Licence 3 Économétrie - MASS: U L I, Ii III

Licence 3 économétrie – MASS
U NIVERSITÉ LYON I, II ET III

Année universitaire 2011-2012
Cours de Laurence Abadie – Bertrand Fayolle
É CONOMIE DE LA DÉCISION
Sommaire
1. Introduction
2. Concepts et outils de la prise de décision dans le risque
3. La théorie de l’espérance d’utilité et les concepts associés
4. Application de la TEU à l’assurance
5. Application de la TEU à la finance
6. Application de la TEU à la santé
7. Fondements et paradoxes de la TEU
8. Quelques dépassements de la TEU
Bibliographie
—— "Concepts et méthodes pour l’aide à la décision tome 2 –
risque et incertain" Lavoisier, 2006
—— "Découverte de la microéconomie – cahiers français
n˚254" La documentation française, 1992
—— "Leçons de microéconomie évolutionniste" Odile Jacob,
2002
C AYATTE , J-L. "Microéconomie de l’incertitude 2e édition" De
Boeck, 2009
K AHNEMAN , D. ET T VERSKY, A. "Prospect Theory : An analysis
of decision under risk" Econometrica, 1979
P ICARD, P. "Éléments de microéconomie 8e édition"
Montchrestien, 2011
S CHMIDT, C. "Neuroéconomie" Odile Jacob, 2010
VARIAN , H. "Analyse microéconomique 2e édition" De Boeck,
2008
I NTRODUCTION
Vocabulaire :
Décision et action
Actions et conséquences
Décideur et actions
Décision en environnement certain :
Définition
Préférences sur les conséquences et décision

Décision en environnement incertain :
Définition
Préférences sur les conséquences et décision

Quand tenir compte de l’incertitude ?
I Cas où l’incertitude peut être ignorée
I Cas où l’incertitude ne peut pas être ignorée :

† assurance/couverture
† diversification
† production et acquisition d’informations
† ...
Le marché des voitures d’occasion (Akerlof)

Objectif du cours :
Décision individuelle en environnement incertain
Économie de l’incertain versus économie de l’information

Plan du cours :
1. Introduction
2. Concepts et outils de la prise de décision dans le risque
3. La théorie de l’espérance d’utilité et les concepts associés
4. Application de la TEU à l’assurance
5. Application de la TEU à la finance
6. Application de la TEU à la santé
7. Fondements et paradoxes de la TEU
8. Quelques dépassements de la TEU
Bibliographie :
C AYATTE , J-L. "Microéconomie de l’incertitude 2e édition" De

Boeck, 2009
—— "Concepts et méthodes pour l’aide à la décision tome 2 –

risque et incertain" Lavoisier, 2006
I – C ONCEPTS ET OUTILS DE LA PRISE
DE DÉCISION DANS LE RISQUE
1. Le risque
2. Conséquences, actions et loteries
3. Problème et choix du décideur
4. Les relations de dominances stochastiques
5. Comportement face au risque
6. Les préférences sur les conséquences
7. Les préférences sur les actions
1 - Le risque
Nature, états de la nature
Nature passive
Événéments
Événéments pertinents
Situation de risque
Risque et statistique
Les différents sens du mot "risque"

2 - Conséquences, actions et loteries (1)
Hypothèse : Conséquences monétaires
Hypothèse restrictive ?
Action, loterie
Exemple :
Signer un contrat d’assurance-habitation conduit à l’une des
deux situations suivantes :
I l’événement "la maison ne subit aucun sinistre" se réalise
(proba p1 ), l’assuré perd la prime d’assurance qu’il paye à
l’assureur (gain de x1 ¤, avec x1 < 0).
I l’événement "la maison est sinistrée" se réalise (proba p2 ),
l’assuré perd la prime d’assurance et la valeur de sa
maison (détruite par le sinistre), et gagne l’indemnité
versée par l’assureur (gain de x2 ¤, avec sans doute
x2 < 0).
L’action "signer le contrat" équivaut à détenir une loterie X de

x x1 x2
loi de probabilité
P(X = x) p1 p2
Conséquences en nombre fini ou infini dénombrable / infini

indénombrable
Lois de probabilité associées aux actions et loi de probabilité

sur les événements
3 - Problème et choix du décideur (1)
Forme normale d’un problème de décision
Exemple du contrat d’assurance-habitation :
la maison ne subit la maison

aucun sinistre est sinistrée
Signer le contrat x1 x2
Ne pas signer le contrat x3 x4
Objectif : Créer un outil qui prédit l’action choisie par le décideur
Hypothèse : Les actions en elles-mêmes ne sont ni source de

plaisir ni source de déplaisir
Exemple du jeu d’argent
Hypothèse : Les préférences du décideur sur les actions sont

représentées par une relation de préférence large %
Le choix du décideur dépend. . .

. . . de ses préférences sur les conséquences
. . . du risque et donc des lois de probabilités associées aux
actions
. . . de son attitude vis-à-vis du risque
4 - Les relations de dominances stochastiques (1)
Les actions X , Y et Z sont des variables aléatoires réelles

bornées
Notion de dominance
La dominance est stochastique

4.1 - Dominance stochastique d’ordre 1
X DS1 Y ⇔ ∀x ∈ R, FX (x) ≤ FY (x) où FX (x) = P(X ≤ x)
Cas de la dominance au sens strict
Interprétation graphique
Exemple :
x −10 −1 0 100
P(X = x) 0 0, 3 0, 3 0, 4
P(Y = x) 0, 5 0 0, 1 0, 4
On en déduit :
x ] − ∞; −10[ [−10; −1[ [−1; 0[ [0; 100[ [100; +∞[
FX (x) 0 0 0, 3 0, 6 1
FY (x) 0 0, 5 0, 5 0, 6 1
On en déduit : X DS1 Y
∀x ∈ R, P(X > x) = 1 − FX (x)
Les classements opérés par la DS1 sont partiels

Exemple :
x ] − ∞; −10[ [−10; −1[ [−1; 0[ [0; 100[ [100; +∞[

FX (x) 0 0 0, 3 0, 6 1
FZ (x) 0 0, 2 0, 2 0, 6 1
On ne peut ni écrire X DS1 Z ni écrire Z DS1 X


Z t Z t
X DS2 Y ⇔ ∀t ∈ R, FX (x)dx ≤ FY (x)dx
−∞ −∞
Cas de la dominance au sens strict
Interprétation graphique
Exemple :
x ] − ∞; −10[ [−10; −1[ [−1; 0[ [0; 100[ [100; +∞[

