Nous étudions quelques applications du contrôle stochastique aux options réelles et au risque de liquidité. Plus précisément, dans la première partie, nous nous intéressons à un problème de sélection du portefeuille optimal sous un modèle de risque de liquidité, puis dans la deuxième partie, à deux options réelles: un problème de changement de régime et un problème couplé de contrôle singulier et de changement de régime pour une politique de dividende avec investissement réversible, et enfin, dans la dernière partie, à l'existence d'un équilibre dans un marché compétitif sous asymétrie d'information. Dans la résolution de ces problèmes, surtout dans les deux premières parties, des techniques de contrôle stochastique seront utilisées. L'approche typique consiste à exprimer le principe de la programmation dynamique lié à chaque problématique afin d'obtenir une caractérisation par EDP des fonctions de valeur. Par cette approche, nous montrons, dans le problème de risque de liquidité et les deux options réelles, que les fonctions de valeur correspondantes sont l'unique solution du système d'inégalités variationnelles d'HJB associé. Dans chaque problème des deux premières parties, on peut obtenir les solutions, en particulier les contrôles optimaux, soit d'une manière explicite, soit par une méthode itérative.

Dans nos travaux, nous avons considéré un processus de Lévy X avec une composante brownienne non nulle et dont la partie à sauts est un processus de Poisson composé. Nous avons supposé que la valeur d'une entreprise est modélisée par un processus stochastique de la forme V = Vo exp X et que cette entreprise est mise à défaut dès lors que sa valeur passe sous un certain seuil b déterminé de façon exogène et qui donc, est une donnée du problème. L'instant de défaut T est alors de la forme Tx pour x= ln(Vo) ln((b) où x> 0, Tx = inf{t 2:0: X, 2:x}. Dans un premier temps, nous supposons que des agents observant la valeur V des ac­tifs de la firme souhaitent connaître le comportement de l'instant de défaut. Dans ce modèle, au chapitre 2, nous avons étudié d'une part la régularité de la densité de la loi de l'instant de défaut. D'autre part, nous avons étudié la loi conjointe de l'instant de défaut, de l'overshoot et de l'undershoot. Au chapitre 3, nous avons obtenu une équation à valeurs mesures dont le quadriplet formé par la variable aléatoire X,, le su­ premum du processus X à l'instant t, le supremum du processus X au dernier instant de saut avant l'instant t et le dernier instant de saut à l'instant t est solution au seris faible, puis une équation dont ce quadriplet est une solution forte. Dans un second temps, au chapitre 4, nous avons supposé que des investisseurs souhaitant détenir une part de cette entreprise ne disposent pas de l'information complète. Ils n'observent pas la valeur des actifs de la firme V, mais sa valeur bruitée. Leur information est modélisée par la filtration Ç = (Ç,, t 2: 0) engendrée par cette observation. Dans ce modèle, nous avons montré que la loi conditionnelle de l'instant de défaut sachant la tribu Ç, admet une densité par rapport à la mesure de Lebesgue et obtenu une équation de Volttera dont cette densité est solution. Cette connaissance permet aux investisseurs de prévoir au vu de leur information, quand est-ce que l'instant de défaut va intervenir après l'instant t. Nous avons complété ce travail par des simulations numériques. / In this Ph.D thesis, we consider a jump-diffusion process which the diffusion part is a drifted Brownian motion and the jump part is a compound Poisson process. We assume that a firm value is modelling by a stochastic process V = V0 exp-X. This firm goes to default whenever its value is below a specified tlrreshold b which is exo­ genously determined. For x = ln(Vo) - ln(b) > 0, the default time is of the form Tx = inf{t 2:0: X, 2: x}. First, we suppose that agents observe perfectly the firm value. In this mode, we sho­ wed in chapter 2 that the density of the default time is continuons, then study the joint law of the default time, overshoot an undershoot. We obtained in chapter 3 a valued measure differentia equation which the solution is the quadruplet formed by the random variable X,, the running supremum x; of X at time t, the supremum of X at the last jump time before t and the last jump time before t. Secondly, we assume that investors wishing detain a part of the firm can not observe the firm value. They observe a noisy value of the firm and their information is madel­ ling by the filtration g = (9,,t 2: 0) generated by their observation. In this mode, we have shown that the conditional density of Tx with respect to Ç has a density which is solution of one stochastic integral-differentia equation The knowledge of this density allows investors to predict the default time after time t. This second part is the chapter 4.