Against the Gods: The Remarkable Story of Risk

Aperçu : Cette leçon explore le passage d'une vision de l'avenir comme une affaire de destin ou de caprice divin à un domaine gérable défini par la « Conception Moderne du Risque ». Elle retrace l'évolution de la gestion des risques à travers le développement de la théorie des probabilités et la tension entre la quantification mathématique du passé et les croyances subjectives face à un avenir incertain. Cette transition est identifiée comme le principal catalyseur de la croissance économique moderne, de la science et des processus de prise de décision rationnelle qui définissent la société contemporaine.

Résultats d'apprentissage :

• Définir la conception moderne du risque comme un processus de choix rationnel plutôt qu'une soumission passive à la nature ou à la superstition.
• Identifier les étapes mathématiques clés et les figures importantes dans l'évolution des probabilités et de la gestion des risques.
• Expliquer la tension persistante entre la quantification (modèles historiques) et la croyance subjective (incertitude future).

Aperçu : Cette leçon explore la transition du risque d'une question de « destin » à une question de « choix », centrée sur les débuts de l'histoire du jeu et les fondements philosophiques de la Grèce antique. Elle retrace les racines linguistiques du risque (l'italien risicare), l'omniprésence du jeu des empereurs romains à George Washington, et les raisons spécifiques pour lesquelles les Grecs, intellectuellement brillants, n'ont pas développé de théorie formelle des probabilités malgré leur maîtrise des mathématiques.

Résultats d'apprentissage :

• Définir l'origine étymologique et la conceptualisation moderne du « risque » comme un choix plutôt qu'un destin.
• Distinguer les jeux de hasard des jeux d'adresse, en identifiant le rôle de la nature « sans mémoire » des dés.
• Expliquer la relation critique entre le risque et l'horizon temporel, en particulier le concept d'irréversibilité.

Aperçu : Cette leçon explore la transition cruciale des preuves géométriques grecques antiques à la naissance de l'algèbre symbolique et à l'introduction révolutionnaire du système de numération hindou-arabe en Occident. Les étudiants examineront comment la suite de Fibonacci et les innovations algébriques de Diophante ont transformé les mathématiques d'une quête philosophique en un outil pratique pour la mesure et la maîtrise du risque.

Résultats d'apprentissage :

• Calculer la suite de Fibonacci et identifier sa convergence vers le Nombre d'Or dans la nature et le design.
• Analyser l'héritage grec de la preuve mathématique et les limites des systèmes de numération alphabétique dans le calcul.
• Appliquer l'algèbre symbolique pour résoudre des équations linéaires, sur le modèle des travaux de Diophante d'Alexandrie.

Aperçu : Cette leçon explore la transition du jeu « à l'instinct » à la quantification systématique du risque entre 1200 et 1700. Elle se concentre sur le « Problème des Partis » comme catalyseur de la théorie des probabilités, la vie colorée et les avancées mathématiques de Girolamo Cardano, et l'évolution de la notation algébrique qui a permis de documenter et de partager ces idées complexes.

Résultats d'apprentissage :

• Définir le « Problème des Partis » et son rôle historique dans l'initiation de l'analyse systématique des probabilités.
• Décrire les contributions de Girolamo Cardano à la théorie des probabilités, en particulier sa transition d'« accro au jeu » à l'auteur de la première analyse sérieuse des jeux de hasard.
• Identifier les étapes clés de l'évolution de la notation algébrique et leur impact sur la précision mathématique pendant la Renaissance.

Aperçu : Cette leçon explore la révolution intellectuelle du milieu du 17e siècle qui a transformé le risque de « mumbo jumbo » en une science mesurable. Elle se concentre sur la correspondance entre Blaise Pascal et Pierre de Fermat, qui a établi les fondements de la théorie des probabilités en résolvant le « problème des partis » et en introduisant le concept d'utilité dans la prise de décision.

Résultats d'apprentissage :

• Définir la transition des « degrés de croyance » à la mesure de la probabilité en chiffres concrets.
• Identifier les contributions biographiques et mathématiques de Blaise Pascal et Pierre de Fermat à la gestion des risques.
• Expliquer l'application du « Pari de Pascal » et de la Logique de Port-Royal à la prévision moderne et à la théorie de la décision.

