La thèse, intitulée « Essai sur la Théorie de l’Actualisation : Utilité Escomptée Subjective et Sensibilité à la Variation », s’inscrit dans le périmètre de recherche associé à la théorie de la décision intertemporelle et s’engage précisément dans deux sentiers qui ont été, jusqu’à présent, relativement peu exploités. D’une part, elle s’interroge sur la diversité observée – et modélisée – des mécanismes d’actualisation en cherchant à expliquer une telle diversité sur la base d’une structure comportementale unique (Partie I. Une investigation de l’actualisation). D’autre part, face à cette diversité croissante des mécanismes d’actualisation recensés, la thèse s’interroge sur la condition de cohérence temporelle en cherchant à caractériser des préférences temporelles cohérentes sur la base de la même structure comportementale définie dans la première partie (Partie II. Une investigation de la cohérence temporelle). / The thesis, entitled “Essay on the Discounting Theory: Subjective Discounted Utility and Variation Sensibility”, gathers a set of theoretical works related to Intertemporal Decision Theory. In particular, two unexploited fields are investigated. On one hand, the thesis explains the great heterogeneity in discounting by a single behavioral pattern called time perception. A general axiomatic model, the Subjective Discounted Utility, generalizes any Discounted Utility model by associating each discount mechanism to a unique time perception (Part I. An Investigation of Discounting). Many applications are dedicated to extreme time horizons. On the other hand, the Subjective Discounted Utility model is applied to a general study of time consistent preferences. Axiomatic conditions are defined on time preferences to characterize time consistent and time inconsistent preferences (Part II. An Investigation of Time Consistency).

On présente une nouvelle approche de simulation pour la fonction de densité conjointe du surplus avant la ruine et du déficit au moment de la ruine, pour des modèles de risque déterminés par des subordinateurs de Lévy. Cette approche s'inspire de la décomposition "Ladder height" pour la probabilité de ruine dans le Modèle Classique. Ce modèle, déterminé par un processus de Poisson composé, est un cas particulier du modèle plus général déterminé par un subordinateur, pour lequel la décomposition "Ladder height" de la probabilité de ruine s'applique aussi. La Fonction de Pénalité Escomptée, encore appelée Fonction Gerber-Shiu (Fonction GS), a apporté une approche unificatrice dans l'étude des quantités liées à l'événement de la ruine été introduite. La probabilité de ruine et la fonction de densité conjointe du surplus avant la ruine et du déficit au moment de la ruine sont des cas particuliers de la Fonction GS. On retrouve, dans la littérature, des expressions pour exprimer ces deux quantités, mais elles sont difficilement exploitables de par leurs formes de séries infinies de convolutions sans formes analytiques fermées. Cependant, puisqu'elles sont dérivées de la Fonction GS, les expressions pour les deux quantités partagent une certaine ressemblance qui nous permet de nous inspirer de la décomposition "Ladder height" de la probabilité de ruine pour dériver une approche de simulation pour cette fonction de densité conjointe. On présente une introduction détaillée des modèles de risque que nous étudions dans ce mémoire et pour lesquels il est possible de réaliser la simulation. Afin de motiver ce travail, on introduit brièvement le vaste domaine des mesures de risque, afin d'en calculer quelques unes pour ces modèles de risque. Ce travail contribue à une meilleure compréhension du comportement des modèles de risques déterminés par des subordinateurs face à l'éventualité de la ruine, puisqu'il apporte un point de vue numérique absent de la littérature. / We discuss a simulation approach for the joint density function of the surplus prior to ruin and deficit at ruin for risk models driven by Lévy subordinators. This approach is inspired by the Ladder Height decomposition for the probability of ruin of such models. The Classical Risk Model driven by a Compound Poisson process is a particular case of this more generalized one. The Expected Discounted Penalty Function, also referred to as the Gerber-Shiu Function (GS Function), was introduced as a unifying approach to deal with different quantities related to the event of ruin. The probability of ruin and the joint density function of surplus prior to ruin and deficit at ruin are particular cases of this function. Expressions for those two quantities have been derived from the GS Function, but those are not easily evaluated nor handled as they are infinite series of convolutions with no analytical closed form. However they share a similar structure, thus allowing to use the Ladder Height decomposition of the Probability of Ruin as a guiding method to generate simulated values for this joint density function. We present an introduction to risk models driven by subordinators, and describe those models for which it is possible to process the simulation. To motivate this work, we also present an application for this distribution, in order to calculate different risk measures for those risk models. An brief introduction to the vast field of Risk Measures is conducted where we present selected measures calculated in this empirical study. This work contributes to better understanding the behavior of subordinators driven risk models, as it offers a numerical point of view, which is absent in the literature.

