Cours de Finance (M1) - Cognition, statistiques et risques financiers

Cours de Finance (M1)
Cognition, statistiques et risques financiers

 1
 2

 3 4

https://ocw.mit.edu/courses/sloan-school-of-management/15-401-finance-theory-i-fall-
2008/video-lectures-and-slides/portfolio-theory/

 Adaptive Markets: Andrew Lo
 When markets are unstable, investors
 react instinctively, creating inefficiencies
 for others to exploit.

 Financial evolution shapes behavior and
 markets at the speed of thought—a fact
 revealed by swings between stability and
 crisis, profit and loss, and innovation and
 regulation.

 https://alo.mit.edu/book/adaptive‐markets/

 5 6

 Behavioral Finance and the Role of
 Psychology (Robert Shiller) Comptabilité mentale (mental accounting)
 https://oyc.yale.edu/economics/econ-252-11/lecture-11
  On achète plus facilement à crédit (aux Etats-Unis ?)
 qu’au comptant (transaction decoupling)
  Intérêt des transactions à terme
  De l’achat avec effet de levier

 On traite l’argent de manière
 différente selon sa provenance et
 l’usage que l’on compte en faire

 Richard Thaler
 7 8

Comptabilité mentale (mental accounting) Biais cognitifs
 “Mental accounting is the set of cognitive operations  Des biais cognitifs ont été mis en évidence
 used by individuals and households to organize, par les psychologues et les économistes
  Finance comportementale
 evaluate and keep track of financial activities”.
  Daniel Kahneman étudie les mécanismes
  R. Thaler, Mental Accounting Matters, Journal of
 Behavioral Decision Making, 1999
 cognitifs et les constructions déformées du
 passé et de l’avenir
 Un investisseur détient deux actions, l’une sur  Biais de reconstruction, biais d’optimisme
 laquelle il a réalisé des plus-values, l’autre des moins
  Examine la prise de décision financière en
 values. Il doit vendre l’une de ces actions pour faisant le lien entre psychologie,
 récupérer du cash. Il tend en général à vendre microéconomie et développement du
 l’action en plus-value, car la vente de l’action en capitalisme
 moins-value matérialise la souffrance de la perte  Part III Overconfidence
 (biais de disposition).  Part IV Choices
 9 10

 Théorie des perspectives
 Mise en perspective de la théorie
 de l’utilité espérée
  De Von Neumann et Morgenstern
  Cadre standard de la théorie
 microéconomique pour les
 décisions d’investissement
 Et de ses limites en matière de
 gestion des risques
  Aversion aux pertes
  Cadrage en gros plan
  Concepts très utiles pour tout
 décideur financier
 11 12

Bias cognitifs : comment
 reconnaître l’aléatoire ?
 Les deux systèmes cognitifs
  Système automatique ou système 1
  Intuitif, instinctif
  Système réflectif ou système 2
  Rationnel
 Système automatique Système réflectif
 Non contrôlé Contrôlé
 Sans effort Exige des efforts
 Associatif Déductif
 Rapide Lent
 Inconscient Conscient
 Exprime un talent Applique des règles
 13 14

 Illustration du fonctionnement du Bias cognitifs : comment reconnaître
 système 1 l’aléatoire ?
  Les deux systèmes cognitifs à l’oeuvre  Le système 1 nous indique que la table de gauche est plus
  Deux tables (R. N. Shepard (1990), Mind longue et étroite que celle de droite
 Sights)  Une estimation moyenne est que
  La table de gauche est trois fois plus longue que large
  Celle de droite est une fois et demi plus longue que large
  En fait, les dimensions des deux tables sont identiques
  Biais visuel
  Il ne suffit pas de voir pour croire …
  Il s’agit d’une erreur de jugement
  Celui qui la commet est pourtant persuadé qu’il a raison
  Dès des raisonnements statistiques et de prise de risque sont
 en jeu, ce type de biais est fréquent

 15 16

Bias cognitifs : comment reconnaître Retour sur l’application des probabilités à l’analyse de situations réelles
 l’aléatoire ?
 Votre frère vous annonce que sa nouvelle amie est une
 Deux tables (R. N. Shepard (1990), Mind Sights) artiste qui adore la poésie. Est‐il plus probable qu’elle ait
 L’incrédulité de Saint Thomas étudié la littérature chinoise ou les Sciences de Gestion ?

