De nos jours, afin de répondre aux exigences économiques et sociales, les systèmes de transport ferroviaire ont la nécessité d'être exploités avec un haut niveau de sécurité et de fiabilité. On constate notamment un besoin croissant en termes d'outils de surveillance et d'aide à la maintenance de manière à anticiper les défaillances des composants du matériel roulant ferroviaire. Pour mettre au point de tels outils, les trains commerciaux sont équipés de capteurs intelligents envoyant des informations en temps réel sur l'état de divers sous-systèmes. Ces informations se présentent sous la forme de longues séquences temporelles constituées d'une succession d'événements. Le développement d'outils d'analyse automatique de ces séquences permettra d'identifier des associations significatives entre événements dans un but de prédiction d'événement signant l'apparition de défaillance grave. Cette thèse aborde la problématique de la fouille de séquences temporelles pour la prédiction d'événements rares et s'inscrit dans un contexte global de développement d'outils d'aide à la décision. Nous visons à étudier et développer diverses méthodes pour découvrir les règles d'association entre événements d'une part et à construire des modèles de classification d'autre part. Ces règles et/ou ces classifieurs peuvent ensuite être exploités pour analyser en ligne un flux d'événements entrants dans le but de prédire l'apparition d'événements cibles correspondant à des défaillances. Deux méthodologies sont considérées dans ce travail de thèse: La première est basée sur la recherche des règles d'association, qui est une approche temporelle et une approche à base de reconnaissance de formes. Les principaux défis auxquels est confronté ce travail sont principalement liés à la rareté des événements cibles à prédire, la redondance importante de certains événements et à la présence très fréquente de "bursts". Les résultats obtenus sur des données réelles recueillies par des capteurs embarqués sur une flotte de trains commerciaux permettent de mettre en évidence l'efficacité des approches proposées / In order to meet the mounting social and economic demands, railway operators and manufacturers are striving for a longer availability and a better reliability of railway transportation systems. Commercial trains are being equipped with state-of-the-art onboard intelligent sensors monitoring various subsystems all over the train. These sensors provide real-time flow of data, called floating train data, consisting of georeferenced events, along with their spatial and temporal coordinates. Once ordered with respect to time, these events can be considered as long temporal sequences which can be mined for possible relationships. This has created a neccessity for sequential data mining techniques in order to derive meaningful associations rules or classification models from these data. Once discovered, these rules and models can then be used to perform an on-line analysis of the incoming event stream in order to predict the occurrence of target events, i.e, severe failures that require immediate corrective maintenance actions. The work in this thesis tackles the above mentioned data mining task. We aim to investigate and develop various methodologies to discover association rules and classification models which can help predict rare tilt and traction failures in sequences using past events that are less critical. The investigated techniques constitute two major axes: Association analysis, which is temporal and Classification techniques, which is not temporal. The main challenges confronting the data mining task and increasing its complexity are mainly the rarity of the target events to be predicted in addition to the heavy redundancy of some events and the frequent occurrence of data bursts. The results obtained on real datasets collected from a fleet of trains allows to highlight the effectiveness of the approaches and methodologies used

La bioluminescence est l’émission de lumière par des organismes vivants. En milieu bathypélagique, où l’absence de lumière est une caractéristique majeure, ce phénomène semble avoir un rôle écologique primordial dans les interactions biologiques ainsi que dans le cycle du carbone. Ce travail cherche à déterminer si la bioluminescence peut être définie comme un proxy de l’activité biologique en milieu profond. Cette étude multidisciplinaire développe à la fois une approche in situ et en laboratoire. Le télescope ANTARES, immergé en Méditerranée, à 2475 m de profondeur, a joué le rôle d’un observatoire océanographique enregistrant la bioluminescence ainsi que les variables environnementales à haute fréquence. L’analyse de ces séries temporelles, non-linéaires et non-stationnaires a permis de mettre en évidence deux périodes de forte activité de bioluminescence en 2009 et 2010. Ces évènements ont été expliqués par des phénomènes de convection dans le Golfe du Lion, impactant indirectement la bioluminescence enre- gistrée sur ANTARES. En laboratoire, la bioluminescence bactérienne a été décrite sur une souche modèle piezophile, isolée au cours d’un évènement de forte bioluminescence. La pression hydrostatique liée à la profondeur in situ (22 MPa) induit une plus forte bioluminescence qu’à pression atmosphérique (0.1 MPa). Enfin, le suivi des communautés procaryotiques profondes a été réalisé, sur le site ANTARES, au cours de l’année 2011. Ce suivi a montré la présence de 0.1 à 1% de bactéries bioluminescentes dans une période enregistrant une faible activité de bioluminescence. Ces cellules ont été définies comme majoritairement actives. / Bioluminescence is the emission of light