Académique Documents
Professionnel Documents
Culture Documents
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
Définition
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 :
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 passive
Événéments
Événéments pertinents
Situation de risque
Risque et statistique
Hypothèse restrictive ?
Action, loterie
2 - Conséquences, actions et loteries (2)
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).
Notion de dominance
Interprétation graphique
4 - Les relations de dominances stochastiques (3)
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
4 - Les relations de dominances stochastiques (4)
Exemple :
Interprétation graphique
4 - Les relations de dominances stochastiques (7)
Exemple :
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
−∞
4 - Les relations de dominances stochastiques (9)
X DS1 Y ⇒ X DS2 Y
X DS2 Y ⇔ ∀t ∈ R,
Rt Rt
−∞ P(X ≤ x)dx ≤ −∞ P(Y ≤ x)dx
Exemple :
Solution :
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
−∞
4 - Les relations de dominances stochastiques (13)
ϕ?
4 - Les relations de dominances stochastiques (14)
Y MPS X
⇔
Y s’obtient à partir de X
par transfert de poids préservant l’espérance
Interprétation intuitive
4 - Les relations de dominances stochastiques (15)
Exemple :
x 1 2 3
P(X = x) 0 1 0
P(Y = x) 0, 5 0 0, 5
Interprétation
Existence et unicité
5 - Comportement face au risque (4)
Interprétation
Notations :
revenu
prix = (prix1 , . . . prixk )
x = (x1 , . . . xk )
f : x 7→ f (x)
6.3 - Synthèse
On raisonne sur les richesses finales plutôt que sur les actions
7 - Les préférences sur les actions (3)
On en déduit :
X ∼ Y ⇔ U(Ω + X ) = U(Ω + Y )
U(W ) = E(W )
7 - Les préférences sur les actions (5)
Exemple :
y 0 1 2 3
P(Y = y ) 0, 1 0, 1 0, 5 0, 3
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
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
7 - Les préférences sur les actions (8)
Paradoxe de Saint-Pétersbourg :
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
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
Propriétés :
† U est définie à une transformation strictement croissante
près
Exemple d’utilisation
Exemple :
√
Supposons que U(W ) = E( W )
√ p p
U(W ) = E( W ) ≤ E(W ) ≤ E( E(W )) ≤ U(E(W ))
⇒ E(W ) % W
7 - Les préférences sur les actions (17)
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
7 - Les préférences sur les actions (18)
Première utilisation
1 - Les fonctions d’utilité espérée (2)
Exemple :
x 0 90 y 0 990
et
P(X = x) 0, 5 0, 5 P(Y = y ) 59 4
9
1 - Les fonctions d’utilité espérée (3)
z 0 90 990
P(Z = z) 0, 55 0, 05 0, 4
1 - Les fonctions d’utilité espérée (4)
Deuxième utilisation
Exemple :
La loterie Z s’écrit
On défini U par
n
X
U(W ) = u(wi )P(W = wi ) = E(u(W ))
i=1
1 - Les fonctions d’utilité espérée (6)
X % Y ⇔ U(WX ) ≥ U(WY )
Exemple :
w 10 100 1 000
P(WZ = w) 0, 55 0, 05 0, 4
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 - Les fonctions d’utilité espérée (9)
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)
1 - Les fonctions d’utilité espérée (11)
Exemple :
Exemple :
√ √
Si u(w) = w et g(u(w)) = ( w)4 = w 2
alors le décideur est tantôt riscophobe tantôt riscophile
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)
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
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 - Retour sur les concepts et les outils. . . (9)
Exemple :
√
u(w) = w, ω = 10, X à pour loi de probabilité
x 6 26
P(X = x) 0, 5 0, 5
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.
2 - Retour sur les concepts et les outils. . . (13)
E(u(WX )) = u(ω + pv )
⇔ u(cWX ) = u(ω + pv )
⇒ cWX = ω + pv
⇒ pv = 15
Le décideur accepte de vendre à 15
2 - Retour sur les concepts et les outils. . . (14)
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
2 - Retour sur les concepts et les outils. . . (15)
E(u(cWX + X − pa )) = u(cWX )
p p √
⇒ 0, 5 25 + 6 − pa + 0, 5 25 + 26 − pa = 25
⇒ pa = 15 = pv
2 - Retour sur les concepts et les outils. . . (16)
x −9 6
P(X = x) 0, 8 0, 2
Définition alternative :
Idée :
Idée :
E(WX ) ≥ cWX
⇔ u[E(WX )] ≥ E(u(WX ))
⇔ u est une fonction concave
(sa courbe est au-dessus de sa corde)
2 - Retour sur les concepts et les outils. . . (23)
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 ?
2 - Retour sur les concepts et les outils. . . (24)
Alternativement,
⇒ ρWX = 1
2 - Retour sur les concepts et les outils. . . (25)
E(u(WX )) = u(ω + p)
⇒ E(WX ) = ω + p
⇒ ω + E(X ) = ω + p
⇒ p = E(X )
2 - Retour sur les concepts et les outils. . . (26)
⇒ 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).
⇒ E(WX − p) = ω
⇒ ω + E(X ) − p = ω
⇒ p = E(X )
2 - Retour sur les concepts et les outils. . . (28)
Par définition du prix d’achat, E(u(WX − pa )) = u(ω). Pour le
décideur qui nous intéresse,
x 6 26
P(X = x) 0, 5 0, 5
y +60% +260%
P(Y = y ) 0, 5 0, 5
z +300% +1 300%
P(Z = z) 0, 5 0, 5
2 - Retour sur les concepts et les outils. . . (32)
w 16 36
P(W = w) 0, 5 0, 5
(
E(WY ) = ω1 (1 + E(Y )) ⇒ E(Y ) = 160%
WY = ω1 (1 + Y ) ⇒
25 = ω1 (1 + tWY ) ⇒ tWY = 150%
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.
Idée :
Idée :
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)
Var (W ) u 00 (E(W ))
ρW ≈ −
2 u 0 (E(W ))
3 - Mesures de l’aversion pour le risque (5)
Idée :
E(u(W )) = u(E(W ) − ρW )
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
3 - Mesures de l’aversion pour le risque (7)
Dans les autres cas, l’hypothèse ARA0 (w) < 0 conduit aux
résultats suivants :
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
U(W ) = E(W )
1
U(W ) = E(W − αW 2 ) avec α > 0, w <
2α
Wα
U(W ) = E avec w > 0, α 6= 0 et α < 1 pour un riscophobe
α
W ; N (E(W ), Var (W ))
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
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
4 - Fonctions d’utilité espérée usuelles et. . . (11)
F IGURE: Les aires sous les courbes étant égales à 1, les aires en
pointillées sont égales à l’aire hachurée
4 - Fonctions d’utilité espérée usuelles et. . . (17)
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)