Nous étudions le comportement asymptotique de statistiques ou fonctionnelles liées à des processus à longue mémoire saisonnière. Nous nous concentrons sur les lignes de Donsker et sur le processus empirique. Les suites considérées sont de la forme $G(X_n)$ où $(X_n)$ est un processus gaussien ou linéaire. Nous montrons que les résultats que Taqqu et Dobrushin ont obtenus pour des processus à longue mémoire dont la covariance est à variation régulière à l'infini peuvent être en défaut en présence d'effets saisonniers. Les différences portent aussi bien sur le coefficient de normalisation que sur la nature du processus limite. Notamment nous montrons que la limite du processus empirique bi-indexé, bien que restant dégénérée, n'est plus déterminée par le degré de Hermite de la fonction de répartition des données. En particulier, lorsque ce degré est égal à 1, la limite n'est plus nécessairement gaussienne. Par exemple on peut obtenir une combinaison de processus de Rosenblatt indépendants. Ces résultats sont appliqués à quelques problèmes statistiques comme le comportement asymptotique des U-statistiques, l'estimation de la densité et la détection de rupture.

Stochastic Evolution Equations Petr Čoupek Doctoral Thesis Abstract Linear stochastic evolution equations with additive regular Volterra noise are studied in the thesis. Regular Volterra processes need not be Gaussian, Markov or semimartingales, but they admit a certain covariance structure instead. Particular examples cover the fractional Brownian motion of H > 1/2 and, in the non-Gaussian case, the Rosenblatt process. The solution is considered in the mild form, which is given by the variation of constants formula, and takes values either in a separable Hilbert space or the space Lp(D, µ) for large p. In the Hilbert-space setting, existence, space-time regularity and large-time behaviour of the solutions are studied. In the Lp setting, existence and regularity is studied, and in concrete cases of stochastic partial differential equations, the solution is shown to be a space-time continuous random field.

In this thesis, we study various notions of variation of certain stochastic processes, namely $p$-variation, pathwise $p$-th variation along sequence of partitions and $p$-th variation along sequence of partitions. We study these concepts for fractional Brownian motions and Rosenblatt processes. A fractional Brownian motion is a Gaussian process and it has been intensively developed and studied over the last two decades because of its importance in modeling various phenomena. On the other hand, a Rosenblatt process, which is a non- Gaussian process that can be used for modeling non-Gaussian fluctuations, has not been getting as much attention as fractional Brownian motion. For that reason, we concentrate in this thesis on this process and we present some original results that deal with ergodicity, $p$-variation, pathwise $p$-th variation along sequence of partitions and $p$-th variation along sequence of partitions. Boris Kiška

Cette thèse a été réalisée au sein de l’entreprise Invivoo. L’objectif principal était de trouver des stratégies d’investissement : avoir un gain important et un risque faible. Les travaux de recherche ont été principalement portés par ce dernier point. Dans ce sens, nous avons voulu généraliser un modèle fidèle à la réalité des marchés financiers, que ce soit pour des données à basse comme à haute fréquence et, à très haute fréquence, variation par variation. / No English summary available.