Vous êtes sur la page 1sur 29

1

Dcision dans le risque et lincertain e


Jean-Marc Tallon (EEP, U. Paris I) 15 Novembre 2010

Introduction Panorama rapide de la thorie de la dcision (risque et e e incertain). Risque: situation dans laquelle une distribution de probabilit objective existe e Incertain: tout le reste!

Introduction Panorama rapide de la thorie de la dcision (risque et e e incertain). Risque: situation dans laquelle une distribution de probabilit objective existe e Incertain: tout le reste! Thorie de la dcision: fournit des crit`res de dcision. e e e e Constructions les plus rpandues: e Dans le risque: fonction dutilit et du crit`re de dcision e e e Dans lincertain: fonction dutilit, distribution de probabilit e e reprsentant les croyances et crit`re de dcision e e e

Introduction Panorama rapide de la thorie de la dcision (risque et e e incertain). Risque: situation dans laquelle une distribution de probabilit objective existe e Incertain: tout le reste! Thorie de la dcision: fournit des crit`res de dcision. e e e e Constructions les plus rpandues: e Dans le risque: fonction dutilit et du crit`re de dcision e e e Dans lincertain: fonction dutilit, distribution de probabilit e e reprsentant les croyances et crit`re de dcision e e e mais sourent de quelques probl`mes. e

Introduction Cadre mthodologique adopt dans cette littrature: e e e prfrences rvles: seuls les choix sont observables. ee e ee approche axiomatique: a priori testable. choix individuel plutt que collectif. Beaucoup de place pour o la subjectivit du dcideur. e e

Introduction: Historique rapide P`res fondateurs e Risque: Bernoulli videmment! von Neumann-Morgenstern e (1944) Incertain: de Finetti, Ramsey, Savage (1954) Expriences et remises en cause e Allais (1953) Ellsberg (1961) Kahneman & Tversky, 1970-1990. Dveloppements rcents e e Quiggin, Yaari, Wakker,... Schmeidler, Gilboa, Marinacci,... Remise en cause plus radicale: Thaler, Rabin,...

Plan Risque vNM: cadre danalyse, axiomes, aversion pour le risque Rank dependent expected utility Incertain La construction de Savage Lexprience dEllsberg et la dicult ` concevoir des e ea probabilits subjectives e Les mod`les dambigu e e t

vNM: cadre X un ensemble quelconque. Objets de choix sont des loteries ` a support ni sur X. { } L = P : X [0, 1] P a un support ni et P(x) = 1 .
xX

Mixage: (P + (1 )Q) (x) = P(x) + (1 )Q(x) pour tout x X. la relation objet de laxiomatisation est une relation binaire sur L, L L.

vNM: axiomes Axiome 1 vNM: prordre: e est un prordre complet et transitif. e

vNM: axiomes Axiome 1 vNM: prordre: e est un prordre complet et transitif. e

Axiome 2 vNM: continuit: Pour tout P, Q, R L, si P Q R, e alors il existe , (0, 1) tel que P + (1 )R Q P + (1 )R.

vNM: axiomes Axiome 1 vNM: prordre: e est un prordre complet et transitif. e

Axiome 2 vNM: continuit: Pour tout P, Q, R L, si P Q R, e alors il existe , (0, 1) tel que P + (1 )R Q P + (1 )R. Axiome 3 vNM: indpendance: Pour tout P, Q, R L, et tout e (0, 1), P Q ssi P + (1 )R Q + (1 )R.

vNM: thor`me e e L L satisfait les 3 axiomes prcdents si et seulement si il e e existe u : X R telle que, pour tout P, Q L P(x)u(x) Q(x)u(x). P Q ssi
xX xX

De plus, u est unique ` une transformation ane positive pr`s. a e

Aversion pour le risque Dans le cas continu (F est la fonction de rpartition): e U (F ) = u(x)dF (x) Un dcideur est (faiblement) adversaire du risque si pour tout e F , la loterie dgnre qui donne xdF (x) de mani`re certaine e e ee e est prfre ou indirente ` F . eee e a Dans vNM: u(x)dF (x) u( xdF (x))

