g

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

Suivez ceci et d'autres travaux sur : https://scholarworks.gsu.edu/rmi_diss

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.

L'auteur de cette thèse est :

Xiaohu Ping
Département de la gestion des risques et des
assurances 35 Broad Street, Atlanta, GA 30303

Le directeur de cette thèse est :

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

Une thèse soumise en remplissant partiellement les exigences du diplôme

De

Docteur en philosophie

Au Robinson College of Business

De

Université d'État de Géorgie

GEORGIA STATE UNIVERSITY

ROBINSON COLLEGE OF BUSINESS
2015

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.

Richard Phillips, doyen

COMITÉ DE MÉMOIRE

Dr George Zanjani
Dr Ajay Subramanian
Dr Daniel Bauer
Dr Stephen Shore
Dr Michael Pouvoirs

v
 ABSTRAIT

Essais sur la gestion des risques pour les compagnies d'assurance

PAR

Xiaohu Ping

20/07/2015

Président du comité : Georges Zanjani

Unité Académique Majeure : Département de la gestion des risques et des assurances

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,

Le deuxième essai étudie la règle d'allocation du capital dans un problème

général d'optimisation de portefeuille avec des investissements irréversibles. Je
trouve que la tarification au coût marginal peut toujours être liée à l'allocation
du capital dans cette configuration, bien que la base de l'allocation soit
différente de celle trouvée dans les problèmes statiques. La décision
d'investissement pour une opportunité présentée aujourd'hui est prise sur la
base d'un futur coût marginal du risque attendu associé à cette opportunité. Le
capital alloué pour l'opportunité 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 de la quantité de capital consommée par l'opportunité
d'aujourd'hui dans ces états futurs. En plus,

vi
 REMERCIEMENTS

Je tiens à exprimer ma gratitude et mes remerciements particuliers à mon conseiller, le professeur

George Zanjani, vous avez été un formidable mentor pour moi. Je tiens à vous remercier d'avoir
encouragé mes recherches et de m'avoir permis de grandir en tant que chercheur. Vos conseils tant
sur la recherche que sur ma carrière ont été inestimables. Sans vos conseils et votre aide constants,
cette thèse n'aurait pas été possible. Je tiens également à remercier les membres de mon comité, le
professeur Ajay Subramanian, le professeur Daniel Bauer, le professeur Stephen Shore et le
professeur Michael Powers d'avoir siégé à mon comité même dans des conditions difficiles. Je tiens
également à vous remercier d'avoir fait de ma soutenance un moment agréable, et pour vos brillants
commentaires et suggestions, merci à vous.

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

SOMMAIRE…………………………………………………………………………………….viii LISTE DES

CHIFFRES ……………… ……………………………………….……………..ix Chapitre 1 : Contrats

d'assurance optimaux avec risque de fond de l'assureur………………..1

1.1 Introduction………………..………………..………………..………………..……1

1.2 Littérature connexe………………..………………..………………..…………….....5

1.3 Contrats optimaux avec risque de fond de l'assureur………………..………………...8

1.4 Applications - CARA Utilities et distributions de pertes spécifiques………………….25

1.5 Conclusion………………..………………..………………..………………….…30

1.6 Annexe………………..………………..………………..………………..…..…31

1.7 Références………………..………………..………………..……………………..49 Chapitre 2 :

Allocation Dynamique du Capital avec Investissements Irréversibles………… …...…..59

2.1 Présentation………………..……………….……………….……………….….…59

2.2 Répartition dynamique du capital……………….……………….……………….…….61

2.3 Exemple numérique……………….……………….……………….……………..69

2.4 Conclusion……………….……………….……………….……………….……...78

2.5 Références……………….……………….……………….……………….………79

viii
 LISTE DES FIGURES

Figure 1.1 Programmes d'indemnisation optimaux lorsque c'(.) = 0………………..………………54

Figure 1.2 Programmes d'indemnisation optimaux lorsque c'(.) > 0………………..… ……………54

Figure 1.3 Programmes d'indemnisation optimaux non décroissants lorsque c'(·) =

0………………55 Figure 1.4 Programmes d'indemnisation optimaux non décroissants lorsque

c'(·) > 0………………55 Figure 1.5 Structure d'indemnisation optimale avec risque de fond

indépendant et aucun coût d'indemnisation ……………….………………….……………………………………

56 Figure 1.6 Structure d'indemnisation optimale avec risque de fond indépendant et

Augmentation du coût d'indemnisation ……………………………………………………………56 Figure

1.7 Structure d'indemnisation optimale avec risque de fond dépendant et aucun coût

d'indemnisation ………....... ......…….…………………………………………………57 Figure 1.8 Structure

d'indemnisation optimale avec risque de fond dépendant et augmentation

Coût d'indemnisation ………................…….…………………………………………………………57 Figure 1.9

Structures d'indemnisation optimales avec différentes structures de dépendance avec coût

(c = 0) ……………………….…….…………………………………………………58 Figure 1.10

Structures d'indemnisation optimales avec différentes structures de dépendance

avec coût ( c = 0) ………………….…….………………………………………………….58

Graphique 2.1  0 selon Φμ en 2 périodes ………………….…….…………………72 Figure

2.2  1 selon Φμ en 2 périodes ………………….…….…………………72 Figure 2.3  0 selon Φ

μ en 3 périodes ………………….…….…………………73 Figure 2.4  1 selon Φμ en 3

périodes ………………….…….…………………73 Figure 2.5  2 selon Φμ en 3 périodes

………………….…….…………………74

ix
Graphique 2.6  0 selon Φσ en 2 périodes ………………….…….……………………75 Figure

2.7  1 selon Φσ en 2 périodes ………………….…….……………………76 Figure 2.8  0 selon

Φσ en 3 périodes ………………….…….……………………77 Figure 2.9  1 selon Φσ en 3

périodes ………………….…….……………………77 Figure 2.10  2 selon Φσ en 3 périodes

………………….…….……..……………77

X
 Chapitre 1 : Contrats d'assurance optimaux avec

Risque de fond de l'assureur

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

corrélation entre la richesse de l'assureur et la perte de l'assuré affecte la structure du contrat

d'assurance optimal. Une corrélation négative entre la richesse de l'assureur et la perte de

l'assuré pourrait émerger pour diverses raisons, mais une importante concerne le risque non

diversifiable au sein du marché de l'assurance. Lorsque la fréquence et la gravité des sinistres

varient systématiquement au sein de la population assurée, un nouveau contrat impliquera des

sinistres potentiels positivement corrélés aux expositions existantes de l'assureur.

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

caractéristiques du contrat : les franchises et les pourcentages de coassurance, par exemple,

augmentent avec le degré de corrélation dans certaines conditions.

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,

considérons les franchises et les plafonds.

Une franchise typique dans un contrat de propriétaire américain est mesurée en

centaines de dollars et s'applique à de nombreux risques, y compris l'incendie ; la franchise

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,

dépasse facilement 10 000 $. Les explications courantes des franchises—coûts

administratifs (Arrow (1963), Raviv (1979) et Townsend (1979)), sélection adverse (Rothschild

et Stiglitz (1976)) et aléa moral (par exemple, Zeckhauser (1970))—semblent peu de

promesses dans ce cas. Par exemple, il est difficile d'imaginer comment assurer le

tremblement de terre au lieu de l'incendie générerait des différences de coûts

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

tremblements de terre qu'avec les incendies. D'autre part,

1Nous utilisons ici « limite supérieure » dans le sens d'une indemnité maximale qui 1) est inférieure à la plus grande
perte possible et 2) est accordée pour au moins une ou plusieurs pertes inférieures à la plus grande perte possible. Cela
correspond à la notion familière de « limite politique » et à la description de Raviv d'un « plafond ».

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

risque et de limiter l'exposition aux pertes corrélées.

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

franchise. On introduit alors 1) une dépendance stochastique entre le patrimoine historique de

l'assureur et la perte de l'assuré et 2) on contraint le barème d'indemnisation à être non dégressif.

Ces changements élargissent l'ensemble des formes de contrat optimales possibles : en particulier,

des limites supérieures deviennent désormais possibles.

