Cette thèse est consacrée à l’analyse de ces modèles particulaires pour les mathématiques financières.Le manuscrit est organisé en quatre chapitres. Chacun peut être lu séparément.Le premier chapitre présente le travail de thèse de manière globale, définit les objectifs et résume les principales contributions. Le deuxième chapitre constitue une introduction générale à la théorie des méthodes particulaire, et propose un aperçu de ses applications aux mathématiques financières. Nous passons en revue les techniques et les résultats principaux sur les systèmes de particules en interaction, et nous expliquons comment ils peuvent être appliques à la solution numérique d’une grande variété d’applications financières, telles que l’évaluation d’options compliquées qui dépendent des trajectoires, le calcul de sensibilités, l’évaluation d’options américaines ou la résolution numérique de problèmes de contrôle et d’estimation avec observation partielle.L’évaluation d’options américaines repose sur la résolution d’une équation d’évolution à rebours, nommée l’enveloppe de Snell dans la théorie du contrôle stochastique et de l’arrêt optimal. Les deuxième et troisième chapitres se concentrent sur l’analyse de l’enveloppe de Snell et de ses extensions à différents cas particuliers. Un ensemble de modèles particulaires est alors proposé et analysé numériquement. / This thesis is concerned with the analysis of these particle models for computational finance.The manuscript is organized in four chapters. Each of them could be read separately.The first chapter provides an overview of the thesis, outlines the motivation and summarizes the major contributions. The second chapter gives a general in- troduction to the theory of interacting particle methods, with an overview of their applications to computational finance. We survey the main techniques and results on interacting particle systems and explain how they can be applied to the numerical solution of a variety of financial applications; to name a few: pricing complex path dependent European options, computing sensitivities, pricing American options, as well as numerically solving partially observed control and estimation problems.The pricing of American options relies on solving a backward evolution equation, termed Snell envelope in stochastic control and optimal stopping theory. The third and fourth chapters focus on the analysis of the Snell envelope and its variation to several particular cases. Different type of particle models are proposed and studied.

La poursuite multi-cibles a pour objet le suivi d'un ensemble de cibles mobiles à partir de données obtenues séquentiellement. Ce problème est particulièrement complexe du fait du nombre inconnu et variable de cibles, de la présence de bruit de mesure, de fausses alarmes, d'incertitude de détection et d'incertitude dans l'association de données. Les filtres PHD (Probability Hypothesis Density) constituent une nouvelle gamme de filtres adaptés à cette problématique. Ces techniques se distinguent des méthodes classiques (MHT, JPDAF, particulaire) par la modélisation de l'ensemble des cibles comme un ensemble fini aléatoire et par l'utilisation des moments de sa densité de probabilité. Dans la première partie, on s'intéresse principalement à la problématique de l'application des filtres PHD pour le filtrage multi-cibles maritime et aérien dans des scénarios réalistes et à l'étude des propriétés numériques de ces algorithmes. Dans la seconde partie, nous nous intéressons à l'étude théorique des processus de branchement liés aux équations du filtrage multi-cibles avec l'analyse des propriétés de stabilité et le comportement en temps long des semi-groupes d'intensités de branchements spatiaux. Ensuite, nous analysons les propriétés de stabilité exponentielle d'une classe d'équations à valeurs mesures que l'on rencontre dans le filtrage non-linéaire multi-cibles. Cette analyse s'applique notamment aux méthodes de type Monte Carlo séquentielles et aux algorithmes particulaires dans le cadre des filtres de Bernoulli et des filtres PHD.

La poursuite multi-cibles a pour objet le suivi d’un ensemble de cibles mobiles à partir de données obtenues séquentiellement. Ce problème est particulièrement complexe du fait du nombre inconnu et variable de cibles, de la présence de bruit de mesure, de fausses alarmes, d’incertitude de détection et d’incertitude dans l’association de données. Les filtres PHD (Probability Hypothesis Density) constituent une nouvelle gamme de filtres adaptés à cette problématique. Ces techniques se distinguent des méthodes classiques (MHT, JPDAF, particulaire) par la modélisation de l’ensemble des cibles comme un ensemble fini aléatoire et par l’utilisation des moments de sa densité de probabilité. Dans la première partie, on s’intéresse principalement à la problématique de l’application des filtres PHD pour le filtrage multi-cibles maritime et aérien dans des scénarios réalistes et à l’étude des propriétés numériques de ces algorithmes. Dans la seconde partie, nous nous intéressons à l’étude théorique des processus de branchement liés aux équations du filtrage multi-cibles avec l’analyse des propriétés de stabilité et le comportement en temps long des semi-groupes d’intensités de branchements spatiaux. Ensuite, nous analysons les propriétés de stabilité exponentielle d’une classe d’équations à valeurs mesures que l’on rencontre dans le filtrage non-linéaire multi-cibles. Cette analyse s’applique notamment aux méthodes de type Monte Carlo séquentielles et aux algorithmes particulaires dans le cadre des filtres de Bernoulli et des filtres PHD. / The problem of multiple-object tracking consists in the recursive estimation ofthe state of several targets by using the information coming from an observation process. The objective of this thesis is to study the spatial branching processes andthe measure-valued systems arising in multi-object tracking. We focus on a class of filters called Probability Hypothesis Density (PHD) filters by first analyzing theirperformance on simulated scenarii and then by studying their properties of stabilityand convergence. The thesis is organized in two parts: the first part overviewsthe techniques proposed in the literature and introduces the Probability Hypothesis Density filter as a tractable approximation to the full multi-target Bayes filterbased on the Random Finite Sets formulation. A series of contributions concerning the numerical implementation of PHD filters are proposed as well as the analysis of their performance on realistic scenarios.The second part focuses on the theoretical aspects of the PHD recursion in the context of spatial branching processes. We establish the expression of the conditional distribution of a latent Poisson point process given an observation process and propose an alternative derivation of the PHD filter based on this result. Stability properties, long time behavior as well as the uniform convergence of a general class of stochastic filtering algorithms are discussed. Schemes to approximate the measure valued equations arising in nonlinear multi-target filtering are proposed and studied.