Markowitz et CAPM

Pour le troisième cours à l’X, sur Markowitz, l’approche moyenne-variance et le CAPM, les slides sont en ligne, ainsi que les énoncés des exercices. Je ferais PC l’après midi, salle 75, bâtiment Paul Levy.

Comme toutes les semaines maintenant, un petit complément sur un imprécision lors de la PC… j’avais pensé (espéré) que l’on pourrait avoir un résultat général sur le comportement du portefeuille tangent, lorsque la corrélation évolue. J’ai donc repris* l’exemple de l’exercice, avec 3 actifs (dont 1 sans risques), en comparant trois cas possibles. Le cas limite est celui du milieu, lorsque les trois actifs sont alignés dans le plan moyenne variance. A gauche est représenté le cas “convexe” et à droite le cas “concave“. Les points violets correspondent à l’évolution de la position du portefeuille tangent en fonction de la corrélation entre les deux actifs risqués, entre -1 et 1 (ou plutôt 0.999999). Encore une fois, le cas où la corrélation vaut 1 ne peut être traité que si les points sont alignés, i.e. l’hypothèse d’absence d’opportunité d’arbitrage est vérifiée.

Dans le cas convexe“, le portefeuille tangent se rapproche d’un actif sans risque virtuel, tel que cet actif et les deux actifs sans risque seraient alignés. Dans le cas concave“, on converge vers le point de plus haut rendement (alors qu’on passait par le point de plus bas rendement dans le cas “convexe“), mais on le repasse pour partir à l’infini, avant de revenir par dessous, pour finalement atteindre – là aussi – l’actif sans risque virtuel, tel que cet actif et les deux actifs sans risque seraient alignés

Bref, je ne sais pas s’il existe un résultat général sur le comportement du portefeuille tangent, mais si un géomètre veut se lancer sur ce problème, je suis intéressé par les conclusions !

* repris numériquement seulement, sur un exemple numérique simple… avant d’avancer un résultat, je voulais voir si un résultat simple (et général) pouvait être obtenu sur des exemples numériques.

Analyse Factorielle des Correspondances

Les slides de la seconde partie sont en ligne sur mon blog.

Parmi les cours en ligne, on trouvera des notes de cours au CNAM,  ou de Jean Michel Loubes. Sinon, pour accéder aux bases de données, les codes R sont les suivants,

base1=read.table("https://perso.univ-rennes1.fr/arthur.charpentier/Diplomes-emplois-1.csv",header=TRUE,sep=";")
base2=read.table("https://perso.univ-rennes1.fr/arthur.charpentier/Diplomes-emplois-2.csv",header=TRUE,sep=";")
base=read.table("https://perso.univ-rennes1.fr/arthur.charpentier/election2002.txt",header=TRUE)
base=read.table("https://perso.univ-rennes1.fr/arthur.charpentier/csp-vac.csv",header=TRUE,sep=";")

Enfin, les bases de données qui seront utilisées en TD sont les suivantes,

base=read.table("https://perso.univ-rennes1.fr/arthur.charpentier/election.csv",header=TRUE,sep=";")

Single crossing et TVaR

Pour le second cours à l’X, les slides sont en ligne, ainsi que les énoncés desexercices. Je ferais PC l’après midi, salle 75, bâtiment Paul Levy.

Chose promise, chose due… sur le second exercice, sur la dominance stochastique à l’ordre 2, il existe une propriété dite de single-crossing, comme je l’avais évoqué en PC (malheureusement ce n’est qu’une condition suffisante). Autrement dit, si les fonctions de répartition soient…

On parle parfois de lemme de Ohlin, ou du critère de Karlin et Novikoff (1963). Parmi les références, je peux vous mettre le résultat donné dans le livre de Michel Denuit, Jan Dhaene, Marc Goovaerts, et Rob Kaas, dans Actuarial Theory for Dependent Risks,

Sinon pour l’interprétation en terme de dominance stochastique à l’ordre 2, il faut remonter au livre de Marc Goovaerts, et Rob Kaas, Effective Actuarial Methods.

D’ailleurs, cette notion de comparaison est très liée aux notions de “stop-loss order”, “TVaR order”, “variability order” ou de “increasing convex”. Le Chapitre 3 du livre de Moshe Shaked et George Shantikumar porte d’ailleurs exclusivement sur cette notion.

