Я хочу знать, какие финансовые приложения могут быть реализованы с использованием GPGPU. Мне известно о ценообразовании опционов/оценке стоимости акций с использованием моделирования методом Монте-Карло на GPGPU с использованием CUDA. Может ли кто-то перечислять различные возможности использования GPGPU для любого приложения в домене финансов,
Финансовые приложения на GPGPU
Ответ 1
В принципе, все, что требует много параллельной математики для запуска. Как вы изначально заявили, одновременное использование вариантов Монте-Карло вариантов, которые не могут быть оценены с помощью решений закрытой формы, являются отличными кандидатами. Все, что связано с большими матрицами и операциями над ними, будет идеальным; в конце концов, 3D-графика использует много математической математики.
Учитывая, что на многих настольных компьютерах трейдеров иногда есть графические процессоры класса "рабочая станция", чтобы управлять несколькими мониторами, возможно с помощью видеопотоков, ограниченной трехмерной графикой (поверхности волатильности и т.д.), было бы целесообразно запустить некоторые аналитики ценообразования на графическом процессоре, вместо того, чтобы поднять ответственность на вычислительную сетку; по моему опыту, вычислительные сетки часто борется под тяжестью КАЖДОГО в банке, пытающимся их использовать, а некоторые из сетевых вычислительных продуктов оставляют желать лучшего.
Вне этой конкретной проблемы не намного больше, что может быть легко достигнуто с помощью графических процессоров, поскольку набор команд и конвейеры более ограничены в их функциональной области по сравнению с обычным CPU CISC.
Проблема с усыновлением была одной из стандартизации; У NVidia был CUDA, у ATI был Stream. У большинства банков достаточно блокировки вендора, чтобы справиться с ними, не зацикливая свою производную аналитику (которую многие считают чрезвычайно чувствительной IP) на технологию ускорения венгерской карты gfx. Я полагаю, что доступность OpenCL в качестве открытого стандарта может измениться.
Ответ 2
Существует множество финансовых приложений, которые можно запускать на графическом процессоре в различных областях, включая ценообразование и риск. Есть несколько ссылок на странице NVIDIA Computational Finance.
Верно, что Монте-Карло является наиболее очевидной отправной точкой для многих людей. Монте-Карло - это очень широкий класс приложений, многие из которых поддаются графическому процессору. На GPU также могут быть запущены многие проблемы с решеткой. Явные методы конечных разностей работают хорошо и просты в реализации, многие примеры на сайте NVIDIA, а также в SDK, он также очень часто использует в "Нефтегазовом коде" много материала. Неявные методы конечных разностей также могут хорошо работать в зависимости от точной природы проблемы, у Майка Джайлса есть 3D-редактор ADI на своем сайте, который также имеет другие полезные финансовые материалы.
Графические процессоры также хороши для проблем линейных алгебр, особенно если вы можете оставить данные на графическом процессоре для разумной работы. NVIDIA предоставляет cuBLAS с помощью CUDA Toolkit, и вы можете получить cuLAPACK.
Ответ 3
F # много используется в финансах, поэтому вы можете проверить эти ссылки.
Ответ 4
Высокопроизводительные графические процессоры начинают предлагать память ECC (серьезное рассмотрение финансовых и, в частности, военных приложений) и высокоточных типов.
Но на самом деле все это касается Монте-Карло.
Вы можете пойти на семинары на нем, и из их описаний видно, что он сосредоточится на Монте-Карло.
Ответ 5
Хорошим началом было бы, вероятно, проверить веб-сайт NVIDIA:
Ответ 6
Использование графического процессора вводит ограничения на архитектуру, развертывание и обслуживание вашего приложения. Подумайте дважды, прежде чем инвестировать в такое решение. Например. если вы работаете в виртуальной среде, для всех физических машин потребуются установки на GPU и специальная поддержка vGPU для оборудования и программного обеспечения +. Что делать, если вы решили разместить свою службу в облаке (например, Azure, Amazon)? Во многих случаях стоит заранее застроить вашу архитектуру, чтобы поддерживать масштабирование и быть гибким и масштабируемым (с некоторыми накладными расходами, конечно), а не увеличивать и сжимать столько, сколько вы можете с вашего оборудования.
Ответ 7
Отвечая на дополнение к вашему вопросу: все, что связано с бухгалтерским учетом, не может быть выполнено на GPGPU (или двоичной с плавающей запятой, если на то пошло)