GPU 和深度学习如何刺激金融行业的发展

by 英伟达中国

在金融行业里,时间就是金钱,毫秒之间决定盈亏。

闪电般的洞察力加上果断的执行,方可创造利润。重点在于比竞争对手更快地做出明智的决定,而这一切终究要利用大数据来实现。

更快获得分析结果是一大优势。随着传统计算逐渐接近极限,金融行业纷纷把目光投向 GPU。

银行和投资公司逐渐改用 NVIDIA GPU、NVIDIA DGX-1(全球首款专为深度学习和 AI 加速分析而开发的系统)及 Kinetica 的内存中 GPU 加速分布式数据库,来满足真正的实时分析需求,其中包括欺诈分析、风险管理和算法交易。

互动式投资组合风险管理

对于金融交易员和投资组合经理而言,一切工作要归结到投资组合风险计算。五年前,交易员必须提取出数据并将其传输到专门的系统来执行高级分析和建模。在计算风险时需要用到大量的数学运算,这通常要通宵分批执行,难以实时配合市场变化做出调整。

如今,借助先进的 GPU 和深度学习技术,交易员能够在搭载 Kinetica 数据库和 NVIDIA GPU 的单一高强度计算平台上执行数据探索、模型开发/评分和模型消耗等繁重作业。

客户无需在系统间移动数据,便可根据需要执行复杂的查询。Quant 能够在拥有丰富信息的同一数据库上运行精细的数据科学运算作业,以帮助做出交易决策。这不仅解决了数据移动难题,还创造出一个更加简化的 AI 工作负载架构。

借助 Kinetica 的 GPU 加速的用户定义函数功能,客户能够通过简单的 API 调用部署使用 TensorFlow、Torch、Caffe 或 Spark ML 等深度学习框架构建的模型。Quant 和分析师不必学习新的编程语言,就能体验到 GPU 的优异性能及其并行计算的优势。

交易执行

交易执行涉及到弄清楚如何在限价指令簿中找出某支股票的最佳价格。无论未来的交易时间距离现在有几百毫秒还是一分钟,在您交易越来越多的特定股票之际,您都想要知道股票价格什么时候最高:现在还是几秒后。

通过掌握由深度学习框架支持的量化数据,您能够藉由这只股票过去的数百万交易数据,了解它的未来走向。经过海量数据的训练,您便能对这些数据进行实时推理,判断现在、几百毫秒内、一秒内或一分钟内是否该进行交易。这种情报大幅提升了算法交易的潜力。

合并多个数据来源

深度学习领域中出现了一个新兴的科学分支,那就是合并多个不同的数据来源。我们已经长久地掌握市场数据,因此您可以进行技术交易,还可以查看各支股票的走向。不过,倘若您想在竞争中占据领先优势,还需要看看您可以将其他哪些数据要素整合到一起。

这是一个复杂的深度学习分析问题。它不单单涉及查看一组数据,然后运用分析结果预测形势走向。归根结底是要搞清楚如何将传统股票数据同社交媒体数据、网络数据和其他专有数据来源相结合,并了解英国脱欧这样的未知事件将对股票产生怎样的影响。接着,再将所有这些数据整合到一个深度学习模型中。

GPU 和 DGX-1 与 Kinetica 搭配使用

通过在可扩展的平台上利用 NVIDIA GPU 的强大功能,Kinetica 之类的公司能够帮助金融业者在数毫秒内进行量化分析和空间分析,另外还能实时进行按需聚合、标准差峰度和其他复杂分析。通过将人工智能 (AI) 和商业智能 (BI) 融合到同一个平台上,Quant 能够更轻松地执行分布式计算。

如果您的数据存储在公司内部且在公司内部进行流式传输,那么就需要一套完整的内部解决方案,这便是 DGX-1 可以大展拳脚之处。这套专用系统具有八个 Tesla GPU 加速器,使用 NVLink 互联技术实现 GPU 之间的通信,并且具有完整的软件栈。

如果您打算进入 AI、深度学习和加速分析领域,可以利用 Kinetica 和 NVIDIA 提供的一套一体化解决方案快速上手。我们强强联手,可让您享受到无与伦比的性能、跨多个高密度节点的可预测可扩展性,以及通过与行业标准连接器无缝集成获得数据来源和应用程序。

Kinetica 的用户定义函数可推动实现由 NVIDIA GPU 加速的首个融合式 AI 和 BI 工作负载,这对金融行业而言特别有利。

如要详细了解 AI 计算如何改变金融行业及其他行业,请参加 5 月 8 日至 11 日在硅谷举行的 GPU 技术大会。提前注册可享优惠