Existence and uniqueness results for a mean-field game of optimal investment

Cet article établit l'existence et l'unicité de l'équilibre pour un jeu à champ moyen stochastique d'investissement optimal, en analysant des horizons temporels finis et infinis ainsi que leur contrepartie déterministe, où l'interaction entre les firmes est modélisée par un prix de marché dépendant de la capacité de production attendue.

L'essentiel

Imaginez une immense ville où des milliers d'usines produisent le même objet. Chaque usine est dirigée par un patron qui doit décider : dois-je investir aujourd'hui pour agrandir mon atelier, ou garder mon argent ?

C'est le cœur de ce papier de recherche. Les auteurs (Alessandro, Salvatore, Giorgio et Fausto) ont créé un modèle mathématique pour comprendre comment ces patrons prennent leurs décisions quand ils sont des milliers, et comment ces décisions individuelles façonnent le prix de marché global.

Voici l'explication de leur travail, sans les formules compliquées, mais avec quelques images pour mieux visualiser.

1. Le Jeu des Géants (La théorie des "Jeux à Champ Moyen")

Dans la vraie vie, si vous êtes une petite entreprise, vous ne pouvez pas prédire ce que fera votre concurrent direct. Mais imaginez une ville avec un million d'usines identiques.

• Le problème : Si chaque usine décide d'investir massivement, l'offre explose, et le prix de vente s'effondre. Si personne n'investit, le prix monte, mais les usines s'usent et disparaissent.
• La solution des auteurs : Au lieu de regarder chaque usine individuellement (ce qui serait impossible), ils regardent la moyenne. Ils supposent que chaque usine réagit à la "moyenne de production de toute la ville". C'est comme si chaque patron regardait le thermomètre de la ville pour décider s'il fait chaud ou froid, plutôt que de discuter avec chaque voisin.

2. L'Équilibre Parfait (Le "Point d'Équilibre")

Les chercheurs cherchent une situation magique appelée l'équilibre. C'est un état où :

1. Chaque patron fait le meilleur choix possible pour lui-même (maximiser ses profits).
2. La somme de tous ces choix individuels crée un prix de marché qui, à son tour, valide les choix de chacun.

C'est un peu comme une danse de foule : si tout le monde avance d'un pas à droite, le groupe se déplace à droite. Si quelqu'un essaie de danser seul vers la gauche, il se fait bousculer et perd son équilibre. Les auteurs ont prouvé mathématiquement qu'il existe une seule et unique façon pour cette foule de danser parfaitement ensemble, que ce soit pour une durée limitée (ex: 10 ans) ou pour toujours.

3. Deux Scénarios de Vie : Le Sprint et le Marathon

Les auteurs ont étudié deux cas de figure, comme deux types de vies différentes :

• Le Horizon Fini (Le Sprint) : Imaginez que vous savez que votre usine va fermer dans 10 ans.

  • La stratégie : Vous allez investir au début pour faire du profit, mais vers la fin, vous arrêterez d'investir car cela ne sert à rien de réparer une usine qui va mourir. Le capital va s'usager (comme une voiture qu'on ne répare plus avant de la vendre).
  • Résultat : La production baisse doucement vers la fin.

• Le Horizon Infini (Le Marathon) : Imaginez que votre usine doit durer pour toujours.

  • La stratégie : Vous devez trouver un rythme de croisière. Vous investissez juste assez pour compenser l'usure naturelle de la machine.
  • Résultat : Après une période d'ajustement, la production se stabilise à un niveau constant, comme un coureur de marathon qui trouve son allure parfaite.

4. L'Analogie du Météo (Le hasard vs la certitude)

Dans leur modèle, il y a une petite touche de hasard (le "bruit" ou la volatilité). Imaginez que la capacité de production d'une usine est affectée par la météo : parfois il y a des pannes imprévues, parfois des coups de chance.

• La découverte surprenante : Les auteurs ont montré que, même si chaque usine subit ces petits coups de chance individuels, la moyenne de toute la ville reste parfaitement lisse et prévisible.
• L'image : C'est comme si vous regardiez une foule de gens marcher sous la pluie. Chacun trébuche ou glisse (le hasard), mais si vous regardez le mouvement global de la foule depuis un hélicoptère, elle avance tout droit sans jamais dévier. Le "bruit" individuel s'annule dans la moyenne.

5. Comment ils ont résolu l'énigme ?

Au lieu de résoudre des équations complexes de physique (qui ressemblent à des tempêtes de formules), ils ont utilisé une astuce de génie :

1. Ils ont d'abord dit : "Supposons que nous connaissons déjà le prix moyen futur."
2. Ensuite, ils ont calculé : "Si je connais ce prix, comment un patron intelligent va-t-il investir ?"
3. Enfin, ils ont bouclé la boucle : "Est-ce que la somme de ces investissements donne bien le prix que j'avais supposé au début ?"