by living organisms. In the bathypelagic waters, where darkness is one of the main characteristic, this phenomenon seems to play a major role for biological interactions and in the carbon cycle. This work aims to determine if bioluminescence can be considered as a proxy of biological activity in the deep sea. This multidisciplinary study develops both in situ and laboratory approaches. The ANTARES telescope immersed in the Mediterranean Sea at 2,475 m depth has been used as an oceanographic observatory recording bioluminescence as well as environmen- tal variables at high frequency. This time series analysis, defined as non linear and non stationary, highlighted two periods of high bioluminescence intensity in 2009 and 2010. These events have been explained by convection phenomena in the Gulf of Lion, indi- rectly impacting the bioluminescence sampled at this station. In the laboratory, bacterial bioluminescence has been described using a piezophilic bacterial model isolated during a high-bioluminescence-intensity event. Hydrostatic pressure linked to the in situ depth (22 MPa) induces a higher bioluminescence activity than under atmospheric pressure (0.1 MPa). Then, the survey of the deep prokaryotic communities has been done at the AN- TARES station, over the year 2011. This survey shows the presence of about 0.1 to 1% of bioluminescent bacteria even during a low-bioluminescence-activity period. These cells were mainly actives.

Cette thèse aborde la problématique de la classification non supervisée de données lorsque les caractéristiques des classes sont susceptibles d'évoluer au cours du temps. On parlera également, dans ce cas, de classification dynamique de données temporelles non stationnaires. Le cadre applicatif des travaux concerne le diagnostic par reconnaissance des formes de systèmes complexes dynamiques dont les classes de fonctionnement peuvent, suite à des phénomènes d'usures, des déréglages progressifs ou des contextes d'exploitation variables, évoluer au cours du temps. Un modèle probabiliste dynamique, fondé à la fois sur les mélanges de lois et sur les modèles dynamiques à espace d'état, a ainsi été proposé. Compte tenu de la structure complexe de ce modèle, une variante variationnelle de l'algorithme EM a été proposée pour l'apprentissage de ses paramètres. Dans la perspective du traitement rapide de flux de données, une version séquentielle de cet algorithme a également été développée, ainsi qu'une stratégie de choix dynamique du nombre de classes. Une série d'expérimentations menées sur des données simulées et des données réelles acquises sur le système d'aiguillage des trains a permis d'évaluer le potentiel des approches proposées / Nowadays, diagnosis and monitoring for predictive maintenance of railway components are important key subjects for both operators and manufacturers. They seek to anticipate upcoming maintenance actions, reduce maintenance costs and increase the availability of rail network. In order to maintain the components at a satisfactory level of operation, the implementation of reliable diagnostic strategy is required. In this thesis, we are interested in a main component of railway infrastructure, the railway switch; an important safety device whose failure could heavily impact the availability of the transportation system. The diagnosis of this system is therefore essential and can be done by exploiting sequential measurements acquired successively while the state of the system is evolving over time. These measurements consist of power consumption curves that are acquired during several switch operations. The shape of these curves is indicative of the operating state of the system. The aim is to track the temporal dynamic evolution of railway component state under different operating contexts by analyzing the specific data in order to detect and diagnose problems that may lead to functioning failure. This thesis tackles the problem of temporal data clustering within a broader context of developing innovative tools and decision-aid methods. We propose a new dynamic probabilistic approach within a temporal data clustering framework. This approach is based on both Gaussian mixture models and state-space models. The main challenge facing this work is the estimation of model parameters associated with this approach because of its complex structure. In order to meet this challenge, a variational approach has been developed. The results obtained on both synthetic and real data highlight the advantage of the proposed algorithms compared to other state of the art methods in terms of clustering and estimation accuracy

Cette thèse s'intéresse à la prise en compte des rythmes urbains en urbanisme. Alors que les évolutions économiques, sociales et techniques ont progressivement transformé nos rapports à l'espace mais aussi au temps, il nous paraît fondamental de s'interroger sur les enjeux actuels de ces transformations dans le champs urbanistique. Notre regard porte ici sur la nuit, temps particulier de notre quotidien qui subit de nombreux bouleversements. Nous nous attachons aux mutations qui s'opèrent tant aux plans des pratiques spatiales et sociales qu'à celui des représentations. / This thesis is focused on the consideration on urban rhythms in planning. Indeed, faced to economic, social and technical evolutions in France, it's seems now essential to take into account the current stakes of transformations in urban planning.The analysis is centred on night-time, a particular moment of the everyday life, which undergoes numerous changes. The mutations i take into consideration are both social and spatial practices and representations.

