Topic of the master thesis is practice of interest rate models. Literature dedicated to the interest rate models usually presents theory in very general form. Theory presented in general form leads to a gap between theory and practice. Author tries to fill this gap. Thesis describes basic theory and presents practical computations, which are relevant to generating interest rate scenarios. Contribution is given by derivation of formulas and computational methods in form directly applicable for implementation of presented models. It is common practice to validate quality of interest rate scenarios. Author presents several tests and implements them in programming language Python. Tests are implemented as application with graphical user interface.

Cette thèse introduit une nouvelle notion de solution pour des équationsd'évolution non-linéaires déterministes, appellées solutionsmild découplées.Nous revisitons les liens entre équations différentielles rétrogrades(EDSRs) markoviennes browniennes et EDPsparaboliques semilinéaires en montrant que, sous de très faibles hypothèses,les EDSRs produisent une unique solution mild découplée d'une EDP.Nous étendons ce résultat à de nombreuses autres équations déterministestelles que des Pseudo-EDPs, des Equations Intégrales aux Dérivées Partielles(EIDPs), des EDPs à drift distributionnel, ou des E(I)DPs à dépendancetrajectorielle. Les solutions de ces équations sont représentées via des EDSRs qui peuvent être sans martingale de référence, ou dirigées par des martingales cadlag. En particulier, cette thèse résout le problème d'identification,qui consiste, dans le cas classique d'une EDSR markovienne brownienne, à donner un sens analytique au processus Z, second membre de la solution (Y,Z) de l'EDSR. Dans la littérature, Y détermine en général une solution de viscosité de l'équation déterministe et ce problème d'identification n'est résolu que quand cette solution de viscosité a un minimum de régularité. Notre méthode permet de résoudre ce problème même dans le cas général d'EDSRs à sauts (non nécéssairement markoviennes). / This thesis introduces a new notion of solution for deterministic non-linear evolution equations, called decoupled mild solution.We revisit the links between Markovian Brownian Backward stochastic differential equations (BSDEs) and parabolic semilinear PDEs showing that under very mild assumptions, the BSDEs produce a unique decoupled mild solution of some PDE.We extend this result to many other deterministic equations such asPseudo-PDEs, Integro-PDEs, PDEs with distributional drift or path-dependent(I)PDEs. The solutions of those equations are represented throughBSDEs which may either be without driving martingale, or drivenby cadlag martingales. In particular this thesis solves the so calledidentification problem, which consists, in the case of classical Markovian Brownian BSDEs, to give an analytical meaning to the second component Z ofthe solution (Y,Z) of the BSDE. In the literature, Y generally determinesa so called viscosity solution and the identification problem is only solved when this viscosity solution has a minimal regularity.Our method allows to treat this problem even in the case of general (even non-Markovian) BSDEs with jumps.