04-07-2013-annexe Lapeyre
Transcription
04-07-2013-annexe Lapeyre
Commissariat général à la stratégie et à la prospective Département Développement durable RAPPORTS Juillet 2013 & DOCUMENTS Effet de l’aléa sur la date optimale d’engagement d’un projet Contribution Bernard Lapeyre Tome 2 Rapport « L’évaluation socio-économique en période de transition » Groupe de travail présidé par Émile Quinet Sommaire 1 Effet de l’aléa sur la date optimale d’engagement d’un projet ......................................... 5 1.1 Le cas déterministe ..................................................................................................................... 5 1.2 Le modèle aléatoire..................................................................................................................... 6 2 Résultats, interprétation ........................................................................................................... 8 Juillet 2013 3 1 1.1 Effet de l’aléa sur la date optimale d’engagement d’un projet Le cas déterministe Pour mémoire nous traitons le cas déterministe qui est bien connu. Le modèle déterministe. On note par Xt le gain financier du au trafic à la date t si un équipement existe, par PIBt le PIB à la date t et par β le coefficient décrivant la relation supposée linéaire entre le trafic et le PIB. Le système est alors décrit par : d log(Xt) = µx.dt + β. d log(PIBt) d log(PIBt) = µPIB . dt ce qui donne d log(Xt) = µ.dt avec µ = µx + β.µPIB. On a évidemment Xt = X0 exp (µt). La VAN. Si le projet est exécuté en T, la V AN est donnée dans ce cas par : où j le taux d’actualisation des avantages supposé égal au taux d’actualisation du coût du projet et C représente le coût du projet. Optimisation de la VAN. On veut alors optimiser la VAN en fonction de T. Pour cela notons que : Un calcul simple montre que, si µ ≥ j, V (T) = +∞ et si µ < j Il reste alors à optimiser cette fonction en T. Il est facile de vérifier que l’optimum est obtenu à l’instant T où l’on a X0.eµT = j.C, si j.C > X0, et en T = 0 sinon. Ce que l’on exprimera, si l’on note donné par : !"# $ 0, ∗ = j.C, en disant que le temps optimal τopt est $ ∗' (1) Le cas j ≠ j’. j’ On suppose maintenant que le critère que l’on cherche à optimiser est modifié de la façon suivante : Juillet 2013 ( 5 - Effet Effet de l’aléa sur la date optimale d’engagement d’un projet - On peut réécrire le critère en posant δ = j - j′ sous la forme ) µt Lorsque Xt = X0e , on a ) ( Le calcul d’optimisation en T montre que le temps optimal est donné par !"# $ 0, où * ∗ ) avec $ ) ∗ ' ′ La règle optimale est formellement identique au cas j′ = j, mais il faut remplacer le prix C par un prix convenablement actualisé Ct et j par j′. 1.2 Le modèle aléatoire Le modèle aléatoire le plus simple à la particularité de rester complétement soluble et de conduire à un temps optimal (aléatoire dans ce dernier cas bien sûr) dont la forme est proche de l’équation (1). C’est ce que nous allons maintenant expliquer. Description du modèle aléatoire. On suppose que X est la solution de ,-. / 0 1 − où Wt est un mouvement brownien (c’est à dire le modèle le plus simple (gaussien) permettant de décrire un aléa variant au cours du temps). − σ qualifie la taille de l’aléa. σ = prend le nom de volatilité dans le cas des modèles financiers. − pour des raisons techniques, le paramètre économique pertinent de dérive est plutôt µ′ = µ + σ²/2 que µ, car dXt = Xt (µ′dt + σdWt). L’espérance L’espérance de la VAN. VAN On choisit comme critère à optimiser l’espérance de la VAN. C’est un choix qui suppose que l’on est neutre au risque. La simplicité du modèle permet de calculer cette espérance de façon explicite : 23 4 25 6 2 Comme Xt est une variable aléatoire gaussienne E(Xt) se calcule sans difficulté, et l’espérance de la VAN s’en déduit facilement, si l’on suppose que l’on part de x en T, la VAN prend alors la forme V(T,x) donnée par : , 6 0 7 /2 Juillet 2013 - Effet de l’aléa sur la date optimale d’engagement d’un projet - Le caractère markovien de X permet alors de montrer que 23 23 4 , : 4. Ce qui simplifie notablement le problème