Apeas
[ad_1]
ABSTRAIT: Chaque fois que les gestionnaires de risques sont confrontés à une incertitude profonde et à une complexité organisée, les méthodes d'inférence probabilistes qui réclament des entrées nettes et des résultats précis ne peuvent pas être utilisées efficacement. Ceci est une thèse de cet article que nous tirons d'un point de vue systémique et discutons dans le contexte de la praxéologie. Plus spécifiquement, notre contribution à la littérature économique autrichienne est double. Tout d’abord, après avoir revisité la nomenclature knightienne du risque par rapport à l’incertitude qui, selon Hoppe (2007), est similaire au travail de Ludwig von Mises sur le sujet, nous présentons notre propre conception du risque, qui diffère de celle-ci. Deuxièmement, nous suivons Hoppe (2007) pour évaluer les arguments avancés par Knight et Mises contre la possibilité d'appliquer la théorie des probabilités dans le domaine de l'action humaine, mais aboutissons à une conclusion différente, plus nuancée. En particulier, nous décrivons un cas qui se sépare de l'approche praxéologique.
MOTS-CLÉS: économie autrichienne, risque, incertitude, complexité, probabilité
CLASSEMENT JEL: B4, C1
Christian Hugo Hoffmann ([email protected]) est post-doctorant à la chaire sur les risques entrepreneuriaux de l'Ecole Polytechnique Fédérale de Zurich (ETH), en Suisse.
Journal trimestriel de l'économie autrichienne 21, non. 3 (automne 2018) numéro complet,
Il est grand temps, cependant, que nous prenions notre ignorance plus au sérieux.
– (Friedrich A. Hayek, 1967)
1. INTRODUCTION
Cet article caractérise et discute différents concepts de risque et cherche à définir un sens approprié du terme dans le domaine de l'économie et de la finance. L’objectif n’est pas seulement d’approfondir nos connaissances conceptuelles, mais également d’identifier et d’examiner, ce qui est particulièrement pertinent pour l’autrichien, le potentiel pour aller au-delà de la simple et rigide dichotomie risque / incertitude sur laquelle s'appuient Knight et Ludwig von Mises. Ceci est réalisé en explorant si et jusqu'à quel point une systématisation peut être jugée possible dans le domaine de l'incertitude non probabiliste. Même si, à la fin, nous ferons également la distinction entre le risque et l'incertitude Knightian (pour ainsi dire), il est important de noter que nous n'approuvons qu'un seul concept de risque qui diffère du risque Knight et qui sera baptisé. Risque I (section 5). Nous introduisons Risque I de manière déductive en postulant quatre exigences auxquelles une notion de risque devrait répondre (section 4). Avant cela, nous passons en revue la littérature (section 2) et tournons le projecteur sous l’angle des risques de Knight et Mises (section 3). Nous clôturons ce document aux sections 6 et 7 où nous détaillons les leçons tirées de la taxonomie du risque que nous proposons pour l’autrichisme.
L'absence d'une définition acceptée et appropriée du risque dans la littérature n'est pas simplement un problème abstrait et théorique de la tour d'ivoire. Par exemple, les risques inhérents aux systèmes économiques et financiers sont considérés comme des éléments déclencheurs des crises financières mondiales (Schwarcz, 2008, p. 193–249; Kelly, 1995, p. 221 et suiv.). Avoir des définitions lucides est une exigence fondamentale pour la gestion et la modélisation (Fouque et Langsam, 2013, p. Xxviii). Sans une notion bien réfléchie du risque (financier) et des approches permettant de mesurer et de gérer le montant et la nature des risques, il serait difficile de cibler efficacement l'action indispensable (par exemple, l'atténuation) sans courir le risque réel de causer plus de tort que de bien .
2. LA NOTION DE RISQUE DANS LA LITTÉRATURE
Dans les contextes non techniques et de langage courant, le mot «risque» fait référence, souvent de manière très vague, à des situations dans lesquelles il est possible, mais pas certain, qu'un événement indésirable se produise (Hansson, 2011; Heinemann, 2014). Plus précisément, le philosophe Sven O. Hansson distingue cinq utilisations et significations particulièrement importantes et plus spécialisées du terme, qui sont largement utilisées dans toutes les disciplines universitaires et / ou dans le langage de tous les jours (Hansson, 2011).
(1) risque = un événement indésirable qui peut ou peut ne pas se produire.
Un exemple de cette utilisation est: "Le risque d'un effondrement financier est vaste."
(2) risque = le cause d'un événement indésirable qui peut ou non se produire.
Un exemple de cette utilisation est: «Les prêts à risque représentent un risque majeur pour l’émergence d’une bulle immobilière». (1) et (2) sont des sens qualitatifs du risque. Le mot a également des significations quantitatives, dont le plus ancien est le suivant:
(3) risque = le probabilité d'un événement indésirable qui peut ou non se produire.
Cet usage est illustré par l'énoncé suivant: «Le risque qu'un effondrement financier se produise au cours des cinq prochaines années est d'environ 70%."
(4) risque = le statistique valeur d'attente d'un événement indésirable qui peut ou non se produire.
La valeur attendue d'un éventuel événement négatif est le produit de sa probabilité et d'une certaine mesure de sa gravité. Il est courant d’utiliser le montant total des coûts monétaires comme mesure de la gravité d’un krach financier. Avec cette mesure de gravité, le «risque» (au sens 4) chargé d'un effondrement financier potentiel est égal au nombre de coûts monétaires statiquement attendu; C'est-à-dire, par exemple, 70% (en s'appuyant sur l'exemple de (3)) multiplié par 10 USD représentent 7 USD de coûts globaux prévus d'une crise financière mondiale. D'autres mesures de gravité donnent lieu à d'autres mesures de risque.
