📈 economics

To Gamble, Perchance to Grow

Cet article établit qu'une transformation de rendement produit un portefeuille optimal de croissance plus conservateur si et seulement si la fonction est concave, strictement croissante et satisfait une condition de convexité spécifique, caractérisant ainsi l'aversion au risque comparative pour des agents rationnellement inattentifs.

Auteurs originaux : Mark Whitmeyer

Publié 2026-06-18

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Mark Whitmeyer

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

La vue d'ensemble : L'investisseur « de croissance optimale »

Imaginez un investisseur qui joue sur le long terme. Son seul objectif n'est pas de s'enrichir rapidement ou d'éviter de perdre un seul dollar ; son objectif est de faire croître sa richesse le plus rapidement possible sur une vie entière. Dans le monde de l'économie, on appelle cela l'Investisseur Kelly.

Cet investisseur fait face à un choix simple chaque jour :

Le pari sûr : Un rendement garanti (comme un compte d'épargne).
Le pari risqué : Un pari qui pourrait rapporter beaucoup ou peu (comme une action en bourse).

L'article pose une question spécifique : Que se passe-t-il si nous changeons les règles du jeu en « transformant » les rendements ?

Imaginez que les rendements sont des chiffres sur un tableau d'affichage. L'auteur demande : si nous appliquons un filtre mathématique à chaque chiffre de ce tableau (en rendant les grands nombres plus petits, ou les petits nombres plus grands), l'investisseur deviendra-t-il soudainement plus prudent et placera-t-il moins d'argent dans le pari risqué ?

La découverte fondamentale : Il ne s'agit pas seulement de « lisser »

La plupart des gens pensent que si nous rendons la courbe de gain d'un pari plus « lisse » ou plus « plate » (mathématiquement, en la rendant concave), l'investisseur deviendra naturellement plus averse au risque. C'est comme placer un coussin sous un trapéziste ; il se sent plus en sécurité, il peut donc prendre moins de risques.

L'article dit : Pas si vite.

L'auteur prouve que le simple fait de « rembourrer » les rendements (rendre la fonction concave) ne suffit pas pour rendre l'investisseur Kelly universellement plus prudent. Vous pouvez avoir une courbe très lisse et d'apparence sûre, et l'investisseur pourrait tout de même décider de parier plus.

Pour garantir que l'investisseur devienne plus prudent, la transformation doit satisfaire deux conditions simultanément :

Elle doit être « concave » : Elle comprime le potentiel de gain. (Le coussin est là).
Elle doit satisfaire une règle de « courbure harmonique » : C'est la partie délicate. L'auteur introduit une seconde condition impliquant le ratio du rendement par rapport au rendement transformé ( $r/f(r)$ ).

L'analogie du « double contrôle » :
Imaginez que vous êtes un juge décidant de laisser un conducteur accélérer.

Condition 1 (Concavité) : Vous vérifiez si la route présente des nids-de-poule qui pourraient le ralentir.
Condition 2 (Courbure harmonique) : Vous vérifiez si la relation entre la limitation de vitesse et la vitesse réelle a changé d'une manière spécifique.

L'article soutient que vous avez besoin de passer les deux contrôles. Si vous ne passez que le premier contrôle (la concavité), le conducteur pourrait quand même accélérer. Le second contrôle garantit que le « coût » du risque semble assez lourd dans le monde transformé pour pousser le conducteur à freiner.

L'effet « Miroir »

L'article examine également le scénario opposé : qu'est-ce qui rend un investisseur plus enclin à parier ?

Pour rendre un investisseur plus conservateur, la transformation doit être concave ET le ratio $r/f(r)$ doit être convexe.
Pour rendre un investisseur plus agressif, la transformation doit être convexe ET le ratio $r/f(r)$ doit être concave.

C'est comme un effet miroir. Les mathématiques exigent un équilibre spécifique entre la façon dont les chiffres sont écrasés et la façon dont ils s'étirent les uns par rapport aux autres.

Exemples concrets de l'article

L'auteur donne des exemples concrets pour prouver que « être simplement concave » ne suffit pas :

La transformation « Sûre » : Si vous transformez les rendements en utilisant $f(r) = r / (1+r)$ , l'investisseur devient plus conservateur. Cette fonction est concave et réussit le second test de « l'harmonique ».
La transformation « Piège » : Si vous utilisez $f(r) = \sqrt{r}$ (la racine carrée), elle est concave (elle aplatit la courbe). Cependant, elle échoue au second test. Dans ce cas spécifique, l'investisseur devient en réalité moins conservateur et place plus d'argent dans l'actif risqué, même si la courbe semble plus « sûre ».

