金融大数据挑战下的风险控制fbnl.pptx

《金融大数据挑战下的风险控制fbnl.pptx》由会员分享，可在线阅读，更多相关《金融大数据挑战下的风险控制fbnl.pptx（22页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、金融大数据挑战下的风险控制周晓辉西安邮电大学陕西省高性能计算研究中心金融大数据挑战下的风险控制频率越来越高的金融数据复杂度越来越高的金融市场金融大数据挑战下的风险控制基于GPU加速的解决方案金融数据NYSE交易量外汇市场交易量AlgorithmicTrading（算法交易）交易量金融数据发展趋势信息化和全球化越来越活跃的全球金融市场程序化交易迅速普及越来越大的数据量和数据密度风险控制风险控制ValueatRisk(VaR)风险监控风险模型开发ValueatRisk(VaR)风险监控高频金融数据复杂的风险模型多个头寸及时、准确的确定风险敞口对计算能力和数据通讯能力的要求会越来越高风险模型开发庞大

2、的历史金融数据复杂的风险模型模型的开发、验证对计算能力的要求会越来越高基于GPU加速的解决方案基于GPU加速的解决方案蒙特卡洛模拟需要大量随机数GPU适合做可大规模并行化的简单计算同等功耗下相比CPU快几十至上百倍CUDA程序优化MemoryCoalescingCUDA程序优化Bank访存优化CUDA程序优化分支优化GPU加速实例：人民币对美元月汇率实验GPU加速实例：人民币对美元月汇率实验GPU加速实例：人民币对美元月汇率实验对蒙特卡洛模拟VaR值的过程进行分析，考察计算过程的速度瓶颈所在。发现随机数产生器和数组排序的过程是计算速度瓶颈所在。对于随机数产生器我们使用的算法是MersenneT

3、wister(MT)。MT随机数产生算法拥有非常好维度均匀性。接合CUDA的平行思想我们在每个线程中以不同的种子开始，每个线程计算产生一百个随机数。GPU加速实例人民币对美元月汇率实验结果冒泡算法（冒泡算法（100000数据数据量）量）冒泡算法（冒泡算法（1000000数据量）数据量）统计比比较算法算法（100000数据量）数据量）统计比比较算法算法（1000000数据量）数据量）置信度置信度5%5%5%5%VaR(byCPU)-0.00246954 0.00246429-0.00239182 0.00232792-0.00262451 0.0026226-0.00276184 0.00276184VaR(byGPU)-0.0026145 0.0026207-0.0024533 0.00245142-0.00246096 0.0024593-0.00272989 0.00273037CPU消耗消耗时间24.566s1902.2s46.086s4913.2sGPU消耗消耗时间0.11271s5.79s0.11171s5.7963sGPU：CPU加速加速比比217.96328.53412.55847.64使用GPU加速蒙特卡洛法VaR的计算数据采用2002-2012人民币兑美元汇率谢谢大家