En ce qui concerne le dernier point, sur l’interprétation dans le cas Gaussien, on peut utiliser ce résultat (même s’il ne donne qu’une condition suffisante).

Cours de gestion d’actifs (partie 2)

Le second cours portera sur l’approche de Black & Litterman. En plus des slides du cours, il sera possible de consulter un document synthétique de chez GS.Les applications se feront à l’aide du package BLCOP de R (i.e. Black Litterman and copula-opinion pooling). Un très grand nombre de papiers peuvent être trouvés sur le net sur ce sujet, en particulier les papiers de Attilio Meucci, ou encore le mémoire de Charlotta Mankert. Sinon le package BLCOP s’inspire également d’un document (peu technique) de Thomas Idzorek.

Sinon sur Markowitz, on pourra trouver des notes de cours de Paulo Vanini et Luigi Vignola.

Analyse en Composantes Principales

Les slides de la première partie sont en ligne sur mon blog. Parmi les cours en ligne, à l’agro (Grignon), de Stéphane Guidon, ou plus formalisé, des notes de cours de Joseph Gergaud.

Sinon, pour accéder aux bases de données, les codes R sont les suivants,
elections<-read.table("https://perso.univ-rennes1.fr/arthur.charpentier/election95.csv",header=TRUE,sep=";")
insecurite<-read.table("https://perso.univ-rennes1.fr/arthur.charpentier/ADD-ex-villes.txt",header=TRUE)

La base de données qui seront utilisées en TD est la base departement.xls. On pourra aussi reprendre quelques exemple mentionnés en cours, en particulier l’étude de l’express sur l’insécurité, villes.xls, ou encore la base de décathlon mentionnée en cours, decathlon.xls.

Ce premier cours sera relativement technique puisque seront présentées les principales notions sur les distances, les projections, et utilisera plusieurs résultats “classiques” d’algèbre linéaire et matricielle. En particulier, sur la décomposition en valeurs singulières, je renvoie les élèves intéressés à l’article de wikipedia (svd). Je mets aussi un lien vers des slides sur la décomposition factoriel, en liaison avec la recherche de valeurs propres, et de la décomposition en valeurs singulières.

Sinon pour quelques groupes, les TD se feront sous XLStat, qui comme on le verra, permet de générer un certain nombre de graphiques (que l’on s’attachera à commenter)

Clarté et vérité sur les comptes d’une société d’assurance sur la vie

Aujourd’hui, je vais parler d’un article (très lucide) de Claude Bébéar sur l’actuariat, intitulé Clarté et vérité sur les comptes d’une société d’assurance sur la vie. Claude Bébéar n’est pas n’importe qui: fondateur du groupe AXA (à partir d’une petite mutuelle, comme le rappelle ce portrait), et président de l’Institut des Actuaires Français de 1985 à 1989. En particulier, je recommande la lecture de l’introduction de l’article, commençant par un (brillant) petit conte persan, à méditer…

Il était une fois un assureur sur la vie fort intelligent, éminent et respecté. Il était considéré par tous comme un grand technicien, voire un savant, qui n’avait pas son pareil pour estimer la prime à demander aux assurés et la valeur des engagements pris par l’assureur. Mais parfois, un doute le taraudait : sa science était-elle vraiment estimée ? Le vulgaire ne risquait-il pas de s’en saisir, montrer qu’il n’y avait là rien d’admirable et détruire une réputation bâtie à force de patience ? Vite, il fallait se protéger. Et c’est ainsi que notre assureur éminent, respecté et fort intelligent, inventa un langage ésotérique qu’il appela “actuariat”. Et grâce à lui, des générations d’actuaires heureux vécurent et vivent encore à l’abri des critiques, adulés de tous. Chaque année, aidés par des comptables pleins de respect, ils mettent au point un rapport annuel fort savant qu’assurés, actionnaires et contrôleurs en tous genres contemplent sans trop comprendre et sans oser poser de questions, de peur de passer pour des sots. Le système était parfait.

