAIT
PAR
Xiaohu Ping
20/07/2015
La thèse comprend deux essais sur la gestion des risques des assureurs. Le premier essai porte
sur la façon dont les assureurs utilisent la structure des contrats pour gérer leurs risques de
souscription. Les recherches existantes sur la théorie des contrats d'assurance mettent l'accent
sur les problèmes d'information et les questions liées à la demande lors de l'explication de la
structure des contrats. Les facteurs liés à l'offre, en particulier les considérations de risque chez
l'assureur, ont reçu beaucoup moins d'attention. Dans cet article, nous étendons le cadre
contractuel optimal de Raviv, 1979 pour explorer comment le risque de fond chez l'assureur
affecte la structure contractuelle optimale. Nous confirmons les conclusions antérieures selon
lesquelles le risque de fond de l'assureur peut réduire le partage des risques dans le contrat
optimal. Nous allons plus loin en montrant qu'une corrélation positive entre le risque de fond de
l'assureur et la perte de l'assuré peut conduire à des formes contractuelles exclues par le
modèle standard,
vi
REMERCIEMENTS
C'est un grand honneur d'être titulaire d'un doctorat. étudiant dans l'un des meilleurs départements
de gestion des risques et d'assurance au monde à la Georgia State University. J'ai appris et bénéficié
plus que je ne pourrais jamais imaginer. Je tiens à remercier tous les professeurs et le personnel du
département pour leur gentillesse. Je tiens tout particulièrement à remercier le doyen du Robinson
College : le professeur Richard Phillips, le directeur du département : le professeur Martin Grace, le
Ph.D. coordonnateurs : le professeur George Zanjani et le professeur Stephen Shore, ainsi que tous
les professeurs du Département de gestion des risques et d'assurance. Vous avez tous été là pour me
soutenir sans aucune hésitation lorsque j'ai eu des problèmes de recherche et lorsque j'ai eu des
questions sur le marché du travail. Les éventuelles erreurs et lacunes dans cette thèse sont de ma
responsabilité.
Un merci spécial à ma famille. Les mots ne peuvent exprimer à quel point je suis reconnaissant envers
ma mère et mon père, pour tous les sacrifices que vous avez faits en mon nom. Votre prière pour moi
a été ce qui m'a soutenu jusqu'à présent. Je tiens également à remercier tous mes amis qui m'ont
soutenu par écrit et m'ont encouragé à poursuivre mon objectif.
vii
CONTENU
RÉSUMÉ………………………………………………………………………………..vi
REMERCIEMENTS………………………………………… ……………………vii
1.1 Introduction………………..………………..………………..………………..……1
1.5 Conclusion………………..………………..………………..………………….…30
1.6 Annexe………………..………………..………………..………………..…..…31
2.1 Présentation………………..……………….……………….……………….….…59
2.4 Conclusion……………….……………….……………….……………….……...78
2.5 Références……………….……………….……………….……………….………79
viii
LISTE DES FIGURES
Figure 1.2 Programmes d'indemnisation optimaux lorsque c'(.) > 0………………..… ……………54
c'(·) > 0………………55 Figure 1.5 Structure d'indemnisation optimale avec risque de fond
1.7 Structure d'indemnisation optimale avec risque de fond dépendant et aucun coût
………………….…….…………………74
ix
Graphique 2.6 0 selon Φσ en 2 périodes ………………….…….……………………75 Figure
………………….…….……..……………77
X
Chapitre 1 : Contrats d'assurance optimaux avec
1. Introduction
Les contrats d'assurance ont des caractéristiques de partage des risques bien connues, telles que les
franchises, les plafonds et la coassurance. Les recherches théoriques existantes mettent l'accent sur les problèmes
d'information et les questions liées à la demande lorsqu'elles expliquent ces caractéristiques et d'autres aspects de
la structure des contrats d'assurance. Dans cet article, nous soutenons que les facteurs du côté de l'offre, en
particulier les considérations de gestion des risques au niveau de l'assureur, sont également importants pour
comprendre la structure des contrats et la façon dont les caractéristiques de partage des risques varient d'un
marché à l'autre.
Plus précisément, nous étendons le cadre contractuel optimal mis au point par Raviv
(1979) au cas où l'assureur averse au risque a une richesse aléatoire et examinent comment la
l'assuré pourrait émerger pour diverses raisons, mais une importante concerne le risque non
1
Nous confirmons les résultats antérieurs en montrant que le caractère aléatoire de la richesse de
fond de l'assureur peut réduire le partage des risques dans le contrat optimal lorsque le caractère
aléatoire est négativement corrélé avec la perte de l'assuré (voir Dana et Scarsini (2007) et Biffis et
Millossovich (2012)). Nous allons plus loin en montrant qu'une telle corrélation élargit l'ensemble des
barèmes d'indemnisation possibles au-delà de ceux admis par l'analyse de Raviv : à savoir, les limites
supérieures1 sur la couverture – qui ont été exclus dans l'analyse de Raviv en l'absence de
réglementation – sont possibles en présence de corrélation. Nous montrons également que les
différences dans le degré de corrélation peuvent expliquer les différences dans d'autres
Ces résultats sont importants car les théories existantes n'expliquent pas entièrement les
modèles observés de partage des risques sur les marchés de l'assurance. À titre d'exemple,
typique pour une police tremblement de terre sur la même maison, cependant, est de dix à
quinze pour cent de la limite de logement, ce qui, même pour une maison modeste,
administratifs (Arrow (1963), Raviv (1979) et Townsend (1979)), sélection adverse (Rothschild
promesses dans ce cas. Par exemple, il est difficile d'imaginer comment assurer le
administratifs capables d'expliquer une si grande différence de franchises ; il n'est pas non
plus évident pourquoi les problèmes d'information asymétrique seraient pires avec les
2
se diversifier parmi les consommateurs, et cette situation peut évidemment conduire à une corrélation
entre la perte de l'assuré et les autres engagements de l'assureur sur des contrats similaires.
La limite supérieure est une autre caractéristique omniprésente du contrat qui défie toute
explication facile. Les premières analyses d'Arrow ont défini une assurance complète au-delà d'une
franchise initiale comme référence théorique pour le barème d'indemnisation, et, bien que des
améliorations ultérieures telles que celles de Raviv aient élargi l'ensemble des barèmes possibles, la
limite supérieure est restée insaisissable. Huberman, Mayers et Smith (1983) ont observé que la
responsabilité limitée pouvait inciter les consommateurs à exiger des limites de police. Cela semble
une explication intuitive dans les lignes de responsabilité, où l'exposition aux pertes peut dépasser la
richesse de l'assuré ; cependant, les limites de police sont également courantes dans les limites de
propriété, où la perte relèvera généralement du patrimoine de l'assuré (si elle est définie au sens
large pour inclure le patrimoine immobilier). Doherty, Laux, et Muermann (2013) soulèvent la
possibilité que les limites supérieures découlent du caractère incomplet du contrat d'assurance,
l'assureur fixant la limite de la police au niveau où il peut s'engager de manière crédible à payer -
l'incitation à payer étant la conservation de la garantie de l'assuré. affaires. Nous soulevons ici une
troisième possibilité, qui est que la raison de la limite découle du besoin de l'assureur de gérer son
Le reste de ses papiers est organisé comme ceci. La section 2 passe en revue la littérature. Dans la
section 3, nous introduisons la structure de base du modèle de Raviv (1979), étendue pour analyser le
caractère aléatoire de la richesse de l'assureur. Lorsque le patrimoine de l'assureur n'est pas corrélé
au préjudice de l'assuré, on obtient des résultats similaires à ceux de Raviv : des plafonds ne sont pas
possibles, et des coûts de production variables conduiront le contrat optimal à comporter une
Ces changements élargissent l'ensemble des formes de contrat optimales possibles : en particulier,
Dans la section 4, nous nous spécialisons dans le cas de l'utilité CARA et examinons plusieurs
3
distributions de perte—normale, de Bernoulli et (tronquée) lognormale. Dans le cas des
prend une forme linéaire et, en plus de l'augmentation de la franchise, la pente de l'indemnité diminue à
mesure que la corrélation entre le dommage assuré et les dommages de l'assureur augmente. Un résultat
similaire est montré, numériquement, dans des exemples utilisant la distribution Lognormale jointe
tronquée. En particulier, nous montrons qu'une corrélation plus importante génère des franchises plus
importantes et une coassurance plus importante dans le sens d'une pente plus faible pour le barème
d'indemnisation.
La section 5 se termine par une discussion des implications des résultats et une esquisse
4
2 Littérature connexe
Cet article est lié à la littérature sur les contrats d'assurance optimaux créée par Arrow (1963) et
développée plus tard par Raviv (1979) et Townsend (1979). Ces documents dérivent des contrats
optimaux avec peu de restrictions sur la forme du contrat et identifient les coûts administratifs
comme le moteur des franchises. En plus des modèles fondamentaux qui endogénisent la forme
contractuelle, un certain nombre d'articles étudient l'optimisation dans des environnements avec des
formes contractuelles particulières, telles que la franchise, la coassurance ou les plafonds. Par
(1977) et Schlesinger (1981) ont envisagé le choix optimal d'un niveau de franchise ;
Smith (1968) et Cummins et Mahul (2004) ont analysé la demande d'assurance avec une
limite supérieure.
Holmstrom (1979) trouvent diverses formes de partage des risques dans les contrats
d'assurance dans des conditions d'asymétrie d'information. Les dispositifs de partage des
risques peuvent servir soit de dispositifs incitatifs (pour limiter l'aléa moral de l'assuré) soit
(2013). Alors que la littérature sur l'assurance sous utilité publique (voir Arrow
(1974) et Cook et Graham (1977)) visait la surassurance ou la sous-assurance de manière plus générale et
est généralement motivée dans le contexte de l'assurance-vie et de l'assurance-maladie, il est probable que
la dépendance à l'État ou d'autres modifications des préférences pourraient impliquer des limites
supérieures : en effet , le modèle à responsabilité limitée de Huberman, Mayers et Smith (1983) pourrait
5
Un autre volet de la littérature sur les contrats d'assurance optimaux met l'accent
contrepartie. L'eet du risque de fond sur les contrats d'assurance a été analysé dans de
(1983a). Gollier (1996), Mahul (2000), Vercammen (2001) et Dana et Scarsini (2007)
étudient l'eet du risque de fond de l'assuré dans des modèles avec des structures de
contrat endogènes, avec la conclusion commune que le risque de fond de l'assuré peut
Bien que la plupart de la littérature existante ait mis l'accent sur les explications du côté de la
demande pour la structure des contrats d'assurance, certains articles ont considéré le côté de l'offre.
Même les premiers travaux sur la structure des contrats (par exemple, Arrow (1974)) ont noté que la
coassurance (partage du risque entre l'assuré et l'assureur) pouvait s'expliquer par l'aversion au
risque de l'assureur. Cependant, moins d'attention a été accordée à la question de savoir comment le
risque de fond2 chez l'assureur aecte la structure du contrat, à deux exceptions notables près : Dana
et Scarsini (2007) et Biffis et Millossovich (2012). Si leurs réglages sont di (érents (et tous deux se
concentrent principalement sur les conséquences du risque de fond chez l'assuré), tous deux
observent que dans certaines conditions une relation négative entre le patrimoine de l'assureur et
l'ampleur du sinistre peut produire un calendrier de rétention non décroissant. C'est-à-dire que le
montant que l'assuré conserve, soit par franchise, soit par coassurance, augmente en fonction du
montant de la perte.
