La théorie de la décision en univers incertain

Chapitre 0 : la microéconomie est un modèle i.e. elle offre une vision très simplifiée de l’économie.

Point de départ est l’individu rationnel dans un contexte de rareté (prix, théorie des prix).

Etude du choix et du comportement de l’individu (différents des agrégats).

Consommateur : individu cherche à satisfaire ses besoins.

Producteur pas tellement de produire mais produire pour avoir le maximum de profit selon plusieurs
contraintes (environnement économiques – moyens financiers – technique de production) : quantité de
biens produits

Offre : fraction de la production que le producteur est prêt à écouler sur le marché

Marché et lieu géographique - périodicité

Type de marché : Marché de concurrence pure et parfaite (1) et les marchés de concurrence imparfaite
(2)

1. Hypothèse : atomicité (nombreux – de petites tailles – même puissance économique) ; fluidité

(transparence du marché – liberté – mobilité des produits et facteurs) ; homogénéité des
produits
2. Degré de concentration de l’offre et de la demande : monopole bilatéral – oligopole – marché
monopolistique – etc.

Consommateur :

Equilibre s’il existe maximisation de sa fonction d’utilité ou sa fonction de satisfaction (utilité cardinale
ou ordinale VS utilité totale et marginale)

Un bien est utile s’il permet de satisfaire un ou plusieurs besoins de l’individu considéré (subjective).
Objective si elle est liée aux qualités même du bien considéré.

Utilité totale d’un lot de bien est la satisfaction totale que procure la consommation de ce lot de bien

Utilité marginale est la satisfaction supplémentaire procurée par la dernière unité consommée de ce
bien.

Umg (x) = Delta U / Delta x

Point de saturation ou de satiété quand Umg(x) = 0

Courbe d’indifférence l’ensemble des combinaisons (x, y, z, …) correspondant à des quantités

consommées de biens et pour lesquelles il va ressentir un niveau de satisfaction identique.

Carte d’indifférence est un ensemble de courbe d’indifférence

Droite de budget : les différentes combinaisons de biens avec lesquels le consommateur pourra
dépenser la totalité de son revenu (droite représentant la contrainte budgétaire du consommateur).

Taux marginale de substitution (TMS) : proportion de substitution avec même niveau de satisfaction

TMS (y->x) = - Delta y / Delta x = - y ‘ (x) = Umg(x) / Umg (y)

Courbe de niveau de vie ou courbe de revenu consommation retrace les lieux d’équilibre du
consommateur dans l’espace des biens x et y et ce dans l’hypothèse où sa fonction d’utilité reste la
même de même que les prix des biens x et y. Donc seul son revenu est variable.
Courbe de prix / consommation : la fonction d’utilité reste inchangée, de même que le revenu du
consommateur donc seuls les prix sont variables.

Chapitre 1 : Risque

Section 1 : Rappel de la théorie de la décision

La question qui se pose est la suivante : pourquoi élaborer une théorie pour prendre une décision ?

Souvent, les conséquences de nos choix méritent réflexion par laquelle nous éprouvons le besoin
d’analyser, de rationaliser et de nous faire aider. Bref, faire un choix rationnel.

Besoin de justifier nos choix et le plus souvent de justifier les choix devant les individus pour lesquels
nous sommes responsables i.e. le devoir d’avancer des arguments à caractère scientifique.

La théorie de la décision n’est donc qu’une théorie sur laquelle peuvent se fonder nos choix et cette
théorie doit permettre de rationaliser les décisions.

a. Justifier les choix

b. Savoir comment analyser, décrire l’ensemble des décisions possibles (alternatives) et leurs
conséquences
c. Mesurer la portée de ses actes
d. Etc.

La théorie de la décision regroupe un ensemble de méthodes d’analyses et de résolution de problèmes

de décision. On parle d’ « UNE » théorie car ces différentes méthodes sont construites en utilisant les
mathématiques.

A la grande différence, la théorie des probabilités a connu une formalisation plus universelle de la
représentation de l’incertitude ayant donné lieu à une théorie purement mathématique

Historique : la résolution des problèmes de décision ont pris forme durant la seconde moitié de XXème
siècle (recherche, formalisation du hasard, étude des jeux de société, analyse des problèmes
économiques et politiques, problème de gestion, le comportement psychologique individuel, etc.)

Objectifs :

Proposer un cadre d’étude du comportement rationnel face à l’incertitude (existe différents types
d’incertitude)

Trouver un cadre de référence pour les théories économiques et les modèles de gestion des entreprises
publiques ou privées :

Comment décrire le comportement d’agents économiques ?

Quelle décision prendre dans le cadre d’une gestion rationnelle des ressources et des moyens de
production ?

Comment investir dans des actifs financiers dont les rendements sont incertains ?

Comment inférer des paramètres d’une distribution de probabilités à partir d’un échantillon ?

La démarche scientifique consiste à formaliser le problème de décision i.e. décrire ses éléments par des
valeurs, des fonctions, des graphes correspondant à une simplification qui permet d’utiliser des outils et
des résultats mathématiques. La prise de décision proprement dite utilisera donc un ou plusieurs
critères (chap. IV) (critères trouvés de manière pragmatiques en statistique et notamment en calcul
économique).

Il s’agit toujours de maximiser la fonction d’utilité

Il s’agit de construire des critères fondés sur des hypothèses sur le comportement du décideur.
Le comportement rationnel consiste à optimiser ces critères (maximiser la fonction d’utilité ou fonction
de satisfaction)

Homo economicus = agent économique

Outils utilisés par ces théories : utiliser le « langage » mathématique (universalité). Attention, la
mathématique ne ramène pas tout aux nombres !! (problèmes quantitatifs – pouvoir quantifier)

Les résultats de la théorie des probabilités (décrire et de quantifier des expériences aléatoires)

Données tirées des observations (ex. économétrie des séries temporelles de la fluctuation des cours de
change USD et Euro). Bref : la statistique (Chap. VII : problème de la décision statistique qui est un
problème de décision et une application de la représentation de l’incertitude par la théorie des
probabilités : inférence statistique et une inférence est une décision suivant la méthode et les critères
utilisés par le statisticien et justifiable devant les commanditaires).

