Etude des marchés d'assurance non-vie à l'aide d'équilibres de ...
Etude des marchés d'assurance non-vie à l'aide d'équilibres de ...
Etude des marchés d'assurance non-vie à l'aide d'équilibres de ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
tel-00703797, version 2 - 7 Jun 2012<br />
l’ai<strong>de</strong> d’une copule bivariée (u1, u2) ↦→ C(u1, u2). Pour une dimension d fixée, une copule est<br />
une fonction multivariée C : [0, 1] d ↦→ [0, 1] vérifiant certaines propriétés <strong>de</strong> manière <strong>à</strong> ce que C<br />
puisse être interprétée comme une fonction <strong>de</strong> répartition d’un vecteur aléatoire (U1, . . . , Ud)<br />
<strong>à</strong> marginale uniforme.<br />
Définition. Soit C une fonction multivariée <strong>de</strong> [0, 1] d ↦→ [0, 1], où d ≥ 2 est une dimension<br />
fixée. C est une copule si la fonction vérifie les propriétés suivantes :<br />
1. ∀i ∈ {1, . . . , d}, ∀u ∈ [0, 1] d , C(u1, . . . , ui−1, 0, ui+1, . . . , ud) = 0,<br />
2. ∀i ∈ {1, . . . , d}, ∀u ∈ [0, 1] d , C(1, . . . , 1, ui, 1, . . . , 1) = ui,<br />
3. ∀i ∈ {1, . . . , d}, ∀u ∈ [0, 1] d , ∀(ai ≤ bi)i, ∆ 1 a1,b1 . . . ∆d ad,bd C(u) ≥ 0, où ∆i ai,bi<br />
différence d’ordre i, c’est <strong>à</strong> dire<br />
∆ i ai,bi C(u) = C(u1, . . . , ui−1, bi, ui+1, . . . , ud) − C(u1, . . . , ui−1, ai, ui+1, . . . , ud).<br />
La propriété 3 est appelée croissance d’ordre d.<br />
L’interprétation probabiliste d’une copule est la suivante<br />
C(u1, . . . , ud) = P (U1 ≤ u1, . . . , Ud ≤ ud),<br />
est la<br />
où (Ui)i sont <strong><strong>de</strong>s</strong> variables aléatoires uniformes U(0, 1). Pour toute copule C, on a l’inégalité<br />
suivante<br />
W (u) = max(u1 + · · · + ud − (d − 1), 0) ≤ C(u1, . . . , ud) ≤ min(u1, . . . , ud) = M(u), (16)<br />
où les bornes sont appelées bornes <strong>de</strong> Fréchet W, M. Les inégalités (16) donnent <strong><strong>de</strong>s</strong> bornes<br />
inférieure et supérieure quelque soit la structure <strong>de</strong> dépendance considérée. Notons que M<br />
est toujours une copule quelque soit la dimension d, tandis que W ne l’est qu’en dimension<br />
d = 2. Une <strong>de</strong>rnière copule particulière, qui a toute son importance, est la copule d’indépendance<br />
Π(u) = u1 × · · · × ud. Cette copule sera une copule limite <strong>de</strong> la plupart <strong><strong>de</strong>s</strong> copules<br />
paramétriques.<br />
Un théorème fondamental liant un vecteur aléatoire avec <strong><strong>de</strong>s</strong> fonctions <strong>de</strong> répartition marginales<br />
données <strong>à</strong> une copule est le théorème <strong>de</strong> Sklar (1959).<br />
Théorème (Sklar (1959)). Soit F : R d ↦→ [0, 1] une fonction <strong>de</strong> répartition multivariée avec<br />
<strong><strong>de</strong>s</strong> marginales F1, . . . , Fd, alors il existe une copule C telle que pour tout (x1, . . . , xd) ∈ R d ,<br />
F (x1, . . . , xd) = C(F1(x1), . . . , Fd(xd)). C est unique sur l’ensemble S1 × · · · × Sd où Si est le<br />
support <strong>de</strong> la i ème marginale.<br />
Notons que si les variables aléatoires marginales sont <strong><strong>de</strong>s</strong> variables continues, alors la<br />
copule est unique sur R d . Si<strong>non</strong> elle n’est unique qu’en certains points. En supposant que C<br />
est différentiable sur [0, 1] d , la <strong>de</strong>nsité <strong>de</strong> la loi jointe d’un vecteur aléatoire avec <strong><strong>de</strong>s</strong> marginales<br />
<strong>de</strong> <strong>de</strong>nsité fi est donnée par<br />
c(x1, . . . , xd) = ∂dC(F1(x1), . . . , Fd(xd))<br />
f1(x1) . . . fd(xd).<br />
∂u1 . . . ∂ud<br />
Nous nous arrêtons ici pour la présentation <strong><strong>de</strong>s</strong> copules et renvoyons le lecteur vers les ouvrages<br />
<strong>de</strong> référence : Marshall (1996),Joe (1997),Nelsen (2006).<br />
Retour<strong>non</strong>s <strong>à</strong> notre problème <strong>de</strong> ruine. Albrecher et Teugels (2006) montrent le théorème<br />
suivant <strong>à</strong> l’ai<strong>de</strong> <strong>de</strong> la marche aléatoire sous-jacente au processus <strong>de</strong> risques.<br />
33