Cours

Décision dans le risque et
l’incertain:
Au
FID 2
ENSA AGADIR
2019-2020
Par
Ghizlane Lakhnati
Plan 2
1. Introduction;
2. Critères classiques de décision;
3. Théorie de l’utilité espérée;
4. Goût et aversion pour le risque;
5. Fonctions d’utilités usuelles;
6. Choix de portefeuille ;
7. Demande d’assurance.
Introduction 3
Dans un modèle économique, il est important, pour tenir compte
de la réalité, d’introduire un paramètre d’incertitude portant sur
les conséquences des décisions prises par les agents.
Le risque
est une situation dans laquelle les décisions sont représentées par
des aléas de probabilités connues.
On dit qu’une décision est risquée si à cette décision est associée au
moins deux conséquences.
• Placement d’un capital K au taux R(ω), où ω ∈ Ω est un état de

0
la nature. S’il existe deux états de la nature ω et ω tels que
0
ω 6= ω , alors la décision est risquée.
• Placement de α parts de la richesse sur un actif sans risque du
taux r fixe et le reste sur un actif risqué R(w) variable. Si α < 1, la
décision est risquée.
Introduction 4
Exemple introductif:
Un agent économique, face à un risque de sinistre d’un montant L

se demandant s’il va prendre et pour quel montant une assurance
pour une année.
0
Ω = ω : occurence du sinistre , ω : absence du sinistre
Décision 1 : achat d’une police d’assurance pour un montant C.

Si ω survient: montant de perte est L et l’assurance rembourse H.
0
Si ω survient, pas de perte.
Décision 2 : pas d’assurance .

Introduction 5
Problème décision
Tout problème de décisions risquées nécéssite de spécifier :

• Ω: l’ensemble des états de la nature.
• A: une tribu de sous-ensembles de Ω.
• Lorsque la probabilité objective P sur (Ω, A) est connue l’agent
est face à une situation de risque (ou incertain probabilisé), sinon
on parle d’incertain.
• X : Ensemble des décisions qui sont des applications de Ω dans
un ensemble des conséquences C.
X est appelé décision ou acte.
• Un critère de décision: relation de préference ;
On note la préference stricte, et ∼ l’indifférence.
Axiome 0: est un préordre total: relation réflexive, transitive et

complète.
Introduction 6
(Debreu (1954, 1959))

Si on rajoute un axiome de continuité, la relation peut être
représentée par une fonction d’utilité V : X → R, c-à-d:
X Y ⇐⇒ V (X) ≥ V (Y )
Nous noterons une décision X à support fini,

X = (x1 , A1 ; x2 , A2 ; ...; xn , An ) où x1 ≤ ... ≤ xn et les Ai forment
une partition de Ω
On classe souvent les critères de décision en deux familles:

• les critères non probabilistes;
• les critères probabilistes.
Critères classiques 7
Les critères non probabilistes
• Le critère de Wald (ou du maximin):

Il consiste à identifier la conséquence la plus défavorable pour
chaque décision, et à préférer celle qui est la plus élevée, (l’agent
est pessimiste).
• Le critère du maximax:
Il consiste à identifier la conséquence la plus favorable pour chaque
décision, et à préférer celle qui est la plus élevée, (l’agent est
optimiste).
Exemple 1:
On considère deux décisions et trois états de la nature. Par

exemple,
Décisions Etats ω1 ω2 ω3
1 3 1 1
2 3 1 2
Rque: La décision 2 devrait être préférée à 1.
Critère de Wald : les décisions 1 et 2 sont équivalentes

Critère du maximax : les décisions 1 et 2 sont équivalentes.
• Le critère de Hurwicz: Compromis entre les deux précédents
critères
max R = max(α. max(X) + (1 − α). min(X)), 0 ≤ α ≤ 1 coefficient
d’optimisme.
Selon ce critère: les décisions 1 et 2 sont équivalentes.
Exemple 2:
Décisions Etats ω1 ω2 ω3 ω4
1 2 2 0 1
2 1 1 1 1
3 0 4 0 0
4 1 3 0 0
Etudier selon le coefficient d’optimisme.
• Le critère de Savage (minimax du regret)

Identifier pour chaque état l’action la plus favorable puis évaluer le
manque à gagner (regret) et puis retenir l’action avec le plus petit
regret.
le gestionnaire regrettera sa décision si l’état qui se réalise permet
un meilleur resultat en choisissant une autre alternative. Le regret
correspond donc à la différence entre le résultat qui aurait pu être
obtenu et le résultat de l’alternative choisie.
• Le critère de Laplace
Attribuer à chaque état la même probabilité (1/n).
Exemple:
Une entreprise envisage les 3 projets suivants P1 , P2 et P3 avec les
gains respectifs:
Décisions Etats Défavorable Favorable Très favorable

P1 1200 1500 1800
P2 700 900 1200
P3 -500 1200 1600
Il est demandé de choisir les projets en fonction des critères
suivants: Wald, Maximax, Hurwitz avec α = 0.7, Laplace, Savage.
Les critères probabilistes
• Le critère Espérance mathématique de gain:
X Y ⇐⇒ E(X) ≥ E(Y )
Avantages:
Simple, Bonne utilisation de l’information.
Inconvénients:
Restreint aux conséquences numériques,
en contradiction avec le comportement observé des individus.
Exemple numérique:
On considère deux décisions et deux états de la nature

