Cette thèse est consacrée à l'étude théorique et numérique de deux problèmes non linéaires au sens de McKean en finance. Nous abordons dans la première partie le problème de calibration d'un modèle à volatilité locale et stochastique pour tenir compte des prix d'options Européennes vanilles observés sur le marché. Ce problème se traduit par l'étude d'une équation différentielle stochastique (EDS) non linéaire au sens de McKean à cause de la présence dans le coefficient de diffusion d'une espérance conditionnelle du facteur de volatilité stochastique par rapport à la solution de l'EDS. Nous obtenons l'existence du processus dans le cas particulier où le facteur de volatilité stochastique est un processus de sauts ayant un nombre fini d'états. Nous obtenons de plus la convergence faible à l'ordre 1 de la discrétisation en temps de l'EDS non linéaire au sens de McKean pour des facteurs de volatilité stochastique généraux. Dans l'industrie, la calibration est effectuée efficacement à l'aide d'une régularisation de l'espérance conditionnelle par un estimateur à noyau de type Nadaraya-Watson, comme proposé par Guyon et Henry-Labordère dans [JGPHL]. Nous proposons également un schéma numérique demi-pas de temps et étudions le système de particules associé que nous comparons à l'algorithme proposé par [JGPHL]. Dans la deuxième partie de la thèse, nous nous intéressons à un problème de valorisation de contrat avec appels de marge, une problématique apparue avec l'application de nouvelles régulations depuis la crise financière de 2008. Ce problème peut être modélisé par une équation différentielle stochastique rétrograde (EDSR) anticipative avec dépendance en la loi de la solution dans le générateur. Nous montrons que cette équation est bien posée et proposons une approximation de sa solution à l'aide d'EDSR standards linéaires lorsque la durée de liquidation de l'option en cas de défaut est petite. Enfin, nous montrons que le calcul des solutions de ces EDSR standards peut être amélioré à l'aide de la méthode de Monte-Carlo multiniveaux introduite par Giles dans [G] / This thesis is dedicated to the theoretical and numerical study of two problems which are nonlinear in the sense of McKean in finance. In the first part, we study the calibration of a local and stochastic volatility model taking into account the prices of European vanilla options observed in the market. This problem can be rewritten as a stochastic differential equation (SDE) nonlinear in the sense of McKean, due to the presence in the diffusion coefficient of a conditional expectation of the stochastic volatility factor computed w.r.t. the solution to the SDE. We obtain existence in the particular case where the stochastic volatility factor is a jump process with a finite number of states. Moreover, we obtain weak convergence at order 1 for the Euler scheme discretizing in time the SDE nonlinear in the sense of McKean for general stochastic volatility factors. In the industry, Guyon and Henry Labordere proposed in [JGPHL] an efficient calibration procedure which consists in approximating the conditional expectation using a kernel estimator such as the Nadaraya-Watson one. We also introduce a numerical half-step scheme and study the the associated particle system that we compare with the algorithm presented in [JGPHL]. In the second part of the thesis, we tackle the pricing of derivatives with initial margin requirements, a recent problem that appeared along with new regulation since the 2008 financial crisis. This problem can be modelled by an anticipative backward stochastic differential equation (BSDE) with dependence in the law of the solution in the driver. We show that the equation is well posed and propose an approximation of its solution by standard linear BSDEs when the liquidation duration in case of default is small. Finally, we show that the computation of the solutions to the standard BSDEs can be improved thanks to the multilevel Monte Carlo technique introduced by Giles in [G]

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.

Je me suis intéressée à résoudre certains problèmes financiers par du contrôle stochastique. On a premièrement considéré un problème mixte d'investissement optimal et de vente optimale. On a étudié le comportement d'un investisseur possédant un actif indivisible qu'il cherche à vendre tout en gérant en continu un portefeuille d'actifs risqués. Puis, on s'est intéressé à l'étude des équations stochastiques rétrogrades du premier et du second ordre avec contraintes convexes. Dans chaque cas, on a prouvé l'existence d'une solution minimale ainsi qu'une représentation stochastique pour ce problème. Enfin, on a étudié un modèle à volatilité stochastique où la volatilité instantanée dépend de la courbe de volatilité forward. On propose un développement asymptotique du prix de l'option pour de petites variations de la volatilité.

