Fintech：FPGA 如何加速衍生品定價模型


關於 FinTech

Fintech 是一個合成詞，是 Financial technology 的縮寫，直譯過來 Fintech 的中文就是“金融科技”。其本質是指用來提高金融服務效率的科技手段，比如大數據、雲計算、智能投顧、區塊鏈、移動支付等現代技術，它們的出現大大提高了傳統金融服務的速度和效率。

現場可編程門陣列 (FPGA) 對於金融機構來說是一種理想的技術，能夠滿足其超大規模的計算需求，降低衍生品投資組合和風險管理相關的高運營成本。在過去，定價與風險管理部門使用簡化的模型來減少計算負載。然而，不斷發展的法規現在明確規定，風險分析工作負載中的定價模型，如綜合資本分析與審查 (CCAR) 和交易賬簿的基本審查 (FRTB)，應該形像模擬甚至再現複雜的前台交易模型。

通常情況下，風險管理部門會運行大量的風險場景，這些場景蘊含數千種衍生品投資組合的風險因素。因為需要完成數百萬次的風險計算，金融機構投資於大型計算集群來處理所需的風險分析，風險分析通常通宵進行。由於高能耗，此類硬件基礎設施往往運行速度緩慢且成本高昂。

為了加速完成大規模的計算工作，眾多金融機構已經實施並行計算解決方案。這些解決方案雖然能提供幫助，但一般對計算集群的高能耗重視不夠。


FPGA 技術的優勢：

• 與 GPU 模式相比，顯著提升性能
• 確定性時延有助於提供一致性能
• 通過降低能耗，大幅降低與 CPU 和 GPU 有關的運營成本


FPGA 以少量能耗實現大幅加速

採用 FPGA 加速的衍生品定價與風險模型能以少量能耗實現顯著的性能加速（通常與支持 GPU 的模型相比較），降低功耗與散熱成本。此外，FPGA 也提供確定性時延，不存在抖動和可預測的反應時間，從而減少性能變化。

SciComp 的數字專家小組與全球頂級金融從業者緊密合作，實施衍生品定價與風險管理解決方案。 SciComp 經賽靈思培訓的定量金融開發團隊為任何基於蒙特卡洛 （Monte Carlo）的定價、場景生成或風險仿真模型提供專業、低成本的 FPGA 編程服務。




案例研究 - 採用蒙特卡洛模擬為股票掛鉤結構化票據估值


模型主要特性

• 關聯性赫斯頓 (Heston) 隨機波動過程
• 通過連續性校正實現連續障礙監控
• 可選贖回




主要性能指標

• 每貨幣單位 (USD) 性能（路徑數/秒）與每功耗單位 (mW) 性能
• 基於建議客戶價格（RCP，以美元計價）
• CPU/GPU 功耗估算基於熱設計功耗 (TDP) 的 80%
• FPGA 功耗估算基於佈局佈線後分析。

• CPU：Intel Xeon E5-2673 v4 (Intel Parallel Studio XE 2019)
• GPU：Nvidia V100 16GB PCIe (CUDA 10.1)
• FPGA：賽靈思 Alveo U50
• 操作系統：Ubuntu 16.04 LTS






閱讀原文