Calculateur premium: avoir de l’attrait face au risque en microéconomie
Estimez l’espérance de gain, l’espérance d’utilité, l’équivalent certain et la prime de risque d’un agent qui aime le risque. Cet outil applique directement les concepts d’utilité espérée et d’aversion ou d’attrait face au risque étudiés en microéconomie.
Calculateur d’utilité espérée et d’attrait face au risque
Comprendre l’attrait face au risque en microéconomie
En microéconomie, dire qu’un individu a de l’attrait face au risque signifie qu’il préfère, à espérance monétaire identique, une loterie plus dispersée à un revenu certain. Cette idée paraît intuitive quand on pense aux jeux, aux paris, à l’entrepreneuriat fortement innovant ou à certains choix financiers très spéculatifs. Pourtant, derrière cette intuition se cache un appareil théorique précis: la théorie de l’utilité espérée, la comparaison entre espérance de gain et équivalent certain, ainsi que les mesures locales de courbure de la fonction d’utilité.
Le principe central est simple. Un agent ne choisit pas uniquement en fonction de l’espérance monétaire d’un pari, mais selon l’espérance d’utilité. Si sa fonction d’utilité est convexe, alors l’utilité marginale augmente avec le niveau de richesse et l’agent peut préférer les situations plus risquées. Dans ce cas, on parle d’agent aimant le risque, ou de préférence pour le risque. Le calculateur ci-dessus vous permet précisément de quantifier cette situation à partir d’un jeu à deux issues.
1. La logique économique du calcul
Supposons un jeu avec deux résultats possibles:
- un gain faible \(x_L\), observé lorsque l’événement défavorable se produit,
- un gain élevé \(x_H\), observé lorsque l’événement favorable se produit avec probabilité \(p\).
L’espérance monétaire du jeu est alors:
EV = p × x_H + (1 – p) × x_L
Mais en microéconomie, l’évaluation normative passe plutôt par l’espérance d’utilité:
EU = p × u(x_H) + (1 – p) × u(x_L)
Ensuite, on calcule l’équivalent certain, c’est-à-dire la somme certaine qui procure la même utilité que la loterie. Formellement, il s’agit de la valeur CE telle que:
u(CE) = EU
Un agent qui aime le risque satisfait généralement la relation CE > EV. L’écart EV – CE devient alors négatif. On peut aussi parler de prime d’acceptation du risque en mesurant CE – EV.
2. Pourquoi une fonction convexe traduit-elle un attrait face au risque ?
La convexité de la fonction d’utilité implique que la moyenne des utilités aux extrêmes dépasse l’utilité de la moyenne. C’est une application directe de l’inégalité de Jensen. Si \(u\) est convexe, alors:
E[u(x)] > u(E[x])
Comme la fonction inverse de l’utilité existe sous les hypothèses usuelles, on obtient souvent:
CE = u^-1(E[u(x)]) > E[x]
Autrement dit, l’individu attribue au pari une valeur certaine supérieure à son gain moyen. Cela ne veut pas dire qu’il aime tous les risques, ni qu’il se comporte toujours comme un joueur. Cela signifie plutôt que, sur l’intervalle de richesse considéré, ses préférences valorisent positivement la dispersion.
3. Les fonctions d’utilité les plus utilisées
Pour un calcul simple, deux familles sont très pratiques:
- La fonction puissance convexe: \(u(x) = x^a\) avec \(a > 1\). Plus \(a\) augmente, plus la préférence pour le risque est marquée.
- La fonction exponentielle convexe: \(u(x) = e^{bx} – 1\) avec \(b > 0\). Elle rend l’utilité très sensible aux gains élevés.
La fonction linéaire \(u(x)=x\) représente, elle, la neutralité au risque. Dans ce cas, l’équivalent certain coïncide exactement avec l’espérance monétaire. Le choix de la forme fonctionnelle n’est jamais purement technique: il traduit une hypothèse sur la manière dont l’agent traite la dispersion, les grosses opportunités et les gains extrêmes.