Parler étude des jeux – de la statistique – de la théorie des jeux (Von Neumann et Morgenstern, 44) : fait
partie de la théorie de la décision car elle s’intéresse aux comportements stratégiques des décideurs
face à d’autres décideurs qui est plus large car ici on ne parle que de l’aspect individuel des décisions.

Formalisation :

Il existe des situations où aucun effort de rationalisation et donc de formalisation est nécessaire.

Dans le cas où la solution n’est pas satisfaisante, ou semble qu’elle puisse être améliorée, le décideur
aura besoin d’analyser le problème => formalisation (pas forcement mathématique) et expliquer plus
aisément pourquoi telle solution a été retenue plutôt que telle autre (besoin de justification surtout si le
décideur doit rendre des comptes sur sa décision) : graphique ; arbres de décision ; des tableaux
statistiques, etc.

L’idée est de développer des méthodes et des critères qui permettent à la fois de calculer les meilleurs
choix et de justifier la manière dont ils ont été obtenus.

Ces méthodes sont fondées sur des modèles formalisées et les décisions sont prises en utilisant des
résultats de la programmation mathématique (calcul des optimums des fonctions – choisir une décision
qui optimise les critères représentants le comportement du décideur dans la situation décrite par le
modèle)

NB : littérature économique : choix d’investissement

 Les différents éléments sont Termes quantitatifs

 Les choix portent sur des quantités (quantités investies, etc.)
 Les conséquences sont aussi quantifiées (revenus futurs, rendements, etc.)

Champ d’application et disciplines : économie, gestion, psychologie, statistiques et mathématique, etc.

La théorie de la décision se construit de manière à pouvoir intégrer différents types d’incertitude, et
nous aurons donc une théorie qui pourra s’appliquer à des problèmes de décision qui se pose à des
agents situés dans des environnements de natures variées donc, dans la plus part des cas il est inutile de
traiter séparément chaque type de problème posé et de lui proposer une théorie adaptée.

Choix économiques dans entreprises – analyses des risques – étude des situations de conflit d’intérêts
(théorie des jeux ; recherche opérationnelle)

Ouvrage :

Games and Decisions de Luce et Raiffa (57)

Théorie de l’utilité espérée de Von Neumann et Morgenstern (44) – Daniel Bernoulli –

Wald (1950) et Savage (1954) : lien entre le fondement de la statistique, des probabilités et des
décisions.

Lapalce (théorie analytique des probabilités, 1812) Gauss (Théorie de la combinaison d’erreurs de
faibles amplitudes, 1821) : loi normale

Kolmogorov 1933 : théorie des probabilités forme achevée – fondement statistique de von Mises 1919.

Limite :

En réalité, l’étude des décisions économiques ne peut se faire traiter sur la seule base du comportement
individuel puisque les interactions entre les agents entrent en jeu. Les agents rationnels doivent donc
être décrits en tenant compte du fait qu’ils sont conscients de ces interactions entre leurs objectifs et
ceux des autres agents => théorie des jeux.

NB : théorie de l’utilité espérée (Chap. V) est le premier exemple achevé d’une théorie de la
représentation du comportement de décideurs face au risque (aversion pour le risque et mesure du
risque ; Cf. chap. VI)

Il existe aussi d’autres théories concurrentes, complémentaires ou plus générales (Chap. VIII)

Historique : depuis année 90 qu’il possible de mieux voir le lien entre ces théories.

Section 2 : La notion de la loterie

Pourquoi parler de loterie ?

Développé par Von Neumann et puis d’autres chercheurs comme Samuelson, Herstein &Milnor,
Marschak, la théorie de la décision (en univers incertain ou dans l’incertain) suppose que les objets sur
lesquels sont définies les préférences sont des loteries.

Caractéristiques d’une loterie :

Une loterie est caractérisée par une distribution de probabilité objective des prix. Assimiler les objets à
des loteries revient à supposer qu’aux évènements possibles correspondent des probabilités
« objectives » sur lesquelles s’accordent les agents (Cf. voir les travaux de L. Savage concernant aux
probabilités subjectives).

Les probabilités précèdent les préférences.

Sur quoi portent les décisions ?

Ces décisions portent sur des décisions d’investissement, d’épargne, de portefeuille, etc.

Ex. distribution du rendement mensuel des actions entre deux périodes.

Formalisation :
On note une loterie ax = [x , Px ] (NB : avec flèche)

Chaque loterie est composée de deux éléments (Cf. page 30) :

 Les différents prix possibles (x1, x2)

 Leurs probabilités (Px(x1), Px(x2))

Cas des loteries « simples » : les prix sont des biens, des paniers de biens, du bien numéraire, etc.

En notant X l’ensemble des prix possibles avec X inclut RN.

L’ensemble des probabilités définies sur cet ensemble X sera noté Δ(X)

L’ensemble des loteries simples est donc X x Δ(X)

Cas des loteries « composées » : une loterie composée est une loterie dont certains prix sont eux-
mêmes des loteries i.e. certains gains possibles de loterie composée est de gagner le droit (ou
l’obligation) de participer à une autre loterie

Représentation d’une loterie :

NB : il est toujours possible de représenter une loterie par plusieurs loteries composées.

Section 4 : La théorie de l’espérance d’utilité

Exemple :

Soit une loterie L selon laquelle un agent gagne 100 USD avec une probabilité de 1/3 et ne gagne rien
avec une probabilité de 2/3
L’Esperance de gain de cette loterie L est :

E[L] = 1/3*100 + 2/3*0

Avec E espérance mathématique

Historique :

1944 Von Neumann et Morgenstern

Critère de Bernoulli (Daniel en 1738)

L’espérance d’utilité pour la loterie L s’écrit alors :

E[U(L)] = 1/3*U(100) + ½*U(0)

Généralisation espérance d’utilité :

Si L est une loterie à n issus possibles alors E[U(L)] = Σ Pi U(xi)

Pourquoi l’espérance d’utilité :

L’utilité espérée a été construit de manière théorique tenant compte de conditions (axiomes) sur le
comportement des décideurs.

