Documente Academic
Documente Profesional
Documente Cultură
Comonotonie et anticomonotonie
Mesures de dpendance
Comparing Risks
Copule
elena.di_bernardino@cnam.fr
Economtrie de l'Assurance
1 / 35
Introduction
Comonotonie et anticomonotonie
Mesures de dpendance
Comparing Risks
Copule
Introduction
Traditionnellement, les dveloppements actuariels sont base sur l'hypothse
d'indpendance des variables alatoires.
La complexit croissante des produits d'assurance et l'obligation de
couverture d'vnements a cependant mis en valeur l'importance de la prise
en compte de la dpendance.
Ce chapitre est consacr l'tude de la dpendance stochastique, sujet
classiquement ignor les ouvrages de thorie du risque, de mesures de
dpendance entre dirents risques et de copule.
S'il n'y a qu'une seule faon pour des risques d'tre mutuellement
indpendants, de ne pas s'inuencer, traduit mathmatiquement par le fait
que leur fonction de rpartition jointe se factorise en le produit de ses
marginales, il y a bien entendu une innit de manires d'introduire de la
dpendance dans un modle actuariel.
Economtrie de l'Assurance
2 / 35
Introduction
Comonotonie et anticomonotonie
Mesures de dpendance
Comparing Risks
Copule
Introduction
Pendant trs longtemps, la loi normale multivarie fut le seul outil utilis
pour rendre compte d'une certaine dpendance, en statistique tout comme
en nance et en sciences actuarielles.
Ce n'est que rcemment que les techniques reposant (implicitement ou
explicitement) sur la loi normale multivarie ont t svrement critiques,
et que des alternatives plus ralistes ont t dveloppes an de modliser la
corrlation entre variable alatoires de lois diverses.
Economtrie de l'Assurance
3 / 35
Introduction
Comonotonie et anticomonotonie
Mesures de dpendance
Comparing Risks
Copule
Classes de Frchet
Ainsi nommes en hommage aux travaux du mathmaticien franais Maurice
Frchet, ces ensembles contiennent toutes les lois de probabilit dont les
marginales sont xes.
Les classes de Frchet constituent donc le cadre idal pour tudier la
dpendance, puisque deux lment d'une mme classe ne dierent que par
leur structure de corrlation, pas par leur comportement marginal.
Denition
On notera
F(F1 , F2 )
F1
et
F2
respectivement, i.e.
Economtrie de l'Assurance
4 / 35
Introduction
Comonotonie et anticomonotonie
Mesures de dpendance
Comparing Risks
Copule
Classes de Frchet
Dans chaque classe de Frchet
F(F1 , F2 )
Denition
La fonction de rpartition
dnie par
et
x2 R}
F(F1 , F2 ).
De la mme manire,
dnie par
et
x2 R}
F(F1 , F2 ).
Economtrie de l'Assurance
5 / 35
Introduction
Comonotonie et anticomonotonie
Mesures de dpendance
Comparing Risks
Copule
Bornes de Frchet
L'appellation borne de Frchet provient du rsultat suivant, qui montre que toute
fonction de rpartition
suprieurement par
F(F1 , F2 ).
et
Proposition
x R2 .
Preuve du rsultat.
Economtrie de l'Assurance
6 / 35
Introduction
Comonotonie et anticomonotonie
Mesures de dpendance
Comparing Risks
Copule
Denition
Le couple X
dcroissantes
= (X1 , X2 )
g1
et
g2
X
Le couple X
dcroissante
= (g1 (Z ), g2 (Z ))
telles que :
en loi.
= (X1 , X2 ) est dit anticomonotone s'il existe une fonction nong1 , une fonction non-croissante g2 et une variable alatoire Z telles
que :
= (g1 (Z ), g2 (Z ))
en loi.
Exemples :
A prsent que nous avons dni les concepts de dpendance parfaite, examinons
quelques situations o la comonotonie et l'anticomonotonie font naturellement leur apparition.
