This work develops some simple models to study risky corporate debt using first passage-time approach. Analytical valuation expression derived from different models as functions of firm’s values and the short-term interest rate with time-dependent parameters governing the dynamics of the firm values and interest rate. We develop some numerical approximation of the analytical valuation, which is given implicitly through Voltera integral equation related to the density of the first-passage- time that a firm reaches some specified default barrier. For some appropriate default barrier arising from financial considerations we obtain a closed-form solution, which is more flexible for numerical calculation. / Doctorat en sciences de gestion / info:eu-repo/semantics/nonPublished

La théorie des bifurcations est utilisée pour étudier certains aspects des systèmes dynamiques qui intervient lorsqu'un petit changement d'un paramètre physique produit un changement majeur dans l'organisation du système. Ces phénomènes ont lieu dans les systèmes physiques, chimiques, biologiques, écologiques, économiques et sociaux. Cette idée unificatrice a été appliquée pour modéliser et explorer à la fois tant les systèmes sociaux que les systèmes physiques. Dans la première partie de cette thèse, nous appliquons les outils de la physique statistique et de la théorie des bifurcations pour modéliser le problème des décisions binaires dans les sciences sociales. Nous avons mis au point un schéma permettant de prédire l’apparition de sauts extrêmes dans ces systèmes en se basant sur la notion de précurseurs, utilisés comme signal d'alerte d'apparition de ces événements catastrophiques. Nous avons également résolu un modèle mathématique d’effondrement social fondé sur une équation de "régression logistique" utilisée pour décrire la croissance d’une population et la façon dont celle-ci peut être influencée par des ressources limitées. Ce modèle présente des bifurcations sous-critiques et nous avons étudié sa relation avec le phénomène social du « sunk-cost effect » (effet de coût irrécupérable). Ce dernier phénomène explique l’influence des investissements passés sur les décisions présentes, et la combinaison de ces deux phénomènes est utilisé comme modèle pour expliquer la désintégration de certaines sociétés anciennes (basés sur des témoignages archéologiques). Dans la deuxième partie de cette thèse, nous étudions les systèmes macroscopiques décrits par des équations différentielles stochastiques multidimensionnelles ou, de manière équivalente, par les équations multidimensionnelles de Fokker-Planck. Afin de calculer la fonction de distribution de probabilité (PDF), nous avons introduit un nouveau schéma alternatif de calcul basé sur les intégrales de chemin (« Path Integral ») lié aux processus stochastiques. Les calculs basés sur les intégrales de chemin sont effectués sur des systèmes uni et bidimensionnels et successivement comparés avec certains modèles dont on connaît la solution pour confirmer la validité de notre méthode. Nous avons également étendu ce schéma pour estimer le temps d’activation moyen (« Mean Exit Time »), ce qui a donné lieu à une nouvelle expression de calcul pour les systèmes à dimension arbitraire. A` noter que pour le cas des systèmes dynamiques à deux dimensions, les calculs de la fonction de distribution de probabilité ainsi que du temps de sortie moyen ont validé le schéma des intégrales du chemin. Ça vaut la peine de souligner que la perspective de poursuivre cette ligne de recherche repose sur le fait que cette méthode est valable pour les « non gradient systems » assujettis à des bruits d'intensité arbitraires. Cela ouvre la possibilité d'analyser des situations plus complexes où, à l'heure actuelle, il n'existe aucune méthode permettant de calculer les PDFs et/ou les METs. / Bifurcations in continuous dynamical systems, i.e., those described by ordinary differential equations, are found in a multitude of models such as those used to study phenomena related to physical, chemical, biological, ecological, economic and social systems. Using this concept as a unifying idea, in this thesis, we apply it to model and explore both Social as well as Physical systems. In the first part of this thesis we apply tools of statistical physics and bifurcation theory to model a problem of binary decision in Social Sciences. We find an scheme to predict the appearance of extreme jumps in these systems based on the notion of precursors which act as a kind of warning signal for the upcoming appearance of these catastrophic events. We also solve a mathematical model of social collapse based on a logistic re-growing equation used to model population grow and how limited resources change grow patterns. This model exhibits subcritical bifurcations and its relation to the social phenomenon of sunk-cost effect is studied. This last phenomenon explains how past investments affect current decisions and the combination of both phenomena is used as a model to explain the disintegration of some ancient societies, based on evidence from archeological records. In the second part of this thesis, we study macroscopic systems described by multidimensional stochastic differential equations or equivalently by their deterministic counterpart, the multidimensional FokkerPlanck equation. A new and alternative scheme of computation based on Path Integrals, related to stochastic processes is introduced in order to calculate the Probability Distribution Function. The computations based on this Path Integral scheme are performed on systems in one and two dimensions and contrasted to some soluble models completely validating this method. We also extended this scheme to the case of computation of Mean Exit Time, finding a new expression for each computation in systems in arbitrary dimensions. It is worth noting that in case of two-dimensional dynamical systems, the computations of both the probability distribution function as well as of the mean exit time validated the Path Integral scheme and the perspective for continuing this line of work are based on the fact that this method is valid for both arbitrary non gradient systems and noise intensities. This opens the possibility to explore new cases, for which no methods are known to obtain them.