 Linda is 31 years old, single, outspoken (franche), and very
 bright. She majored in philosophy. As a student, she was
 deeply concerned with issues of discrimination and social
 justice, and also participated in anti‐nuclear demonstrations.

 Which is more probable?

 Parce que tu m’as vu, tu as 1. Linda is a bank teller (caissière).
 cru. Heureux ceux qui n’ont 2. Linda is a bank teller and is active in the feminist
 pas vu, et qui ont cru ! movement.
 Tiré de Tversky et Kahneman
 Jean 20, 29
 17 18

 Systèmes 1 et 2 : analyse des deux cas Systèmes 1 et 2 : analyse des deux cas

  Le cas Linda est également intéressant, car la grande
 majorité des répondants (jusqu’à 89% choisissent )

 comme la réponse la plus probable (plausible ?)


  | | ⇔ ⋂ ⋂ ⇔ | 
  Linda is a bank teller
 |  Linda is a bank teller and is active in the feminist
  On peut penser que | | , disons | 0,1 et movement
 | 0,05.
  Mais ≫ , disons 200 .
  Comme , .
 |  On peut même penser que .
  Dans ce cas 100 !
 |

 Le système 2 (lent, déductif, fatiguant) nous amène à une  A nouveau, le système 1 est mis en défaut. Développer
 réponse réalise, le système 1 automatique des heuristiques le système 2 nécessite des efforts, mais encore faut-il
 fonctionne mal dans un contexte non déterministe avoir conscience du problème
 19 20

Predictably Irrational: The Hidden
Forces That Shape Our Decisions

 Dan Ariely
 21 22

 23 24

L’illusion du parieur (gambler’s fallacy) et le Gambler’s fallacy : une forme du biais de représentativité
 problème de l’induction

 Après l´observation d´une longue suite de rouge sur
 une roulette, la plupart des gens croient que les cases
 noires vont maintenant arriver, probablement parce que
 l´occurrence des noires aboutira à une séquence plus
 « représentative » que l´occurrence d´une rouge
 supplémentaire
  Tversky & Kahneman, 1974
 Après que le rouge soit sorti plusieurs fois de suite,
 89% (!) ont précisé que le noir avait une plus forte
 probabilité que le rouge d'être gagnant au coup suivant
  Lambert & Zaleska, 1966
 Confusion entre hasard pur et équirépartition

 26

 Le problème de l’induction et l’appréhension
 du risque
  Une approche inductive (ou bayésienne) pousserait
 au contraire à une extrapolation
  Un algorithme de machine learning avec une base
 d’apprentissage pauvre serait aussi biaisé dans le
 sens de l’extrapolation.
  Si l’on connait la règle du jeu, la séquence passée
 n’a aucune influence sur la probabilité
 d’occurrence du rouge ou du noir : équiprobabilité
  Attitude rationnelle si l’on connait la règle du jeu
  La règle du « jeu boursier » n’est pas connue et peut
 changer au cours du temps
 27

Induction, apprentissage : « Iowa Gambling task » ou
 Induction, apprentissage : « Iowa Gambling
test du jeu de poker
 task » ou test du jeu de poker
  Bechara et al (1994)
  Le joueur peut choisir des cartes dans l’un
 quelconque des 4 tas A, B, C, D
  Il ne connait pas les règles et doit maximiser ses
 gains
  Distributions des gains et des pertes

 Les bases biologiques de l’induction
  Au bout de 40 ou 50 tirages, un individu moyen va
 tirer uniquement dans les tas C ou D (plutôt C ?)
  On connait assez bien les mécanismes
 neurobiologiques à l’œuvre dans les choix pour les
 sujets normaux, ceux qui ont une addiction au jeu,
 les personnes cérébrolésées ou souffrant de
 troubles de l’attention (mémoire de travail)
  Par exemple, un joueur addictif ne va voir que les gains We are not thinking machines
  Un joueur normal apprend dans la douleur (aversion
 that feel; rather, we are feeling
 aux pertes) en tirant dans le tas B machines that think.
  On peut savoir par l’analyse de ses émotions, avant
 Antonio Damasio
 qu’il n’en soit conscient s’il va retirer dans le tas B
 32