La caractérisation qui précède offre un point de départ utile mais admet bien entendu une
grande variété de possibilités, y compris l'assurance complète après une franchise, la coassurance,
2L'eet du risque de fond de l'assureur sur les décisions d'investissement a été étudié dans la littérature
sur l'assurance (voir, par exemple, Badrinath, Kale et Ryan (1996) et Baranoff et Sager (2002)).
6
assurance complète jusqu'à une limite de police, et ainsi de suite. Le but de cet article est de
s'appuyer sur cette idée, mais dans un cadre plus restreint en termes de possibilités de contracter et,
dans certains cas, de préférences. Ainsi, nous sacrifions la généralité en termes de caractérisation du
contrat optimal afin d'offrir une intuition sur l'impact du risque de fond de l'assureur sur certaines
caractéristiques des contrats du monde réel, telles que les franchises élevées et les plafonds.
7
3 Contrats optimaux avec risque de fond de l'assureur
À la suite de Raviv (1979), nous considérons le problème de trouver la police d'assurance optimale
ici sur le cas où la perte d'un acheteur d'assurance est corrélée d'une manière ou d'une autre avec la
richesse de l'assureur. L'assureur et l'assuré sont supposés être opposés au risque. Nous
commençons par imposer les contraintes standard sur les contrats utilisées par Raviv (1979) - que
l'indemnité ne doit pas être inférieure à zéro et pas plus que le montant de la perte. (Dans une section
est supposé croissant, strictement concave (ie, U> 0 et U< 0), et deux fois
différenciable. L'assuré a un patrimoine initial non aléatoireW1 et fait face au risque d'une
perte aléatoire X.3 Supposons la perte assurable aléatoire X a une distribution cumulative
une fonction F(x) et la fonction de densité correspondante f(x) sur le domaine [0, X].
Le contrat d'assurance est caractérisé par une fonction d'indemnisation Je(X) et une
se produit, et la prime P est payé par l'assuré pour le calendrier de couverture I(X).
Suivant la littérature, nous supposons que le contrat d'assurance réalisable a une prime non
négative et une indemnité qui est non négative et ne peut excéder la taille de la perte de l'assuré,
4 un péché:
P ≥ 0 et 0 ≤ je ≤ Identifiant,
3Le patrimoine initial de l'assuré peut être aléatoire lorsque certains risques ne sont pas assurables. Tous les assurables
le risque est dans X, tandis que le patrimoine initial de l'assuré W1 saisit les risques non assurables. La
corrélation entre le risque assurable et les risques non assurables (de fond) est analysée par Gollier (1996) et
Dana et Scarsini (2007), entre autres.
4Gollier (1987) a analysé l'assurance optimale sans la contrainte d'indemnisation non négative et a montré que la
stratégie d'indemnisation négative est dominée par la franchise. Néanmoins, si l'on considère le transfert de risque dans
un contexte plus large, l'indemnité peut violer les contraintes standards (par exemple, dans les swaps, les cashux de
trésorerie de l'agent peuvent aller dans les deux sens.).
8
où Identifiant désigne la fonction identité Id(x) = x. En raison des frais administratifs
L'assurée veut un contrat qui maximise son utilité espérée de a posteriori richesse
Du côté de l'offre, nous supposons que l'assureur est également averse au risque, a une première
richesse W2, et fait face à une perte de fond aléatoire Oui en plus de l'indemnité
croissant, concave (c'est-à-dire V > 0 et V '' ≤ 0), et deux fois diérentiel. Puisque nous ne
permettre à l'assureur de faire défaut,6 son a posteriori la richesse est B = W2 − O + P − Je(X) − c(I(X))
qui dépend aussi du contrat d'assurance (P, je (·)) et la réalisation des pertes X
dans lequel V désigne le niveau d'utilité de réserve de l'assureur, qui n'est pas inférieur à
9
La perte de fond Oui reète le risque de fond de l'assureur. On suppose que les pertes
aléatoiresX et Oui ont une fonction de distribution cumulée conjointe H(X, Y ) et une densité
de joint correspondante h(x, y) avec le support [0, X] × [0, y]. On note la densité
correspondante par G(Y |x) sur le support [0, y]. Laisser f(x) et g(y) être les densités
l'assureurOui est indépendant de la perte de l'assuré X, alors la densité marginale est égale
l'assuré soumis à des contraintes de participation (tant pour l'assuré que pour l'assureur) et
sujet à
P≥0 (4)
où V désigne le niveau d'utilité de la réservation de l'assureur et V ≥ E[V (W2 − Y )]. Remarque, à la suite
de Gollier (1996), nous utilisons certains niveaux d'utilité réservés V au lieu de l'autarcie
niveau d'utilité E[V (W2 − Y )], puisqu'il n'aecte pas le comportement d'aversion au risque de
l'assureur.
Nous résolvons ce problème en deux étapes : d'abord, nous résolvons le problème de maximisation pour
dix
une prime donnée P ; deuxièmement, nous trouvons l'optimum P* et le barème optimal
d'indemnisation correspondant je. Si (P, je) est un contrat optimal, alors il existe un
Par conséquent, à la prime optimale P, pour chaque X [0, x], je(X) est la solution d'un
réalisable (5), la couverture d'assurance peut être caractérisée selon trois possibilités : non-assurance,
d'indemnisation avec un paiement nul ; « assurance complète » fait référence aux parties du barème
d'indemnisation avec une couverture complète pour toute perte correspondante ; « coassurance » fait
référence aux parties du barème d'indemnisation où une partie (mais pas la totalité) de la perte
en trois sous-ensembles, nous avons les trois ensembles de couverture possibles suivants : ensemble sans assurance, ensemble
Comme mentionné dans l'introduction, les franchises et les plafonds sont des éléments bien connus.
7La coassurance dans ce document fait référence à toutes les situations, à l'exception de la pleine assurance et de la non-
assurance, tandis que dans d'autres études, la coassurance est limitée au contrat où le transfert de risque je et rétention
Identifiant − je sont tous deux non décroissants, par exemple Dana et Scarsini (2007).
11
tures des contrats d'assurance. Une franchise est le niveau maximum de l'ensemble de non-assurance
à partir de zéro sinistre, et une limite supérieure est le niveau au-dessus duquel l'indemnité cesse
d'augmenter. De plus, il peut y avoir une « limite supérieure d'assurance complète », qui est le niveau
maximum de l'ensemble d'assurance complète à partir de zéro sinistre.8 Les définitions formelles de
ces seuils de pertes critiques dans les contrats d'assurance sont données comme suit.
∀>0, ∃ ε(0, ) tel que je (xd+ )>0. Un montant de perte Xvous s'appelle un limite supérieure
si ∀X[0, x], je(x)≤je (xu) et Xvous <X. Un montant de perte XF s'appelle un plafond
d'assurance complète si ∀X[0, XF ], I(x)=x, et ∀>0, ∃ ε(0, ) tel que je (xf + )<x + .
littérature : les contrats à franchise généralisée, les contrats à franchise standard, les contrats à
généralisée et les contrats de coassurance standard. Nous rappelons les définitions de ces
(ii) Un contrat réalisable (P, je) a un franchise standard si pour certains Xré [0, X]
niveau de franchise non négligeable Xré, et la fonction de rétention des risques Identifiant − je est décroissant sur [X
ré, X].
est un niveau de franchise non négligeable Xré, et la fonction de rétention des risques Identifiant−je est croissante
(v) Un contrat réalisable (P, je) s'appelle un coassurance généralisée s'il satisfait
8Nous héritons de la terminologie de Raviv (1979), utilisant « limite supérieure d'assurance complète » comme niveau maximum
d'assurance complète, et utilisons « limite supérieure » pour définir le niveau après lequel l'indemnité cesse d'augmenter.
12
0<I(x)<x, ∀X(0, X].
(vi) Un contrat réalisable (P, je) s'appelle un coassurance standard s'il satisfait
La définition du contrat de franchise généralisée est diérente de celle utilisée dans Dana
augmente après la franchise ; pour une unité de sinistre supplémentaire, le paiement supplémentaire de
l'assureur est supérieur à une unité s'il est positif ; et un intervalle d'assurance complète peut être inclus.
Dans un contrat à franchise croissante et convexe, la fonction d'indemnisation peut être décroissante et
atteindre la non-assurance à certains intervalles ; pour une unité de perte supplémentaire, le paiement
supplémentaire de l'assureur est inférieur à une unité et une limite supérieure peut exister.
Nous analysons maintenant comment la nature de la relation entre les pertes X et Oui aecte
la forme du contrat optimal. perte Nous commençons dans la section 3.2 par le cas où le est
passer à la section 3.3 au cas les deux pertes présentent une dépendance.
Considérons d'abord le cas du risque de fond d'un assureur indépendant, c'est-à-dire Oui et X
V (W) = E[V (W − Y )] pour tous les possibles W, V̂ hérite des propriétés de V et problème
fonction d'utilité V est remplacé par V̂. Définir RU(·), RV (·), et RV̂ (·) comme les coefficients
l'assureur, au sens de Kihlstrom et al.,9 associé à la fonction d'utilité V. De plus, définir B̂=
9Au lieu de la mesure d'Arrow-Pratt de l'aversion absolue au risque, le coefficient d'aversion absolue au risque au sens
de Kihlstrom et al. est couramment utilisé dans les problèmes de richesse initiale aléatoires (voir Kihlstrom,
13
W2 + P* − je(X) − c(je(X)) comme la richesse finale associée à la fonction d'utilité indirecte V̂
)]
)= V̂(B) E[V (B
RV̂ (B̂ −' = −
V (B̂ ) * E[V (B, )]
niveau je, et UNE= W1 − X − P+ je(X) comme le patrimoine final de l'assuré avec le contrat
d'assurance optimal évalué à la perte de l'assuré X. Notez que la valeur de B* est aléatoire
en raison du caractère aléatoire de la perte de l'assureur Oui même si la perte de l'assuré X est connu pour être X.
Comme décrit dans le théorème suivant, le contrat optimal a des propriétés similaires à
celles du cas standard sans risque de fond de l'assureur (c'est-à-dire Raviv (1979)) :
Théorème 1. Présumer X et Oui sont indépendants, alors le contrat d'assurance optimal existe et
tout contrat optimal (P, je) est telle que je* et Identifiant−je* sont non décroissants.
U(W −1X)
−
1 + c(0) ≥ . (6)
E[U (W1
' X)]
(b) Assurance complète (P> 0, je= Identifiant) est un contrat optimal si et seulement si
(c) Supposons (P, je) est un contrat optimal, alors pour tout X ∈ Ω3, on a
RU(UNE)
je(x) = . (8)
RU(UNE) +RV̂ (B̂ )(* 1 + c) + c/(1 + c)
Romer et Williams (1981), Doherty et Schlesinger (1983b) et Mahul (2000)).
14
(d) Le contrat optimal n'a pas de franchise, Xd = 0, si et seulement si c(·) = 0.
(2) Si c(·) = m > 0, ensuite (P, je) est un contrat déductible standard.