équiprobable:
Décisions Etats ω1 ω2
X1 100 -50
X2 0 0
E(X1 ) = 25 et E(X2 ) = 0
De même
0
X1 100000 -50000
0
X2 0 0
0 0
E(X1 ) = 25000 et E(X2 ) = 0
Paradoxe de Saint Petersbourg:
Un banquier joue avec un joueur. Le joueur paye un droit d’entrée

au jeu. Le banquier jette ensuite une pièce autant de fois qu’il faut
pour que face apparaisse. Le jeu s’arrête ensuite.
Si face est apparue au n ième coup, le banquier verse 2n au joueur.
Combien un joueur rationnel devrait être prêt à payer pour

participer à ce jeu?
1 2 1
EM G = 2 + 2 2 + ...
2 2
(une chance sur deux de ne gagner que 2 !)
Paradoxe de l’assurance:
On considère un particulier qui dispose d’une richesse ω, et qui souhaite
assurer un bien risqué de valeur v pour un montant z. Pour obtenir une
indemnité z ∈ [0, v] en cas de sinistre, il doit régler une prime d’assurance d’un
montant βz, avec 0 < β ≤ 1. Le sinistre survient avec une probabilité p.
L’assureur de son côté perçoit la prime d’assurance βz que le sinistre ait lieu
ou non et doit faire face à un coût de fonctionnement de c, en plus du
remboursement z qu’il doit effectuer en cas de sinistre.
1. Donner la valeur future de la richesse du particulier;
2. Donner le profit de l’assureur;
3. Etudier le problème du particulier sachant qu’il choisit son assurance en
maximisant l’espérance de sa richesse;
4. Etudier le problème de l’assureur sachant qu’il maximise l’espérance de son
profit;
5. Que peut-on conclure?.
Conclusion:
il ne peut pas y avoir de marché de l’assurance si l’on applique le

critère d’espérance mathématique.
Il est donc important de trouver une modélisation qui justifie
l’existence du marché de l’assurance (et des marchés financiers) et
qui explique son fonctionnement.
• Le critère Espérance mathématique et Variance du gain:
Ajouter une mesure de risque (dispersion) à la mesure de tendance

centrale.
E(X) représente la rentabilité espérée et V (X) représente le risque
max E(X) et min V (X)
Généralement l’actif le plus rentable est le plus risqué et

inversement.
• Le critère Moyenne-Variance:
Il consiste à préférer la décision qui a l’espérance de gain retranchée
d’un scalaire multiplié par la variance la plus élevé possible,
X Y si E(X) − λV (X) ≥ E(Y ) − λV (Y )
M ax U (W ) = E(W ) − λV (W )
il s’agit d’une fonction de Markowitz.

Lorsque λ > 0, cette utilité présente une aversion pour le risque,
puisqu’elle est d’autant plus faible que l’incertitude qui porte sur la
richesse est élevée.
Si λ = 0 on retrouve le critère d’espérance de la richesse et l’on
parle de neutralité face au risque.
Quand λ < 0, l’utilité de la richesse est d’autant plus élevé que le
risque est important, on parle de goût pour le risque.
Le coefficient λ mesure donc l’aversion face au risque.
Reprenons l’exemple de l’assurance en utilisant le critère

Moyenne-Variance (MV):
Etudier pour l’assuré, le cas β > p selon λ le coefficient d’aversion

au risque:
1. Donner l’utilité de Markowitz;
2. Résoudre le problème de l’assuré;
3. Quels sont les déterminants du montant assuré?.
•
1 2000 -8000
2 0 10000
tq: P (ω1 ) = 0.9 et P (ω2 ) = 0.1
E(X1 ) = E(X2 ) et V ar(X1 ) = V ar(X2 )
,→ Indifférence
• L(X1 ) = (1, 0.8; 100, 0.2)

L(X2 ) = (10, 0.99; 1090, 0.01)
E(X1 ) = E(X2 ) = 20.8 et V ar(X1 ) = 1468 < V ar(X2 ) = 11547.36
D’autres critères:
•
E(X)
max
σ(X)
Mesure le pourcentage d’espérance par unité d’écart-type.
•
E(X) − r
max
σ(X)
Mesure de performance: le ratio de Sharp .....
Limites des critères classiques:
Problèmes:
• Ces critères ne prennent pas en compte la psychologie d’un
individu vis-à-vis du risque;
• quel est le patrimoine de l’individu ?;
• quels sont ses revenus ?;
• quel est son attitude vis-à-vis du risque ?...
Théorie de l’utilité espérée 23
Le concept d’esprance d’utilité a été introduit par John von

Neumann et Oskar Morgenstern dans leur ouvrage Theory of
Games and Economic Behaviour en 1944.
Idée
Remplacer l’EMG par une espérance d’utilité;
L’utilité prend en compte la psychologie d’un individu vis-à-vis du
risque.
Fonction d’utilité u : X → R
u(x) est l’utilité de la conséquence x.
la fonction u est propre à un individu.
Axiomatique:
On suppose que le décideur fait face à une situation de risque,
l’ensemble des conséquences est dans R.
Une décision induit une loi PX sur R, et sous l’hypothèse que 2 v.a
de même loi sont toujours indifférentes, sur X induit sur
l’ensemble des lois de probabilité L à support dans C une relation
de préférence que nous noterons aussi ;
Le décideur a donc à comparer des lois de probabilités entre elle .
Axiome 1: (Continuité) est continue: pour tout P , Q et R de