Si oui, c'est la solution ! Ils ont prouvé que cette boucle ne peut se fermer que d'une seule manière unique.

En résumé

Ce papier nous dit que dans un monde de concurrence féroce avec des milliers d'acteurs :

• Il existe une seule stratégie optimale pour le groupe.
• Cette stratégie est stable : si on commence avec trop ou trop peu de production, le marché va lentement revenir à cet équilibre idéal, comme un ressort qui revient à sa place.
• Le hasard individuel ne change rien à la trajectoire globale du marché.

C'est une belle démonstration que même dans le chaos apparent d'un marché libre, des lois mathématiques rigides régissent la stabilité à long terme.

Résumé technique

Voici un résumé technique détaillé du papier de recherche « Existence and Uniqueness Results for a Mean-Field Game of Optimal Investment », rédigé en français.

1. Problématique et Contexte

L'article étudie un jeu à champ moyen (Mean-Field Game - MFG) de type optimal pour l'investissement dans la capacité de production. Le modèle considère une économie composée d'un nombre infini d'entreprises identiques et indiscernables en concurrence à la Cournot.

Le modèle dynamique :

• État (Capacité de production) : La capacité de production $X_s$ d'une entreprise représentative évolue selon un mouvement brownien géométrique avec dépréciation et investissement. L'équation différentielle stochastique (EDS) gouvernant l'état est :
  $$dX_s = -\delta X_s ds + \sigma X_s dB_s + u_s ds$$
  où $\delta > 0$ est le taux de dépréciation, $\sigma > 0$ la volatilité, $B$ un mouvement brownien, et $u_s \ge 0$ le taux d'investissement (contrôle). L'investissement est irréversible ($u \ge 0$).
• Profit : Le profit instantané dépend linéairement de la capacité de production et d'un prix de marché $P_s$. Le prix est déterminé par une fonction de demande inverse isoélastique, reliant le prix à la capacité de production moyenne agrégée du marché, notée $q_s = \mathbb{E}[X_s]$. Le profit net instantané est de la forme $X_s q_s^{-\beta} - \frac{1}{2}u_s^2$, où $\beta > 0$ est un paramètre lié à l'élasticité-prix.
• Objectif : Chaque entreprise cherche à maximiser l'espérance de la somme actualisée des profits nets, moins les coûts quadratiques d'investissement, sur un horizon fini $T < +\infty$ ou infini $T = +\infty$.

Le défi :
Contrairement aux jeux à champ moyen linéaires-quadratiques standards, ce problème est non linéaire en raison de la dépendance du profit fonctionnel par rapport à la moyenne agrégée $q$ (via le terme $q^{-\beta}$). De plus, l'interaction se fait uniquement via l'espérance de l'état, ce qui caractérise une interaction scalaire.

2. Méthodologie

Les auteurs adoptent une approche analytique directe, évitant l'analyse des équations aux dérivées partielles (EDP) couplées (équation de Hamilton-Jacobi-Bellman et équation de Fokker-Planck) ou de l'équation maîtresse. Leur méthode repose sur une approche par point fixe en trois étapes :

1. Résolution du problème de contrôle optimal (Étape 1) :
   Pour une trajectoire déterministe donnée de la production moyenne $q = (q_s)$, le problème de contrôle optimal de l'entreprise représentative est résolu. Grâce à la structure linéaire-quadratique du problème conditionné à $q$, la solution est explicite. Le contrôle optimal $u^*$ s'avère être une fonction déterministe dépendant uniquement de $q$ et non de la trajectoire stochastique individuelle.

   • Le contrôle optimal est donné par $u_s = z_s$, où $z_s$ est une fonction déterministe définie par une intégrale de convolution de $q^{-\beta}$.

2. Calcul de la trajectoire moyenne (Étape 2) :
   En utilisant la solution explicite de l'EDS et le contrôle optimal trouvé, les auteurs calculent l'espérance mathématique de la capacité de production contrôlée, $\mathbb{E}[X_s]$.

3. Condition de consistance (Étape 3) :
   L'équilibre de Nash en champ moyen est atteint lorsque la trajectoire moyenne calculée coïncide avec la trajectoire $q$ supposée initialement. Cela conduit à une équation intégrale non linéaire pour la trajectoire d'équilibre $\bar{q}$ :
   $$\bar{q}_s = e^{-\delta s}\mathbb{E}[\xi] + \int_0^s e^{-\delta(s-r)} \left( \int_r^T e^{-(\rho+\delta)(u-r)} \bar{q}_u^{-\beta} du \right) dr$$
   (avec des adaptations pour l'horizon infini).