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

distributions Normale et Bernoulli, on peut vérifier analytiquement que la rétention du

consommateur augmente avec la corrélation (négative) entre la perte du consommateur et

la richesse de l'assureur et en particulier que la franchise augmente avec la force de la

corrélation. Dans le cas de la distribution normale, le barème d'indemnisation

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

d'idées pour les recherches futures.

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

exemple, Gould (1969), Pashigian, Schkade et Menefee (1966), Moffet

(1977) et Schlesinger (1981) ont envisagé le choix optimal d'un niveau de franchise ;

Mossin (1968) et Mayers et Smith (1983) ont discuté de la demande de coassurance ;

Smith (1968) et Cummins et Mahul (2004) ont analysé la demande d'assurance avec une

limite supérieure.

Les franchises et la coassurance peuvent résulter de manière endogène d'une

information asymétrique entre l'assuré et l'assureur. Par exemple, Zeckhauser (1970),

Spence et Zeckhauser (1971), Rothschild et Stiglitz (1976), Harris et Raviv (1978) et

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

de dispositifs de tri dans des conditions d'antisélection.

Moins d'articles traitent du raisonnement pour les limites supérieures, à l'exception

de Huberman, Mayers et Smith (1983) et Doherty, Laux et Muermann.

(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

être interprété comme une forme de modification des préférences.

5
 Un autre volet de la littérature sur les contrats d'assurance optimaux met l'accent

sur les marchés incomplets. Les diverses formes d'incomplétude analysées

comprennent le risque de fond, le risque d'insolvabilité et le risque de défaut de la

contrepartie. L'eet du risque de fond sur les contrats d'assurance a été analysé dans de

nombreux articles. Un certain nombre imposent une structure de contrat déductible,

notamment Turnbull (1983), Doherty et Schlesinger (1983b) et Doherty et Schlesinger

(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

entraîner une disparition déductible. D'autres articles sur l'incomplétude dans

l'assurance optimale sont Schlesinger et Doherty (1985), Doherty et Schlesinger (1990),

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

3.1 Structure du modèle de base

À la suite de Raviv (1979), nous considérons le problème de trouver la police d'assurance optimale

pour un consommateur soumis à une contrainte de participation de l'assureur, en nous concentrant

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

ultérieure, nous introduirons d'autres contraintes sur les possibilités de contracter.)

Considérons un assuré averse au risque qui a une fonction d'utilité U : R 7→ R, qui

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

prime P. L'indemnité, ou couverture, représente ce que l'assureur paiera en cas de perte X

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

associés au paiement de l'indemnité, nous supposons un coût non décroissant et convexe

une fonction c(je) avec

c(0) = 0, c(·) ≥ 0, et c(·) ≥ 0.

Le coût de l'assurance est à la charge de l'assureur et dépend du paiement de l'assureur lorsque

Dommages assurés X est réalisé.

L'assurée veut un contrat qui maximise son utilité espérée de a posteriori richesse

A = W1 −X − P + I(X),5 qui dépend du contrat d'assurance (P, je (·)) et la réalisation du

dommage assuré X. Ainsi, l'acheteur d'assurance est prêt à acheter

couverture Je(X) pour une prime P seulement si

E[U(W1 −X − P + I(X))] ≥ E[U(W1 −X)].

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

aléatoire versée à l'assuré contractant. La fonction d'utilité de l'assureurV : R 7→ R est

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

et Y. La contrainte de participation de l'assureur est

E[V (W2 − O + P − Je(X) − c(I(X)))] ≥ V ≥ E[V (W2 − Y )],

dans lequel V désigne le niveau d'utilité de réserve de l'assureur, qui n'est pas inférieur à

l'utilité attendue par l'assureur de sa richesse initiale (y compris le risque de fond).

5Nous supposons que l'assuré n'a pas d'option par défaut. Le cas d'une option par défaut de l'assuré est
considéré par Huberman, Mayers et Smith (1983).
6Les effets de la défaillance de l'assureur incorporé sont examinés par Schlesinger et Schulenburg

(1987), Doherty et Schlesinger (1990) et Biffis et Millossovich (2012).

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

conditionnelle de Oui étant donné X = x par g(y|x) et la fonction de distribution cumulative

correspondante par G(Y |x) sur le support [0, y]. Laisser f(x) et g(y) être les densités

marginales des pertes de l'assuré et de l'assureur respectivement. Si la perte aléatoire de

l'assureurOui est indépendant de la perte de l'assuré X, alors la densité marginale est égale

à la densité conditionnelle, c'est-à-dire, g(y|x) = g(y), ∀X [0, X].

Pour trouver le contrat d'assurance optimal, nous recherchons la prime d'assurance P

et la fonction d'indemnisation JE(·) qui maximise l'espérance d'utilité du patrimoine final de

l'assuré soumis à des contraintes de participation (tant pour l'assuré que pour l'assureur) et

une contrainte limitant l'indemnité à se situer entre zéro et le montant de la perte:

maxE[U(W1 −X − P + I(X))] (1)

PI(·)

sujet à

E[U(W1 −X − P + I(X)) ≥ E[U(W1 −X)]. (2)

E[V (W2 − O + P − Je(X) − c(I(X)))] ≥ V (3)

P≥0 (4)

0 ≤ je(x) ≤ X ∀X [0, X] (5)

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

multiplicateur λ ≥ 0 tel que (P, je) résout

max E[U(W1 −X − P + I(X))] +E[V (W2 − O + P − Je(X) − c(I(X)))].

P≥0,0≤je≤Identifiant

Par conséquent, à la prime optimale P, pour chaque X [0, x], je(X) est la solution d'un

problème de maximisation état par état

max U(W1 − X − P+ I(x)) +E[V (W2 − O + P* − je(x) − c(I(x)))|X = x].

0≤je(x)≤X

Avant d'examiner la solution, nous présentons maintenant quelques définitions de contrats

d'assurance et des barèmes d'indemnisation couramment discutés. Avec la contrainte d'indemnité

réalisable (5), la couverture d'assurance peut être caractérisée selon trois possibilités : non-assurance,

pleine assurance et coassurance. « Non-assurance » fait référence aux parties du barème

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

correspondante est couverte.7 Ainsi, partitionnant l'intervalle de perte [0, X]

en trois sous-ensembles, nous avons les trois ensembles de couverture possibles suivants : ensemble sans assurance, ensemble

avec assurance complète et ensemble avec coassurance.

Définition 1. Le sous-ensemble Ω1 = {X [0, x]|I(x) = 0} désigne l'ensemble non assuré ; le sous-

ensemble2 = {X [0, x]|I(x) = x} désigne l'ensemble d'assurance complète; et le sous-ensemble3={X[

0, x]|0<Je(x)<x} désigne l'ensemble de coassurance.

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.

Définition 2. Un montant de perte Xré s'appelle un déductible si ∀X[0, Xré], Je(x)=0, et

∀>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 + .

De plus, il existe plusieurs structures de contrats d'assurance largement étudiées dans la

littérature : les contrats à franchise généralisée, les contrats à franchise standard, les contrats à

franchise disparaissant, les contrats à franchise croissante-convexe, les contrats de coassurance

généralisée et les contrats de coassurance standard. Nous rappelons les définitions de ces

barèmes d'indemnisation comme suit.

Définition 3. (i) Un contrat réalisable (P, je) a un franchise généralisée si pour

quelque Xré[0, X] il satisfait Je(x)=0, ∀X[0, Xré].

(ii) Un contrat réalisable (P, je) a un franchise standard si pour certains Xré [0, X]

il satisfait Je(x)=max (X − Xré, 0), ∀X[0, X].

(iii) Un contrat réalisable (P, je) a un franchise disparaissant s'il existe un

niveau de franchise non négligeable Xré, et la fonction de rétention des risques Identifiant − je est décroissant sur [X

ré, X].

(iv) Un contrat réalisable (P, je) a un franchise croissante-convexe s'il y a ex-

est un niveau de franchise non négligeable Xré, et la fonction de rétention des risques Identifiant−je est croissante

et strictement convexe sur [Xré, X].

(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

0<I(x)<x, ∀X(0, X], et je et Identifiant−je sont non décroissants.