(5) risque = le fait qu'une décision soit prise dans des conditions de probabilités connues («Décision sous risque» par opposition à «décision sous incertitude»). Voir la note 28 pour un exemple.
Tous les concepts de risque ont en commun ce que les philosophes appellent contingence, la distinction entre événements possibles et réels ou action possible et choisie (Renn, 2008, p. 1). En plus de ces cinq significations communes de «risque», selon Hansson (2011), il existe plusieurs autres significations plus techniques, bien établies dans des domaines d'enquête spécialisés. En ce qui concerne les analyses économiques et particulièrement pertinentes aux fins de la présente étude, nota bene que le débat actuel sur le risque ressemble à une confusion de langues babylonienne. La situation actuelle est caractérisée par de nombreux concepts de risque peu justifiés et incohérents (Aven, 2012, p. 33). Certaines des nombreuses définitions différentes qui circulent sont triées et un système de sous-consommation pour celles-ci est présenté dans le tableau 1. Le but de cet aperçu est de présenter la diversité des notions de risque importantes, plutôt que de prétendre que les catégories proposées sont exhaustives ou exhaustives. mutuellement exclusif.
Tableau 1: Système de classification des définitions de risque et caractérisation des différentes catégories de définition de risque.
À la lumière de cette ambiguïté, la section suivante porte une attention particulière à la manière dont le terme «risque» a été inventé par l'école autrichienne d'économie, notamment par Ludwig von Mises et Frank Knight.
3. LA NOTION DE RISQUE DANS L'AUTRICHISME
Hoppe (2007) mérite le mérite d'avoir enquêté sur une similarité systématique, mais rarement notée, dans les travaux de Knight (1921) et de Mises (1949), notamment en ce qui concerne leur position sur le risque, l'incertitude et la (probabilité) (théorique). Cependant, la similitude concerne plus que ce qu'il énonce. La conclusion de Hoppe n’est pas suffisamment satisfaisante car elle reste incomplète quand il note simplement que Knight et Mises partagent le même point de vue critique sur les limites de la théorie mathématique des probabilités, ce qui ne se révélerait pas utile dans nos efforts quotidiens de prédiction de l’action humaine (Hoppe, 2007, page 19). Hoppe ne discute pas d'une lacune fascinante dont souffrent les deux œuvres. Knight (1921, ch. 7 et 8) et Mises (1949, ch. 6) traitent des notions d'incertitude et de probabilité, qui sont une préoccupation primordiale de la praxéologie, mais les deux traitements manquent de clarté conceptuelle. Pour être précis, nous ne contestons pas l’attitude critique de Hoppe ou de Knight / Mises à l’égard de l’applicabilité de la théorie des probabilités numériques ou kolmogorovienne. Plutôt, le manque de clarté conceptuelle sur les notions de risque évoqué précédemment fait référence à une identification naïve du risque avec (une interprétation de fréquence) probabilité à laquelle Knight et Mises succombent et qui n’est pas évaluée de manière critique par Hoppe.
Knight (1921, p. 223f.) Identifie les probabilités statistiques empiriques et les définit comme des imprévus «assurables» ou un «risque». Mises est d'accord avec lui (Hoppe, 2007, p. 11). Cependant, pourquoi cette approche est-elle naïve? Dans la section 4, nous l’appellerons problématique car elle ne répond pas aux exigences de la première, deuxième et troisième des quatre exigences que nous établirons en ce qui concerne une notion appropriée de risque. En plus de cela, l'interprétation fréquentielle de la probabilité elle-même est chargée d'incohérences (voir Hájek, 2011 pour un résumé). Par conséquent, en anticipant le raisonnement sous-jacent aux critères 1 à 3 de la section 4 et en soulignant les objections au fréquentisme présentées dans la littérature, nous sommes en droit d’énoncer la première de deux lacunes de la recherche.
Lacune dans la recherche I: Mauvaise conceptualisation du terme «risque» et déficits de connaissances concernant les relations conceptuelles entre «risque», «incertitude» et «probabilité» dans un contexte financier et économique.
Mises (1949, p. 107 ss) ne cite même pas le «risque» en tant que terminus technicus à ce propos d'élaborer sur les interprétations de probabilité. Au lieu de cela, il commente d'abord de façon plutôt vague:
Une déclaration est probable si notre connaissance concernant son contenu est déficiente. Nous ne savons pas tout ce qui serait nécessaire pour une décision définitive entre vrai et faux. Par contre, nous en savons quelque chose. nous sommes en mesure de dire plus que simplement non liquet ou ignorant. (Mises, 1949, p. 207).
Au sein de cette vaste classe d'énoncés probabilistes générale et sous-déterminée, Mises distingue ensuite deux sous-classes catégoriquement distinctes. Le premier – probabilité étroitement comprise et permettant l’application du calcul des probabilités – porte la signature de son frère Richard, qui a d’abord inventé le concept objectif de probabilité (Mises, 1939) et est appelé «probabilité de classe»:
La probabilité de classe signifie: Nous savons ou supposons savoir, en ce qui concerne le problème concerné, tout ce qui concerne le comportement de toute une classe d'événements ou de phénomènes; mais en ce qui concerne les événements ou phénomènes singuliers, nous ne savons rien mais ils sont des éléments de cette classe. (Mises, 1949, p. 207).