Réduire la vulnérabilité et accroître la résilience des sociétés d'aujourd'hui aux fortes précipitations et inondations exige de mieux caractériser leur très forte variabilité spatio-temporelle observable sur une grande gamme d'échelle. Nous mettons donc en valeur tout au long de cette thèse l'intérêt méthodologique d'une approche multifractale comme étant la plus appropriée pour analyser et simuler cette variabilité. Cette thèse aborde tout d'abord le problème de la qualité des données, qui dépend étroitement de la résolution temporelle effective de la mesure, et son influence sur l'analyse multifractale et la détermination de lois d'échelle des processus de précipitations. Nous en soulignons les conséquences pour l'hydrologie opérationnelle. Nous présentons la procédure SERQUAL qui permet de quantifier cette qualité et de sélectionner les périodes correspondant aux critères de qualité requise. Un résultat surprenant est que les longues chronologies de pluie ont souvent une résolution effective horaire et rarement de 5 minutes comme annoncée. Ensuite, cette thèse se penche sur les données sélectionnées pour caractériser la structure temporelle et le comportement extrême de la pluie. Nous analysons les sources d'incertitudes dans les méthodes multifractales « classiques » d'estimation des paramètres et nous en déduisons des améliorations pour tenir compte, par exemple, de la taille finie des échantillons et des limites de la dynamique des capteurs. Ces améliorations sont utilisées pour obtenir les caractéristiques multifractales de la pluie à haute résolution de 5 minutes pour plusieurs départements de la France (à savoir, les départements 38, 78, 83 et 94) et pour aborder la question de l'évolution des précipitations durant les dernières décennies dans le cadre du changement climatique. Cette étude est confortée par l'analyse de mosaïques radars concernant trois événements majeurs en région parisienne. Enfin, cette thèse met en évidence une autre application des méthodes développées, à savoir l'hydrologie karstique. Nous discutons des caractéristiques multifractales des processus de précipitation et de débit à différentes résolutions dans deux bassins versant karstiques au sud de la France. Nous analysons, en utilisant les mesures journalière, 30 minutes et 3 minutes, la relation pluie-débit dans le cadre multifractal. Ceci est une étape majeure dans la direction d'une définition d'un modèle multi-échelle pluie-débit du fonctionnement des bassins versants karstiques / To reduce vulnerability and to increase resilience of nowadays societies to heavy precipitations and floods require better understanding of their very strong spatio-temporal variability observable over a wide range of scales. Therefore, throughout this thesis we highlight the methodological interest of a multifractal approach as being most appropriate to analyze and to simulate such the variability. This thesis first discusses the problem of data quality, which strongly depends on the effective temporal resolution of the measurements, and its influence on multifractal analysis determining the scaling laws of precipitation processes. We emphasize the consequences for operational hydrology. We present the SERQUAL procedure that allows to quantify the data quality and to select periods corresponding to the required quality criteria. A surprising result is that long chronological series of rainfall often have an effective hourly data, rather than the pretended 5-minute rainfall data. Then, this thesis focuses on the selected data to characterize the temporal structure and extreme behaviour of rainfall. We analyze the sources of uncertainties of already "classical" multifractal methods for the parameter estimates, and we therefore developed their improvements considering e.g., the finite size of data samples and the limitation of sensor dynamics. These improvements are used to obtain proper multifractal characteristics of 5-minute high-resolution rainfall for several French departments (i.e., 38, 78, 83 and 94), and hence to raise the question of preicipitation evolution during the last decades in the context of climate change. This study is reinforced by the analysis of radar mosaics for three major events in the Paris region. Finally, this thesis highlights another application of the developed methods, i.e. for the karst hydrology. We discuss the multifractal characteristics of rainfall and runoff processes observed at the different resolutions in two karst watersheds on the south of France. Using daily, 30-minute and 3-minute measurements we analyse the rainfall-runoff relationships within the multifractal framework. This is a major step towards defining a rainfall-runoff multi-scale model of the karst watershed functioning