La définition du contrat de franchise généralisée est diérente de celle utilisée dans Dana

et Scarsini (2007) en ce que nous n'exigeons pas d'indemnité non décroissante. je

et rétention Identifiant − JE. Dans un contrat à franchise disparaissant, la fonction d'indemnisation

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

d'antécédents de l'assureur,Oui, indépendant du sinistre de l'assuré X. Nous avons alors où

passer à la section 3.3 au cas les deux pertes présentent une dépendance.

3.2 Risque lié aux antécédents de l'assureur indépendant

Considérons d'abord le cas du risque de fond d'un assureur indépendant, c'est-à-dire Oui et X

sont indépendants. Si l'on définit la fonction d'utilité indirecte de l'assureurV̂ : R 7→ R comme

V (W) = E[V (W − Y )] pour tous les possibles W, V̂ hérite des propriétés de V et problème

(1) s'avère être identique à celui étudié par Raviv (1979), où le

fonction d'utilité V est remplacé par V̂. Définir RU(·), RV (·), et RV̂ (·) comme les coefficients

d'ArrowPratt d'aversion absolue au risque associé aux fonctions d'utilité U, V , et

V̂ , séparément. Plus précisément,RV̂ (·) est le coefficient d'aversion absolue au risque de

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

et le contrat d'assurance (P, je). Par conséquent, le coefficient d'Arrow-Pratt

d'aversion absolue au risque pour l'indir̂ fonction d'utilité ect V̂ est

)]
)= V̂(B) E[V (B
RV̂ (B̂ −' = −
V (B̂ ) * E[V (B, )]

où B= W2 − O + P* − je(X) − c(je(X)) est la richesse finale associée à l'utilité

une fonction V. De plus, on peut définir c= c(je(X)) évalué à l'indemnité optimale

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.

(a) Pas d'assurance (P= 0, je= 0) est un contrat optimal si et seulement si

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

1 + c(X) ≤ E[V (W2 − O + P* −X − c(X))] , (7)

E[V (W2 − O + P* − X − c(x))]

ce qui équivaut à c(·) = 0 et V (·) = 0.

(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.

(e) Si V (·) = 0 et la contrainte (6) n'est pas satisfaite, alors on a :

(1) Si c(·) = 0, ensuite (P, je) est un contrat d'assurance complet.

(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.

(f) Si V (·) > 0 et la contrainte (6) n'est pas satisfaite, alors on a :

(4) Si c(·) = 0, ensuite (P, je) est un contrat de coassurance standard.

(5) Si c(·) > 0, ensuite (P, je) est un contrat à franchise généralisée.

Preuve. Voir l'annexe 6.1.

Comme Raviv l'a montré dans le cas sans risque de fond, lorsque le risque de fond de

l'assureur est indépendant, le contrat optimal existe et rend comonotone le patrimoine de

l'assureur et de l'assuré. En d'autres termes, l'indemnité optimale et la rétention du risque sont

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

risque de fond. particulièrement les eets de l'aversion au risque de l'assureur, qui

rendement partage des risques sous forme de coassurance même en l'absence de

frais. De plus, les franchises apparaissent exclusivement comme conséquence d'une fonction de

coût administratif croissante.

Nous examinons maintenant la relation entre le contrat optimal et la taille du risque de

fond de l'assureur. Comparez deux cas où l'assureur a des risques de fond différents et

indépendants :Oui et , où Oui ~ G(y) le second ordre domine stochastiquement

ý ~ G̃(y), ou, grosso modo, Oui comporte moins de « risques » que .dix Bien entendu, la taille

du risque de fond indépendant ne modifie pas la forme de l'assurance optimale

dixPar la définition de la dominance stochastique du second ordre, nous savons que E[U(Ỹ )] ≤ E[U(Y )] pour toute
fonction non décroissante et concave U(·).

15
contrat de financement dérivé lorsque la richesse initiale de l'assureur n'est pas aléatoire.11

Néanmoins, l'évolution du risque de fond de l'assureur aectera le niveau optimal de franchise et

le niveau de transfert de risque (coassurance) au-dessus de la franchise. Ces effets sont

généralement ambigus puisque la présence du risque de fond indépendant de l'assureur aecte

non seulement le coefficient d'aversion au risque de l'assureur via la fonction d'utilité indirecte

de l'entreprise, mais aussi le patrimoine final de l'assureur et de l'assuré et la fonction de coût

via un changement deje(X).

Corollaire 1. Supposons que le risque de fond de l'assureur indépendant est ý ~ G̃(y),

qui est dominé stochastiquement par Y. Alors le contrat optimal (P̃ , JE) a les mêmes

propriétés que celles du théorème 1. De plus,

(a) Si V (·) = 0, ensuite (P̃ , JE) = (P, je).

(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.

Preuve. Voir l'annexe 6.2.

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

le calendrier d'indemnisation optimal. Si l'assureur est vulnérable au risque et que le coût

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

compliquée lorsque les coûts d'indemnisation augmentent : si la forme optimale du contrat

reste une franchise généralisée, les directions d'évolution du niveau de la franchise et de la

fraction de partage des risques sont ambiguës.

11Des résultats analogues sont trouvés pour le risque de fond de l'assuré dans Doherty et Schlesinger
(1983b), Gollier (1996) et Mahul (2000), qui comparent le contrat d'assurance optimal lorsque l'assuré a un
risque de fond moyen nul à celui obtenu lorsque l'assuré a aucun risque de fond.

16
3.3 Risque lié aux antécédents de l'assureur dépendant

En général, le risque de fond de l'assureur présentera une certaine forme de dépendance

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

exemple, obligations catastrophes, billets excédentaires éventuels et options de vente ce qui

pourrait faire en sorte que l'autre patrimoine de l'assureur soit corrélé positivement avec la

perte assurée spécifique.12 D'autre part, le parcours de l'assureur perte

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

l'assurance contre les tremblements de terre et l'assurance contre les inondations.

Nous considérons maintenant différentes structures de dépendance possibles et constatons que le

partage du risque et la franchise dépendent de la nature spécifique de la dépendance entre Oui

et X. Certains concepts de dépendance sont rappelés dans les définitions suivantes.

Un vecteur aléatoire Oui est associée avec un autre vecteur X si deux fonctions non

décroissantes d'entre elles ont une covariance positive.

Définition 4. Deux variables aléatoires X et Oui sont associée, si Cov(g(X, Y ), k(X, Y )) ≥

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

conditionnant sur des valeurs plus élevées de X.

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

fonction non décroissante z(·) tel que E[z(Y )] existe.

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

susceptibles d'être élevées que petites.

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

∂2dansh(x, y) ≥ 0 pour tous x, y ∈ R2.

(9)
x∂y

L'aliation implique que la semi-élasticité de la densité conditionnelle g(y|x) avec

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

seulement le changement de la moyenne de la distribution conditionnelle mais aussi sa forme.

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.

3.3.1 Contrats optimaux en général

Premièrement, nous considérons que la circonstance sans contraindre le barème

d'indemnisation est non décroissante. Supposons qu'il existe un contrat d'assurance

optimal non trivial, (P, je) 6=(0, 0), alors il existe un λ≥0 tel que

E[U(W1−X−P+je(X))]=λE[V (W2−O + P*−je(X)−c(je(X)))], (dix)

18
pour tous X ∈ Ω1,

J(x)≡U(W1−X−P)−λE[V (W2−O + P)|X=x](1+c(0))≤0, (11)

pour tous X ∈ Ω2,

K(x)≡U(W1−P)−λE[V (W2−O + P*−X−c(x))|X=x](1+c(X))≥0, (12)

et pour tous X ∈ Ω3,

M(x)≡U(UNE(X))−λE[V (B(Y, x))|X=x](1+c)=0, (13)

où c=c(je(X)) est évalué au niveau d'indemnisation optimal je, et

UNE(x)=W1−X−P+je(X)

B(Y, x)=W2−O + P*−je(X)−c(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

présence d'un risque de fond d'assureur a les propriétés suivantes.

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.

(b) Pas d'assurance (P=0, je={ 0) est optimale si et seulement si

}
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

1+c(X)≤ E[V (W2−O + P*−X−c(X))] .

