Contributions aux techniques de Prise de Décision et de Valorisation Financière

Nous travaillons dans le contexte général de la prise de décision financière. Nous considérons d\u27abord le problème algorithmique de l\u27extraction de motifs séquentiels, par exemple depuis des séries temporelles discrètes décrivant des évolutions de cours. Nous introduisons la famille des contraintes bien partitionnées qui permettent une décomposition hiérarchique des espaces de recherche. Le cas particulier de la conjonction d\u27une contrainte de fréquence et d\u27une contrainte d\u27expression régulière est détaillé. On peut alors réaliser des stratégies d\u27élagages adaptatives qui trouvent des compromis entre l\u27exploitation active de contraintes non anti-monotones (e.g., les expressions) sans pour autant se priver des possibilités d\u27élagage des contraintes anti-monotones (e.g. la fréquence). Nous présentons ensuite deux développements dédiés à la prise de décision financière. Nous proposons d\u27abord d\u27améliorer le pouvoir prédictif des indicateurs techniques en introduisant des signatures pour les configurations de marché et ainsi améliorer les performances des automates de trading. Ensuite, nous étudions la valorisation d\u27une classe particulière de produits dérivés où l\u27un des contreparties a le droit de rompre l\u27accord à une série de dates prédéterminées. Il est alors nécessaire de calculer des espérances conditionnelles à un futur état de monde, ce qui se fait traditionnellement par une double simulation Monte Carlo très gourmande en temps de calcul. Nous proposons une nouvelle technique baptisée neighbourhood Monte Carlo qui est plus que 20 fois plus rapide que les méthodes précédentes