Elle est construite dans le cadre de situations de risque (i.e. les probabilités sur les conséquences sont
connues).

Situations de risque (univers incertain) :

Ex. roulette (situation de risque pour laquelle le formalisme de la théorie des probabilités est adaptée –
hasard + calcul vraisemblance + expérience reproductible) et course de chevaux (expérience non
reproductible + trop de facteurs => mesure de vraisemblance subjective).

En pratique, peu de décisions sont prises en situation de risque car par exemple sur un marché boursier
les décisions d’inversement font intervenir une incertitude sur les cours futurs dont la distribution de
probabilités n’est pas connue (déjà une limite).

(Page 65 in théorie de la décision)

Définition :

Un problème de décision est dit en situation de risque si à chaque action choisie, correspond une
distribution de probabilité sur les conséquences.

Exemple : loterie.

Section 3 : Les axiomes de préférences en univers incertain

La théorie de l’utilité espérée est fondée sur un système d’axiomes. Il s’agit des conditions que devront
vérifier les préférences d’un agent sur des loteries pour qu’elles puissent être représentées par une
fonction numérique.

Axiome 0 : « les préférences définissent un ordre total sur les loteries » i.e. les loteries peuvent être
comparées et rangées.

Cet axiome exprime que l’indifférence est une relation d’équivalence (pré ordre) et les classes
d’équivalence sont ordonnées par les préférences.

Axiome 1 : « pour toute loterie L, si toutes les loteries d’une suite Ln de loteries sont préférées à L et si
cette suite admet une limite Lo alors cette limite est préférée à L ».

 Axiome 1 : Comparabilité

Pour tout p, q Є Q ou bien p ≥ q ou bien q ≤ p

  Axiome 2 : Transitivité

Soir p, q, r trois éléments de Q

Si p ≥ q et q ≥ r alors p ≥ r

 Axiome 3 : Indépendance forte

Pour tout p, q, r Є Q et pour toute constante α Є (0,1)

Si p ~ q alors αp + (1-α) r ~ αq + (1-α) r

Si p ≥ q alors αp + (1-α) r > αq + (1-α) r

 Axiome 4 : Valeur intermédiaire

Pour tout p, q, r Є Q

Si p > q ≥ r ou bien p ≥ q > r, il existe α Є (0, 1)

Tel que q ~ αp + (1-α) r

 Axiome 5 : Dominance

Pour tout p, q, r Є Q tel que p > q

Et tout α, β Є (0, 1)

αp + (1 – α) r > βp + (1- β)q  α > β

Explication (en termes de loterie) :

La relation de préférence sur l’ensemble Q doit constituer un « préordre total » i.e. cet individu ne doit
jamais se montrer indécis et doit toujours faire preuve d’une rationalité minimale qui se traduit par la
transitivité de ses préférences. (Si la loterie X est préférée à la loterie Y, et si la loterie Y est préférée à la
loterie Z, alors la loterie X est préférée à la loterie Z.

On exige une indépendance des préférences à l’égard du mode d’obtention des distributions
(indépendance forte)

Axiome 4 : axiome de continuité

Axiome 5 : monotonicité des préférences de l’individu (si l’on a deux loteries composées qui mettent en
jeu les mêmes résultats, celle dont le résultat préféré a plus forte probabilité d’occurrence doit être
également préférée.

Remarque :

- Les résultats des loteries sont des unités monétaires. L’individu est insatiable, en d’autres
termes, l’utilité est une fonction monotone croissante des résultats possibles.
- On admet que la fonction d’utilité est continue et différentiable cela implique donc que l’utilité
marginale est toujours strictement positive

U’(.) > 0

- Dans le cas de stratégies de portefeuilles, l’analyse qui conduit à la représentation des

préférences par une mesure d’espérance d’utilité peut être rendue multipériodique i.e. les
individus doivent composer des portefeuilles sur plusieurs périodes.

Conclusion : théorème de l’espérance d’utilité

Voici le théorème fondamental découlant de ces axiomes

Théorème 1 : pour toute relation de préférence définie sur un espace de probabilité Q et satisfaisant
aux axiomes 1 à 5, il existe une fonction d’utilité U définie sur Q et à valeurs dans R telle que :
 p ≥ q  U(p) ≥ U(q)

Quel que soit p, q Є Q et α Є (0,1)

U (αp + (1- α) q) = α U(p) + (1- α) U(q) (la fonction d’utilité est linéaire en probabilités)

Définition de la fonction d’utilité (préférences et utilités)

Une fonction U est une fonction U : X ---------- > R est une fonction d’utilité si pour tout couple (x, y) Є X :

x ≥ y  U(x) ≥ U(y)

x > y  U(x) > U(y)

Digression :

1. Axiome de « régularité » des préférences (FISHBURN P., 1970, Utility for Decision Making, Jhon
Wiley & Sons.)
2. Relation d’ordre : relation binaire réflexive, antisymétrique et transitive

Soit R (ou ≥) une relation sur E un ensemble avec R ou ≥ est la relation de préférence de l’agent en
question.

R est une relation d’ordre si pour tous x, y, z éléments de E

x ≥ x (réflexive)

(x ≥ y et y ≥ x) => x = y (antisymétrie)

(x ≥ y et y ≥ z) => x R z (transitivité)

[Réflexive et transitive veut dire que la relation constitue un pré-ordre complet i.e. sur tout couple de
panier qu’on lui demande de comparer, l’agent a une opinion : quel que soit x, y Є E alors x ≥ y ou y ≥ x]

[Transitivité : une hypothèse intuitive pour dire qu’il y a une certaine cohérence des choix]

Et donc il existe aussi une relation binaire réciproque : y ≥ x  x ≥ y

Relation totale quand deux éléments de E sont toujours comparables : pour tous x, y de E alors

X ≥ y ou y ≥ x

On dit que R ou ≥ est une relation d’ordre total et que E est totalement ordonnée par cette relation.

Un « préordre » est une relation binaire réflexive et transitive.