E[V (W2−O + P*−X−c(x))|X=x]

(d) Pour tous X∈Ω3,

RU(UNE)−(X)
je(x)= , (14)
RU(A )+R
* V̂ (B̂ *) (1+c )+c
* ' /(1+
* ''c) *'

où

E[V (B)(∂dans g(Y |x)/∂x)|x] Cov[V (B), (∂dans g(Y |x)/∂x)|x] ≥0

(x)= =
E[V (B)|X] E[V (B)|X]

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

l'intervalle d'assurance existe, c'est-à-dire ∃ Ω2 ∃ Ω1.

Preuve. Voir l'annexe 6.3.

En d'autres termes, lorsque le sinistre historique de l'assureur est alié au dommage

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

influence sur le degré de partage du risque, en plus de la nature de l'aversion au risque et

de la nature de la fonction de coût administratif. Les possibilités sont illustrées dans les

figures 1 et 2, qui présentent les barèmes d'indemnisation possibles lorsquec(·)=0 et c(·)>0,

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

à restreindre les paiements pour des pertes plus importantes.

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

fond. LorsqueX augmente, le déplacement de la répartition conditionnelle de la perte de l'assureur

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

puisqu'il est déterminé conjointement par la nature de la dépendance et l'aversion au risque de

l'assureur.

Dans les régions de coassurance, la forme optimale de contrat d'assurance différera du

cas de référence de risque de fond indépendant en raison de l'eet de Ψ(X). Puisque le terme

(X) dépend de la fonction de distribution conjointe de la variable aléatoire X et

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,

comme on peut le voir en (14).

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.

3.3.2 Contrat optimal avec un barème d'indemnisation non dégressif

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

contrainte non décroissante pour l'indemnité optimale dans cette section :

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

condition de la sous-section 2.2.1, la λ satisfait J(x) ≤ 0, ∀X ∈ Ω1, K(x) ≥ 0, ∀X ∈ Ω2,

et

M(x) ≤ 0, ∀X ∈ Ω3, (16)

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

contrainte d'indemnisation non décroissante :

Théorème 3. Suppose que Oui et X sont aliées et que l'indemnité optimale existe avec

la contrainte d'indemnité non décroissante 15. Alors le barème d'indemnité optimal

peut prendre les formes suivantes (Voir Figure 3 et 4.) :

(a) Si c(·) = 0, alors le barème optimal d'indemnisation peut prendre la forme de

(1) assurance complète, coassurance, puis plafond.

(2) une assurance complète, puis un plafond.

(3) et (4) coassurance standard.

(b) Si c(·) > 0, alors le barème optimal d'indemnisation peut prendre la forme de

(1) assurance complète, coassurance, puis plafond.

(2) la coassurance, puis un plafond.

(3) franchise et coassurance.

(4) franchise, coassurance, puis plafonnement.

Preuve. Voir Annexe 6.4.

[ Insérer les figures 3 et 4 ]

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

n'existe plus en raison de la contrainte supplémentaire. En conséquence, une limite supérieure de

l'indemnité optimale peut apparaître, le barème d'indemnisation maintenant la limite supérieure

après le point où elle est atteinte. L'assurance complète à faibles pertes est possible si la contrainte

non décroissante est contraignante à fortes pertes. Le raisonnement est que le

23
l'assureur y gagne en transférant la richesse vers les États à pertes élevées, où le risque de fond

alié a rendu la consommation particulièrement chère, en vendant des couvertures

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.

Cependant, le montant de la franchise peut varier selon la nature de la dépendance entreOui

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

coefficients d'aversion absolue au risque notés parune et b, respectivement. En dessous de

cette hypothèse, si (P, je) résout le problème (1), alors pour tout X ∈ Ω3, où

0 < je(x) < x, la couverture marginale optimale satisfait l'équation suivante :

une −(X)
je(x) = . (17)
a + b(1 + c) + c/(1 + c)

où c= c(je(X)) et c= c(je(X)) sont évalués au niveau d'indemnisation optimal

je* et
∂ dansE[eparY |X]
(x) = ,
x

qui équivaut à la covariance entre epar et ∂ dans g[Y

x
|x] . Par définition de la

limite supérieure, Xvous fait une couverture marginale je(Xu) à être nul, c'est-à-dire

∂ dansE[eparY |x] |Xvous

(Xu) = = une.
x

Théorème 4. Supposer Oui est aliée à X, c(I) = mI, RU(·) = une, et RV (·) = b,

alors le contrat optimal (P, je) a les propriétés suivantes :

(1) L'indemnité optimale a une franchise croissante-convexe si

∂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.

Preuve. Voir l'annexe 6.5.

Ainsi, si (X) augmente lorsque X augmente, la couverture marginale optimale diminuera

par rapport à X, et le contrat optimal prendra la forme d'une franchise convexe croissante,

et un plafond d'indemnisation existera si et seulement si la perte maximale

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.

Considérons maintenant l'impact de l'affiliation sur la franchise. Avec l'assurance

franchise, le barème des primes et des indemnités dépend du montant de la franchise et

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

Je(x). L'augmentation de l'affiliation rend essentiellement la couverture d'assurance plus chère

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)

De plus, supposons que la franchise optimale est Xré, ensuite

xd > 0.
∂ρ

Preuve. Voir Annexe 6.6.

Lorsque la perte de l'assureur et la perte de l'assuré sont conjointement distribuées

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-

types et de la corrélation de leurs pertes, et du chargement des dépenses. Une augmentation de la

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

pas dans ce cas.

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

dans ce problème sont la prime P et la couverture je = je(L).

De plus, nous laissons

E[eparY |X = L]
.
= E[eparY |X = 0]

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

avons le corollaire suivant :

Corollaire 3. Supposons que la perte de l'assuré soit répartie de manière binaire en X = {0, L ; 1−, },

la distribution de Oui dépend de la valeur de X, c(I) = mI, RU(·) = une, et RV (·) = b,

ensuite

Je*
< 0,
∂ρ

où je* est la couverture optimale lorsque l'assuré a une perte positive.

Preuve. Voir l'annexe 6.7.

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.

Distribution log-normale conjointe tronquée - Un exemple numérique Maintenant, nous

supposons que X et Oui suivre une distribution lognormale conjointe avec la suivante

paramètres: µx = 0,5, µy = 1, σx = 0,4, σy = 0,2, et la corrélation de log(X) et connectez-vous (Oui)

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 =

4, et définir les utilitaires comme U(w) = 1 − exp(−euh) et V(w) = 1 − exp(−pc), avec le

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

linéaire (c(I) = .05 * JE).

Les chiffres suivants montrent des barèmes d'indemnisation optimaux dans quatre cas :

1) risque de fond indépendant et aucun coût administratif, 2) fond indépendant

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

plus importante que dans le cas de l'indépendance.

[ Insérer les figures 5, 6, 7, 8 ]

Si l'on considère l'effet de la corrélation sur la structure optimale d'indemnisation, on constate

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.

[ Insérer 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

limites supérieures inférieures et un degré de coassurance plus élevé.

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

considérations d'information asymétrique et aux problèmes du côté de la demande dans la littérature

scientifique. Pourtant, les problèmes fondamentaux de la production d'assurances sont ceux de la

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

6.1 Preuve du théorème 1

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

être réécrit comme un problème de Pareto standard sans risque de fond :

UE(P, I) ≡ max E[U(W1 −X − P + I(X))]

P ≥0,0≤je≤Identifiant

sujet à

EV (P, I) ≡ E[V̂ (W2 + P − Je(X) − c(I(X)))] ≥ V̂

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

cette je* et Identifiant − je* sont non décroissants.

(a) Considérez un programme sans assurance je = 0, la prime correspondante doit

être contraignant à zéro, P = 0, puisque UE(P, I) est décroissant par rapport à P. Ainsi, le

contrat sans assurance (P = 0, je = 0) est une solution optimale du problème ci-dessus

s'il existe λ ≥ 0 tel que

−E[U(W1 −X)] + V̂ (W2) ≤ 0

U(W1 − X) − V̂ (W2)(1 + c(0)) ≤ 0 ∀X [0, X],

ou équivalent,

−E[U(W1 −X)] +E[V (W2 − Y )] ≤ 0

U(W1 − X) − λE[V (W2 − Y )](1 + c(0)) ≤ 0 ∀X [0, X].

31
Par conséquent, ∀X [0, X], on a

U(W1 − X) ≤ λE[V (W2 − Y )](1 + c(0)) ≤ E[U(W1 −X)](1 + c(0)).

