Cette thèse traite de la solution numérique de deux types de problèmes stochastiques. Premièrement, nous nous intéressons aux EDS fortement oscillantes, c'est-à-dire, les systèmes composés de variables ergodiques évoluant rapidement par rapport aux autres. Nous proposons un algorithme basé sur des résultats d'homogénéisation. Il est défini par un schéma d'Euler appliqué aux variables lentes couplé avec un estimateur à pas décroissant pour approcher la limite ergodique des variables rapides. Nous prouvons la convergence forte de l'algorithme et montrons que son erreur normalisée satisfait un résultat du type théorème limite centrale généralisé. Nous proposons également une version extrapolée de l'algorithme ayant une meilleure complexité asymptotique en satisfaisant les mêmes propriétés que la version originale. Ensuite, nous étudions la solution des EDS de type McKean-Vlasov (EDSPR-MKV) associées à la solution de certains problèmes de contrôle sous un environnement formé d'un grand nombre de particules ayant des interactions du type champ-moyen. D'abord, nous présentons un nouvel algorithme, basé sur la méthode de cubature sur l'espace de Wiener, pour approcher faiblement la solution d'une EDS du type McKean-Vlasov. Il est déterministe et peut être paramétré pour atteindre tout ordre de convergence souhaité. Puis, en utilisant ce nouvel algorithme, nous construisons deux schémas pour résoudre les EDSPR-MKV découplées et nous montrons que ces schémas ont des convergences d'ordres un et deux. Enfin, nous considérons le problème de réduction de la complexité de la méthode présentée tout en respectant la vitesse de convergence énoncée. / This Ph.D. thesis deals with the numerical solution of two types of stochastic problems. First, we investigate the numeric solution to strongly oscillating SDEs, i.e. systems in which some ergodic state variables evolve quickly with respect to the remaining ones. We propose an algorithm that uses homogenization results and consists of an Euler scheme for the slow scale variables coupled with a decreasing step estimator for the ergodic averages of the fast variables. We prove the strong convergence of the algorithm as well as a generalized central limit theorem result for the normalized error distribution. In addition, we propose an extrapolated version applicable under stronger regularity assumptions and which satisfies the same properties of the original algorithm with lower asymptotic complexity. Then, we treat the problem of solving decoupled Forward Backward Stochastic Differential equations of McKean-Vlasov type (MKV-FBSDE) which appear in some stochastic control problems in an environment of a large number of particles with mean field interactions. As a first step, we propose a new algorithm, based on the cubature method on Wiener spaces, to weakly approach the solution of a McKean-Vlasov SDE. It is deterministic and can be parametrized to obtain any given order of convergence. Using this first forward approximation algorithm, we construct two procedures to solve the decoupled MKV-FBSDE and show that they converge with orders one and two under appropriate regularity conditions. Finally, we consider the problem of reducing the complexity of the presented method while preserving the presented convergence rates.

L'objectif de cette thèse est d'étudier l'existence et l'unicité de solution d'équations différentielles stochastiques rétrogrades avec grossissement de filtration. La motivation de ce problème mathématique provient de la résolution d'un problème financier de couverture par un agent possédant une information supplémentaire inconnue sur le marché. Dans une première partie, nous résolvons ce problème, successivement dans un cadre continu puis avec sauts, et montrons que sous l'hypothèse (H3) du grossissement de filtration, grâce à un théorème de représentation des martingales, l'EDSR dans l'espace grossie sous des hypothèses standard a une unique solution. L'une des conséquences principales est que, dans un marché complet, la détention d'une information supplémentaire par l'agent initié ne lui confère pas de stratégie de couverture différente. Dans une seconde partie, nous développons un modèle d'agent informé et influent, ce qui nous amène à résoudre une équation différentielle stochastique progressive rétrograde avec grossissement de filtration, et nous obtenons également un théorème d'existence et d'unicité de solution. Nous sommes également amenés à étudier le problème de couverture en marché incomplet, puisque du fait de l'influence, le marché sans information devient incomplet. Enfin, dans la dernière partie, nous généralisons les résultats d'existence et d'unicité de solution d'EDSR avec grossissement de filtration à des EDSR à horizon aléatoire.

