Nous établissons les liens asymptotique entre deux catégories de modèles à volatilité stochastique décrivant le même marché dérivé: - un modèle générique à volatilité stochastique instantanée (SInsV) , dont le système d'EDS est un chaos de Wiener formel, spécifié sans aucune variable d'état. - une classe à volatilité implicite stochastique glissante (SImpV), qui est un autre modèle de marché, décrivant explicitement la dynamique conjointe du sous-jacent et de la surface d'options Européennes associées. Chacune de ces connexions est atteinte couche par couche, entre un groupe de coefficients SInsV et un ensemble de differentielles SImpV (statiques et dynamiques). L'approche asymptotique conduit à ce que ces différentielles croisees soient prises à l'expiration zéro, au point ATM. Nous progressons d'une configuration simple, bi-dimensionnelle à sous-jacent unique, d'abord vers une configuration multi-dimensionnelle, puis vers un cadre à structure par terme. Nous exposons les contraintes structurelles de modélisation et l'asymétrie entre le problème direct (de SInsV vers SImpV) et inverse. Nous montrons que cette expansion asymptotique en chaos (ACE) est un outil puissant pour la conception et l'analyse de modèles. En se concentrant sur des modèles à volatilité locale et leurs extensions, nous comparons ACE avec la littérature et exhibons un biais systématique dans l'heuristique de Gatheral. Dans le contexte multi-dimensionnel, nous nous concentrons sur des paniers à poids stochastiques, pour lesquels ACE fournit des résultats intuitifs soulignant la recurrence naturelle. Dans l'environnement des taux d'intérêt, nous etablissons la première couche de descripteurs du smile pour les caplets, les swaptions et les options sur obligations, à la fois dans un cadre SV-HJM et un cadre SV-LMM. En outre, nous montrons que ACE peut être automatisé pour des modèles génériques, à n'importe quel ordre, sans calcul formel. L'intérêt de cet algorithme est démontré par le calcul manuel des 2eme et 3eme couches, dans un modèle générique SInsV bi-dimensionnel. Nous présentons le potentiel applicatif d'ACE pour la calibration, l'evaluation, la couverture ou à des fins d'arbitrage, illustré par des tests numériques sur le modèle CEV-SABR.

Cette thèse s'inscrit dans la théorie de l'intégration par régularisation de Russo et Vallois. La première partie est consacrée à l'approximation du temps local des semi-martingales continues. On montre que, si $X$ est une diffusion réversible, alors $ \frac{1}{\epsilon}\int_0^t \left( \indi_{\{ y < X_{s+\epsilon}\}} - \indi_{\{ y < X_{s}\}} \right) \left( X_{s+\epsilon}-X_{s} \right)ds$ converge vers $L_t^y(X)$, en probabilité uniformément sur les compacts, quand $\epsilon \to 0$. De ce premier schéma, on tire deux autres schémas d'approximation du temps local, l'un valable pour les semi-martingales continues, l'autre pour le mouvement Brownien standard. Dans le cas du mouvement Brownien, une vitesse de convergence dans $L^2(\Omega)$ et un résultat de convergence presque sûre sont établis. La deuxième partie de la thèse est consacrée à l'intégrale "forward" et à la variation quadratique généralisée, définies par des limites en probabilité de famille d'intégrales. Dans le cas Höldérien, la convergence presque sûre est établie. Enfin, on montre la convergence au second ordre pour une série de processus particuliers.