Résumé :

Axiome d’indépendance : si la loterie X est préférée à la loterie Y, alors la loterie pX + (1-p) Z est préférée
à la loterie pY + (1-p) Z pour n’importe quelle loterie Z et n’importe quelle valeur de p Є ] 0, 1 [

Axiome de transitivité : si la loterie X est préférée à la loterie Y, et si la loterie Y est préférée à la loterie
Z, alors la loterie X est préférée à la loterie Z.

Section 5 : Le choix de portefeuille

Exemple :

Soit un capital de 100 000 USD que vous désirez investir dans des actions et obligations. Supposons que
vous avez le choix entre les actions de 4 firmes (A, B, C et D) et des bons du Trésor à trois mois.

Pour former le portefeuille, on peut acheter 20 000 USD de chacun de ces titres et voir la suite.
SI le taux de rendement des bons du Trésor est de 4%, vous savez que vous aurez 20 000 + 800 = 20 800
USD dans trois mois.

Pour les 80 000 USD investis dans les autres actifs, vous ne savez pas ce qu’il adviendra dans trois mois.
Chacun des titres peut voir son prix monter ou descendre. Les cours des différents titres ne varient pas
tous autant ni de la même manière ni dans le même sens ; il faut donc préciser cela pour pouvoir les
comparer.

Le rendement de l’actif est = la différence de son cours à une certaine date et de son cours trois mois
plus tard.

Le taux de rendement à trois mois est = (rendement de l’actif / cours initial)

Ainsi, pendant les trois derniers mois, les taux de rendement de tous les titres sont négatifs. Dans ce cas,
il vaut mieux investir l’intégralité des 100 000 USD en bons plutôt que ces actifs.

Cependant, la décision ne doit pas être fondée uniquement sur l’observation des taux de rendement sur
les trois derniers mois mais sur les variations des cours sur une période bien plus longue (regardes les
valeurs moyennes du taux de rendement – l’ampleur des variabilités forte ou faible – les écarts absolus
entre les taux calculés chaque jour et le taux moyen d’où écarts positifs moyens.

Investir dans les firmes qui rapportent gros mais le rendement varie beaucoup donc ne pas tout investir
là-dedans

Placer une partie dans les bons du Trésor car dans trois, j’ai besoin de liquidité et besoin d’assurer un
minimum

Investir dans une firme avec un taux moyen supérieur à celle des autres firmes avec une variabilité
légèrement moindre

(Digression : délit d’initié – tout le monde n’a pas le même raisonnement)

Investir dans les titres des firmes où les taux de rendement varient si peu qu’il y a peu de risque de perte
avec un taux supérieur à celui des bons.

Bref, tout cela pour dire que le rendement du portefeuille dans trois mois dépendra de :

Sa composition i.e. les quantités investies dans chacun des actifs (c’est la décision).

Des cours dans trois mois (inconnus et difficiles à prévoir sauf celui du bons du Trésor ; sans risque)

Risque des titres autres que le bon lié à leur variabilité (étudié les risques sur la base de l’observation
des cours passés)

Le montant du capital initial et les besoins de liquidité finale

Attitude personnelle vis-à-vis du risque

Objectif : le rendement (conséquence de la décision) le plus élevé mais malgré le fait que les
investisseurs ont accès aux mêmes informations (indicateurs de rendement moyen, variabilité, etc.), ils
ne prennent pas les mêmes décisions (prudence ou aimer le risque).

Formalisation (manuels de finance)

Un « portefeuille » est une liste de quantités d’actifs détenus par un investisseur.

Le problème de choix de portefeuille consiste à décider des proportions d’un certain capital donné que
l’investisseur allouera à chacun des actifs de la liste. On suppose que les prix de ces actifs sont connus.

De ce fait, la liste des proportions du capital investi définit complètement le portefeuille.

Un portefeuille sera définit par une liste : Xa, Xb, Xc, Xd, X0 des proportions du capital investi dans
chacun des actifs (ici 5).
Le choix de portefeuille consiste à décider d’un vecteur (une liste de nombres) à 5 composantes (ici).

Le premier élément du problème est donc facilement formalisé : l’ensemble des décisions possibles est
une partie de l’ensemble des vecteurs à ces composantes.

Quelles sont les conséquences possibles du choix d’un portefeuille ?

Pour simplifier, admettons que l’investissement se fasse sur un horizon fixé, date à laquelle chacun des
actifs procurera un rendement noté ri (rendement de l’actif i).

A cette date, le portefeuille procurera le rendement :

r = Xa ra + Xb rb + Xc rc +Xd rd + X0 0,4

Ce nombre r est la conséquence du choix de portefeuille.

C’est en fonction des conséquences que les décisions sont prises car la comparaison entre les différents
portefeuilles possibles se fera à partir de la comparaison des rendements qu’ils peuvent procurer.

Le plus dure est donc de définir et de formaliser l’ensemble des conséquences possibles. Dans le
problème du choix de portefeuille, cela ne présente pas de difficulté dès que les rendements possibles
des actifs sont bien définis.

Si ces rendements étaient connus sans incertitude, le problème de décision serait simple à résoudre, les
investisseurs étant supposés préférer les rendements élevés. D’où le choix rationnel d’investir tout son
capital dans l’actif de plus haut rendement s’il est unique et s’il y en plusieurs, indifféremment entre les
actifs qui ont le même rendement maximal.

Problèmes : les rendements sont généralement incertains et les conséquences du choix de portefeuille
sont les différentes valeurs que peut prendre son rendement.

1. ensemble des décisions possibles : vecteurs/nombres.

2. ensemble des évènements élémentaires ou ensemble des états de la nature ou ensemble des
aléas : l’incertitude ou l’ensemble des éléments/variables non contrôlés par le décideur.

Ex. les différentes valeurs que peuvent prendre les rendements de chacun des actifs (ensemble pas
forcement fini comme un intervalle de nombres

3. ensemble des conséquences possibles : la conséquence du choix d’un portefeuille, c’est son
rendement qui dépend des proportions investies dans chacun des actifs (c’est la décision) et des
rendements de chacun des actifs (les états aléatoires). C’est cet ensemble qui est difficile à bien
définir que le décideur aura des préférences
4. la relation entre décisions, évènements élémentaires et conséquences : c’est grâce à cette
relation pouvant être définie comme une fonction en définissant d’une manière adaptée
l’ensemble des aléas que des critères sur les décisions pourront être définis à partir des
préférences sur les conséquences et du comportement vis-à-vis de l’incertitude que nous allons
voir dans les prochains chapitres.