Cette thèse traite de deux sujets: la résolubilité forte d'équations différentielles stochastiques à dérive hölderienne et bruit hypoelliptique et la simulation de processus progressifs-rétrogrades découplés de McKean-Vlasov. Dans le premier cas, on montre qu'un système hypoelliptique, composé d'une composante diffusive et d'une composante totalement dégénérée, est fortement résoluble lorsque l'exposant de la régularité Hölder de la dérive par rapport à la composante dégénérée est strictement supérieur à 2/3. Ce travail étend au cadre dégénéré les travaux antérieurs de Zvonkin (1974), Veretennikov (1980) et Krylov et Röckner (2005). L'apparition d'un seuil critique pour l'exposant peut-être vue comme le prix à payer pour la dégénérescence. La preuve repose sur des résultats de régularité de la solution de l'EDP associée, qui est dégénérée, et est basée sur une méthode parametrix. Dans le second cas, on propose un algorithme basé sur les méthodes de cubature pour la simulation de processus progessifs-rétrogrades découplés de McKean-Vlasov apparaissant dans des problèmes de contrôle dans un environnement de type champ moyen. Cet algorithme se divise en deux parties. Une première étape de construction d'un arbre de particules, à dynamique déterministe, approchant la loi de la composante progressive. Cet arbre peut être paramétré de manière à obtenir n'importe quel ordre d'approximation (en terme de pas de discrétisation de l'intervalle). Une seconde étape, conditionnelle à l'arbre, permettant l'approximation de la composante rétrograde. Deux schémas explicites sont proposés permettant un ordre d'approximation de 1 et 2.

Cette thèse traite de deux sujets: la résolubilité forte d'équations différentielles stochastiques à dérive hölderienne et bruit hypoelliptique et la simulation de processus progressifs-rétrogrades découplés de McKean-Vlasov. Dans le premier cas, on montre qu'un système hypoelliptique, composé d'une composante diffusive et d'une composante totalement dégénérée, est fortement résoluble lorsque l'exposant de la régularité Hölder de la dérive par rapport à la composante dégénérée est strictement supérieur à 2/3. Ce travail étend au cadre dégénéré les travaux antérieurs de Zvonkin (1974), Veretennikov (1980) et Krylov et Röckner (2005). L'apparition d'un seuil critique pour l'exposant peut-être vue comme le prix à payer pour la dégénérescence. La preuve repose sur des résultats de régularité de la solution de l'EDP associée, qui est dégénérée, et est basée sur une méthode parametrix. Dans le second cas, on propose un algorithme basé sur les méthodes de cubature pour la simulation de processus progessifs-rétrogrades découplés de McKean-Vlasov apparaissant dans des problèmes de contrôle dans un environnement de type champ moyen. Cet algorithme se divise en deux parties. Une première étape de construction d'un arbre de particules, à dynamique déterministe, approchant la loi de la composante progressive. Cet arbre peut être paramétré de manière à obtenir n'importe quel ordre d'approximation (en terme de pas de discrétisation de l'intervalle). Une seconde étape, conditionnelle à l'arbre, permettant l'approximation de la composante rétrograde. Deux schémas explicites sont proposés permettant un ordre d'approximation de 1 et 2.