4. Exemple chiffré d’un agent aimant le risque
Considérons une loterie avec 50 % de chances de gagner 150 € et 50 % de chances de gagner 50 €. L’espérance monétaire vaut:
EV = 0,5 × 150 + 0,5 × 50 = 100 €
Si l’on choisit une fonction d’utilité puissance convexe avec \(a = 1,3\), alors l’utilité des gains élevés augmente plus que proportionnellement. L’espérance d’utilité se trouve supérieure à l’utilité du gain moyen de 100 €. En inversant la fonction, on obtient un équivalent certain supérieur à 100 €. Cela signifie qu’un agent avec ce profil de préférence serait prêt à payer un supplément pour participer à la loterie plutôt que de recevoir immédiatement 100 € avec certitude.
5. Lien avec l’indice d’Arrow-Pratt
En théorie avancée, on mesure localement les préférences face au risque avec le coefficient d’Arrow-Pratt:
A(x) = -u”(x) / u'(x)
Quand ce coefficient est négatif, la fonction est localement convexe et l’agent a de l’attrait face au risque. Dans la pratique, cette mesure est très utile pour comparer des comportements autour d’un niveau de richesse précis. Elle permet aussi de relier la théorie microéconomique à la finance comportementale, à l’économie de l’assurance et à la théorie des contrats incitatifs.
| Type de préférence | Courbure de u(x) | Relation entre CE et EV | Interprétation économique |
|---|---|---|---|
| Aversion au risque | Concave | CE < EV | L’agent accepte de renoncer à une partie du gain moyen pour éviter l’incertitude. |
| Neutralité au risque | Linéaire | CE = EV | Seule l’espérance monétaire compte. |
| Attrait face au risque | Convexe | CE > EV | L’agent valorise positivement la dispersion et les gains extrêmes. |
6. Où observe-t-on l’attrait face au risque dans la réalité ?
Dans le monde réel, l’attrait face au risque n’est pas uniforme. Un même individu peut être prudent pour l’assurance santé, mais très offensif en matière d’innovation entrepreneuriale ou de placements spéculatifs. Les économistes observent souvent des préférences mixtes selon le domaine, la taille des enjeux, la richesse initiale et la façon dont le problème est présenté. Quelques contextes fréquents:
- Jeux et loteries: accepter une espérance monétaire faible, voire négative, en échange d’une petite probabilité de gain très élevé.
- Capital-risque et start-up: privilégier une distribution très asymétrique, avec beaucoup d’échecs mais quelques succès massifs.
- Choix de carrière: préférer une activité rémunérée de façon variable mais avec un très haut potentiel de progression.
- Financement de projets innovants: parier sur des résultats très incertains mais potentiellement transformateurs.
Il est essentiel de rappeler qu’un comportement observé ne permet pas toujours, à lui seul, de conclure à une préférence intrinsèque pour le risque. Il peut aussi refléter des contraintes de liquidité, des croyances subjectives optimistes, des effets fiscaux, ou encore des biais cognitifs comme la surestimation des faibles probabilités.
7. Quelques statistiques réelles utiles pour interpréter le risque économique
Les données empiriques montrent que les ménages et les investisseurs n’adoptent pas tous la même attitude face au risque. Voici deux tableaux synthétiques avec des statistiques réelles fréquemment mobilisées dans l’analyse économique du choix risqué.
| Indicateur réel | Valeur | Pourquoi c’est pertinent pour l’analyse du risque | Source |
|---|---|---|---|
| Médiane du patrimoine net des familles américaines en 2022 | 192 900 $ | Le niveau de richesse influence fortement l’acceptation ou le rejet des loteries risquées. | Federal Reserve, Survey of Consumer Finances 2022 |
| Part des familles américaines détenant des actions directement ou indirectement en 2022 | 58 % | La participation aux actifs risqués varie selon la tolérance au risque, l’horizon et l’information. | Federal Reserve, Survey of Consumer Finances 2022 |
| Part des familles disposant d’un compte de transaction en 2022 | 95,6 % | La forte détention d’actifs liquides rappelle que la sécurité reste dominante pour de nombreux ménages. | Federal Reserve, Survey of Consumer Finances 2022 |
| Fait stylisé réel | Valeur indicative | Lecture microéconomique | Référence académique ou institutionnelle |
|---|---|---|---|
| Prime historique des actions américaines sur les bons du Trésor à très long terme | Environ 5 à 7 points par an selon les périodes et les méthodes | Les investisseurs exigent une rémunération pour porter du risque, mais certains profils recherchent aussi la convexité des gains. | Données utilisées dans la littérature de finance empirique et d’enseignement universitaire |
| Forte concentration des gains de l’innovation | Une minorité de projets capture l’essentiel de la valeur | Ce type de distribution peut attirer les agents ou investisseurs qui valorisent fortement le potentiel extrême. | Études d’entrepreneuriat et de capital-risque dans les grandes universités |
| Demande persistante de loteries malgré une espérance souvent défavorable | Phénomène stable dans de nombreux pays | Compatible avec l’attrait pour les faibles probabilités de gains très élevés, mais aussi avec des biais comportementaux. | Recherche en économie publique et en économie comportementale |
Remarque: les chiffres du premier tableau sont directement issus du Survey of Consumer Finances de la Federal Reserve. Le second tableau résume des faits stylisés très documentés dans la littérature empirique sur le risque, les placements et l’innovation.
