Academic literature on the topic 'Équations différentielles stochastiques rétrogrades (EDSR)'

Dans les deux premières parties, nous nous intéressons à un problème de Switching à plusieurs régimes de fonctionnement, les fonctions de profits sont à croissance polynomiale arbitraire et les fonctions de switching d’un régime à un autre (coût de Switching) non constantes dépendant de l’état et du temps. Dans la première partie, nous étudions essentiellement le cadre Markovien en horizon fini et dans la seconde nous étudions le cadre général en horizon infini. En horizon fini nous montrons que le théorème de vérification associé à notre problème qui s’exprime par l’intermédiaire d’un système d’EDP paraboliques avec obstacles inter-connectés à une solution unique au sens de viscosité. Cette solution est construite à partir du système d’EDSR réfléchies et le principe de la programmation dynamique associés au problème du switching optimal. Puis en horizon infini, nous établissons le théorème de vérification pour lequel nous montrons l’existence d’une solution en utilisant la théorie de l’enveloppe de Snell et des équations différentielles stochastiques rétrogrades. Nous étudions ensuite le cadre markovien et nous montrons que le théorème de vérification associé à notre problème qui s’exprime par l’intermédiaire d’un système d’EDP elliptiques avec obstacles inter-connectés à une solution unique au sens de viscosité. Enfin, dans la dernière partie, nous étudions les EDSRs réfléchies à deux barrières continues où les coefficients sont supposés simplement p-intégrables avec р Є (1; 2). En utilisant la notion de solution locale, nous démontrons que cette équation admet une solution unique. Comme applications, nous abordons un problème de jeu de Dynkin puis la solution au sens de viscosité d’un problème d’équation aux dérivées partielles avec deux obstacles
We study optimal switching and Lр-solution for doubly reflected backward stochastic differential equations. In the first part, we show existence and uniqueness of a solution for a system of m variational partial differential inequalities with inter-connected obstacles. This system is the deterministic version of the Verification Theorem of the Markovian optimal m-states switching problem. The switching cost functions are arbitrary. In the second part we study the problem of the deterministic version of the Verification Theorem for the optimal m-states switching in infinite horizon under Markovian framework with arbitrary switching cost functions. The problem is formulated as an extended impulse control problem and solved by means of probabilistic tools such as the Snell envelop of processes and reflected backward stochastic differential equations. A viscosity solutions approach is employed to carry out a fine analysis on the associated system of m variational inequalities with inter-connected obstacles. We show that the vector of value functions of the optimal problem is the unique viscosity solution to the system. Finally in the third part, we deal the problem of existence and uniqueness of a solution for à backward stochastic differential equation (BSDE for short) with two strictly separated continuous reflecting barriers in the case when the terminal value, the generator and the obstacle process are Lр-integrable with р Є (1, 2). The main idea is to use the concept of local solution to construct the global one. As applications, we obtain new results in zerosum Dynkin games and in double obstacle variational inequalities theories

Cette thèse est constituée de deux parties pouvant être lues indépendamment. Dans la première partie de la thèse, trois utilisations des équations différentielles stochastiques rétrogrades sont présentées. Le premier chapitre est une application de ces équations au problème de couverture moyenne-variance dans un marché incomplet où des défauts multiples peuvent survenir. Nous faisons une hypothèse de densité conditionnelle sur les temps de défaut. Nous décomposons ensuite la fonction valeur en une suite de fonctions valeur entre deux défauts consécutifs et nous prouvons la forme quadratique de chacune d'entre elles. Enfin, nous illustrons nos résultats dans un cas particulier à 2 temps de défaut suivant des lois exponentielles indépendantes. Les deux chapitres suivants sont des extensions de l'article [75]. Le deuxième chapitre est l'étude d'une classe d'équations différentielles stochastiques rétrogrades avec sauts négatifs et barrière supérieure. L'existence et l'unicité d'une solution minimale sont prouvées par double pénalisation sous des hypothèses de régularité sur l'obstacle. Cette