Cette thèse s'intéresse à l'étude des stratégies d'introduction de populations dans l'environnement. Les deux principaux contextes présentés sont la lutte biologique et la réintroduction d'espèces. Si ces deux types d'introduction diffèrent, des processus biotiques et abiotiques les influencent de manière similaire. En particulier les populations introduites, souvent de petite taille, peuvent être sensibles à diverses formes de stochasticité, voire subir une baisse de leur taux de croissance à faible effectif, ce qu'on appelle « effet Allee ». Ces processus peuvent interagir avec les stratégies d'introduction des organismes et moduler leur efficacité. Dans un premier temps, nous modélisons le processus d'introduction à l'aide de systèmes dynamiques impulsionnels : la dynamique de la population est décrite par des équations différentielles ordinaires qui, à des instants donnés, sont perturbées par des augmentations soudaines de la taille de la population. Cette approche se concentre sur l'influence des effets Allee sur les populations isolées (réintroduction) ou dans un cadre proie-prédateur (lutte biologique). Dans un second temps, en nous concentrant sur l'aspect réintroduction, nous étendons ce cadre de modélisation pour prendre en compte des aspects stochastiques liés à l'environnement ou aux introductions elles-mêmes. Finalement, nous considérons un modèle individu centré pour étudier l'effet de la stochasticité démographique inhérente aux petites populations. Ces différentes approches permettent d'analyser l'influence de la distribution temporelle des introductions et ainsi déterminer les stratégies qui maximisent les chances de succès des introductions. / This thesis investigates introduction strategies of populations in the environment. Two main situations are considered: biological control and species reintroduction. Although these two kinds of introductions are different, many biotic and abiotic processes influence them in a similar way. Introduced populations are often small and may be sensitive to various stochastic factors. Further, small populations may suffer from a decrease of their growth rate when the population is small, a feature called "Allee effect". These processes may interact with introduction strategies and modulate their efficiency. First, we represent the introduction process using impulsive dynamical systems: population dynamics are described by ordinary differential equations that are disrupted at some instants by instantaneous increases of the population size. This approach focuses on the influence of Allee effects on single-species (reintroduction) or predator-prey interactions (biological control). Then, we concentrate on the reintroduction approach and extend the previous deterministic framework to take into consideration stochastic factors arising from the environment or from introductions themselves. Finally, we consider an individual-based model to study the effects of demographic stochasticity which is inherent to small populations. These different approaches allow to investigate the temporal distribution of introductions and determine which introduction strategies maximize the probability of success of introductions.