Dans cette thèse, nous nous intéressons à des sujets différents en mathématiques financières, tous liés aux imperfections de marché et à la technique fondamentale de la maximisation d'utilité. Elle comporte trois parties. Dans la première, qui se base sur deux papiers, nous considérons le problème d'investissement optimal sur un marché financier avec coûts de transaction proportionnels. On commence par étudier le problème d'investissement dans le cas où la fonction d'utilité est multivariée (ce qui s'adapte particulièrement bien aux marchés des devises) et l'agent a une dotation initiale aléatoire, qui peut s'interpréter comme une option ou un autre contrat dérivé. Après avoir analysé les propriétés du problème et de son dual, nous utilisons ces résultats pour examiner, dans ce contexte, certains aspects d'une technique de pricing devenue populaire dans le cadre des marchés incomplets, l'évaluation par indifférence d'utilité. Dans le deuxième chapitre, nous étudions le problème d'existence d'un ensemble de prix (appelés "prix fictifs" ou "shadow prices") qui offrirait la même utilité maximale à l'agent si le marché n'avait pas de frictions. Ces résultats sont utiles pour clarifier le lien entre la théorie classique des marchés sans frictions et la littérature en croissance rapide sur les coûts de transaction. Dans la deuxième partie de cette thèse, nous considérons le problème d'évaluation de produits dérivés par indifférence d'utilité dans des marchés incomplets, où la source d'incomplétude provient du fait que certains actifs ne peuvent pas être échangés sur le marché, ce qui est le cas par exemple dans le cadre des modèles structurels pour le prix de l'électricité. Sous certaines hypothèses, nous dérivons une caractérisation en terme d'équations différentielles stochastiques rétrogrades (EDSR) pour le prix, et nous nous concentrons ensuite sur les options européennes en établissant en particulier l'existence d'une stratégie de couverture optimale, même lorsque le payoff présente des discontinuités et est éventuellement non borné. Dans la dernière partie, nous analysons un simple problème de principal-agent à horizon fini, où le principal est essentiellement interprété comme un régulateur et l'agent comme une entreprise qui produit certaines émissions polluantes. Nous traitons séparément les problèmes du principal et de l'agent et nous utilisons la théorie des EDSR pour fournir des conditions nécessaires et suffisantes d'optimalité. Nous effectuons également des analyses de sensibilité et nous montrons des résultats numériques dans le but de fournir une meilleure compréhension du comportement des agents.

La théorie classique de la valorisation des produits dérivés se repose sur l'absence de coûts de transaction et une liquidité infinie. Ces hypothèses sont toutefois ne plus véridiques dans le marché réel, en particulier quand la transaction est grande et les actifs non-liquides. Dans ce marché imparfait, on parle du prix de sur-réplication puisque la couverture parfaite est devenue parfois infaisable.La première partie de cette thèse se concentre sur la proposition d’un modèle qui intègre à la fois le coût de transaction et l’impact sur le prix du sous-jacent. Nous commençons par déduire la dynamique de l’actif en temps continu en tant que la limite de la dynamique en temps discret. Sous la contrainte d’une position nulle sur l’actif au début et à la maturité, nous obtenons une équation quasi-linéaire pour le prix du dérivé, au sens de viscosité. Nous offrons la stratégie de couverture parfaite lorsque l’équation admet une solution régulière. Quant à la couverture d’une option européenne “covered” sous la contrainte gamma, le principe de programme dynamique utilisé précédemment n'est plus valide. En suivant les techniques du cible stochastique et de l’équation différentielle partielle, nous démontrons que le prix de la sur-réplication est devenue une solution de viscosité d’une équation non linéaire de type parabolique. Nous construisons également la stratégie ε-optimale, et proposons un schéma numérique.La deuxième partie de cette thèse est consacrée aux études sur un nouveau schéma numérique d'EDSR, basé sur le processus de branchement. Nous rapprochons tout d’abord le générateur Lipschitzien par une suite de polynômes locaux, puis appliquons l’itération de Picard. Chaque itération de Picard peut être représentée en termes de processus de branchement. Nous démontrons la convergence de notre schéma sur l’horizon temporel infini. Un exemple concret est discuté à la fin dans l’objectif d’illustrer la performance de notre algorithme. / Classical derivatives pricing theory assumes frictionless market and infinite liquidity. These assumptions are however easily violated in real market, especially for large trades and illiquid assets. In this imperfect market, one has to consider the super-replication price as perfect hedging becomes infeasible sometimes.The first part of this dissertation focuses on proposing a model incorporating both liquidity cost and price impact. We start by deriving continuous time trading dynamics as the limit of discrete rebalancing policies. Under the constraint of holding zero underlying stock at the inception and the maturity, we obtain a quasi-linear pricing equation in the viscosity sense. A perfect hedging strategy is provided as soons as the equation admits a smooth solution. When it comes to hedging a covered European option under gamma constraint, the dynamic programming principle employed previously is no longer valid. Using stochastic target and partial differential equation smoothing techniques, we prove the super-replication price now becomes the viscosity solution of a fully non-linear parabolic equation. We also show how ε-optimal strategies can be constructed, and propose a numerical resolution scheme.The second part is dedicated to the numerical resolution of the Backward Stochastic Differential Equation (BSDE). We propose a purely forward numerical scheme, which first approximates an arbitrary Lipschitz driver by local polynomials and then applies the Picard iteration to converge to the original solution. Each Picard iteration can be represented in terms of branching diffusion systems, thus avoiding the usual estimation of conditional expectation. We also prove the convergence on an unlimited time horizon. Numerical simulation is also provided to illustrate the performance of the algorithm.

