：使用 GPU 进行快速随机波动率模型校准的 AR 包-研究论文

【文件属性】：
文件名称：：使用 GPU 进行快速随机波动率模型校准的 AR 包-研究论文
文件大小：178KB
文件格式：PDF
更新时间：2021-06-09 18:18:23
论文研究 在本文中，我们描述了 gpusvcalibration R 包，用于加速 GPU 上的随机波动率模型校准。 该包旨在与现有的 CRAN 包一起使用以进行优化，例如 DEOptim 和 nloptr。 随机波动率模型在资本市场中广泛用于交易所交易金融期权的定价和风险管理。 然而，校准面临许多挑战，包括对不同模型和优化程序的稳健性进行比较评估。 例如，我们观察到，当拟合到亚分钟级的中间市场报价时，模型需要每隔几分钟频繁校准，并且拟合的质量是常规敏感的。 R 统计软件环境在金融行业的定量分析师中很受欢迎，部分原因是它促进了应用程序设计空间的探索。 然而，在 CPU 上基于 R 的随机波动率模型校准的典型实现不满足亚分钟级交易（即中高频交易）的性能要求。 我们确定了 R 中校准过程中计算量最大的部分，并将其卸载到 GPU。 我们为计算密集型内核创建了一个 map-reduce 接口，以便它可以使用我们的包轻松集成到各种基于 R 的校准代码中。 我们证明了使用我们的包的新的基于 R 的实现在性能上与基于 C/C++ GPU 的校准代码相当。