L, ∃α, β ∈ ]0.1[ tel que αP ⊕ (1 − α)R Q et Q βP ⊕ (1 − β)R
Axiome 2: (Indépendance) pour tout P , Q et R de L, ∀α, ∈ ]0.1] ,

P Q ⇐⇒ αP ⊕ (1 − α)R αQ ⊕ (1 − α)R
Le modèle mathématique
:
Dans le cas fini, si l’on se restreint à l’ensemble L0 des lois à
support fini, le théorème de représentation s’énonce de la manière
suivante:
Théorème (Représentation):
Soit une relation de préférence sur L0 . Cette relation vérifie les
axiomes A0-A2 si et seulement si il existe une fonction U : L0 → R
telle que : ∀P, Q ∈ L0 ,
P Q ⇐⇒ E(U (P )) ≥ E(U (Q))
où U est une application continue, croissante et définie à une
transformation affine croissante près.
Ce théorème se généralise à l’ensemble L, il faut dans ce cas
rajouter un axiome de dominance.
Selon Bernouilli, la détermination de la valeur d’un objet ne doit

pas être basée sur ses avantages mais sur l’utilité qu’il procure.
Les avantages des objets dépend seulement de l’objet et sont les
mêmes pour tous les individus.
L’utilité par contre dépend des caractéristiques propres de la
personne qui fait l’évaluation de l’objet.
Un gain de 1000dh est plus apprécié par un pauvre que pour un
riche.
L’utilité résultante de tout petit accroissement de la richesse sera
inversement proportionnelle à la richesse.
La satisfaction des individus augmente de moins en moins vite
qu’ils s’enrichissent.
Pour tout accroissement faible de la richesse :

1
∆u = .∆w
w
u(w) = ln(w): première fonction d’utilité proposée.
• Reprenons le jeu de Saint Petersbourg avec u(w) = ln(w):
E(ln(G)) = n≥1 21n ln(2n ) = ln(4);
P
• Reprenons l’exemple de l’assurance avec u(w) = ln(w);
• Résoudre le jeu de Saint Petersbourg avec u(w) = ln(w), si on

2n
considère des gains de e .
Les fonctions de Markowitz :
Considérons une fonction d’utilité quadratique:
u(x) = a + b.x + c.x2

L’espérance d’utilité correspondante est donnée par:
E(u(W )) = a + b.E(W ) + c.E(W 2 )
E(u(W )) = a + b.E(W ) + c.E(W )2 + c.V (W ) = g(E(W ), V (W ))

La fonction de Markowitz, n’est pas linéaire avec E(W );
La variance peut apparaı̂tre naturellement avec un critère
d’espérance d’utilité.
Goût et aversion le risque 29
Exemple introductif
Soit deux décisions:

Décision 1 : X1 donne 100 euros avec probabilité 1;
Décision 2 : X2 donne 200 euros avec probabilité 0.5 et 0 avec
probabilité 0.5.
Selon le critère de l’espérance d’utilité, dire que la décision 1 est
préférée à la décision 2 est équivalent à EU (X1 ) > EU (X2 ).
EU (X1 ) = U (100);
EU (X2 ) = 0.5U (200) + 0.5U (0)
Il vient donc que
EU (X1 ) > EU (X2 ) ⇐⇒ U (100) > 0.5U (200) + 0.5U (0)
A quelle condition sur U , l’inégalité est-elle vérifiée?.

Définition
:
Un individu est adversaire faible au risque si pour tout variable
aléatoire X, il préfère avoir l’espérance de X avec probabilité 1
plutôt que la v.a.r elle même:
∀X ∈ X , E(X) X
Un individu adversaire faible stricte au risque si
∀X ∈ X , X 6= c, E(X) X
Un individu neutre au risque si
∀X ∈ X , E(X) ∼ X
Un individu joueur ou à le goût du risque si
∀X ∈ X , X E(X)
EU et aversion pour le risque

:
Soit X une v.a.r de premier moment fini et de loi de probabilité PX .
Un individu averse au risque vérifie donc
U (E(X)) ≥ EU (X)
où les espérances sont prises sous PX .