(3) Si c(·) > 0 et c(·) > 0, ensuite (P, je) est un contrat à franchise généralisée.
(5) Si c(·) > 0, ensuite (P, je) est un contrat à franchise généralisée.
Comme Raviv l'a montré dans le cas sans risque de fond, lorsque le risque de fond de
toutes deux non décroissantes par rapport au dommage assuré. En plus de comono-
la tonicité, la forme du contrat optimal reste le même qu'en cas de non On notera
frais. De plus, les franchises apparaissent exclusivement comme conséquence d'une fonction de
fond de l'assureur. Comparez deux cas où l'assureur a des risques de fond différents et
ý ~ G̃(y), ou, grosso modo, Oui comporte moins de « risques » que .dix Bien entendu, la taille
15
contrat de financement dérivé lorsque la richesse initiale de l'assureur n'est pas aléatoire.11
non seulement le coefficient d'aversion au risque de l'assureur via la fonction d'utilité indirecte
qui est dominé stochastiquement par Y. Alors le contrat optimal (P̃ , JE) a les mêmes
(b) Si l'assureur fait preuve d'une aversion absolue constante pour le risque, alors (P̃ , JE) = (P, je).
(c) Si l'assureur présente une aversion absolue au risque décroissante (DARA), alors on a :
(1) Si c(·) = 0, alors la vulnérabilité au risque de l'assureur conduit à JE(X) ≤ je(X), ∀X [0, X].
(2) Si c(·) = m > 0, le niveau de franchise et la fraction de partage des risques sont ambigus.
Pour résumer, si l'assureur est neutre au risque ou a une aversion absolue constante pour le
risque, alors la variation de la taille du risque de fond indépendant de l'assureur n'affectera pas
d'indemnisation est constant, alors la forme de contrat optimale reste une coassurance
standard, mais a une indemnité plus faible pour toute perte assurée. La situation est plus
16
3.3 Risque lié aux antécédents de l'assureur dépendant
avec la perte de l'assuré. On peut imaginer un certain nombre de scénarios qui pourraient
conduire à des relations diérentes entre la perte de l'assuré et la part aléatoire du patrimoine de
l'assureur provenant de sources autres que la perte de l'assuré. Par exemple, la perte historique
de l'assureur pourrait être négativement corrélée à la perte de l'assuré dans les situations où
l'assureur a réassuré le risque souscrit ou (sur)investi dans des instruments de couverture (par
pourrait faire en sorte que l'autre patrimoine de l'assureur soit corrélé positivement avec la
pourrait être positivement corrélé avec la perte de l'assuré si la perte de l'assuré est positivement
corrélée avec les pertes sur d'autres contrats, ce qui peut se produire dans diverses branches
d'assurance, la corrélation positive la plus extrême étant liée à l'exposition aux catastrophes comme
Un vecteur aléatoire Oui est associée avec un autre vecteur X si deux fonctions non
0 pour toutes les paires de fonctions non décroissantes g et k telle que la covariance existe.
Un vecteur aléatoire Oui est augmentant stochastiquement dans un autre vecteur X si la distribution
conditionnelle de Oui devient plus grand dans le sens de la dominance stochastique du premier ordre en
12La perte de l'assuré pourrait même augmenter la richesse de l'assureur dans le cas où l'assureur est investi dans des
investissements de couverture ou a accès à des outils de financement post-sinistre. Cette situation est étudiée par Biffis et
Millossovich (2012).
17
Définition 5. Un vecteur aléatoire Oui est (strictement) augmentant stochastiquement en
vecteur aléatoire X, si la carte X 7→ E[z(Y )|X = x] est non décroissant (croissant) pour chaque
De plus, il existe une forme plus forte de dépendance positive pour les variables aléatoires conjointes
appelées affiliation (propriété de rapport de vraisemblance monotone pour les bivariables). Des valeurs
élevées de certaines des composantes d'un vecteur aléatoire rendent les autres composantes plus
Définition 6. Deux variables aléatoires X et Oui avec une fonction de densité articulaire deux fois
diérentiable h(x, y) sont affilié si h(x, y) est log-supermodulaire, c'est-à-dire si h(y,z) satisfait
par rapport à un composant X est non décroissant dans l'autre composante y. Il est un
propriété plus forte que la propriété stochastiquement croissante, car elle restreint non
De plus, nous savons que l'affiliation stochastique implique que chaque composante vectorielle
est stochastiquement croissante par rapport aux autres, ce qui à son tour implique l'association.
optimal non trivial, (P, je) 6=(0, 0), alors il existe un λ≥0 tel que
18
pour tous X ∈ Ω1,
UNE(x)=W1−X−P+je(X)
sont le patrimoine final de l'assuré et de l'assureur dans le cadre du contrat optimal évalué
à perte X∈Ω3. Noter que B* est aléatoire en raison du caractère aléatoire de la perte de l'assureur Oui
même si la perte de l'assuré X est connu pour être X. De même, on rappelle l'utilité indirecte
une fonction V̂ et le coecient associé d'aversion au risque RV̂ (B̂(X)). Le contrat optimal en
Théorème 2. Présumer Oui et X sont aliées, puis pour tout contrat d'assurance optimal
(P, je), on a
(a) La rétention optimale des risques Identifiant − je* est non décroissant.
}
E[V (W2−Y )] · U(W1−X)
1+c(0)≥ souper .
X[0,X]
' − E[V (W2 Y ) X=x]− |
E[U (W1 X)] '
19
(c) Assurance complète (P>0, je=Identifiant) est optimale si et seulement si
RU(UNE)−(X)
je(x)= , (14)
RU(A )+R
* V̂ (B̂ *) (1+c )+c
* ' /(1+
* ''c) *'
où
et
* E[V (B)|X]
RV̂ (B̂ )=−
E[V (B)| . X]
(e) Si V (·)=0, alors le contrat optimal est le même que celui du théorème 1.
(f) Si V (·) > 0, alors le contrat optimal peut avoir un intervalle d'assurance complet si aucun
assuré, la forme du contrat d'assurance optimal diffère de celle du cas sans risque
contextuel dépendant. La rétention optimale du risque est non décroissante, tandis que
l'indemnité n'est pas nécessairement non décroissante. Par rapport au cas du risque de
fond indépendant dans le théorème 1, nous pouvons voir que l'affiliation est une autre
de la nature de la fonction de coût administratif. Les possibilités sont illustrées dans les
respectivement.
20
[ Insérer les figures 1 et 2 ]
Contrairement au cas indépendant, l'indemnité optimale peut avoir un intervalle d'assurance complet
pour les petites pertes puisque l'assureur souffre davantage lorsque la perte assurée est importante en
raison de l'eet du risque de fond associé. Afin de lisser son utilité, l'assureur souhaite augmenter davantage
les primes en vendant davantage d'assurances aux niveaux de pertes les plus bas tout en évitant des
paiements élevés à des niveaux de pertes assurés plus élevés en raison des pertes de fond élevées. En effet,
des limites supérieures peuvent être trouvées dans le contrat optimal puisque l'affiliation pousse l'assureur
Mettez autrement, si Oui et X sont positivement dépendants, alors des pertes assurées plus
importantes sont liées à des pertes plus importantes chez l'assureur ; cela augmente le coût fictif de la
fourniture d'assurance, de sorte que l'assureur a tendance à couvrir moins que dans le cas sans risque de
Oui rend l'assureur plus averse au risque en ce qui concerne le montant de l'indemnité, c'est-à-
dire qu'un paiement supplémentaire est plus douloureux pour l'assureur. Cela peut amener le
contrat optimal à avoir une indemnité marginale décroissante, qui à son tour peut générer une
limite supérieure optimale – un résultat qui n'est pas possible en l'absence de risque de fond
d'assureur dépendant.
Les franchises peuvent également être influencées par le risque de fond de l'assureur. Bien
qu'un coût administratif reste nécessaire pour les franchises, le montant de la franchise variera
l'assureur.
cas de référence de risque de fond indépendant en raison de l'eet de Ψ(X). Puisque le terme
Oui, le déterminant clé est la densité articulaire h(x, y). L'affiliation abaisse évidemment la pente
du barème d'indemnisation dans les régions de coassurance par rapport au cas sans affiliation,
21
En général, diverses formes de barème d'indemnisation peuvent être optimales. Nous ne pouvons pas
éliminer la possibilité d'un barème d'indemnité décroissante sans restrictions supplémentaires sur le
barème. Nous considérons maintenant une telle restriction en introduisant une contrainte d'indemnité non
décroissante.
Dans la sous-section précédente, il a été démontré que le contrat d'assurance optimal pouvait
comporter un barème d'indemnisation décroissant. Cependant, dans le monde réel, les contrats
d'assurance spécifient généralement des indemnités dont le montant des pertes assurées augmente.
Il existe un certain nombre d'explications possibles à cela, l'une étant l'asymétrie de l'information : s'il
est coûteux pour l'assureur de vérifier les pertes, les assurés pourraient sous-estimer les pertes
lorsqu'ils sont confrontés à un barème d'indemnisation décroissant. Nous ne sommes bien sûr pas les
premiers à utiliser un tel raisonnement. Par exemple, Huberman, Mayers et Smith (1983) justifient
une contrainte d'indemnisation non décroissante comme nécessaire pour éviter une fausse
représentation à la baisse des dommages par l'assuré. Nous suivons cette logique en introduisant un
je(x) est non décroissant par rapport à X sur [0, X], (15)
ce qui équivaut à
je(X) ≥ 0 ∀X ∈ Ω3
si je(x) est continue sur [0, X] et est diérentiel sur Ω3. Par conséquent, semblable à la
et
dans laquelle l'inégalité existe pour ceux X ∈ Ω3 rendre la nouvelle contrainte (15) contraignante.
22
Le théorème suivant caractérise les barèmes d'indemnisation optimaux en présence de la
Théorème 3. Suppose que Oui et X sont aliées et que l'indemnité optimale existe avec
(b) Si c(·) > 0, alors le barème optimal d'indemnisation peut prendre la forme de
Comme le montrent les figures 3 et 4, l'indemnité optimale peut prendre plusieurs barèmes
possibles, y compris des formes différentes de celles de Raviv (1979) et de Dana et Scarsini (2007). La
rétention optimale du risque reste non décroissante. Cependant, un barème d'indemnité dégressif
après le point où elle est atteinte. L'assurance complète à faibles pertes est possible si la contrainte
23
l'assureur y gagne en transférant la richesse vers les États à pertes élevées, où le risque de fond
supplémentaires dans les États à faibles pertes. Dans le contrat optimal, un coût d'indemnisation
croissant peut ne pas générer de franchise, mais il reste la condition nécessaire à une franchise.
et X.
24
4 Applications - CARA Utilities et Perte Spécifique
Répartition
Nous spécialisons maintenant le problème pour construire une intuition sur la façon dont l'affiliation
influence les propriétés de la limite supérieure et de la franchise. Plus précisément, nous supposons que
l'assuré et l'assureur ont des fonctions d'utilité constantes d'aversion absolue au risque (CARA), avec des
cette hypothèse, si (P, je) résout le problème (1), alors pour tout X ∈ Ω3, où
une −(X)
je(x) = . (17)
a + b(1 + c) + c/(1 + c)
je* et
∂ dansE[eparY |X]
(x) = ,
x
limite supérieure, Xvous fait une couverture marginale je(Xu) à être nul, c'est-à-dire
Théorème 4. Supposer Oui est aliée à X, c(I) = mI, RU(·) = une, et RV (·) = b,
∂2 dansE[eparY |X]
> 0, (18)
x2
et une limite supérieure apparaît si et seulement si l'inégalité (18) est vérifiée et x > xvous.
