金融与高性能计算的华丽碰撞
2011-11-25 09:02
274 查看
当金融遇到计算,我们赋予它一个新名词:金融计算。早在20世纪90年代末,纽约、伦敦、日本的诸多金融机构就已经开始了金融计算相关应用,始于1993年全球超级计算机500强排行榜(Top500)中,约450台为国际一流金融机构所用,中国先后已有70多台超级计算机跻身Top 500,但至今仍无一台用于金融领域。
自2008年以来,上海超级计算中心主任的奚自立先生一直在积极呼吁以打造国际金融中心为目标的上海加紧建设金融计算共同平台,在他看来国外同行早已利用高性能计算创造出一批批金融衍生产品,并演算出未来走势变化;国内机构还停留在简单计算银行信用卡风险,或是通过随机过程分析计保费。这其间的差距恰如大学生与中学生之间的较量,在全球化势头无法阻挡之际,我们能做的只有迎头赶上,否则未来的某一天与国外金融机构真正地同台竞技,也许我们会输得倾家荡产。
高性能金融计算应用三场景
西方金融机构到底如何利用高性能计算提升其核心竞争力?我先举三个简单例子:
案例一:为金融产品高效定价
客户委托金融机构购买期权时,交易员需要快速计算出期权价格。期权价格的计算是要看所在资产(如股票或其他金融资产)的未来走势,这可能需要对上百万甚至上千万种价格走势路径都计算一边。以往,交易员们都是在笔记本电脑上用Excel计算,至少需要几分钟的时间。有了高性能计算后,所有路径可以采用并行计算,整体计算时间被缩短到了七秒钟,客户端计算机也只需16个核,交易员再也不用为需要拖住客户而绞尽脑汁为了。
案例二:更准确评估潜在风险
金融计算容易产生的一个误区是,大家都想算出能赚多少钱,这确实可以算出来,但更重要的是计算投资组合的风险值(value-at- risk),这不仅是对每个头寸重新定价,还要考虑各种参数的变化,例如金融系数、利率、汇率等因素都可能随时改变,这些变化会是一个巨大的组合,再乘上金融组合数,所需要的计算量通常需要花一整晚的时间,最后算出来的报告就是回答一个问题:这么多组合在第二天开市后,价值突然缩水到现有5%的可能性有多大?
案例三:增强快速反应能力,提升程序交易效率
当机构投资者买进大量股票时,往往会分拆成一百、几十股的买,这就要求金融机构的系统能从小小的一百股中发现,哪些来自个人,哪些来自机构,一旦发现有机构出动,就把周围能买到的股票全部买下,然后价格抬高就出货。要让系统做到如此智能,就必须通过神经元网络进行算法训练,其中的难点在于如何算出不同股票持有人之间的关联,不同公司的资产结构有时很复杂,只有大规模的计算才能核算出来。
金融计算离不开数据、模型、计算平台和人
这四大要素中,数据排第一。金融说到底就是数据。相比国内金融行业的严重信息不对称,国外的信息完全开放,所有金融衍生品都会明白告诉客户,它们是怎么计算出来的。中国要发展金融计算,首先要解决数据真源性的问题,然后才能去考虑对数据的分析。谁都知道,针对二十年数据的分析比十年的精确,针对三十年数据的分析比二十年的精确。从现在开始积累我们的真实数据,亡羊补牢,为时不晚。
模型和金融计算平台,不妨借鉴国际上最为主流的模型和技术。随着高性能计算与云计算的结合,金融服务业或可成为这一领域的主流商业应用。在美国,为各大机构提供风险分析服务的RiskMetrics,已经将其计算搬到了云计算平台Windows Azure上,启动初期就已提出6,000个核的需求,是我们之前预期的12倍;为保险业提供精算软件的Milliman,目前也已搬到了Windows Azure平台上。目前欧洲、日本的发展形势非常喜人,与美国相当。
