在金融机器学习中利用超级计算机
分布式、并行与集群计算
2022-03-02 v1 计算金融
机器学习
摘要
本文是富士通与 Advestis 合作的结果。该合作旨在重构并运行一个基于系统探索产生投资建议的算法，将其部署在 Fugaku 高性能计算机上，以观察与云机器相比，非常多的核心数是否允许对数据进行更深入的探索，从而有望产生更好的预测。我们发现，探索规则数量的增加会导致最终规则集预测性能的净提升。此外，在本研究的特定案例中，我们发现使用超过大约 40 个核心并不会带来显著的计算时间增益。然而，这一限制的根源在于用于修剪搜索空间的基于阈值的搜索启发式方法。我们有证据表明，对于具有较少限制性阈值的类似数据集，实际使用的核心数量很可能要高得多，从而使并行化产生更大的效果。
引用
@article{arxiv.2203.00427,
title = {Making use of supercomputers in financial machine learning},
author = {Philippe Cotte and Pierre Lagier and Vincent Margot and Christophe Geissler},
journal= {arXiv preprint arXiv:2203.00427},
year = {2022}
}