FX (x) 0 0 0, 3 0, 6 1
FZ (x) 0 0, 2 0, 2 0, 6 1
FZ (x) 0 0, 2 −0, 1 0 0
−FX (x)
Z t
∀t ∈] − ∞; −10[, [FZ (x) − FX (x)]dx = 0
−∞
Z t
∀t ∈ [−10; −1[, [FZ (x) − FX (x)]dx = 0, 2[t − (−10)]
−10
Z t
∀t ∈ [−1; 0[, [FZ (x) − FX (x)]dx = −0, 1[t − (−1)]
−1
Z t
∀t ∈ [0; +∞[, [FZ (x) − FX (x)]dx = 0
0
Rt
t −∞ [FZ (x) − FX (x)]dx
] − ∞; −10[ 0
[−10; −1[ 2 + 0, 2t
[−1; 0[ 1, 8 − 0, 1t − 0, 1
[0; +∞[ 1, 7
Z t
∀t ∈ R, [FZ (x) − FX (x)]dx ≥ 0 ⇒ X DS2 Z
−∞
X DS1 Y ⇒ X DS2 Y
X DS2 Y ⇔ ∀t ∈ R,
Rt Rt
−∞ P(X ≤ x)dx ≤ −∞ P(Y ≤ x)dx
Les classements opérés par la DS2 sont partiels

Exemple :
Reprendre l’exemple précédent, en remplaçant le 0, 6 par 0, 4

dans la fonction de répartition de Z , et vérifier que la DS2 ne
permet plus de classer X et Z
Solution :
x ] − ∞; −10[ [−10; −1[ [−1; 0[ [0; 100[ [100; +∞[

FX (x) 0 0 0, 3 0, 6 1
FZ (x) 0 0, 2 0, 2 0, 4 1
FZ (x) 0 0, 2 −0, 1 −0, 2 0
−FX (x)
Z t
∀t ∈ [0; 100[, [FZ (x) − FX (x)]dx = −0, 2[t − 0]
0
Z t
∀t ∈ [100; +∞[, [FZ (x) − FX (x)]dx = 0
0
Rt
t −∞ [FZ (x) − FX (x)]dx
] − ∞; −10[ 0
[−10; −1[ 2 + 0, 2t
[−1; 0[ 1, 8 − 0, 1t − 0, 1
[0; 100[ 1, 7 − 0, 2t
[100; +∞[ −18, 3
Z −1
On ne peut pas écrire Z DS2 X car [FZ (x)−FX (x)]dx = 1, 8 > 0
−∞
Z 100
———————— X DS2 Z car [FZ (x)−FX (x)]dx = −18, 3 < 0
−∞
Y MPS X ⇔ E(X ) = E(Y ) et X DS2 Y
où MPS = Mean Preserving Spreads

n
P
et où E(ϕ(X )) = ϕ(xi )P(X = xi )
cas
fini i=1
P∞
= ϕ(xi )P(X = xi )
cas infini i=1
dénombrable R +∞
= −∞ ϕ(x)fX (x)dx
cas infini
indénombrable
ϕ?
Rothschild et Stiglitz montrent que :
Y MPS X
⇔
Y s’obtient à partir de X
par transfert de poids préservant l’espérance
Interprétation intuitive
Exemple :
x 1 2 3
P(X = x) 0 1 0
P(Y = x) 0, 5 0 0, 5
En transférant P(X = 2) sur P(X = 1) et P(X = 3), on passe

de X à Y
5 - Comportement face au risque (1)
Les actions X , Y et Z sont des variables aléatoires réelles

bornées
Comparaison entre E(X ) et X

5.1 - Aversion pour le risque
I Un agent est riscophobe ⇔ ∀X , E(X ) % X

Interprétation
Cas où les espérances diffèrent
I Un agent est riscophile ⇔ ∀X , X % E(X )
I Un agent est neutre vis-à-vis du risque ⇔ ∀X , X ∼ E(X )
Aversion / goût pour le risque au sens strict

5.2 - Équivalent certain
L’équivalent certain de X est la conséquence certaine cX telle

que X ∼ cX
Interprétation
Existence et unicité
5.3 - Prime de risque
La prime de risque ρX de X est telle que ρX = E(X ) − cX
Interprétation
Cas de l’agent riscophile
Un agent 1 a plus d’aversion pour le risque qu’un agent 2 ssi

agent 1 agent 2
∀X , ρX ≥ ρX
6 - Les préférences sur les conséquences (1)
6.1 - Le cas du consommateur
Le choix du consommateur en environnement certain
Notations :
revenu
prix = (prix1 , . . . prixk )
x = (x1 , . . . xk )
f : x 7→ f (x)
Fonction d’utilité et préférences du consommateur sur les

paniers
MAX f (x) sc prix x 0 ≤ revenu

x
x ∗ 7→ f (x ∗ ) = f (x ∗ (prix, revenu)) = v (prix, revenu)
Définition de la fonction d’utilité indirecte, pourquoi il s’agit bien

d’une fonction d’utilité
Fonction d’utilité indirecte et revenu
u est une fonction d’utilité strictement croissante de la richesse

6.2 - Le cas du producteur
Les préférences du producteur sur les profits

6.3 - Synthèse
Les préférences du décideur sur les conséquences peuvent

être représentées par u
Les conséquences étant monétaires, on peut écrire u(ω + x1 )
Hypothèse de non satiété stricte (ou monotonicité forte)
u et g ◦ u lorsque g est une transformation strictement

croissante de u
7 - Les préférences sur les actions (1)
Dans cette section, les préférences du décideur sur les actions

peuvent être représentées par une fonction d’utilité U
7.1 - Actions et richesses
Richesse initiale, richesse finale
Cas général : Ω, X et W Cas particuliers : ω, x et w
Une action risquée (resp. certaine) ne correspond pas

forcément à une richesse finale risquée (resp. certaine)
Actions et richesses finales ont la même nature mathématique
W = Ω + X , action et richesse finale préférées, les préférences

associées
On raisonne sur les richesses finales plutôt que sur les actions
7.2 - Fonction d’utilité définie sur les actions
U est telle que X % Y ⇔ U(Ω + X ) ≥ U(Ω + Y )
On en déduit :
X ∼ Y ⇔ U(Ω + X ) = U(Ω + Y )
X Y ⇔ U(Ω + X ) > U(Ω + Y )

7.3 - La fonction espérance de la richesse
U(W ) = E(W )
Exemple :
Une entreprise peut entrer ou pas sur un marché.
Si elle entre, elle produit 3 unités pour un coût total de 1 000¤.
La quantité vendue Y est une va de loi de probabilité
y 0 1 2 3
P(Y = y ) 0, 1 0, 1 0, 5 0, 3
Chaque unité est vendue au prix de marché, égal à 500¤.
Ses autres activités assurent à l’entreprise un profit de 200¤.
Quel est le choix de l’entreprise ?

4
P
D’après l’énoncé, E(Y ) = yi P(Y = yi )
i=1
= 0 × 0, 1 + 1 × 0, 1 + 2 × 0, 5 + 3 × 0, 3 = 2
Avec les notations du cours, ω = 200 X = 500Y − 1 000
Entrer procure une utilité U(ω + X )

= E(ω+X ) = E(200+500Y −1 000) = 500E(Y )−800 = 200
Ne pas entrer procure une utilité U(ω) = E(ω) = E(200) = 200
Le producteur est indifférent entre les deux alternatives.