Ainsi, aucun contrat d'assurance n'est optimal iff

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

s'il existe λ ≥ 0 tel que

−U(W1 − P) +E[V̂ (W2 + P −X − c(X))] = 0

U(W1 − P) − V̂ (W2 + P − X − c(x))(1 + c(X)) ≥ 0 ∀X [0, X],

ou équivalent,

−U(W1 − P) +E[V (W2 − O + P −X − c(X))] = 0

U(W1 − P) − λE[V (W2 − O + P − X − c(x))](1 + c(X)) ≥ 0 ∀X [0, X].

donc pour tous X [0, X], on a

1 + c(X) ≤ E[V (W2 − O + P −X − c(X))] .

E[V (W2 − O + P − X − c(x))]

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

égaux à 1, ce qui à son tour implique c(·) = 0 et V (·) = 0.

(c) Supposons (P, je) est un contrat optimal, similaire à Raviv (1979), on a pour

tout X ∈ Ω3, c'est-à-dire 0 < I(x) < x,

U(UNE) − λE[V (B)](1 + c) = 0,

où c* ' est évalué au niveau de l'indemnité je, et UNE= W1 − X − P+ je(X) et

B= W2 − O + P* − je(X) − c(je(X)) sont assurés et le patrimoine final de l'assureur avec le

contrat d'assurance évalué en perte assurée X ∈ Ω3. Se différencier par rapport à

X et en utilisant la définition de UNE* et B, on obtient pour tout X ∈ Ω3,

U(UNE)(je(X) − 1) + λE[V (B)](1 + c)2je(X) − λE[V (B)]c* ''je(x) = 0.

Substitution λ de la première équation et la résolution de je(X), on obtient

*
je* (x)
'
= pour tous X ∈ Ω3.
R U(A) + R V(BRU(
)(UNE
1* + c )) + c* ' /(1 + c)

̂ le coecient de Arrow-Pratt de l'aversion absolue au risque avec la

Noter que RV̂ (B̂) est

fonction d'utilité V et la richesse B̂, ce qui implique également le Kihlstrom et al. coecient

d'aversion absolue au risque aveĉth t̂La fonction utilitaire V et la richesse B,

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

qu'aucune assurance suivie

par coassurance (Xré (0, x), xf = 0) puisqu'aucune condition d'assurance (6) n'est satisfaite. Par

conséquent, il existe unλ ≥ 0 tel que

E[U(W1 −X − P+ je(X))] =E[V (W2 − O + P* − je(X) − c(je(X)))],

pour tous X [0, Xré], c'est à dire, X ∈ Ω1,

U(W1 − X − P) − λE[V (W2 − O + P)] ≤ 0,

et pour tous X [Xré, X], c'est à dire, X ∈ Ω3,

U(UNE) − λE[V (B)] = 0.

En intégrant les deux dernières équations sur [0, X], on trouve une contradiction avec le premier

un en raison de la concavité stricte de U. D'où, Xré doit être égal à zéro.

D'autre part, si c(·) > 0, supposons Xd = 0, le contrat optimal peut être

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

de la pleine assurance suivie de la coassurance (Xd = 0, XF (0, X)), on a

E[U(W1 −X − P+ je(X))] =E[V (W2 − O + P* − je(X) − c(je(X)))],

34
pour tous X [0, XF ], c'est à dire, X ∈ Ω2,

U(W1 − P) ≥ λE[V (W2 − O + P* − X − c(x))](1 + c(X))

>E[V (W2 − O + P* − X − c(x))],

et pour tous X [XF , X], c'est à dire, X ∈ Ω3,

U(UNE) = λE[V (B)](1 + c) > λE[V (B)].

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

E[U(W1 −X − P+ je(X))] =E[V (W2 − O + P* − je(X) − c(je(X)))],

et pour tous X [0, X], c'est à dire, X ∈ Ω3,

U(UNE) = λE[V (B)](1 + c) > λE[V (B)].

En intergradant la deuxième équation sur [0, X], on trouve une contradiction avec le premier

une. D'où,Xré doit être positif.

Par conséquent, une condition nécessaire et susante pour que la franchise optimale soit

zéro, Xd = 0, est le coût d'indemnisation constant, c(·) = 0.

(e) et (f) La condition (6) n'étant pas satisfaite, nous écartons le cas de non-assurance

des contrats optimaux possibles.

(1) Si V (·) = 0 et c(·) = 0, alors évidemment la condition d'assurance complète (7) est

satisfait, le contrat d'assurance complet est donc optimal.

(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 >

0, le contrat optimal est donc un contrat standard déductible.

(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

(d), le contrat réalisable ne peut être qu'un contrat déductible généralisé.

(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

par rapport à X. D'où,

E[V (W2 − O + P −X − c(X))] < E[V (W2 − O + P − X − c(x))],

ce qui à son tour viole la condition d'assurance complète (7). Considérez l'assurance

complète suivie de la coassurance, alors il existe unλ ≥ 0 tel que

E[U(W1 −X − P+ je(X))] =E[V (W2 − O + P* − je(X) − c(je(X)))],

pour tous X [0, XF ], c'est à dire, X ∈ Ω2,

U(W1 − P) − λE[V (W2 − O + P* − X − c(x))] ≥ 0,

et pour tous X [Xré, X], c'est à dire, X ∈ Ω3,

U(UNE) − λE[V (B)] = 0.

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

ne peut être que la coassurance standard.

(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

par des contrats de coassurance, de coassurance standard et de franchise généralisée. Similaire

à la preuve en (e.3), en raison du coût croissantc(·) > 0, l'assurance complète, l'assurance

complète suivie de la coassurance et les contrats de coassurance standard ne sont pas

optimaux. Le seul contrat optimal possible est la franchise généralisée.

6.2 Preuve du corollaire 1

(a) Si V (·) = 0, alors le problème d'optimisation est équivalent à

max E[U(W1 −X − P + I(X))]

P≥0,0≤je≤Identifiant

sujet à

P ≥ I(X) + c(I(X)).

La distribution de probabilité de la perte de fond Oui ne peut pas aecter la solution

optimale, donc (P̃ , JE) = (P, je).

(b) On peut supposer V(w) = 1 − e−pc sans perte de généralité puisque V (·) est

aversion absolue constante au risque (CARA). Ainsi, la contrainte (3) est

E[1 − eW2−O + P−Je(X)−c(I(X))] ≥ E[1 − eW2−Y ],

qui est égal à

P ≥ I(X) + c(I(X)).

37
La distribution de probabilité de la perte de fond Oui ne peut pas aecter la solution optimale,

Donc (P̃ , JE) = (P, je).

(c) D'après le théorème (1), on sait que

(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)

où UNE= W1 − X − P+ JE(x), B̃= W2 − O + P* − JE(X) − c(Ĩ(X)),

R(V̂B̂ )= −E[V (B̃)]/E[V (B̃)],

et c̃= c(JE(x)), c̃= c(JE(X)).

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

sur la base du résultat de Gollier et Pratt (1996). En conséquence,JE(x) < je(X) à

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

X [0, X] et vice versa.

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

niveau de franchise Xré, on obtient un barème d'indemnité à partir de la fonction d'indemnité

marginale 8. De plus, à partir de la condition du premier ordre, on obtient la fonction implicite

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

ce qui est ambigu puisque la prime peut varier.

6.3 Preuve du théorème 2

(a) Tout d'abord, nous définissons une fonction : R2 7→ R

(m, n) = E[V (W2 + P + m− Oui − m − c(n −m))|X = n].

Trouver la dérivée conjointe de la nouvelle fonction

∂2(m, n) E '(B) ∂ dans g(O |n) | ' 2 − '' '' '

= (1 + c ) '[V n] + (1 + c) E[ | V (B) n].
V (B) n] + c E[ |
n∂m dans

De la preuve précédente, on sait que E[V (B)∂dans g(Y |n)/∂n|n] ≥ 0, d'où,

∂2(m, n) ≥ 0.
n∂m

Par conséquent, la fonction (m, n) s'avère supermodulaire. Sim est un réarrangement non

décroissant (avec la même distribution) de m en ce qui concerne m, ensuite

E[(m̃(n), n)] ≥ E[(m(n), n)].

