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…

Les Chicago Boys, Milton Friedman et Augusto Pinochet

Cinq Chicago Boys vers 1957
(dont Sergio de Castro, à droite)Tout commence en 1955. Nous sommes alors en pleine guerre froide et les deux grands blocs — l’URSS et les États-Unis — se livrent une lutte sans merci pour accroître leurs zones d’influences respectives. Dans la longue liste des terrains d’affrontement, l’Amérique Latine figure en bonne place et le Chili n’échappe pas à cette règle. La situation chilienne, du point de vue américain, est particulièrement inquiétante : la gauche y vire marxiste, le reste du spectre politique est divisé et les politiques populistes du général-président Carlos Ibáñez ne laissent rien présager de bon. À Washington, on cherche donc à restaurer l’influence des États-Unis dans la région.C’est dans ce contexte qu’en juin 1955, Theodore Schultz, Earl Hamilton, Arnold Harberger et Simon Rottenberg, tous représentants de l’Université de Chicago, débarquent à Santiago pour y signer un accord avec l’Université Pontificale Catholique du Chili. L’objet de l’…

Non, Salvador Allende n’était pas « sur le point de réussir »

Au centre, Allende et Brezhnev, le 11/12/1972 à Moscou.Parmi les nombreuses tartes à la crème qu’on voit circuler sur les Internets, il y a l’idée prégnante et manifestement reçue par beaucoup selon laquelle Salvador Allende était « sur le point de réussir » quand la CIA l’a remplacé par la junte d’Augusto Pinochet. Non. À moins que par « réussir » vous entendiez « réussir à instaurer une dictature » à la mode cubaine ou soviétique, rien n’est plus faux. Un rapide retour sur ces trois années s'impose.Lorsque Salvador Allende, candidat d’une coalition qui regroupait presque tous les partis de gauche du Chili, arrive premier à l’élection présidentielle du 4 septembre 1970 avec 36.2% des voix, il n’est pas pour autant élu. En effet, la constitution chilienne de l’époque voulait que si aucun candidat n’emportait la majorité des suffrages, les deux premiers seraient départagés par un vote du Congrès. Allende devait donc convaincre les parlementaires chiliens de lui apporter leurs suffr…