Les bases biologiques de l’induction Les bases biologiques de l’induction
  Les expériences précédentes ont été appliquées (avec  Proctor, D. (2012). Gambling and Decision-Making Among
 quelques modifications des protocoles) à des enfants Primates: The Primate Gambling Task.
 et à des primates.  Pelé, M., Broihanne, M. H., Thierry, B., Call, J., & Dufour,
 V. (2014). To bet or not to bet? Decision-making under risk
  Les singes proches (chimpanzés) de l’homme sont in non-human primates. Journal of Risk and Uncertainty,.
 capables d’apprentissage et donc d’inférer des
  Macaques, capucins, orangs-outangs distinguent les
 probabilités et des espérances de gain
 probabilités faibles des probabilités élevées de gain,
  Mais ils ont les mêmes biais émotionnels que les mais aussi les réussites ou échecs récents
 humains (aversion aux pertes)
  Ils révisent leurs probabilités un peu trop rapidement
  Les capucins sont moins soumis à ces biais et par rapport à la règle bayésienne (« hot hands effect »)
 évaluent mieux les probabilités

Hot hand fallacy : tendance à l’extrapolation
(induction), stratégies momentum au lieu de
stratégies contrarian (Gambler’s fallacy) Les bases biologiques de l’induction
  Les enfants de 3 – 4 ans ne semblent pas appréhender
 les probabilités quantitatives (faut-il savoir compter ?!)
  Peuvent-ils avoir des degrés de croyance ?
  Vers 5 ans, quantification des probabilités de perte et
 premières notions d’espérance
  Anderson 1991; Reyna & Brainerd 1994; Schlottmann 2001; Pange
 & Talbot 2003
  Vers 7 – 8 ans, la formalisation probabilistes est
 acquise, mais certains enfants ont des résistances à
 l‘échange : ils refusent des opportunités d‘arbitrage
 (win – win) : manque de confiance envers les règles de
 l’échange ?
 35

Les bases biologiques de l’induction Récompense et risque
  Dans le système dit “de récompense”, premier moteur de
 l’action, la dopamine est le principal neurotransmetteur
  Marie-Hélène Broihanne
  La dopamine est de ce fait impliquée dans les addictions
 « Nos comportements et nos erreurs (en matière
 d’analyse des risques) ont des bases biologiques et
 relèvent donc de l'inné et probablement pas de Seule la récompense
 l'acquis » inattendue active les
 « On peut donc probablement réduire ces biais par neurones
 l'éducation. Mais il apparaît difficile de les dopaminergiques
 supprimer complètement »
  Conclusions similaires de Daniel Kahneman, prix Nobel
 d’économie à propos de l’apprentissage des statistiques

 38

 Récompense et risque Le système 1 (associatif, intuitif, rapide,
 Si on présente une loterie à un individu (ticket de loto gratuit), sa
 satisfaction (ex‐ante) augmente avec la probabilité de gain automatique et sans effort) amène à
 prendre des décisions incohérentes
 (stupides).

 Leon Festinger

 En contrepartie d’un effort, il faut une « récompense » : système
 de récompense (dopamine) en neurosciences, contrats
 « incitatifs » en économie (bonus). C’est la « carotte », qui permet
 Ex‐post, c’est l’inverse : c’est le gain inattendu qui apporte de la par exemple d’améliorer les capacités prédictives et d’accélérer
 satisfaction. Proposer un jeu de pile (gain = 1 euro) ou face (gain = 0 l’apprentissage d’un individu (« renforcement », machine learning)
 euros), provoque de la satisfaction ex‐ante et ex‐post (une fois sur deux)