Knight (1921, p. 223f., 226, 231f.) Appelle l’autre type de contingence (c’est-à-dire les probabilités qui ne sont pas a priori ou «empirique statistique») «incertitude vraie» et la décrit comme une estimation ou un jugement intuitif. Par exemple, les décisions commerciales «traitent de situations beaucoup trop uniques, d’une manière générale, pour que tout type de tabulation statistique ait une valeur indicative. La conception d'une probabilité ou d'une chance objectivement mesurable est tout simplement inapplicable. »(Knight, 1921, p. 231). Près de trois décennies plus tard, Mises (1949, p. 110) ajoute que la véritable incertitude ou probabilité de cas, comment il se réfère à cela, signifie:
Nous connaissons, en ce qui concerne un événement particulier, certains des facteurs qui déterminent son issue. mais il y a d'autres facteurs déterminants à propos desquels nous ne savons rien. La probabilité de cas n'a rien de commun avec la probabilité de classe mais l'incomplétude de nos connaissances. À tous les égards, les deux sont totalement différents. (Mises, 1949, p. 110).
En particulier, alors que le calcul de probabilité ne s’applique qu’à des «véritables» classes ou à des collectifs (d’où la probabilité de classe nommée), la probabilité de cas concerne des cas / événements individuels, uniques et non répétables «qui en tant que tels – c’est-à-dire en ce qui concerne le problème en question – ne sont membres d'aucune classe »(Mises, 1949, p. 111). Ainsi, ils sortent du cadre de la théorie classique des probabilités. Cependant, quels types d'événements doivent être considérés comme des exemples de probabilité de cas selon Mises? Il fournit au lecteur la réponse initiale suivante:
Le champ d'application du premier (probabilité de classe ou de fréquence) est celui des sciences naturelles, entièrement régi par une causalité; le champ d'application de cette dernière (probabilité de cas) est celui des sciences de l'action humaine, entièrement régi par la téléologie. (Mises, 1949, p. 107).
Il s’ensuit que «l’action humaine est la source d’une« vraie »incertitude non quantifiable (knightienne)» (Hoppe, 2007, p. 11). Nous partageons l’observation de Hoppe selon laquelle, malheureusement, Mises (1949) n’explique pas clairement pourquoi les actions humaines (choix) sont intraitables par la théorie des probabilités (dans l’interprétation des fréquences) (ibid.). En outre, nous affirmons toutefois que la contribution principale envisagée par Hoppe dans son document, à savoir rendre la raison pour laquelle les choix sont inconcevables par une interprétation de la probabilité par la fréquence explicite fondée sur le cadre de Misesian, est insuffisante et fournit des éléments de preuve à la section 6. Bref, nous n'accepterons pas la logique de Hoppe parce que nous rejetons le cadre de Misesian dans ce but particulier. Au lieu de cela, nous allons présenter la proposition II et, de ce fait, fonder la question de la portée et des limites de la théorie des probabilités sur des questions de complexité tenant lieu d'action humaine. Pour l'instant, nous reconnaissons
Research Gap II: Manque de compréhension de Pourquoiles actions et les choix humains sortent du cadre de la théorie classique des probabilités (kolmogorovienne).
Nous traitons ces deux lacunes de recherche de la manière suivante. La section 6 cherche à combler le déficit de recherche II bien que la proposition selon laquelle l'action humaine en soi ne peut pas être capturé par des statistiques de probabilité s’avère insoutenable. La section 5 cible le déficit de recherche I et le chapitre suivant constitue un tremplin nécessaire dans cette direction. Autrement dit, certaines notes sur l'épistémologie du risque doivent d'abord échapper aux pièges possibles avant de déduire notre propre définition du risque.
4. L'épistémologie du risque
Lorsqu'il y a un risque, il doit y avoir quelque chose d'inconnu ou dont l'issue est inconnue. Par conséquent, la connaissance du risque est la connaissance du manque de connaissance (Hansson, 2011). Cette combinaison de connaissances et d’absence de connaissances contribue à rendre les questions de risque difficiles à saisir d’un point de vue épistémologique.
Deuxièmement, il est judicieux de reconnaître que le risque ne fait pas simplement référence à quelque chose d’inconnu, mais également de tracer un cadre conceptuel distinguant les knot, le vousinconnu, et le vousreconnaissable (“KuU”Comme il est étiqueté par Diebold et al., 2010). En conséquence, Kuritzkes et Schürmann (2010, p. 104) appellent un risque connu (K) si elle peut être identifiée et quantifiée ex ante; inconnu (vous) s’il fait partie d’un ensemble de risques qui peuvent être identifiés mais qui ne sont pas quantifiés de manière significative à l’heure actuelle; et inconnaissable (U) si l'existence du risque ou de l'ensemble des risques n'est pas prévisible, encore moins quantifiable, ex ante. Nota bene: il n’ya pas de ligne de définition nette à tracer entre ces classes, laissant peut-être le KuU les classes se situant dans un continuum de connaissances.
Troisièmement, les choses sont encore plus confuses parce que même les risques «connus» (au sens de Kuritzkes et Schürmann, 2010) contiennent de l’incertitude: «(…) comme le prouvent douloureusement les récentes données fournies par les marchés financiers. la distribution de probabilité "ne contient aucune incertitude n'est pas tout à fait raison" (Fedel et al., 2011, p. 1147). Les auteurs renforcent leur affirmation comme suit (Fedel et al., 2011, p. 1147): Supposons qu'un dé soit lancé. Une chose est de ne pas savoir quel visage finira par apparaître (un risque «connu»). Une chose tout à fait différente est de ne pas savoir si le dé est juste ou non (le risque apparemment connu est-il vraiment connu?) (Fedel et al., 2011, p. 1147). En d’autres termes, on peut naturellement faire la différence entre Premier ordre et deuxième ordre incertitude, respectivement. Dans le premier cas, nous ne sommes pas certains d’un état de fait (inconnu à l’heure actuelle). Dans ce dernier cas, nous sommes incertains de notre incertitude, c’est-à-dire que l’incertitude de second ordre fait référence à l’évaluation faite par une agente au sujet de sa propre incertitude (Fedel et al., 2011, p. 1147f).