Laisser X− (X) être un réarrangement non décroissant de X − I(X). Depuis la diffusion de

X − (X) et X − Je(X) est inchangé,

E[U(W1 −X − P + je(X))] = E[U(W1 −X − P + I(X))].

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.

(b) Considérez un programme sans assurance je = 0, la prime correspondante doit

être contraignant ar zéro, P = 0, puisque UE(P, I) est décroissant par rapport à P. Donc pas

de contrat d'assurance (P = 0, je = 0) est optimal si et seulement s'il existe λ ≤ 0 tel

cette

−E[U(W −X)]
1 +E[V (W2 − Y )] ≤ 0

U(W1 − X) − λE[V (W2 − Y )|X = x](1 + c(0)) ≤ 0 ∀X [0, X].

donc pour tous X [0, X], on a

U '(W −1 X) '
E[V (W −2 Y )]
1 + c(0) ≥ · .
E[V (W2 − Y )|X = X] E[U (W
' 1− X)]

Le nominateur et le dénominateur augmentent par rapport à X. Ainsi, non

contrat d'assurance est optimal {je suis

'
}
' 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 (

P > 0, I = Id) est une solution optimale du problème ci-dessus si et seulement si

40
il existe λ ≥ 0 tel que

−U(W1 − P) +E[V ( W2 − O + P −X − c(X))] = 0

U(W1 − P) − λE[V (W2 − O + P − X − c(x))|X = x](1 + c(X)) ≥ 0 ∀X [0, X].

On a donc

' E[V (W2 − O + P −X − c(X))]

1 + c (x) ≤ pour tous X ∈ [0, X].
E[V (W2 − O + P − X − c(x))|X = x]

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

c(·) ≥ 0. Par conséquent, le contrat d'assurance complet est optimal iff

' E[V (W2 − O + P −X − c(X))]

1 + c (x) ≤ .
E[V (W
' 2 − O + P − −xc(x)) X = x]
|

(d) Supposons (P, je) est un contrat optimal, alors similaire à la partie (c) du théorème

1, nous avons l'avantage marginal de décaler l'indemnité du niveau optimal lorsque

l'indemnité optimale est la coassurance, c'est-à-dire pour tous X ∈ Ω3,

U(UNE) − λE[V (B)|X = x](1 + c) = 0,

où UNE= W − P* 1− x + je(x), B= W2 − O + P* − je(X) − c(je(X)) sont la richesse expost de

l'assuré et de l'assureur, et c, c* '' sont évalués à je(X). Différencier

cela par rapport à X, on obtient

∂dans g(Y |x)

U(UNE)(je* ' − 1) + (1 + c)E[V (B)(1 + c)je* ' − V (B) |X = x]
x
−λE[V (B)|X = x]c''je= 0

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

(X) ≡ E[V (B)(∂dans g(Y |x)/∂x)|X = x]

E[V (B)|X = x]

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

De plus, nous savons qu'[à

] ∫ 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

des contrats optimaux possibles.

(1) Si V (·) = 0 et c(·) = 0, alors évidemment la condition d'assurance complète est satisfaite,

le contrat d'assurance complet est donc optimal.

(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

(c), le contrat réalisable ne peut être qu'un contrat déductible généralisé.

(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],

E[U(W1−X−P+je(X))]>λE[V (W2−O + P*−je(X)−c(je(X)))](1 + c),

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.

6.4 Preuve du théorème 3

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

avons les résultats suivants :

(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

coassurance standard comme le résultat de la littérature.

(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

pour le cas (3), qui consiste en une franchise et une coassurance.

(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.

De plus, le montant de Xvous ne dépend pas du choix de l'indemnité ou de la prime due

aux utilités CARA. Évidemment, on a alors la limite supérieure

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.

(2) Considérons les contrats de franchise généralisée (sans plafond) de la

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

pour X [Xré, X], ∫ X

hache hacheré dansE[eparY |Xré

] .
je* (x)
'
= Je* (t)dt
'
= − dansE[eparY |X] − +
Xré a + bm a + bm a + bm a + bm

De plus, nous avons les conditions du premier ordre (10), (11) et (13), et à la perte Xré,

U(W1 − Xd+ P) = λE[V (W2 − O + P)|Xré](1 +m).

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

Dénoter Lje(Xré) et Rje(Xré), où je = 1, 2 pour le LHS et RHS de chaque équation.

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.

6.6 Preuve du corollaire 2

1) X et Oui sont affiliés. Du définition de la normale bivariée, nous ont le

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

De plus, à partir de la fonction de densité conjointe de la normale bivariée, nous obtenons

∂2dans h(x, y) ρ
= ≥ 0.
x∂y σxy(1 − ρ 2)

Par conséquent, les variables normales bivariées X et Oui sont affiliés.

45
 2) Du théorème 2, on obtient que pour tout X ∈ , je= une−
3 Ψ(X) , oùa+b(1+m)

∂dansE[epar |X] E[[epar ∂dansg(Y |x)/∂x|x]

(x) = = ,
x E[[eparY |X]

dans lequel le dénominateur est

+∞
E[[eparY |x] = eparg(y|x)dy = em,
−∞

b2(−ρ −ρ2)µ +2bρ(1−ρ2) y (X−µX) Depend

1 2)2σ2+2b(1oui de
oui
où m = 2(1 )− 2
x
paramètres donnés de

Le joint distribution et e∫e montant de la perte X;( − que le numérato)r est

tandis

+∞
| |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)

3) On peut écrire l'indemnité optimale sous la forme

je= 0 ∀X (−∞, Xré]

une − bρσoui/σX (X −
= Xré) ∀X (Xd, +)
a + b(1 +m)

Par conséquent, le problème d'optimisation d'origine n'a qu'une seule variable de choix Xré à présent. App-

sillonner le fi∫sim des conditions de première commande

Xré ∫ ilar ∫ Xré E[e

+ ∞ à (10) (11), et (13), on obtient parY |X]
(1 +m) ehache−Xré)dF(x) +m eune(1−)(x−Xré)dF(x) = dF(x),
−∞ Xré e
−∞ E[ parY | X ]ré

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)

le côté droit de l'equat∫ion est égal à

Xré
ebρyx (X−X ) ré dF(x),
−∞

Maintenant, nous faisons derivati∫ve aux deux côtés de l'équation avec∫respect à ρ et obtenir

+∞ σoui Xré (X − X)∫ dF(x)

ebρyx(X−X )
abmσoui
xd = (a+b(1+m))σX Xré
(xx−)eune( − −
ré 1 )(xxré)dF(x) + b σX− −∞ ré
ré

+ 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

Les autres termes de l'équation de xré est

∂ρ
évidemment positif. Par conséquent, nous avons un positif

xré et la franchise optimale augmente avec la corrélation .

∂ρ

6.7 Preuve du corollaire 3

Le problème d'optimisation s'écrit sous la forme

max U(W1 − P − L + I) + (1 − )U(W1 − P)

PI

sujet à

πE[V (W2 + P − Oui − (1 +m)I)|X = L] + (1 − )E[V (W2 + P − Y )|X = 0] ≥ V,

47
P ≥ 0 et 0 ≤ je ≤ L, où V désigne le niveau d'utilité de la réservation de l'assureur. En

résolvant ce problème, nous avons

* 1 *
mπ + (1 +m)(1 − )e−Al−Je ) = (1 − ) e−b(1+m) je ,
ρ

où = E[eparY |L] .Ainsi,

E[eparY | 0] nous avons

Je* (1 − )e−b(1+mi*
=− < 0.
∂ρ −
(1 +m)(1 )ρ[aρe un(LI ) + être b(1+m)Je ]
− −* − *

48
Les références

Flèche, KJ (1963) : « L'incertitude et l'économie du bien-être des soins médicaux »,

La Revue Économique Américaine, 53(5), 941-973.

(1974) : « Assurance optimale et franchises généralisées », scandinave

Journal actuariel, 1, 1–42, Rand Corporation R-1108-OEO, février 1973.

Badrinath, SG, JR Kale et HEJ Ryan (1996) : « Caractéristiques des actions ordinaires

détenues par les sociétés d'assurance », Journal des Risques et des Assurances,

63(1), 49-76.