Exposé au Lameta à Montpellier

UPDATE : Suite aux intempéries dans le sud-est, mon voyage pour Montpellier est annulé, faute de moyen de transport

Exposé à Montpellier sur le lien entre finance et assurance. Il y a beaucoup de slides, mais la fin des slides ne sera a priori pas abordé lors de l’exposé (étant invité pour venir travailler avec Stéphane Mussard, je les ai laissé pour servir de base à discussion).

Au premier abord, la valorisation actuarielle (basée sur la notion de prime pure et sur la probabilité historique) et la valorisation financière (basée sur l’utilisation d’une probabilité risque neutre) n’ont rien en commun.
Les nouvelles règles comptables pour les compagnies d’assurance imposent désormais une notion de “market-consistent valuation”: les risques assurantiels doivent aujourd’hui être valorisé comme des produits financiers. Mais au delà de l’aspect comptable, des produits permettent effectivement de transférer les risques des compagnies d’assurance (ou de réassurance) vers les marchés financiers. Le risque de longévité ou de mortalité peut être couvert à l’aide de mortality/longevity bonds.
Nous verrons que dans le cas des risques extrêmes, les deux méthodes de valorisation semblent converger, avec comme socle commun les outils classiques d’économie de l’incertain. Nous verrons dans cet exposé le lien entre mesures de risques et économie de l’incertain. Et pour conclure, s’il reste du temps, nous évoquerons l’allocation de capital basé sur les mesures de risques.

 

 

Cours Analyse des Données, Master 1, introduction

Cours d’Analyse des Données en Master 1 Stratégie, logistique et e-business, en Master 1 Administration et gestion publiques et en Master 1 Economie et finances publiques. Le premier cours aura lieu le lundi 19 janvier.

Les slides du cours seront basés sur des codes R, les TD se feront soit sur R, soit sous Excel. Excel n’étant pas un logiciel de statistiques, les fonctionnalités proposées sont beaucoup moins étendues, mais en bricolant un peu, on peu faire la base de l’analyse des données. En particulier, quelques add-ins peuvent être intéressants, parmi lesquels BiPlot développé à VirginiaTech (dont on peut trouver une petite doc), PopTools, ou surtout XLStats, développé par Rodney Carr (qui a d’ailleurs développé beaucoup d’add-ins pour Excel). A titre d’information pour ceux qui ne souhaitent pas installer R, mais continuer à travailler sur des logiciels gratuit, Microsiris est un logiciel qui peut convenir.

Sinon côté références
  • Everitt (2005). An R and S-Plus Companion to Multivariate Analysis. Springer
  • Saporta (2006). Probabilités, analyses des données et statistiques. Technip
  • Foucart (1997). L’Analyse des données; mode d’emploi. Presses Universitaires de Rennes
  • Rouanet & le Roux (1997). Analyse des données multidimensionnelles. Dunod.
  • Lebart, Morineau & Piron (1997). Statistique exploratoire multidimensionnelle. Dunod.

et sur internet, le cours sera très inspiré des notes de cours de Jean-Marc Lasgouttes et de Philippe Besse.

Economie de l’incertain, finance et asset pricing

Pour le premier cours à l’X, je replace Alfred Galichon. Les slides sont en ligne, ainsi que les énoncés des exercices. Le cours (ainsi que la PC auront lieu Amphi Painlevé).

En guise de complément sur l’exercice 2 sur l’APT, et une explication plus claire, je renvoie aux pages 162-171 du Asset Pricing de Cochrane. En particulier la dernière question portant sur l’approximate APT est traité (avec les mêmes notations, cf aussi ici).

Cours de préparation à l’Agregation d’économie, information et incertain

Petite séance d’économie de l’information et de l’incertain dans le cadre de la préparation à l’agrégation. Les slides qui ont été utilisés sont en ligne.

Le cours présente les principes de base en économie de l’incertain (en particulier l’espérance d’utilité, telle que formalisée par par von Neumann et Morgenstern) a partir des lotteries, puis présentera rapidement quelques applications en finance et en assurance.

La seconde partie aborde les deux points clés d’aléa-moral et d’antisélection, et plus généralement d’asymétrie d’information.


