EQUIPE DE RECHERCHE ASSOCIEE AU C.N.R.S. DOCUMENT DE TRAVAIL INSTITUT DE MATHEMATIQUES ECONOMIQUES UNIVERSITE DE DIJON FACULTE 4, DE SCIENCE BOULEVARD ECON OMIQUE GABRIEL - ET 21000 DE GESTION DIJON r 33 Investissement et Taux d'intérêt Un modèle stochastique d'analyse conjoncturelle. Max PINHAS Octobre 1978 Ce document de Travail n° 33 est dû à Monsieur Max Pinhas, Maître de Conférences de Mathématiques à l'Université Sociales de Toulouse. des Sciences TR AV AUX D EJA PUBLIES N°1 Michel PREVOT: Theorème du point fixe. Une étude topologique générale(juin 1974) Daniel LEBLANC^ L'introduction des consommations intermédiaires dans le modèle de LEFEBER (juin 1974) N°3 Colette BOUNON: Spatial Equilibrium of the Sector in Quasi-Perfect Compétition (september 1974) N°4 Claude PONSARD: L'imprécision et son traitemebt en analyse économique (septembre 1974) N°5 Claude PONSARD: Economie urbaine et espaces métriques (septembre 1974) N°6 Michel PREVOT: Convexité (mars 1975) N°7 Claude PONSARD: Contribution à une théorie des espaces économiques imprécis (avril 1975) N"8 Aimé VOGT: Analyse factorielle en composantes principales d'un caractère de dimension - n (juin 1975) N°9 Jacques THISSE et Jacky PERREUR: Relation between the Point of Maximum Profit and the Point of Minimum Total Transportation Cost: A Restatement (juillet 1975) M°10 Bernard FUSTIER: L'attraction des points de vente dans des espaces précis et imprécis (juillet 1975) N°ll Regis DELOCHE: Théorie des sous-ensembles flous et classification en analyse économique spatiale (juillet 1975) N"l? Gérard LASSIBILLE et Catherine PARRON: Analyse multicritère dans un contexte imprécis (juillet 1975) N°13 Claude PONSARD: On the Axiomatisation of Fuzzy Subsets Theory (july 1975) N°14 Michel PREVOT: Probability Calculation and Fuzzy Subsets Theory (August 1975) N’ 15 Claude PONSARD: Hiérarchie des places centrales et graphes flous (avril 1976) N°16 Jean-Pierre AURAY et Gérard DURU: Introduction à la théorie des espaces inultiflous (avril 1976) N°17 Roland LANTNER, Bernard PETITJEAN, Marie-Claude PICHERY: Jeu de simulation du circuit économique (Août 1976) N°18 Claude PONSARD: Esquisse de simulation d'une économie régionale: l'apport de la théorie des systèmes flous (septembre 1976) N°19 Marie-Claudo PICHERY: Les systèmes complets de fonctions de demande (avril 1977 N°70 Gérard LASSIBILLE et Alain MINGAT: L'estiamtion de modèles à variable dépendante dichotomique. La selection universitaire et la reussite en première année d'économie (avril 1977) N°?l Claude PONSARD: La région en analyse spatiale (mai 1977) N’ 2? Dan RALESCU: Abstract Models for Systems Identification (juin 1977) N°23 Jean MARCHAL et François POULON: Multiplicateur, graphes et chai nés de ' Markov (décembre 1977) N°24 Pietro BALESTRA: Déterminant and Inverse of a Sum of Matrices with Applica­ tions in Economies and Statistics (avril 1978) N°25 Bernard FUSTIER: Etude empirique sur la notion de région homogène (avril 1978) N°26 Claude PONSARD: On the Imprécision of Consumer1s Spatial Preferences (avril 1978) N°27 Roland LANTNER: L'apport de la théorie des graphes aux représentations de l'espace économique (avril 1978) N°28 Emmanuel JOLLES: La théorie des sous-ensembles flous au service de la décision: deux exemples d'application.