méthode permet de résoudre le cas où le coefficient de diffusion est dégénéré. Nous montrons aussi, dans un cadre markovien adapté, le lien entre notre classe d'équations rétrogrades et des inégalités variationnelles non linéaires. En particulier, notre représentation d'équation rétrograde donne une formule de type Feynman-Kac pour les équations aux dérivées partielles associées à des jeux différentiels stochastiques de type contrôleur et stoppeur à somme nulle, où le contrôle affecte à la fois les termes dérives de volatilité. De plus, nous obtenons une formule duale du jeu de la solution minimale de l'équation rétrograde, ce qui donne une nouvelle représentation des jeux différentiels stochastiques contrôleur et stoppeur à somme nulle. Le troisième chapitre est lié à l'incertitude de modèle, où l'incertitude affecte à la fois la volatilité et l'intensité. Ces problèmes de contrôle stochastiques sont associées à des équations intégro-différentielles aux dérivées partielles telles que la partie de saut est caractérisée par la mesure lambda(a,. ) dépendant d'un paramètre a. Nous ne supposons pas que la famille lambda(a,. ) est dominée. Nous obtenons une formule non linéaire de type Feynman-Kac à la fonction valeur associée à ces problèmes de contrôle. Pour cela, nous introduisons une classe d'équations différentielles stochastiques rétrogrades avec saut et une partie diffusive partiellement contrainte. Ici aussi le cas où le coefficient de diffusion est dégénéré est résolu Dans la seconde partie de la thèse, un problème de gestion actif-passif conditionnelle est résolu Nous obtenons d'abord le domaine de définition de la fonction valeur associée au problème en identifiant la richesse minimale pour laquelle il existe une stratégie d'investissement admissible permettant de satisfaire la contrainte à maturité. Cette richesse minimal est identifiée comme une solution de viscosité d'une EDP. Nous montrons aussi que sa transformée de Fenschel-Legendre est une solution de viscosité d'une autre EDP, ce qui permet d'obtenir un schéma numérique avec une convergence plus rapide. Nous identifions ensuite la fonction valeur liée au problème d'intérêt comme une solution de viscosité d'une EDP sur son domaine de définition. Enfin, nous résolvons numériquement le problème en présentant des graphes de la richesse minimale, de la fonction valeur du problème et de la stratégie optimale
This thesis is divided into two parts that may be read independently. In the first part, three uses of backward stochastic differential equations are presented. The first chapter is an application of these equations to the mean-variance hedging problem in an incomplete market where multiple defaults can occur. We make a conditional density hypothesis on the default times. We then decompose the value function into a sequence of value functions between consecutive default times and we prove that each of them admits a quadratic form. Finally, we illustrate our results for a specific case where 2 default times follow independent exponential laws. The two following applications are extensions of the paper [75]. The second chapter is the study of a class of backward stochastic differential equations with nonpositive jumps and upper barrier. Existence and uniqueness of a minimal solution are proved by a double penalization approach under regularity assumptions on the obstacle. This method allows us to solve the case where the diffusion coefficient is degenerate. We also show, in a suitable markovian framework, the connection between our class of backward stochastic differential equations and fully nonlinear variational inequalities. In particular, our backward equation representation provides a Feynman-Kac type formula for PDEs associated to general zero-sum stochastic differential controller-and-stopper games, where control affects both drift and diffusion term, and the diffusion coefficient can be degenerate. Moreover, we state a dual game formula of this backward equation minimal solution, which gives a new representation for zero-sum stochastic differential controller-and-stopper games The third chapter is linked to model uncertainty, where the uncertainty affects both volatility and intensity. This kind of stochastic control problems is associated to a fully nonlinear integro-partial differential equation, such that the measure lambda(a,. ) characterizing the jump part depends on a parameter a. We do not assume that the family lambda(a,. ) is dominated. We obtain a nonlinear Feynman-Kac formula for the value function associated to these control problems. To this aim, we introduce a class of