L'analyse de séries temporelles multivariées, créées par des capteurs présents sur le moteur d'avion durant un vol ou un essai, représente un nouveau challenge pour les experts métier en aéronautique. Chaque série temporelle peut être décomposée de manière univariée en une succession de phases transitoires, très connues par les experts, et de phases stabilisées qui sont moins explorées bien qu'elles apportent beaucoup d'informations sur le fonctionnement d'un moteur. Notre projet a pour but de convertir ces séries temporelles en une succession de labels, désignant des phases transitoires et stabilisées dans un contexte bivarié. Cette transformation des données donne lieu à plusieurs perspectives : repérer dans un contexte univarié ou bivarié les patterns similaires durant un vol, trouver des tronçons de courbes similaires à une courbe donnée, identifier les phases atypiques, détecter ses séquences de labels fréquents et rares durant un vol, trouver le vol le plus représentatif et déterminer les vols «volages». Ce manuscrit propose une méthodologie pour automatiquement identifier les phases transitoires et stabilisées, classer les phases transitoires, labelliser des séries temporelles et les analyser. Tous les algorithmes sont appliqués à des données de vols et les résultats sont validés par les experts. / Analysing multivariate time series created by sensors during a flight or a bench test represents a new challenge for aircraft engineers. Each time series can be decomposed univariately into a series of stabilised phases, well known by the expert, and transient phases that are merely explored but very informative when the engine is running. Our project aims at converting these time series into a succession of labels, designing transient and stabilised phases in a bivariate context. This transformation of the data will allow several perspectives: tracking similar behaviours or bivariate patterns seen during a flight, finding similar curves from a given curve, identifying the atypical curves, detecting frequent or rare sequences of labels during a flight, discovering hidden multivariate structures, modelling a representative flight, and spotting unusual flights. This manuscript proposes : methodology to automatically identify transient and stabilized phases, cluster all engine transient phases, label multivariate time series and analyse them. All algorithms are applied on real flight measurements with a validation of the results from expert knowledge.

Le Modèle Standard de la physique des particules décrit les interactions des particules sub-atomiques à travers les interactions fortes, faibles et électromagnétiques.Toutefois, il est clair que cette théorie ne constitue pas une description complète de la Nature. Mais le fait expérimental que les neutrinos changent de saveur au cours de leur propagation(oscillation des neutrinos) implique qu'ils ont une masse non nulle. Le travail de cette thèse se concentre sur l'expérience d'oscillation T2K : une expérience à longue ligne de base installée au Japon. % qui est détaillés dans le Chapitre 2. Pour la première fois T2K a pu observer l'apparition de neutrinos de saveur électronique dans le faisceau principalement composé de neutrinos muoniques etobtenir les premières contraintes sur la violation de la symétrie Charge-Parité. Il permet également de mesurer précisément les paramètres d'oscillations θ₁₃ , θ₂ ₃ et Δm²₂ ₃ .Cela nécessite une excellente compréhension du détecteur et des modèles d'interactions des neutrinos. Cette thèse se concentre sur ces deux objectifs : réduire les systématiques liées audétecteur et approfondir nos connaissances sur l'interaction des neutrinos avec la matière.Le groupe CEA, dans lequel je suis impliqué, est responsable de la maintenance et de l'opération des Chambres à Projections Temporelles (TPC) du détecteur proche (ND280).Elles permettent l'identification des particules chargées produites par l'interaction des neutrinos dans le detecteur et la mesure de leur impulsion.Une partie de mon travail a consisté en l'étude des TPCs et en particulier de l'alignement des modules MicroMegas installés sur les plans de lecture. En effet tout défaut d'alignement entre différents modules peut causer un biais sur la mesure del'impulsion des particules traversant la TPC. Les neutrinos sont étudiés grâce à l'observation de l'état final de leur interaction avec la matière. Les modèles d'interactions doivent alors être parfaitement bien compris,car les expériences d'oscillation présentes et futures approchent d'une phase où notre connnaissance des interactionsdes neutrinos devient un facteur limitant pour la détermination des paramètres d'oscillations. L'interaction quasi élastique par courant chargé (CCQE) est le processus dominant pour T2K. Ce manuscrit décrit la mesure durapport des sections efficaces d'interaction des neutrinos sur les noyaux de Carbone et d'Oxygène. Cette mesure contribue à la réduction des incertitudes pour l'analyse d'oscillation, liéesà l'utilisation d'une différente cible pour le détecteur proche et le détecteur lointain. / The Standard Model of particle physics describes the interactions of subatomic particles through the strong, weak and electromagneticinteractions. However, it is known that this theory is