Economtrie de l'Assurance
7 / 35
Introduction
Comonotonie et anticomonotonie
Mesures de dpendance
Comparing Risks
Copule
Proposition
Le couple X = (X1 , X2 ) est comonotone si, et seulement si, il admet
W (x1 , x2 ) = min{F1 (x1 ), F2 (x2 )}, x1 et x2 R}
comme fonction de rpartition.
Le couple X = (X1 , X2 ) est anticomonotone si, et seulement si, il admet
M (x1 , x2 ) = max{F1 (x1 ) + F2 (x2 ) 1, 0}, x1 et x2 R}
comme fonction de rpartition.
Le rsultat suivant indique que les VaR sont additives dans le cas de risques
comonotones.
Economtrie de l'Assurance
8 / 35
Introduction
Comonotonie et anticomonotonie
Mesures de dpendance
Comparing Risks
Copule
Proposition
Soit X comonotone dont la fonction de rpadition jointe fait partie de F(F1 , F2 )
Economtrie de l'Assurance
9 / 35
Introduction
Comonotonie et anticomonotonie
Mesures de dpendance
Comparing Risks
Copule
Concept
Bien que d'usage courant en assurance et en nance, le terme corrlation est
souvent mal compris.
Alors que la corrlation n'est qu'une mesure de dpendance particulire en
statistique (souvent appele corrlation linaire, ou de Pearson), les
praticiens ont tendance designer tous les concepts de dpendance par ce
mme terme.
Dans cette section, nous tudierons certaines mesures de dpendance.
Nous verrons que le coecient de corrlation linaire, mesure canonique de
la dpendance en univers gaussien, perd beaucoup de sa pertinence lorsqu'on
quitte cet univers
Donc il convient de dnir ce qu'on entend par bonne mesure de dpendance.
Economtrie de l'Assurance
10 / 35
Introduction
Comonotonie et anticomonotonie
Mesures de dpendance
Comparing Risks
Copule
Mesure de concordance
Denition
(X1 , X2 ) = (X2 , X1 );
P2 (normalisation)
P3
(X1 , X2 ) = 1
P4
(X1 , X2 ) = 1
1 (X1 , X2 ) 1;
X1
et
X1
X2
et
sont comonotones;
X2
sont anticomonotones;
(g (X1 ), X2 ) =
(X1 , X2 ),
(X1 , X2 ),
si
si
g
g
g : R 7 R,
est croissante
est dcroissante.
Introduction
Comonotonie et anticomonotonie
La corrlation linaire
Mesures de dpendance
Comparing Risks
Copule
La corrlation linaire
Denition
Le coecient de correlation linaire: entre
X1
et
X2 ,
not
r (X1 , X2 )
est deni
par
1 ,X2 )
r (X1 , X2 ) = Cov (X
VAR (X1 ) VAR (X2 )
Remarque:
12 / 35
Introduction
Comonotonie et anticomonotonie
Mesures de dpendance
Comparing Risks
Copule
La corrlation linaire
X2 LN (0, 2 ).
On a
rmin (X1 , X2 ) =
e 1
et
e2 1 e1
rmax (X1 , X2 ) =
e 1
.
e2 1 e1
Economtrie de l'Assurance
13 / 35
Introduction
Comonotonie et anticomonotonie
La corrlation linaire
mesure de concordance
Mesures de dpendance
Comparing Risks
Copule
pas satisfaites.
Malgr ses dfauts, le coecient de corrlation reste trs utilise en pratique, et ce
pour trois raisons majeures :
Son rle de concert avec la loi normale : le coecient de corrlation linaire
apparait de faon naturelle comme paramtre de la densit des vecteurs
gaussiens.
Son rle dam les modles de rgression linaire.
Son rle dans le modle d'Evaluation des Actifs Financiers (CAPM) de
Markowitz (1952) : le coecient de corrlation linaire apparait comme un
facteur fondamentale dans la thorie du portefeuille. En eet, en notant
le rendement du march,
Ri
le rendement du
i eme
titre risqu et
R0
RM
le taux
E[Ri R0 ] = i E[RM R0 ]
Le coecient
du titre
(Ri ,RM )
i = Cov
VAR (RM )
14 / 35
Introduction
Le
Comonotonie et anticomonotonie
de Kendall
(X1 , X2 )
et
(X10 , X20 )
X2 > X2 )
Copule
indpendants et identiquement
Comparing Risks
Dnition du de Kendall
Mesures de dpendance
X1 < X10
et
X2 < X20
ou
X1 > X10
et
simultanment
X1 > X10
et
X2 < X20
ou
X1 > X10
et
X2 < X20 ).