(2) Soit (P̃ , JE) être le contrat optimal en cas de risque de fond indépendant. Ainsi,
25
Xré ≥ Xré,
si x < xvous.
par rapport à X, et le contrat optimal prendra la forme d'une franchise convexe croissante,
X est assez grand. Si nous supposons que (X) diminue avec perte assurée X, le contrat
optimal peut prendre la forme d'un contrat à franchise croissante, concave, qui n'aura
jamais de plafond.
la couverture marginale optimale sur Ω3, C'est P= P(xré) et je(x) = I(xré, X). Une augmentation
de Xré apportera le bénéfice d'une réduction de P, qui est compensé par une baisse de
sur une base unitaire, ce qui incite le consommateur à acheter moins de couverture et à
supporter plus de risques. Une manifestation est une réduction de la pente du barème
d'indemnisation, et une autre manifestation est une franchise augmentée. Après tout, pour
l'assuré, les pertes les moins douloureuses sont les plus petites, il est donc plus facile de sacrifier
la couverture dans le domaine des petites pertes face à une augmentation ecace du coût de
l'assurance.
Afin d'illustrer plus clairement ce théorème, nous étudions certaines distributions spécifiques de
pertes conjointes : normale bivariée, perte assurée binaire et log-normale conjointe censurée.
Distribution normale bivariée Supposons que la distribution conjointe H(X, Y ) est bi-
variation normale N(µX, µoui, σX, σoui, ),13 dans lequel µX et µoui sont les moyens, σX et σoui
13En particulier, une distribution normale bivariée tronquée avec un support de [0, X] × [0, y] devrait être
considéré. On utilise la normale bivariée avec un support deR2 pour rendre la preuve facile, sans altérer les
résultats.
26
sont les écarts types de X et Oui, et ρ est la corrélation. On a alors le résultat suivant :
Corollaire 2. Supposer X et Oui avoir une distribution normale commune, c(I) = mI, RU(·) =
une, et RV (·) = b, alors pour tout X ∈ Ω3, la couverture marginale optimale est
une − bρσoui/σX .
je(x) =
a + b(1 +m)
xd > 0.
∂ρ
normalement, l'indemnité optimale est linéaire pour les intervalles de coassurance. La pente de
l'indemnité optimale est constante et dépend de l'aversion au risque des deux parties, des écarts-
corrélation rendra l'indemnisation plus coûteuse pour l'assureur. En conséquence, une franchise plus
importante et un partage des risques plus faible, tant en termes d'indemnisation absolue que
marginale, apparaissent à mesure que la corrélation augmente. Une limite supérieure n'apparaîtra
Perte de l'assuré binaire Supposons que la perte de l'assuré soit répartie de manière binaire en X =
{0, L ; 1 − , } et la perte de fond de l'assureur a une distribution basée sur le X. En raison
des contraintes sur l'indemnité, nous savons je(0) = 0, donc les seules variables de choix
27
D'après la définition 5, on sait que si Oui augmente de manière stochastique dans X, ensuite > 1. La
variable ρ représente donc l'intensité de la corrélation dans un certain sens. Par conséquent, nous
Corollaire 3. Supposons que la perte de l'assuré soit répartie de manière binaire en X = {0, L ; 1−, },
ensuite
Je*
< 0,
∂ρ
Dans ce cadre, la couverture optimale diminue dans l'intensité de la corrélation. Intuitivement, lorsque
l'assureur est susceptible de subir une perte plus importante dans l'état de perte de l'assuré, la couverture
est plus coûteuse à fournir. Compte tenu de la distribution binaire des pertes, la diminution de l'indemnité
peut être interprétée soit comme une diminution du plafond, soit comme une augmentation de la franchise.
supposons que X et Oui suivre une distribution lognormale conjointe avec la suivante
est . De plus, la prise en charge des sinistres assurés X est [0, 5], et le support de
perte Oui est [0, 10]. Nous fixons le patrimoine de l'assuré àW1 = 3, la richesse de l'assureur à W2 =
coefficient des aversions absolues pour le risque un = 2.5 et b = 1.5. Nous considérons des cas avec
des corrélations diérentesρ et et deux structures de coûts différentes : aucun coût (c(I) = 0) et le coût
Les chiffres suivants montrent des barèmes d'indemnisation optimaux dans quatre cas :
28
risque mais avec un coût administratif linéaire, 3) une perte de fond dépendante (avec
= 0,9) sans frais administratifs, et 4) perte de fond dépendante (avec = 0,9) avec un coût
administratif linéaire. A partir des figures, on peut voir en comparant les cas 1) et
2) que le coût administratif conduit à une franchise positive et à un transfert de risque inférieur, ce qui est le
même résultat que dans les modèles standards ; la comparaison des cas 1) et 3) montre qu'une dépendance
positive vis-à-vis du risque de fond conduit à un degré global de transfert de risque plus faible ; la
comparaison des cas 2) et 4) montre qu'une dépendance positive au risque de fond conduit à une franchise
que, pour le cas sans coût administratif, une corrélation croissante générera un partage des risques
plus faible (ie, la pente du barème d'indemnisation diminue). Pour le cas avec un coût administratif,
une corrélation croissante génère simultanément une franchise plus importante et un partage des
risques plus faible. Ces résultats sont présentés dans les figures 9 et 10.
En résumé, les exemples vérifient que l'affiliation entre la perte de l'assureur et la perte assurée est une
autre influence importante sur le degré de partage des risques dans le contrat. Plus précisément, les
exemples illustrent comment une corrélation plus élevée conduit à des franchises plus importantes, des
29
5. Conclusion
Dans cet article, nous étudions les contrats d'assurance optimaux lorsque la perte de l'acheteur
d'assurance est corrélée à la richesse de fond de l'assureur, en particulier lorsque la richesse de fond de
l'assureur est négativement corrélée à la perte d'un acheteur d'assurance spécifique. Cette situation
survient lorsque les expositions au risque sont corrélées entre les titulaires de polices – une situation qui se
présente, à des degrés divers, sur de nombreux marchés d'assurance, voire sur tous. Nous montrons que
cette corrélation peut produire des formes de contrat optimales qui ne sont pas possibles dans le modèle
standard : à savoir, des limites supérieures de couverture peuvent apparaître. Nous montrons plus loin
comment le degré de corrélation peut réduire le partage des risques et, en particulier, augmenter la taille
de la franchise optimale, ce qui peut expliquer les modèles de contractualisation sur certains marchés de
catastrophes immobilières.
Plus généralement, ce que nous espérons accomplir dans cet article est d'attirer l'attention sur
l'importance des considérations de risque du côté de l'offre pour comprendre la conception optimale
des contrats. Les considérations de risque du côté de l'offre ont reçu peu d'attention par rapport aux
diversification et de la gestion des risques, et la tâche est typiquement accomplie par le fournisseur : à
la réflexion, il est difficile de croire que ce processus de gestion des risquesne serait pas
ont des implications importantes pour la structure des contrats. En effet, nous avons montré dans le
contexte d'un modèle de tableau noir étendu que les considérations de risque chez l'assureur
peuvent avoir une profonde influence sur les coûts virtuels de la couverture d'assurance, et nous
espérons que les futures études en tiendront compte lors de l'analyse des formulaires de contrat.
30
6 Annexe
V Laisser V̂ : Rpropriétés
hérite des 7→ R être défini
de V etpar V̂ (W) = E[V(1)
le problème (Ws'avère
− Y )] pour
être tous
le même que celuiW. Puis
les possibles
étudié par Raviv (1979). DepuisX et Oui sont indépendants, le problème d'optimisation peut
sujet à
où V̂ = V̂ (W2) = E[V (W2 − Y )]. D'après Arrow (1963), Raviv (1979) et Dana et Scarsini
(2007), nous connaissons un contrat optimal (P, je) existe et est tel
être contraignant à zéro, P = 0, puisque UE(P, I) est décroissant par rapport à P. Ainsi, le
ou équivalent,
31
Par conséquent, ∀X [0, X], on a
1 + c(0) ≥ U(W1 − X)
' 1 − X)]
.
E[U (W
(b) Envisager une assurance complète I(x) = x, la prime correspondante doit être
tif, P > 0, puisque EV (P, I) augmente par rapport à P. Ainsi, le contrat d'assurance
complet (P > 0, I = Id) est une solution optimale du problème ci-dessus si et seulement
ou équivalent,
Dans l'inégalité ci-dessus, puisque V (·) ≤ 0 et c(·) ≥ 0, le côté gauche est non décroissant et le
côté droit est non croissant par rapport à X. Par conséquent, une assurance complète
32
le contrat est optimal iff
'
' E[V (W 2 − O + P −X − c(X))]
1 + c (x) ≤ .
E[V (W2 − O + P − X − c(x))]
Évidemment, cette condition est satisfaite si et seulement si les deux membres de l'équation sont
(c) Supposons (P, je) est un contrat optimal, similaire à Raviv (1979), on a pour
*
je* (x)
'
= pour tous X ∈ Ω3.
R U(A) + R V(BRU(
)(UNE
1* + c )) + c* ' /(1 + c)
fonction d'utilité V et la richesse B̂, ce qui implique également le Kihlstrom et al. coecient
V̂ (B̂)
RV ̂ (B ) =* − = −E[V (B̂̂* − Y )] = −E[V (B)] .