Thor`me: dans le mod`le desprance dutilit, laversion e e e e e vis-`-vis du risque est quivalente ` la concavit de la fonction a e a e dutilit de Bernouilli. e Mesure: coecient daversion pour le risque = u u

10

Allais Dirente loteries dont les prix peuvent tre: e e 1er prix = 2 500 000 euros; 2nd = 500 000 euros; 3`me = 0 euro. e Choix 1: L1 = (0, 1, 0) vs L = (.10, .89, .01). 1

10

Allais Dirente loteries dont les prix peuvent tre: e e 1er prix = 2 500 000 euros; 2nd = 500 000 euros; 3`me = 0 euro. e Choix 1: L1 = (0, 1, 0) vs L = (.10, .89, .01). 1 Choix 2: L2 = (0, .11, .89) vs L = (.10, 0, .90). 2

10

Allais Dirente loteries dont les prix peuvent tre: e e 1er prix = 2 500 000 euros; 2nd = 500 000 euros; 3`me = 0 euro. e Choix 1: L1 = (0, 1, 0) vs L = (.10, .89, .01). 1 Choix 2: L2 = (0, .11, .89) vs L = (.10, 0, .90). 2 Observe souvent: L1 L et L L2 , en violation de laxiome 1 2 dindpendance. e Sous vNM: L1 L implique u05 > .10u25 + .89u5 + .01u0 . 1 Si lon ajoute .89u0 .89u05 des deux cts, on obtient: oe .11u05 + .89u0 > .10u25 + .90u0

10

Allais Dirente loteries dont les prix peuvent tre: e e 1er prix = 2 500 000 euros; 2nd = 500 000 euros; 3`me = 0 euro. e Choix 1: L1 = (0, 1, 0) vs L = (.10, .89, .01). 1 Choix 2: L2 = (0, .11, .89) vs L = (.10, 0, .90). 2 Observe souvent: L1 L et L L2 , en violation de laxiome 1 2 dindpendance. e Sous vNM: L1 L implique u05 > .10u25 + .89u5 + .01u0 . 1 Si lon ajoute .89u0 .89u05 des deux cts, on obtient: oe .11u05 + .89u0 > .10u25 + .90u0 cest-`-dire L2 L . a 2

11

RDEU Loterie montaire (x1 , p1 ; ...; xn , pn ) o` x1 ... xn 0. Lutilit e u e dependant du rang scrit e V ((x1 , p1 ; ...; xn , pn )) i n f pj [u (xi ) u (xi+1 )]
i=1 j=1

avec la convention que xn+1 = 0 et u(xn+1 ) = 0. f : [0, 1] [0, 1], croissante, f (0) = 0 et f (1) = 1. f sapplique ` la fonction dcumule et non aux probabilits. a e e e Si f est linaire, retrouve vNM. e f est subjective (comme u). Souvent trouv que f est en e forme de S invers. Capture en partie aversion pour le risque. e

12

Seconde partie: incertain Notion de probabilit objective dicile ` dfendre dans de e a e nombreux cas. Faut-il pour autant abandonner lide dutiliser les probabilits e e pour reprsenter les croyances? e (Dit autrement: pourquoi les croyances devraient-elles tre e probabilistes?) De Finetti, Ramsey: arguments bass sur la rationalit. e e [pendant de vNM: se donne la fonction dutilit et drive la e e probabilit]. e Mais chef doeuvre du domaine: Savage, qui drive les e croyances et la fonction dutilit. e

13

Savage: cadre S: ensemble des tats de la nature e X: ensemble des rsultats e f : S X: acte ou dcision e Acte constant: f (s) = x pour tout s S notation: fA g; acte donnant f sur A S et g sur Ac