Le lien avec l'« Inattention Rationnelle »

L'article relie également cela à un concept d'Inattention Rationnelle. Imaginez un agent qui est intelligent mais qui a une capacité d'attention limitée (comme un humain avec un cerveau très occupé). Il doit décider entre une action sûre et une action risquée, mais traiter l'information sur l'action risquée coûte de l'« énergie mentale ».

L'auteur montre que les mathématiques de ce « cerveau fatigué » sont les mêmes que celles de l'« investisseur de croissance ».

Si vous transformez l'utilité (le bonheur) de l'agent, celui-ci ne devient plus averse au risque que si la transformation est « suffisamment concave ».
Il ne suffit pas de faire descendre la courbe d'utilité ; elle doit descendre assez fort pour compenser le coût de l'attention.

La surprise de l'« Option de repli »

Enfin, l'article examine un scénario où, après le pari, l'investisseur bénéficie d'un « filet de sécurité » ou d'une option de repli.

La configuration : Vous investissez dans un actif risqué. S'il rapporte 10, tant mieux. S'il rapporte 0, vous recevez 5 garantis provenant d'une source extérieure.
Le résultat : Étonnamment, avoir ce filet de sécurité rend l'investisseur plus enclin à prendre le risque.
L'analogie : Pensez à un funambule. Si vous lui dites : « Si tu tombes, tu ne toucheras pas le sol ; tu atterriras sur un trampoline », il pourrait en fait marcher sur la corde plus vite ou tenter des acrobaties plus dangereuses parce que le risque de chute est limité. L'article prouve que l'ajout d'une « option de repli » (un plancher sous les pires résultats) encourage universellement à parier davantage.

Résumé

Objectif : Déterminer quels changements mathématiques apportés aux rendements d'investissement rendent toujours un investisseur axé sur la croissance plus prudent.
Constat : Rendre les rendements simplement plus « sûrs » (concave) ne suffit pas. Il faut une seconde condition spécifique (courbure harmonique) pour garantir que l'investisseur réduit réellement son risque.
Insight : Un « filet de sécurité » (option de repli) rend paradoxalement les gens plus enclins à parier, et non moins.
À retenir : Dans le monde de la croissance optimale, l'intuition concernant la « sécurité » peut être trompeuse. Il faut un équilibre mathématique précis pour garantir un changement de comportement.

Résumé technique : Pour jouer, peut-être pour croître

Énoncé du problème
Cet article examine les conditions dans lesquelles une transformation déterministe ou aléatoire des rendements d'actifs induit un comportement d'investissement plus conservateur dans le cadre du problème de portefeuille d'optimisation de la croissance (Kelly). Plus précisément, l'auteur considère un investisseur maximisant la croissance logarithmique attendue avec accès à un actif sûr (rendement brut $s$ ) et un actif risqué (rendement brut $R$ ). La question centrale est la suivante : quelles transformations $f$ de l'espace des rendements $(0, \infty) \to (0, \infty)$ augmentent universellement la demande pour l'actif sûr (et, inversement, diminuent la demande pour l'actif risqué) pour chaque rendement sans risque $s$ et pour chaque distribution à support fini du rendement de l'actif risqué ?

L'auteur cadre cette enquête à travers le prisme de l'aversion au risque comparative. Alors que la littérature classique (Pratt, 1964 ; Ross, 1981 ; Kimball, 1990) définit l'aversion au risque via des transformations des fonctions d'utilité, cette étude demande quelles transformations des rendements rendent un investisseur Kelly plus averse au risque. L'auteur interprète « plus averse au risque » dans le sens comportemental de Yaari (1969) : un agent est plus averse au risque s'il choisit une part plus faible de l'actif risqué.

Méthodologie
L'analyse procède par normalisation du problème. Soit $Y = R/s$ le rendement relatif au rendement sûr. L'investisseur résout :
$\max_{\alpha \in [0,1]} E_p \log(1 + \alpha(Y - 1))$
où $\alpha$ est la part de la richesse dans l'actif risqué. La transformation $f$ induit une nouvelle transformation du rendement relatif $T_s^f(y) = f(sy)/f(s)$ . Le problème transformé consiste à maximiser la croissance logarithmique attendue sous $T_s^f(Y)$ .

L'outil analytique central est le ratio d'amplification du score, défini pour une part de portefeuille $\alpha$ et un rendement relatif $y$ comme :
$k_{\alpha,s}^f(y) = \frac{\gamma_\alpha(T_s^f(y))}{\gamma_\alpha(y)}$
où $\gamma_\alpha(y) = \frac{y-1}{1+\alpha(y-1)}$ est le gain marginal de croissance logarithmique.