V (B ) E[V (B* − Y )] E[V (B)]
33
(d) Puisque le contrat optimal (P, je) est telle que je* et Identifiant−je* sont non décroissants,
l'indemnité d'assurance envisageable comprend cinq cas : assurance complète (Xd = 0, Xf = X),
assurance complète suivie d'une coassurance (Xd = 0, XF (0, X)), contrat de coassurance
standard (Xd = Xf = 0), pas d'assurance suivie de coassurance (Xré (0, x), xf = 0), et aucune
assurance (Xd = x, xf = 0). Sic(·) = 0, supposons Xd > 0, le contrat optimal ne peut être
par coassurance (Xré (0, x), xf = 0) puisqu'aucune condition d'assurance (6) n'est satisfaite. Par
En intégrant les deux dernières équations sur [0, X], on trouve une contradiction avec le premier
assurance complète suivie d'une coassurance (Xd = 0, XF (0, X)) ou contrat de coassurance
standard (Xd = Xf = 0) car la condition d'assurance complète (7) n'est pas satisfaite. Pour le cas
34
pour tous X [0, XF ], c'est à dire, X ∈ Ω2,
En intergradant les deux dernières équations sur [0, X], on trouve une contradiction avec le premier
une. De même, pour le cas de la coassurance standard (Xd = Xf = 0), nous avons
En intergradant la deuxième équation sur [0, X], on trouve une contradiction avec le premier
Par conséquent, une condition nécessaire et susante pour que la franchise optimale soit
(e) et (f) La condition (6) n'étant pas satisfaite, nous écartons le cas de non-assurance
(1) Si V (·) = 0 et c(·) = 0, alors évidemment la condition d'assurance complète (7) est
(2) Si V (·) = 0 et c(·) = m > 0, alors on sait RV̂ (B̂) = 0. Ainsi pour tout
X ∈ Ω3, couverture marginale optimale égale à 1, je(x) = 1, ce qui implique toute norme
35
la coassurance ou la pleine assurance suivie d'une coassurance ne peuvent pas être optimales. Par
conséquent, le contrat optimal possible peut être une assurance complète ou un contrat standard à
franchise. De toute évidence, la condition d'assurance complète (7) n'est pas remplie puisquec(·) = m >
(3) Si V (·) = 0, c(·) > 0, et c(·) > 0, alors nous pouvons obtenir le marginal optimal
la couverture est comprise entre 0 et 1, soit 0 < je(x) < 1, pour tout X ∈ Ω3. De toute évidence, de
(4) Si V (·) > 0 et c(·) = 0, alors nous pouvons obtenir la couverture marginale optimale
est compris entre 0 et 1, c'est-à-dire 0 < je(x) < 1, pour tout X ∈ Ω3. De toute évidence, à partir de (d), les
contrats réalisables comprennent trois cas possibles : assurance complète, assurance complète suivie
par coassurance et par coassurance standard. Considérez le contrat d'assurance complet, puisque
V (·) > 0 et Oui est indépendant de X, nous savons E[V (W2 − O + P − X − c(x))] augmente
ce qui à son tour viole la condition d'assurance complète (7). Considérez l'assurance
36
En intégrant les deux dernières équations sur [0, X], on trouve une contradiction avec la
première en raison de la concavité stricte de U. Par conséquent, le contrat optimal dans ce cas
(5) Si V (·) > 0 et c(·) > 0, alors nous pouvons obtenir la couverture marginale optimale
est compris entre 0 et 1, c'est-à-dire 0 < je(x) < 1, pour tout X ∈ Ω3. Evidemment, les contrats d'assurance
envisageables comportent quatre cas possibles : assurance complète, assurance complète suivie
sujet à
P ≥ I(X) + c(I(X)).
(b) On peut supposer V(w) = 1 − e−pc sans perte de généralité puisque V (·) est
P ≥ I(X) + c(I(X)).
37
La distribution de probabilité de la perte de fond Oui ne peut pas aecter la solution optimale,
(x) = R U(Ã)
je*' pour tous X ∈ Ω3
R U( UNE~) +R̂ ~ (B̂ )(1 + c̃) + c̃/(1 + c̃)
V
U
je(x) = pour tous X ∈ Ω3,
RU(UNE) +RV̂ (BR
* )(A
(1) + c) + c/(1 + c)
Supposons qu'il existe des X [0, X] tel que JE(x) = je(X) en plus
au donné P̃ = P, donc RU(UNE) = RU(UNE), c̃= c, et c̃= c. De plus, depuis ý est plus risqué que
Oui et l'assureur est vulnérable au risque, nous avons R (B̂) > R (B̂) ~ V̂
V̂
ceux en particulier X.
∫ X'
Si c ' (·) = 0, alors on sait x̃ = x = ré0, JE (ré
0) = JE (0)* = 0, (x) =
*
0
(t)dt, et
X je(t)dt. Évidemment, si l'assureur est vulnérable au risque, JE(X) ≤ je(X) pour tous
I(x) = 0
Si c(·) = m > 0, l'indemnité marginale optimale dépend à la fois des attitudes face au risque,
la prime et l'indemnité optimales, ce qui est ambigu même pour un assureur vulnérable au
risque. Étant donné que l'indemnité optimale doit être déductible en général, compte tenu d'un
38
pour opti∫mal déductible Xré,
Xré ∫X
U '[W 1− X − P(X )] ré U[W1 − X − P(x ) + je
ré (x , x)] ré
(1+m) dF(x)+ m dF(x) = F(x ), ré
U[W1 − Xré − P (x * ré)] U [W1 − Xré − P (x
' * ré)]
0 Xré
∂2(m, n) ≥ 0.
n∂m
Par conséquent, la fonction (m, n) s'avère supermodulaire. Sim est un réarrangement non
39
Considérer m = X − I(X), n = X, on obtient
E[V (W2 − y(X) + P − (X) − c(Ĩ(X))] ≥ E[V (W2 − y(X) + P − Je(X) − c(I(X)))].
Par conséquent, tout contrat Je(X) est dominé par (X), ce qui rend X − (X) non décroissant. En
d'autres termes, le contrat optimal est tel queIdentifiant − je* est non décroissant.
être contraignant ar zéro, P = 0, puisque UE(P, I) est décroissant par rapport à P. Donc pas
cette
−E[U(W −X)]
1 +E[V (W2 − Y )] ≤ 0
U '(W −1 X) '
E[V (W −2 Y )]
1 + c(0) ≥ · .
E[V (W2 − Y )|X = X] E[U (W
' 1− X)]
'
}
' E[V (W 2 − Y )] · U(W1 − X)
1 + c (0) ≥ souper .
X[0,X] E[U (W
' 1 − X)] E[V (W2
' − Y ) |X = x]
(c) Envisager une assurance complète I = Id, la prime correspondante doit être positive,
P > 0, puisque EV (P, I) augmente par rapport à P. Ainsi, le contrat d'assurance complet (
40
il existe λ ≥ 0 tel que
On a donc
Depuis X et Oui sont affilié et V (·) ≤ 0, nous savons E[V (W2−O + P −X−c(x))|X =
X] est non décroissant par rapport à X. De plus, 1 + c(X) augmente avec X à cause de
(d) Supposons (P, je) est un contrat optimal, alors similaire à la partie (c) du théorème
41
En substituant λ nous pouvons résoudre pour je(X) comme ci-dessous
RU(UNE) −(X)
je(x) = pour tous X ∈3,
RU(A ) +R
* V̂ (B)(1 + c) + c/(1 + c)
où
De l'affiliation de X et Oui, nous savons que ∂dans g(y|x)/∂x est non décroissant par rapport
à oui
∂2dans g(y|x) ≥ 0.
x∂y
] ∫ oui g(y|x)
||
∂dans g(Yx)
E X=x= dx = 0,
x 0 x
et V (B) est toujours positif et non décroissant par rapport à y. Par conséquent, nous
obtenons que
E[V (B)(∂dans g(Y |x)/∂x)|X = x]
(x) = ≥0
E[V (B)|X = x]
(e) Puisque le contrat optimal n'est pas trivial, nous écartons le cas d'absence d'assurance
(1) Si V (·) = 0 et c(·) = 0, alors évidemment la condition d'assurance complète est satisfaite,
(2) Si V (·) = 0 et c(·) = m > 0, alors on sait RV̂ (B̂) = 0. De plus, V (B)
est constante, donc (x) = 0. Par conséquent, pour tout X ∈ Ω3, couverture marginale optimale égale à 1,
je(x) = 1, ce qui implique que le contrat optimal possible peut être une assurance complète ou
contrat de franchise standard. De toute évidence, la condition d'assurance complète n'est pas
remplie puisquec(·) = m > 0, le contrat optimal est donc un contrat standard déductible.
42
(3) Si V (·) = 0, c(·) > 0, et c(·) > 0, alors nous pouvons obtenir le marginal optimal
la couverture est comprise entre 0 et 1, soit 0 < je(x) < 1, pour tout X ∈ Ω3. De toute évidence, de
(f) Si V (·) > 0, considérons un contrat optimal avec des intervalles d'assurance complets, c'est-à-dire,
∃ Ω2. Supposons qu'il n'existe pas d'intervalle d'assurance, alors aucun X [0, X] est à2 ou3.
On peut alors intégrer les inégalités (12) et (13) sur [0, X],
ce qui est évidemment en contradiction avec l'équation (10), même si c(·) = 0. Par conséquent, le contrat
optimal peut avoir un intervalle d'assurance complet uniquement s'il n'existe aucun intervalle d'assurance.
D'après le théorème 2 et la contrainte non décroissante (15), nous savons que l'opti-
indemnité marginale de mal en3 est compris entre 0 et 1. Ainsi, les intervalles d'assurance complète et
sans assurance ne peuvent apparaître qu'aux plus faibles pertes. Après avoir intégré diérents
combinaisons d'inégalités (11), (12) et (16), et en comparant avec l'équation (10), nous
(a) Si c(·) = 0, le contrat optimal peut avoir un intervalle d'assurance complet si certains
des intervalles d'indemnisation existent, tels que (1), (3) et (4), pour les pertes plus importantes non représentées
dans les chiffres, des indemnités uniformes et croissantes peuvent apparaître ; ou le contrat optimal n'est qu'une
(b) Si c(·) > 0, soit pas d'intervalle d'assurance, soit obligatoire de l'intervalle non décroissant
une indemnité doit intervenir pour que ces conditions de premier ordre soient cohérentes. Par
conséquent, les franchises peuvent exister avec ou sans limite supérieure, telle que (3) et (4) ; des
limites supérieures peuvent exister avec ou sans intervalle d'assurance complet, comme (1) et (2).
43
6.5 Preuve du théorème 4
Depuis c(·) = m > 0, nous savons que le contrat optimal aura une limite supérieure sauf
(1) Si la condition 18 est satisfaite, alors je(X) est décroissant par rapport à X, lequel
donne à son tour une indemnité concave et une franchise convexe. De plus, six > xtoi,
alors il y a quelques X tel que je(x) < 0, ce qui viole la contrainte non décroissante.
dessus Xvous. D'autre part, si X ≤ Xtoi, les je(X) est toujours non négative, donc la contrainte d'indemnité
non décroissante n'est pas contraignante. Par conséquent, aucune limite supérieure ne peut être
trouvé.
cas indépendants et dépendants selon les hypothèses CARA et de coûts linéaires. Pour
le cas dépendant, les contrats à franchise généralisée sont représentés sur la figure 4 par (c)
ou (d) lorsque X ≤ Xvous. Ainsi, le l'indemnité optimale est je(x) = 0 pour tous X [0, Xré], et
De plus, nous avons les conditions du premier ordre (10), (11) et (13), et à la perte Xré,
Par conséquent∫re, nous avons la fonction implicite suivante de franchise optimale Xré ∫
X ré ∫ X
( ) une
Xré E[ e par|X]
− Xré) dF(x)+m
un B(1+m) (X−
X ré
) E[epar|X] a+b(1+m)
(1+m) e
hache
ea+b(1+m) dF(x) = dF(x)
0 Xré E[epar |Xré] 0 E[epar|Xré]
44
De même, pour l'en∫cas dépendant, nous Ha∫
veX la fonction implicite pour Xré
X ré un B(1+m) (X−X )
(1 +m) ehache−Xré)dF(x) + m ea+b(1+m) ré dF(x) = F(Xré)
0 Xré
Considérons les LHS et RHS des deux équations comme fonctions de Xré et analyser
les propriétés des fonctions. Évidemment,L1(0) > L2(0) > 0, L1(x) = L2(x) > 0,
R1(0) = R2(0) = 0, et R2(x) = R1(x) > L(x) > 0. Étant donné que le montant déductible optimal est
décidé lorsque la LHS et la RHS sont égales, en comparant les deux équations, nous pouvons
voir que la franchise optimale dans la première équation est supérieure à celle de la
deuxième équation.