Current conventional weather forecasts are based on high-dimensional numerical models. They are usually only skillful up to a maximum lead time of around 7 days due to the chaotic nature of the climate dynamics and the related exponential growth of model and data initialisation errors. Even the fully detailed medium-range predictions made for instance at the European Centre for Medium-Range Weather Forecasts do not exceed lead times of 14 days, while even longer-range predictions are limited to time-averaged forecast outputs only. Many sectors would profit significantly from accurate forecasts on seasonal time scales without needing the wealth of details a full dynamical model can deliver. In this thesis, we aim to study the potential of a much cheaper data-based statistical approach to provide predictions of comparable or even better skill up to seasonal lead times, using as an examplary forecast target the time until the next occurrence of frost. To this end, we first analyse the properties of the temperature anomaly time series obtained from measured data by subtracting a sinusoidal seasonal cycle, as well as the distribution properties of the first passage times to frost. The possibility of generating additional temperature anomaly data with the same properties by using very simple autoregressive model processes to potentially reduce the statistical fluctuations in our analysis is investigated and ultimately rejected. In a next step, we study the potential for predictability using only conditional first passage time distributions derived from the temperature anomaly time series and confirm a significant dependence of the distributions on the initial conditions. After this preliminary analysis, we issue data-based out-of-sample forecasts for three different prediction targets: The specific date of first frost, the probability of observing frost before summer for forecasts issued in spring, and the full probability distribution of the first passage times to frost. We then study the possibility of improving the forecast quality first by enhancing the stationarity of the temperature anomaly time series and then by adding as an additional input variable the state of the North Atlantic Oscillation on the date the predictions are issued. We are able to obtain significant forecast skill up to seasonal lead times when comparing our results to an unskilled reference forecast. A first comparison between the data-based forecasts and corresponding predictions gathered from a dynamical weather model, necessarily using a lead time of only up to 15 days, shows that our simple statistical schemes are only outperformed (and then only slightly) if further statistical post-processing is applied to the model output. / Aktuelle Wetterprognosen werden mit Hilfe von hochdimensionalen, numerischen Modellen generiert. Durch die dem Klima zugrunde liegende chaotische Dynamik wachsen Modellfehler und Ungenauigkeiten in der Modellinitialisierung exponentiell an, sodass Vorhersagen mit signifikanter Güte üblicherweise nur für eine Vorlaufzeit von maximal sieben Tagen möglich sind. Selbst die detaillierten Prognosen des Europäischen Zentrums für mittelfristige Wettervorhersagen gehen nicht über eine Vorlaufzeit von 14 Tagen hinaus, während noch längerfristigere Vorhersagen auf zeitgemittelte Größen beschränkt sind. Viele Branchen würden signifikant von akkuraten Vorhersagen auf saisonalen Zeitskalen pro-fitieren, ohne das ganze Ausmaß an Details zu benötigen, das von einem vollständigen dynamischen Modell geliefert werden kann. In dieser Dissertation beabsichtigen wir, am Beispiel einer Vorhersage der Zeitdauer bis zum nächsten Eintreten von Frost zu untersuchen, inwieweit deutlich kostengünstigere, datenbasierte statistische Verfahren Prognosen von gleicher oder sogar besserer Güte auf bis zu saisonalen Zeitskalen liefern können. Dazu analysieren wir zunächst die Eigenschaften der Zeitreihe der Temperaturanomalien, die aus den Messdaten durch das Subtrahieren eines sinusförmigen Jahresganges erhalten werden, sowie die Charakteristiken der Wahrscheinlichkeitsverteilungen der Zeitdauer bis zum nächsten Eintreten von Frost. Die Möglichkeit, durch einen einfachen autoregressiven Modellprozess zusätzliche Datenpunkte gleicher statistischer Eigenschaften wie der Temperaturanomalien zu generieren, um die statistischen Fluktuationen in der Analyse zu reduzieren, wird untersucht und letztendlich verworfen. Im nächsten Schritt analysieren wir das Vorhersagepotential, wenn ausschließlich aus den Temperaturanomalien gewonnene bedingte Wahrscheinlichkeitsverteilungen der Wartezeit bis zum nächsten Frost verwendet werden, und können eine signifikante Abhängigkeit der Verteilungen von den Anfangsbedingungen nachweisen. Nach dieser einleitenden Untersuchung erstellen wir datenbasierte Prognosen für drei verschiedene Vorhersagegrößen: Das konkrete Datum, an dem es das nächste Mal Frost geben wird; die Wahrscheinlichkeit, noch vor dem Sommer Frost zu beobachten, wenn die Vorhersagen im Frühjahr ausgegeben werden; und die volle Wahrscheinlichkeitsverteilung der Zeitdauer bis zum nächsten Eintreten von Frost. Anschließend untersuchen wir die Möglichkeit, die Vorhersagegüte weiter zu erhöhen - zunächst durch eine Verbesserung der Stationarität der Temperaturanomalien und dann durch die zusätzliche Berücksichtigung der Nordatlantischen Oszillation als einer zweiten, den Anfangszustand charakterisierenden Variablen im Vorhersageschema. Wir sind in der Lage, im Vergleich mit einem naiven Referenzvorhersageschema eine signifikante Verbesserung der Vorhersagegüte auch auf saisonalen Zeitskalen zu erreichen. Ein erster Vergleich zwischen den datenbasierten Vorhersagen und entsprechenden, aus den dynamischen Wettermodellen gewonnenen Prognosen, der sich notwendigerweise auf eine Vorlaufzeit der Vorhersagen von lediglich 15 Tagen beschränkt, zeigt, dass letztere unsere simplen statistischen Vorhersageschemata nur schlagen (und zwar knapp), wenn der Modelloutput noch einer statistischen Nachbearbeitung unterzogen wird.

