二氧化硫性质高考一轮复习公开课

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周晓辉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大数据挑战下的风险控制频率越来越高的金融数据

2金融数据金融数据3NYSE交易量NYSE交易量4外汇市场交易量外汇市场交易量5AlgorithmicTrading（算法交易）交易量AlgorithmicTrading（算法交易）交易量6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金融数据发展趋势信息化和全球化

7风险控制风险控制8风险控制ValueatRisk(VaR)

风险监控

风险模型开发

风险控制ValueatRisk(VaR)

9ValueatRisk(VaR)

ValueatRisk(VaR)

10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监控高频金融数据

11风险模型开发庞大的历史金融数据

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风险模型开发庞大的历史金融数据

12基于GPU加速的解决方案基于GPU加速的解决方案13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快几十至上百倍基于GPU加速的解决方案蒙特卡洛模拟需要大量随机数

14CUDA程序优化MemoryCoalescingCUDA程序优化MemoryCoalescing15CUDA程序优化Bank访存优化CUDA程序优化Bank访存优化16CUDA程序优化分支优化CUDA程序优化分支优化17GPU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

18GPU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

19GPU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MersenneTwister(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对蒙特卡洛模拟VaR值20GPU加速实例人民币对美元月汇率实验结果

冒泡算法（100000数据量）冒泡算法（1000000数据量）统计比较算法（100000数据量）统计比较算法（1000000数据量）置信度5%5%5%5%VaR(byCPU)[-0.002469540.00246429][-0.002391820.00232792][-0.002624510.0026226][-0.002761840.00276184]VaR(byGPU)[-0.00261450.0026207][-0.00245330.00245142][-0.002460960.0024593][-0.002729890.00273037]CPU消耗时间24.566s1902.2s46.086s4913.2sGPU消耗时间0.11271s5.79s0.11171s5.7963sGPU：CPU加速比217.96328.53412.55847.64使用GP