not a complete description of the nature. Indeed the observation that neutrinos can change their flavor alongtheir propagation path (neutrino oscillation) proves that they actually have a mass. The work of this thesis has been performed in the T2K oscillation experiment: a long baseline experiment located in Japan. % detailed in Chapter ref{sec_t2k_res}.Using the data collected so far, T2K has been able to observe for the first time the $nu_{mu} rightarrow nu_e$ appearance and to give first results on the Charge-Paritysimmetry in neutrino oscillation. It provides also precise measurements of the oscillation parameters θ₁₃ , θ₂ ₃, Δm²₂ ₃.The precise measurement of oscillation parameters requires a good understanding of the detector and of the neutrino interaction model. This thesis is thus focused on boththese aspects: reduce the detector uncertainties and improve our knowledge of neutrino interactions with matter.The CEA Saclay group where I am involved, is in charge of the maintenance and operation of the Time Projection Chambers (TPCs) of the T2K near detector (ND280)which are used to identify and measure the kinematics of the charged particles produced in neutrino interactions.Part of my work was focused on the study of the TPC and in particular on the alignment of the MicroMegas modules instrumenting their readout planes.Indeed, misalignments between modules may cause a bias on the momentum measurement of the particles crossing the TPC.Neutrinos are studied through the observation of the final state of their interactions with matter. Therefore, the interactionmodels need to be extremely well understood to infer the neutrino properties correctly.Indeed current and next future oscillation experiments are approaching the phase of precise measurements of the mixing parameters becominglimited by our knowledge of neutrino interactions.The charged current quasi-elastic (CCQE) interaction is the most relevant process at T2K.This manuscript describes the measurement of CCQE cross-section ratio between oxygen and carbon nuclei. It can contribute to reduce the uncertainties on the oscillation analysis arisingfrom the different target between the near and far detector.

La télédétection par Radar à Synthèse d’Ouverture (RSO) offre une opportunité unique d’enregistrer, d’analyser et de prédire l’évolution de la surface de la Terre. La dernière décennie a permis l’avènement de nombreuses missions spatiales équipées de capteurs RSO (Sentinel-1, UAVSAR, TerraSAR X, etc.), ce qui a engendré une rapide amélioration des capacités d’acquisition d’images de la surface de la Terre. Le nombre croissant d’observations permet maintenant de construire des bases de données caractérisant l’évolution temporelle d’images, augmentant considérablement l’intérêt de l’analyse de séries temporelles pour caractériser des changements qui ont lieu à une échelle globale. Cependant, le développement de nouveaux algorithmes pour traiter ces données très volumineuses est un défi qui reste à relever. Dans ce contexte, l’objectif de cette thèse consiste ainsi à proposer et à développer des méthodologies relatives à la détection de changements dans les séries d’images ROS à très haute résolution spatiale.Le traitement de ces séries pose deux problèmes notables. En premier lieu, les méthodes d’analyse statistique performantes se basent souvent sur des données multivariées caractérisant, dans le cas des images RSO, une diversité polarimétrique, interférométrique, par exemple. Lorsque cette diversité n’est pas disponible et que les images RSO sont monocanal, de nouvelles méthodologies basées sur la décomposition en ondelettes ont été développées. Celles-ci permettent d’ajouter une diversité supplémentaire spectrale et angulaire représentant le comportement physique de rétrodiffusion des diffuseurs présents la scène de l’image. Dans un second temps, l’amélioration de la résolution spatiale sur les dernières générations de capteurs engendre une augmentation de l’hétérogénéité des données obtenues. Dans ce cas, l’hypothèse gaussienne, traditionnellement considérée pour développer les méthodologies standards de détection de changements, n’est plus valide. En conséquence, des méthodologies d’estimation robuste basée sur la famille des distributions elliptiques, mieux adaptée aux données, ont été développées.L’association de ces deux aspects a montré des résultats prometteurs pour la détection de changements.Le traitement de ces séries pose deux problèmes notables. En premier lieu, les méthodes d’analyse statistique performantes se basent souvent sur des données multivariées caractérisant, dans le cas des images RSO, une diversité polarimétrique ou interférométrique, par exemple. Lorsque cette diversité n’est pas disponible et que les images RSO sont monocanal, de nouvelles méthodologies basées sur la décomposition en ondelettes ont été développées. Celles-ci permettent d’ajouter une diversité spectrale et angulaire supplémentaire représentant le comportement physique de rétrodiffusion des