distribution conditionnelle
{ [( ) (− ) ]}
2 2 −
1 oui − µoui xµ X (x µ− )(y Xµ ) − oui
|=
g(yx) √1 exp − + ρ2 2ρ ,
σoui 2(1 − ρ2) −2
2(1 ρ ) σoui σX σXσoui
et
[ ]
g(yx)| ρ oui − µoui − X − µX
= ρ g(y|x).
x σX(1 − ρ2) σoui σX
∂2dans h(x, y) ρ
= ≥ 0.
x∂y σxy(1 − ρ 2)
45
2) Du théorème 2, on obtient que pour tout X ∈ , je= une−
3 Ψ(X) , oùa+b(1+m)
+∞
E[[eparY |x] = eparg(y|x)dy = em,
−∞
+∞
| |x] =
∂dansg(Yx) ρ y µoui − X −
E [[
pare epar ρ ∫ µX g(y|x)dy
x −∞ (1X ρ2) σoui σX
+∞
σ e m − t2
= bρ oui en + √ − te 2(1−ρ2) dt
σX 2(1 + ρ2)(1 X − ρ2) −∞
σ
= bρ oui em,
σX
ρ
µoui + X−µX . le
où t = oui −mσoui
et m = b(1−ρ2)σ oui+ σoui σX
par conséquent, nous avons l'optimum
indemnité marginale
une − bρσoui/σX .
je* (x)
'
=
a + b(1 +m)
Par conséquent, le problème d'optimisation d'origine n'a qu'une seule variable de choix Xré à présent. App-
46
où = une−bρσoui/σa+b(
X est la pente de la fonction d'indemnité. En raison de la preuve de la partie 2),
1+m)
Xré
ebρyx (X−X ) ré dF(x),
−∞
Maintenant, nous faisons derivati∫ve aux deux côtés de l'équation avec∫respect à ρ et obtenir
+ y
∂ρ un m(1 − )
∞
eune(−1 )(xx ) − ré dF(x) + [a(1 +moi une σoui bρ
bρσeX x ] −∞ e
X ré ) dF(x)
(X− X ré
Xré
Étant donné que les hypothèses garantissent que je= δ ≥ 0, ce qui signifie une ≥ bρσσoui,
X
Et ainsi
σ y
une(1 +moiune − bρ oui ebρ x ≥ 0.
σX
sujet à
47
P ≥ 0 et 0 ≤ je ≤ L, où V désigne le niveau d'utilité de la réservation de l'assureur. En
* 1 *
mπ + (1 +m)(1 − )e−Al−Je ) = (1 − ) e−b(1+m) je ,
ρ
Je* (1 − )e−b(1+mi*
=− < 0.
∂ρ −
(1 +m)(1 )ρ[aρe un(LI ) + être b(1+m)Je ]
− −* − *
48
Les références
détenues par les sociétés d'assurance », Journal des Risques et des Assurances,
63(1), 49-76.
143-156.
49
Doherty, NA, et G. Dionne (1993) : « L'assurance à risque non diversifié : structure du
l'incertitude, 6, 187-203.
123–135.
pour une police d'assurance donnée", Le Journal des affaires, 42(2), 143–
151.
50
Harris, M. et A. Raviv (1978): "Quelques résultats sur les contrats d'incitation avec des
Hau, A. (1999) : « Une note sur la couverture d'assurance dans les marchés incomplets », Du sud
des pertes est coûteux », The Geneva Papers on Risk and Insurance-Theory, 19(2),
139-152.
Mahul, O. (2000) : « Conception d'assurance optimale avec une richesse initiale aléatoire », Éco-
91(2), 304-311.
51
Pashigian, BP, LL Schkade et GH Menefee (1966) : « La sélection d'une franchise
76(1), 68-77.
52
Zeckhauser, R. (1970) : « Assurance médicale : une étude de cas du compromis entre la
répartition des risques et les incitations appropriées », Journal de théorie économique, 2, 10–
26.
53
Figure 1 : Échéanciers d'indemnisation optimaux lorsque c(·) = 0
54
Figure 3 : Optimal non décroissant Barèmes d'indemnisation lorsque c(·) = 0
55
Figure 4 : Barèmes d'indemnisation optimaux non décroissants lorsque c(·) > 0
Figure 5 : Structure d'indemnisation optimale avec risque de fond indépendant et aucun coût d'indemnisation
56
Figure 6 : Structure d'indemnisation optimale avec risque de fond indépendant et coût d'indemnisation croissant
Figure 7: Optimal Indemnity Structure with Dependent Background Risk and No Indemnity Cost
57
Figure 8: Optimal Indemnity Structure with Dependent Background Risk and Increasing Indemnity Cost
Figure 9 : Structures d'indemnisation optimales avec différentes structures de dépendance avec
coût (c = 0);
Noir: = 0 ; Bleu:= 0,3 ; Vert:= 0,6 ; Rose:= 0.9.
58
Chapitre 2 : Allocation dynamique du capital avec irréversible
Investissements
1 introduction
Les praticiens ont longtemps lutté avec le problème de l'affectation d'une institution financière.
capital de la société aux divers risques de son portefeuille à des fins de tarification et de mesure de la
performance. Au cours des 15 dernières années, un certain nombre d'articles ont exploré le problème de
l'allocation du capital sur la base des contributions marginales au risque dans différents contextes via
différentes approches conceptuelles (voir Bauer et Zanjani (2013) pour une revue). Cependant, ces
techniques sont largement limitées aux portefeuilles statiques, où les expositions sont soit fixées à l'avance,
Malheureusement, l'application dans le monde réel de ces concepts est plus compliquée. Plus précisément,
l'allocation à des fins de tarification est généralement effectuée dans un environnement où le portefeuille n'est pas
fixé à l'avance et est plutôt en cours de construction. Les opportunités de souscription ou d'investissement
n'arrivent pas toutes en même temps. Si tel était le cas, ou si les positions dans les opportunités existantes
pouvaient être modifiées sans frais à mesure que de nouvelles opportunités arrivaient, les techniques d'allocation
existantes pourraient être appliquées sans modification. Plus généralement, cependant, les opportunités arrivent
séquentiellement dans le temps et, de plus, 1) des décisions doivent être prises concernant ces opportunités
lorsqu'elles se présentent et 2) ces décisions sont généralement irréversibles ou réversibles uniquement avec un
coût important. Cette qualification s'applique aux compagnies d'assurance, aux sociétés de capital-investissement,
aux banques, et d'autres institutions s'occupant d'investissements illiquides. Comment évaluer le risque dans un
59
allocation?
Cet article aborde ces questions en étudiant le problème habituel d'optimisation de portefeuille - où les
rendements attendus sont optimisés sous réserve d'une contrainte de mesure du risque - avec trois complications
motivées par la discussion ci-dessus. Premièrement, les opportunités d'investissement arrivent séquentiellement.
Deuxièmement, les propriétés de risque et de rendement des opportunités futures sont incertaines.
Nous constatons que la tarification au coût marginal peut en effet être liée à l'allocation du capital dans
cette configuration, bien que la base d'allocation soit différente de celle trouvée dans les problèmes
statiques. Dans les problèmes statiques, la valeur marginale du capital est connue avec certitude, et le
capital est alloué à chaque risque en fonction de la façon dont il consomme ce capital à la marge. Dans ce
problème dynamique, la valeur marginale ultime d'un dollar de capital ne sera pas connue tant que toutes les
opportunités n'auront pas été présentées et que les décisions n'auront pas été prises ; de même, on ne sait pas
non plus quelles exigences un investissement donné fera peser sur le capital de l'entreprise jusqu'à ce que le
portefeuille soit défini. Quoiest connue—en supposant que l'incertitude dans la structure de risque et de
rendement des opportunités futures soit comprise—est la répartition future des possibilités. Pour élaborer, nous
connaissons les chemins possibles à venir et leurs probabilités, donc nous savons quelle sera la valeur de l'unité
marginale de capital dans divers états futurs du monde, et nous savons également dans chacun de ces états
comment cette unité marginale de capital est consommée par les risques du portefeuille.
Ainsi, la décision d'investissement pour une opportunité présentée aujourd'hui est prise sur la
base d'un futur coût marginal du risque associé à cette opportunité. Les coûts marginaux futurs
attendus peuvent également être exprimés en termes d'allocation du capital de l'entreprise aux
d'aujourd'hui est une moyenne pondérée par les probabilités du produit de la valeur marginale du
capital dans les états futurs du monde et la quantité de capital consommée par l'opportunité
La logique et l'intuition du modèle sont liées à la littérature sur les options réelles (par exemple, Dixit et
Pindyck (1994)). Le problème fondamental de cette littérature concerne l'impact de l'incertitude sur des
investissements partiellement ou totalement irréversibles. L'intuition classique est que de simples calculs de
60
en tant que taux d'obstacle, conduisent à des investissements trop agressifs car ils ne tiennent pas compte
les taux d'obstacles doivent être ajustés à la hausse, et une plus grande incertitude sur la productivité peut
conduire à des taux d'obstacles encore plus élevés (par exemple, McDonald et Siegel (1986)). Dans la
Le reste de ses papiers est organisé comme ceci. Nous commençons dans la section 2 par esquisser la théorie de
base, d'abord dans un modèle à deux périodes pour construire l'intuition, et ensuite dans une généralisation
multipériode. Nous utilisons ensuite des exemples numériques simples dans la section 3 pour montrer comment l'avenir
opportunité est connue pour se présenter, mais il existe une incertitude quant à son risque et
Propriétés. Cette incertitude est notée par la variable aléatoireα qui prend des valeurs dans le
ensemble {α1, · · · , αm} avec probabilités {p(α1), · · · , p(αm)}. L'incertitude est levée à la réception de
Soit le retour à la première opportunité une variable aléatoire r0 et le rendement de la seconde ayant
une distribution qui dépend de la réalisation de , un péché r1(αje). Ainsi, différentes réalisations de α affectera
la distribution prospective des résultats pour la deuxième opportunité. Que le capital de l'entreprise soitK et
le coût de friction du capital soit . Si nous considérons le problème de l'entreprise au moment de la décision
à la première opportunité, nous pouvons définir le problème d'optimisation comme le choix d'une quantité
61
subordonnée à différentes réalisations de α-FΣou le deuxième investissement :
m
max q0E[r0] + p(αje)qje1E[r1(αje)] − K (1)
q0,{q1,···
1
,qm 1} je =1
Ainsi, dans tout état futur du monde, le risque du portefeuille ne doit pas dépasser le capital de
l'entreprise.