backward stochastic differential equations with jumps and partially constrained diffusive part. Here the case where the diffusion coefficient is degenerate is solved as well. In the second part, a conditional asset liability management problem is solved. We first derive the proper domain of definition of the value function associated to the problem by identifying the minimal wealth for which there exists an admissible investment strategy allowing to satisfy the constraint at maturity. This minimal wealth is identified as a solution of viscosity of a PDE. We also show that its Fenschel-Legendre transform is a solution of viscosity of another PDE, which allows to obtain a scheme with a faste convergence. We then identify the value function linked to the problem of interest as a solution of viscosity of a PDE on its domain of definition. Finally, we solve numerically the problem and we provide graphs of the minimal wealth, of the value function of the problem and of the optimal strategy

L'objectif de cette thèse est l'étude des équations différentielles stochastiques rétrogrades (EDSR) et progressives-rétrogrades (EDSPR), dont les résultats principaux sont : Le premier porte sur la solvabilité des EDSR à croissance logarithmique de type (lylllnlyll lzlJllnlzll) et application aux équations aux dérivées partielles (EDP). Le deuxième concerne l'existence d'un contrôle optimal stricte pour un système dirigé par une EDSPR fortement couplée. Des multiples applications sont établies. Un résultat d'existence et d'unicité de la solution de l'équation de Hamilton-Jacobi-Belmann (HJB) est également établi
The objective of this thesis is to study backward stochastic differential equations (BSDE) and forward-backward stochastic differential equations (FBSDE), the main results are:The first is about the solvability of logarithmic BSDE of type (lylllnlyll lzlJllnlzll) and application to partial differential equations (PDE). The second concems the existence of strict optimal control for a system driven by a strongly coupled FBSDE. Multiple applications are established. A result of existence and uniqueness of the solution of the Hamilton-Jacobi-Belmann equation (HJB) is also established

Cette thèse s'intéresse à l'étude des EDSR ergodiques et à leurs applications à l'étude du comportement en temps long des solutions d'EDP paraboliques semi-linéaires. Dans un premier temps, nous établissons des résultats d'existence et d'unicité d'une EDSR ergodique avec conditions de Neumann au bord dans un convexe non borné et dans un environnement faiblement dissipatif. Nous étudions ensuite leur lien avec les EDP avec conditions de Neumann au bord et nous donnons un exemple d'application à un problème de contrôle optimal stochastique. La deuxième partie est constituée de deux sous-parties. Tout d'abord, nous étudions le comportement en temps long des solutions mild d'une EDP parabolique semi-linéaire en dimension infinie par des méthodes probabilistes. Cette méthode probabiliste repose sur une application d'un résultat nommé "Basic coupling estimate" qui nous permet d'obtenir une vitesse de convergence exponentielle de la solution vers sons asymptote. Au passage notons que cette asymptote est entièrement déterminée par la solution de l'EDP ergodique semi-linéaire associée à l'EDP parabolique semi-linéaire initiale. Puis, nous adaptons cette méthode à l'étude du comportement en temps long des solutions de viscosité d'une EDP parabolique semi-linéaire avec condition de Neumann au bord dans un convexe borné en dimension finie. Par des méthodes de régularisation et de pénalisation des coefficients et en utilisant un résultat de stabilité pour les EDSR, nous obtenons des résultats analogues à ceux obtenus dans le contexte mild, avec notamment une vitesse exponentielle de convergence de la solution vers son asymptote
This thesis deals with the study of ergodic BSDE and their applications to the study of the large time behaviour of solutions to semilinear parabolic PDE. In a first time, we establish some existence and uniqueness results to an ergodic BSDE with Neumann boundary conditions in an unbounded convex set in a weakly dissipative environment. Then we study their link with PDE with Neumann boundary condition and we give an application to an ergodic stochastic control problem. The second part consists of two sections. In the first one, we study the large time bahaviour of mild solutions to semilinear parabolic PDE in infinite dimension by a probabilistic method. This probabilistic method relies on a Basic coupling estimate result which gives us an exponential rate of convergence of the solution toward its asymptote. Let us mention that that this asymptote is fully determined by the solution of the ergodic semilinear PDE associated to the parabolic semilinear PDE. Then, we adapt this method to the sudy of the large time behaviour of viscosity solutions of semilinear parabolic PDE with Neumann boundary condition in a convex and bounded set in finite dimension. By regularization and penalization procedures, we obtain similar results as those obtained in the mild context, especially with an exponential rate of convergence for the solution toward its asymptote