Image Super-Resolution (ISR) is a technology that aims to increase image resolution while preserving as much content and detail as possible. In this study, we evaluate four different Deep Learning models (EDSR, LapSRN, ESPCN, and FSRCNN) to determine their effectiveness in increasing the resolution of lowresolution images. The study builds on previous research in the field as well as the results of the comparison between the different deep learning models. The problem statement for this study is: “Which of the four Deep Learning-based models, EDSR, LapSRN, ESPCN, and FSRCNN, generates an upscaled image with the best quality from a low-resolution image on a dataset of Abyssinian cats, with a factor of four, based on quantitative results?” The study utilizes a dataset consisting of pictures of Abyssinian cats to evaluate the performance and results of these different models. Based on the quantitative results obtained from RMSE, PSNR, and Structural Similarity (SSIM) measurements, our study concludes that EDSR is the most effective Deep Learning-based model. / Bildsuperupplösning (ISR) är en teknik som syftar till att öka bildupplösningen samtidigt som så mycket innehåll och detaljer som möjligt bevaras. I denna studie utvärderar vi fyra olika Deep Learning modeller (EDSR, LapSRN, ESPCN och FSRCNN) för att bestämma deras effektivitet när det gäller att öka upplösningen på lågupplösta bilder. Studien bygger på tidigare forskning inom området samt resultatjämförelser mellan olika djupinlärningsmodeller. Problemet som studien tar upp är: “Vilken av de fyra Deep Learning-baserade modellerna, EDSR, LapSRN, ESPCN och FSRCNN generarar en uppskalad bild med bäst kvalité, från en lågupplöst bild på ett dataset med abessinierkatter, med skalningsfaktor fyra, baserat på kvantitativa resultat?” Studien använder en dataset av bilder på abyssinierkatter för att utvärdera prestandan och resultaten för dessa olika modeller. Baserat på de kvantitativa resultaten som erhölls från RMSE, PSNR och Structural Similarity (SSIM) mätningar, drar vår studie slutsatsen att EDSR är den mest effektiva djupinlärningsmodellen.