Baranoff, EG et TW Sager (2002) : « Les relations entre le risque d'actif, le risque de

produit et le capital dans le secteur de l'assurance-vie », Revue Bancaire et

Financière, 26, 1181-1197.

Biffis, E. et P. Millossovich (2012) : « Assurance optimale avec risque de défaut de

contrepartie », document de travail.

Cook, PJ et DA Graham (1977) : « La demande d'assurance et de protection : le cas des

matières premières irremplaçables », Le Journal trimestriel d'économie, 91(1),

143-156.

Cummins, JD et O. Mahul (2003) : « Assurance optimale avec des croyances divergentes

sur le risque de défaut total de l'assureur, Journal du risque et de l'incertitude », Le

Journal du risque et de l'incertitude, 27(2), 121-138, fabriqué aux Pays-Bas.

(2004) : « La demande d'assurance avec une limite supérieure de couverture »,

Le Journal du Risque et de l'Assurance, 71(2), 253–264.

Dana, R. et M. Scarsini (2007) : « Partage optimal des risques avec le risque de fond »,

Journal de théorie économique, 133, 152-176.

49
Doherty, NA, et G. Dionne (1993) : « L'assurance à risque non diversifié : structure du

contrat et forme organisationnelle des sociétés d'assurance », Journal du risque et de

l'incertitude, 6, 187-203.

Doherty, NA, C. Laux et A. Muermann (2013) : « Assurer les pertes non vérifiables »,

Revue des Finances, p. rft056.

Doherty, NA, et H. Schlesinger (1983a) : « Assurance optimale en

marchés », Revue d'économie politique, 91(6), 1045-1054.

(1983b) : « La franchise optimale pour une police d'assurance lorsque la richesse

initiale est aléatoire », Le Journal des affaires, 56(4), 555-565.

(1990) : « Achats rationnels d'assurance : examen de la non-

performance," Le Journal trimestriel d'économie, 105(1), 243–253.

Gollier, C. (1987) : « La conception de contrats d'assurance optimaux sans la contrainte non

négative sur les réclamations », Le Journal du Risque et de l'Assurance, 54(2), 314-324.

(1996) : « Assurance optimale des pertes approximatives », Le journal du risque

et assurances, 63(3), 369-380.

Gollier, C. et JW Pratt (1996) : « La vulnérabilité au risque et l'effet modérateur du risque

de fond », économétrie, 64(5), 1109-1123.

Gollier, C. et H. Schlesinger (1995) : « Deuxième meilleure conception de contrat

d'assurance sur un marché incomplet », Le Scandinavian Journal of Economics, 97(1),

123–135.

Gould, JP (1969): "L'hypothèse d'utilité attendue et la sélection des franchises optimales

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

applications à l'éducation et à l'emploi, à l'assurance maladie et à l'application de la

loi", La Revue Économique Américaine, 68(1), 20-30.

Hau, A. (1999) : « Une note sur la couverture d'assurance dans les marchés incomplets », Du sud

Revue économique, 66(2), 433-441.

Holmstrom, B. (1979) : « Aléa moral et observabilité », Le Journal Bell de

Économie, 10(1), 74-91.

Huberman, G., D. Mayers et CWJ Smith (1983) : « Programmes d'indemnisation de la

police d'assurance optimale », Le Journal d'économie Bell, 14(2), 415-426.

Kaplow, L. (1994) : « Les contrats d'assurance optimaux lorsque l'établissement du montant

des pertes est coûteux », The Geneva Papers on Risk and Insurance-Theory, 19(2),

139-152.

Kihlstrom, RE, D. Romer et S. Williams (1981) : « Aversion au risque avec une richesse

initiale aléatoire », économétrie, 49(4), 911-920.

Mahul, O. (2000) : « Conception d'assurance optimale avec une richesse initiale aléatoire », Éco-

Lettres de l'économie, 69, 353-358.

Mayers, D. et CWJ Smith (1983) : « L'interdépendance des décisions de portefeuille

individuelles et la demande d'assurance », Revue d'économie politique,

91(2), 304-311.

Moffet, D. (1977): « Théorie de la franchise et de la consommation optimale », Le journal

des Risques et Assurances, 44(4), 669–682.

Mossin, J. (1968) : « Aspect de l'achat rationnel d'assurance », Journal de politique

Économie, 76(4), 553-568.

51
Pashigian, BP, LL Schkade et GH Menefee (1966) : « La sélection d'une franchise

optimale pour une police d'assurance donnée », Le Journal des affaires,

39(1), 35-44, partie 1.

Raviv, A. (1979) : « La conception d'une police d'assurance optimale », L'Américain

Revue économique, 69(1), 84-96.

Rothschild, M. et J. Stiglitz (1976): « Equilibrium in Competitive Insurance Markets: An

Essay on the Economics of Imperfect Information », Le Journal trimestriel

d'économie, 90(4), 629-649.

Schlesinger, H. (1981) : « Le niveau optimal de déductibilité des contrats d'assurance »,

Le Journal du Risque et de l'Assurance, 48(3), 465–481.

Schlesinger, H. et NA Doherty (1985) : « Marchés incomplets de l'assurance : un

aperçu », Le Journal du Risque et de l'Assurance, 52(3), 402-423.

Schlesinger, H., et J.-MG vd Schulenburg (1987) : « Aversion au risque et la souscription

d'une assurance risquée », Revue d'économie, 47(3), 309-314.

Smith, LV (1968) : « Couverture d'assurance optimale », Revue d'économie politique,

76(1), 68-77.

Spence, M. et R. Zeckhauser (1971) : « Assurance, information et action individuelle », La

Revue Économique Américaine, 61(2), 380-387.

Townsend, RM (1979) : « Contrats optimaux et marchés concurrentiels avec vérification

d'État coûteuse », Journal de théorie économique, 21, 265-293.

Turnbull, SM (1983) : « Aspects supplémentaires de l'achat rationnel d'assurance »,

Le Journal des affaires, 56(2), 217-229.

Vercammen, J. (2001) : « Assurance optimale avec un risque de fond non séparable »,

Le Journal du Risque et de l'Assurance, 68(3), 437-447.

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

(b) Assurance complète - Coassurance - Aucune

(a) Coassurance standard assurance

(c) Assurance complète - Coassurance - Pas

d'assurance (d) Coassurance - Pas d'assurance

(f) Franchise - Coassurance - Pas

(e) Franchise - Coassurance d'assurance

Figure 2 : Échéanciers d'indemnisation optimaux lorsque c(·) > 0

54
Figure 3 : Optimal non décroissant Barèmes d'indemnisation lorsque c(·) = 0

(a) Assurance complète - Limite supérieure

de coassurance (b) Coassurance standard

(c) Assurance complète - Limite supérieure (d) Assurance complète - Coassurance

(e) Assurance complète - Limite supérieure

de coassurance (f) Coassurance - Limite supérieure

(h) Franchise - Coassurance - Limite

(g) Franchise - Coassurance supérieure

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.

Figure 10 : Structures d'indemnisation optimales avec différentes structures de dépendance avec

coût (c(I) = 0,05 * JE);
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,

soit choisies simultanément dans un problème d'optimisation.1

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

tel environnement ? Et la tarification du risque peut-elle être liée au capital

1Alors que certains articles étudient des approches « dynamiques » de l'allocation (Tsanakas (2004) ; Laevan et Goovaerts
(2004)), la « dynamique » est introduite par l'évolution des informations sur les composants d'un portefeuille précédemment choisi
plutôt que par des changements dans la composition du portefeuille. portefeuille lui-même.

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.

Troisièmement, les décisions d'investissement sont irréversibles.

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

investissements actuels et aux opportunités futures. La base de l'allocation pour l'opportunité

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

d'aujourd'hui dans ces états futurs du monde.

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

taux de rendement interne, en utilisant le coût du capital d'une entreprise

60
en tant que taux d'obstacle, conduisent à des investissements trop agressifs car ils ne tiennent pas compte

de la valeur d'option d'attendre plus d'informations sur la productivité de l'investissement. En conséquence,

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

mesure où le montant de l'investissement est discrétionnaire, l'investissement en cours est retardé ou

réduit car il y a de la valeur créée par l'attente.

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

les incertitudes peuvent aecter la prise de décision optimale aujourd'hui.