Dans le présent document on aborde trois divers thèmes liés au contrôle et au calcul stochastiques, qui s'appuient sur la notion d'équation différentielle stochastique rétrograde (EDSR) dirigée par une mesure aléatoire. Les trois premiers chapitres de la thèse traitent des problèmes de contrôle optimal pour différentes catégories de processus markoviens non-diffusifs, à horizon fini ou infini. Dans chaque cas, la fonction valeur, qui est l'unique solution d'une équation intégro-différentielle de Hamilton-Jacobi-Bellman (HJB), est représentée comme l'unique solution d'une EDSR appropriée. Dans le premier chapitre, nous contrôlons une classe de processus semi-markoviens à horizon fini; le deuxième chapitre est consacré au contrôle optimal de processus markoviens de saut pur, tandis qu'au troisième chapitre, nous examinons le cas de processus markoviens déterministes par morceaux (PDMPs) à horizon infini. Dans les deuxième et troisième chapitres les équations d'HJB associées au contrôle optimal sont complètement non-linéaires. Cette situation survient lorsque les lois des processus contrôlés ne sont pas absolument continues par rapport à la loi d'un processus donné. Etant donné ce caractère complètement non-linéaire, ces équations ne peuvent pas être représentées par des EDSRs classiques. Dans ce cadre, nous avons obtenu des formules de Feynman-Kac non-linéaires en généralisant la méthode de la randomisation du contrôle introduite par Kharroubi et Pham (2015) pour les diffusions. Ces techniques nous permettent de relier la fonction valeur du problème de contrôle à une EDSR dirigée par une mesure aléatoire, dont une composante de la solution subit une contrainte de signe. En plus, on démontre que la fonction valeur du problème de contrôle originel non dominé coïncide avec la fonction valeur d'un problème de contrôle dominé auxiliaire, exprimé en termes de changements de mesures équivalentes de probabilité. Dans le quatrième chapitre, nous étudions une équation différentielle stochastique rétrograde à horizon fini, dirigée par une mesure aléatoire à valeurs entières sur $R_+ times E$, o`u $E$ est un espace lusinien, avec compensateur de la forme $nu(dt, dx) = dA_t phi_t(dx)$. Le générateur de cette équation satisfait une condition de Lipschitz uniforme par rapport aux inconnues. Dans la littérature, l'existence et unicité pour des EDSRs dans ce cadre ont été établies seulement lorsque $A$ est continu ou déterministe. Nous fournissons un théorème d'existence et d'unicité même lorsque $A$ est un processus prévisible, non décroissant, continu à droite. Ce résultat s’applique par exemple, au cas du contrôle lié aux PDMPs. En effet, quand $mu$ est la mesure de saut d'un PDMP sur un domaine borné, $A$ est prévisible et discontinu. Enfin, dans les deux derniers chapitres de la thèse nous traitons le calcul stochastique pour des processus discontinus généraux. Dans le cinquième chapitre, nous développons le calcul stochastique via régularisations des processus à sauts qui ne sont pas nécessairement des semimartingales. En particulier nous poursuivons l'étude des processus dénommés de Dirichlet faibles, dans le cadre discontinu. Un tel processus $X$ est la somme d'une martingale locale et d'un processus adapté $A$ tel que $[N, A] = 0$, pour toute martingale locale continue $N$. Pour une fonction $u: [0, T] times R rightarrow R$ de classe $C^{0,1}$ (ou parfois moins), on exprime un développement de $u(t, X_t)$, dans l'esprit d'une généralisation du lemme d'Itô, lequel vaut lorsque $u$ est de classe $C^{1,2}$. Le calcul est appliqué dans le sixième chapitre à la théorie des EDSRs dirigées par des mesures aléatoires. Dans de nombreuses situations, lorsque le processus sous-jacent $X$ est une semimartingale spéciale, ou plus généralement, un processus de Dirichlet spécial faible, nous identifions les solutions des EDSRs considérées via le processus $X$ et la solution $u$ d’une EDP intégro-différentielle associée