L’inégalité porte le nom d’inégalité de Jensen.
L’aversion faible pour le risque se traduit par la concavité de la
fonction d’utilité;
La neutralité par la linéarité de U ;
Le goût du risque par la convexité de U .
Les hypothèses usuelles en micro-économie financière
1. Les individus préfèrent strictement plus de revenu à moins de
revenu;
2. Les individus ont de l’aversion stricte pour le risque;
3. Les réalisations x de X sont exprimées en unités monétaires;
4. La loi de probabilit PX est connue.
• L’hypothèse 1 implique que la fonction U (x) (ou x est le revenu
monétaire) est une fonction croissante de x (la satisfaction croit
strictement avec la richesse);
• L’hypothèse 2 implique que la fonction U (x) soit strictement
concave;
• L’hypothèse 4 définit la notion d’univers risqué, par opposition à
l’univers incertain, dans lequel PX n’est pas (entièrement) connue
du décideur.
On supposera désormais que la fonction d’utilité U (x) deux fois

dérivable.
Rappel: une fonction U deux fois dérivables sur un intervalle I est

concave ssi sa dérivée seconde est négative en tout point de I.
• Attitude vis-à-vis du risque:

00
U (x) ≤ 0: riscophobie (l’utilité marginale de la richesse décroit
avec celle-ci);
00
U (x) = 0: neutralité au risque;
00
U (x) ≥ 0: riscophilie. .
Mesure de risque
Pour une position risquée donnée,

combien un individu serait-il prêt à payer pour se débarasser de
l’incertitude?.
La réponse à cette question dépend à la fois du risque et des
préférences individuelles.
Pour mesurer le risque de manière plus directe, on utilise les
concepts suivants:
Equivalent certain;
Prix de vente;
Prix d’achat;
Prime de risque.
Equivalent certain
Pour chaque variable aléatoire X, son équivalent certain est le

nombre cX qui procure la même satisfaction que X: cX ∼ X
Dans EU
On appelle équivalent certain de la v.a.r. X, est cX telle que
U (cX ) = EU (X)
Résultat: un individu averse au risque vérifie cX ≤ E(X)

Exemple:
√
Un investisseur de préférences u(x) = x possédant w = 100 se
voit confronté à un risque X: X = (−64, 0.5; 156, 0.5). Quel est
l’équivalent certain de sa richesse?.
Prix de vente
Le prix de vente pv de la partie aléatoire X d’une richesse W est le

prix minimal à partir duquel le propriétaire de X est prêt à la
vendre.
En vendant X à un prix pv le propriétaire cède une richesse
aléatoire W = w + X en échange d’une richesse certaine
$ = ω + pv , où $ est l’équivalent certain de la richesse W .
Dans EU:
Il est clair que l’utilité de sa richesse une fois le risque est vendu ne
devra pas être inférieure à l’utilité qu’il retire de sa richesse quand
il possède encor le risque:
Eu(w + pv ) = Eu(X + w)
pv = cw+X − w
Un prix de vente peut être positif ou négatif: s’il est positif, cela
signifie que le propriétaire exige une rémunration en échange de son
risque; s’il est nǵatif, cela signifie qu’il est prêt à payer l’acquéreur
pour ne plus encourir ce risque.
Exemple:
Le prix de vente du risque précédent est égal à :
pv = 121 − 100 = 21,
le propriétaire du risque est prêt à la vendre pour 21.
√
On considère le même décideur, u(x) = x possédant w = 100 se
voit confronté à un risque Y : Y = (−91, 0.5; 21, 0.5). Calculer
l’équivalent certain de la richesse, et le prix de vente du risque.
Que peut-on conclure?
L’aversion face au risque peut se définir par rapport au pv associée

à une richesse W . Plus précisement
• Aversion face au risque : pv ≤ E(X);
• Neutralité face au risque : pv = E(X);
• Goût pour le risque : pv ≥ E(X).
Prix d’achat
Est le prix maximal qu’un individu est prêt à payer pour acquérir
ce risque.
Si l’achat se fait, la richesse certaine de l’individu va baisser du
prix d’achat, mais à cette richesse s’ajoute les gains possibles.
Le risque ne sera acheté si le bien-être de l’individu est plus faible
dans le situation risqué que dans la situation initiale certaine:
u(w) = Eu(w − pa + X)
Prime de risque absolue
Moyen de mesurer l’intensité de l’aversion pour le risque.
La prime de risque absolue πa est le montant que le décideur est

prêt à payer pour s’affranchir du risque.
La prime de risque π d’une richesse aléatoire W = w + X est égale
à l’écart entre l’espérance mathématique de la partie aléatoire de la
richesse et son prix de vente:
πa = E(X) − pv
On peut également définir la prime de risque π comme l’écart entre
l’éspérance de la richesse aléatoire et son équivalent certain :
πa = E(W ) − cw+X
L’aversion face au risque peut se définir par rapport à la prime de

risque absolue πa associée à une richesse W . Plus précisement
• Aversion face au risque : πa > 0;
• Neutralité face au risque : πa = 0;
• Goût pour le risque : πa < 0.
Un décideur riscophobe est prêt à payer pour s’affranchir du risque,
alors qu’un décideur riscophile est prêt à payer pour acquérir un
risque supplémentaire.
Exemple:
Risque de chômage:
On considère un travailleur qui gagne un revenu r quand il est en
emploi avec probabilité 1 − p. Quand il est au chômage (avec
probabilité p), il peçoit une indemnité b < r. Sa richesse initiale est
égale à w et ses préférences sont représentées par u(x) = ln x.
Donner l’espérance d’utilité de la richesse, son équivalent certain, le
prix de vente du risque de chômage et la prime de risque associée
au chômage.
on fixe r = 12000, b = 600, p = 0.1.
Calculer les primes de risque pour un chômeur ayant une richesse
de w = 10000 et pour un chômeur ayant une richesse de w = 0.
Que peut-on dire?.
Définition:
Un décideur A doté de préférences uA est plus riscophobe que le décideur B s’il
existe une fonction f croissante et concave telle que :
uA (x) = f (uB (x))
Donc un décideur A plus riscophobe qu’un décideur B aura une prime de