Aperçu : Cette leçon explore le passage de l'intuition à l'analyse quantitative à travers les travaux de pionniers comme John Graunt et William Petty, et la maturation éventuelle de l'assurance en tant que science commerciale. Elle couvre l'évolution de « l'Arithmétique Politique », la création des premières tables de mortalité, et la transition de la gestion des risques du prêt à la grosse aventure maritime aux pratiques de souscription modernes établies dans les cafés londoniens.

Résultats d'apprentissage :

• Expliquer comment John Graunt a transformé les « Bulletins de mortalité » londoniens en fondement de l'inférence statistique.
• Décrire la transition de la collecte de données primitive au calcul mathématique de l'espérance de vie et des rentes viagères.
• Identifier les mécanismes historiques de gestion des risques, y compris le prêt à la grosse aventure maritime, la diversification et le rôle des cafés dans le développement des marchés de l'assurance.

Aperçu : Cette leçon explore la transition historique de la probabilité purement mathématique à l'étude de la prise de décision subjective. Elle examine comment la Logique de Port-Royal a d'abord défini le risque comme une fonction à la fois de la probabilité et du préjudice, les contributions intellectuelles de la turbulente famille Bernoulli, et l'innovation de Daniel Bernoulli, son « Mémoire sur Saint-Pétersbourg », qui a résolu le Paradoxe de Saint-Pétersbourg en introduisant le concept d'Utilité — l'idée que la valeur d'un résultat dépend des circonstances spécifiques d'un individu.

Résultats d'apprentissage :

• Définir le risque selon la Logique de Port-Royal comme une synthèse de la probabilité et de la gravité du préjudice.
• Identifier les membres clés de la famille Bernoulli et leurs contributions spécifiques à la théorie des probabilités et du risque.
• Expliquer le « Paradoxe de Saint-Pétersbourg » et comment le passage de la « Valeur Espérée » à l'« Utilité Espérée » explique le comportement humain face aux jeux de hasard incertains.

Aperçu : Cette leçon explore la période de transformation de 1700 à 1900, caractérisée comme la « Mesure sans Limite », où la théorie des probabilités est passée d'un simple calcul de jeux de hasard à un outil sophistiqué pour comprendre la réalité. Les étudiants examineront comment Jacob Bernoulli, Abraham de Moivre et Thomas Bayes ont développé la Loi des Grands Nombres, la Courbe Normale et l'Inférence Bayésienne pour définir la « Certitude Morale » — la capacité pratique de prédire le tout à partir de ses parties malgré l'incertitude inhérente à la vie.

Résultats d'apprentissage :

• Différencier la probabilité a priori (théorique) et a posteriori (empirique).
• Expliquer comment la Loi des Grands Nombres fournit une base mathématique pour la « certitude morale » grâce à l'augmentation de la taille des échantillons.
• Décrire l'importance de la découverte par Abraham de Moivre de la Courbe Normale et de l'Écart Type dans le regroupement des données.

Aperçu : Cette leçon explore la transition du désordre chaotique à l'ordre mathématique à travers les travaux de Carl Friedrich Gauss et Pierre-Simon Laplace. Elle retrace l'évolution de la « Loi Suprême du Déraisonnable » — la Distribution Normale — de ses origines dans la théorie des nombres et la mesure géodésique à son application dans le Théorème Central Limite et l'Hypothèse de la Marche Aléatoire en finance. Les étudiants comprendront comment les « moyennes de moyennes » fournissent un cadre structuré pour mesurer le risque et l'incertitude.

Résultats d'apprentissage :

• Définir la Distribution Normale et identifier les deux conditions nécessaires à son apparition (grand échantillon et indépendance).
• Expliquer le Théorème Central Limite et comment les « moyennes de moyennes » réduisent la dispersion.
• Décrire l'Hypothèse de la Marche Aléatoire et son application à l'indépendance des prix des actions.

Aperçu : Cette leçon explore la transition de la théorie des probabilités d'un outil pour les sciences physiques à un élément fondamental des sciences sociales et de la gestion des risques. Elle oppose la quête d'Adolphe Quetelet pour « L'Homme Moyen » (l'homme moyen) en tant que type idéal à la découverte par Francis Galton de la « Régression vers la Moyenne » et du concept de corrélation. Les étudiants examineront comment la distribution normale (la courbe en cloche) décrit à la fois les traits physiques et les capacités humaines, et comment les valeurs aberrantes succombent éventuellement à l'« impôt de succession » de la médiocrité.