 39 40

Dans la théorie de l’agence, l’effort effectué par un Est-il plus utile de manipuler le
dirigeant (gérant de portefeuille) mandaté par un système 1 ?
actionnaire (investisseur) pour choisir les meilleurs
investissement est coûteux.  Nudge, la méthode douce pour inspirer
 la bonne décision
Il faut faire appel au système 2 (lent, fastidieux, …)  Nudge: Improving Decisions About Health,
 Wealth, and Happiness
Theory of the firm: Managerial behavior, agency costs and ownership  Richard H. Thaler et Cass R. Sunstein
structure: Jensen & Meckling (1976)
  R. Thaler, université de Chicago
  un des pères de la finance comportementale
Incitations monétaires positives ou négatives  Behavioral finance
(« punition »,« joie mauvaise », mais aussi valeurs  Partie 2 : l’argent
éthiques, normes sociales : Voir transparents finance et  6 Demain, j’épargnerai plus
confiance  7 L’investisseur candide
  8 Le crédit : la bouteille à l’encre
 41 42

 43 44

http://www.youtube.com/watch?v=qzJxAmJmj8w

 Finance comportementale
  « Biais d’optimisme »
  Surestimation de ses capacités
  Tendance à surévaluer les chances de
 succès et minimiser les risques d’échec
  Notamment en matière d’investissements
 boursiers et au niveau des entreprises
  Ne pas confondre initié et prétentieux !
  Sous-estimer les capacités des
 «adversaires »
  Si un vendeur trouve avantageux de vendre à
 un prix donné, pourquoi lui acheter à ce prix ?
  Un teneur de marché (market maker) est-il un
 concurrent ou un conseiller de ses « clients » ?

 http://www.philomag.com/les-idees/entretiens/daniel-kahneman-les-gens-sont-infiniment-
 compliques-7155
 45 46

 D. Kahneman en équations Hazard, marchés et inégalités de richesse
  Success = talent + luck
 L’oracle d’Omaha …  Implications de la “chance” dans les inégalités de
  Great success = a little more talent +
 a lot of luck. patrimoine et dans une économie d’échange (de
  Tendance à surévaluer le talent de marchés financiers)
 ceux qui ont réussi par rapport à la
  Individus pariant les uns contre les autres :
 part de la chance dans leur succès
  Cela ne veut pas dire qu’ils manquent de  « fair games », espérance de gain nul pour tous les agents
 talent, ni d’humour …  On tend rapidement vers des distributions très
  Un biais cognitif courant consiste donc inégalitaires
 à minimiser l’effet du hasard
  Bouleau, N., & Chorro, C. (2017). The impact of
  Ceci contribue d’ailleurs à alimenter le
 besoin en prévisionnistes et experts
 randomness on the distribution of wealth: Some economic
  « Financial gurus »
 aspects of the Wright–Fisher diffusion process. Physica A:
  http://www.marketoracle.co.uk/Article43686.html Prévision à 3 ans du Statistical Mechanics and its Applications, 479, 379-395.
 niveau des actions US,
 site marketoracle
 47 48

Biais d’optimisme
 Hazard, marchés et inégalités de richesse
  Rationalité des investisseurs ?
  Les individus sont dotés de richesses initiales égales
 Création de trappes à
 pauvreté et
 concentration de la
 richesse entre les mains
 de quelques personnes

 Origine de la
 condamnation morale
 des jeux de hasard ?
 Aristote : chrématistique
 = trading pour compte
 propre ?
 Excès de confiance : « je peux battre le marché »
 49 50

Biais d’optimisme

The gambler is apparently the
last optimist; he is a creature
totally unmoved by experience.
His belief in ultimate success
cannot be shattered by financial
loss, however great. He did not
win today? So what? Tomorrow
will be lucky. He’s lost again? It
doesn’t prove a thing; someday
he’s bound to win.

 Edmund Bergler (1957)

 51 52

Jack Welch, ancien patron charismatique de General Electric.
 Straight from the gut est le titre de son autobiographie et un
 résumé de son approche intuitive de l’investissement

 “Executives make investments in the face of fundamental
 uncertainty. Theoretical economists who struggle to
 understand how people handle uncertainty seem to be
 converging on behavioral economics”.

 Jack is the Tiger Woods of
 management, Warren Buffet
 53 54

 La finance comportementale au cœur de la décision d’investissement

Jack: Straight from the Gut, sums up this reality:
investment decisions are intuitive, not analytical.
Intuition, a social process, follows the laws of
psychology—indeed, of social psychology.
De Akerlof et Shiller, “How ‘animal spirits’ destabilize
economies” dans McKinsey Quarterly.