In the present document we treat three different topics related to stochastic optimal control and stochastic calculus, pivoting on thenotion of backward stochastic differential equation (BSDE) driven by a random measure.After a general introduction, the three first chapters of the thesis deal with optimal control for different classes of non-diffusiveMarkov processes, in finite or infinite horizon. In each case, the value function, which is the unique solution to anintegro-differential Hamilton-Jacobi-Bellman (HJB) equation, is probabilistically represented as the unique solution of asuitable BSDE. In the first chapter we control a class of semi-Markov processes on finite horizon; the second chapter isdevoted to the optimal control of pure jump Markov processes, while in the third chapter we consider the case of controlled piecewisedeterministic Markov processes (PDMPs) on infinite horizon. In the second and third chapters the HJB equations associatedto the optimal control problems are fully nonlinear. Those situations arise when the laws of the controlled processes arenot absolutely continuous with respect to the law of a given, uncontrolled, process. Since the corresponding HJB equationsare fully nonlinear, they cannot be represented by classical BSDEs. In these cases we have obtained nonlinear Feynman-Kacrepresentation formulae by generalizing the control randomization method introduced in Kharroubi and Pham (2015)for classical diffusions. This approach allows us to relate the value function with a BSDE driven by a random measure,whose solution hasa sign constraint on one of its components.Moreover, the value function of the original non-dominated control problem turns out to coincide withthe value function of an auxiliary dominated control problem, expressed in terms of equivalent changes of probability measures.In the fourth chapter we study a backward stochastic differential equation on finite horizon driven by an integer-valued randommeasure $mu$ on $R_+times E$, where $E$ is a Lusin space, with compensator $nu(dt,dx)=dA_t,phi_t(dx)$. The generator of thisequation satisfies a uniform Lipschitz condition with respect to the unknown processes.In the literature, well-posedness results for BSDEs in this general setting have only been established when$A$ is continuous or deterministic. We provide an existence and uniqueness theorem for the general case, i.e.when $A$ is a right-continuous nondecreasing predictable process. Those results are relevant, for example,in the frameworkof control problems related to PDMPs. Indeed, when $mu$ is the jump measure of a PDMP on a bounded domain, then $A$ is predictable and discontinuous.Finally, in the two last chapters of the thesis we deal with stochastic calculus for general discontinuous processes.In the fifth chapter we systematically develop stochastic calculus via regularization in the case of jump processes,and we carry on the investigations of the so-called weak Dirichlet processes in the discontinuous case.Such a process $X$ is the sum of a local martingale and an adapted process $A$ such that $[N,A] = 0$, for any continuouslocal martingale $N$.Given a function $u:[0,T] times R rightarrow R$, which is of class $C^{0,1}$ (or sometimes less), we provide a chain rule typeexpansion for $u(t,X_t)$, which constitutes a generalization of It^o's lemma being valid when $u$ is of class $C^{1,2}$.This calculus is applied in the sixth chapter to the theory of BSDEs driven by random measures.In several situations, when the underlying forward process $X$ is a special semimartingale, or, even more generally,a special weak Dirichlet process,we identify the solutions $(Y,Z,U)$ of the considered BSDEs via the process $X$ and the solution $u$ to an associatedintegro PDE

Dans le présent document on aborde trois divers thèmes liés au contrôle et au calcul stochastiques, qui s'appuient sur la notion d'équation différentielle stochastique rétrograde (EDSR) dirigée par une mesure aléatoire. Les trois premiers chapitres de la thèse traitent des problèmes de contrôle optimal pour différentes catégories de processus markoviens non-diffusifs, à horizon fini ou infini. Dans chaque cas, la fonction valeur, qui est l'unique solution d'une équation intégro-différentielle de Hamilton-Jacobi-Bellman (HJB), est représentée comme l'unique solution d'une EDSR appropriée. Dans le premier chapitre, nous contrôlons une classe de processus semi-markoviens à horizon fini; le deuxième chapitre est consacré au contrôle optimal de processus markoviens de saut pur, tandis qu'au troisième chapitre, nous examinons le cas de processus markoviens déterministes par morceaux (PDMPs) à horizon infini. Dans les deuxième et troisième chapitres les équations