Enfin, quatrièmement, Hansson (2011) observe qu'un des problèmes majeurs de l'épistémologie du risque, un problème qui fait l'objet d'une attention particulière dans cette étude, est de savoir comment gérer les limitations sévères qui caractérisent notre connaissance du comportement des comportements uniques. complexe systèmes essentiels pour l’estimation du risque (par exemple, les systèmes financiers modernes). De tels systèmes contiennent des composants et tant d’interactions potentiellement changeantes entre eux qu’il est en pratique imprévisible (Hansson, 2011).
Ces quatre points laissent déjà présager que la relation entre les concepts de «risque», «connaissance» et «incertitude» semble être vaste, multiple et difficile à atteindre. Nous essayons ci-après de faire face à ces problèmes et d’établir quatre conditions explicites pour définir une notion de risque plus appropriée et plus cohérente.
Condition 1: Le risque doit être défini de manière à pouvoir être distingué entre: risque en soi (quel est le risque) et comment le risque est mesuré, décrit ou géré (Aven, 2012, p. 33; Bradley et Drechsler, 2014, p. 1226).
Raisonnement: Cette condition est importante car il existe des perspectives de risque dans lesquelles cette distinction n'est pas faite (voir tableau 1 et voir, par exemple, Beck, 1992, p. 21; Hansson, 2007, p. 27). Comme MacKenzie (2006, pp. 143–179), George Soros (2008, p. 3) souligne que «notre compréhension du monde dans lequel nous vivons est intrinsèquement imparfaite, car nous faisons partie du monde que nous cherchons à comprendre». se concentre sur «la manière dont notre connaissance du monde est interdépendante de nos mesures» (Blyth, 2010, p. 460). En principe, chaque outil (de mesure, de description ou de gestion) utilisé (qui pourrait être basé sur des modèles stochastiques) devrait être traité comme tel. Chacun de ces outils a ses limites et celles-ci doivent recevoir l’attention voulue. En distinguant le risque en tant que concept et ses descriptions ou évaluations, «nous chercherons plus facilement ce qui manque entre le concept global et l'outil» (Aven, 2012, p. 42). De même, si un cadre approprié clarifiant la disparité entre le concept de risque global et la manière dont il est mesuré ou opérationnalisé, etc. n'est pas établi, il est difficile de savoir quoi rechercher et comment apporter des améliorations à ces outils ( Aven, 2012, page 42). En outre, l’un des principes centraux de la science des systèmes, en accord avec la pensée autrichienne, consiste à examiner les problèmes sous de multiples angles – «pour élargir les frontières de nos modèles mentaux» (Sterman, 2000, p. 32) – et, par conséquent, le concept de risque ne devrait pas être éclairé par une seule perspective théorique (par exemple, de simples fondements probabilistes); il ne devrait pas être fondé sur un seul outil de mesure. Parce que dans les divers environnements scientifiques, domaines d’application ou contextes spécifiques, il n’existe peut-être pas le meilleur moyen de mesurer / décrire les risques. Cela semble donc être une prémisse raisonnable et non controversable, qui peut être encore renforcée par une analogie avec le débat autrichien sur le concept unique "d'utilité" qui a été opérationnalisé de différentes manières. Un camp situé autour de Böhm-Bawerk maintiendrait une compréhension fondamentale de l'utilité, à savoir que l'utilité des marchandises peut être mesurée et exprimée sous la forme d'un multiple d'une unité. En revanche, Čuhel, Mises et beaucoup d'autres défendraient une compréhension ordinale de l'utilité (Moscati, 2015). Ainsi, une fois que nous prenons en compte la distinction entre utilité et mesure, nous permettons aux parties et aux autres parties potentiellement de parler de sens de l’utilité sous différents angles, d’expliciter différentes facettes de la notion générale, et ainsi de suite (qu’il s’agisse d’une fonction d’utilité essentielle). ou une compréhension ordinale).
Application au cadre Knightian / Misesian: Lorsque Knight (ou Mises, d'ailleurs) identifie le risque avec une probabilité (interprétation de fréquence), il ne réussit pas ce test car il ne différencie pas la notion (c'est-à-dire, le risque et donc probabilité) et son opérationnalisation (c’est-à-dire le probabilité mesure).
La deuxième condition prétend que:
Condition 2: Le risque doit être défini de manière à pouvoir être distingué entre: quel risque est et comment le risque est perçu (Aven, 2012, p. 34) et que la définition ne présuppose pas une interprétation de l'un ou l'autre objectif ou subjectif risque (Hansson, 2011).
Raisonnement: Les professionnels du risque débattent de la nature des risques: sont-ils des constructions sociales ou subjectives (idées humaines sur la réalité, caractéristique de l’état informationnel de l’agent) ou des phénomènes objectifs, réels (représentations de la réalité, caractéristiques de la réalité)? le monde lui-même;). Willett (1901) et Hansson (2011), par exemple, plaident en faveur d’une composante objective du risque: «Si une personne ne sait pas si le serpent d’herbe est toxique, elle est dans un état d’incertitude quant à sa capacité à l'empoisonner. Cependant, comme cette espèce n'a pas de poison, il n'y a aucun risque d'être empoisonnée par elle »(Hansson, 2011). D’autre part, il est évident pour d’autres que les risques constituent modèles mentaux (Renn, 2008, p. 2). Ce ne sont pas de véritables phénomènes, mais proviennent de l'esprit humain (Renn, 2008, p. 2). Comme le note Ewald (1991, p. 199): «Rien n’est un risque en soi; il n'y a pas de risque dans la réalité. (…) (N'importe quoi pouvez être un risque; tout dépend de la façon dont on analyse le danger, considère l'événement. "Le cadre de définition devrait donc essayer" d'éviter le réalisme naïf du risque en tant que catégorie purement objective, ainsi que la perspective relativiste consistant à soumettre tous les jugements de risque à des réflexions subjectives. du pouvoir et des intérêts »(Renn, 2008, p. 3).