risque plus importante que celle de B. uA (E(W ) − πA ) = E(uA (W )) =
E(f (uB (W ))) < f (E(uB (W ))) = f (uB (E(W ) − πB )) = uA (E(W ) − πB )
uA est une fonction croissante, donc: uA (E(W ) − πA ) < uA (E(W ) − πB )
E(W ) − πA < E(W ) − πB alors πA > πB .
Il est donc possible de classer le degré d’aversion face au risque des décideurs
en comparant les primes de risque. Cette propriété est importante car les
fonction d’utilité ne sont pas observables alors que les primes de risque le sont
parfois. Nous retrouverons cette propriété avec le théorème de Pratt.
Approximation de la prime de risque
Kenneth Arrow et John Pratt ont proposé l’approximation suivante

pour un petit risque:
00
V (W ) U (E(W ))
π= . − 0
2 U (E(W ))
On appelle cette équation l’approximation d’Arrow-Pratt.
La prime de risque dépend de la variance de W qui mesure
l’incertitude associée à la richesse
Et dépend aussi de la courbure de la fonction d’utilité, mesurée par
00
U
U0
qui mesure l’aversion face au risque du décideur.
Cette formule simplifiée indique simplement que la prime de risque
est croissante avec l’incertitude (objective) et avec l’aversion face
au risque (subjective).
Remarques:
-Quand les préférences sont concaves, la prime de risque est
positive;
-Plus la variance est forte, plus la prime de risque est importante.
Exemple:
Calculer les primes de risque exactes et en utilisant l’approximation
d’Arrow-Pratt.
Comparer les résultats. Conlcure.
Lorsque U (x) = ln(x)
1) W tel que P (W = 6) = P (W = 4) = 0.5;
2) W est tel que P (W = 9) = P (W = 1) = 0.5.
Indice d’aversion pour le risque

:
On peut alors établir un critère d’évaluation d’aversion du risque
connu sous le nom de mesure d’Arrow-Pratt.
• On appelle l’indice d’aversion absolu pour le risque

d’Arrow-Pratt, la quantité
00
U (x)
A(x) = − 0
U (x)
Remarque: A(x) est invariant par transformation affine de U , i.e.,

00 00
A(x) = − UU 0 (x)
(x)
= − VV 0 (x)
(x)
avec V = aU + b.
Comparaison
:
Résultat (Pratt (1964))
Soit U1 et U2 la fonction d’utilité de l’agent 1 et de l’agent 2
respectivement, supposées deux fois continûement dérivables. Les
conditions ci-dessous sont équivalentes :
• L’agent 1 est plus riscophobe que l’agent 2;
• A1 ≥ A2 ;
• U1 est une transformation concave de U2 .
•π1 ≥ π2 .
Les types de risque

:
• Le risque additif: il s’ajoute à la richesse W = ω + X,
• Le risque multiplicatif, il multiplie la richesse W = ω(1 + Y ), on
l’utilise pour les risques portant sur les taux,
• Le risque mixte. Il ne multiplie qu’une partie de la richesse
W = ω + ω2 .Z,
• On peut également réécrire le risque partiel en décomposant la
richesse entre sa partie certaine ω1 et sa partie risquée ω2 :
W = ω1 + ω2 (1 + Z) .
A ces trois risques sont associées trois primes de risques :

• la prime de risque absolue correspond au risque additif πa ;
• la prime de risque relative correspond au risque multiplicatif πr ;
• la prime de risque partielle correspond au risque mixte πp ;
• par défaut, la prime de risque est absolue et le risque additif.
Exemple:
On considère un décideur avec un capital de ω = 1000 et des
√
préférences représentées par u(x) = x. Il est confrontée à un
risque additif: X = (−250, 0.5; 750, 0.5).
Calculer πa .
Définition:
La prime de risque relative πr est le nombre de points de rendement
en proportion (ou %) du capital total auxquels un décideur est prêt
à renoncer pour s’affranchir du risque. Elle est définie par :
u(E(W )−ω.πr ) = E(u(W )) ⇔ u(ω.(1+E(Y )−πr )) = E(u(ω.(1+Y )))
Exemple:
On considère un décideur avec un capital de ω = 1000 et des
√
préférences représentées par u(x) = x. Le risque porte sur le taux
de rendement : Y = (−25%, 0.5; 75%, 0.5).
Calculer la prime relative et conclure.
Définition:
La prime de risque partielle πp est le nombre de points de
rendements en proportion (ou %) du capital risqué auxquels un
décideur est prêt à renoncer pour s’affranchir du risque. Elle est
définie par :
u(E(W ) − ω2 .πp ) = E(u(W ))
⇔ u(ω1 + ω2 (1 + E(Z) − πp )) = E(u(ω1 + ω2 .(1 + Z)))
Exemple:
On considère un investisseur avec une richesse certaine ω1 = 500,
une richesse risquée ω1 = 500, des préférences représentées par
√
u(x) = x. Le placement sur la richesse risquée est représenté par
le risque: Z = (−50%, 0.5; 150%, 0.5).
Calculer la prime partielle et conclure.
Remarque:
πa = ω.πr = ω2 .πp
ceci vient de leurs définitions :
E(u(W )) = u(E(W ) − πa ) = u(E(W ) − ω.πr ) = u(E(W ) − ω2 .πp )