d'HJB associées au contrôle optimal sont complètement non-linéaires. Cette situation survient lorsque les lois des processus contrôlés ne sont pas absolument continues par rapport à la loi d'un processus donné. Etant donné ce caractère complètement non-linéaire, ces équations ne peuvent pas être représentées par des EDSRs classiques. Dans ce cadre, nous avons obtenu des formules de Feynman-Kac non-linéaires en généralisant la méthode de la randomisation du contrôle introduite par Kharroubi et Pham (2015) pour les diffusions. Ces techniques nous permettent de relier la fonction valeur du problème de contrôle à une EDSR dirigée par une mesure aléatoire, dont une composante de la solution subit une contrainte de signe. En plus, on démontre que la fonction valeur du problème de contrôle originel non dominé coïncide avec la fonction valeur d'un problème de contrôle dominé auxiliaire, exprimé en termes de changements de mesures équivalentes de probabilité. Dans le quatrième chapitre, nous étudions une équation différentielle stochastique rétrograde à horizon fini, dirigée par une mesure aléatoire à valeurs entières μ sur ℝ+ x E, où E est un espace lusinien, avec compensateur de la forme v(dt dx) = dAt φt(dx). Le générateur de cette équation satisfait une condition de Lipschitz uniforme par rapport aux inconnues. Dans la littérature, l'existence et unicité pour des EDSRs dans ce cadre ont été établies seulement lorsque A est continu ou déterministe. Nous fournissons un théorème d'existence et d'unicité même lorsque A est un processus prévisible, non décroissant, continu à droite. Ce résultat s’applique par exemple, au cas du contrôle lié aux PDMPs. En effet, quand μ est la mesure de saut d'un PDMP sur un domaine borné, A est prévisible et discontinu. Enfin, dans les deux derniers chapitres de la thèse nous traitons le calcul stochastique pour des processus discontinus généraux. Dans le cinquième chapitre, nous développons le calcul stochastique via régularisations des processus à sauts qui ne sont pas nécessairement des semimartingales. En particulier nous poursuivons l'étude des processus dénommés de Dirichlet faibles, dans le cadre discontinu. Un tel processus X est la somme d'une martingale locale et d'un processus adapté A tel que [N, A] = 0, pour toute martingale locale continue N. Pour une fonction u: [0, T] x ℝ → ℝ de classe C⁰′¹ (ou parfois moins), on exprime un développement de u(t, Xt), dans l'esprit d'une généralisation du lemme d'Itô, lequel vaut lorsque u est de classe C¹′². Le calcul est appliqué dans le sixième chapitre à la théorie des EDSRs dirigées par des mesures aléatoires. Dans de nombreuses situations, lorsque le processus sous-jacent X est une semimartingale spéciale, ou plus généralement, un processus de Dirichlet spécial faible, nous identifions les solutions des EDSRs considérées via le processus X et la solution u d’une EDP intégro-différentielle associée
In the present document we treat three different topics related to stochastic optimal control and stochastic calculus, pivoting on thenotion of backward stochastic differential equation (BSDE) driven by a random measure.After a general introduction, the three first chapters of the thesis deal with optimal control for different classes of non-diffusiveMarkov processes, in finite or infinite horizon. In each case, the value function, which is the unique solution to anintegro-differential Hamilton-Jacobi-Bellman (HJB) equation, is probabilistically represented as the unique solution of asuitable BSDE. In the first chapter we control a class of semi-Markov processes on finite horizon; the second chapter isdevoted to the optimal control of pure jump Markov processes, while in the third chapter we consider the case of controlled piecewisedeterministic Markov processes (PDMPs) on infinite horizon. In the second and third chapters the HJB equations associatedto the optimal control problems are fully nonlinear. Those situations arise when the laws of the controlled processes arenot absolutely continuous with respect to the law of a given, uncontrolled, process. Since the corresponding HJB equationsare fully nonlinear, they cannot be represented by classical BSDEs. In these cases we have obtained nonlinear Feynman-Kacrepresentation formulae by generalizing the control randomization method introduced in Kharroubi and Pham (2015)for classical diffusions. This approach allows us to relate the value function with a BSDE driven by a random measure,whose solution hasa sign constraint on one of its components.Moreover, the value function of the original non-dominated control problem turns out to