Application au cadre Knightian / Misesian: Inutile de rappeler les objections bien connues aux probabilités objectives (par exemple, cf. Hájek, 2011 pour un aperçu), mais il est intéressant de noter que, puisque Knight et Mises adoptent une notion de probabilité basée sur le fréquentisme, ils semblent également approuver une interprétation purement objective. "risque". Ainsi, leur cadre ne réussit pas non plus ce second test. Au moins, des précisions supplémentaires seraient nécessaires car, en revanche, le subjectivisme est considéré comme un pilier central pour les économistes de l’école autrichienne (par exemple, Spitznagel, 2013, p. 21, 76). Ou peut-être qu'il en découle simplement qu'une position agnostique devrait être prise comme Condition 2 suggère.
Il existe au moins deux exigences supplémentaires pour une bonne définition du risque.
Condition 3: Le risque doit être défini de manière à être utile au décideur au lieu de l’égarer dans de nombreux cas (Aven, 2012, p. 42) et, de ce fait, la définition du risque devrait en tenir compte. pré-théorique intuitions sur le risque (Rothschild et Stiglitz, 1970, p. 227).
Raisonnement: À première vue, cette situation peut paraître triviale, mais il ne faut pas oublier que le risque ne peut pas être limité à la tour d'ivoire des délibérations savantes. Même s'il peut s'agir d'un concept théorique et abstrait, le risque a forgé un lien direct avec la gestion réelle des défis et la prise de décision réelle. Il a un impact direct sur notre vie et sur l’orientation dans la prise de décision et la action humaine est la clé de l’autrichisme (Mises, 1949). S'agissant du contexte bancaire, les banques, les contribuables et les gouvernements ont perdu beaucoup d'argent (et bien plus encore; par exemple, la crédibilité) parce que les gestionnaires de risques (au sens large) ignoraient ou mal évaluaient les risques, calculaient mal les incertitudes ou avaient trop confiance en leur capacité. maîtriser les situations dangereuses (FCIC, 2011). En fin de compte, seuls le temps et les retours d'expérience de la pratique économique peuvent indiquer si cette prémisse est remplie ou non.
Application au cadre Knightian / Misesian: Certaines propositions telles que R = PV OU, c’est-à-dire le cadre de Mises, 1949 et Knight, 1921 (voir tableau 1), ne répondent pas à ce critère car, pour le dire dans les mots d’Aven (2012, p. 41) , «Ne faire référence au risque que lorsque nous avons des distributions objectives signifierait que nous excluons le concept de risque de la plupart des situations d’intérêt». Ainsi, ce concept de risque ne serait pas utile dans beaucoup ou la plupart des cas de prise de décision.
En conjonction avec ce troisième principe, qui ouvre le débat à un public plus large (à savoir un public non universitaire), on peut également voir la demande éthique suivante.
Condition 4: Le risque doit être défini de manière à ne pas détourner l'attention des effets systémiques qui ont un impact non seulement sur l'acteur, mais également sur d'autres acteurs (Rehmann-Sutter, 1998, p. 120).
Raisonnement: L'école d'économie autrichienne souligne également l'importance des effets systémiques généralement associés à des événements (très) de basse fréquence dans un espace de grande dimension – cf. par exemple, Spitznagel, 2012: «Les Autrichiens et le cygne: des oiseaux d’une autre plume». Pourtant, Rehmann-Sutter (1998, p. 122) va plus loin et déplore le fait que, dans certains concepts économiques du risque, « il n'y a qu'une position personnelle: le décideur », alors que la plupart des risques ne sont pas individuels, mais plutôt sociaux (Sen, 1986, pp. 158f.), c.-à-d. que le fait de« prendre des risques »pourrait avoir des conséquences négatives pour les autres. Cependant, nous avons du mal à inclure de manière adéquate les autres personnes (par exemple les contribuables dans notre contexte) touchées par les conséquences de la décision (de gestion des risques) (d'une banque) dans le processus de prise de décision, lorsque la notion de risque est: dans la réalité (Rehmann-Sutter, 1998, p. 122). «Ces autres participants sont abstraits; l'attention est détournée d'eux. Ces participants sont conceptuellement cachés »(Rehmann-Sutter, 1998, p. 122).
Application: Nous ne pouvons pas considérer cette critique comme fondamentale en termes de concepts de risque économique pris en compte dans le tableau 1 – par exemple, la définition R = EV n'implique pas une lecture étroite des conséquences. Par conséquent, nous considérons que 4 est une condition faible qui peut en principe être remplie par toute définition de risque. En d'autres termes, la condition 4 concerne davantage l'interprétation de la définition que la définition du risque elle-même. Néanmoins, on peut tirer une leçon importante de cet avertissement, l’une des plus importantes ayant été tirée par Kristin Shrader-Frechette.
Shrader-Frechette (1991) souligne le malaise que nous ressentons lorsque nous utilisons un concept élaboré pour optimiser le comportement entrepreneurial dans un marché imprévisible afin de décrire les interventions dans le système (financier) ayant des effets néfastes potentiels ou réels sur d'autres personnes et institutions. . Quel est à première vue puissance rationnelle deuxième facie ne pas être rationnel si un vue de rétroaction du monde est adopté (Sterman, 2000). Étant donné que seuls ces risques entrent dans les procédures standard de mesure probabiliste des risques qui (directement!) Affectent les organisations respectives, les gestionnaires de risques ou les traders, etc. ne voient souvent pas de lien direct entre leurs actions et d'autres acteurs (Garsten et Hasselström, 2003, p. 259) ou avec des modifications importantes du système financier, voire de l'économie mondiale, qui finissent par se répercuter sur les différentes institutions elles-mêmes.