No description available.

The most useful feature used in finance of the Ornstein-Uhlenbeck (OU) stochastic process is its mean-reverting property: the OU process tends to drift towards its long- term mean (its equilibrium state) over time. This important feature makes the OU process arguably the most popular statistical model for developing best pair-trading strategies. However, optimal strategies depend crucially on the first passage time (FPT) of the OU process to a suitably chosen boundary and its probability density is not analytically available in general. Even for crossing a simple constant boundary, the FPT of the OU process would lead to crossing a square root boundary by a Brownian motion process whose FPT density involves the complicated parabolic cylinder function. To overcome the limitations of the existing methods, we propose a novel class of non-linear boundaries for obtaining optimal decision thresholds. We prove the existence and uniqueness of the maximizer of our decision rules. We also derive simple formulas for some FPT moments without analytical expressions of its density functions. We conduct some Monte Carlo simulations and analyze several pairs of stocks including Coca-Cola and Pepsi, Target and Walmart, Chevron and Exxon Mobil. The results demonstrate that our method outperforms the existing procedures.

Nous nous intéressons à des équations différentielles stochastiques obtenues en perturbant par un bruit blanc des équations différentielles ordinaires admettant N orbites périodiques asymptotiquement stables. Nous construisons une chaîne de Markov à temps discret et espace d’états continu appelée application de Poincaré aléatoire qui hérite du comportement métastable du système. Nous montrons que ce processus admet exactement N valeurs propres qui sont exponentiellement proches de 1 et nous donnons des expressions pour ces valeurs propres et les fonctions propres associées en termes de fonctions committeurs dans les voisinages des orbites périodiques. Nous montrons également que ces valeurs propres sont bien séparées du reste du spectre. Chacune de ces valeurs propres exponentiellement proche de 1 est également reliée à un temps d’atteinte de ces voisinages. De plus, les N valeurs propres exponentiellement proches de 1 et fonctions propres à gauche et à droite associées peuvent être respectivement approchées par des valeurs propres principales, des distributions quasi-stationnaires, et des fonctions propres principales à droite de processus tués quand ils atteignent ces voisinages. Les preuves reposent sur une représentation de type Feynman–Kac pour les fonctions propres, la transformée harmonique de Doob, la théorie spectrale des opérateurs compacts et une propriété de type équilibré détaillé satisfaite par les fonctions committeurs. / We consider stochastic differential equations, obtained by adding weak Gaussian white noise to ordinary differential equations admitting N asymptotically stable periodic orbits. We construct a discrete-time,continuous-space Markov chain, called a random Poincaré map, which encodes the metastable behaviour of the system. We show that this process admits exactly N eigenvalues which are exponentially close to 1,and provide expressions for these eigenvalues and their left and right eigenfunctions in terms of committorfunctions of neighbourhoods of periodic orbits. We also provide a bound for the remaining part of the spectrum. The eigenvalues that are exponentially close to 1 and the right and left eigenfunctions are well-approximated by principal eigenvalues, quasistationary distributions, and principal right eigenfunctions of processes killed upon hitting some of these neighbourhoods. Each eigenvalue that is exponentially close to 1is also related to the mean exit time from some metastable neighborhood of the periodic orbits. The proofsrely on Feynman–Kac-type representation formulas for eigenfunctions, Doob’s h-transform, spectral theory of compact operators, and a recently discovered detailed balance property satisfied by committor functions.

