GPGPU上的财务应用程序

Question

我想知道使用GPGPU可以实现哪种财务应用程序。我知道使用CUDA在GPGPU上使用蒙特卡罗模拟进行期权定价/股票价格估算。有人可以枚举将GPGPU用于财务领域的任何应用程序的各种可能性，

Answer 1

有许多财务应用程序可以在各个领域的GPU上运行，包括定价和风险。 NVIDIA的Computational Finance页面提供了一些链接。

蒙特卡洛确实是许多人最明显的起点。蒙特卡罗是一个非常广泛的应用程序类别，其中许多应用程序适用于GPU。此外，许多基于格的问题都可以在GPU上运行。显式有限差分方法运行良好且易于实现，在NVIDIA网站以及SDK中有很多例子，它也用于Oil＆amp;气体代码很多，所以很多材料。隐式有限差分方法也可以很好地运作，具体取决于问题的确切性质，Mike Giles在他的site上有一个3D ADI求解器，还有其他有用的财务资料。

GPU也适用于线性代数类型问题，尤其是在您可以将数据保留在GPU上以进行合理工作的情况下。 NVIDIA为cuBLAS提供了CUDA工具包，你也可以获得cuLAPACK。

Answer 2

基本上，任何需要大量并行数学运算的东西。正如您最初所说，蒙特卡洛对无法通过封闭式解决方案定价的选项的模拟是很好的候选者。任何涉及大矩阵和操作的东西都是理想的;毕竟，3D图形使用了很多矩阵数学。

鉴于许多交易者桌面有时会有“工作站”类GPU以驱动多个显示器，可能带有视频输入，有限的3D图形（波动率表面等），因此在GPU上运行一些定价分析是有意义的而不是将责任推到计算网格上;根据我的经验，计算网格经常在银行试图使用它们的每个人的压力下挣扎，并且一些网格计算产品有很多不足之处。

除了这个特殊问题之外，使用GPU可以轻松实现更多功能，因为与常规CISC CPU相比，指令集和流水线的功能范围更为有限。

采用的问题是标准化问题; NVidia有CUDA，ATI有Stream。大多数银行都有足够的供应商锁定来处理，而不会将他们的衍生分析（许多人认为极其敏感的IP）挂钩到gfx卡供应商的加速技术。我认为OpenCL作为开放标准的可用性可能会发生变化。

Answer 3

F＃在财务中被大量使用，因此您可以查看这些链接

http://blogs.msdn.com/satnam_singh/archive/2009/12/15/gpgpu-and-x64-multicore-programming-with-accelerator-from-f.aspx

http://tomasp.net/blog/accelerator-intro.aspx

Answer 4

高端GPU开始提供ECC内存（对财务和军事应用而言是一个严肃的考虑因素）和高精度类型。

但现在真的是蒙特卡洛。

你可以转到workshops，然后从他们的描述中看到它将专注于蒙特卡罗。

Answer 5

一个好的开始可能是检查NVIDIA的网站：

• CUDA's Finance Showcases
• CUDA's Finance Tutorials

Answer 6

使用GPU会对应用的架构，部署和维护带来限制。 在投入此类解决方案之前，请三思而后行。 例如。如果您在虚拟环境中运行，则需要所有物理机器安装GPU硬件以及特殊的vGPU硬件和软件支持+许可证。 如果您决定在云中托管服务（例如Azure，亚马逊），该怎么办？ 在许多情况下，值得提前构建您的体系结构以支持向外扩展，并且具有灵活性和可扩展性（当然还有一些开销），而不是尽可能地从硬件中扩展和挤压。

Answer 7

回答你的问题的补充：涉及到会计的任何事情都无法在GPGPU（或二进制浮点，就此而言）上完成。