Pour le moment, un premier constat est que, malheureusement, de nombreuses définitions du risque existantes ne répondent même pas aux deux premières exigences de base (voir tableau 1, lignes 3 et 7). Pour ce qui est du tableau 1, seul le risque au sens de incertitude (R = U) et le risque comme possibilité réelle ou réaliste d’un effet négatif, (très) rare et incertain événement grave ou même extrême conséquences (R = U & C) restent dans la partie. Considérant que considérer le risque comme une incertitude peut être considéré comme un cas particulier d'U & C, ce dernier semble être le candidat le plus prometteur, alors que les autres concepts de risque présentés s'avèrent non seulement avoir certaines propriétés souhaitables, mais souffrent également d'autres faiblesses. Par exemple, l’identification pertinente du risque avec la volatilité ou de la variance des rendements (R = V), en particulier dans un contexte bancaire, est clairement insatisfaisante: «Nous pouvons construire des distributions qui ont une variance identique mais auxquelles nous associerions des degrés de risque très différents. '- et le risque, comme dit l'adage, est un mot mais n'est pas un chiffre ”(Rebonato, 2007, p. 237; cf. aussi Rootzén et Klüppelberg, 1999); «(I) Dans tous les cas, quiconque recherche un numéro unique pour représenter le risque invite au désastre» (Taleb et al., 2009, p. 80; voir aussi Power, 2007, p. 121).
Avant de vous éclairer un peu plus sur U & C, il est judicieux d’examiner d’abord un autre exemple, à savoir le domaine de la définition du risque R = PV OU où Mises (1949) et Knight (1921) ont établi l’une des premières distinctions à grande échelle. entre risque et incertitude, pour ce que l’on a appelé «risque knightien» (= mesurable incertitude) et «l’incertitude de Knight». Bien qu’il puisse y avoir de bonnes raisons de considérer l’argument initial de Knight selon lequel il convient de distinguer le risque de l’incertitude et de s’égarer (voir condition 3), il est néanmoins important de le garder à l’esprit pour plusieurs raisons.
Tout d’abord, il est très curieux de voir comment différents économistes, experts en risques et d’autres ont réagi à l’œuvre de Knight, comment ils l’ont interprétée et quelles conclusions ont été tirées. Un bon exemple est que, si la communauté financière critique (par exemple, Stout, 2012; Bhidé, 2010; Aven et Renn, 2009; Power, 2007; ou Taleb et Pilpel, 2004), d’une part, et l’économie (marché impérialiste). ) mainstream (Friedman, 1976; Ellsberg, 1961; Savage, 1954), d’autre part, considèrent que la distinction entre risque et incertitude établie par Knight est invalide car son point de vue du risque est trop étroit, les intérêts de ces deux groupes s’opposent de manière diamétralement opposée: le premier repousse les définitions de risque fondées sur la probabilité («le risque en tant que concept ne devrait pas être fondé sur un outil de mesure spécifique (tel que la probabilité – CH)», Aven, 2012, p. 42) en faveur de l'incertitude, le dernier soutient que Knightian le risque, c’est-à-dire le risque mesuré par la probabilité, prévaudrait au lieu de «l’incertitude» («pour un homme« rationnel » tout les incertitudes peuvent être réduites à des risques (car on pense que nous pouvons traiter des personnes comme si ils ont attribué des probabilités numériques à chaque événement imaginable – C.H.) », Ellsberg, 1961, p. 645).
Deuxièmement, le travail fondateur de Knight pourrait donc être considéré comme très influent, voire révolutionnaire, pour l'histoire plus récente de la pensée économique (Heinemann, 2014, p. 61f; Aven, 2012, p. 41; Esposito, 2011, p. . 32) et comme fondement d'un sens commun de «risque» (Hansson, 2011), particulièrement pertinent en économie et en théorie de la décision (Luce et Raiffa, 1957). En effet, le lien entre risque et probabilité est considéré comme si fort que peu d’entre eux semblent le remettre en question: «Le risque ne peut être trouvé que dans des situations qui doivent être décrites par des probabilités» (Granger, 2010, p. 32). En outre, Knight (1921) a introduit une classification simple mais fondamentale des problèmes d’information rencontrés dans la gestion des risques des banques, entre les risques knightiens qui peuvent être gérés avec succès à l’aide d’outils statistiques (Valeur en risque, Perte escomptée, etc.) et les incertitudes Knightian. ne peut pas (Brose et al., 2014, p. 369). Une bonne gestion des risques appelle donc des outils qui gèrent à la fois le risque et l'incertitude de Knight (Brose et al., 2014, p. 369).
Troisièmement, il est important d’avoir un concept de risque fondé sur des modèles de probabilité pour pouvoir participer et contribuer au discours sur le risque si un grand nombre de participants et d’économistes ou de personnes intéressées par la gestion du risque dans le secteur bancaire, en particulier: , devrait être atteint. Depuis une telle définition du risque (qui sera baptisée Risque II) would not do justice to the requirements set above (e.g., the first condition), however, it will not be the one which is pursued and embraced in this study after all.
Hence, it would be premature to simply and uncritically take on Taleb and Pilpel’s (2004) or Aven’s (2012) position of pleading in favor of leaving the Knightian nomenclature once and for all. Instead, our strategy is twofold. We first conclude that the kind of definitions by Heinemann (2014), Steigleder (2012), Aven and Renn (2009), etc. are the most appropriate before we approve a narrow notion of risk that is compatible with how risk discussions are commonly held.
5. UNDERSTANDING RISK
As an answer to research gap I, risk, in this paper, is paraphrased broadly as
… the real or realistic possibility of a positive or negative un événement the occurrence of which is not certain, or expectable but only more or less likely. However, the probability that the positive or negative event will occur does not have to be known or be subject to exact numerical specification.