Exemple 2

Lancement d’un nouveau produit : une société industrielle doit décider de lancer elle-même un nouveau
produit mis au point par son service d’études ou d’en vendre le brevet à une autre société. Une décision
intermédiaire consiste à fabriquer et lancer le produit à une échelle expérimentale et de décider ensuite
d’en développer l’exploitation ou d’en céder le brevet.

L’incertitude porte sur le marché accessible à un certain coût d’exploitation et de publicité et la capacité
de conserver ce marché après que la concurrence a imité le produit. Les conséquences sont les profits
nets futurs.

(Arbres de décision : manière de décrire un problème de décision).Lors des exercices, on va voir des cas
pratiques et traiter des problèmes de décision (traitement statistique, traitement dynamique)
Section 6 : Structure d’information : introduction du temps

Section 7 : Epargne de précaution

Section 8 : La théorie des marchés contingents

Rappel sur les marchés de concurrence pure et parfaite (information complète et en parfaite certitude)
et les marchés de concurrence imparfaite.

Dans un contexte de problèmes d’informations (économie de l’information) : problèmes d’incertitude et

problèmes d’asymétrie).

Dans le cas d’incertitude sur l’état de la nature, les prix sont incertains (par exemple, le prix du kg de
vanille de l’année prochaine dépendra du temps qu’il fera). Cela relève des défaillances du marché
(Market failure). Les informations sont imparfaites, asymétriques et donc l’Equilibre Général n’est pas
un optimal.

Domaine : banque, assurance, économie financière, etc.

L’EG est OP si les prix transmettent toute l’information (ex. absence d’informations sur les prix =
incertitude sur les prix). Comme l’information est incomplète, deux problèmes se posent : la sélection
adverse et l’aléa moral résolus de manière centralisée (intervention du dictateur bienveillant) ou
décentralisée (mise en place d’incitations appropriées).

Question : l’équilibre général est-il optimal en présence d’incertitude ?

Réponse : l’équilibre général sera optimal s’il existe des marchés contingents (aux états de la nature et
donc s’il existe des prix à chacun des états)

Explication :

SI on associe un marché à chaque état de la nature, cette extension du nombre de biens et de marché
conduit aux mêmes résultats que dans notre modèle de base.

Ex. s’il existe deux marchés de vanille : un marché de vanille s’il fait beau et un autre marché s’il fait
mauvais temps alors on connait tous les prix et les agents peuvent faire leurs calculs d’optimisation.
Ainsi, l’équilibre général sera optimal.

CF. doc Marchés contingents

Courbe d’indifférence |||| Isoquantes : « Une courbe présentant tous les différentes combinaisons de
deux facteurs qui peuvent produire un niveau donné d’extrants. Les isoquantes montrent l’ensemble
des moyens alternatifs de production du même niveau de output ».

Chapitre 3 : Théorie de l’agence ou Modèle Principal-Agent

L’économie de l’information est un domaine de la science économique comprenant l’économie de

l’assurance, de la banque, de la finance, etc. Elle traite du problème de l’asymétrie de l’information i.e.
les agents ne possèdent pas la même information : un agent sait quelque chose que l’autre ignore.

Dans la théorie de l’agence, le principal est celui qui détient le capital de production ou la possibilité de
déléguer une décision précise. Il a la possibilité de demander de l’information aux agents, et après
analyse des différentes informations qui lui sont transmises, d’envoyer des prescriptions aux agents, en
fonction desquelles ils vont régler leurs actions.
L’agent est celui qui va utiliser ou exploiter les moyens de production ou prendre la décision pour le
principal. Il peut avoir des domaines de décision privés et/ou des informations que le principal ne peut
contrôler ou connaître directement.

Exemples :

Le manager (principal) qui veut que ses employés (agents) travaillent dur mais n’a pas de moyen de
contrôler leur effort => solution : salaire indexé sur un résultat (contrat)

L’assureur (principal) qui propose un contrat d’assurance à un client (agent) dont il ne peut savoir s’il a
un comportement à risque => solution : les clauses du contrat

L’actionnaire (principal) qui veut que les dirigeants de l’entreprise fournissent un effort maximal mais
qui ne maîtrisent pas les problématiques concrètes du marché => solution : stock-options (contrat)

Bref, le Principal est celui qui commandite une action et l’Agent son commandité.

Ou encore, le Principal est celui qui veut inciter l’agent à adopter une action particulière. L’agent ferra
cette action tant que l’utilité qu’il en retire est supérieure à l’utilité qu’il retire de ne pas le faire. Ce
niveau critique est appelé « valeur de réservation » de l’agent.

Section 1 : Le problème de l’aléa morale

Ex. Un candidat à l’embauche connaît son capital humain, pas son employeur

Ex. Un vendeur connaît la qualité de son produit, pas l’acheteur

Ex. Un assuré connaît son comportement face au risque, sa prudence, pas l’assureur.

L’asymétrie d’information pose donc deux problèmes : celui de l’aléa moral et de la sélection adverse.

Les problèmes de l’aléa moral (ou d’action cachée) se posent quand une transaction : un individu A peut
entreprendre certaines actions que B ne peut contrôler alors que la valeur que B tire de la transaction
dépend des actions de A.

Ex. Assurance incendie : A assuré contre une incendie et donc A peut faire preuve plus ou moins de
vigilance.

B : l’assureur a avantage à ce que A soit prudent. Mais, l’assurance va inciter A à devenir négligente. A va
donc rationnellement se comporter au détriment de B d’où l’adjectif « moral ».

Pour résoudre à un problème d’aléa moral, la solution est de recourir à des « incitations ». Il s’agit
d’établir un contrat de manière à ce que A choisisse les actions que B juge préférable.

Ex. Inclure dans l’assurance incendie une franchise de manière à ce que A soit prudente.

Après la signature du contrat, l’agent va changer de comportement et le bénéfice que l’autre tirait su
contrat va diminuer.

