Финансовые приложения на GPGPU
Я хочу знать, какие финансовые приложения могут быть реализованы с помощью GPGPU. Я знаю об Опции оценка Курса акций pricing/с помощью моделирования Монте-Карло на GPGPU, использующем CUDA. Может кто-то перечислять различные возможности использования GPGPU для любого приложения в домене Finance,
6 ответов
По сути, все, что требует большого количества параллельных математических вычислений. Как вы первоначально заявили, моделирование методом Монте-Карло опций, которые нельзя оценить с помощью решений закрытой формы, являются отличными кандидатами. Все, что связано с большими матрицами и операциями с ними, будет идеальным; в конце концов, трехмерная графика использует много матричной математики.
Учитывая, что многие настольные компьютеры трейдеров иногда имеют графические процессоры класса «рабочие станции» для управления несколькими мониторами, возможно, с видеопотоками, ограниченной трехмерной графикой (поверхности волатильности и т. Д.), Имеет смысл запустить некоторые аналитические данные о ценах на графическом процессоре. вместо того, чтобы перекладывать ответственность на вычислительную сетку; По моему опыту, вычислительные сети часто испытывают трудности под тяжестью ВСЕХ сотрудников банка, пытающихся их использовать, и некоторые продукты для грид-вычислений оставляют желать лучшего.
Помимо этой конкретной проблемы, с помощью графических процессоров можно легко решить не так много, потому что набор инструкций и конвейеры более ограничены по своим функциональным возможностям по сравнению с обычным процессором CISC.
Проблема с внедрением была связана со стандартизацией; У NVidia был CUDA, у ATI был Stream. У большинства банков достаточно привязки к поставщику, чтобы справиться с этим, не подключая свою производную аналитику (которую многие считают чрезвычайно чувствительной IP) к технологии ускорения поставщика карт gfx. Я полагаю, что с появлением OpenCL в качестве открытого стандарта это может измениться.
F # часто используется в финансах, поэтому вы можете проверить эти ссылки
Высокопроизводительные графические процессоры начинают предлагать память ECC (серьезное соображение для финансовых и, например, военных приложений) и высокоточные типы.
Но на самом деле сейчас все дело в Монте-Карло.
Вы можете посетить семинары по нему, и из их описаний увидите, что он будет посвящен Монте-Карло.
Хорошим началом, вероятно, было бы посетить веб-сайт NVIDIA:
Отвечая на дополнение вашего вопроса: все, что связано с бухгалтерским учетом, не может быть выполнено на GPGPU (или двоичной системе с плавающей запятой, если на то пошло)
{ {1}}Существует множество финансовых приложений, которые можно запускать на GPU в различных областях, включая ценообразование и риски. Вот несколько ссылок со страницы NVIDIA Computational Finance.
Это правда, что Монте-Карло является наиболее очевидной отправной точкой для многих людей. Монте-Карло - это очень широкий класс приложений, многие из которых поддаются GPU. Также многие задачи на основе решеток могут быть запущены на GPU. Явные методы конечных разностей хорошо работают и просты в реализации, много примеров на сайте NVIDIA, а также в SDK, они также часто используются в нефтегазовых кодах, так что материала достаточно. Неявные методы конечных разностей также могут хорошо работать в зависимости от точной природы задачи, у Майка Джайлса есть 3D ADI решатель на его сайте, где также есть другие полезные материалы по финансам.
Графические процессоры также хороши для решения задач линейной алгебры, особенно если вы можете оставить данные на GPU для разумной работы. NVIDIA поставляет cuBLAS с набором инструментов CUDA Toolkit, и вы также можете получить cuLAPACK.