Thus, the term “risk” is not used as an antonym to “uncertainty”, as is customary in decision theory, but rather as a generic concept that covers both “risk in a narrower sense” (what Knight, 1921, calls measurable uncertainty) and “uncertainty”. This is because we frequently lack a sufficient basis to determine the probabilities with any precision (Greenbaum, 2015, p. 165) as it will be clarified below.
This broad notion of risk is designated by Risk I. Structurally, risk in this sense captures:
– What can happen?
– Answering this question requires the identification or description of consequences or outcomes of an activity.
– Is it more or less likely to happen (in contrast to Comment likely is that to happen)?
– Attention is directed to rather rare or systemic events in this piece for reasons that become transparent below.
– If it does happen, what is the impact?
– Answering this question requires the evaluation of consequences which are rather serious or even extreme. Otherwise, risks would turn out to be immaterial.
We thereby follow the call of Das et al. (2013, p. 715) that risk management research will have to dig deeper “in going from more frequency oriented ‘if’ questions to a more severity oriented ‘what if’ approach, and this at several levels”. In this particular treatise, the focus lies on (very) low-frequency events in a high-dimensional space or, in particular, on low-frequency, high-severity (monetary) losses for several reasons. For example, pushing natural phenomena to an extreme unveils truths that are ensconced under normal circumstances. As stressed in Johansen and Sornette (2001) and following the 16th century philosopher Francis Bacon, the scientific appeal of extreme and systemic events is that it is in such moments that a complex system offers glimpses into the true nature of the underlying fundamental forces that drive it (Johnson et al., 2012, p. 3).
Accordingly, the need to address unexpected, abnormal or extreme outcomes, rather than the expected, normal or average outcomes is a very important challenge in risk management (McNeil et al., 2005, p. 20; Malevergne and Sornette, 2006, p. 79; Greenbaum, 2015, p. 164); because improving the comprehension (of the distribution) of extreme values, which cannot be dismissed as outliers because, cumulatively, their impact in the long term is dramatic, is of paramount importance (Mandelbrot and Taleb, 2010).
Benoît Mandelbrot uses a nice metaphor for illustration’s sake (cf. also Churchman, 1968, p. 17): “For centuries, shipbuilders have put care into the design of their hulls and sails. They know that, in most cases, the sea is moderate. But they also know that typhoons arise and hurricanes happen. They design not just for the 95 percent of sailing days when the weather is clement, but also for the other 5 percent, when storms blow and their skill is tested.” (Mandelbrot and Hudson, 2008, p. 24). And he adds: The risk managers and investors of the world are, at the moment, like a mariner who “builds his vessel for speed, capacity, and comfort—giving little thought to stability and strength. To launch such a ship across the ocean in typhoon season is to do serious harm.” (Mandelbrot and Hudson, 2008, p. 276).
Clearly, this does not mean that (very) low-probability risk events matter simply because they have a very low probability. For example, there is some probability that a pink elephant will fall from the sky. But such a risk does not affect managerial decisions in economic and financial systems (such as banks). The known or unknown risks that matter for our purposes are, of course, those that, had senior or top management been aware of them, would have resulted in different actions (Stulz, 2008, p. 64)—e.g., the bursting of a pricing bubble or an escalating political conflict etc.
Second, a narrow concept of risk is invoked (Risk II) it is basically circumscribed by two key variables, the severity of the consequence and its probability of occurrence, and it presupposes that possible/significant consequences and the corresponding values of severity and probabilities are known.2 Risk II encompasses Hansson’s (2011) risk definitions 3 to 5 and it can be regarded as a special and rare case of the broad risk definition (Risk I). Figure 1 depicts the conceptual relationships between Risk I, Risk II, and uncertainty, and can be viewed as our proposal to close research gap I.
Figure 1: Two relevant risk concepts: Risk I encompasses Risk II and uncertainty.
Risk II is rather hypothetical or an exception and this case is basically constructed only to participate in regular risk discussions (see above, p. 15). Apart from the different orders of uncertainty (Fedel et al., 2011, p. 1147; Ellsberg, 1961), different types of uncertainty need to be taken into account. In Figure 1, we distinguish three qualitatively different types of uncertainty: (a) what decision theorists or philosophers might call state uncertainty, (b) what they might call option uncertainty and/or state space uncertainty, and (c) what corresponds to ethical uncertainty, a form of normative uncertainty (cf. Bradley and Drechsler, 2014). On top of that, many different kinds of risk (business risk, social risk, economic risk, etc., Kaplan and Garrick, 1981, p. 11) or categories of risk (market, credit, operational risk, etc.) are discussed in the literature and many more classification systems are introduced. We argue, however, that, even though some of the taxonomies offered for bank risks or for knowledge (or the lack thereof) are persuasive, e.g., the conceptual framework “KuU” by Diebold et al. (2010), at least the silo-treatment of risks should be overcome. Instead of devoting much attention to different forms of risk, the focus lies here on R = U&C in general. The broad concept of risk is chosen as a form of description since it is not a priori clear for concrete risks at issue whether or not the probabilities and potential consequences as well as their severity are known. Knight’s (Mises’s) important distinction between risk and uncertainty is esteemed by separating Risk II from uncertainty. This differentiation is, in some cases, indispensable for the discourse of risk (management) in banking because different implications arise: The risk perspective chosen strongly influences the way risk is analyzed and, hence, it may have serious effects on risk management and decision-making (Aven, 2012, p. 42). However, much of what we today call risk management is “uncertainty management” in Knightian terms, i.e., courageous efforts to manage ‘risk objects’ for which probability and outcome data are, at a point in time, unavailable or defective (Power, 2007, p. 26; Willke et al., 2013, p. 9).