L'auteur établit que la monotonie universelle de la demande de sécurité est équivalente à une propriété de passage unique (single-crossing property) de ce ratio de score : la transformation doit amplifier les incitations marginales négatives des réalisations « mauvaises » ( $y < 1$ ) autant qu'elle amplifie les incitations marginales positives des réalisations « bonnes » ( $y > 1$ ). En analysant les extrémités de la part du portefeuille ( $\alpha=0$ et $\alpha=1$ ), l'auteur réduit cette condition dynamique à des propriétés de courbure statiques de la fonction de transformation.

La méthodologie s'étend à :

L'inattention rationnelle : En exploitant l'équivalence entre le problème de Kelly et le problème d'inattention rationnelle (Robson et al., 2023) pour caractériser l'aversion au risque comparative pour des agents avec des coûts d'information de Shannon.
Transformations aléatoires : En analysant des familles de transformations où l'investisseur fait face à une option externe ex-post (par exemple, $r \vee B$ ), en traitant la transformation comme une variable aléatoire indépendante des rendements.

Contributions clés et résultats

1. Caractérisation déterministe (Théorème 3.3)
Le papier fournit une condition nécessaire et suffisante pour qu'une transformation $f$ augmente universellement la demande de sécurité. Une transformation $f$ augmente la demande de sécurité universellement si et seulement si :

$f$ est strictement croissante.
$f$ est concave.
La fonction $r \mapsto r/f(r)$ est convexe.

L'auteur souligne que la concavité ordinaire est insuffisante. Cette troisième condition, qualifiée de « restriction de courbure harmonique seconde », exige que la transformation comprime suffisamment les rendements ascendants par rapport aux rendements descendants.

Exemple : $f(r) = r/(1+r)$ satisfait ces conditions (la demande de sécurité augmente).
Contre-exemple : $f(r) = \sqrt{r}$ est concave mais échoue à la convexité de $r/f(r)$ ; par conséquent, elle n'augmente pas universellement la demande de sécurité (dans certains cas, elle augmente la demande de risque).

2. Corollaire de l'inattention rationnelle (Corollaire 4.3)
En appliquant le théorème principal au cadre de l'inattention rationnelle, le papier caractérise les transformations $\phi$ de l'utilité (taux de croissance) qui rendent un agent plus averse au risque. Pour une transformation lisse $\phi$ , l'agent est plus averse au risque (choisit l'action sûre plus fréquemment) si et seulement si :
$\phi''(u) \leq -|\phi'(u)(1 - \phi'(u))|$
Ce résultat implique que la concavité ordinaire de $\phi$ ne suffit pas ; la nouvelle utilité doit être « suffisamment plus concave » pour surmonter les effets d'échelle inhérents à la structure des coûts d'information.

3. Transformations aléatoires et options externes (Théorème 5.3 & Corollaires 5.4, 5.5)
Le papier étend l'analyse aux transformations aléatoires $F_z$ . Une conclusion clé est que les options externes ex-post (où l'investisseur peut prendre $\max\{r, B\}$ au lieu de $r$ ) augmentent universellement la demande de risque.

La transformation $r \mapsto r \vee B$ satisfait la condition de passage unique pour la demande de risque.
Cela est vrai tant pour l'investisseur Kelly standard que pour l'agent en inattention rationnelle, impliquant que la disponibilité d'une option externe rend l'agent moins averse au risque (plus enclin à détenir l'actif risqué).

Signification et affirmations
Le papier prétend distinguer les transformations de rendement des transformations d'utilité. Alors que l'aversion au risque comparative classique repose sur des transformations concaves de l'utilité, cette étude démontre que, dans le contexte de la croissance optimale, les transformations de rendement nécessitent une double condition de courbure spécifique (concavité de $f$ et convexité de $r/f(r)$ ) pour induire un comportement conservateur.

L'auteur positionne ce travail comme distinct de la littérature sur la dominance de portefeuille (qui modifie les distributions de gains) et des questions standards de croissance de portefeuille (qui cherchent des stratégies optimales). Au lieu de cela, le papier isole l'effet des échelles de rendement cardinales sur les parts de portefeuille. Les conclusions suggèrent que le comportement « plus averse au risque » dans un cadre de Kelly n'est pas simplement une question de courbure d'utilité, mais dépend de la manière dont l'échelle de rendement elle-même est déformée, exigeant spécifiquement que la transformation rende les rendements originaux suffisamment convexes lorsqu'ils sont mesurés dans les unités transformées.

Le papier conclut modestement, notant que ces résultats fournissent une caractérisation précise de quand un investisseur Kelly se comporte de manière plus conservatrice, offrant une nouvelle perspective sur l'aversion au risque comparative qui est robuste à toutes les distributions à support fini des rendements de l'actif risqué.