Expressions approchées de πr et πp :
En utilisant le DL de l’espérance d’utilité au voisinage de la
richesse moyenne E(W ) Montrer que:
1. La prime relative peut s’écrire:
00
V (Y ) U (E(W ))
πr = . −ω. 0
2 U (E(W ))
L’indice d’aversion relative pour le risque est défini:
00
U (x)
Ar (x) = −x 0
U (x)
2. La prime partielle peut s’écrire:
00
V (Z) U (E(W ))
πp = . −ω2 . 0
2 U (E(W ))
Les fonctions d’utilité usuelles 57
Les préférences résument les comportements vis-à-vis du risque.
Les fonctions CRRA
:
Il s’agit des fonctions d’utilité que se mettent sous la forme d’une
puissance :
xα
u(x) = , α 6= 0
α
• α = 1, le critère d’espérance d’utilité;
• α → 0, on retrouve l’utilité logarithmique;
• α = −1 utilité présentant de l’aversion pour le risque.
• u est strictement croissante pour une richesse positive x > 0.
• – α < 1 concave, préférences riscophobes;
– α = 1 linéaire, préférences neutres;
– α > 1 convexe, préférences riscophiles;
• L’indice d’aversion absolue face au risque est
1−α
Aa =
x
Il décroı̂t avec la richesse.
• La prime de risque absolue est
1 − α V (X)
πa = .
2 ω + E(X)
Cette prime de risque est décroissante avec la richesse et croissante avec la
variance. Elle est également décroissante avec le rendement moyen de la
partie risqué de la richesse. Une plus forte variance peut donc être
compensée par une plus grande espérance de gain.
• L’indice d’aversion relative face au risque est
Ar = 1 − α
Il est constant. C’est cette propriété qui donne son nom à la fonction:
Constant Relative Risk Aversion ou CRRA. Plus le α est élevé, plus
l’aversion relative face au risque est faible.
Exemple du problème de l’assurance avec la fonction CRRA:
1
1−α
kv+(k−1)ω p(1−β)
1. z ∗ = 1+(k−1)β
avec k = (1−p)β
, 0 < k < 1 si p < β (il y a
une offre d’assurance);
∂z ∗ k
2. ∂v
= 1+(k−1)β > 0, le montant de l’assurance augmente avec la
valeur du bien risqué;
∂z ∗ k−1
3. ∂ω
= 1+(k−1)β < 0, le montant de l’assurance est décroissant
avec la richesse.
4. la demande d’assurance est croissante avec la probabilité de
sinistre.
Les fonctions CARA
:
Il s’agit des fonctions d’utilité que se mettent sous la forme d’une
exponentielle:
1
u(x) = − exp(−αx), α > 0
α
• α → 0, le critère d’espérance d’utilité;
• u est strictement croissante.
• u est concave, cette utilité ne représente que les préférences
riscophobes
• L’indice d’aversion absolue face au risque est
Aa = α
Il est constant. C’est cette propriété qui donne son nom à la
fonction: Constant Absolute Risk Aversion ou CARA.
• La prime de risque absolue est

V (X)
πa = α.
2
Cette prime de risque est croissante avec l’aversion absolue pour
le risque α et avec la variance. Elle ne dépend ni du rendement
moyen ni de la richesse.
• L’indice d’aversion relative face au risque est
Ar = α.x
il est proportionnel à la richesse.

Exemple du problème de l’assurance avec la fonction CARA:

(1−p)β (1−p)β
1. z ∗ = v − 1
α
ln p(1−β)
< v, car p(1−β)
> 1 pour p < β;
∂z ∗
2. ∂v
= 1, le montant de l’assurance augmente avec la valeur du
bien risqué;
∂z ∗
3. ∂ω
= 0, indépendante de la richesse;
∂z ∗
4. ∂p
= α1 p(1−p)
1
, la demande d’assurance est croissante avec la
probabilité de sinistre;
5. elle est décroissante avec le montant de la prime;
6. elle est croissante avec le degré d’aversion pour le risque.
Choix de portefeuille 63
On considère le problème de l’investisseur qui doit choisir entre,
placer son capital initial certain ω au taux r certain sur un produit
de type livret ou bien placer son capital ω sur un placement de
rendement aléatoire Y de type actions.
• Si l’investisseur plaçait tout son capital sur le livret, il
obtiendrait une richesse certaine égale à : W = ω(1 + r),
• S’il le plaçait en actions, il obtiendrait une richesse aléatoire :
W = ω(1 + Y ),
• Dans le cas général, un investisseur placera une part γ en
actions et 1 − γ sur le livret. La richesse du décideur après le
placement est: W = ω(1 + R) = ω(1 + r) + a(Y − r) avec
R = γY + (1 − γ)r = r + γ(Y − r) et a est le montant investi en
actions.
L’existence simultanée d’un marché de l’actif risqué et de l’actif non

risqué implique que le rendement de l’actif certain doit être compris
entre les bornes des rendements de l’actif risqué: y ≤ r ≤ ȳ.
Le montant maximal que le décideur peut placer en actif risqué
vérifie W (a) ≥ 0.
Donc
1+r 1+r
a = −ω ≤a≤ω = ā
ȳ − r r−y
On considère un investisseur dont le comportement dans le risque
consiste à maximiser EU (W (a)).
Choix d’un décideur neutre:

E(W (a)) = ω(1 + r) + a(E(Y ) − r),
• Si E(Y ) − r < 0, la fonction d’utilité est décroissante en a donc
a∗ = a < 0. L’agent neutre effectue une vente à découvert
quand le rendement moyen des actions est inférieur à celui du
livret.
• Si E(Y ) − r = 0, la fonction d’utilité ne dépend pas de a donc
a∗ ∈ [a, ā];
• E(Y ) − r > 0, la fonction d’utilité est croissante en a, donc
a∗ = ā > ω. L’agent neutre effectue un achat à découvert quand
le rendement moyen des actions est supérieur à celui du livret.
• Un agent neutre aurait un comportement de ”tout ou rien”.
Choix d’un décideur riscophile:
U (a) = E(u(ω(1 + r) + a(Y − r))) avec u croissante, convexe.

Comme l’espérance d’utilité est convexe en a,
nous aurons toujours une solution en coin située soit en a soit en ā.
On retrouve le même type de comportement qu’avec un agent

neutre face au risque.
Choix d’un décideur riscophobe:

La fonction d’utilité est maintenant concave par rapport au
montant d’actif risqué a. On peut donc utiliser la condition du
premier ordre:
0
E[(Y − r)u (ω(1 + r) + ã(Y − r))] = 0
et la solution est donnée par :

a∗ = a si ã < a,
a∗ = ā si ã > ā,
a∗ = ã sinon.
On observe un comportement de diversification des actifs.
Exercice: Etudier ce problème avec l’utilité de Markowitz.

On considère deux décideurs d’utilités de préférences: u1 et u2 .

Proposition: Les 2 affirmations suivantes sont équivalentes:
• α1∗ (ω, Y ) ≤ α2∗ (ω, Y ), ∀ω, Y
• 1 est plus adversaire du risque que 2
A richesse initiale et taux donnés, la part investie est d’autant plus
faible que l’on est plus adversaire du risque.
Proposition: Soit Y fixé alors:

dA(ω) ∗
dω
≤ 0 =⇒ α (ω, Y ) croı̂t avec ω
Si le coefficient absolu d’aversion pour le risque décroit avec la

richesse alors à Y fixé, le montant investi α∗ croı̂t avec la richesse ω.
Demande d’assurance 69
Introduction
• Un agent, d’utilité de vNM u(.), a une richesse initiale w > 0, et
face à un risque de perte X ∈ [0, M ].
• La richesse aléatoire de l’agent est w − X
• L’agent a la possibilité de s’assurer moyennant le paiement d’une
prime π contre le versement d’une indemnité I(X):
En cas de perte, la richesse de l’assuré est w − π + I(X) − X.
• L’indemnité doit respecter certaines règles:
L’indémnité est nulle lorsque l’assuré ne réalise aucune perte,
I(0) = 0.
L’indémnité ne doit pas dépasser le montant maximal du sinistre,
0 ≤ I(X) ≤ M.
I(L) est une fonction croissante de la perte.
• La prime pure ou actuarielle est l’espérance mathématiques des

indémnités à payer E(I(X)).
• La prime moyenne est l’espérance mathématiques des pertes.
• La prime de pleine assurance est P telle que
w0 − X ∼ w0 − P − X + X.
• La prime de risque= La prime de pleine assurance-La prime
moyenne.
• L’assureur, supposé neutre au risque, calcule la prime d’assurance
sur la base de la prime actuarielle en y incluant un taux de
chargement λ pour déduire ses coûts administratifs:
La prime est
π = (1 + λ)E(I(X))
Différents types de contrats
Le contrat de coassurance: est un contrat d’assurance

proportionnelle pour lequel chaque partie prend en charge un
pourcentage de la perte.
Dans ce cas l’indemnisation versée sera proportionnelle au montant
du sinistre: I(X) = βX où β ∈ [0, 1].
Si β = 0, l’agent décide de ne pas s’assurer et supporte tout le
risque.
En revanche si β = 1, l’agent opte pour la couverture complète,
l’agent se retrouve dans une situation financière certaine sur toute
la durée du contrat.
Enfin, si β ∈]0, 1[, la couverture du risque sera partielle.
La prime que devra payer l’assuré s’élève à π = (1 + λ)βE(X)
Le contrat de franchise: Les contrats d’assurance avec franchise

sont des contrats pour lesquels l’indemnisation est nulle tant que le
sinistre n’a pas atteint le seuil de la franchise que l’on notera D.
Ce montant de franchise est également le montant de perte restant
à la charge de l’assuré si le montant de la perte dépasse D.
Types:
• Contrat de franchise ferme: la fonction d’indemnisation
I(X) = (X − D)+ .
• Contrat évanesente:
l’agent recevra I(X) = 0 si X ≤ D et I(X) = X si D < X.
• Contrat hybride: Franchise + coassurance.
• Contrat upper limite:
l’agent recevra I(X) = X si X ≤ D et I(X) = D si D < X.
Demande d’assurance dans EU