Résultats d'apprentissage :

• Définir le concept d'« Homme Moyen » d'Adolphe Quetelet et ses implications pour la physique sociale.
• Expliquer l'utilisation par Francis Galton du Quinconce et de la distribution normale pour décrire la capacité naturelle et l'hérédité.
• Identifier le mécanisme de la « Régression vers la Moyenne » et comment il transforme la probabilité statique en un processus dynamique pour analyser le risque et le comportement.

Aperçu : Cette leçon explore l'évolution de la probabilité d'un concept statique vers un processus dynamique connu sous le nom de régression vers la moyenne, initié par Francis Galton. Elle examine comment ce principe s'applique à la volatilité des marchés, à la performance historique des classes d'actifs et à la convergence de la productivité mondiale. Enfin, la leçon aborde la tension entre les attentes mathématiques à long terme et les réalités pratiques, souvent « mortelles », du court terme telles que définies par John Maynard Keynes.

Résultats d'apprentissage :

• Analyser la transition de la probabilité de la Loi des Grands Nombres vers un processus dynamique de régression vers la moyenne.
• Évaluer les données historiques du marché pour différencier la variance à court terme des probabilités de rendement à long terme.
• Identifier le « processus de convergence » dans la productivité mondiale et ses implications pour les prévisions économiques.

Aperçu : Cette leçon explore l'ambitieuse entreprise victorienne de quantification de l'expérience humaine, passant de la philosophie abstraite à la modélisation mathématique rigoureuse. Elle se concentre sur la transition de « l'Économie Politique » vers une science fondée sur les données, en se focalisant sur le concept d'Utilité comme métrique principale du choix humain, de la prise de risque et de l'équilibre économique.

Résultats d'apprentissage :

• Définir le Principe d'Utilité et expliquer comment les « maîtres souverains » de Jeremy Bentham (la douleur et le plaisir) ont jeté les bases de la théorie moderne du choix.
• Analyser l'impact de La Théorie de l'Économie Politique de William Stanley Jevons sur la mathématisation des sciences sociales.
• Évaluer le mouvement victorien visant à appliquer les normes de mesure des sciences naturelles à des phénomènes sociaux comme le crime, l'analphabétisme et les cycles économiques.

Aperçu : Cette leçon explore le changement intellectuel entre 1900 et 1960, passant de la croyance victorienne en un monde prévisible et déterministe à la compréhension moderne de l'incertitude et des « nuages de vague ». Les étudiants examineront comment des penseurs comme Poincaré, Bachelier et Arrow ont redéfini le « hasard » non pas comme une propriété inhérente de la nature, mais comme une mesure de l'ignorance humaine, conduisant finalement à la formalisation de la gestion des risques et au principe de falsification.

Résultats d'apprentissage :

• Distinguer la causalité déterministe (Laplace) de la définition moderne du hasard comme « mesure de notre ignorance » (Poincaré).
• Expliquer les fondements mathématiques de la spéculation et de la Loi des Grands Nombres dans le contexte du jeu et de l'assurance.
• Appliquer les principes d'aléa moral et de falsification à des scénarios modernes de gestion des risques.

Aperçu : Cette leçon explore la révolution intellectuelle qui a dissocié le « risque » de l'« incertitude », menée par les figures contrastées de John Maynard Keynes et Frank Knight. Les étudiants examineront la transition des théories économiques classiques « sans risque » vers un cadre qui reconnaît les limites de la probabilité mathématique, la nature subjective de la croyance et la volatilité inhérente à la prise de décision économique dans un monde imprévisible.

Résultats d'apprentissage :

• Distinguer le « risque mesurable » de l'« incertitude non mesurable » selon le cadre Keynes-Knight.
• Résumer les étapes biographiques et professionnelles de John Maynard Keynes qui ont façonné sa perspective économique.
• Expliquer le concept keynésien de probabilité comme « degrés de croyance » appliqué à des propositions plutôt qu'à des distributions de fréquence.