m
(q , 0 qje
1; αje)
E[r0] − λje =0 (3)
q0
je =1
où λje est le multiplicateur de Lagrange associé à la contrainte je. L'équation (3) équilibre le
bénéfice marginal de l'exposition au premier risque (le rendement attendu) avec son
coût, qui est un coût du risque lié à la contrainte de mesure du risque, tandis que l'équation (4) fait de
même pour le second risque dans chacun des états possibles du monde qui pourraient exister. Noter
dans chaque état qui λje reète le prix fictif ou la valeur marginale du capital conditionnel à l'État (c'est-à-dire,
au temps zéro, quel dollar supplémentaire de capital dans l'État je (et seulement en état je) aurait
E[r1(αje)]
λje = p(αje) ∀je = 1, · · · ,m (5)
(q0,qje 1;αje)
qje 1
Ainsi, le coût marginal du risque dans chaque cas est égal au montant marginal de capital
consommé par le risque (calculé comme la dérivée partielle de la mesure du risque par rapport à la
quantité du risque) multiplié par la valeur de ce capital. Dans le cas du premier risque, ce capital est
consommé dans tous les états possibles du monde puisque l'entreprise doit s'engager sur
62
On vérifie aisément que ce coût marginal peut être interprété comme une allocation de capital
si la mesure du risqueest
Σ homogène. Cette est la somme de la margeΣ
al coûts multipliés par les expositions est :
m m
(q0, q1je; αje) (q , q0je1; ) je qje
λje q0 + 1 = λjeK (6)
q0 qje1
je =1 je =1
ou le capital total multiplié par sa valeur à marge. Ainsi, le coût marginal a une allocation en capital
de la prise de décision, le coût marginal du premier risque, et le capital alloué au premier risque,
peuvent différer du coût marginal de ce risque après incertitude associée àα a été résolu et le
portefeuille complété. C'est unex ante allocation qui est une moyenne des allocations finales possibles
des coûts dans les états futurs du monde. Pour illustrer, en utilisant les équations (5) et (6), nous
voyons que l'affectation des coûts ex ante au premier risque peut être
exprimé comme :
[
]
Σm E[r (1)] je (q , 0 q1je ; ) je q0
p(αje)
∂ρ (q0,q1;jeαje ) q0
je =1 qje 1
Ainsi, pour chaque état, on multiplie la probabilité d'État je fois la valeur marginale de
capitale de l'état je (le premier terme entre parenthèses) multiplié par le capital alloué au premier risque en état je (
le deuxième terme entre crochets); la répartition totale des coûts est alors la somme de ces chiffres sur tous les
états.
les états du monde. En d'autres termes, l'allocation du capital ne sera pas aectée par
l'incertitude. Il s'agit presque certainement d'un artefact d'une configuration à deux opportunités ; il est
2. Si nous permettons au capital d'être ajusté sans frais après le deuxième investissement, le
63
le problème change en :
Σm Σm
max q0E[r ]0+ p(α je
)q1jeE[r ()]
1 −τ
je p(α je
)Kje (7)
q0,{q1 1,··· ,q1 m},{Kje}
je =1 je =1
ante est alors facilement interprétée comme le capital moyen alloué au premier risque dans
m
(q , 0 q1;jeαje)
E[r ]0 = τ p(α j)e =0 (9)
q0
je =1
Cette expression peut être réarrangée pour produire une interprétation RORAC,
E[r0]
Σm =τ (dix)
0 1 ;αje)
je =1
p(α je
)(qq,q
0 je
ce qui équivaut à 1) le rendement attendu divisé par le capital alloué ATTENDU avec 2) le
coût du capital.
D'autre part, en raison de la mesure de risque homogène , la solution à ce problème va exploser, c'est-à-
dire que les investisseurs investiront un montant infini et conserveront un capital infini. Sous l'expression
RORAC ci-dessus, nous obtenons une solution locale pour l'investissement, cependant, les investisseurs
contrainte de mesure du risque reste contraignante alors que le bénéfice net est doublé.
3. Sans permettre un ajustement gratuit du capital comme décrit dans la remarque précédente, la valeur
marginale du capital ne sera généralement pas égale τ dans chaque état futur. Si nous permettons la
64
Σm
) je)] =
E[r1(α
la moyenne la valeur marginale future sera égale à . Que je s, p(α je ∂ρ (q ,qi
0 1; i)
je =1
qi
1
Σm
λje = . Mais si le capital est simplement hérité et n'est pas fixé de manière optimale, l'entreprise pourrait
je =1
être sous-capitalisé ou surcapitalisé, ce qui conduit la valeur marginale du capital à différer de
Supposons que l'institution financière reçoive n+1 opportunités en séquence à partir de la période 0
à la période n.m. Dès réception de l'opportunité de période zéro, il doit décider de la quantité q0
d'investir dans cette opportunité connue. Suite à ce choix,m des opportunités vont arriver.
Les caractéristiques de risque des opportunités ultérieures sont incertaines, mais les
caractéristiques possibles, ainsi que les probabilités associées à leur apparition, sont connues du
décideur. Pour lejeopportunité, l'incertitude sur les caractéristiques du risque est levée dès
quantité qje d'investir dans cette opportunité. Nous désignons le pool des possibilités pour lejeème
opportunité que l'ensemble Ωje, et dénoter l'incertitude dans le jeème période par une variable aléatoire
αje. La variable aléatoire représentant tous les états possibles du monde, couvrant toutes les
Comme dans le cas à deux opportunités, l'établissement dispose d'un capital K avec le coût frictionnel
du capital K. Dans chaque état futur du monde, le risque mesuré du portefeuille de l'entreprise ne doit pas
dépasser le capital de l'entreprise. L'ensemble complet des réalisations possibles pourα est représenté
Le problème de la mise en œuvre est de trouver la quantité optimale pour l'investissement de période
zéro et un ensemble de plans - subordonnés aux différents états du monde - pour tous les m
Opportunités. De plus, la quantité choisie pour lejel'opportunité doit être adaptée aux informations
disponibles l'arrivée du jee opportunité, puisque la jeLa décision ne dépend que de l'opportunité
réalisée au cours de cette période ainsi que des réalisations des périodes précédentes et des
décisions prises jusqu'à ce point. Notons la variable aléatoire reflétant l'état possible du
65
monde à l'arrivée de la jel'opportunité d'être αje = {α1, α2, · · · , αje}, qui prend des valeurs dans
pje(αje). Ainsi, le jeème décision qje doit être un plan d'urgence pour toutes les réalisations possibles de
la variable aléatoire αje. Par conséquent, les variables de choix au moment de la décision sur la
problème comme :
Σ m ∑
pje()qje( je)E[r (α je)] −K
max q0E[r0] + je α je (11)
q0, q{ (αje je), je[
∀ 1,··· ,n],∀α je∈Ωje}
je =1 αje∈Ωje
soumis à un ensemble de contraintes qui limitent le risque pour chaque réalisation possible de :
n);) ≤K
(q , 0 q1(α1), ..., qn(α ∀α ∈Ωm (12)
(q , q0(α
1 1), ..., q (αn);) m
E[r0] − (α) =0 (13)
q0
α∈
Ω
ayant été réalisées, en d'autres termes, Ω−αj {|α1 = α1, ..., αj = αj, αj+1 ∈ Ωj+1, ..., αm ∈ Ωn}.
En particulier, nous pouvons obtenir la condition de premier ordre pour la dernière opportunité, lorsque j = n,
comme suit:
L'équation (13) équilibre le bénéfice marginal de l'exposition au risque de période zéro (le
rendement attendu) avec son coût marginal, qui est un coût du risque lié à la mesure du risque
66
contrainte, tandis que l'équation (14) fait de même pour les autres risques dans chacun des états possibles
du monde étant donné le chemin de réalisations précédent avant la je opportunité. Notez dans chaque état
que(α) reète le prix virtuel ou la valeur marginale du capital conditionnel à l'État (c'est-à-dire,
au temps zéro, quel dollar supplémentaire de capital en état vaut (et seulement en état ) serait
pour l'entreprise) :
E[rn()]
(α) = pn() (q0,q1(α1),...,qn(αn);)
∀α∈ Ωm (15)
qn()
Ainsi, le coût marginal du risque dans chaque état final est égal au montant marginal de
capital consommé par le risque (calculé comme la dérivée partielle de la mesure du risque par
rapport à la quantité de risque) multipliée par la valeur de ce capital. Dans le cas de la période-
risque zéro, le coût marginal du risque au moment où q0 est sélectionné est un attendu le coût marginal, car
à la fois le montant de capital que le risque de période zéro consommera en fin de compte
et la valeur d'une unité marginale de capital dépendra du cours des opportunités futures
(q , q0(α
1 1), ..., q (αn);) m
Σm (q , 0 q1(),1 ..., qn(αn);)
q0 + qje(αi) = K ∀α∈ Ωn (16)
q0 q je()
je
je =1
uneΣ
et ainsi, [ on a ∀α∈ Ωm
]
(q , 0 q1(α1 , ).., q. n( αn);) Σm (q0, q1(α1), ..., q m(αn);)
Σ
(α) q0 + qje(α )je= (α)K
q0 qje() je
α∈Ωm je =1 α∈
Ωm
Par conséquent, le coût marginal a une interprétation de la répartition du capital qui « s’additionne » dans le
cas d'opportunités multiples également. Si nous considérer l'affectation du capital au je risque, nous
peut avoir: Σ
]
E[rn()] (q , q0(α1),
1 ..., q (αn);) m
pn() [ qj(αj)
(q0,q1(α1),...,qn(αn) ;) qj(αj)
α∈Ωm qn()
Pour chaque état final de la monde, on multiplie la probabilité de l'état α fois l'état α fois le
67
la répartition des coûts totaux est alors la somme de ces chiffres sur tous les états de Ωn.m. En outre,
e e ca pital allo chatΣ
ion peut être rew écrit comme suit :
]
Σ E[r (m)] (q , q0(α1),
1 ..., q (αn);) m
pj(αj) Pr(|αj) [ qj(αj)
(q0,q1(α1),...,qn(αn);) qj(αj)
αj∈Ωj α∈Ω−j qn()
Pour chaque état du monde, étant donné un chemin particulier jusqu'à la période j, nous multiplions
la probabilité conditionnelle des états possibles restants par la valeur marginale du capital dans l'état
fois l'allocation de capital au je risque dans l'état; la répartition totale des coûts pour le chemin
particulierαj est la somme de tous les chiffres sur tous les sous-états ; la somme de toute la production
de l'allocation de capital contingente au chemin multipliée par la probabilité du chemin est l'allocation
En particulier, l'allocation de capital au risque de période zéro peut être exprimée comme le
Suivant:
]
Σ E[rn()] (q0, q1(α1), ..., qn(αn);)
pm(α) [ q0
(q0,q 1
1(),...,qn(α );α) m
q0
α∈Ωm qn()
et l'allocation du capital à la laΣ risque de la première période, dans un ex ante sens, est :
pn()qn()E[rn()]
α∈Ωm
Comme dans le cas des deux opportunités, nous pouvons récupérer un résultat RORAC si nous permettons
d'ajuster le capital sans frais à la période terminale. Le capital devient alors un choix contingent étatique
variable:
Σ m ∑ Σ
hache ∈ } { pje(αje)qje(αje)E[rje(αje)] − τ pn()Kα
q0, q{ je(αje), je [∈1,m
,n],je· Ω
· ·je , Kα } q0E[r0] +
je =1 αje∈Ωje α∈Ωm
(17)
à nouveau soumis à un ensemble de contraintes qui restreignent le risque pour chaque réalisation possible de
68
(q0, q1(α1), ..., qn(αn);) ≤ Kα ∀α ∈Ωm (18)
En supposant que toutes les contraintes sont égales, nous obtenons à nouveau le résultat que
E[r0]
Σ =τ
α∈Ω mp (α)(q0,q1(α1),...,qn(αn);q)0
ou que le rapport entre le rendement attendu et le capital alloué ATTENDU est égal au
Semblable au cas des deux périodes, ce problème particulier avec un capital flexible est explosif pour la même
raison. Tant que nous trouvons une certaine solution à l'équation RORAC ci-dessus, nous pouvons facilement
doubler le montant du capital et l'investissement pour chaque état, de sorte que nous avons les mêmes
contraintes contraignantes mais avec un double profit que le profit optimal local précédent. Pour éviter un tel
problème explosif, nous pouvons soit maximiser le ratio de rendement et de mesure du risque,
c'est à dire,
]
[m∑
q0E[r0] + pje(αje)qje(αje)E[rje(αje)]
je =1 αje∈Ωje
max
q0,{qje(αje),∀je[1,··· ,n],∀αje∈Ωje},{K} K
ou utiliser la mesure du risque au lieu du capital comme base pour le calcul du coût en capital, c'est-à-dire
Σ m ∑
max pje(αje)qje(αje)E[rje(αje)] − τρ
q0,{qje(αje),∀je[1,··· ,n],∀αje∈Ωje},{K} q0E[r0] +
je =1 αje∈Ωje
tel que
3 Exemple numérique
Sur la base du paramètre de modèle ci-dessus, nous utilisons un simple exemple numérique à étudier
comment l'incertitude concernant les opportunités futures affecte le choix optimal pour l'opportunité
actuelle. En d'autres termes, nous examinons comment l'incertitude de la période zéro sur la
répartitions du futur rje aecte l'optimum q0. Une fois toutes les décisions prises, le
69
Riable
le rendement final du portefeuille est la valeur aléatoireΣ :
R() ≡ m qje()rje(αje) ∀α ∈ Ω
je =0
Pour la mesure du risque, nous utilisons par le moyen. Notez que la queue gauche
L'exemple se compose de deux parties. Dans la section 3.1, nous analysons les effets de l'incertitude sur le
rendement moyen des opportunités futures tout en maintenant la variance constante. Dans la section
3.2, nous considérons les effets de l'incertitude sur la variance des opportunités futures tout en maintenant
Tout au long, nous supposons que toutes les opportunités suivent des distributions normales indépendantes,
c'est à dire, rje v N(µje, σje) pour tous je [0,m]. De plus, on définit Φ(·) comme fonction de distribution
Pour simplifier, nous modélisons l'incertitude des opportunités futures avec une distribution binaire.