Dans cette thèse, nous étudions des thématiques autour des algorithmes stochastiques et c'est pour cette raison que nous débuterons ce manuscrit par des éléments généraux sur ces algorithmes en donnant des résultats historiques pour poser les bases de nos travaux. Ensuite, nous étudierons un algorithme de bandit issu des travaux de N arendra et Shapiro dont l'objectif est de déterminer parmi un choix de plusieurs sources laquelle profite le plus à l'utilisateur en évitant toutefois de passer trop de temps à tester celles qui sont moins per­formantes. Notre but est dans un premier temps de comprendre les faiblesses structurelles de cet algorithme pour ensuite proposer une procédure optimale pour une quantité qui mesure les performances d'un algorithme de bandit, le regret. Dans nos résultats, nous proposerons un algorithme appelé NS sur-pénalisé qui permet d'obtenir une borne de regret optimale au sens minimax au travers d'une étude fine de l'algorithme stochastique sous-jacent à cette procédure. Un second travail sera de donner des vitesses de convergence pour le processus apparaissant dans l'étude de la convergence en loi de l'algorithme NS sur-pénalisé. La par­ticularité de l'algorithme est qu'il ne converge pas en loi vers une diffusion comme la plupart des algorithmes stochastiques mais vers un processus à sauts non-diffusif ce qui rend l'étude de la convergence à l'équilibre plus technique. Nous emploierons une technique de couplage afin d'étudier cette convergence. Le second travail de cette thèse s'inscrit dans le cadre de l'optimisation d'une fonc­tion au moyen d'un algorithme stochastique. Nous étudierons une version stochastique de l'algorithme déterministe de boule pesante avec amortissement. La particularité de cet al­gorithme est d'être articulé autour d'une dynamique qui utilise une moyennisation sur tout le passé de sa trajectoire. La procédure fait appelle à une fonction dite de mémoire qui, selon les formes qu'elle prend, offre des comportements intéressants. Dans notre étude, nous verrons que deux types de mémoire sont pertinents : les mémoires exponentielles et poly­nomiales. Nous établirons pour commencer des résultats de convergence dans le cas général où la fonction à minimiser est non-convexe. Dans le cas de fonctions fortement convexes, nous obtenons des vitesses de convergence optimales en un sens que nous définirons. En­fin, l'étude se termine par un résultat de convergence en loi du processus après une bonne renormalisation. La troisième partie s'articule autour des algorithmes de McKean-Vlasov qui furent intro­duit par Anatoly Vlasov et étudié, pour la première fois, par Henry McKean dans l'optique de la modélisation de la loi de distribution du plasma. Notre objectif est de proposer un al­gorithme stochastique capable d'approcher la mesure invariante du processus. Les méthodes pour approcher une mesure invariante sont connues dans le cas des diffusions et de certains autre processus mais ici la particularité du processus de McKean-Vlasov est de ne pas être une diffusion linéaire. En effet, le processus a de la mémoire comme les processus de boule pesante. De ce fait, il nous faudra développer une méthode alternative pour contourner ce problème. Nous aurons besoin d'introduire la notion de pseudo-trajectoires afin de proposer une procédure efficace. / In this thesis, we are studying severa! stochastic algorithms with different purposes and this is why we will start this manuscript by giving historicals results to define the framework of our work. Then, we will study a bandit algorithm due to the work of Narendra and Shapiro whose objectif was to determine among a choice of severa! sources which one is the most profitable without spending too much times on the wrong orres. Our goal is to understand the weakness of this algorithm in order to propose an optimal procedure for a quantity measuring the performance of a bandit algorithm, the regret. In our results, we will propose an algorithm called NS over-penalized which allows to obtain a minimax regret bound. A second work will be to understand the convergence in law of this process. The particularity of the algorith is that it converges in law toward a non-diffusive process which makes the study more intricate than the standard case. We will use coupling techniques to study this process and propose rates of convergence. The second work of this thesis falls in the scope of optimization of a function using a stochastic algorithm. We will study a stochastic version of the so-called heavy bali method with friction. The particularity of the algorithm is that its dynamics is based on the ali past of the trajectory. The procedure relies on a memory term which dictates the behavior of the procedure by the form it takes. In our framework, two types of memory will investigated : polynomial and exponential. We will start with general convergence results in the non-convex case. In the case of strongly convex functions, we will provide upper-bounds for the rate of convergence. Finally, a convergence in law result is given in the case of exponential memory. The third part is about the McKean-Vlasov equations which were first introduced by Anatoly Vlasov and first studied by Henry McKean in order to mode! the distribution function of plasma. Our objective is to propose a stochastic algorithm to approach the invariant distribution of the McKean Vlasov equation. Methods in the case of diffusion processes (and sorne more general pro cesses) are known but the particularity of McKean Vlasov process is that it is strongly non-linear. Thus, we will have to develop an alternative approach. We will introduce the notion of asymptotic pseudotrajectory in odrer to get an efficient procedure.