数据、模型、金融计算平台,再加上另一个不可或缺的因素——人才,我们的金融计算就完整了。中国最缺的就是交叉学科人才,尤其在金融领域。为此,我们日前与摩根士丹利和上海超级计算中心联合举办了“微软—摩根士丹利杯”2011金融超级计算挑战赛,即国内首个金融与高性能计算的跨学科竞赛。我们希望通过此次竞赛为金融和计算机等专业的同学提供一个学以致用的平台,也希望以此引起高校、业界和政府部门对高性能金融计算的关注与重视。在为期五天的挑战赛期间,参赛队伍在上海超算中心的曙光5000A超级计算机平台上,运用Windows HPC Server 2008 R2等软件,根据万得资讯提供的金融产品的真实历史数据,对摩根士丹利提供的多种虚拟金融衍生产品进行建模定价与评估,去解决国际金融交易员、风险管理员、分析师每天面对的真实问题。
曾有一位参赛选手在挑战赛论坛上说到,“这几天起早贪黑和高强度的作业,我们理解了更多程序语言的新方法,熟悉了各种期权条款,接触到不少市场股票数据,以及解决问题的基本方法。还有更加体会到市场的无情。” 尤其这最后一句话让我颇有感触,正如《冰与火之歌》中所说的那样“Winter is coming”,惟有无情的市场才能让我们在磨练中成长。
入世十年,中国金融业在规模上取得了长足进步,单论资产规模,中国银行已经位居世界前列;而下一个“十年”,无疑将会面对更加广泛和激烈的国际竞争,中国金融机构如何实现质的飞跃?如何借助高性能计算等尖端IT技术,帮助以上海为代表的中国城市成为国际金融中心?这些悬念,或许要留待通过此次大赛成长起来的一代人,来为我们解开。
徐明强
高性能云计算部门经理
自2008年以来,上海超级计算中心主任的奚自立先生一直在积极呼吁以打造国际金融中心为目标的上海加紧建设金融计算共同平台,在他看来国外同行早已利用高性能计算创造出一批批金融衍生产品,并演算出未来走势变化;国内机构还停留在简单计算银行信用卡风险,或是通过随机过程分析计保费。这其间的差距恰如大学生与中学生之间的较量,在全球化势头无法阻挡之际,我们能做的只有迎头赶上,否则未来的某一天与国外金融机构真正地同台竞技,也许我们会输得倾家荡产。
高性能金融计算应用三场景
西方金融机构到底如何利用高性能计算提升其核心竞争力?我先举三个简单例子:
案例一:为金融产品高效定价
客户委托金融机构购买期权时,交易员需要快速计算出期权价格。期权价格的计算是要看所在资产(如股票或其他金融资产)的未来走势,这可能需要对上百万甚至上千万种价格走势路径都计算一边。以往,交易员们都是在笔记本电脑上用Excel计算,至少需要几分钟的时间。有了高性能计算后,所有路径可以采用并行计算,整体计算时间被缩短到了七秒钟,客户端计算机也只需16个核,交易员再也不用为需要拖住客户而绞尽脑汁为了。
案例二:更准确评估潜在风险
金融计算容易产生的一个误区是,大家都想算出能赚多少钱,这确实可以算出来,但更重要的是计算投资组合的风险值(value-at- risk),这不仅是对每个头寸重新定价,还要考虑各种参数的变化,例如金融系数、利率、汇率等因素都可能随时改变,这些变化会是一个巨大的组合,再乘上金融组合数,所需要的计算量通常需要花一整晚的时间,最后算出来的报告就是回答一个问题:这么多组合在第二天开市后,价值突然缩水到现有5%的可能性有多大?