Denition
Le
(X1 , X2 )
(X1 , X2 ) = P[(X1 X10 )(X2 X20 ) > 0] P[(X1 X10 )(X2 X20 ) < 0],
o
(X10 , X20 ) est indpendant de (X1 , X2 ) et possde la mme loi que ce dernier.
Proposition
Economtrie de l'Assurance
15 / 35
Introduction
Le
Comonotonie et anticomonotonie
de Kendall
Mesures de dpendance
Comparing Risks
Copule
Proprits du de Kendall
g1
et
ou toutes
X1
et
X2
De plus,
X1
et
X1
X2
Si
et
X2
F1
de
X1
et
F2
de
X2
toutes deux
(X1 , X2 ) = 1.
si, (X1 , X2 ) = 1.
(X1 , X2 ) = 0.
Economtrie de l'Assurance
16 / 35
Introduction
Le
Comonotonie et anticomonotonie
de Spearman
Mesures de dpendance
Comparing Risks
Copule
Dnition du de Spearman
Tout comme le
de Kendall, le
concordance et de discordance.
Denition
= (X1 , X2 ) de fonction de rpartition marginales F1 et
X = (X1 , X2 ) une version indpendantes de X
admet F1 F2 comme fonction de rpartition jointe). Le de Spearman
Considrons le couple X
F2
continues et dnissons
(i.e.
est
Economtrie de l'Assurance
17 / 35
Introduction
Le
Comonotonie et anticomonotonie
de Spearman
Mesures de dpendance
Comparing Risks
Copule
Proprits du de Kendall
g1
et
ou toutes
X1
et
X2
De plus,
X1
et
X1
X2
Si
et
X2
F1
de
X1
et
F2
de
X2
toutes deux
(X1 , X2 ) = 1.
si, (X1 , X2 ) = 1.
(X1 , X2 ) = 0.
de Spearmam
0.5 et = 0.
de Kendall et le
sont lis, au
Economtrie de l'Assurance
18 / 35
Introduction
Le
Comonotonie et anticomonotonie
de Spearman
Mesures de dpendance
Comparing Risks
Copule
Proprits du de Kendall
Proposition
Economtrie de l'Assurance
19 / 35
Introduction
Comonotonie et anticomonotonie
Mesures de dpendance
Comparing Risks
Copule
England.
In order to compare a pair of risks
concept of VaR, and to consider
VaRX () VaRY ()
and
Y,
if
Denition
Let
and
dominance, denoted as
satised for all
(0, 1).
Economtrie de l'Assurance
20 / 35
Introduction
Comonotonie et anticomonotonie
Mesures de dpendance
Comparing Risks
Copule
X ST Y
(X ) (Y ).
Proposition
economics
and in
actuarial science
Y means that Y
is
In actuarial science, however, the risks to be compared represent future random nancial
losses, so that X ST Y means that X is `smaller' than Y .
Another way to bridge these two disciplines is based on the following equivalence:
ST
Y ST X
Economtrie de l'Assurance
21 / 35
Introduction
Comonotonie et anticomonotonie
Mesures de dpendance
Comparing Risks
Copule
ST
Proposition
Let {X1 , X2 , . . .} and {Y1 , Y2 , . . .} be two sequences of non-negative independent rvs, and let N and M be two integer-valued random variables, independent
of those sequences. Then,
PM
PN
Xn ST Yn for all n, and M ST N
n=1 Xn ST n=1 Yn .
Proposition
Let X and Y be two rvs. If there exists a real number c for which dFX (x )
dFY (x ) for all x < c and dFX (x ) dFY (x ) for all x > c, then, X ST Y .