8. Comment bien utiliser le calculateur
- Saisissez les deux gains possibles du pari ou de l’investissement.
- Indiquez la probabilité du scénario favorable.
- Choisissez une fonction d’utilité adaptée à votre analyse.
- Définissez le paramètre de risque. Au-dessus de 1 pour la fonction puissance, ou positif pour la fonction exponentielle, vous représentez un attrait face au risque.
- Cliquez sur Calculer pour obtenir l’espérance de gain, l’espérance d’utilité, l’équivalent certain et la prime de risque.
Le graphique aide ensuite à comparer les principaux points de la décision: le gain faible, le gain élevé, l’espérance monétaire et l’équivalent certain. Si la barre de l’équivalent certain dépasse celle de l’espérance monétaire, vous visualisez immédiatement une préférence pour le risque.
9. Interprétation économique des résultats
Voici un cadre simple pour interpréter vos calculs:
- CE > EV: l’agent aime le risque. Il valorise le potentiel des gains élevés plus que ne le suggère l’espérance monétaire.
- CE = EV: l’agent est neutre. Le risque n’ajoute ni ne retire de valeur.
- CE < EV: l’agent est averse au risque. Il exigerait une compensation pour accepter la loterie.
La taille de l’écart compte autant que son signe. Un très léger dépassement de CE sur EV signale une attirance modérée pour le risque. Un écart important signale au contraire une forte convexité des préférences sur la zone étudiée. En finance ou en théorie des contrats, cette intensité a des conséquences sur l’incitation, la rémunération variable et la conception des mécanismes de partage du risque.
10. Limites de l’approche
Comme tout modèle, cette approche simplifie la réalité. Elle suppose notamment que l’agent connaît les probabilités, qu’il évalue les résultats avec cohérence, et qu’une seule variable monétaire suffit à représenter le choix. Dans la vraie vie, la perception des probabilités peut être biaisée, la richesse initiale importe, et l’utilité peut dépendre de points de référence psychologiques. Les modèles de type prospect theory montrent d’ailleurs que des individus apparemment averses au risque peuvent rechercher le risque dans le domaine des pertes.
Malgré ces limites, le calcul d’utilité espérée demeure un outil fondamental. Il structure l’enseignement de la microéconomie avancée, de la théorie de l’assurance, de la finance et de l’économie publique. Pour un étudiant, un consultant, un investisseur ou un enseignant, savoir calculer un équivalent certain reste une compétence de base pour analyser rationnellement les choix en univers incertain.
11. Ressources institutionnelles et universitaires pour aller plus loin
Si vous souhaitez approfondir la théorie de l’utilité, l’analyse du risque et les données patrimoniales, consultez ces ressources d’autorité:
- Federal Reserve: Survey of Consumer Finances
- MIT OpenCourseWare: Microeconomic Theory
- Johns Hopkins University: Utility and risk lecture notes
12. Conclusion
Calculer l’attrait face au risque en microéconomie revient à comparer l’espérance monétaire d’un jeu à la valeur que l’agent lui attribue via sa fonction d’utilité. L’idée décisive est que la forme de cette fonction change complètement la décision. Une fonction convexe conduit à aimer la dispersion, une fonction linéaire à l’ignorer, et une fonction concave à la redouter. Avec le calculateur ci-dessus, vous disposez d’un outil opérationnel pour transformer cette théorie en résultats chiffrés et visuels, puis interpréter rapidement le comportement d’un agent face à l’incertitude.