Die Assoziation kleiner Moleküle (Liganden) in hydrophobe Bindungstaschen spielt eine fundamentale Rolle in der Biomolekularerkennung und den Selbstassemblierungsprozessen der physikalischen Chemie wässriger Lösungen. Während der Einfluss des Wassers auf die freie Energie der Bindung (die Bindungsaffinität) im thermischen Gleichgewicht in den letzten Jahren auf immer stärkere Aufmerksamkeit stößt, ist die Rolle des Wassers in der Kinetik und der Bestimmung der Bindungsraten noch weitestgehend unverstanden. Welche nanoskaligen Effekte des Wassers beeinflussen die Dynamik des Liganden in der Nähe der Bindungstasche, und wie lassen sie sich durch die chemischen Eigenschaften der Tasche steuern? Neuste Forschungen haben mithilfe von molekularen Computersimulationen eines einfachen Modells gezeigt, dass Hydrationsfluktuationen in der hydrophoben Bindungstasche an die Dynamik des Liganden koppeln und damit seine Bindungsrate beeinflussen. Da die Wasserfluktuationen wiederum durch die Geometrie und Hydrophobizität der Bindungstasche beeinflusst werden, entsteht die Möglichkeit, kontrollierte Fluktuation zu kreieren, um die Bindungsraten des Liganden zu steuern. In dieser Arbeit wird diese Perspektive mithilfe eines theoretischen Multiskalenansatzes für prototypische Schlüssel-Schloss-Systeme aufgegriffen. Wir untersuchen den Einfluss der physikochemischen Eigenschaften der Bindungstasche auf die Diffusivität und die Bindungsraten des Liganden, und wie die Orientierung eines anisotropen Liganden an die Hydrationsfluktuationen der Tasche koppelt. Damit stellen wir fest, dass kleine Änderungen der Taschentiefe eine extreme Beschleunigung der Bindungsraten bewirken kann und, dass gleichzeitig die Bindung in konkave Taschen vorteilhaft für die Reorientierungsdynamik des Liganden ist. Die Resultate dieses Projekts sollen somit helfen, maßgeschneiderte Lösungen für funktionale „Host-Guest“-Systeme sowie pharmazeutische Moleküle in biomedizinischen Anwendungen zu entwickeln. / The association of small molecules (ligands) to hydrophobic binding pockets plays an integral role in biochemical molecular recognition and function, as well as in various self-assembly processes in the physical chemistry of aqueous solutions. While the investigation of water contributions to the binding free energy (affinity) in equilibrium has attracted a great deal of attention in the last decade, little is known about the role of water in determining the rates of binding and kinetic mechanisms. For instance, what are the nanoscale water effects on ligand diffusion close to the hydrophobic docking site, and how can they be steered by the chemical composition of the pocket? Recent studies used molecular simulations of a simple prototypical pocket-ligand model to show that hydration fluctuations within the binding pocket can couple to the ligand dynamics and influence its binding rates. Since the hydration fluctuations, in turn, can be modified by the pocket’s geometry and hydrophobicity, the possibility exists to create well-controlled solvent fluctuations to steer the ligand’s binding rates. In this work, we pick up this appealing notion employing a theoretical multi-scale approach of a generic key-lock system in aqueous solution. We explore the influence of the physicochemical properties of the pocket on local ligand diffusivities and binding rates and demonstrate how the orientation of a (non-spherical) ligand couples to a pocket’s hydration fluctuations. We find that minor modulation in pocket depth can drastically speed up the binding rate and that, concurrently, binding to molded binding sites is advantageous for the rotational dynamics of the ligand. The results and discussion of this work shall, therefore, imply generic design principles for tailored solutions of functional host-guest systems as well as optimized drugs in biomedical applications.