Propriétés :
† U est définie à une transformation strictement croissante
près
† U(W ) = E(W ) = E(E(W )) = U(E(W )) ⇔ W ∼ E(W )
Exemple d’utilisation
Paradoxe de Saint-Pétersbourg :
On vous propose de jouer à un jeu consistant à lancer une

pièce.
Si la pièce retombe sur pile, vous gagnez 2¤. Dans le cas

contraire, et tant que la pièce n’est pas retombé sur pile, vous
la relancez et doublez votre gain précédent.
Êtes-vous prêt à donner tout ce que vous possédez pour

pouvoir jouer à ce jeu ?
Si vos préférences sont représentables par la fonction

espérance de la richesse, vous acceptez à condition que
U(ω − ω + G) ≥ U(ω) ⇒ E(G) ≥ ω
où le gain G est une va de loi de probabilité
g 21 22 23 . . .
1 1 1 2 1 3

P(G = g) 2 2 2 ...
1 2 3
11 2 1 3 1
E(G) = 2 × +2 × +2 × +. . . = 1+1+1+. . . = +∞
2 2 2
Votre richesse initiale étant finie, vous acceptez la proposition.

7.4 - Les fonctions de Markowitz
U(W ) = f (E(W ), Var (W )) avec U10 (E(W ), Var (W )) > 0
où Var (X ) = E([X − E(X )]2 ) = E(X 2 ) − [E(X )]2

Exemple :
Un individu dispose de 1 000¤.
Soit il achète pour 1 000¤ d’actions et il les revend dans la

journée. Soit il ne fait rien.
Le taux de rendement R des actions est une va de loi de

probabilité
r −0, 1 0 0, 1
P(R = r ) 0, 3 0, 4 0, 3
Ses préférences sont représentées par une fonction de

Markowitz linéaire U(W ) = E(W ) − kVar (W ) où k est un
paramètre.
Quel est le choix de cet individu ?

D’après l’énoncé,
E(R) = 0
6
E(R 2 ) = (−0, 1)2 × 0, 3 + 02 × 0, 4 + 0, 12 × 0, 3 =
1000
6
Var (R) = E(R 2 ) − [E(R)]2 =
1000
Acheter et revendre procure une utilité
U(1 000[1 + R]) = E(1 000[1 + R]) − kVar (1 000[1 + R])
= 1 000[1 + E(R)] − 1 0002 kVar (R) = 1 000 − 6 000k

Ne rien faire procure une utilité
U(1 000) = E(1 000) − kVar (1 000) = 1 000
Si k < 0 (riscophile), l’individu achète et revend.

Si k = 0 (neutre), on ne sait pas ce que va faire l’individu.
Si k > 0 (riscophobe), l’individu ne fait rien.
Propriétés :
† U est définie à une transformation strictement croissante
près
† U20 (E(W ), Var (W )) < 0

⇔ U(E(W )) ≥ U(W )
⇔ E(W ) % W (cas où k > 0)
† U20 (E(W ), Var (W )) = 0 ⇔ E(W ) ∼ W (cas où k = 0)

† U20 (E(W ), Var (W )) > 0 ⇔ W % E(W ) (cas où k < 0)
† Pour la forme linéaire, k est une mesure de l’aversion pour
le risque
Exemple d’utilisation
Les fonctions de Markowitz mesurent le risque par la variance
La variance est une mesure objective du risque.

Exemple :
√
Supposons que U(W ) = E( W )
L’inégalité de Jensen dit que
f fonction concave ⇒ E(f (X )) ≤ f (E(X ))
√ p p
U(W ) = E( W ) ≤ E(W ) ≤ E( E(W )) ≤ U(E(W ))
⇒ E(W ) % W
Supposons les richesses finales W et W 0 de lois de probabilité
w 0 4 w0 1 9
et
P(W = w) 0, 5 0, 5 P(W 0 = w 0 ) 7/8 1/8
E(W ) = E(W 0 ) = 2
E(W 2 ) = 8 Var (W ) = 4
E(W 02 ) = 11 Var (W 0 ) = 7
√ √ 5
U(W ) = E( W ) = 1 U(W 0 ) = E( W 0 ) =
4
Quand est-ce que la variance est un bon indicateur du risque

perçu ?
II – T HÉORIE DE L’ ESPÉRANCE
D ’ UTILITÉ ET CONCEPTS ASSOCIÉS
1. Les fonctions d’utilité espérée

2. Retour sur les concepts et les outils de la prise de décision
dans le risque
3. Mesures de l’aversion pour le risque
4. Fonctions d’utilité espérée usuelles et fonctions de
Markowitz
5. Conclusion
Dans la TEU, le décideur fait face à une situation de risque
1 - Les fonctions d’utilité espérée (1)
1.1 - Mélange d’actions
L’action Z = αX + (1 − α)Y est telle que
∀A, P(Z ∈ A) = αP(X ∈ A) + (1 − α)P(Y ∈ A)
Première utilisation
Exemple :
Le décideur peut choisir la loterie à deux étapes Z .
À la première étape, l’action X ou l’action Y est sélectionnée

1
selon les probabilités α = 10 et 1 − α
À la deuxième étape, une conséquence est sélectionnée selon

la loi de probabilité de l’action concernée.
X et Y ont pour loi de probabilité
x 0 90 y 0 990
et
P(X = x) 0, 5 0, 5 P(Y = y ) 59 4
9
D’après la définition précédente, Z a pour loi de probabilité
z 0 90 990
P(Z = z) 0, 55 0, 05 0, 4
Deuxième utilisation
Exemple :
La loterie Z s’écrit
0, 5510 + 0, 05190 + 0, 41990
où 1c est la loterie donnant c avec une probabilité de 1

1.2 - Construction intuitive des fonctions d’utilité espérée
W , WX , WY et WZ sont des variables aléatoires réelles

bornées
n
1wi P(W = wi )
P
Si W est une loterie, W =
i=1
L’utilité associée à 1wi est u(wi )
On défini U par
n
X
U(W ) = u(wi )P(W = wi ) = E(u(W ))
i=1
On généralise U(W ) = E(u(W ))
On suppose que cette fonction U existe et qu’elle vérifie :
X % Y ⇔ U(WX ) ≥ U(WY )
U est une fonction d’utilité espérée

Exemple :
La richesse initiale est égale à ω = 10
L’action Z a déjà été décrite.
La richesse finale est égale à WZ = ω + Z
La fonction d’utilité sur les conséquences vérifie u(w) = log w
Quelle est l’utilité espérée de la richesse finale ?