 55 56

 Hasard et incertitude créent un sentiment d’insécurité  « Mécanismes de défense », pour se protéger de
 l’incertitude, maintenir l’illusion d’un monde calculable,
 cohérent, explicable.

 « Nous tout c'qu'on veut, c'est être
 heureux ; être heureux avant d'être
 vieux. On a pas l'temps d'attendre
 d'avoir 30 ans ».
 Leon Festinger
 Daniel Balavoine
  Biais cognitifs capacités limitées : bounded rationality
  Heuristiques du système 1:
  Le système associatif, intuitif, rapide, automatique et sans effort
 amène à prendre des décisions incohérentes  Biais de confirmation
  Dissonance cognitive : tension quand les pensées ou  Biais rétrospectif
 croyances entrent en contradiction avec les faits
 57 58

 Finance comportementale
 Biais de confirmation (confirmation bias)
  Les individus cherchent des informations qui
 les confortent dans leurs préjugés
  Cas extrême : impact des réseaux sociaux sur le
 développement de mouvements extrémistes
 Biais rétrospectif, hindsight bias (Baruch
 Fischhoff)
  Tendance à reconsidérer ses propres
 croyances (passées) en fonction du futur
 réalisé
  « Je le savais bien » (en général après une
 catastrophe boursière ou autre)

 59 60

Finance comportementale
 “The idea that the future is unpredictable is
 Recherche de « causalités » a posteriori undermined every day by the ease with
  « Narrative fallacy » (Nassim Taleb) which the past is explained.”
  Reconstruction du passé afin de lui donner
 un sens
  Le jour où Saddam Hussein a été capturé, les prix
 des bons du trésor américain ont augmenté
  Bloomberg transmis le flash d’information
 suivant
  US Treasuries rise; Hussein capture may not
 “The illusion that we understand the past
 curb terrorism fosters overconfidence in our ability to
  ½ heure après, les prix des bons du trésor predict the future.”
 américain repartent à la baisse et Bloomberg
 révise son gros titre ― Daniel Kahneman, Thinking, Fast and Slow
  US Treasuries fall; Hussein capture boosts allure
 of risky assets
 61 62

 63 64

Finance comportementale Finance comportementale
 Biais de sélection, biais du survivant
  Biais de sélection, biais du survivant
  Processus de sélection naturelle
  … Il ne subsiste que des gérants chanceux …
  Darwin place le hasard au centre de l’évolution
  Éventuellement talentueux, mais avant tout chanceux
  We are profoundly ignorant of the causes producing (…)
 variations  Tests statistiques de la mesure de performance en
  and as we do not see the cause, we invoke cataclysms to corrigeant ces biais
 desolate the world, or invent laws on the duration of the  “False discoveries in mutual fund performance:
 forms of life! Measuring luck in estimated alphas”
 Les gérants de portefeuilles qui se trompent font  Barras, Scaillet & Wermers, Journal of Finance, 2010
 perdre de l’argent à leurs clients disparaissent  New York Times : “The prescient are few”
  http://www.nytimes.com/2008/07/13/business/13stra.html?_r=0
 65 66

 67 68

Statistique, cognition et risques financiers Biais d’échantillonnage (et du survivant)
 « La statistique est une branche des mathématiques  Pendant la seconde guerre mondiale, le Center for
 qui s’est développé tard, et c’est normal parce que Naval Analyses avait mené une enquête sur les
 c’est compliqué, c’est même complètement contre- dommages infligés aux bombardiers américains.
 intuitif ».  L’idée était de renforcer le blindage des avions pour
  Cedric Villani (2102) minimiser les pertes au feu, sans trop les alourdir.
  Une étude de localisation des impacts montra que les
 ailes et l'arrière du fuselage qui étaient les plus
 atteints.
  Le renforcement en conséquence eut des effets
 négatifs : encore plus d’avions abattus.
  Pourquoi ?
 69 70

 Biais d’échantillonnage (et du survivant)

 Abraham Wald

 Le test de Wald permet de tester si un portefeuille boursier est
 efficient (nullité de tous les alpha de Jensen)
 71 72

Biais d’échantillonnage (et du survivant)
 On a fait appel à Abraham Wald (test de Wald).
 Il ordonna que l’on renforce les parties sur lesquelles
 il n’y avait pas d’impact
 En effet, les impacts auraient dû être équirépartis