Demande de coassurance dans EU:
Soit un agent adversaire stricte au risque (u est st concave), face à
un risque X v.a à valeurs dans [0, M ].
Le problème de l’agent consiste à déterminer la demande de
couverture optimale.
La richesse aléatoire de l’agent s’il choisit le niveau de couverture β
est
W (β) = w − (1 + λ)βE(X) − X + βX.
Le problème de l’agent consiste à maximiser:
max Eu(W (β))

β∈[0,1]
Quelques résultats:
• Pour un agent riscophobe satisfaisant aux hypothèses du modèle

d’espérance d’utilité, l’assurance complète est optimale lorsque la
prime d’assurance est actuarielle λ = 0 tandis que la coassurance
est optimale lorsque le taux de chargement proportionnel de la
prime est positif (λ > 0).
• Soit λ > 0. Soit L fixé alors:

dA(w) ∗
dw
≤ 0 =⇒ β (w, X) décroı̂t avec w
Si le coefficient absolu d’aversion pour le risque décroit avec la

richesse alors à X fixé, la demande de couverture optimal β ∗ (w, X)
décroı̂t avec la richesse w.
Bibliographie 75
• Christian Gollier (2001): The Economics of Risk and Time.

• Louis Eechkoudt Christian Gollier (1992): Le partage des
risques, Ediscience international.
• Patrick Roger (1996): L’évaluation des actifs financiers :
modèles à temps discrets, De Boeck.
• Harris Schlesinger (1999): The theory of insurane demand

Cours

Transféré par

Droits d'auteur :

Formats disponibles

Cours

Transféré par

Informations du document

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

Cours

Transféré par

Droits d'auteur :

Formats disponibles

Décision dans le risque et

2. Critères classiques de décision;

3. Théorie de l’utilité espérée;

4. Goût et aversion pour le risque;

5. Fonctions d’utilités usuelles;

• Placement d’un capital K au taux R(ω), où ω ∈ Ω est un état de

Un agent économique, face à un risque de sinistre d’un montant L

Décision 1 : achat d’une police d’assurance pour un montant C.

Décision 2 : pas d’assurance .

Tout problème de décisions risquées nécéssite de spécifier :

Axiome 0:  est un préordre total: relation réflexive, transitive et

(Debreu (1954, 1959))

Nous noterons une décision X à support fini,

On classe souvent les critères de décision en deux familles:

Les critères non probabilistes

• Le critère de Wald (ou du maximin):

On considère deux décisions et trois états de la nature. Par

Critère de Wald : les décisions 1 et 2 sont équivalentes

Selon ce critère: les décisions 1 et 2 sont équivalentes.

• Le critère de Savage (minimax du regret)

Décisions Etats Défavorable Favorable Très favorable

Les critères probabilistes

• Le critère Espérance mathématique de gain:

On considère deux décisions et deux états de la nature

Paradoxe de Saint Petersbourg:

Un banquier joue avec un joueur. Le joueur paye un droit d’entrée

Combien un joueur rationnel devrait être prêt à payer pour

il ne peut pas y avoir de marché de l’assurance si l’on applique le

• Le critère Espérance mathématique et Variance du gain:

Ajouter une mesure de risque (dispersion) à la mesure de tendance

max E(X) et min V (X)

Généralement l’actif le plus rentable est le plus risqué et

il s’agit d’une fonction de Markowitz.

Reprenons l’exemple de l’assurance en utilisant le critère

Etudier pour l’assuré, le cas β > p selon λ le coefficient d’aversion

• L(X1 ) = (1, 0.8; 100, 0.2)

Limites des critères classiques:

Le concept d’esprance d’utilité a été introduit par John von

Axiome 1: (Continuité)  est continue: pour tout P , Q et R de

Axiome 2: (Indépendance) pour tout P , Q et R de L, ∀α, ∈ ]0.1] ,

Selon Bernouilli, la détermination de la valeur d’un objet ne doit

Pour tout accroissement faible de la richesse :

• Reprenons l’exemple de l’assurance avec u(w) = ln(w);

• Résoudre le jeu de Saint Petersbourg avec u(w) = ln(w), si on

Les fonctions de Markowitz :

Considérons une fonction d’utilité quadratique:

u(x) = a + b.x + c.x2

E(u(W )) = a + b.E(W ) + c.E(W 2 )

E(u(W )) = a + b.E(W ) + c.E(W )2 + c.V (W ) = g(E(W ), V (W ))

Soit deux décisions:

EU (X1 ) > EU (X2 ) ⇐⇒ U (100) > 0.5U (200) + 0.5U (0)

A quelle condition sur U , l’inégalité est-elle vérifiée?.

EU et aversion pour le risque

où les espérances sont prises sous PX .

On supposera désormais que la fonction d’utilité U (x) deux fois

Rappel: une fonction U deux fois dérivables sur un intervalle I est

• Attitude vis-à-vis du risque:

Pour une position risquée donnée,

Pour chaque variable aléatoire X, son équivalent certain est le

Résultat: un individu averse au risque vérifie cX ≤ E(X)

Axiome 0: est un préordre total: relation réflexive, transitive et

Axiome 1: (Continuité) est continue: pour tout P , Q et R de