Aperçu : Cette leçon explore la transition de la théorie du risque de la probabilité mathématique à l'étude de l'interaction humaine stratégique. Elle se concentre sur les contributions intellectuelles de John von Neumann et Oskar Morgenstern, détaillant comment la théorie des jeux redéfinit l'incertitude comme le résultat des « intentions des autres ». Le programme couvre les mécanismes du jeu stratégique, la mesure de l'utilité et les états stables mais souvent sous-optimaux connus sous le nom d'Équilibres de Nash.

Résultats d'apprentissage :

• Définir le passage de la probabilité classique à la théorie des jeux comme moyen de gérer l'incertitude.
• Expliquer la stratégie rationnelle derrière le jeu Pile ou Face et ses implications pour la gestion des risques.
• Analyser le conflit entre la « prévision parfaite » et l'« équilibre économique ».

Aperçu : Cette leçon retrace l'évolution de la gestion des risques, des normes juridiques qualitatives du 19e siècle aux avancées mathématiques de la Théorie Moderne du Portefeuille au milieu du 20e siècle. Elle explore l'idée révolutionnaire d'Harry Markowitz selon laquelle le risque d'un portefeuille n'est pas simplement la somme des risques de ses composants, et détaille l'approche systématique de construction de portefeuilles « efficients » grâce à l'optimisation moyenne-variance, tout en tenant compte des complexités psychologiques de l'incertitude.

Résultats d'apprentissage :

• Opposer la règle historique de « l'Homme Prudent » aux approches mathématiques modernes du risque d'investissement.
• Expliquer le principe mathématique de la diversification, en particulier comment elle réduit la volatilité du portefeuille par rapport à la volatilité des actifs individuels.
• Définir les mécanismes de l'Optimisation Moyenne-Variance et la construction de portefeuilles efficients.

Aperçu : Cette leçon explore le passage des modèles classiques de prise de décision rationnelle aux perspectives comportementales de la Théorie des Perspectives, initiée par Daniel Kahneman et Amos Tversky. Elle examine pourquoi le choix humain viole souvent le principe d'invariance, comment nous passons de l'aversion au risque à la recherche de risque en fonction du cadrage, et comment la « quasi-rationalité » définit notre comportement en situation d'incertitude.

Résultats d'apprentissage :

• Définir l'« Échec de l'Invariance » et expliquer comment le cadrage affecte la prise de décision.
• Distinguer le comportement d'aversion au risque dans le domaine des gains du comportement de recherche de risque dans le domaine des pertes.
• Reconnaître les difficultés cognitives et les heuristiques, telles que l'« Aversion à l'Ambiguïté » et la « Régression vers la Moyenne », qui conduisent à des choix irrationnels.

Aperçu : Cette leçon explore la transition du modèle de l'« investisseur rationnel » à la réalité du comportement humain sur les marchés financiers. Elle examine comment « La Police de la Théorie » défend l'économie classique tandis que la finance comportementale met en lumière les anomalies humaines telles que la comptabilité mentale, le regret de décision et la lutte pour la maîtrise de soi. De plus, la leçon analyse l'essor du trading informatisé et la performance des fonds indiciels comme réponses à la volatilité du marché et à l'erreur humaine.

Résultats d'apprentissage :

• Analyser le conflit entre le « modèle rationnel » et la finance comportementale, en particulier comment la nature humaine perturbe la théorie classique.
• Évaluer l'impact de la comptabilité mentale et de la maîtrise de soi sur les décisions financières, comme dans le « Puzzle du Dividende ».
• Évaluer l'efficacité des fonds indiciels et du trading informatisé dans le contexte de la volatilité des marchés et de la « demi-vie » des stratégies d'investissement.

Aperçu : Cette leçon explore l'évolution des dérivés, des contrats commerciaux médiévaux aux instruments financiers quantitatifs modernes. Elle examine comment ces « paris annexes » — y compris les contrats à terme, les options et l'assurance de portefeuille — tirent leur valeur d'actifs sous-jacents pour faciliter le transfert de risque entre les hedgers et les spéculateurs. Les étudiants analyseront les fondements mathématiques et historiques de la gestion des risques, en se concentrant sur les contributions révolutionnaires de Black, Scholes et Merton.

Résultats d'apprentissage :

• Définir la nature et le but des dérivés en tant qu'instruments de transfert de l'incertitude.
• Distinguer la couverture (hedging) de la spéculation dans le contexte des contrats à terme et des options.
• Identifier les quatre éléments critiques utilisés pour déterminer la valorisation d'une option.