混合異構(gòu)眾核平臺(tái)上的高性能計(jì)算金融算法研究.pdf

1、從計(jì)算機(jī)誕生開始，人們就在不斷的追求更高的計(jì)算速度，高性能計(jì)算一直是計(jì)算機(jī)研究領(lǐng)域重要的研究?jī)?nèi)容。目前高性能計(jì)算的主流思路是采用多核并行的方式，并且隨著異構(gòu)計(jì)算的興起，利用異構(gòu)加速設(shè)備提高計(jì)算能力成為高性能計(jì)算的主流方法，越來(lái)越多的超級(jí)計(jì)算機(jī)采用了異構(gòu)加速的結(jié)構(gòu)來(lái)獲得更高的計(jì)算能力。高性能計(jì)算也在金融，生物，地理勘探，圖像處理，氣象等眾多應(yīng)用環(huán)境下發(fā)揮出了越來(lái)越重要的作用。相較于傳統(tǒng)計(jì)算，異構(gòu)計(jì)算能夠顯著提高整體的計(jì)算能力，使得復(fù)雜算法

2、能夠的到實(shí)現(xiàn)和應(yīng)用，使得很多復(fù)雜算法得到應(yīng)用。在大數(shù)據(jù)時(shí)代的現(xiàn)在，異構(gòu)計(jì)算提供了處理超大規(guī)模數(shù)據(jù)的解決方法。
　　在金融領(lǐng)域里，算法實(shí)時(shí)性要求很高，很多復(fù)雜的算法由于計(jì)算時(shí)間過(guò)長(zhǎng)限制了其應(yīng)用場(chǎng)景。應(yīng)用高性能計(jì)算能夠很好的解決復(fù)雜算法的時(shí)效性問(wèn)題，為算法應(yīng)用提供了一種很好的解決方法。期權(quán)作為一種重要的金融衍生物，其定價(jià)算法具有非常好的代表性。蒙特卡洛算法能夠通過(guò)對(duì)價(jià)格進(jìn)行模擬從而給出期權(quán)價(jià)格，是一種重要的期權(quán)定價(jià)的數(shù)值算法，也因?yàn)槠?/p>

3、不需要顯示表達(dá)式的特點(diǎn)，也被應(yīng)用于高維期權(quán)定價(jià)等問(wèn)題，取得很好的效果，但蒙特卡洛算法需要模擬非常多的路徑才能得到較為精確的算法，其計(jì)算時(shí)間過(guò)長(zhǎng)導(dǎo)致算法應(yīng)用受到限制。對(duì)于時(shí)序數(shù)據(jù)，RNN算法能夠很好的發(fā)掘時(shí)間中的規(guī)律，其中采用LSTM模型的RNN結(jié)構(gòu)對(duì)于長(zhǎng)時(shí)間記憶具有較好的效果，目前越來(lái)越多的被應(yīng)用于語(yǔ)言模型，自然語(yǔ)言處理，金融時(shí)間序列分析，視頻分析等具有明顯時(shí)間特征的數(shù)據(jù)分析和預(yù)測(cè)中。
　　本文在詳細(xì)介紹期權(quán)背景和定價(jià)算法的基礎(chǔ)上

4、，分別針對(duì)歐式期權(quán)和美式期權(quán)，使用蒙特卡洛算法進(jìn)行計(jì)算，并針對(duì)不同的蒙特卡洛算法特征提出對(duì)應(yīng)的異構(gòu)并行算法，并在混合異構(gòu)平臺(tái)上加以實(shí)現(xiàn)，能夠?qū)崿F(xiàn)同時(shí)利用多種異構(gòu)眾核進(jìn)行加速，并取得了很好的加速效果。本文詳細(xì)對(duì)比了不同的異構(gòu)設(shè)備在加速時(shí)的不同特征，并針對(duì)不同設(shè)備給出了優(yōu)化方法。為了能夠更好的利用節(jié)點(diǎn)上全部的計(jì)算能力，多種平臺(tái)下的異構(gòu)計(jì)算框架，能夠同時(shí)支持CPU，MIC，GPU混合架構(gòu)，并能實(shí)現(xiàn)跨節(jié)點(diǎn)的計(jì)算，獲得了很好的節(jié)點(diǎn)擴(kuò)展性。

5、　　對(duì)于金融市場(chǎng)價(jià)格走勢(shì)的預(yù)測(cè)對(duì)于分析金融時(shí)間序列和指導(dǎo)投資具有重要意義，本文選擇外匯數(shù)據(jù)，引入LSTM模型的RNN神經(jīng)網(wǎng)絡(luò)算法，對(duì)LSTM模型的分析，實(shí)現(xiàn)了一個(gè)能夠?qū)r(jià)格走勢(shì)進(jìn)行預(yù)測(cè)的時(shí)序模型，使用了Adam訓(xùn)練方法，對(duì)外匯價(jià)格的漲跌進(jìn)行了預(yù)測(cè)。為了能夠更好的應(yīng)用高性能計(jì)算，對(duì)LSTM模型的算法進(jìn)行改進(jìn)，通過(guò)分析LSTM算法模型的熱點(diǎn)情況，將熱點(diǎn)計(jì)算函數(shù)做了優(yōu)化。在本文提出了新的針對(duì)LSTM算法的高性能數(shù)學(xué)加速庫(kù)MPL(Math Pa