Accéder au contenu principal

Le détail du truc

À propos du truc de Piketty, vous êtes un certain nombre à me réclamer le détail des calculs. Les résultats que je vous propose sont le fruit de simulations que j’ai programmé sous R (ce blog vous sera peut-être utile). Ci-dessous, vous trouverez un exemple de code (simplifié pour une lecture plus facile) qui vous permettra de vérifier mes chiffres et de jouer avec.

Nous allons faire un essai sur une population de N individus (ici 1 millions [1]) pendant T années (ici 25) :

N <- 1e6
T <- 25

On génère une distribution aléatoire des patrimoines initiaux avec la fonction rgamma (la distribution Gamma pour l’asymétrie [2]) et un paramètre de forme de 0,04 (pour encore plus d’asymétrie) et on multiplie le tout par 1 million pour que ça ressemble à des patrimoines plutôt qu’à de la menue monnaie (pure coquetterie) :

Init <- 1e6 * rgamma(N, .04)

À ce stade, vous pouvez vérifier qu’on obtient une distribution des patrimoines nettement asymétrique et que le 1% détient un peu plus de 40% du total.

On créé une matrice vide K de T+1 lignes et N colonnes pour stocker les patrimoines, on colle les patrimoines de départ dans la première ligne et on créé un vecteur r d’espérances de rendement — ici, c’est 2% pour tout le monde.

K <- matrix(NA, T+1, N)
K[1, ] <- Init
r <- rep(.02, N)

Pour chaque année de 2 à T+1, on fait varier le capital de l’année précédente avec une variable (pseudo-) aléatoire qui suit une loi normale (fonction rnorm) avec une espérance r (donc 2%) et un écart-type de 20%.

for(t in 2:(T+1)) {
 K[t, ] <- K[t-1, ] * (1 + rnorm(N, r[t], .2))
}

Nous voilà donc avec une matrice de patrimoines qui, vous en conviendrez, ne donne aucun avantage aux riches.

Puisqu’on en parle, calculons le patrimoine du 1% :

W <- matrix(NA, T+1, 1)
for(t in 1:(T+1)) {
 q <- quantile(K[t, ], seq(0, 1, .01))
 W[t, ] <- mean(K[t, K[t, ] >= q[100]])
}

De là, vous pouvez mesurer la variation annualisée du capital moyen :

as.numeric(100*(mean((K[nrow(K), ])/mean(K[1, ]))^(1/T)-1))
Et celle du capital du 1% :
as.numeric(100*((W[nrow(W), ]/W[1, ] )^(1/T)-1))

Avec ces paramètres, je trouve (environ) 2% pour le commun des mortels et plus de 3% pour le 1% (ça dépend des tirages).

En restreignant le groupe des ultrariches aux 0,1%, je dépasse les 5% (et ainsi de suite).

for(t in 1:(T+1)) {
 q <- quantile(K[t, ], seq(0, 1, .001))
 W[t, ] <- mean(K[t, K[t, ] >= q[1000]])
}

Assez logiquement, l’écart augmente avec l’espérance et l’écart-type et il se réduit plus la distribution initiale est égalitaire.

---
[1] Attention, c’est du lourd ! En fonction de la puissance de votre machine, il est possible que ce soit un peu trop.
[2] Dans mes premiers calculs, j’ai utilisé une distribution uniforme or, il se trouve que l’asymétrie de la distribution initiale a un impact non-négligeable sur les résultats : raison pour laquelle une distribution Gamma me semble plus honnête.

Commentaires

  1. "Nous voilà donc avec une matrice de patrimoines qui, vous en conviendrez, ne donne aucun avantage aux riches."

    Si. Il n'y a en effet aucune raison objective pour qu'il ne soit pas plus difficile de gagner 2% avec un patrimoine de 1000 plutôt qu'avec un patrimoine de 10. La réalité est que, d'un patrimoine de zéro, créer de la valeur constitue une augmentation infinie. Donc une fonction réaliste véritable de rendement aléatoire doit être une fonction qui dépend du patrimoine, tendant vers l'infini pour les patrimoines nuls.

    Par ailleurs on ne voit toujours pas dans cette explications où vont les taxes, à qui elles sont redistribuées ? Une explication informatique ne constitue en soi aucune explication de quoi que ce soit.

