The world went through weeks of financial turbulence in stock markets and investors were overcome by fears fuelled by more bad news, while countries continued their attempts to calm the markets with more injection of funds. By these very disturbed times, even if traders hope extreme risk aversion has passed, an investor would like predict the future of the market in order to protect his portfolio and a speculator would like to optimize his tradings. This thesis describes the design of numerical models and algorithms for the forecasting of financial time series, for speculation on a short time interval. To this aim, we will use two models: - " Price Forecasting Model " forecasts the behavior of an asset for an interval of three hours. This model is based on Functional Clustering and smoothing by cubic-splines in the training phase to build local Neural models, and Functional Classification for generalization, - " Model of Trading " forecasts the First Stopping time, when an asset crosses for the first time a threshold defined by the trader. This model combines a Price Forecasting Model for the prediction of market trend, and a Trading Recommendation for prediction of the first stopping time. We use an auto-adaptive Dynamic State Space Model, with Particle Filters and Kalman-Bucy Filters for parameter estimation.

Le bus est le moins cher des transports en commun. En contrepartie, il est beaucoup plus difficile à exploiter que le tramway ou le métro qui sont mieux protégés des influences extérieures. Un exemple typique est l’apparition de trains de bus, groupes de véhicules appartenant à la même ligne et arrivant ensemble à un arrêt. Ce phénomène augmente le temps d’attente moyen des usagers aux arrêts et induit un mauvais usage des bus disponibles. Cette thèse développe les outils permettant de garantir la régularité des lignes. Les recherches menées au cours de cette thèse s’articulent suivant deux directions.Un premier constat est que les modèles de lignes de bus existants ne prennent pas en compte les éléments extérieurs que sont les feux de circulation et le trafic environnant. L’absence d’une modélisation mixte intégrant aussi bien les dynamiques internes des lignes que les influences extérieures contraint fortement la diversité des stratégies de contrôle qui ont été proposées jusqu’ici. En effet, les régulations s’appliquent principalement au niveau des arrêts par l’intermédiaire des conducteurs et ne cherchent jamais à réguler le trafic à l’aide des feux de circulation. Un premier axe de recherche développé dans cette thèse est le raffinement des modèles de bus pour prendre en compte le trafic.Plusieurs méthodes d’estimation de temps de parcours sur un boulevard à feu sont proposées. Elles sont basées sur le modèle LWR, compromis fort satisfaisant entre simplicité d’usage et robustesse pour reproduire des situations réelles.Un second constat est que les stratégies de régulation classiques ne sont que rarement basées sur une prévision à court-terme de l'état du système. Elles sont donc souvent actionnées une fois que la situation est trop dégradée, ce qui les rend parfois inaptes à compenser l'instabilité des lignes. Le deuxième axe de recherche consiste à appliquer les modèles raffinés dans un contexte d’exploitation en temps-réel. Le modèle prévoit l'évolution des lignes de bus à court terme, ce qui permet d’actionner préventivement une stratégie de régulation adaptée. En particulier, une méthode de prévision à court terme est développée et testée sur des données réelles. Elle est ensuite combinée à une méthode récente de contrôle des bus. / Bus is cheaper than other transport modes. However, maintaining optimal operations is harder than for streetcars or subways since buses are surrounded by traffic flows. Sometimes, buses of the same route bunch and travel together instead of keeping constant time headways. This phenomenon increases the average waiting time of passengers. As a result, they may tend to shift to other transport modes. This thesis proposes some methods to keep bus routes regular. Two main lines of research are investigated.First, classical models of bus routes do not account for external events like traffic signals and traffic flows. Due to this gap, existing control strategies only apply on buses through their drivers.Traffic flows are not controlled to favor buses compared to cars. Thus, the first area of research consists in refining bus models to account for external events. Several travel time estimation methods on urban arterials are proposed. They are based on the kinematic wave model (LWR). It is known to be a fine trade-off between simplicity and robustness to properly reproduce traffic dynamics.Second, control strategies are often applied once the bus route is too disrupted to be restored to regularity. Predictions of future bus route states could improve the efficiency of regulations. The second area of research consists in using the refined bus models in real time operations. The model forecasts the evolution of buses on their route for short-term. The predictions are evaluated thanks to real data to guarantee their quality. Then it enables regulations to be applied before bunching. In particular, height holding control methods are presented and compared in simulation.