WZ a pour loi de probabilité
w 10 100 1 000
P(WZ = w) 0, 55 0, 05 0, 4
u(WZ ) = log(WZ ) a pour loi de probabilité
log w 1 2 3
P(u(WZ ) = log w) 0, 55 0, 05 0, 4
U(WZ ) = E(log(WZ )) = 0, 55 × 1 + 0, 05 × 2 + 0, 4 × 3 = 1, 85
1.3 - Concavité de la fonction d’utilité sur les conséquences
Aversion pour le risque et concavité de u

Idée :
Le décideur a de l’aversion pour le risque
⇔ ∀W , E(W ) % W
⇔ ∀W , U(E(W )) ≥ U(W )
⇔ ∀W , u[E(W )] ≥ E(u[E(W )]) ≥ E(u[W ])
⇔ u est une fonction concave
(sa courbe est au-dessus de ses cordes)
F IGURE: Aversion pour le risque

Décideur Fonction d’utilité u

Riscophobe au sens strict strictement concave
Riscophobe concave
Neutre vis-à-vis du risque affine
Riscophile convexe
Riscophile au sens strict strictement convexe
1.4 - Propriétés des fonctions d’utilité espérée
U est définie à une transformation affine strictement croissante

près
Exemple :
Si U(W ) = E(u(W )) ⇒ U(WX ) ≥ U(WY ) ⇒ X % Y
alors g(U(W )) = [E(u(W ))]2 ⇒ g(U(WX )) ≥ g(U(WY ))

⇒X %Y
Le classement est identique mais g(U(W )) n’est pas une

espérance
Inversement, avec a > 0, aU(W ) + b = aE(u(W )) + b

= E(au(W ) + b) = E(v (W )) est bien une utilité espérée
u est définie à une transformation affine strictement croissante

près
Exemple :
√ √
Si u(w) = w et g(u(w)) = ( w)4 = w 2
alors le décideur est tantôt riscophobe tantôt riscophile
Inversement, avec a > 0, au(w) + b ne modifie pas la

concavité de la fonction u
En fin de compte, les préférences se mesurent comme la

température !
u(w) = aw + b, où a > 0, et la fonction identité
On peut toujours poser u(wmin ) = 0 et u(wmax ) = 1

2 - Retour sur les concepts et les outils de la prise de
décision dans le risque (1)
Équivalence au fait que WX DS1 WY

2 - Retour sur les concepts et les outils. . . (2)
Idée :
WX DS1 WY
⇔ ∀x ∈ R, FWX (x) ≤ FWY (x)
⇔ ∀x ∈ R, 1 − P(WX > x) ≤ 1 − P(WY > x)
⇔ ∀x ∈ R, P(WX > x) ≥ P(WY > x)
Par ailleurs, u 0 (w) > 0
L’action X conduit donc à pondérer les utilités les plus grandes

par de plus grandes probabilités que ne le fait l’action Y . Ainsi,
E(u(WX )) ≥ E(u(WY )) ⇔ U(WX ) ≥ U(WY ) ⇔ X %Y

Exemple :
w 1 4 9 16
P(WX = w) 0 0, 3 0, 3 0, 4 ⇒ WX DS1 WY
P(WY = w) 0, 5 0 0, 1 0, 4
√ √ √ √ √
U(W ) = E( W ) ⇒ U(WX ) = 1×0+ 4×0, 3+ 9×0, 3+ 16×0, 4
⇒ U(WX ) = 3, 1 et U(WY ) = 2, 4
U(W ) = E(W ) ⇒ U(WX ) = 10, 3 et U(WY ) = 7, 8
U(W ) = E(W 2 ) ⇒ U(WX ) = 131, 5 et U(WY ) = 111

Le décideur est tour-à-tour riscophobe, neutre vis-à-vis du
risque, riscophile mais il préfère toujours l’action X
Intérêt d’avoir établi que WX DS1 WY
Si la dominance est stricte et que l’on ne peut ni écrire

WX DS1 WY ni écrire WY DS1 WX
Existence d’une bonne mesure du risque perçu
Équivalence au fait que WY MPS WX

Idée (avec des lois non absolument continues, l’écriture diffère

mais la logique reste la même) :
WY MPS WX ⇔ Y s’obtient à partir de X par transfert de poids

préservant l’espérance
Notons f (w) la fonction qui à la richesse w associe le transfert

de poids. Puisque ce transfert préserve l’espérance
Z +∞ Z +∞
wf (w)dw = 0 ⇔ u(w)f (w)dw ≤ 0 avec u concave
−∞ −∞
Avec la condition précédente et en notant fX la densité de WX :

Z +∞ Z +∞
E(u(WY )) = u(w)fY (w)dw = u(w)[fX (w)+f (w)]dw
−∞ −∞
Z +∞
= E(u(WX )) + u(w)f (w)dw
−∞
⇔ E(u(WX )) ≥ E(u(WY )) ⇔ U(WX ) ≥ U(WY ) ⇔ X % Y

Exemple :
w 2 9 16
P(WX = w) 0 1 0 ⇒ WY MPS WX
P(WY = w) 0, 5 0 0, 5
√
U(W ) = E( W )
√
2
⇒ U(WX ) = 3 et U(WY ) = 2 +
2
⇒ X %Y
2.3 - Équivalent certain
cWX telle que WX ∼ cWX ⇔ E(u(WX )) = u(cWX )

F IGURE: Équivalent certain

Exemple :
√
u(w) = w, ω = 10, X à pour loi de probabilité
x 6 26
P(X = x) 0, 5 0, 5
Pour quelle richesse certaine, le décideur accepte de renoncer

à la richesse aléatoire WX = ω + X ?
Si le décideur possède WX , à quel prix accepte-t-il de vendre la
loterie X ?
Si le décideur possède ω, à quel prix accepte-t-il d’acheter la
loterie X ?
Pour quelle richesse initiale certaine, le prix d’achat est-il égal
au prix de vente trouvé précédemment ?
L’équivalent certain cWX vérifie
E(u(WX )) = u(cWX )
√ √ p
⇒ 0, 5 10 + 6 + 0, 5 10 + 26 = cWX
⇒ cWX = 25
Comme E(WX ) = 26, le décideur préfère à la richesse WX la
certitude de son espérance. Il est riscophobe.
Le prix de vente pv rend le décideur indifférent entre ne pas

vendre et vendre la loterie :
E(u(WX )) = u(ω + pv )
⇔ u(cWX ) = u(ω + pv )
⇒ cWX = ω + pv
⇒ pv = 15
Le décideur accepte de vendre à 15
Le prix d’achat pa rend le décideur indifférent entre acheter ou

ne pas acheter la loterie :
E(u(WX − pa )) = u(ω)
p p √
⇒ 0, 5 10 + 6 − pa + 0, 5 10 + 26 − pa = 10
⇒ pa = 13, 5
Le décideur accepte d’acheter à 13, 5
pa 6= pv car les richesses initiales WX et ω ne sont pas