    RépondreSupprimer
  2. La "pensée" technicienne va de paire avec l'idéologie du capital - Cf. Ellul.

    Un milliard, et après ?

    Deux ?

    RépondreSupprimer
  3. Bonjour, je trouve vos simulations particulièrement intéressantes et j'aimerais avoir plus de détail sur votre second commentaire. Quel est cet impact non-négligeable du changement de distribution (passage d'une distribution uniforme (société plus "égalitaire") vers une distribution gamma)?

    RépondreSupprimer
    Réponses
    1. Plus la distribution initiale est asymétrique, plus les transition d'un groupe à l'autre son longue.

      Supprimer
  4. Merci. Vous n'auriez pas la meme en format excel? Si vous pouviez m'emailer un fichier a guillaume.bougard@gmail.com pour que je l'etudie et finisse par comprendre, ca serait top. Car le je ne suis pas et comme je suis mauvais en maths/stats/etc, mais pas nullissime en excel, a force d'efforts, je pense que je pourrais finir par piger!
    Merci

    RépondreSupprimer

Enregistrer un commentaire

Posts les plus consultés de ce blog

Brandolini’s law

Over the last few weeks, this picture has been circulating on the Internet. According to RationalWiki, that sentence must be attributed to Alberto Brandolini, an Italian independent software development consultant [1]. I’ve checked with Alberto and, unless someone else claims paternity of this absolutely brilliant statement, it seems that he actually is the original author. Here is what seems to be the very first appearance of what must, from now on, be known as the Brandolini’s law (or, as Alberto suggests, the Bullshit Asymmetry Principle):The bullshit asimmetry: the amount of energy needed to refute bullshit is an order of magnitude bigger than to produce it.— ziobrando (@ziobrando) 11 Janvier 2013To be sure, a number of people have made similar statements. Ironically, it seems that the “a lie can travel halfway around the world while the truth is still putting on its shoes” quote isn’t from Mark Twain but a slightly modified version of Charles Spurgeon’s “a lie will go round the w…

Le prix des sardines quand les pêcheurs ont des téléphones

Soit deux petits villages de pêcheurs de sardines du sud de l’Inde. Chaque nuit, les pêcheurs de chaque bourg partent jeter leurs filets en mer et, le matin venu, ils vendent leurs prises sur la plage à la population de leurs villages respectifs. Parce qu’ils sont relativement distants l’un de l’autre et ne disposent pas de moyens de communication rapide, nos villages vivent en autarcie. C’est-à-dire que leurs habitants n’achètent de sardines qu’aux pêcheurs de leur propre village qui, symétriquement, n’en vendent à personne d’autre qu’à leurs concitoyens.Dans l’état actuel des choses, donc, la ration quotidienne de protéines des habitants de nos villages dépend exclusivement de leurs pêcheurs respectifs. Si la pêche est fructueuse, il est probable que les sardines seront bradées au marché du matin et il n’est pas impossible que les pêcheurs se retrouvent même avec des invendus — c’est-à-dire des poissons bons à jeter. Si, au contraire, la pêche de la nuit a été mauvaise, vous pouvez …

Le paradoxe des oignons

Cette fois-ci, c’est l’inénarrable Paul Jorion qui s’y colle dans un article publié le 26 septembre 2013 sur challenges.fr : « il faut, nous assène l’histrion médiatique, supprimer la spéculation. »Nous-y revoilà. C’est une antique tradition. Déjà, sous l’Ancien Régime, on avait coutume de faire porter le chapeau des aléas climatiques et des politiques imbéciles aux accapareurs ; aujourd’hui, force est de constater que rien n’a changé et qu’on trouve toujours, à la barre du tribunal révolutionnaire, un accusateur public prêt à dénoncer les méfaits des spéculateurs. Si les prix montent, qu’on les pende ; si les prix baissent, qu’on promène leur tête au bout d’une pique ! Au royaume du mensonge, la dénonciation de l’ennemi du peuple tient toujours lieu de pensée.Plutôt que de rentrer dans un débat théorique, je vous propose une approche purement expérimentale, une vérification empirique qui, si elle ne satisfait sans doute pas les conditions requises sur une paillasse – c’est le lot com…