案例三:增强快速反应能力,提升程序交易效率
当机构投资者买进大量股票时,往往会分拆成一百、几十股的买,这就要求金融机构的系统能从小小的一百股中发现,哪些来自个人,哪些来自机构,一旦发现有机构出动,就把周围能买到的股票全部买下,然后价格抬高就出货。要让系统做到如此智能,就必须通过神经元网络进行算法训练,其中的难点在于如何算出不同股票持有人之间的关联,不同公司的资产结构有时很复杂,只有大规模的计算才能核算出来。
金融计算离不开数据、模型、计算平台和人
这四大要素中,数据排第一。金融说到底就是数据。相比国内金融行业的严重信息不对称,国外的信息完全开放,所有金融衍生品都会明白告诉客户,它们是怎么计算出来的。中国要发展金融计算,首先要解决数据真源性的问题,然后才能去考虑对数据的分析。谁都知道,针对二十年数据的分析比十年的精确,针对三十年数据的分析比二十年的精确。从现在开始积累我们的真实数据,亡羊补牢,为时不晚。
模型和金融计算平台,不妨借鉴国际上最为主流的模型和技术。随着高性能计算与云计算的结合,金融服务业或可成为这一领域的主流商业应用。在美国,为各大机构提供风险分析服务的RiskMetrics,已经将其计算搬到了云计算平台Windows Azure上,启动初期就已提出6,000个核的需求,是我们之前预期的12倍;为保险业提供精算软件的Milliman,目前也已搬到了Windows Azure平台上。目前欧洲、日本的发展形势非常喜人,与美国相当。
数据、模型、金融计算平台,再加上另一个不可或缺的因素——人才,我们的金融计算就完整了。中国最缺的就是交叉学科人才,尤其在金融领域。为此,我们日前与摩根士丹利和上海超级计算中心联合举办了“微软—摩根士丹利杯”2011金融超级计算挑战赛,即国内首个金融与高性能计算的跨学科竞赛。我们希望通过此次竞赛为金融和计算机等专业的同学提供一个学以致用的平台,也希望以此引起高校、业界和政府部门对高性能金融计算的关注与重视。在为期五天的挑战赛期间,参赛队伍在上海超算中心的曙光5000A超级计算机平台上,运用Windows HPC Server 2008 R2等软件,根据万得资讯提供的金融产品的真实历史数据,对摩根士丹利提供的多种虚拟金融衍生产品进行建模定价与评估,去解决国际金融交易员、风险管理员、分析师每天面对的真实问题。
曾有一位参赛选手在挑战赛论坛上说到,“这几天起早贪黑和高强度的作业,我们理解了更多程序语言的新方法,熟悉了各种期权条款,接触到不少市场股票数据,以及解决问题的基本方法。还有更加体会到市场的无情。” 尤其这最后一句话让我颇有感触,正如《冰与火之歌》中所说的那样“Winter is coming”,惟有无情的市场才能让我们在磨练中成长。
入世十年,中国金融业在规模上取得了长足进步,单论资产规模,中国银行已经位居世界前列;而下一个“十年”,无疑将会面对更加广泛和激烈的国际竞争,中国金融机构如何实现质的飞跃?如何借助高性能计算等尖端IT技术,帮助以上海为代表的中国城市成为国际金融中心?这些悬念,或许要留待通过此次大赛成长起来的一代人,来为我们解开。
徐明强
高性能云计算部门经理
相关文章推荐
- 金融与高性能计算的华丽碰撞
- 量化研究员与数据科学家的自我修养——精选网络公开课(高性能计算、数据科学、金融数学)
- Linux高性能计算集群 - 概述
- 高性能计算,高兴能计算
- 高性能计算--HPCC--HPCC vs Hadoop篇
- 手动搭建HPC(高性能计算)
- 深度学习/高性能计算解决方案架构师
- 前端高性能计算之一:WebWorkers
- google上的高性能计算论坛
- Julia语言:让高性能科学计算人人可用
- 几种高性能计算平台介绍
- 高性能计算汇总-Mpi,openMpi,tbb,CUDA,OpenCL等并行计算或cpu,gpu混合计算技术
- 百度吴恩达:深度学习的前沿正转向高性能计算
- Linux高性能计算集群 -- Beowulf集群
- 数独游戏(2)之单点触摸事件,碰撞检测,计算出不可用数据
- MultiVAC:基于可信分片计算的弹性高性能公链 | ONETOP评级
- 代码干货 | Python高性能计算库——Numba
- Linux 高性能计算集群(六)BeoWulf
- 【高性能】Matlab的并行计算之spmd