Dans cette thèse, nous nous intéressons à des sujets différents en mathématiques financières, tous liés aux imperfections de marché et à la technique fondamentale de la maximisation d'utilité. Elle comporte trois parties. Dans la première, qui se base sur deux papiers, nous considérons le problème d'investissement optimal sur un marché financier avec coûts de transaction proportionnels. On commence par étudier le problème d'investissement dans le cas où la fonction d'utilité est multivariée (ce qui s'adapte particulièrement bien aux marchés des devises) et l'agent a une dotation initiale aléatoire, qui peut s'interpréter comme une option ou un autre contrat dérivé. Après avoir analysé les propriétés du problème et de son dual, nous utilisons ces résultats pour examiner, dans ce contexte, certains aspects d'une technique de pricing devenue populaire dans le cadre des marchés incomplets, l'évaluation par indifférence d'utilité. Dans le deuxième chapitre, nous étudions le problème d'existence d'un ensemble de prix (appelés "prix fictifs" ou "shadow prices") qui offrirait la même utilité maximale à l'agent si le marché n'avait pas de frictions. Ces résultats sont utiles pour clarifier le lien entre la théorie classique des marchés sans frictions et la littérature en croissance rapide sur les coûts de transaction. Dans la deuxième partie de cette thèse, nous considérons le problème d'évaluation de produits dérivés par indifférence d'utilité dans des marchés incomplets, où la source d'incomplétude provient du fait que certains actifs ne peuvent pas être échangés sur le marché, ce qui est le cas par exemple dans le cadre des modèles structurels pour le prix de l'électricité. Sous certaines hypothèses, nous dérivons une caractérisation en terme d'équations différentielles stochastiques rétrogrades (EDSR) pour le prix, et nous nous concentrons ensuite sur les options européennes en établissant en particulier l'existence d'une stratégie de couverture optimale, même lorsque le payoff présente des discontinuités et est éventuellement non borné. Dans la dernière partie, nous analysons un simple problème de principal-agent à horizon fini, où le principal est essentiellement interprété comme un régulateur et l'agent comme une entreprise qui produit certaines émissions polluantes. Nous traitons séparément les problèmes du principal et de l'agent et nous utilisons la théorie des EDSR pour fournir des conditions nécessaires et suffisantes d'optimalité. Nous effectuons également des analyses de sensibilité et nous montrons des résultats numériques dans le but de fournir une meilleure compréhension du comportement des agents. / In this thesis we deal with different topics in financial mathematics, that are all related to market imperfections and to the fundamental technique of utility maximization. The work consists of three parts. In the first one, which is based on two papers, we consider the problem of optimal investment on a financial market with proportional transaction costs. We initially study the investment problem in the case where the utility function is multivariate (which is particularly suitable on currency markets) and the agent is endowed with a random claim, which can be interpreted as an option or another derivative contract. After analyzing the properties of the primal and dual problems, we apply those results to investigate, in this context, some aspects of a popular pricing technique in incomplete markets, i.e. utility indifference evaluation. In the second contribution to the transaction costs literature, we investigate the existence problem for a set of prices (called shadow prices) that would provide the same maximal utility to the agent if the market did not have frictions. These results shed some light on the link between the classical theory of frictionless markets and the quickly growing literature on transaction costs. In the second part of this thesis we consider the utility indifference pricing problem in incomplete markets, where the source of incompleteness comes from the fact that some assets in the market cannot be actively traded, which is the case for example in the framework of structural models for electricity prices. We provide a BSDE characterization for the price under mild assumptions, and then focus on the case of European claims by establishing in particular the existence of an optimal hedging strategy even when the claim presents discontinuities and is possibly unbounded. In the last contribution we analyze a simple principal-agent problem in finite time horizon, where the principal is mainly interpreted as a regulator and the agent as a firm producing some kind of polluting emissions. We separately treat both the agent's and the principal's problems and use the BSDE theory for providing necessary and sufficient conditions for optimality. We also perform some sensitivity analyses and give numerical results in order to provide a better understanding of the agents' behavior.

Cette thèse se compose de trois parties indépendantes portant sur l'application du contrôle stochastique à la finance. Dans la première partie, nous étudions le problème de maximisation de la fonction d'utilité dans un marché incomplet avec défauts et information totale/partielle. Nous utilisons le principe de la programmation dynamique pour pouvoir caractériser la fonction valeur solution du problème. Ensuite, nous utilisons cette caractérisation pour en déduire une EDSR dont la fonction valeur est solution. Nous donnons également une approximation de cette fonction valeur. Dans la seconde partie, nous étudions les EDSR à sauts. En utilisant les résultats de décomposition des processus à sauts liée au grossissement progressif de filtration, nous faisons un lien entre les EDSR à sauts et les EDSR browniennes. Cela nous permet de donner un résultat d'existence, un théorème de comparaison ainsi qu'une décomposition de la formule de Feynman-Kac. Puis nous utilisons ces techniques pour la détermination du prix d'une option européenne dans un marché complet et le prix d'indifférence d'un actif contingent non duplicable dans un marché incomplet. Enfin, dans la troisième partie, nous utilisons la théorie des erreurs pour expliquer le risque de liquidité comme une propriété intrinsèque au marché. Cela nous permet de modéliser la fourchette Bid-Ask. Puis nous résolvons dans ce modèle le problème de liquidation optimale d'un portefeuille en temps discret et déterministe en utilisant la programmation dynamique.