d’optimisation qui va suivre. Le problème d’optimisation. d’optimisation Il nous faut alors trouver , un temps d’arrêt (nous ne prenons des décisions qu’en fonction du passé) qui maximise 23 4 23 , : = 2< 4 : 0 7 /2 >? Ce problème est un problème classique d’arrêt optimal (qui ressemble beaucoup à celui que l’on traite pour calculer une option perpétuelle américaine de type “put” ou “call”). Il est bien connu que : − l’on sait résoudre ce type de problème théoriquement pour une grande variété de modèles ; − l’on sait le résoudre numériquement (plus ou moins efficacement) pour des modèles markoviens généraux ; − l’on sait le résoudre explicitement que pour très peu de modèles. C’est le cas ici, ce qui simplifie grandement le traitement. L’´étude de ce type de problèmes remonte (au moins) à McKean [4], voir le chapitre 3 de [3] pour une introduction dans le cas du put américain ou [1, 2, 5] pour des ´études détaillées. Résultat de l’optimisation. Nous ne développons pas en détail la façon dont ce problème d’optimisation se traite en détail, nous nous contentons de décrire le résultat. τopt se calcule de la façon suivante : !"# $ 0, Où ∗ 0 @ @ 7 $ 7 ∗ 0 ' / 2 07 / 2 07 (2) 0 7 /2 07 On peut vérifier que x*(σ) > x0* : l’aléa “retarde” le moment de la décision. Un développement limité de la formule définissant x*(σ) montre que x*(σ) tend vers x0* lorsque σ tend vers 0. Il faut par ailleurs noter la ressemblance formelle entre la solution déterministe donnée par l’équation 1 et la solution aléatoire donnée par l’équation 2. Seule change la valeur de x*(σ). Il faut toutefois bien noter que τopt dépend bien du hasard. Le cas où j ≠ j′.. Dans le cas aléatoire et lorsque j ≠j′, le critère à optimiser doit être modifié de la façon suivante (seul le coût des travaux change) : 23 Juillet 2013 4 2< : = : 0 7 /2 ): >? 7 - Effet Effet de l’aléa sur la date optimale d’engagement d’un projet - avec δ = j - j′. Ce que l’on peut réécrire : 23 4 2< (: A: 5 6? 0 7 /2 ) ) BCD A . On peut alors remarquer que A . a la où l’on a posé A même dynamique que Xt en remplaçant µ par µ′ = µ-δ. Comme par ailleurs, j – µ - σ²/2 = j′ – µ’ - σ²/2, le nouveau critère peut s’écrire : 23 4 2< (: 5 ′ A: ′ 0 7 /2 6? Pour traiter le cas où j ≠ j′ on voit donc qu’il suffit d’utiliser les formules du cas classique en substituant j′ = j - δ à j et µ′ = µ - δ à µ. Il faut cependant noter que le temps d’exercice optimal s’écrit naturellement en fonction de E sous la forme : ̃ !"# $ 0, E $ A∗ ' Mais on peut le réécrire en fonction de X comme : ̃ !"G $ 0, $ 2 ) A∗ H Résultats, interprétation La frontière exprimée en temps (année). Le temps optimal τopt est un temps aléatoire dont il n’est pas complétement évident de calculer l’espérance. Nous proposons un indicateur (exprimée en année) permettant de donner une idée du décalage entre τopt et le temps optimal déterministe. Nous proposons de définir cet indicateur par la formule suivante : ∗ ∗ 1 0 1 0 log 5 ,-. 5 6 6 qui permet d’exprimer par une valeur homogène à un temps la différence entre et ∗ 0 . ∗ 0 La frontière exprimée en temps (année). Nous exprimons cette valeur dans deux cas typiques, dans les graphiques suivants où figure en abscisse la taille de l’aléa et en ordonnée le décalage exprimé en années. 8 Juillet 2013 - Effet de l’aléa sur la date optimale d’engagement d’un projet - – µ = 0,02, j = 0,04 – µ = 0,01, j = 0,04 Juillet 2013 9 - Effet Effet de l’aléa sur la date optimale d’engagement d’un projet - Références [1] A. Bensoussan, On the theory of option pricing, Acta Applicandae Mathematicae, 2, 1984, p. 139-158. [2] I. Karatzas, On the pricing of American options, Appl. Math. Optimization, 17, 1988, p. 37–60. [3] D. Lamberton, B. Lapeyre, An Introduction to Stochastic Calculus Applied to Finance, Chapman and Hall, Second Edition, Chapman and Hall, 2007. [4] H.P. McKean, A Free Boundary Problem for the Heat Equation Arising from a Problem of Mathematical Economics, Indust. Management Rev., 6, 32-39, 1965. [5] P. van Moerbeke, On optimal stopping and free boundary problems, Arch. Rational Mech. and Analysis, 60, 1976, p.101-148. 10 Juillet 2013