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.