No description available.

On présente une nouvelle approche de simulation pour la fonction de densité conjointe du surplus avant la ruine et du déficit au moment de la ruine, pour des modèles de risque déterminés par des subordinateurs de Lévy. Cette approche s'inspire de la décomposition "Ladder height" pour la probabilité de ruine dans le Modèle Classique. Ce modèle, déterminé par un processus de Poisson composé, est un cas particulier du modèle plus général déterminé par un subordinateur, pour lequel la décomposition "Ladder height" de la probabilité de ruine s'applique aussi. La Fonction de Pénalité Escomptée, encore appelée Fonction Gerber-Shiu (Fonction GS), a apporté une approche unificatrice dans l'étude des quantités liées à l'événement de la ruine été introduite. La probabilité de ruine et la fonction de densité conjointe du surplus avant la ruine et du déficit au moment de la ruine sont des cas particuliers de la Fonction GS. On retrouve, dans la littérature, des expressions pour exprimer ces deux quantités, mais elles sont difficilement exploitables de par leurs formes de séries infinies de convolutions sans formes analytiques fermées. Cependant, puisqu'elles sont dérivées de la Fonction GS, les expressions pour les deux quantités partagent une certaine ressemblance qui nous permet de nous inspirer de la décomposition "Ladder height" de la probabilité de ruine pour dériver une approche de simulation pour cette fonction de densité conjointe. On présente une introduction détaillée des modèles de risque que nous étudions dans ce mémoire et pour lesquels il est possible de réaliser la simulation. Afin de motiver ce travail, on introduit brièvement le vaste domaine des mesures de risque, afin d'en calculer quelques unes pour ces modèles de risque. Ce travail contribue à une meilleure compréhension du comportement des modèles de risques déterminés par des subordinateurs face à l'éventualité de la ruine, puisqu'il apporte un point de vue numérique absent de la littérature. / We discuss a simulation approach for the joint density function of the surplus prior to ruin and deficit at ruin for risk models driven by Lévy subordinators. This approach is inspired by the Ladder Height decomposition for the probability of ruin of such models. The Classical Risk Model driven by a Compound Poisson process is a particular case of this more generalized one. The Expected Discounted Penalty Function, also referred to as the Gerber-Shiu Function (GS Function), was introduced as a unifying approach to deal with different quantities related to the event of ruin. The probability of ruin and the joint density function of surplus prior to ruin and deficit at ruin are particular cases of this function. Expressions for those two quantities have been derived from the GS Function, but those are not easily evaluated nor handled as they are infinite series of convolutions with no analytical closed form. However they share a similar structure, thus allowing to use the Ladder Height decomposition of the Probability of Ruin as a guiding method to generate simulated values for this joint density function. We present an introduction to risk models driven by subordinators, and describe those models for which it is possible to process the simulation. To motivate this work, we also present an application for this distribution, in order to calculate different risk measures for those risk models. An brief introduction to the vast field of Risk Measures is conducted where we present selected measures calculated in this empirical study. This work contributes to better understanding the behavior of subordinators driven risk models, as it offers a numerical point of view, which is absent in the literature.