6. A TAXONOMY OF UNCERTAINTY: SCALES OF MEASUREMENT AND QUANTITATIVE VS. QUALITATIVE PROBABILITIES
It is a commonplace that we must not undertake impermissible transformations on the data we wish to analyze, nor must we make interval statements on ordinal data, in particular (Flood and Carson, 1993, pp. 41f.). We agree with Mises (1949, p. 113) that there is a form of uncertainty, which he calls case probability and we will call deep uncertainty, and which does not lend itself to classical probability-based methods: “Case probability is not open to any kind of numerical evaluation” (Mises, 1949, p. 113). On this basis, we hypothesize that when we as risk modelers are in a state of deep uncertainty about some future data or events, then we can perform, not a cardinal, but an ordinal ‘measurement’ of that risks only. In other words freely adapted from the logician and philosopher W.V.O. Quine, cardinalists’ overpopulated universe offends the aesthetic sense of us who have a taste for desert landscapes. Their aspiration after pedantic preciseness abets a breeding ground for disorderly mathematical operations on data and risks that necessitate modesty.
Proposition 1: Deep uncertainty or case probability does not admit of degrees, but is a merely comparative notion.
However, we do not agree with Mises (1949) about the portée of case probability vs. deep uncertainty. While he claims that “(c)ase probability is a particular feature of our dealing with problems of human action” (Mises, 1949, p. 111) and, thus, that human action and choices lie outside the scope of classical (Kolmogorovian) probability theory, Mises remains short on providing us with a sufficient reason for this assertion (see research gap II).
Our strategy by contrast is twofold: We suggest that the class of human choices and actions is both too broad and too narrow for capturing uncertainty statements that cannot be expressed in probabilistic terms. It is too broad because we can reason about human action and choices probabilistically (see “decision-making under risk,” Luce and Raiffa, 1957, or Table 1 (the column in the middle) below). Admittedly, it can be argued that all decisions are made “under uncertainty” if one abstracts from clear-cut and idealized textbook cases, but if a decision problem is treated as a decision “under risk” (e.g., the probability of rain is 70 percent (according to the weather forecast); shall I take an umbrella to work?), this does not mean, as Hansson (2011) clarifies, that “the decision in question is made under conditions of completely known probabilities. Rather, it means that a choice has been made to simplify the description of this decision problem by treating it as a case of known probabilities. This is often a highly useful idealization in decision theory” yet it is, at the same time, important to distinguish between those probabilities that can be treated as known and those that are genuinely uncertain.
The class of human choices and actions is also too narrow because what certains (not all) human actions and choices intractable by probability theory is organized complexity (Weaver, 1948), as we argue below, and organized complexity characterizes many different systems, not only human action.
Proposition 2: Deep uncertainty emerges from highly organized and dynamic complexity.
In a classic and massively referenced article, Weaver (1948) distinguishes three significant ranges of complexity, which considerably differ from each other in the mathematical treatment they require. He offers a classification that separates simple, few-variable problems (or a small number of important factors) of ‘organized simplicity’ at the one end from the ‘disorganized complexity’ of numerous-variable problems at the other, where the variables exhibit a high level of random behavior. This leaves ‘organized complexity’ sitting between the two extremes. The importance of this middle region does, however, not depend primarily on the fact that the number of variables involved is modéré—large compared to two, but small compared to the number of atoms in a pinch of salt. The hallmark of problems of organized and dynamic complexity lies in the fact that these problems, as contrasted with the disorganized situations where statistical or probabilistic methods hold the key, show the essential feature of organisation (Weaver, 1948, p. 539). This in turn involves dealing simultaneously with a sizable number of factors which are interrelated to form an organic whole. Interactions and the resulting interdependence lead to émergence, i.e., to the spontaneous appearance of features that cannot be traced to the character of the individual system parts (Anderson, 1972), and, therefore, cannot be fully captured in probability statistics nor sufficiently reduced to a simple formula. Something more is needed than mathematical analysis or the mathematics of averages (Weaver, 1948, p. 540; Huberman and Hogg, 1986, p. 376).
Weaver (1948, p. 539) lists examples of problems of organized complexity where in each case a substantial number of relevant variables is involved that are varying simultaneously, and in subtly interconnected ways. In particular, the economic, but not only the realm of human action, is viewed as being within the realm of organized complexity (Klir, 1991, p. 119). Table 1 resumes the relationship between Weaver’s notions of complexity and the suitability of stochastic methods in terms of the respective status of probabilistic statements. It paves the way for bringing risk and its non-probabilistic form (deep uncertainty) as well as complexity, the latter as an answer to research gap II, together in one single scheme.
Table 2: A suggested taxonomy of uncertainties and complexities based on Weaver (1948).
7. CONCLUSION
To conclude this paper, the following Figure 2 integrates the new dimensions around deep uncertainty and scales of measurement in the existing Weaverian framework about the disassembly of the complexity notion and in Mises’s reasoning about the two different types of probability constituting a subclass of deep uncertainty and Risk II, respectively.
Figure 2: The disassembly of complexity: The unifying framework.
We share the same ground with Mises (1949) and Knight (1921) when we are very wary about the predominance of probability statistics in the realm of economics and finance which is more characterized by case probability, that we presented as a merely comparative notion (Proposition 1), than by class probability. However, many outcomes of this study are not in accordance with the praxeological approach. In light of the two research gaps we singled out, we would like to highlight two instances:
– “Risk” should be grasped as Risk I, not Risk II.
– Not human vs. non-human action (or, phrased positively, human action vs. natural sciences, cf. Mises 1949: 107) decides on the applicability of probability theory, but a system’s degree of organized complexity where deep uncertainty arises from (Proposition 2)
If this study stimulates further controversy of how to conceive risk and identify the limitations of probability theory, as such debate is considered very important for the development of the risk fields (Aven, 2012, p. 34), it will already have served a useful purpose.
[ad_2]