tion, avec un état haut et un état bas. C'est-à-dire,µ0 = µ et µje = µ ± φµ pour toute je [1,m].
1 H+ 1
max E[rq +0 0rHq rLqL K ]
q0,qH1 ,qL 1 2 11 2 11−
E[RH] −VaR(RH) ≤K
E[RL] −VaR(RL) ≤K
70
Étant donné que nous supposons que les opportunités à différentes périodes sont indépendantes, la mesure du risque
1 1
max µ q0 + qH(µ + φµ) + qL(µ − ) τµ − K
q0,qH1 ,qL 1 21 21
sujet à
√
2
σ 2 q0 + qH
−√ 1 () ≤ K
−σ q02+ q1 ()L≤2 K,
Puisque les deux contraintes doivent être obligatoires, nous savons que qH 1 = qL 1 . Ainsi φµ disparaît
dans la fonction objectif. Par conséquent,φµ n'affecte pas l'optimum q0 dans le cas à deux périodes,
1 1 1 HH 1 HL
max µq0 + qH(µH) + qL(µL) + q (µ H) + q (µ)L
q0, 1qH,qL,q1HH,q
2
HL,qLH,
2
qLL 2 2
21 21 42 42
1 LH 1
+ q ( µH) + qLL(µL) − Kτ
42 42
sujet à
√
−σ√q 2 0 + q1H2 + q2HH2 () ≤ K
2 2() ≤K
−σ√q 2 0 + qH1 + qHL
2
2 + qLH 2() ≤K
−σ q02+ qL 1 2
√
L (2) ≤ K,
−σ q02+ q1 + Lq2L 2
non négatif.
Voyons maintenant les résultats pour le cas où µ = dix, = 20, = 0,2, K = 18, et = 5%.
71
Après avoir optimisé le problème ci-dessus avec différents φµ, on obtient les résultats suivants.
Premièrement, dans un exemple à deux périodes, la valeur optimale q0 est constant en variant φµ (comme prévu).
De même, l'optimum q1 ne dépend pas non plus de φµ Soit. Comme indiqué précédemment, cela découle
analytiquement du fait que la mesure du risque, par conception, n'est pas affectée par le rendement moyen
Considérons ensuite les résultats numériques dans le cas à 3 périodes. L'optimalq0 diminue avec φ
µ comme le montre la figure 3. La raison en est que lorsque l'incertitude quant au rendement moyen
futur augmente au cours des périodes suivantes, il devient optimal de « laisser de la place » pour les
72
Figure 3: q0 selon φµ en 3 périodes
Une logique similaire guide la prise de décision au cours de la première période, comme le montre la figure 4.
À mesure que l'incertitude augmente, la quantité optimale pour le risque de la période 1 augmente également
pour la réalisation de la période 1. Il diminue pour les mauvaises réalisations. L'intuition est que lorsque
l'incertitude est grande, une bonne réalisation en période-1 est si attrayante que l'individu préfère investir
davantage en période-1 plutôt que de prendre le risque de se retrouver avec une mauvaise réalisation en
période-2. En revanche, si la réalisation de la période 1 est mauvaise, le décideur a peu à perdre et beaucoup à
La figure 5 montre comment le q2 varie en fonction de l'incertitude du rendement attendu. Ici, nous voyons
que le déterminant clé est la réalisation de la période 1. Dans cet exemple, la période 2 est la dernière
période, de sorte que la capacité restante est dédiée à l'opportunité finale, qu'il s'agisse d'une réalisation élevée ou
faible. La capacité restante dépend de ce qui s'est passé au cours de la période 1 - où, comme nous l'avons vu dans
la figure 4, une incertitude croissante a conduit à une augmentation des investissements, avec
73
la conséquence évidente qu'il restait moins de capacité pour la dernière opportunité, quel que soit le
résultat. A l'inverse, une incertitude croissante conduit à un investissement plus important dans la période
finale où la réalisation de la période 1 est défavorable, puisque la capacité est de plus en plus reportée sur
En résumé, cet exemple illustre comment l'incertitude croissante concernant les rendements attendus
associés aux opportunités futures peut amener les entreprises à réduire de manière optimale leurs
investissements dans les opportunités actuelles lorsque ces opportunités ne sont pas attrayantes par rapport aux
Nous explorons maintenant les effets de l'incertitude sur la variance des opportunités futures tout en
gardant la moyenne constante. Nous continuons de supposer que tous les retours dans différents
les périodes suivent des distributions normales indépendantes, c'est-à-dire rje v N(µ,je) pour tous je [0,m].
Maintenant, il y a une incertitude dans l'écart type de chaque opportunité future, avec deux également
pour toute je [1,m]. Nous voulons comprendre l'effet de φσ sur optimal q0.
1 1
max µq0 + qHµ + qL µ − K
q0,qH1 ,qL 1 21 21
74
sujet à
√
− √ 2q20+ q σ () H2 H2
1 ≤ K
2() ≤ K,
− q02 2+ qL2σL1
sont indépendants.
avec l'incertitude sur la variance du risque futur. Lorsque l'incertitude augmente, la quantité
optimale pour l'investissement actuel diminue. L'intuition est que, à mesure que l'incertitude
augmente, l'état de faible variance devient de plus en plus rentable, et il devient impératif pour
investissement plus important dans la seconde opportunité lorsque l'état de faible variance est réalisé. Ceci
est illustré à la figure 7, qui montre également que l'investissement dans la deuxième opportunité diminue
avec l'incertitude lorsque l'état de variance élevée est réalisé. Evidemment, l'influence positive du report de
capacité est compensée par l'influence négative de la variance la plus élevée à l'état haut.
75
Image 7 : q1 selon φσ en 2 périodes
1H 1L 1 HH 1 HL
max µq0 + q µ + q µ +1q 2 µ+q 2 µ
q0, 1qH,qL,q1HH,q
2
HL,qLH,
2
qLL 2 2
21 2 4 4
1 LH 1
+ q µ + qL Lµ − K
42 42
sujet à
√
2+q 2 H2
− √q 20σ 1 σ
H2 H2
+ q2HH σ () ≤K
2σL 2() ≤K
−√q 2 02 + qH2σH12 + qHL 2
2σ H
()2≤ K
− q0+2 2q + L2 L2
1 q2LH
√
2 2σ L (2) ≤ K,
− q02 2+ qL σ 1
L2 + q2LL
où q0, q1, et q2 sont non négatifs. Les résultats sont similaires à ceux du cas à deux périodes,
76
Figure 8: q0 selon φσ en 3 périodes
77
En résumé, dans un problème d'optimisation de portefeuille séquentiel, l'investissement optimal dépend de
l'incertitude de la variance des opportunités futures. Si les opportunités futures ont des variances plus élevées,
l'individu investira moins dans la période 0 lorsqu'aucune information n'est donnée. Des effets de report similaires
à ceux de la section 3.1 sont également observés : lorsque l'incertitude de la variance devient plus grande, la
période optimale un investissement dans une opportunité de variance élevée diminue, car il devient optimal de
reporter la capacité à l'avenir dans l'espoir d'un meilleur tirage. D'un autre côté, les résultats à faible variance au
cours de la période 1 se traduisent par un investissement croissant à mesure que l'incertitude augmente.
4. Conclusion
Les réassureurs, les sociétés de capital-investissement et les autres institutions financières qui investissent
dans des opportunités illiquides doivent prendre en compte le profil risque-rendement attendu des opportunités
futures lors de leurs investissements actuels. Les méthodes actuelles d'allocation du capital, qui sont largement
développées dans des environnements statiques d'information complète, doivent être adaptées à cette réalité.
L'évaluation RORAC des investissements dans ce cadre doit considérer une moyenne des allocations de capital
futures possibles, plutôt qu'une allocation de capital unique basée sur un portefeuille pro forma.
Nous avons montré qu'un tel ajustement est faisable si les incertitudes sont comprises. L'allocation de capital
peut se dérouler sous une forme généralisée, avec une tarification du risque reétant les moyennes des allocations
de capital à l'avenir. Le fait de ne pas modéliser explicitement les incertitudes concernant les opportunités futures
peut conduire à une fausse déclaration du coût marginal du risque et, par conséquent, à une mauvaise allocation
de la capacité dans les opportunités actuelles. Au moins dans certains cas, nous avons montré que l'augmentation
de l'incertitude devrait conduire les entreprises à réduire leurs investissements dans les opportunités actuelles et à
laisser de la capacité pour des opportunités futures attrayantes si elles se présentent, ce qui reflète l'intuition de
78
Les références
[1] BAUER, D. et G. Zanjani (2013), « L'allocation du capital et ses mécontentements », Dans : Main-
[2] DIXIT, AK et RS Pindyck (1994), versity Investissement sous incertitude, Princeton Uni-
299-319.
[5] MCDONALD, RL et D. Siegel (1986), « The Value of Waiting to Invest », Revue trimestrielle
[6] TSANAKAS, A. (2004), « Allocation dynamique du capital avec mesures du risque de distorsion »,
79