Techniques d'analyse :

• Horizon Fini ($T < +\infty$) : L'existence est prouvée en utilisant des estimations a priori et le théème du point fixe de Schauder appliqué à un opérateur défini sur un espace de fonctions continues bornées. L'unicité est établie par des arguments de contradiction exploitant la structure monotone de l'équation.
• Horizon Infini ($T = +\infty$) : L'existence repose sur des estimations a priori et le théorème de compacité de Fréchet-Kolmogorov dans un espace $L^p$ pondéré. L'unicité est démontrée via des arguments de comparaison et d'analyse de la dépendance par rapport aux conditions initiales d'une équation différentielle ordinaire (EDO) du second ordre associée.

3. Résultats Principaux

1. Existence et Unicité de l'Équilibre :
   Les auteurs prouvent l'existence et l'unicité d'une paire d'équilibre $(\bar{u}, \bar{q})$ (contrôle optimal et production moyenne) pour les deux cas d'horizon (fini et infini). L'équilibre est caractérisé comme la solution unique d'une équation intégrale non standard (ou d'une équation intégro-différentielle).

2. Nature Déterministe de l'Équilibre :
   Un résultat clé est que, bien que le modèle soit stochastique, l'équilibre de champ moyen (la trajectoire de production moyenne et le contrôle optimal) est déterministe. Il ne dépend pas du coefficient de volatilité $\sigma$. Cela découle du fait que l'interaction ne se fait que via l'espérance de l'état et que les coûts sont quadratiques.

3. Convergence vers l'État Stationnaire (Horizon Infini) :
   Pour l'horizon infini, les auteurs montrent que la trajectoire d'équilibre $\bar{q}_s$ converge monotonement vers un niveau de production stationnaire constant $y_\infty$, solution unique d'une équation algébrique :
   $$(\rho + \delta)\delta y - y^{-\beta} = 0$$
   Cette convergence est globale et stable : si la production initiale est supérieure à $y_\infty$, elle décroît monotone vers l'équilibre ; si elle est inférieure, elle croît.

4. Cas Déterministe :
   Les résultats sont étendus au cas déterministe (où $\sigma = 0$). Les auteurs montrent que la structure de l'équilibre reste identique, confirmant que la volatilité n'affecte pas la trajectoire agrégée d'équilibre, seulement les fluctuations individuelles autour de cette trajectoire.

5. Limites et Convergence :
   Il est démontré que l'équilibre à horizon fini converge vers l'équilibre à horizon infini lorsque $T \to +\infty$, assurant la robustesse du modèle.

4. Contributions Clés

• Traitement d'un problème non linéaire : Contrairement à la littérature dominante sur les MFG linéaires-quadratiques, ce papier résout un problème avec une interaction non linéaire (fonction de demande isoélastique) tout en obtenant des résultats d'existence et d'unicité rigoureux.
• Méthodologie alternative : L'approche évite la complexité des systèmes d'EDP couplés ou des équations maîtresses, en se concentrant directement sur la réduction du problème à une équation intégrale via la résolution explicite du problème de contrôle sous-jacent.
• Analyse des horizons infinis : La preuve d'existence pour l'horizon infini utilise des techniques de compacité spécifiques (Fréchet-Kolmogorov) adaptées aux équations intégro-différentielles avec terme intégral rétrograde, un cas qui sort des théories standards.
• Indépendance vis-à-vis de la volatilité : La démonstration formelle que l'équilibre agrégé est indépendant de $\sigma$ fournit une intuition économique forte : les chocs aléatoires individuels s'annulent à l'échelle macroéconomique dans ce cadre de concurrence.

5. Signification et Implications Économiques

• Stabilité du Marché : Les résultats suggèrent que les mécanismes de marché concurrentiels (concurrence à la Cournot) agissent comme un amortisseur naturel. Les écarts par rapport à l'état stationnaire sont absorbés de manière monotone sans oscillations ni surréactions, indépendamment de la volatilité des chocs individuels.
• Sensibilité aux Paramètres : L'analyse de l'état stationnaire montre que la capacité de production de long terme diminue lorsque le taux d'actualisation ($\rho$) ou le taux de dépréciation ($\delta$) augmentent (coût d'utilisation du capital plus élevé). De même, une demande moins élastique (plus grand $\beta$) conduit à une capacité de production plus faible, car les entreprises limitent stratégiquement leur production pour maintenir des prix élevés.
• Validité des Modèles Déterministes : Le fait que l'équilibre stochastique coïncide avec l'équilibre déterministe valide l'utilisation de modèles plus simples (déterministes) pour analyser les tendances agrégées de long terme dans les industries d'investissement en capacité, même en présence d'incertitudes microéconomiques.

En résumé, ce papier fournit une fondation mathématique rigoureuse pour les jeux à champ moyen en investissement optimal, démontrant la robustesse des équilibres et offrant des insights économiques clairs sur la dynamique de formation des prix et des capacités dans des marchés concurrentiels.