coincide withthe value function of an auxiliary dominated control problem, expressed in terms of equivalent changes of probability measures.In the fourth chapter we study a backward stochastic differential equation on finite horizon driven by an integer-valued randommeasure μ on ℝ+ x E, where E is a Lusin space, with compensator v(dt,dx)=dAt φ(dx). The generator of thisequation satisfies a uniform Lipschitz condition with respect to the unknown processes.In the literature, well-posedness results for BSDEs in this general setting have only been established when A is continuous or deterministic. We provide an existence and uniqueness theorem for the general case, i.e. when A is a right-continuous nondecreasing predictable process. Those results are relevant, for example, in the frameworkof control problems related to PDMPs. Indeed, when μ is the jump measure of a PDMP on a bounded domain, then A is predictable and discontinuous.Finally, in the two last chapters of the thesis we deal with stochastic calculus for general discontinuous processes.In the fifth chapter we systematically develop stochastic calculus via regularization in the case of jump processes,and we carry on the investigations of the so-called weak Dirichlet processes in the discontinuous case.Such a process X is the sum of a local martingale and an adapted process A such that [N,A] = 0, for any continuouslocal martingale N.Given a function u:[0,T] x ℝ → R, which is of class C⁰′¹ (or sometimes less), we provide a chain rule type expansion for u(t, Xt), which constitutes a generalization of Itô's lemma being valid when u is of class C¹′².This calculus is applied in the sixth chapter to the theory of BSDEs driven by random measures.In several situations, when the underlying forward process X is a special semimartingale, or, even more generally,a special weak Dirichlet process,we identify the solutions (Y,Z,U) of the considered BSDEs via the process X and the solution u to an associated integro PDE

L'objet de cette thèse est d'étudier l'existence et l'unicité de solutions des équations différentielles stochastiques rétrogrades réfléchies puis de lier cette notion à des problèmes tels que l'investissement réversible ou bien le problème d'arrête et de reprise, le jeu stochastique différentiel de somme nulle (mixte type ou Dynkin type), ou alors l'interprétation probabiliste de solutions faibles des équations intégrales aux dérivées partielles, au sens de viscosité ou au sens Sobolev dans les cadres différents
The main objective of the thesis is to study the existence and uniqueness of solutions of reflected backward stochastic differential equations and to relate this notion to the study of the problems such as the reversible investment or so-called optimal switching problem, the mixed zero-sum stochastic differential games and the probabilistic interpretation of the weak solution of partial differential equations, either in viscosity sense or in Sobolev space under different framework

Cette thèse traite de deux sujets: la résolubilité forte d'équations différentielles stochastiques à dérive hölderienne et bruit hypoelliptique et la simulation de processus progressifs-rétrogrades découplés de McKean-Vlasov. Dans le premier cas, on montre qu'un système hypoelliptique, composé d'une composante diffusive et d'une composante totalement dégénérée, est fortement résoluble lorsque l'exposant de la régularité Hölder de la dérive par rapport à la composante dégénérée est strictement supérieur à 2/3. Ce travail étend au cadre dégénéré les travaux antérieurs de Zvonkin (1974), Veretennikov (1980) et Krylov et Röckner (2005). L'apparition d'un seuil critique pour l'exposant peut-être vue comme le prix à payer pour la dégénérescence. La preuve repose sur des résultats de régularité de la solution de l'EDP associée, qui est dégénérée, et est basée sur une méthode parametrix. Dans le second cas, on propose un algorithme basé sur les méthodes de cubature pour la simulation de processus progessifs-rétrogrades découplés de McKean-Vlasov apparaissant dans des problèmes de contrôle dans un environnement de type champ moyen. Cet algorithme se divise en deux parties. Une première étape de construction d'un arbre de particules, à dynamique déterministe, approchant la loi de la composante progressive. Cet arbre peut être paramétré de manière à obtenir n'importe quel ordre d'approximation (en terme de pas de discrétisation de l'intervalle). Une seconde étape, conditionnelle à l'arbre, permettant l'approximation de la composante rétrograde. Deux schémas explicites sont proposés permettant un ordre d'approximation de 1 et 2.

