Playing it Safe: Actions Attractive to the Risk Averse

Résumé Technique : Playing It Safe

1. Problématique et Contexte

La littérature économique traditionnelle sur la prise de décision sous incertitude compare souvent des loteries (distributions de probabilités sur des résultats) en fixant une croyance (une distribution de probabilité sur les états du monde). Des concepts comme la dominance stochastique du second ordre (SOSD) ou les conditions de "single-crossing" (croisement unique) permettent de déterminer quand un agent plus avers au risque préfère une loterie à une autre.

Cependant, dans de nombreux contextes économiques (jeux stratégiques, apprentissage, conception de contrats, gestion de portefeuille), l'objet primitif n'est pas une loterie fixe, mais une action (ou stratégie). Une action génère un profil de paiements dépendant de l'état du monde. La croyance de l'agent transforme cette action en une loterie, mais cette croyance peut varier (elle est endogène dans les jeux, ou inconnue/hétérogène dans les applications).

Le problème central est le suivant : comment comparer deux actions de manière robuste, sans fixer une croyance unique, et en s'assurant que la préférence pour l'action "plus sûre" se renforce lorsque l'agent devient plus avers au risque, quelle que soit sa croyance ?

2. Méthodologie et Définitions

Les auteurs introduisent une relation binaire nouvelle, notée $\succeq_S$ ("plus sûr que"), définie sur l'ensemble des actions.

• Définition de la Sécurité ($a \succeq_S b$) : Une action $a$ est considérée comme plus sûre qu'une action $b$ si l'ensemble des croyances pour lesquelles $a$ est préféré à $b$ s'agrandit (au sens de l'inclusion d'ensembles) lorsque l'agent devient plus avers au risque.

  • Formellement : Pour toute fonction d'utilité $u$ (croissante) et toute transformation concave croissante $\phi$ (augmentant l'aversion au risque), si $E_\mu[u(a)] \ge E_\mu[u(b)]$, alors $E_\mu[\phi(u(a))] \ge E_\mu[\phi(u(b))]$.
  • Cela signifie que l'action $a$ devient plus attractive par rapport à $b$ pour un agent plus prudent, indépendamment de sa croyance $\mu$.

• Cadre :

  • États du monde $\Theta$ (espace topologique compact et métrique).
  • Actions $A \subseteq \mathbb{R}^\Theta$ (fonctions continues des états vers les paiements monétaires).
  • Agent maximisant l'utilité espérée subjective (SEU).

3. Résultats Principaux (Théorème 3.1)

Le résultat central de l'article est une caractérisation complète et triviale de la relation de sécurité. Le théorème établit l'équivalence entre quatre conditions :

1. Définition comportementale : $a \succeq_S b$ (l'ensemble des croyances favorables à $a$ s'étend avec l'aversion au risque).
2. Condition géométrique (Enveloppe convexe) : Pour toute paire d'états $(\theta, \theta')$ tels que $a$ est strictement préféré à $b$ en $\theta$ et $b$ est strictement préféré à $a$ en $\theta'$, les paiements de $a$ doivent se situer dans l'enveloppe convexe des paiements de $b$.
   • Formellement : Si $a_\theta > b_\theta$ et $b_{\theta'} > a_{\theta'}$, alors $b_{\theta'} \ge a_\theta$ et $a_{\theta'} \ge b_\theta$.
   • Intuition : Être "dans l'erreur" en choisissant $a$ (quand l'état est $\theta'$) ne doit pas être pire que d'être dans l'erreur en choisissant $b$ (quand l'état est $\theta$).
3. Single-Crossing Robuste : Pour toute croyance $\mu$, la fonction de répartition cumulative (CDF) de la loterie induite par $a$ croise celle de $b$ exactement une fois, de bas en haut ($F^\mu_a \succeq_{sc} F^\mu_b$).
4. Dominance Stochastique : Pour toute croyance $\mu$, si l'espérance monétaire de $a$ est supérieure à celle de $b$, alors la loterie de $a$ domine stochastiquement celle de $b$ au second ordre (SOSD) après ajustement.