équivalentes.
Par définition, WX ∼ cWX donc remplacer ω par cWX rétabli

l’équivalence des richesses initiales et supprime la différence
entre les deux prix :
E(u(cWX + X − pa )) = u(cWX )
p p √
⇒ 0, 5 25 + 6 − pa + 0, 5 25 + 26 − pa = 25
⇒ pa = 15 = pv
Valeur et signe de l’équivalent certain, du prix de vente et du

prix d’achat
Exemple :
Avec un décideur riscophile caractérisé par u(w) = w 2 et X

ayant pour loi de probabilité
x −9 6
P(X = x) 0, 8 0, 2
on obtient cWX ≈ 7, 21, pv ≈ −2, 79 et pa = −4
Il faut payer le décideur au moins 4 pour qu’il accepte le risque

que représente la loterie X .
Il est prêt à payer jusqu’à 2, 79 pour qu’on le débarrasse du
risque qu’elle représente.
Cette situation est typique de l’assurance ; l’assuré paie pour

qu’on le débarrasse du risque.
2.4 - Prime de risque
Si le décideur est neutre vis-à-vis du risque, WX ∼ E(WX )
Interprétation de ρWX = E(WX ) − cWX
Autre interprétation de ρWX
Définition alternative :
ρWX est telle que u(E(WX ) − ρWX ) = E(u(WX ))

Idée :
Compte-tenu que la fonction d’utilité u est strictement

croissante de la richesse et la définition de l’équivalent certain :
cWX = E(WX ) − ρWX
⇔ u(cWX ) = u(E(WX ) − ρWX )

⇔ E(u(WX )) = u(E(WX ) − ρWX )
F IGURE: L’écart correspond à la prime de risque

Signe de la prime de risque et concavité de u

Idée :
Compte-tenu que la fonction d’utilité u est strictement

croissante de la richesse et la définition de l’équivalent certain :
E(WX ) ≥ cWX
⇔ u[E(WX )] ≥ E(u(WX ))
⇔ u est une fonction concave
(sa courbe est au-dessus de sa corde)
Exemple :
√
Dans l’exemple où u(w) = w, ω = 10 et X à pour loi de
probabilité
x 6 26
P(X = x) 0, 5 0, 5
Combien le décideur accepte-t-il de perdre pour échanger sa
richesse initiale WX contre son espérance ?
Quelle est la relation entre pv , ρWX et le prix auquel un décideur
neutre vis-à-vis du risque serait prêt à vendre la loterie X ?
Quelle est la relation entre pa , ρWX −pa et le prix auquel un
décideur neutre vis-à-vis du risque serait prêt à acheter la
loterie X ?
Puisque WX ∼ cWX , il est prêt à perdre
E(WX ) − cWX = ρWX = 26 − 25 > 0
⇒ le décideur a de l’aversion pour le risque
Alternativement,
u(E(WX ) − ρWX ) = E(u(WX ))
⇔ u(E(WX ) − ρWX ) = u(cWX )

q √
⇒ 26 − ρWX = 25
⇒ ρWX = 1
Un décideur neutre vis-à-vis du risque est prêt à vendre la

loterie X pour un prix p = E(X ). En effet,
E(u(WX )) = u(ω + p)
⇒ E(WX ) = ω + p
⇒ ω + E(X ) = ω + p
⇒ p = E(X )
Pour le décideur qui nous intéresse,
ρWX = E(WX ) − cWX
⇒ ρWX = ω + E(X ) − (ω + pv )
⇒ pv = E(X ) − ρWX
Par rapport à un individu neutre vis-à-vis du risque, le décideur
est prêt à perdre la prime de risque pour vendre la loterie. Le
premier accepte de vendre à 16, le second à 15 (il donne à la
loterie une plus petite valeur).
La prime de risque est la réduction de prix que la personne

riscophobe est prête à consentir, par rapport au prix qu’accepte
un individu neutre vis-à-vis du risque.
Un décideur neutre vis-à-vis du risque est prêt à acheter la

loterie X pour un prix p = E(X ). En effet,
E(u(WX − p)) = u(ω)
⇒ E(WX − p) = ω
⇒ ω + E(X ) − p = ω
⇒ p = E(X )
Par définition du prix d’achat, E(u(WX − pa )) = u(ω). Pour le
décideur qui nous intéresse,
u(E(WX − pa ) − ρWX −pa ) = E(u(WX − pa ))
⇒ u(ω + E(X ) − pa − ρWX −pa ) = u(ω)

⇒ ω + E(X ) − pa − ρWX −pa = ω
⇒ pa = E(X ) − ρWX −pa
Par rapport à un individu neutre vis-à-vis du risque, le décideur
demande une récompense pour acheter la loterie. Le premier
accepte d’acheter à 16, le second à 13, 5 (il donne à la loterie
une plus petite valeur).
La prime de risque est la réduction de prix qu’il faut consentir à

une personne riscophobe, par rapport au prix qu’accepte un
individu neutre vis-à-vis du risque.
ρWX −pa 6= ρWX car WX est la richesse initiale du vendeur alors

que WX − pa est la richesse finale de l’acheteur.
Intérêt du montant de la prime de risque

2.5 - Risques additif, multiplicatif et partiel
Si W est écrite sous la forme. . .

. . . WX = ω1 + X , le risque est additif
. . . WY = ω1 (1 + Y ), le risque est multiplicatif
. . . WZ = ω2 + ω3 (1 + Z ) où ω2 + ω3 = ω1 , le risque est partiel
Par exemple, on écrit WY = ω1 + ω1 Y

Exemple :
√
u(w) = w, ω1 = 10, X à pour loi de probabilité
x 6 26
P(X = x) 0, 5 0, 5
Y à pour loi de probabilité
y +60% +260%
P(Y = y ) 0, 5 0, 5
ω2 = 8, ω3 = 2, Z à pour loi de probabilité
z +300% +1 300%
P(Z = z) 0, 5 0, 5
On vérifie que WX = WY = WZ à pour loi de probabilité
w 16 36
P(W = w) 0, 5 0, 5
Cela signifie que si l’énoncé n’avait donné que Y ou Z , on

aurait pu déterminer WX puis X , et faire les raisonnements
habituels pour trouver des valeurs comme l’équivalent certain.
D’après l’exemple précédent, l’espérance de la richesse finale

vaut 26, l’équivalent certain 25 et la prime de risque (absolu) 1
(
E(WY ) = ω1 (1 + E(Y )) ⇒ E(Y ) = 160%
WY = ω1 (1 + Y ) ⇒
25 = ω1 (1 + tWY ) ⇒ tWY = 150%
On exprime l’équivalent certain du décideur neutre vis-à-vis du

risque et celui de notre décideur sous la forme d’un taux de
rendement équivalent certain.
Le décideur qui nous intéresse est indifférent entre ω1 (1 + Y )

et ω1 (1 + tWY ). Il est prêt à renoncer à 160 − 150 points de
rendement pour être débarrassé du risque. On dit que la prime
de risque relatif est de 10 points.
Ces 10% correspondent à 10%ω1 = 1 unité monétaire, la prime

de risque précédemment calculée.
WZ = ω2 + ω3 (1 + Z )
(
E(WZ ) = ω2 + ω3 (1 + E(Z )) ⇒ E(Z ) = 800%
⇒
25 = ω2 + ω3 (1 + tWZ ) ⇒ tWZ = 750%
Cette fois, les taux de rendement s’appliquent à la seule partie
risquée de la richesse.
Le décideur est prêt à renoncer à 800 − 750 points de

rendement pour être débarrassé du risque. On dit que la prime
de risque partiel est de 50 points.
Ces 50% correspondent à 50%ω3 = 1 unité monétaire, la prime

de risque précédemment calculée.
ρ0WY vérifie u(E(WY )−ω1 ρ0WY ) = E(u(WY )) et ρWX = ω1 ρ0WY
ρ00WZ vérifie u(E(WZ )−ω3 ρ00WZ ) = E(u(WZ )) et ρWX = ω3 ρ00WZ

