考虑次级不确定性：在多核与众核架构上高效计算投资组合风险度量
分布式、并行与集群计算
2013-10-10 v1 计算工程、金融与科学
摘要
聚合风险分析是一个计算密集型和数据密集型的问题，这使得高性能计算技术的应用变得有趣。本文探讨了在多核 CPU 和众核 GPU 平台上设计和实现并行聚合风险分析算法。考虑了在财产巨灾保险条约组合中，同时存在初级和次级不确定性的情况下，关键风险度量（包括可能最大损失 (PML) 和尾部在险价值 (TVaR)）的高效计算。初级不确定性是与模拟年份中是否发生巨灾事件相关的不确定性，而次级不确定性是当事件发生时损失金额的不确定性。研究了许多用于计算次级不确定性的统计算法。解决了许多挑战，例如将大量数据加载到内存有限的硬件上并对其进行组织。实验研究获得的结果令人鼓舞。例如，考虑一个涉及 800,000 次试验、每次试验 1,000 次巨灾事件、一百万个地点以及考虑次级不确定性的复杂合同结构的聚合风险分析。该分析在 GPU 上仅需 41 秒即可完成，比在快速多核 CPU 上的顺序对应版本快 24 倍。结果表明，即使在存在次级不确定性的情况下，GPU 也可用于有效加速聚合风险分析。
引用
@article{arxiv.1310.2274,
title = {Accounting for Secondary Uncertainty: Efficient Computation of Portfolio Risk Measures on Multi and Many Core Architectures},
author = {Blesson Varghese and Andrew Rau-Chaplin},
journal= {arXiv preprint arXiv:1310.2274},
year = {2013}
}
备注
10 pages, Workshop on High Performance Computational Finance at SC 2013, Denver, Colorado, USA