14

Savage: axiomes P1: est un prordre total. e P2: Soit 4 actes f, g, f , g et un vnement A. Si e e f (s) = f (s) f (s) = g(s) alors, f g f g . P3: Pour tout f et tout vnement non nul A et tout rsultat e e e x, y: x y xA f yA f P4: Pour tout A, B, et tout x, y, w, z tels que x y et z w, xA y xB y z A w z B w P5: Il existe f et g tels que f g. P6 et P7 sont des axiomes techniques. g(s) = g (s) f (s) = g (s) sA sA /

15

Savage: thor`me e e satisfait P1 ` P7 si et seulement si il existe une mesure sur S et a une fonction non constante, borne u : X R tels que, pour tout f e et g f g
S

u(f (s))d(s)
S

u(g(s))d(s)

est unique et u est dnie ` une fonction ane positive pr`s. e a e : probabilit subjective e

16

Ellsberg Une urne est remplie de 90 boules dont 30 sont rouges et le reste jaunes ou noires sans autres indications. R r j nr nj 1 0 0 1 J 0 1 1 0 N 0 0 1 1

r vs j? nr vs nj ?

16

Ellsberg Une urne est remplie de 90 boules dont 30 sont rouges et le reste jaunes ou noires sans autres indications. R r j nr nj 1 0 0 1 J 0 1 1 0 N 0 0 1 1

r vs j? nr vs nj ? En gnral, observe r j et nr nj. e e

17

Esprance dutilit de Choquet e e Capacit ou mesure non additive: fonction dune alg`bre A e e dans [0, 1] telle que () = 0, (S) = 1, et si E F , E, F A, (E) (F ). Un acte f est prfr ` g ssi il existe u : X R et telles que eeea u(f )d u(g)d
Ch Ch

o` lintgrale est une intgrale de Choquet. u e e

17

Esprance dutilit de Choquet e e Capacit ou mesure non additive: fonction dune alg`bre A e e dans [0, 1] telle que () = 0, (S) = 1, et si E F , E, F A, (E) (F ). Un acte f est prfr ` g ssi il existe u : X R et telles que eeea u(f )d u(g)d
Ch Ch

o` lintgrale est une intgrale de Choquet. u e e Soit S = {s1 , s2 , ..., sn } et f tel que f (si ) = xi , i = 1..n o` u xi xi+1 . Alors, Ch u(f )d = u(x1 ) + (u(x2 ) u(x1 ))({s2 , s3 , . . . , sn }) + ...(u(xi+1 ) u(xi ))({si+1 , . . . , sn }) + ... + (u(xn ) u(xn1 ))({sn })

18

Croyances multiples f g si et seulement si min Ep u(f ) min Ep u(g)


pC pC

C est un ensemble de croyances, dni de mani`re unique. u est e e unique ` une fonction ane croissante pr`s. a e Axiome cl: aversion ` lincertitude. Cadre ` la Anscombe-Aumann e a a (espace des rsultats est un ensemble de loteries, i.e., f (s) est une e loterie), qui permet le mixage des actes. f g f + (1 )g f.

Liens avec mod`le desprance de Choquet e e Pas de mesure de laversion pour lambigu e. t

19

Smooth Ambiguity Aversion

()

(
sS

) p(s; )u(f (s))

o` f est un acte donnant un paiement f (s) dans ltat s, u est la u e fonction dutilit et une fonction de R dans R. reprsente e e laversion vis-`-vis de lincertain. a Interprtation: chaque p C reprsente un scnario possible index e e e e par ; croyance probabiliste sur ces scenarii. Esprance dutilit des esprances dutilit: E (Ep (u(f ))) e e e e Mesures: linaire esprance dutilit. e e e concave re`te de laversion vis-`-vis de lincertain. e a

20

Conclusion Domaine de recherche tr`s actif ` lheure actuelle. e a Remarquable que la notion de probabilit subjective ait e autant de mal ` simposer. a Probl`me de rvlation des fonctions dutilit, des croyances,... e e e e Sujet de plus en plus abord. Probl`me oprationnel et e e e stratgique. e