Nous étudions le lien entre EDS rétrogrades et certains problèmes d'optimisation stochas- tique ainsi que leurs applications en finance. Dans la première partie, nous nous intéressons à la représentation par EDSR de problème d'optimisation stochastique séquentielle : le contrôle impul- sionnel et le switching optimal. Nous introduisons la notion d'EDSR contrainte à sauts et montrons qu'elle donne une représentation des solutions de problème de contrôle impulsionnel markovien. Nous lions ensuite cette classe d'EDSR aux EDSRs à réflexions obliques et aux processus valeurs de problèmes de switching optimal. Dans la seconde partie nous étudions la discrétisation des EDSRs intervenant plus haut. Nous introduisons une discrétisation des EDSRs contraintes à sauts utilisant l'approximation par EDSRs pénalisées pour laquelle nous obtenons la convergence. Nous étudions ensuite la discrétisation des EDSRs à réflexions obliques. Nous obtenons pour le schéma proposé une vitesse de convergence vers la solution continument réfléchie. Enfin dans la troisième partie, nous étudions un problème de liquidation optimale de portefeuille avec risque et coût d'exécution. Nous considérons un marché financier sur lequel un agent doit liquider une position en un actif risqué. L'intervention de cet agent influe sur le prix de marché de cet actif et conduit à un coût d'exécution modélisant le risque de liquidité. Nous caractérisons la fonction valeur de notre problème comme solution minimale d'une inéquation quasi-variationnelle au sens de la viscosité contrainte.

Cette thèse porte sur l'étude des équations différentielles stochastiques rétrogrades (EDSR) avec sauts et leurs applications.Dans le chapitre 1, nous étudions une classe d'EDSR lorsque le bruit provient d'un mouvement Brownien et d'une mesure aléatoire de saut indépendante à activité infinie. Plus précisément, nous traitons le cas où le générateur est à croissance quadratique et la condition terminale est non bornée. L'existence et l'unicité de la solution sont prouvées en combinant à la fois la procédure d'approximation monotone et une approche progressive. Cette méthode permet de résoudre le cas où la condition terminale est non bornée.Le chapitre 2 est consacré aux EDSR avec sauts généralisées doublement réfléchies sous des hypothèses d’intégrabilités faibles. Plus précisément, on montre l'existence d'une solution pour un générateur à croissance quadratique stochastique et une condition terminale non bornée. Nous montrons également, dans un cadre approprié, la connexion entre notre classe d’équations différentielles stochastiques rétrogrades et les jeu à somme nuls.Dans le chapitre 3, nous considérons une classe générale d'EDSR progressive-rétrograde couplée avec sauts de type Mackean Vlasov sous une condition faible de monotonicité. Les résultats d'existence et d'unicité sont établis sous deux classes d'hypothèses en se basant sur des schémas de perturbations soit de l’équation différentielle stochastique progressive, soit de l’équation différentielle stochastique rétrograde. On conclut le chapitre par un problème de stockage optimal d’énergie dans un parc électrique de type champs moyen
This thesis focuses on backward stochastic differential equation with jumps and their applications. In the first chapter, we study a backward stochastic differential equation (BSDE for short) driven jointly by a Brownian motion and an integer valued random measure that may have infinite activity with compensator being possibly time inhomogeneous. In particular, we are concerned with the case where the driver has quadratic growth and unbounded terminal condition. The existence and uniqueness of the solution are proven by combining a monotone approximation technics and a forward approach. Chapter 2 is devoted to the well-posedness of generalized doubly reflected BSDEs (GDRBSDE for short) with jumps under weaker assumptions on the data. In particular, we study the existence of a solution for a one-dimensional GDRBSDE with jumps when the terminal condition is only measurable with respect to the related filtration and when the coefficient has general stochastic quadratic growth. We also show, in a suitable framework, the connection between our class of backward stochastic differential equations and risk sensitive zero-sum game. In chapter 3, we investigate a general class of fully coupled mean field forward-backward under weak monotonicity conditions without assuming any non-degeneracy assumption on the forward equation. We derive existence and uniqueness results under two different sets of conditions based on proximation schema weither on the forward or the backward equation. Later, we give an application for storage in smart grids