 Les zones sans impact
 étaient fatales, les avions
 touchés ne revenant pas à
 leur base

 73 74

 75 76

Ce qui précède n’est pas ce qui
 cause Corrélation et causalité
 Le sophisme « Après cela, donc  Pearl et McKenzie (2018)
 à cause de cela »  Corrélation entre la tempête à venir
  Post hoc, ergo propter hoc et l’aiguille du baromètre
 « A s'est produit, puis B s'est
 produit. Donc, A a causé B ».
 L’accroissement de la taille des
 pieds précède la mort…
  Repris du livre d’Hubert Krivine,
  Comprendre sans prévoir, prévoir
 sans comprendre

https://www.youtube.com/watch?v=L-3pGlGSV18
 77 78

 Corrélation et causalité Ce qui précède n’est pas ce qui cause
  La baisse de l’aiguille du baromètre indique une augmentation
 de la probabilité d’une tempête, mais faire baisser l’aiguille du  “Causalité” au sens de Granger (1969)
 baromètre n’a pas d’effet sur la probabilité d’occurrence de la  une série temporelle , causerait une autre série
 tempête.
 , , lorsque la connaissance du passé de , entraîne
 une prévision de , meilleure que celle fondée
 uniquement sur le passé de , .
  La connaissance des valeurs passées , permet
 d’améliorer la prédiction (de diminuer l’erreur de
Inference Engine prédiction).
 selon Pearl et
 McKenzie  Il est à noter que , peut causer , et vice versa.
  Le terme de « causalité » est ici ambigu.

 79 80

Ce qui précède n’est pas ce qui cause
 Ce qui précède n’est pas ce qui cause Superbowl indicator : comment prédire si le marché boursier sera haussier
 l’année prochaine en fonction des résultats du Superbowl » ?
 On pourrait chercher une action dont les variations de prix
 anticipent celle d’une autre : lead-lag

 Une corrélation presque parfaite au 20e siècle,
  De tels phénomènes apparaissent souvent parce que mais qui disparaît après. Illustre le problème de
 l’induction. Il était difficile de trouver une cause
 l’action lag est moins fréquemment traitée que l’action lead même rétrospectivement.
 81 82

 83 84

 Économie expérimentale : attitudes vis-à-vis du risque
  Déterminer le niveau d’aversion vis-à-vis du risque
  Développement de protocoles expérimentaux
  Série de choix séquentiels entre des lotteries
  Risk aversion and incentive effects, Holt et Laurie (2002),
 American Economic Review

 Exemple de choix de lotteries proposé par Holt et Laurie

 85 86

 Biais de cadrage (framing effect) Biais de cadrage (framing effect)

 600 personnes encerclées par les flammes

 72% des participants préfèrent A, 28% B

 On préfère préserver 200 vies de manière certaine que
 risquer que tout le monde meure avec une probabilité 2/3

 87 88

Biais de cadrage (framing effect) Biais de cadrage (framing effect)

 78% préfèrent D, 22% C.
On veut éviter la mort certaine de 400 personnes alors
qu’on a une probabilité d’1/3 de sauver tout le monde
 Pourtant A et C sont équivalents, de même que B et D.
 Selon la manière dont les choix sont présentés, la prise
 de décision change
 89 90

 91 92

Ambiguïté, incertitude et paradoxe d’Ellsberg

 Daniel Ellsberg
 93 94

 Ambiguïté, incertitude et paradoxe d’Ellsberg Probabilités, scénarios et neurosciences
 Daniel Ellsberg prolonge les réflexions de Knight ou de  Le cerveau humain peut traiter de multiples scénarios
 Keynes sur ce qui est calculable ou pas en matière de ou états de la nature possibles.
 risque  Redshaw & Suddendorf (2016). Children’s and apes’ preparatory
 responses to two mutually exclusive possibilities. Current Biology,
 Il introduit le concept d’ambiguïté, proche de celui
 d’incertain, utilisé par Knight
 Le paradoxe d’Ellsberg, construit à partir de tirages de
 boules de différentes couleurs, amène à une réflexion sur
 l’utilisation du cadre probabiliste dans la prise de décision
 et la mesure des risques.
  Ellsberg (1961). Risk, ambiguity, and the Savage axioms. The quarterly
 journal of economics.
  Epstein, & Zhang (2001). Subjective probabilities on subjectively
 unambiguous events. Econometrica, 69(2).