Les problèmes posés par l’aléa moral dans l’assurance.

Solution : comme il y a information incomplète (ex. l’assureur ne dispose pas d’information qui lui
permette de contrôler les actions de ses clients négligents), comment remédier à cet échec du marché
en présence d’information incomplète ?

-De façon centralisée, le dictateur bienveillant peut intervenir pour contrôler les actions de A et l’obliger
à agir avec prudence : il peut l’obliger à porter une ceinture de sécurité homologuée, peut-être même
l’obliger à respecter le code de la route, à porter un casque de chantier, des chaussures de sécurité, à
avoir un extincteur dans sa maison… l’Etat peut imposer des normes de sécurité.

- Mais le problème qui peut être peut aussi résolu de façon décentralisée par l’intervention d’un
meilleur contrat incitatif. Des contrats privés peuvent faire en sorte que A soit incitée à agir avec
prudence, que A supporte les conséquences de ses actes. (C’est la raison d’être des franchises dans les
contrats d’assurance. Ex ; si tu as un accident, je te rembourse 60 Franc moins la franchise fixée à 10
franc).

Conclusion : A devient prudente (car A supporte une partie de la perte en cas d’accident : incitation à la
prudence.

A est assurée et B ne fait pas faillite : tout le monde gagne, c’est une amélioration au sens de Pareto. La
clause de franchises permet d’éviter le problème d’aléa moral. (En même temps l’assurance pose aussi
un problème de sélection adverse).

Section 2 : Un modèle de relation salariale

Section 3 : Asymétrie d’information (antisélection) Le problème de la sélection adverse

Un second problème lié à l’asymétrie d’information est la sélection adverse ou antisélection.

Les problèmes d’antisélection se posent lorsque A possède des informations que B gagnerait à
connaître, mais qu’il ignore.

Ex. A achète une assurance vie et elle possède des informations sur son état de santé qui ne sont pas
connues de B son assureur. L’assureur est donc face à des clients en bonne et mauvaise santé. Ne
pouvant faire payer chacun en fonction de son risque il vend son assurance à un prix moyen. A ce prix,
seuls les mauvais risques ont intérêt à s’assurer, d’où l’appellation de sélection adverse, le marché
sélectionne les mauvais risques.

La solution aux problèmes de sélection adverse est le « signal par le marché » i.e. A révèle ses
informations par le choix de ses actions. Par exemple, A choisit le contrat d’assurance vie qui ne verse
que des indemnités très limités durant les cinq premières années, montrant par-là que A est en
excellent santé.

NB : Le problème de sélection adverse se pose avant la signature du contrat alors que le problème
d’aléa moral se pose après la signature du contrat.

Cas d’école en science économique :

Quand les acheteurs n’ont pour seule information sur la qualité du bien que l’information donné par le
pris, il y a sélection adverse i.e. que le marché sélectionne les produits de mauvais qualité. La solution
est que le vendeur parvienne à signaler la qualité de son produit.

1. « The market for lemons » d’AKERLOF (1970) : le marché des voitures d’occasion

Existe d’asymétrie d’information : les vendeurs ont l’information sur la qualité de la voiture, pas les
acheteurs qui n’ont d’information que celle donnée par le prix : il y a les bonnes et les mauvaises
voitures.

Pour simplifier, les quantités de ces deux catégories sont égales et la probabilité est égale de faire une
bonne ou une mauvaise affaire.

Les valeurs de réservation des agents sont les suivantes :

 Les vendeurs veulent 1 000 USD pour les mauvaises voitures et les acheteurs sont prêts à mettre
1 200USD.
  Les vendeurs de bonnes occasions en veulent pour 2 000 USD et les acheteurs sont prêts à
mettre 2 400USD.
 La probabilité est égale de faire une bonne ou une mauvaise affaire.

Donc un acheteur est en principe disposé à payer un prix de réservation moyen de :

0.5 (1 200) + 0.5 (2 400) = 1 800 USD

Mais à ce prix, seuls les « vieux clous » sont mis en vente. Donc les acheteurs sont certains qu’il n’y a
que des vieux clous sur le marché. Donc, le prix d’équilibre de ce marché est de 1 200USD et la qualité
des voitures est médiocre => aucune voiture de bonne qualité n’est vendue sur ce marché, il y a
sélection adverse.

Cependant, ce serait une amélioration au sens de Pareto que le marché des bonnes occasions existe
puisque les acheteurs seraient prêts à mettre 2 400USD et les vendeurs en veulent pour 2 000USD. Les
deux partis y gagneraient => l’asymétrie d’information génère un équilibre concurrentiel qui n’est pas
optimal a sens de Pareto.

L’analyse de ce cas de figure montre que les vendeurs de vieux clous/bagnoles génèrent une externalité.
Ils diminuent l’estimation que les acheteurs se font de la qualité du véhicule moyen, cela nuit aux
vendeurs de bonnes occasions. Il y a sélection adverse, seules les voitures de mauvaise qualité sont
sélectionnées par ce marché. « Les mauvaises voitures chassent les bonnes ».

EXISTE DOC DE FORMALISATION/ GENERALISATION.

L’idée est la suivante : si les acheteurs de voiture d’occasion prennent les prix comme seule information
sur la qualité (faute de mieux), comme tout prix attractif pour les vendeurs de produit de bonne qualité,
l’est aussi pour les vendeurs de produit de mauvaise qualité, les acheteurs pensent que les voitures sont
de mauvaise qualité et n’achètent pas. « Si la voiture est bonne, pourquoi le vendre à ce prix ? ». Et si
vous achetez une voiture neuve, le lendemain vous le revendrez beaucoup moins cher.

 L’asymétrie d’information conduit donc le marché concurrentiel à sélectionner les mauvais

produits, les mauvais risques et supprime du marché les bons produits, les bons risques.
L’asymétrie d’information conduit à une détérioration au sens de Pareto.

Comment résoudre ce problème de sélection adverse : le signal ?

De manière intuitive, les vendeurs de bonnes occasions devront signaler qu’ils vendent des voitures de
bonnes qualités. Ils peuvent offrir une garantie, fournir un rapport d’expertise (mécanicien extérieur,
bilan médical, etc.), obtenir un label de qualité, etc.