Cette thèse porte sur la dynamique de particules dans des écoulements turbulents, en particulier sur l'apparition de structures. Deux situations physiques sont étudiées. D'une part, dans le cas du mouvement de traceurs, c'est-à-dire de particules fluides de même composition que le flot, transportés par un champ de vitesse turbulent bidimensionnel, un triplet de particules (un triangle) tend à se déformer en une structure très allongée sous l'action de l'écoulement. D'autre part, pour des particules inertielles de densité grande devant celle du fluide et soumises à une force de traînée, des distributions spatiales fortement inhomogènes peuvent apparaître, conduisant à la formation d' attracteurs étranges. L'approche suivie dans cette thèse consiste à modéliser l'action de l'écoulement turbulent en utilisant des outils de dynamique stochastique (équations de Langevin), qui permettent d'obtenir une description effective des comportements observés. Dans le cas des particules inertielles, les attracteurs sont caractérisés par une dimension fractale. L’ajout d’un bruit dans les équations du mouvement a permis d'étendre cette notion à des valeurs de dimension négatives, intrinsèques à la dynamique en l'absence de bruit. Cette thèse établit qu'il est possible de formuler les deux problèmes physiques étudiés en termes de processus stochastiques très généraux, dont le prototype est celui décrivant la sédimentation de particules en présence de bruit thermique. La détermination des caractéristiques de la solution requiert une nouvelle approche. La solution proposée ici est basée sur la théorie des grandes déviations. / This thesis deals with the dynamics of particles in turbulent flows and the formation of structures. Two physical situations are studied. First, we consider the dynamics of tracers, that is ideal fluid particles, transported by a turbulent velocity field. A triplet of such particles forms a triangle, which tends to be flattened under the action of the incompressible flow. Second, inertial particles of density higher than that of the fluid and subjected to a viscous drag force usually cluster on regions of high concentration, leading to the formation of strange attractors. The approach followed in this thesis consists in modeling the action of the turbulent flow using tools of stochastic dynamics (such as Langevin equations), which allow us to obtain a effective description of these phenomena. For inertial particles, the attractors are characterized by a non-integer fractal dimension. The addition of an external noise in the equations of motion lead to a generalization of this notion to negative values, intrinsic to the dynamics in the absence of noise. This thesis shows that it is possible to formulate the two problems in terms of very general stochastic processes, whose prototype is the one describing the sedimentation of particles in the presence of a thermal noise. The determination of the characteristics of the solution requires a new approach. The solution proposed here is based on the large deviation theory.

L'approche de la biologie des systèmes vise à intégrer les méthodologies appliquées dans la conception et l'analyse des systèmes technologiques complexes, au sein de la biologie afin de comprendre les principes de fonctionnement globaux des systèmes biologiques. La thèse s'inscrit dans le cadre de la biologie des systèmes et en particulier dans la prolongation d'une méthode issue de ce cadre : la méthode Resource Blance Analysis (RBA). Nous visons dans cette thèse à augmenter le pouvoir prédictif de la méthode via un travail de modélisation tout en gardant un bon compromis entre représentativité des modèles issus de ce cadre et leur résolution numérique efficace. La thèse se décompose en deux grandes parties : la première vise à intégrer les aspects thermodynamiques et cinétiques inhérents aux réseaux métaboliques. La deuxième vise à comprendre l'impact de l'aspect stochastique de la production des enzymes sur le croissance de la bactérie. Des méthodes numériques ont été élaborées pour la résolution des modèles ainsi établis dans les deux cas déterministe et stochastique. / In order to understand the global functioning principals of biological systems, system bio- logy approach aims to integrate the methodologies used in the conception and the analysis of complex technological systems, within the biology. This PhD thesis fits into the system biology framework and in particular the extension of the already existing method Resource Balance Analysis (RBA). We aim in this PhD thesis to improve the predictive power of this method by introducing more complex model. However, this new model should respect a good trade-off between the representativity of the model and its efficient numerical computation. This PhD thesis is decomposed into two major parts. The first part aims the integration of the metabolic network inherent thermodynamical and kinetic aspects. The second part aims the comprehension of the impact of enzyme production stochastic aspect on the bacteria growth. Numerical methods are elaborated to solve the obtained models in both deterministic and stochastic cases.