Dans cette thèse, nous donnerons tout d'abord des conditions sur les paramètres d’une EDSR à générateur lipschitzien ou à croissance quadratique telles que les processus solutions de l’EDSR admettent des densités par rapport à la mesure de Lebesgue. Puis, nous donnerons des conditions sur les paramètres d’une EDSR non-markovienne à générateur lipschitzien ou quadratique telles que les processus solutions de l’EDSR admettent une dérivée de Malliavin, à l’aide d’une nouvelle caractérisation de cette dérivée. Ce résultat nous fournira une nouvelle structure interne des espaces de Malliavin que nous étudierons. Nous donnerons ensuite des conditions nous assurant que des solutions d’EDSR non-markoviennes à générateurs lipschitziens stochastiques sont différentiables au sens de Malliavin en utilisant cette caractérisation. Nous ferons ensuite une analyse de densités pour les lois des solutions de telles EDSR et nous appliquerons nos résultats à la biologie. Enfin, nous étudierons deux exemples d’utilisations des EDSR en finance. On s’intéressera tout d’abord à un problème de maximisation d’utilité avec un horizon aléatoire que nous réduirons à l’analyse d’un nouveau type d’EDSR à coefficients singuliers et nous illustrerons nos résultats par des simulations numériques. Puis, nous résoudrons un problème de type Principal/Agent sous volatilité incertaine. / In the first part of this PhD thesis, we give conditions on the parameters of Lipschitz and quadratic growth BSDEs such that the laws of the components Y and Z of the solutions to such BSDEs admit densities with respect to the Lebesgue measure. We then provide conditions on the parameters of non-Markovian Lipschitz or quadratic growth BSDEs such that the components Y and Z of their solutions are Malliavin differentiable. We obtain these conditions by applying a new characterization of the Malliavin differentiability, as an Lp convergence criterion of difference quotients. This result provide also a new characterization of the Malliavin-Sobolev spaces that we study in detail. To finish this first theoretical part, we provide conditions ensuring that solutions of non-Markovian stochastic-Lipschitz BSDEs are Malliavin differentiable by applying the characterization of the Malliavin differentiability obtained. We then analyse the existence of densities for the laws of the components of solutions to such BSDEs and we apply our result to a model of gene expression. In the second part of this thesis, we investigate financial problems dealing with BSDEs. We first solve a utility maximization problem with a random horizon, characterized by an exogenous default time. We reduce it to the analysis of a specific BSDE, which we call BSDE with singular coefficients, when the default time is assumed to be bounded. We give conditions ensuring the existence and the uniqueness of solutions to such BSDE and we illustrate our results by numerical simulations. Then, we solve a Principal/Agent problem with ambiguity, in which the "Nature" impacts both the utilities of the Agent and the Principal, charaterized by sets of probability measures which modify the volatility.

Cette thèse traite de la résolution numérique de problèmes de contrôle stochastique, illustrée d'applications sur les marchés d'électricité. Tout d'abord, nous proposons un modèle structurel pour le prix d'électricité, autorisant des pics de prix bien au delà du coût marginal de production lorsque le marché est tendu. Ce modèle permet de valoriser et couvrir partiellement des produits dérivés sur l'électricité, avec pour actifs de couverture des contrats à terme sur combustibles. Nous étudions ensuite un algorithme, à base de simulations de Monte-Carlo et régressions à base locale, pour résoudre des problèmes généraux de commutation optimale. Nous établissons un taux de convergence complet de la méthode. De plus, nous rendons l'algorithme parcimonieux en usage mémoire en permettant d'éviter le stockage du faisceau de trajectoires. Nous l'illustrons sur le problème d'investissements en centrales électriques (lesquelles se répercutent sur le prix d'électricité grâce à notre modèle structurel). Enfin, nous étudions des problèmes de contrôle stochastique plus généraux (où le contrôle peut être continu et modifier la dynamique du processus d'état), dont la solution peut être étudiée via des Équations Différentielles Stochastiques Rétrogrades contraintes, pour lesquelles nous développons un algorithme, qui combine randomisation du contrôle et optimisation paramétrique. Un taux de convergence entre l'EDSR contrainte et sa version discrète est fourni, ainsi qu'un estimateur du contrôle optimal. Nous appliquons ensuite cet algorithme au problème de sur-réplication d'option sous volatilité incertaine.