Quelques compléments peuvent se trouver sur internet en particulier http://cepa.newschool.edu/ (en anglais), sur la page d’Olivier Gossner ou de Denis Bouyssou, à l’Université de la Réunion, des slides de François Pigalle, ou sinon l’article de Jean Benoit Dujol dans le Tigre. Pour une approche plus “formalisée”, on retiendra les slides de Pierre Cahuc à l’X. Sinon pour une vision plus générale du problème, il y a l’article de Xavier de la Vega paru dans le mensuel Sciences Humaines.

Sinon, une petite précision par rapport à la réponse que j’avais apporté oralement à une question (qui était posée lors du clavardage, “lien Arrow-Debreu ?“). J’avais évoqué l’approche de Gérard Debreu sur l’existence de fonctions d’utilité, mais ce n’était peut-être pas ce qui était posé par l’internaute… Pour reprendre, dans le contexte de l’intervention

  • von Neumann et Morgenstern ont montré qu’introduire une relation d’ordre sur les loteries (c’est à dire supposer que les agents savaient comparer des risques, et des biens aléatoires) était équivalent – moyennant quelques hypothèses sur la relation d’ordre – à supposer que les agents comparent l’espérance (sous la probabilité de survenance des évènements) de l’utilité des revenus (aléatoire).
  • lors de la question posée par clavardage, j’ai essayé de faire un parallèle avec les résultats obtenus par Debreu – un peu après von Neumann et Morgenstern d’ailleurs, en 1959 dans Théorie de la Valeur, et  en 1944 dans Theory of Games and Economic Behavior – qui avait montrer que supposer que les agents pouvaient comparer des biens, ou des paniers de biens, i.e. construire une relation d’ordre sur les ensembles de paniers était équivalent à comparer des utilités (cf. cours de Jean-Yves Jaffray, ou l’article de wikipedia sur l’utilité).
  • mais parrallèlement, Arrow et Debreu ont travaillé ensemble sur d’autres sujets connexes, en particulier introduit un concept fondamental en économie de l’incertain, en particulier dans une optique financière, que sont les “biens d’Arrow-Debreu” ou “Arrow-Debreu asset“. . Ces biens sont fondamentaux en finance car ils permettent de justifier la construction de la probabilité risque neutre, permettant de valoriser des produits sur des marchés en supposant qu’il existe une absence d’opportunité d’arbitrage. Dans un univers incertain, avec E états de la nature, on peut construire E biens d’Arrow-Debreu, chaque bien payant 1 dans un état de la nature, et 0 sinon. Le prix de tels bien est appelé “prix d’état“. Ils sont essentiels pour valoriser ces les actifs financiers. Des compléments théoriques dans les slides du cours de l’X, mais aussi dans les slides que je présenterais en fin de semaine à Montpellier (ici).

Je ne sais pas si ces éléments permettent de mieux répondre à la question qui était posée, mais la réponse me paraît plus exacte que celle que j’avais faite, omettant de parler des biens d’Arrow-Debreu. Sinon j’ai transmis la demande qui avait été faite de faire une intervention en statistique (rappeler la base de la statistique descriptive) et en théorie de jeux.

Cours de gestion d’actifs (partie 1)

Cours de méthodes avancées en gestion de portefeuille. Le but du cours sera de présenter essentiellement l’optimisation de portefeuille sur d’autres mesures de risques que la variance (ou l’écart-type). Nous présenterons ainsi Black & Litterman, mais surtout l’allocation d’actifs sous contraintes de VaR ou de TVaR. Le 1er cours a lieu le 6 janvier, et les slides sont en ligne. Les références du cours sont les deux ouvrages suivants

  • Qian, Hua & Sorensen (2007). Quantitative Equity Portfolio Management: Modern Techniques and Applications. Chapman & Hall
  • Scherer & Martin (2007). Introduction to Modern Portfolio Optimization with NuOPT, S-PLUS and S+Bayes. Springer
Parmi les références sur internet, on mentionnera cet article dans l’Agefi de Juin 2008.