Idée :
Remplacer WY = WX dans l’expression précédente.
Sachant que u(E(WX ) − ρWX ) = E(u(WX )), conclure par

identification.
Montant de la prime de risque et aversion pour le risque

3 - Mesures de l’aversion pour le risque (1)
3.1 - Transformation concave de la fonction d’utilité

sur les conséquences
Montant de la prime de risque et concavité de u

Idée :
Soit ϕ transformation strictement croissante concave de la

fonction d’utilité u B telle que u A = ϕ ◦ u B
Avec la définition de la prime de risque, l’inégalité de Jensen et

la stricte croissance des fonctions d’utilité, on a :
∀W , u A (E(W ) − ρAW ) ≤ E(u A (W ))
≤ E(ϕ[u B (W )]) ≤ ϕ[E(u B (W ))]

≤ ϕ[u B (E(W ) − ρBW )] ≤ u A (E(W ) − ρBW )
⇔ E(W ) − ρAW ≤ E(W ) − ρBW ⇔ ρAW ≥ ρBW
3.2 - Coefficients d’aversion pour le risque
Dans cette section, w est l’espérance de la richesse finale. Si

la fonction d’utilité u du décideur est de classe C 2 , on défini les
indices suivants :
u 00 (w)
Absolute Risk-Aversion ARA(w) = −
u 0 (w)
u 00 (w) u 00 (w)
Relative Risk-Aversion RRA(w) = −ω1 = −w
u 0 (w) u 0 (w)
car E(Y ) = 0 et ω1 = ω1 (1 + E(Y )) = E(WY ) = w
u 00 (w)
Partial Risk-Aversion PRA(w, ω3 ) = −ω3
u 0 (w)
Ces indices sont une propriété des préférences

3.3 - Valeur locale de la prime de risque
W renvoie des valeurs appartenant à [E(W ) − h, E(W ) + h]
Pour un petit risque,
Var (W ) u 00 (E(W ))
ρW ≈ −
2 u 0 (E(W ))
Idée :
D’après le théorème de Taylor,
u 0 (E(W ))(W − E(W ))1

u(W ) ≈ u(E(W )) +
1!
u 00 (E(W ))(W − E(W ))2
+
2!
u 00 (E(W ))Var (W )
⇒ E(u(W )) ≈ u(E(W )) +
2
Par ailleurs, d’après la définition de la prime de risque (petite

car le risque est petit) et le théorème de Taylor,
E(u(W )) = u(E(W ) − ρW )
u 0 (E(W ))(E(W ) − ρW − E(W ))1

≈ u(E(W )) +
1!
En combinant les deux approximations,
u 00 (E(W ))Var (W )
u(E(W )) − ρW u 0 (E(W )) ≈ u(E(W )) +
2
u 00 (E(W )) Var (W )
⇒ ρW ≈ −
u 0 (E(W )) 2
Si Var (W ) = Var (WX ) = Var (ω1 + X ) = Var (X )

Var (X )
alors ρWX ≈ ARA(E(W ))
2
Si Var (W ) = Var (WY ) = Var (ω1 (1 + Y )) = ω12 Var (Y )

et si ρWX = ω1 ρ0WY
ω12 Var (Y ) u 00 (E(W )) Var (Y )
alors ρ0WY ≈ − 0
≈ RRA(E(W ))
2ω1 u (E(W )) 2
Si Var (W ) = Var (WZ ) = Var (ω2 + ω3 (1 + Z ))

= ω32 Var (Z ) et si ρWX = ω3 ρ00WZ
ω32 Var (Z ) u 00 (E(W )) Var (Z )
alors ρ00WZ ≈ − 0
≈ PRA(E(W ), ω3 )
2ω3 u (E(W )) 2
Décomposition de la prime de risque

3.4 - Le théorème d’Arrow - Pratt
Si les fonctions d’utilité u A et u B de deux décideurs sont de

classe C 2 , Arrow et Pratt ont montré que les assertions
suivantes sont équivalentes :
1. A a plus d’aversion pour le risque que B : ∀W , ρAW ≥ ρBW
2. ∃ϕ transformation strictement croissante concave de u B
telle que u A = ϕ ◦ u B
3. ∀w ∈ R, ARAA (w) ≥ ARAB (w)
Idée :
1 ⇔ 2 d’après la section sur la transformation de la fonction

d’utilité, 3 ⇒ 1 à partir de l’approximation de la prime de risque.
Reste à montrer que 2 ⇒ 3 :
u A = ϕ(u B ) ⇒ u A0 = ϕ0 (u B )u B 0 et u A00 = ϕ00 (u B )u B 02 +ϕ0 (u B )u B 00
u A00 ϕ00 (u B )u B 02 + ϕ0 (u B )u B 00 ϕ00 (u B )u B 02 u B 00

⇒ = = + B0
u A0 ϕ0 (u B )u B 0 ϕ0 (u B )u B 0 u
ϕ00 (u B )u B 02
où est du signe de ϕ00 (u B ) ≤ 0 (fonction concave)
ϕ0 (u B )u B 0
u A00 u B 00
⇒ ≤
u A0 uB 0
⇒ ARAA ≥ ARAB
L’expression "aversion pour le risque" est trompeuse

3.5 - Effet de la richesse sur l’aversion pour le risque
Dans cette section, w est l’espérance de la richesse finale
Il est généralement admis que les riches acceptent plus de

risques que les pauvres
Hypothèse : ARA0 (w) < 0

Si u est la fonction identité,

∀w, ARA(w) = RRA(w) = PRA(w, ω3 ) = 0
Dans les autres cas, l’hypothèse ARA0 (w) < 0 conduit aux
résultats suivants :
Si u est une fonction strictement croissante convexe,

∀w, ARA(w) ≤ 0. Puisque RRA(w) = wARA(w), on a
∀w > 0, RRA0 (w) = ARA(w) + wARA0 (w) < 0
Si u est une fonction strictement croissante concave,