Economtrie de l'Assurance
22 / 35
Introduction
Comonotonie et anticomonotonie
Mesures de dpendance
Comparing Risks
Copule
C (u , 0) = 0,
2
et
C (u , 1) = u ,
v1 v2 ,
u1 , u2 , v1 , v2
C (0, v ) = 0,
C (1, v ) = v .
u 1 u2
et
Une copule est une fonction de rpartition bivarie admettant des marginales
Uniforme sur [0, 1]
Economtrie de l'Assurance
23 / 35
Introduction
Comonotonie et anticomonotonie
Mesures de dpendance
Comparing Risks
Copule
A quoi a sert?
Proposition
Economtrie de l'Assurance
24 / 35
Introduction
Comonotonie et anticomonotonie
Mesures de dpendance
Comparing Risks
Copule
A quoi a sert?
Proposition
Soit C une copule, FXY une distribution bivarie admettant pour marginales
FX et FY (continues). Notons par FX1 et FY1 les fonctions (quasi-) inverses
de FX et FY . Alors
C (u , v ) = FXY FX1 (u ), FY1 (v )
Si on connait
FXY , FX
et
FY ,
on connait la copule.
Economtrie de l'Assurance
25 / 35
Introduction
Comonotonie et anticomonotonie
Mesures de dpendance
Comparing Risks
Copule
de dimension
[0, 1]d
de
Proposition
Economtrie de l'Assurance
26 / 35
Introduction
Comonotonie et anticomonotonie
Mesures de dpendance
Comparing Risks
Copule
Economtrie de l'Assurance
27 / 35
Introduction
Comonotonie et anticomonotonie
Mesures de dpendance
Comparing Risks
Copule
2 C (u ,v )
u v
Economtrie de l'Assurance
28 / 35
Introduction
Comonotonie et anticomonotonie
Mesures de dpendance
Comparing Risks
Copule
Copules classiques
C (u , v ) = uv = C (u , v ).
La copule comonotone
La copule indpendante
C (u , v ) = min{u , v } = C + (u , v ).
+
+
Une version comonotone de (X , Y ) sera note (X , Y ). C'est un vecteur
L
+ L
alatoire tel que X
= X et Y + = Y et une copule C +
(X , Y ) adment une copule comonotone si et seulement si il existe une
fonction croissante h telle que Y = h(X ).
+
En dimension suprieure, C (u 1, ..., ud ) = min(u1 , ..., ud ).
Economtrie de l'Assurance
29 / 35
Introduction
Comonotonie et anticomonotonie
Mesures de dpendance
Comparing Risks
Copule
Copules classiques
Proposition
30 / 35
Introduction
Comonotonie et anticomonotonie
Mesures de dpendance
Comparing Risks
Copule
Economtrie de l'Assurance
31 / 35
Introduction
Comonotonie et anticomonotonie
Mesures de dpendance
Comparing Risks
Copule
(1, 1),
Z 1 (u) Z (v )1
1
(x 2 + y 2 2xy )
C (u , v ) =
dxdy .
exp
2(1 2 )
2 1 2
(X , Y )
t -copule
(T (X ), T (Y ))
de paramtre
C (u , v ) =
(1, 1)
Z t1 (u) Z t1 (v )
1
1
et
x 2 2xy + y 2
2(1
+2 2
2 )
dxdy .
Economtrie de l'Assurance
32 / 35
Introduction
Comonotonie et anticomonotonie
Mesures de dpendance
Comparing Risks
Copule
C (u , v ) = 1 ((u ) + (v ))
o
Si
(t ) = log(t )
Si
(t ) = ( log t )
Si
(t ) = t 1
on obtient
(0, 1)
avec
(0) =
et
(1) = 0.
C .
alors
Economtrie de l'Assurance
33 / 35
Introduction
Comonotonie et anticomonotonie
Mesures de dpendance
Comparing Risks
Copule
Economtrie de l'Assurance
34 / 35
Introduction
Comonotonie et anticomonotonie
Mesures de dpendance
Comparing Risks
Copule
References
Mathmatiques de l'assurance non vie :
Principes fondamentaux de thorie de risque (Tome I), Economica;
England
Correlation and
dependence in risk management: properties and pitfalls, Risk Management:
Economtrie de l'Assurance
35 / 35