Calcium (Ca2+) ist ein in eukaryotischen Zellen allgegenwärtiger sekundärer Botenstoff. Durch Inositoltrisphosphat (IP3) ausgelöste Ca2+-Signale von IP3-Rezeptoren (IP3Rs) sind eines der universellsten Zell Signalübertragungssysteme. Ca2+ Signale sind fundamental stochastisch. Dennoch hat sich die Modellierung dieser Ca2+-Signale bisher stark auf deterministische Ansätze mit gewöhnlichen Differentialgleichungen gestützt. Diese wurden als Ratengleichungen etabliert und beruhen auf räumlich gemitteltem Ca2+ Werten. Diese Ansätze vernachlässigen Rauschen und Zufall. In dieser Dissertation präsentieren wir ein stochastisches Modell zur Erzeugung von Ca2+ Spikes in Form einer linearen Zustands-Kette. Die Anzahl offener Cluster ist die Zustandsvariable und Erholung von negativem Feedback wird berücksichtigt. Wir identifizieren einen Ca2+ Spike mit dem ersten Erreichen eines kritischen Zustands und sein Interspike Intervall mit der first-passage time (FPT) zu diesem Zustand. Dafür entwickeln wir einen allgemeinen mathematischen Rahmen zur analytischen Berechnung von FPTs auf solch einer Kette. Wir finden z.B. einen allgemein verringerten CV, der ein deutliches Minimum in Abhängigkeit der Zustandskettenlänge N aufweist. Dies nennen wir resonante Länge. Danach ergänzen wir positives Feedback und wenden das Modell auf verschiedene Zelltypen an. Es erfasst alle verfügbaren allgemeinen Beobachtungen zu Ca2+ Signalvorgängen. Es erlaubt uns Einblicke in den Zusammenhang von Agonistenstärke und Puffraten. Auch werden einzelne Ca2+ Spikes in Purkinje Neuronen, welche eine Rolle für Lernen und Erinnerung spielen, als stochastisches reaction-diffusion Model in einer 3D Dornenfortsatz Geometrie modelliert. Ataxia, eine Krankheit, die zum Verlust der Feinmotorik führt, wird auf defekte IP3R zurückgeführt, die abnormale Ca2+ Spikes erzeugen. Dieser Zustand wird ebenfalls untersucht und es wird ein Weg zur Wiederherstellung normaler Ca2+ Spikes vorgeschlagen. / Calcium (Ca2+) is a ubiquitous 2nd messenger molecule in all eukaryotic cells. Inositol trisphosphate (IP3)-induced Ca2+ signalling via IP3 receptors (IP3Rs) is one of the most universal signalling systems used by cells to transmit information. Ca2+ signalling is noisy and a fundamentally stochastic system. Yet, modelling of IP3-induced Ca2+ signalling has relied heavily on deterministic approaches with ordinary differential equations in the past, established as rate equations using spatially averaged Ca2+. These approaches neglect the defining features of Ca2+ signalling, noise and fluctuations. In this thesis, we propose a stochastic model of Ca2+ spike generation in terms of a linear state chain with the number of open clusters as its state variable, also including recovery from negative feedback. We identify a Ca2+ spike with reaching a critical state for the first time, and its interspike interval with the first passage time to that state. To this end, a general mathematical framework for analytically computing first-passage times of such a linear chain is developed first. A substantially reduced CV with a pronounced minimum, dependent on the chain length N, termed resonant length, are found. Positive feedback is then included into the model, and it is applied directly to various cell types. The model is fundamentally stochastic and successfully captures all available general observations on Ca2+ signalling. Also, we specifically study single Ca2+ spikes in spines of Purkinje neurons, assumed to be important for motor learning and memory, using MCell to simulate a reaction-diffusion system in a complex 3D Purkinje spine geometry. The model successfully reproduces experimentally findings on properties of Ca2+ spikes. Ataxia, a pathological condition resulting in, e.g., a loss of fine motor control, assumed to be caused by malfunctioning IP3Rs, is modelled and a possible way of recovery is suggested.