∀w, ARA(w) ≥ 0. Ainsi, RRA0 (w) est généralement de signe
indéterminé
On exprime autrement l’indétermination du signe de RRA0 (w) :
Var (W )
ρW ≈ ARA(w) et, ici, Var (W ) = ω12 Var (Y ) = w 2 Var (Y )
2
Ainsi, Var (W ) augmente avec w alors que, par hypothèse,
ARA(w) diminue avec w
Effet dominant et nouvelle hypothèse : RRA0 (w) ≥ 0
Retour sur la proposition selon laquelle les riches acceptent

plus de risques que les pauvres
4 - Fonctions d’utilité espérée usuelles et fonctions de
Markowitz (1)
Les fonctions u les plus intéressantes vérifient :
u 0 (w) > 0 u 00 (w) < 0 ARA0 (w) < 0 RRA0 (w) ≥ 0

4 - Fonctions d’utilité espérée usuelles et. . . (2)
4.1 - La fonction espérance de la richesse
U(W ) = E(W )
u(w) u 0 (w) u 00 (w) ARA(E(W )) RRA(E(W ))

w 1 0 0 0
L’hypothèse ARA0 (E(W )) < 0 n’est pas respectée. Cette
fonction est quand même utilisée, soit pour déterminer le
comportement limite d’un décideur riscophobe dont l’aversion
tend vers zéro, soit comme une hypothèse qui simplifie
l’analyse sans en modifier les conclusions qualitatives
4.2 - La fonction d’utilité logarithmique
U(W ) = E(ln W ) avec w > 0

1
ln w w − w12 < 0 1
E(W ) (strict. décroissante) 1
Cette fonction est limitée aux valeurs strictement positives de la

richesse. Hormis cela, elle a toutes les propriétés désirées
4.3 - Les fonctions d’utilité quadratiques
Avant transformation affine strictement croissante,

u(w) = aw 2 + bw + c avec a 6= 0 et a < 0 pour l’aversion et
b
w < − 2a pour la stricte croissance et b > 0 pour permettre
w >0
1
U(W ) = E(W − αW 2 ) avec α > 0, w <
2α

2α 2αE(W )
w − αw 2 1 − 2αw −2α 1−2αE(W ) 1−2αE(W )
<0 (strict. croissante) (strict. crois.)
Cette fonction est limitée aux valeurs strictement inférieures à

1
2α . Au-delà de cette limite, les préférences doivent avoir une
autre forme. Il est plus ennuyeux que l’hypothèse
ARA0 (E(W )) < 0 ne soit pas respectée
Ces fonctions sont néanmoins utilisées en économie. Par

exemple, dans le modèle d’évaluation des actifs financiers
(MEDAF / CAPM)
U(W ) = E(W ) − αE(W 2 ) = E(W ) − α(Var (W ) + E(W )2 ) =

f (E(W ), Var (W )). Les fonctions d’utilité quadratiques sont un
cas particulier de fonctions (non linéaires) de Markowitz
4.4 - Les fonctions d’utilité puissances
Wα

U(W ) = E avec w > 0, α 6= 0 et α < 1 pour un riscophobe
α
(= 1 pour neutre et > 1 pour riscophile)

wα 1−α
α w α−1 (α − 1)w α−2
E(W ) (strict. 1−α
< 0 ssi α < 1 décrois. ssi α < 1)
Si α > 0,√on peut prendre u(w) = w α . Par exemple,

u(w) = w. Si α < 0, on peut prendre u(w) = −w α
Puisque α est un réel, cette fonction est limitée aux valeurs

strictement positives de la richesse. Hormis cela, la fonction
puissance d’exposant α < 1 a toutes les propriétés désirées
4.5 - Les fonctions d’utilité exponentielles négatives

−αW
e
U(W ) = E avec α 6= 0
−α
et α > 0 pour l’aversion pour le risque

e−αw −αw −αw < 0
−α e −αe α αE(W ) (strict. crois.)
L’hypothèse ARA0 (E(W )) < 0 n’est pas respectée. Ces

fonctions sont quand même utilisées pour déterminer le
comportement limite d’un décideur dont l’aversion absolue
diminue et tend vers une constante lorsque sa richesse
augmente
Le résultat suivant et sa démonstration sont hors programme !
Si la richesse suit une loi normale, les fonctions exponentielles

négatives de paramètre α représentent les mêmes préférences
qu’une fonction de Markowitz linéaire de paramètre α2
Idée : Si W suit une loi normale,

2
E(e−αW ) = e−αE(W )+0,5α Var (W ) . En effet :
W ; N (E(W ), Var (W ))
⇒ −αW ; N (−αE(W ), α2 Var (W ))

⇒ e−αW ; log-normale(−αE(W ), α2 Var (W ))
2 Var (W )
⇒ E(e−αW ) = e−αE(W )+0,5α
Le décideur choisit l’action X telle que
MAX U(W (X ))
X
e−αW (X )
⇔ MAX E( )
X −α
1 −αE(W (X ))+0,5α2 Var (W (X ))
⇔ MAX e
X −α
⇔ MAX E(W (X )) − 0, 5αVar (W (X ))
X
Ses préférences peuvent donc être représentées par la

fonction de Markowitz linéaire U(W ) = E(W ) − kVar (W ) où
k = 0, 5α
Le résultat suivant et sa démonstration sont hors programme !
Avec les fonctions exponentielles négatives et si la richesse suit

une loi normale, l’approximation de la prime de risque est
exacte et valable pour n’importe quel risque ("petit" ou non)
Idée : La prime de risque est telle que
e−α(E(W )−ρW )
E(u(W )) = u(E(W ) − ρW ) =
−α
Si W suit une loi normale,
−αW
e 1 −αE(W )+0,5α2 Var (W )
E(u(W )) = E = e
−α −α
En combinant les expressions,
e−α(E(W )−ρW ) 1 −αE(W )+0,5α2 Var (W )

= e
−α −α
e−αE(W ) Var (W ) u 00 (E(W ))

⇔ ρW = 0, 5αVar (W )(−1)(−1) = −
e−αE(W ) 2 u 0 (E(W ))
4.6 - Les fonctions de Markowitz
Une fonction de Markowitz n’est pas une fonction d’utilité

espérée !
Un argument en faveur de la mesure du risque par la variance

est que ρW ≈ Var2(W ) ARA(E(W )). On veut préciser les cas où
la variance est une bonne mesure du risque perçu
Soit un petit risque. Si la richesse suit une loi normale ou si les

préférences sont quadratiques, la variance est une bonne
mesure du risque perçu. Il est alors justifié de représenter les
préférences du décideur par une fonction de Markowitz
Idée :
Le risque étant petit, W renvoie des valeurs appartenant à

l’intervalle [E(W ) − h, E(W ) + h] où h est "petit" par rapport à
E(W )
Le théorème de Taylor permet d’écrire
u 0 (E(W ))(W − E(W ))1

u(W ) = u(E(W )) +
1!
u 00 (E(W ))(W − E(W ))2 u (n) (E(W ))(W − E(W ))n

+ +. . .+ +. . .
2! n!
En espérance, U(W ) = E(u(W )) = u(E(W ))