Mais pour que ce signale permette un équilibre, il est nécessaire que les vendeurs de vieux bagnoles ne
puissent le fournir. Ce que l’on souhaite obtenir, c’est que les individus révèlent de façon crédible la
qualité de leur voiture d’occasion (bonne ou mauvaise), s’ils sont atteints d’une maladie grave, etc.

Un modèle de relation salariale

Le modèle de SPENCE (1974) est le premier qui a résolu le problème de la sélection adverse sur le
marché du travail.

Soit une entreprise qui embauche 2 catégories de travailleurs : les bons et les mauvais mais la qualité du
candidat à l’embauche n’est pas connue par l’entreprise. Elle connaît seulement la proportion générale
λ de bons et (1-λ) de mauvais.

La productivité marginale des bons est notée Pm2, celle des mauvais est notée Pm1, avec évidemment
Pm1 < Pm2. La fonction de production est :

Si l’entreprise pouvait distinguer les deux catégories, elle paierait à l’équilibre concurrentiel
W2 = Pm2 et W1 = Pm1. Cet équilibre serait optimal au sens de Pareto.

Cependant, ne sachant pas distinguer les bons et mauvais travailleurs, elle connaît pas Pm1 et Pm2. Elle
ne peut payer qu’un « salaire moyen ».

Les bons sont payes en dessous de leur productivité, les mauvais sont au dessus. Il y a sélection
adverse : on a une fuite des bons et l’entreprise « sélectionne » les mauvais. Cet équilibre concurrentiel1
n’est pas un optimum de Pareto2.

Pour résoudre ce problème, il faut que quelque chose signale les bons travailleurs. Mais pour que ce
signal fonctionne, il faut que seulement les bons puissent l’émettre et pas les mauvais. On cherche donc
un « équilibre séparateur ». Afin de l’obtenir, on doit faire une hypothèse forte : le coût pour se
procurer le signal est plus faible pour les bons que pour les mauvais. (Ex. ce signal est le diplôme3).

Les bons peuvent montrer les diplômes et pas les mauvais. Alors le problème serait résolu.

Les diplômes seraient payés W2, les non diplômés seraient payés W1. Mais il ne faut pas que les
mauvais puissent monter un diplôme, donc il faut supposer qu’ils ne peuvent l’obtenir.

Hypothèse : le signal est plus coûteux à obtenir pour les mauvais travailleurs.

Soit Ci le coût d’acquisition d’une année d’étude, alors C1 > C2. Et e le nombre d’année d’études.

Par hypothèse : e. C1 > e. C2

Pour obtenir notre résultat, nous faisons l’hypothèse forte que : e.C1 > Pm2 – Pm1 > e.C2

Le problème des agents est le suivant :

L’entreprise doit choisir le taux de salaire : w*

Le travailleur doit choisir le nombre d’années d’études : e*

Considérons les choix suivants : Les bons vont à l’école pour avoir un diplôme, pas les mauvais et
l’entreprise rémunère les diplômes w2 et les non diplômés w1

S’agit-il d’un équilibre et est-il optimal ?

1
Modèle d’Arrow-Debreu : marchés concurrentiels (aucun agent n’est en position de modifier les prix du marché :
prix donnés exogènes. Equilibre concurrentiel (2 propriétés : existence d’un vecteur prix d’équilibre + efficacité de
l’allocation d’équilibre concurrentiel : les deux théorèmes du bien être : « toute allocation d’équilibre
concurrentiel est un optimum de Pareto » + «x un optimum de Pareto, existence d’une économie W tel que x soit
une allocation d’équilibre possible pour l’économie W »
2
Un optimum de Pareto est une allocation des ressources pour laquelle il n'existe pas une alternative dans
laquelle tous les acteurs seraient dans une meilleure position. Le concept porte le nom de l'économiste italien
Vilfredo Pareto, qui l'a utilisé pour décrire un état de la société dans lequel on ne peut pas améliorer le bien-être
d’un individu sans détériorer celui d’un autre.
3
Deux théories économiques de l’éducation : la théorie du capital humain (éducation améliore la productivité des
travailleurs) et la théorie du filtre (éducation fournit des diplômes qui sont des signaux qui permettent de
sélectionner la qualité des travailleurs sur le marché du travail)
1/ Pour l’entreprise, si le signal est crédible, les salaires sont égaux productivités marginales, donc c’est
un équilibre concurrentiel et optimal au sens de Pareto.

2/ Pour les travailleurs, le signal qu’ils émettent est-il crédible, ont-ils intérêt à modifier leur choix ?

- Les mauvais ont-ils intérêt à faire e* années d’études ? S’ils le faisaient, ils auraient une
augmentation de salaire de (W2 – W1) mais une augmentation de leur coût d’études de (e*.C1)
Or par hypothèse e*.C1 > Pm2-Pm1. Le coût est plus fort que le gain. Les mauvais n’ont donc pas intérêt
à faire e* années d’études.

- Les bons ont-ils intérêt à faire 0 année d’études ? Leur perte de salaire serait de (W2-W1) et la
baisse de leur coût d’étude serait (e*.C2). Or par hypothèse Pm2 – Pm1 > e.C2. Leur perte est
plus forte que le gain. Les bons ont donc bien intérêt à faire e* années d’études. Il s’agit donc
bien d’un équilibre séparateur (seuls les bons acquièrent le signal) et cet équilibre est optimal.

Critique et conclusion :

L’hypothèse implique directement le résultat, elle est ad hoc4 et très forte. Si elle n’est pas satisfaite,
nous n’obtiendrons pas d’équilibre séparateur, il n’y aurait pas de possibilité de discriminer les bons et
les mauvais, tous seraient payés au salaire moyen et l’équilibre ne serait pas optimal.

On voit bien la difficulté pour résoudre le problème de sélection adverse. D’un point de vue
décentralisé, il faut qu’un mécanisme concurrentiel puisse réaliser un équilibre séparateur. Que seuls les
bons produits puissent acquérir un signal, qui signale leur qualité. Ce n’est pas toujours possible. D’un
point de vue centralisé le dictateur bienveillant peut distribuer des garanties, des rapports d’expertise
(contrôle technique, certificat médical, etc.) donner des labels de qualité, etc.