 95 96

Ambiguïté, incertitude et paradoxe d’Ellsberg

Un enfant de 4 ans (mais pas de deux ans), sait que
sans aucun apprentissage (système 1), mais ce n’est pas le cas du
chimpanzé
 97 98

 Ambiguïté, incertitude et paradoxe d’Ellsberg

 99 100

Ambiguïté, incertitude et paradoxe d’Ellsberg Ambiguïté, information, événements
 compris entre 0 et 2/3 Dans le langage des probabilités, un
  les deux bornes correspondent à 0 et 100% de boules événement est un ensemble d’états de la
 jaunes parmi les 60 dont on ne connait pas la couleur. nature pour lequel on peut définir une
  si le principe d’indifférence s’applique probabilité
  On suppose que l’agent raisonne en espérance de gain
 Ici, on a trois états de la nature, rouge,
 1 préféré à 2 (aversion à l’ambiguïté): jaune, noir. est un événement,
 4 est préféré à 3 (aversion à l’ambiguïté) : est aussi un événement, mais
 pas ou

 Pas de probabilité qui permette de justifier la cohérence
 Si et étaient des événements, l’ambiguïté serait
 des deux choix précédents.
 levée et on l’on disposerait de plus d’information sur les états de
 la nature : plus d’événements veut dire plus d’information
 101 102

 Ambiguïté, incertitude et paradoxe d’Ellsberg
 Dissonance cognitive : psychologie sociale
  Exercice : construire un mécanisme financier (opportunité
 Dissonance cognitive : tension interne propre au d’arbitrage) qui permette de tirer parti des contradictions
 système de pensées, croyances, émotions et attitudes précédentes. Qu’en conclure ?
 (cognitions) d'une personne lorsque plusieurs d'entre  Lien entre existence d’un système de probabilités et absence
 d’opportunité d’arbitrage : problème du Dutch Book étudié par de
 elles entrent en contradiction l'une avec l'autre. Finetti ou Savage. Voir https://plato.stanford.edu/entries/dutch-book/
 Leon Festinger : A theory of cognitive dissonance  Questions :
 (1957)  Que se passe-t-il si deux agents ont des probabilités
 Festinger étudie les stratégies de maintien de la subjectives de réalisation d’un événement égales à 0 pour le
 premier, 1 pour le second et qu’ils n’apprennent pas au cours
 cohérence personnelle, y compris les stratégies
 de l’échange ?
 d'évitement des circonstances identifiées comme
  Que se passe-t-il si tous les agents ont les mêmes probabilités
 source de dissonance. subjectives ?

 103 104

Rationalités plurielles Finance comportementale : Risk attitudes
 David Ingram et Michael Thompson  Quatre « attitudes » (manières d’appréhender, de
  Concept emprunté à l’anthropologie sociale concevoir) vis-à-vis du « risque »
  Pragmatists who believe that the world is uncertain
 and unpredictable
  Conservators, whose world belief is of peril and
 high risk
  Maximizers, who see the world as low-risk and
 fundamentally self-correcting
  Managers, whose world is moderately risky, but
 not too risky for firms that are guided properly
 Dave Ingram Michael Thompson
 105 106

 Finance comportementale : risk attitudes
 Maximizers Conservators

 Pragmatists

 107 108

Classification des attitudes vis‐à‐vis du risque parmi les
 professionnels de l’assurance : CA, CXO, souscripteurs, …

 109 110

 Parabole du portefeuille
 perdu drunkard search
 principle, streetlight effect

 Le monde de Markovitz et du
 Médaf est celui des
 managers, de l’objectif, du
 risque calculable et
 maîtrisable, des livres de
 MBA, celui des modèles près
 à l’emploi, des données
 facilement disponibles,du
 médiocristan. Suffisamment
 mathématique pour paraître
 scientifique.
Utile de par sa cohérence interne et son formalisme, mais aussi
dangereux : risques extrêmes, « exigences » de rentabilité irréalistes
 111 112