u 00 (E(W ))Var (W ) u (n) (E(W ))E[(W − E(W ))n ]
+ + ... + + ...
2 n!
Cette expression ne dépend que de l’espérance et de la
variance si. . .
. . . ∀w, u 00 (w) = 2a d’où des dérivées d’ordre supérieur
égales à 0 pour tout w
Soit a = 0, u(w) = bw + c que l’on peut remplacer par
u(w) = w pour retrouver la fonction espérance de la
richesse
Soit a 6= 0, u(w) = aw 2 + bw + c et on retrouve les
fonctions d’utilité quadratiques
. . . ∀k > 2, E[(W − E(W ))k ] est nul ou fonction de l’espérance
et de la variance. C’est le cas si W suit une loi normale (ce
n’est pas le seul cas mais les autres cas peuvent
difficilement être retenus pour une richesse). Ses moments
centrés d’ordre impair sont nuls (loi symétrique) et ceux
d’ordre pair sont fonction de la seule variance
(E[(W − E(W ))2k ] = 1 × 3 × 5 × . . . × (2k − 1)[Var (W )]k )
Dans chacun de ces cas, U(W ) = f (E(W ), Var (W )). Les
préférences du décideur peuvent donc se représenter par une
fonction de Markowitz
La fonction espérance de la richesse représente un décideur

neutre vis-à-vis du risque. Comme il ne tient pas compte du
risque, peu importe donc la façon dont on le mesure
Dans le cas des fonctions quadratiques, l’expression

00
précédente est égale à U(W ) = u(E(W )) + u (E(W 2))Var (W ) . À
espérances égales, tous les riscophobes (∀w, u 00 (w) < 0)
préfèrent la richesse de plus petite variance. La variance est
alors une bonne mesure du risque
Il reste donc à montrer que, parmi toutes les richesses suivant

une loi normale de même espérance, tous les riscophobes
préfèrent celle de plus petite variance
F IGURE: Les aires sous les courbes étant égales à 1, les aires en
pointillées sont égales à l’aire hachurée
Soient deux richesses de loi normale de même espérance. La

richesse de plus grande variance est obtenu à partir de l’autre
par transfert de poids préservant l’espérance. Tous les
riscophobes préfèrent donc la richesse de plus petite
variance
5 - Conclusion (1)
Une fonction d’utilité espérée U est un outil pour prédire l’action

choisie par le décideur
Pour remplir ce rôle, elle doit tenir compte de tout ce qui affecte
son choix (cf. chapitre précédent) :
1. ses préférences sur les conséquences càd la fonction
d’utilité sur les conséquences u
2. les lois de probabilités associées aux actions càd les
probabilités sur les événements
3. son attitude vis-à-vis du risque qui peut se représenter par
une transformation des éléments précédents
5 - Conclusion (2)
Par ailleurs, si la richesse finale est certaine, le choix du

décideur peut être prédit en se basant uniquement sur l’une de
ses fonctions d’utilité sur les conséquences (cf. introduction).
Dans ce cas, la fonction d’utilité espérée doit être égale à l’une
de ces fonctions
Comme on l’a vu dans ce chapitre, les fonctions d’utilité

espérée remplissent ce cahier des charges

Licence 3 Économétrie - MASS: U L I, Ii III

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Licence 3 Économétrie - MASS: U L I, Ii III

Transféré par

Droits d'auteur :

Formats disponibles

Licence 3 économétrie – MASS

U NIVERSITÉ LYON I, II ET III

Cours de Laurence Abadie – Bertrand Fayolle

Préférences sur les conséquences et décision

Préférences sur les conséquences et décision

I Cas où l’incertitude peut être ignorée

I Cas où l’incertitude ne peut pas être ignorée :

Le marché des voitures d’occasion (Akerlof)

Décision individuelle en environnement incertain

Économie de l’incertain versus économie de l’information

C AYATTE , J-L. "Microéconomie de l’incertitude 2e édition" De

—— "Concepts et méthodes pour l’aide à la décision tome 2 –

Nature, états de la nature

Les différents sens du mot "risque"

Hypothèse : Conséquences monétaires

L’action "signer le contrat" équivaut à détenir une loterie X de

Conséquences en nombre fini ou infini dénombrable / infini

Lois de probabilité associées aux actions et loi de probabilité

Forme normale d’un problème de décision

Exemple du contrat d’assurance-habitation :

la maison ne subit la maison

Objectif : Créer un outil qui prédit l’action choisie par le décideur

Hypothèse : Les actions en elles-mêmes ne sont ni source de

Exemple du jeu d’argent

Hypothèse : Les préférences du décideur sur les actions sont

Le choix du décideur dépend. . .

Les actions X , Y et Z sont des variables aléatoires réelles

La dominance est stochastique

4.1 - Dominance stochastique d’ordre 1

X DS1 Y ⇔ ∀x ∈ R, FX (x) ≤ FY (x) où FX (x) = P(X ≤ x)

Cas de la dominance au sens strict

∀x ∈ R, P(X > x) = 1 − FX (x)

Les classements opérés par la DS1 sont partiels

x ] − ∞; −10[ [−10; −1[ [−1; 0[ [0; 100[ [100; +∞[

On ne peut ni écrire X DS1 Z ni écrire Z DS1 X

4.2 - Dominance stochastique d’ordre 2

Cas de la dominance au sens strict

x ] − ∞; −10[ [−10; −1[ [−1; 0[ [0; 100[ [100; +∞[

Les classements opérés par la DS2 sont partiels

Reprendre l’exemple précédent, en remplaçant le 0, 6 par 0, 4

x ] − ∞; −10[ [−10; −1[ [−1; 0[ [0; 100[ [100; +∞[

Y MPS X ⇔ E(X ) = E(Y ) et X DS2 Y

où MPS = Mean Preserving Spreads

Rothschild et Stiglitz montrent que :

En transférant P(X = 2) sur P(X = 1) et P(X = 3), on passe

Les actions X , Y et Z sont des variables aléatoires réelles

Comparaison entre E(X ) et X

5.1 - Aversion pour le risque

I Un agent est riscophobe ⇔ ∀X , E(X ) % X

I Un agent est riscophile ⇔ ∀X , X % E(X )

I Un agent est neutre vis-à-vis du risque ⇔ ∀X , X ∼ E(X )

Aversion / goût pour le risque au sens strict

5.2 - Équivalent certain

L’équivalent certain de X est la conséquence certaine cX telle

5.3 - Prime de risque

La prime de risque ρX de X est telle que ρX = E(X ) − cX

Cas de l’agent riscophile

Un agent 1 a plus d’aversion pour le risque qu’un agent 2 ssi

6.1 - Le cas du consommateur

Le choix du consommateur en environnement certain

Fonction d’utilité et préférences du consommateur sur les

MAX f (x) sc prix x 0 ≤ revenu

x ∗ 7→ f (x ∗ ) = f (x ∗ (prix, revenu)) = v (prix, revenu)

X Y ⇔ U(Ω + X ) > U(Ω + Y )