Chapitre 2 : Incertitude et inégalité

Pour rappel, la théorie de l’utilité espérée est fondée sur un système d’axiomes. Au fil des années, ces
axiomes ont été remis en cause et on conduit à un certain nombre de paradoxes célèbres dans la
littérature économique.

Section 1 : Le paradoxe de Allais

Maurice Allais a remis en cause l’axiome d’indépendance5 de Von Neumann et Morgenstern. Il présenta
un exemple connu depuis sous le nom de « paradoxe d’Allais ». Ce paradoxe a mis les adeptes de la
théorie de l’utilité espérée face à des choix où ils contredisent eux-mêmes l’axiome d’indépendance.

Cet exemple est la suivante :

L’incertitude est engendrée par le tirage au hasard d’une boule qui est dans une urne contenant 100
boules numérotées. On distingue les trois évènements suivants :

 Le numéro de la boule tirée est 0

 Le numéro est compris entre 1 et 10
 Le numéro est compris entre 11 et 99
 X donne droit à 1 000 000 franc dans tous les cas
 Y donne droit à 0 franc dans le premier cas, 50 000 000 franc dans le deuxième cas et 1 000 000
franc dans le troisième cas.
 A donne droit à 1 000 000 franc dans le premier cas, 1 000 000 franc dans le second cas et 0
franc dans le troisième

4
Qui est ajouté à une théorie pour éviter un problème spécifique et qui n’est pas justifié au point de vue plus
général.
5 Pour tout p, q, r Є Q et pour toute constante α Є (0,1) alors Si p ~ q alors αp + (1-α) r ~ αq + (1-α) r ; Si p ≥ q alors αp + (1-α)

r > αq + (1-α) r
  B donne droit à 0 franc dans le premier cas, 50 000 000 franc dans le deuxième cas et 0 franc
dans le troisième

Le calcul de l’utilité espérée de chacun de ces actes donne pour toute fonction d’utilité U :

V(X) = U(1 000 000)

V(Y) = 0,01U(0) + 0,1U(50 000 000) + 0,89U(1 000 000)

V(A) = 0,01 U(1 000 000) + 0,1U(1 000 000) + 0,89U(0)

V(B) = 0,01U(0) + 0,1U(50 000 000) + 0,89U(0)

Comme la fonction d’utilité peut être normalisée (i.e. Si U représente les préférences alors aU+b les
représente aussi)

Posons, U(0) = 0 et U(50 000 000)=1.

Si A est préféré à B, on doit avoir :

V(A) > V(B) soit : 0,01 U(1 000 000) + 0,1U(1 000 000) + 0,89U(0) > 0,01U(0) + 0,1U(50 000 000) +
0,89U(0)

Ce qui implique : 0,11 U(1 000 000)> 0,1

0,1 10 1
Soit U (1 000 000) > = > 11
0,11 11

Or, puisque Y est préférée à X, on doit aussi avoir : V(Y) > V(X)

Soit 0,1 + 0,89 U(1 000 000) > U(1 000 000)

Ce qui implique :
10
U (1 000 000) < 11

D’où la contradiction.

NB : il existe d’autres exemples dans la littérature en utilisant un billet de loterie

Ce paradoxe a conduit certains chercheurs à essayer d’affaiblir l’axiome d’indépendance et à chercher

une théorie plus générale que celle de l’utilité espérée.

Section 2 : Le paradoxe d’Ellsberge

Le paradoxe précédent mettait en évidence le rôle de l’axiome d’indépendance dans les situations de
risque (les probabilités étaient données).

L’exemple proposé par Ellsberg (1961) utilises à la fois des probabilités données et des probabilités
inconnues ; il traite donc d’une situation d’incertitude plus générale. Cette incertitude est engendrée
par le tirage de boules de couleurs : rouges, blanches ou noires, d’une urne contenant 90 boules dont 30
sont rouges.

Le nombre de boules noires est inconnu et celui de boules blanches aussi. On sait juste que leur somme
est égale à 60. L’acte E est à comparer avec l’acte F, l’acte G et l’acte H ; ils sont définis par le tableau
suivant où les sommes indiquées sont les conséquences de chaque acte selon la couleur de la boule
tirée :

Actes ---- Etats Rouges Blanches Noires

E 100 0 0
F 0 100 0
G 100 0 100
H 0 100 100
Certains décideurs préfèrent E à F et H à G.
Supposons que les préférences d’un tel décideur soient représentées par une utilité espérée fondée sur
des probabilités subjectives.

Ces probabilités sont :

P(Rouge) = 1/3 (connue donc objective)

P(Blanche) et P(Noire) ne sont pas connues de manière objective.

On sait juste qu’elles sont comprises entre 0 et 2/3.

L’ordre des préférences impliquent :

- Puisque E est préférée à F et comme l’utilité espérée de E est : 100P(R) et celle de F est :
100P(B), on doit avoir : P(R) > P(B)
- Puisque H est préférée à G et comme l’utilité espérée de H est : 100P(B) + 100P(N) et celle de G
est : 100P(R) + 100P(N) alors on doit avoir : 100P(B) + 100P(N) > 100P(R) + 100P(N)

Mais cela implique que P(B) ≥ P(R)

Ce qui contredit que le fait que E soit préférée à F !!

Par ce paradoxe, c’est le principe de la « chose sûre » appliquée à une situation d’incertitude (et non
plus seulement de risque) qui est remis en cause. La mesure de la vraisemblance des évènements par
une probabilité (i.e. une mesure additive au sens où la probabilité de la réunion de deux ensembles
disjoints est la somme de leurs probabilités) n’est sans doute pas celle qui est adaptée à des situations
comme celle de l’exemple d’Ellsberg. Les recherches récentes ont donc porté sur la généralisation de la
théorie de Savage en pondérant autrement que par des probabilités les évènements pertinents dans un
problème de décision.

Section 3 : Au-delà du modèle d’espérance d’utilité

Section 4 : Mesure d’inégalité

Section 5 : Asymétrie d’information et aléas morale