(mai 1978) N°29 Michel PREVOT: Algorithme pour la résolution des systèmes flous (mai 1978) N°30 Bernard FUSTIER: Contribution à l'analyse spatiale de l'attraction imprécise (juin 1978) N°31 TRAN QUI Phuoc: Régionalisation de l'économie française par une méthode de taxinomie numérique floue (juin 1978) N° 32 Louis de MESNARD : |_a Dominance régionale et son imprécision,traitement dans le type général de structure. - L'objectif vise par la présente étude consiste à prévoir dans quelle mesure la valeur du taux d'intérêt pratiqué sur le marché des capitaux influence la décision d ’investir d'un agent économique. Nous avons inscrit notre modèle dans le contexte suivant : * le décideur a La faculté de répartir son avoir initial et en ^ cl montant consacré à l'unique activité productrice à sa disposition, et. prêt consenti au taux (continu) x, ont pour horizon commun & ; . Ces deux opérations ; * la valeur (en francs constants) de l'unité d'investissement évolue pendant la période [o,&] p et cr* selon un schémadifférentie1 stochastique fondé sur deux paramètres , connus du décideur au moment de son choix; taux moyen de rentabilité et oZ p a la signification d'un traduit le degré d'incertitude attaché à la perspective aléatoire ; * le comportement de l'agent économique est de type bernoullien et de plus sa fonc­ tion d'utilité exprime une aversion relative constante (/l*"/|v) à l’ égard du risque. Outre la simplicité des résultats obtenus et l'évidence de leur interprétation économique nous pensons que militent en faveur de ce modèle d'autres arguments : 4k l'estimation des paramétres est aisée, * à cause du degré de liberté {A- /|v) l'hypothèse de comportement peut convenir à une gamme assez vaste d'agents (de nature micro ou macro-économique), * la souplesse de la formulation mathématique autorise certaines extensions (par exemple, la prise en compte de l'inflation). 1 - 1 - L'équation différentielle stochastique d'évolution Nous supposons acceptable de décrire l'évolution de la valeur de [••*3 l'investissement sur au moyen de l'équation : àX 4- <r X AVJ dLX = p X p tG" COrv^-O/»^^ , W a t t v v6>U/yvX-LvwlL , *(°) » X e > O . Nous notons en particulier que dans cette représentation le poids du terme aléatoire est directement lié à la valeur de X . Définissons Y et o< par Y - Lo<j X <jt o( = p __ ÎL . D'après la formule de Ito (1) : d Y s & dt + et donc X s XQ cr . Par conséquent Y s Y 0 + o< k + cr V/(t) dW ca.'b + o* Wtt)j . 2 - L'estimation des paramètres de l'équation différentielle Désignons de manière provisoire (c’ est à dire seulement dans ce par a­ graphe) par £o , un intervalle de temps pendant lequel l'évolution de X a été observée. Nous pouvons alors lui associer les estimateurs suivants : a) Le paramètre La v .cl . _L o -Cé * pectivement <X <x et admet pour moyenne et variance res- ^ Xo . C'est donc un estimateur sans biais de 1 * qui converge en moyenne quadratique lorsque b) Le paramètre de R oo . cr1 Considérons d'abord la et conditionnée par * — ► fi W (o) = v. a. s O R = / ' 2^ -7I- \ ' crrruxx,V/ (t) ^ pour . O n montre (2) que la densité est : f ^ ex , *° K, < O de probabilité - 3 (la v. o. S = W/r\ crW(,t) analogue : remplacer ^ soumise au mcmc conditionnement possède une densité par - a , pour -4 < o) . Ainsi la maximisation de la vraisemblance par rapport à elle à la va. 2 R2 f R 2 + S* 1 , * cr X Revenant au processus retenu pour a* conduit- Far souci de symétrie et sans diminuer la qualité de l'estimateur nous lui substituons la V a . variance cr i 1 d’ espérance cr2 et de J nous constatons alors que l'estimateur s'écrit : , XlF) X U) î>,y 3 - Les fonctions d'utilité à aversion relative constante Les fonctions d'utilité pour ^ é. R ax , à aversion relative constante et définies , appartiennent comme on sait à l'une des trois catégories : 3) ■y 1) r <o Pour plus de commodité la fonction logarithmique sera désormais mention­ née par la valeur nulle élu paramètre jLLU -r, ______ vaut toujours A - Xi . . Avec cette convention l'aversion relative •0 4 - Taux de rentabilité équivalent A tout choix d ’ une fonction d ’ utilité et d ’ un horizon correspond le taux de rentabilité équivalent J défini par : E -u(X(ft)) =-4<0 e * ) Compte tenu de la formule £ [tvp, W ( £ ) j =, i ) . Ÿ A € R , il vient : ( r **) • ¡j = f - 0- r ) f 3 Nous constatons que : * ÿ est en fait indépendant de et de Xo , * p s'interprète comme le taux de rentabilité équivalent associé à la fonction ^( 3) = 3 > 4 cr1 mesure l ’ affaiblissement du taux quand on substitue l ’ utilité logarithmique à 1 'utilité linéaire. 5 - Le partage optimal L'agent économique est supposé répartir son avoir initial a en investis­ sement et prêt de façon à maximiser l'espérance mathématique de l ’ utilité à la date-ft. Adoptant les simplifications d'écriture : ^ J =. eoc/p. , et nous plaçant dans le cas O < nous découvrons que le décideur aura pour { \ t objectif d'atteindre le maximum de = E [ ] ^ £ [ o , 1} . Comme les conditions suffisantes de dérivation sous le signe £ (3) sont présentement vérifiées, nous pouvons écrire : = * e r [ Ü1" ' ( = E Par conséquent ] f -‘ { tj? calcul immédiat prouve que p- X et p - ) s<o . est une fonction concave de cj> (o) et - 1 Ÿ "X . D'autre part un cp (\ ) ont même signe respectivement que . Finalement trois cas sont à distinguer pour évaluer la valeur optimale \ ; * * ^ « p- <rX 1 ï - \ o -V * x € ] p - C ^ - ' 1 v)crli p C X £ ] o ;l [ t J b « ^ j ci*. (A) = o . Ces mêmes conclusions restent valables pour 'Jv ^ © . /V 6 - Variation de A Seul le cas x -o en fonction de x €.] p - (1 - «r3, , <j=^ E ( ( o < y. < 1 ) p £ reste indécis : ) = o. Différencions cette dernière équation par rapport 5 et \ X ; E (('[v -1) 0 ]1''î ( )lj i > + = o. Le coefficient de division par -d e / ^ r- est négatif. Quant à celui de d'X cm * , après il s'écrit : (/jv - -1J H. [ 0 ] r -r orY l i&))^ — ^ ^ Il est donc aussi négatif. Par suite ^ J "X . décroît quand X augmente. 7 - Taux d'intérêt et incitation à investir Les calculs précédents montrent que le montant investi s'élève exactement au niveau pour les valeurs de cx0 Dans l'hypothèse où o < '(v < 4 solutions de X o < au < le paragraphe 6. qu'une seule valeur cl t (¿) » — 1- . et nous pouvons affirmer d'après \ du taux d'intéêt convient (la monotoni- jl 0 r4 cité de n'a pas été démontrée dans le cas y, ¿o'). L'approximation linéaire Souvent dans les applications a. représente le niveau minimum à atteindre et un ordre de grandeur concernant le plafond suffit. Alors l'emploi (prudent) de l'interpolation linéaire simplifie considérablement les calculs et l'interprétation économique. Plus précisément la condition s'exprime CL* aisément à l'aide À p - ~ ( A - /|v) <rl de4 : 1 * — L incitation a* investir * ( p , <r J * ‘ ‘ version relative contre le risque. paramétrés conjoncturels - 6 - (1) Gikhman-Skorokhod "Introduction (2) the theory of r a n d o m p r o c e s s e s " K a r l in "Introduction (3) to aux p r o c e s s u s aléatoires" Gene t "Mesure et integration" Vuibert. Dunod. Saunders.