混合異構(gòu)眾核平臺上的高性能計算金融算法研究.pdf

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

2、能夠的到實現(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)時代的現(xiàn)在，異構(gòu)計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，算法實時性要求很高，很多復(fù)雜的算法由于計算時間過長限制了其應(yīng)用場景。應(yīng)用高性能計算能夠很好的解決復(fù)雜算法的時效性問題，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，其定價算法具有非常好的代表性。蒙特卡洛算法能夠通過對價格進行模擬從而給出期權(quán)價格，是一種重要的期權(quán)定價的數(shù)值算法，也因為其

3、不需要顯示表達式的特點，也被應(yīng)用于高維期權(quán)定價等問題，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，其計算時間過長導(dǎo)致算法應(yīng)用受到限制。對于時序數(shù)據(jù)，RNN算法能夠很好的發(fā)掘時間中的規(guī)律，其中采用LSTM模型的RNN結(jié)構(gòu)對于長時間記憶具有較好的效果，目前越來越多的被應(yīng)用于語言模型，自然語言處理，金融時間序列分析，視頻分析等具有明顯時間特征的數(shù)據(jù)分析和預(yù)測中。
　　本文在詳細介紹期權(quán)背景和定價算法的基礎(chǔ)上

4、，分別針對歐式期權(quán)和美式期權(quán)，使用蒙特卡洛算法進行計算，并針對不同的蒙特卡洛算法特征提出對應(yīng)的異構(gòu)并行算法，并在混合異構(gòu)平臺上加以實現(xiàn)，能夠?qū)崿F(xiàn)同時利用多種異構(gòu)眾核進行加速，并取得了很好的加速效果。本文詳細對比了不同的異構(gòu)設(shè)備在加速時的不同特征，并針對不同設(shè)備給出了優(yōu)化方法。為了能夠更好的利用節(jié)點上全部的計算能力，多種平臺下的異構(gòu)計算框架，能夠同時支持CPU，MIC，GPU混合架構(gòu)，并能實現(xiàn)跨節(jié)點的計算，獲得了很好的節(jié)點擴展性。

5、　　對于金融市場價格走勢的預(yù)測對于分析金融時間序列和指導(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LSTM模型的分析，實現(xiàn)了一個能夠?qū)r格走勢進行預(yù)測的時序模型，使用了Adam訓(xùn)練方法，對外匯價格的漲跌進行了預(yù)測。為了能夠更好的應(yīng)用高性能計算，對LSTM模型的算法進行改進，通過分析LSTM算法模型的熱點情況，將熱點計算函數(shù)做了優(yōu)化。在本文提出了新的針對LSTM算法的高性能數(shù)學(xué)加速庫MPL(Math Pa