2 Allocation dynamique du capital

2.1 Deux opportunités

L'institution financière reçoit successivement deux opportunités. Dès réception du

première occasion, il doit décider de la quantité q0 d'investir dans l'opportunité. La deuxième

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

la deuxième opportunité, moment auquel l'institution décide de la quantité q1

d'investir dans la deuxième opportunité.

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

pour le premier investissement et un ensemble de plans :

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

soumis à un ensemble de contraintes basées sur une mesure de risque :

(q0, qje 1; αje) ≤ K ∀je = 1, · · · ,m (2)

Ainsi, dans tout état futur du monde, le risque du portefeuille ne doit pas dépasser le capital de

l'entreprise.

Les conditions de premier ordre peuvent être eΣ

xexprimé comme :

m
(q , 0 qje
1; αje)
E[r0] − λje =0 (3)
q0
je =1

(q0, qje 1; ) je = 0 ∀je = 1, · · · ,m

p(αje)E[r1(αje)] λje − (4)
qje1

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

valoir pour l'entreprise):

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

l'exposition, comme le montre l'équation (3).

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

l'interprétation qui "s'additionne".

Cependant, il est important de réfléchir à la nature de l'allocation au premier risque. Au moment

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.

Remarques sur le cas des deux États :

1. A noter que si l'incertitude sur la seconde opportunité ne concerne que le

je
rendement et non les propriétés de risque, alors l'allocation (q0,q1;αje)q1 sera le même dans tous
q1

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

peu probable que cela se généralise à plus de deux opportunités.

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

soumis à un ensemble de contraintes fondées sur un risque mesure:

(q0, qje 1; αje) ≤ Kje ∀je = 1, · · · , m (8)

On obtient alors E[r1(αje)]

(q0,qi
= τ dans tous les états de le monde. En d'autres termes, le capital sera
1;i)
qi
1
ont la même valeur marginale dans tous les futurs états du monde. Ainsi, la répartition des coûts ex

ante est alors facilement interprétée comme le capital moyen alloué au premier risque dans

l'avenir, bien que le plafond de l'entrepriseΣ

son niveau peut varier à l'avenir. Plus précisément,

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

peuvent facilement doubler le capitalK et l'investissement q dans chaque état. En conséquence, la

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

fixation du capital au moment du premier investissement, nous aurons la garantie que

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

son coût marginal.

2.2 Multiples opportunités

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

réception de la jeème opportunité, moment auquel l'institution décide de la

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

opportunités possibles, est notée = {α1, · · · , αn}.

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

par l'ensemble1 × Ω2 × · · · × Ωm, ou de manière équivalente,n.m. La probabilité de n'importe quel

la concrétisation α ∈ Ωm est donné par p(α).

Si l'on considère la prise de décision au moment de la opportunité de période zéro, l'opti-

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

l'ensemble Ωje = Ω1 × Ω2 × · · · × Ωje, chaque réalisation ayant la probabilité correspondante

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

opportunité de location vous { q0, qje(α je) ∈

êtes , je [1, ··· , n],∀ je ∈ je}. On peut donc écrire l'optimisation

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)

La condition du premier ordre fΣ

ou le problème peut être exprimé comme :

(q , q0(α
1 1), ..., q (αn);) m
E[r0] − (α) =0 (13)
q0
α∈
Ω

Σ (q , q0(1 ), 1..., q (αn);

m)
pj (α )j [ E r (j)] j
− (α) =0 ∀αj ∈ Ωj ∀j [1, · · · , n] (14)
qj(α j)
α∈
Ω −j

où (α) est le multiplicateur de Lagrange associé à la contrainte pour l'état particulier ,

et−αj désigne l'ensemble de tous les s possibles~t̃a~c'est conditionnel à la première j opportunités

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:

(q , 0 q1(α1), ..., q (αn);

m)
pn()E[rn()] − (α) =0 ∀α∈ Ωm
qn()

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

réalisations, comme le révèle l'équation (13).

Si la mesure du risque ρ est homogène, on peut obtenir

(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

valeur marginale du capital dans capital alloué à la je risque en état ;

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

totale des coûts.

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

,avec la différence que le capital peut varier dans chaque état :

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

hurdle rate, qui est le coût du capital.

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

(q0, q1(α1), ..., qn(αn);) ≤K ∀α ∈Ωm

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

de la distribution du portefeuille représente une perte catastrophique et le niveau de confiance est de 1 − .

Ainsi, la contrainte de mesure du risque est

(q0, q1(α1), ..., qn(αn);) ≡ E[R()] −VaR(R()) ≤ K ∀α ∈ .

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

le rendement moyen constant.

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

cumulative de la normale standard.

3.1 Incertitude dans les rendements attendus

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].

Nous étudierons l'effet de φµ sur optimal q0.

Tout d'abord, nous considérons le problème à deux périodes,

1 H+ 1
max E[rq +0 0rHq rLqL K ]
q0,qH1 ,qL 1 2 11 2 11−

soumis à des contraintes de mesure de risque

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

du portefeuille final ne dépend que de leur variance. En simplifiant, nous avons

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,

où (·) est le cumulatif fonction de distribution de la distribution normale standard. (Nous

restreindre davantage q0 et q1 être non négatif.)

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,

confirmant la remarque 1 de la section 2.1.

Nous considérons ensuite un cas à trois périodes, en réécrivant le problème comme

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

où µH = µ +µ, et µL = µ − φµ, et toutes les variables de choix sont à nouveau restreintes à

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).

Figure 1: q0 selon φµ en 2 périodes

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

(puisque le bénéfice attendu est supprimé).

Figure 2: q1 selon φµ en 2 périodes

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

bonnes opportunités possibles dans le futur.

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

gagner à attendre, car l'avenir pourrait apporter une opportunité favorable.

Figure 4 : q1 selon φµ en 3 périodes

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

la période finale où l'opportunité de la période 1 est peu attrayante.

Figure 5 : q2 selon φµ en 3 périodes

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

opportunités futures, si des conditions favorables se matérialisent.

3.2 Incertitude de la variance du risque

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

possibilités probables - un état élevé et un état bas. C'est-à-dire,σ0 = σ et σje = σ ± φ, φσ (0, )

pour toute je [1,m]. Nous voulons comprendre l'effet de φσ sur optimal q0.

Tout d'abord, nous considérons le problème à deux périodes,

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

où (·) est la fonction de distribution cumulative de la distribution normale standard et

σH = + φ, et σL = σ − φ. Il convient de mentionner que les rendements des différentes opportunités

sont indépendants.

La figure 6 montre que la quantité optimale d'investissement de la période zéro diminue

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

le décideur de « laisser de la place » pour l'opportunité de faible variance si elle se matérialise.

Figure 6 : q0 selon φσ en 2 périodes

Naturellement, il s'ensuit que le report croissant de capacité à la seconde période conduit à un

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

Maintenant, considérons un cas à trois périodes. Le problème devient :

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,

comme le montrent les figures 8, 9 et 10.

76
Figure 8: q0 selon φσ en 3 périodes

Figure 9 : q1 selon φσ en 3 périodes

Illustration 10 : q2 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

l'impact de l'incertitude offerte par la littérature sur les options réelles.

78
Les références

[1] BAUER, D. et G. Zanjani (2013), « L'allocation du capital et ses mécontentements », Dans : Main-

livre d'assurance, 2e édition (Georges Dionne, éd.) Springer : New York.

[2] DIXIT, AK et RS Pindyck (1994), versity Investissement sous incertitude, Princeton Uni-

Press : Princeton, NJ.

[3] KALKBRENER, M. (2005), « An tion », Axiomatique Approcher à Capitale Alloca-

Finance mathématique 15, 425-37.

[4] LAEVAN, RJ et MJ Goovaerts (2004), « Une optimisation S'approcher le Dy-

Allocation namique du capital économique », Assurance : Mathématiques et économie 35,

299-319.

[5] MCDONALD, RL et D. Siegel (1986), « The Value of Waiting to Invest », Revue trimestrielle

d'économie 101, 707-727.

[6] TSANAKAS, A. (2004), « Allocation dynamique du capital avec mesures du risque de distorsion »,

Assurance : Mathématiques et économie 35, 223-243.

79