Nous avons été surpris de constater que la mesure de risque la plus utilisée par nos répondants est désormais la Value at Risk (VaR), qui a supplanté la volatilité. C’est naturellement un enseignement tout à fait positif car la technique est beaucoup plus récente. Nous avons cependant noté un contraste entre l’utilisation de cette mesure et son calcul, basé sur un schéma de distribution normale, ce qui ne donne aucune valeur ajoutée à cette technique. Cette tactique est finalement un peu dangereuse dans la mesure où l’on a l’impression d’utiliser une mesure de risque extrême qui ne l’est pas. […] Au Royaume-Uni, les gérants utilisent des modèles de l’économie financière – des modèles factoriels -, aussi bien dans la construction de portefeuilles que dans les mesures de performances, bien plus fréquemment que les Suisses ou encore que les Français. Ils sont aussi de gros adeptes des techniques de construction bayésienne. A l’inverse, les gérants français sont beaucoup plus avancés en termes de techniques d’ingénierie, qu’ils utilisent par exemple pour mieux mesurer.”

Un autre article aborde l’utilisation de la VaR en gestion de portefeuille.Les slides du premier cours reprendront les grandes notions sur les mesures de risque, tout en insistant sur la modélisation de la dépendance, avec le cas (classique) Gaussien tout d’abord, puis le cas non-gaussien, avec en particulier l’utilisation des copules.

Article de l’Argus: assurance versus finance

Pour compléter le dernier paragraphe de l’article de l’Argus de l’assurance, sur la comparaison entre la finance et l’assurance

  • en assurance on étudie les pertes, alors qu’en finance, on s’intéresse aux rendements ou aux gains. Mathématiquement c’est très proche (au signe près), mais comme l’ont noté Daniel Kahneman et Amos Tversky (papier), les gains et les pertes, ce n’est pas du tout pareil…

  • pour reprendre l’expression de Pierre Devolder, si l’assurance valorise dans un monde réel (sous probabilité historique), la finance valorise dans un monde “virtuel” (d’où les nombreux probabilités dites risques neutres)
  • enfin, si l’on s’intéresse aux problèmes d’optimisation, on notera que dans la littérature financière, on cherche à maximiser les gains moyens, sous une contrainte de risque, alors que dans la littérature actuarielle, c’est généralement le problème dual qui est considéré, à savoir minimiser le risque global sous contrainte de rendement moyen.

Tails of Archimedean copulas

Publication de Tails of Archimedean Copulas, coécrit avec Johan Segers, dans le Journal of Multivariate Analysis, enfin… en ligne sur http://sciencedirect.com/science…

A complete and user-friendly directory of tails of Archimedean copulas is presented which can be used in the selection and construction of appropriate models with desired properties. The results are synthesized in the form of a decision tree: Given the values of some readily computable characteristics of the Archimedean generator, the upper and lower tails of the copula are classified into one of three classes each, one corresponding to asymptotic dependence and the other two to asymptotic independence. For a long list of single-parameter families, the relevant tail quantities are computed so that the corresponding classes in the decision tree can easily be determined. In addition, new models with tailor-made upper and lower tails can be constructed via a number of transformation methods. The frequently occurring category of asymptotic independence turns out to conceal a surprisingly rich variety of tail dependence structures.

Un peu d’autocélébration…

Le dernier numéro l’Argus de l’Assurance parle de moi dans la dernière page ! c’est le début de la gloire…comment ça je prends la grosse tête ? Deux semaines après François de Varenne… Plus sérieusement, j’espère que cela puisse faire parler un peu de la formation proposée à Rennes.

Je reviendrais à la rentrée sur certains points (c’est mon côté “insolent”) pour compléter… Sinon le “diablo rojo” mentionné n’est plus ici, la vidéo est en ligne sur http://youtube.com/…

Estimation de quantile par noyau beta

Le papier sur l’estimation de quantile par noyau beta, coécrit avec Abder Oulidi, est accepté pour publication dans Statistics and Computing, http://link.springer.com/…

In this paper we propose several nonparametric estimators of quantiles based on Beta kernel and applied to transformed data by the generalized Champernowne distribution initially fitted to the data. A Monte-Carlo based study will show that those estimators improve the efficiency of a traditional ones, not only for light tailed distributions, but also heavy tails, when the probability level is close to 1. We also compare these estimators with the Extreme Value Theory Quantile applying to Danish data on large fire insurance losses.

"sendo l'intento mio scrivere cosa utile a chi la intende…"

Search OpenEdition Search

You will be redirected to OpenEdition Search