Cette thèse traite de la solution numérique de deux types de problèmes stochastiques. Premièrement, nous nous intéressons aux EDS fortement oscillantes, c'est-à-dire, les systèmes composés de variables ergodiques évoluant rapidement par rapport aux autres. Nous proposons un algorithme basé sur des résultats d'homogénéisation. Il est défini par un schéma d'Euler appliqué aux variables lentes couplé avec un estimateur à pas décroissant pour approcher la limite ergodique des variables rapides. Nous prouvons la convergence forte de l'algorithme et montrons que son erreur normalisée satisfait un résultat du type théorème limite centrale généralisé. Nous proposons également une version extrapolée de l'algorithme ayant une meilleure complexité asymptotique en satisfaisant les mêmes propriétés que la version originale. Ensuite, nous étudions la solution des EDS de type McKean-Vlasov (EDSPR-MKV) associées à la solution de certains problèmes de contrôle sous un environnement formé d'un grand nombre de particules ayant des interactions du type champ-moyen. D'abord, nous présentons un nouvel algorithme, basé sur la méthode de cubature sur l'espace de Wiener, pour approcher faiblement la solution d'une EDS du type McKean-Vlasov. Il est déterministe et peut être paramétré pour atteindre tout ordre de convergence souhaité. Puis, en utilisant ce nouvel algorithme, nous construisons deux schémas pour résoudre les EDSPR-MKV découplées et nous montrons que ces schémas ont des convergences d'ordres un et deux. Enfin, nous considérons le problème de réduction de la complexité de la méthode présentée tout en respectant la vitesse de convergence énoncée.

Cette thèse traite de deux sujets: la résolubilité forte d'équations différentielles stochastiques à dérive hölderienne et bruit hypoelliptique et la simulation de processus progressifs-rétrogrades découplés de McKean-Vlasov. Dans le premier cas, on montre qu'un système hypoelliptique, composé d'une composante diffusive et d'une composante totalement dégénérée, est fortement résoluble lorsque l'exposant de la régularité Hölder de la dérive par rapport à la composante dégénérée est strictement supérieur à 2/3. Ce travail étend au cadre dégénéré les travaux antérieurs de Zvonkin (1974), Veretennikov (1980) et Krylov et Röckner (2005). L'apparition d'un seuil critique pour l'exposant peut-être vue comme le prix à payer pour la dégénérescence. La preuve repose sur des résultats de régularité de la solution de l'EDP associée, qui est dégénérée, et est basée sur une méthode parametrix. Dans le second cas, on propose un algorithme basé sur les méthodes de cubature pour la simulation de processus progessifs-rétrogrades découplés de McKean-Vlasov apparaissant dans des problèmes de contrôle dans un environnement de type champ moyen. Cet algorithme se divise en deux parties. Une première étape de construction d'un arbre de particules, à dynamique déterministe, approchant la loi de la composante progressive. Cet arbre peut être paramétré de manière à obtenir n'importe quel ordre d'approximation (en terme de pas de discrétisation de l'intervalle). Une seconde étape, conditionnelle à l'arbre, permettant l'approximation de la composante rétrograde. Deux schémas explicites sont proposés permettant un ordre d'approximation de 1 et 2. / This thesis deals with two subjects: the strong well-posedness of stochastic differential equations with Hölder drift and hypoelliptic noise and the simulation of decoupled forward backward stochastic differential equations of McKean-Vlasov type. In the first work, we study a class of degenerate system with hypoelliptic noise. We prove that strong well-posedness holds for this system when the drift is only H\"{o}lder, with Hölder exponent larger than the critical value 2/3. This work extends to the degenerate setting the earlier results obtained by Zvonkin (1974), Veretennikov (1980) and Krylov and Röckner (2005). The existence of a threshold for the Hölder exponent in the degenerate case may be understood as the price to pay to balance the degeneracy of the noise. Our proof relies on regularization properties of the associated PDE, which is degenerate in the current framework and is based on a parametrix method. In the second work, we propose a new algorithm to approach weakly the solution of a McKean-Vlasov stochastic differential equation. Based on the cubature method, the algorithm is deterministic differing from the usual methods based on interacting particles. It can be parametrized in order to obtain a given order of convergence. Then, we construct implementable algorithms to solve decoupled forward backward stochastic differential equations of McKean-Vlasov type, which appear in some stochastic control problems in a mean field environment. We give two algorithms and show that they have convergence of orders one and two under appropriate regularity conditions.