Mémoire numérisé par la Direction des bibliothèques de l'Université de Montréal.

La gestion prévisionnelle des réseaux de distribution imposée par les codes de réseaux européens nécessite une connaissance approfondie de leur comportement et implique de prendre en compte la volatilité des énergies renouvelables et les capacités de prévision à l’horizon J-1 de la consommation et de la production. En effet, les valeurs déterministes les plus probables des prévisions ne sont plus suffisantes pour pouvoir prédire et gérer à l’avance un réseau. Une modélisation et une optimisation stochastiques permettent un choix, au plus juste, de paramètres de contrôle.La thèse se concentre la prise en compte, dans la modélisation et l’optimisation, des incertitudes des réseaux de distribution. Une modélisation stochastique de réseau est proposée, elle intègre les incertitudes liées au régleur en charge et aux prévisions de consommation et de production. Les contrôleurs des générateurs, le régleur en charge et les gradins de condensateurs permettent de limiter les fluctuations des tensions des nœuds et de la puissance réactive à l’interface et de respecter les exigences contractuelles. Industriellement, les contrôleurs des générateurs sont caractérisés par des lois de commande linéaires ou linéaires par morceaux. En effectuant des hypothèses sur la nature stochastique des données, on peut montrer que les tensions aux nœuds sont des variables gaussiennes ou des sommes de variables gaussiennes par morceaux. Une optimisation stochastique basée sur ces modèles permet de choisir les paramètres des contrôleurs qui minimisent les risques de surtension et des efforts de générateurs, sans avoir à mettre en œuvre des méthodes coûteuses en temps de calcul de type Monte Carlo / The voltage profiles inside the network and power flows at the transport-distribution interface are modified under the massive insertion of renewable sources in distribution grids. The system’s uncertainties cannot be handled by local controllers which parameters are tuned at the actuator installation stage. A solution, widely accepted in the literature, consists of achieving a centralized optimization of the actuators references (distributed generators reactive powers, reference voltage of the On Load Tap Changer, capacitor banks reactive power). Within this framework, a supervisor computes all references at the same time and delivers the references to each actuators, which requires an efficient and reliable communication system.The main contribution of the thesis is to design an alternative approach which keeps the local control structures which settings will be updated on an hourly basis. The optimization relies on a stochastic representation of the grid that accounts for the On Load Tap Changer uncertainties and day ahead forecasts of the productions and consumptions. It is shown that every variable of the system can be represented by Gaussian or sum of truncated Gaussian variables. A stochastic optimization allows to select the controllers settings that minimize overvoltages and control efforts, without using time-consuming algorithms such as Monte-Carlo methods. This work will demonstrate that an appropriate management of uncertainties spares unnecessary and costly oversizing

L'étude consiste à estimer des paramètres pour un système dynamique régi par une équation différentielle stochastique, linéaire, unidimensionnelle, excitée par des bruits brownien et poissonnien, en présence de contrôles adaptés à l'état du système. On suppose que les paramètres des bruits sont connus, et on montre que l'on peut estimer les paramètres de dérive par une famille, convergente et asymptotiquement normale, d'estimateurs de maximun de vraisemblance quand deux stratégies sont choisies: l'une étagée par rapport à une partition de l'intervalle de temps [O,T]; l'autre markovienne, définie en temps continu. Pour cela on prouve l'existence de solutions stationnaires de l'équation d'évolution. On s'intéresse, enfin, au caractère d'optimalité du contrôle choisi, pour un critère lié à la matrice d'information de FISCHER