Propriété importante : La relation $\succeq_S$ n'est pas transitive en général. Cependant, dans les problèmes de décision monotones (où les états et les actions sont totalement ordonnés et les paiements respectent la propriété de différences à croisement unique), la relation devient transitive et totalement ordonne l'ensemble des actions. Dans ce cas, les actions "plus sûres" sont les actions "plus basses" (moins agressives).

4. Applications et Extensions

L'article applique cette théorie à quatre domaines clés :

• Jeux (Contribution et Équilibre) :

  • Dans les jeux de contribution (vote, dénonciation, biens publics), la sécurité permet d'établir des statistiques comparatives sur la participation. Si l'action de contribuer est "plus sûre", une augmentation de l'aversion au risque élargit l'ensemble des croyances soutenant la participation, augmentant ainsi la probabilité d'équilibre de participation.
  • Lien avec la dominance du risque : La sécurité identifie quand la sélection d'équilibre (par exemple, dans les jeux globaux) est robuste aux changements d'aversion au risque.

• Sécurité Financière (Securities) :

  • Comparaison de titres (Actions, Dette, Options d'achat).
  • Résultat clé : La Dette est l'actif le plus sûr (elle croise toute autre sécurité par le haut). Les Options d'achat sont les moins sûres (elles croisent par le bas).
  • Cela confirme que la sensibilité à l'information (mesurée par le "single-crossing" de bas en haut) est corrélée à une moindre robustesse face à l'aversion au risque.

• Assurance :

  • Comparaison de polices (Assurance complète, proportionnelle, avec franchise).
  • L'assurance complète est toujours l'option la plus sûre. Le classement entre assurance proportionnelle et franchise dépend des paramètres spécifiques, montrant que la sécurité n'est pas toujours intuitive sans ce cadre formel.

• Couverture (Hedging) :

  • Définition d'un actif de couverture "meilleur" : un actif $a$ couvre mieux que $b$ si un agent très avers au risque le préfère dès qu'un agent neutre au risque le préfère.
  • L'approche est distribution-free (sans hypothèse d'indépendance entre le portefeuille existant et l'actif de couverture), offrant des conditions nécessaires et suffisantes (SOSD sur des sous-ensembles d'états binaires) là où la littérature précédente ne donnait que des conditions suffisantes.

• Robustesse aux Croyances et Ambiguïté :

  • La relation fonctionne même si l'agent a des préférences incomplètes (modèle de Bewley) ou face à l'ambiguïté (modèle de Klibanoff-Marino-Mukerji), tant que l'augmentation de l'aversion à l'ambiguïté est modélisée par une transformation concave de la fonction d'utilité sur les utilités espérées.

5. Contributions et Signification

• Innovation Théorique : L'article fournit la première théorie de comparaison d'actions libre de distribution (distribution-free) qui est robuste à l'augmentation de l'aversion au risque. Il comble le fossé entre la comparaison de loteries (classique) et la comparaison d'actions (stratégiques).
• Simplicité Tractable : Au lieu de vérifier des conditions pour une infinité de croyances, les auteurs réduisent le problème à une condition simple sur les paiements états par états (condition d'enveloppe convexe).
• Unification : Le papier unifie les concepts de "single-crossing" et de "dominance stochastique du second ordre" dans un cadre robuste aux croyances.
• Implications pour la Conception Mécanisme : Pour un concepteur (assureur, émetteur de titres), la notion de sécurité offre un critère objectif pour concevoir des produits qui restent attractifs pour une large gamme d'investisseurs, indépendamment de leurs croyances spécifiques ou de leur niveau exact d'aversion au risque.

En résumé, Pease et Whitmeyer établissent que la "sécurité" d'une action est une propriété intrinsèque de son profil de paiements, caractérisée par le fait que ses pertes potentielles (lorsqu'elle est le mauvais choix) sont bornées par les gains de l'alternative, rendant cette action intrinsèquement plus résistante à l'aversion au risque, quelle que soit la perception de l'incertitude.