Tôi muốn biết loại ứng dụng tài chính nào có thể được triển khai bằng GPGPU. Tôi biết về Giá cả tùy chọn/Ước tính giá cổ phiếu bằng cách sử dụng mô phỏng Monte Carlo trên GPGPU sử dụng CUDA. Ai đó có thể liệt kê các khả năng khác nhau của việc sử dụng GPGPU cho bất kỳ ứng dụng trong phạm vi của Tài chính,Ứng dụng tài chính trên GPGPU
F # được sử dụng rất nhiều về tài chính, vì vậy bạn có thể kiểm tra các liên kết
Làm cách nào để sử dụng nó có thể được sử dụng rất nhiều vì đó là ngôn ngữ 1-2 tuổi? – Meh
@Adal: F # một phần dựa trên OCaml được sử dụng và nổi tiếng trong kinh doanh tài chính. Thêm vào đó, nếu bạn nhìn, bản phát hành đầu tiên của F # cho cộng đồng là khoảng 5 tuổi, vì vậy rất nhiều người đã từng tham gia vào nó. – Stringer
Answering bổ sung cho câu hỏi của bạn: bất cứ điều gì liên quan đến kế toán không thể được thực hiện trên GPGPU (hoặc điểm nổi nhị phân, cho rằng vấn đề)
Vâng, vì vậy tôi muốn biết những ứng dụng tài chính điển hình nào có thể được chuyển trên nền tảng GPGPU –
GPU cao cấp bắt đầu ing để cung cấp bộ nhớ ECC (xem xét nghiêm túc về tài chính và, eh, các ứng dụng quân sự) và các loại có độ chính xác cao.
Nhưng nó thực sự là tất cả về Monte Carlo tại thời điểm này.
Bạn có thể truy cập workshops trên đó và từ mô tả của họ thấy rằng nó sẽ tập trung vào Monte Carlo.
Đó là "Monte" không phải là "Monty" - sòng bạc nổi tiếng. – Ross
Về cơ bản, mọi thứ đòi hỏi nhiều toán học song song để chạy. Như bạn đã nói ban đầu, Monte Carlo đồng thời các tùy chọn không thể được định giá với các giải pháp dạng khép kín là những ứng cử viên xuất sắc. Bất cứ điều gì liên quan đến ma trận lớn và hoạt động trên chúng sẽ là lý tưởng; sau khi tất cả, đồ họa 3D sử dụng rất nhiều toán học ma trận.
Cho rằng nhiều máy tính để bàn của nhà giao dịch đôi khi có các GPU lớp 'máy trạm' để điều khiển nhiều màn hình, có thể với nguồn cấp dữ liệu video, đồ họa 3D giới hạn (bề mặt biến động, v.v.) sẽ thực hiện một số phân tích giá trên GPU, thay vì đẩy trách nhiệm lên một lưới tính toán; theo kinh nghiệm của tôi, các lưới tính toán thường xuyên phải vật lộn dưới sức nặng của MỌI NGƯỜI trong ngân hàng cố gắng sử dụng chúng, và một số sản phẩm điện toán lưới để lại rất nhiều điều mong muốn.
Bên ngoài vấn đề cụ thể này, không có nhiều khả năng dễ dàng đạt được với GPU, vì tập lệnh và đường ống bị giới hạn trong phạm vi chức năng so với CPU CISC thông thường.
Vấn đề với việc nhận con nuôi là một trong những tiêu chuẩn hóa; NVidia có CUDA, ATI có Stream. Hầu hết các ngân hàng có đủ nhà cung cấp khóa để đối phó mà không cần hooking phân tích phái sinh của họ (mà nhiều người coi là IP cực kỳ nhạy cảm) vào một công nghệ tăng tốc của nhà cung cấp thẻ gfx. Tôi cho rằng với sự sẵn có của OpenCL như một tiêu chuẩn mở, điều này có thể thay đổi.
Một khởi đầu tốt sẽ có lẽ là để kiểm tra trang web của NVIDIA:
Có rất nhiều ứng dụng tài chính có thể được chạy trên GPU trong các lĩnh vực khác nhau, bao gồm cả giá và rủi ro. Có một số liên kết từ trang Computational Finance của NVIDIA.
Đúng là Monte Carlo là điểm khởi đầu rõ ràng nhất đối với nhiều người. Monte Carlo là một lớp ứng dụng rất rộng, trong đó nhiều ứng dụng có thể sử dụng GPU. Ngoài ra nhiều vấn đề dựa trên mạng có thể chạy trên GPU.Phương pháp khác nhau hữu hạn rõ ràng chạy tốt và rất đơn giản để thực hiện, nhiều ví dụ trên trang web của NVIDIA cũng như trong SDK, nó cũng được sử dụng trong Oil & Các mã khí rất nhiều tài liệu. Phương pháp khác biệt hữu hạn tiềm ẩn cũng có thể hoạt động tốt tùy thuộc vào bản chất chính xác của vấn đề, Mike Giles có bộ giải ADI 3D trên số site cũng có các công cụ tài chính hữu ích khác.
GPU cũng tốt cho các vấn đề về loại đại số tuyến tính, đặc biệt là nơi bạn có thể để dữ liệu trên GPU hoạt động hợp lý. NVIDIA cung cấp cuBLAS với Bộ công cụ CUDA và bạn cũng có thể nhận được cuLAPACK.
Sử dụng GPU giới thiệu các giới hạn đối với kiến trúc, triển khai và bảo trì ứng dụng của bạn. Suy nghĩ kỹ trước khi bạn đầu tư những nỗ lực vào giải pháp như vậy. Ví dụ: nếu bạn đang chạy trong môi trường ảo, nó sẽ yêu cầu tất cả các máy vật lý phải cài đặt phần cứng GPU và một giấy phép và phần mềm hỗ trợ phần cứng và phần mềm vGPU đặc biệt. Điều gì sẽ xảy ra nếu bạn quyết định lưu trữ dịch vụ của mình trên đám mây (ví dụ: Azure, Amazon)? Trong nhiều trường hợp, bạn nên xây dựng kiến trúc của mình trước để hỗ trợ quy mô và linh hoạt và có thể mở rộng (với một số chi phí của khóa học) thay vì tăng quy mô và thu thập nhiều nhất có thể từ phần cứng của bạn.
Cũng cung cấp liên kết tới bất kỳ tài liệu/tài nguyên nào cho cùng một –