diffuseurs présents la scène de l’image. Dans un second temps, l’amélioration de la résolution spatiale sur les dernières générations de capteurs engendre une augmentation de l’hétérogénéité des données obtenues. Dans ce cas, l’hypothèse gaussienne, traditionnellement considérée pour développer les méthodologies standards de détection de changements, n’est plus valide. En conséquence, des méthodologies d’estimation robuste basée sur la famille des distributions elliptiques, mieux adaptée aux données, ont été développées.L’association de ces deux aspects a montré des résultats prometteurs pour la détection de changements. / Remote sensing data from Synthetic Aperture Radar (SAR) sensors offer a unique opportunity to record, to analyze, and to predict the evolution of the Earth. In the last decade, numerous satellite remote sensing missions have been launched (Sentinel-1, UAVSAR, TerraSAR X, etc.). This resulted in a dramatic improvement in the Earth image acquisition capability and accessibility. The growing number of observation systems allows now to build high temporal/spatial-resolution Earth surface images data-sets. This new scenario significantly raises the interest in time-series processing to monitor changes occurring over large areas. However, developing new algorithms to process such a huge volume of data represents a current challenge. In this context, the present thesis aims at developing methodologies for change detection in high-resolution SAR image time series.These series raise two notable challenges that have to be overcome:On the one hand, standard statistical methods rely on multivariate data to infer a result which is often superior to a monovariate approach. Such multivariate data is however not always available when it concerns SAR images. To tackle this issue, new methodologies based on wavelet decomposition theory have been developed to fetch information based on the physical behavior of the scatterers present in the scene.On the other hand, the improvement in resolution obtained from the latest generation of sensors comes with an increased heterogeneity of the data obtained. For this setup, the standard Gaussian assumption used to develop classic change detection methodologies is no longer valid. As a consequence, new robust methodologies have been developed considering the family of elliptical distributions which have been shown to better fit the observed data.The association of both aspects has shown promising results in change detection applications.

No description available.

Fin 2008, la faillite de Lehmann Brother fait basculer les économies développées dans une crise économique qui se propagea brutalement à l'ensemble du monde. Connu sous le nom de Grande Récession, cet épisode a depuis contribué à raviver les inquiétudes relatives aux déséquilibres sur les marchés financiers. S'inscrivant dans ce contexte, cette thèse tente d'apporter un éclairage nouveau aux effets macroéconomiques de déséquilibres sur un marché particulier : le marché des actions. Après avoir répondu à l'étape préliminaire consistant à définir la composante spéculative, nous explorons ses canaux de transmission et tentons de mettre en lumière la présence d'effets asymétriques. De façon générale, deux questions fondamentales sont ainsi posées. Premièrement, nous cherchons à déterminer si la présence de déséquilibres sur le marché des actions est susceptible de déstabiliser l'activité économique. Deuxièmement, nous testons l'apport informationnel de la composante spéculative pour la prévision des conditions économiques futures. Nos travaux empiriques attestent finalement que les mouvements spéculatifs impactent significativement l'activité économique et montrent que ces répercussions sont en moyenne néfastes pour la sphère réelle. Les effets bénéfiques et négatifs ne se compensent pas. Ce dernier résultat est en partie confirmé par l'analyse du pouvoir prédictif de la composante spéculative. / Fall 2008, the bankruptcy of Lehman Brother led a part of world to a severe economic crisis. Also known as "Great Recession", this episode contributed to ravive apprehension about financial imbalances. In this context, we attempt to analyze the macroeconomic effects of the non-fundamental component of stock price. Overall, the thesis focuses on two questions. First, we investigate the macroeconomic effects of this component and pay a particular attention to asymmetry. Second, we examine whether share price misalignments contain leading information about gross domestic product (GDP). In order to deal with these issues, we first have to define the non-fundamental component of stock prices. Using recent econometric methodologies, we explicitly show that the speculative component has significant effects on real economy. Furthermore, the impact of a negative shock is larger that of a positive shock. Volatility of stock prices is found to be an explanation for this asymmetry. Our results also suggest that the speculative component is useful for predicting GDP.