L'objet de cette thèse est l'étude d'algorithmes itératifs permettant de résoudre des problèmes d'optimisation convexe avec ou sans contraintes fonctionnelles, des problèmes de résolutions d'inégalités variationnelles à opérateur monotone et des problèmes de recherche de point selle. Ces problèmes sont envisagés lorsque la dimension de l'espace de recherche est grande et lorsque les valeurs des différentes fonctions étudiées et leur sous/sur-gradients ne sont pas connues exactement et ne sont accessibles qu'au travers d'un oracle stochastique. Les algorithmes que nous étudions sont des adaptations au cas stochastique de deux algorithmes : le premier inspiré de la méthode de descente en miroir de Nemirovski et Yudin et le second, de l'algorithme d'extrapolation duale de Nesterov. Pour chacun de ces deux algorithmes, nous donnons des bornes pour l'espérance et pour les déviations modérées de l'erreur d'approximation sous différentes hypothèses de régularité pour tous les problèmes sans contraintes fonctionnelles envisagées et nous donnons des versions adaptatives de ces algorithmes qui permettent de s'affranchir de connaître certains paramètres de ces problèmes non accessibles en pratique. Enfin nous montrons comment, à l'aide d'un algorithme auxiliaire inspiré de la méthode de Newton et des résultats obtenus lors de la résolution des problèmes de recherche de point selle, il est possible de résoudre des problèmes d'optimisation sous contraintes fonctionnelles.

Cette thèse propose des définitions mathématiques des concepts de résilience et de vulnérabilité dans le cadre des systèmes dynamiques stochastiques contrôlés, et en particulier celui de la viabilité stochastique en temps discret. Elle s'appuie sur les travaux antérieurs définissant la résilience dans le cadre de la viabilité pour des dynamiques déterministes. Les définitions proposées font l'hypothèse qu'il est possible de distinguer des aléas usuels, inclus dans la dynamique, et des événements extrêmes ou surprenants dont on étudie spécifiquement l'impact. La viabilité stochastique et la fiabilité ne mettent en jeu que le premier type d'aléa, et s'intéressent à l'évaluation de la probabilité de sortir d'un sous-ensemble de l'espace d'état dans lequel les propriétés d'intérêt du système sont satisfaites. La viabilité stochastique apparaît ainsi comme une branche de la fiabilité. Un objet central en est le noyau de viabilité stochastique, qui regroupe les états contrôlables pour que leur probabilité de garder les propriétés sur un horizon temporel défini soit supérieure à un seuil donné. Nous proposons de définir la résilience comme la probabilité de revenir dans le noyau de viabilité stochastique après un événement extrême ou surprenant. Nous utilisons la programmation dynamique stochastique pour maximiser la probabilité d'être viable ainsi que pour optimiser la probabilité de résilience à un horizon temporel donné. Nous proposons de définir ensuite la vulnérabilité à partir d'une fonction de dommage définie sur toutes les trajectoires possibles du système. La distribution des trajectoires définit donc une distribution de probabilité des dommages et nous définissons la vulnérabilité comme une statistique sur cette distribution. Cette définition s'applique aux deux types d'aléas définis précédemment. D'une part, en considérant les aléas du premier type, nous définissons des ensembles tels que la vulnérabilité soit inférieure à un seuil, ce qui généralise la notion de noyau de viabilité stochastique. D'autre part, après un aléa du deuxième type, la vulnérabilité fournit des indicateurs qui aident à décrire les trajectoires de retour (en considérant que seul l'aléa de premier type intervient). Des indicateurs de vulnérabilité lié à un coût ou au franchissement d'un seuil peuvent être minimisés par la programmation dynamique stochastique. Nous illustrons les concepts et outils développés dans la thèse en les appliquant aux indicateurs pré-existants de fiabilité et de vulnérabilité, utilisés pour évaluer la performance d'un système d'approvisionnement en eau. En particulier, nous proposons un algorithme de programmation dynamique stochastique pour minimiser un critère qui combine des critères de coût et de sortie de l'ensemble de contraintes. Les concepts sont ensuite articulés pour décrire la performance d'un réservoir.