FPGA 技术的优势：以少量能耗实现大幅加速

关于 FinTech

Fintech 是一个合成词，是 Financial technology 的缩写，直译过来 Fintech 的中文就是“金融科技”。其本质是指用来提高金融服务效率的科技手段，比如大数据、云计算、智能投顾、区块链、移动支付等现代技术，它们的出现大大提高了传统金融服务的速度和效率。

现场可编程门阵列 (FPGA) 对于金融机构来说是一种理想的技术，能够满足其超大规模的计算需求，降低衍生品投资组合和风险管理相关的高运营成本。在过去，定价与风险管理部门使用简化的模型来减少计算负载。然而，不断发展的法规现在明确规定，风险分析工作负载中的定价模型，如综合资本分析与审查 (CCAR) 和交易账簿的基本审查 (FRTB)，应该形象模拟甚至再现复杂的前台交易模型。

通常情况下，风险管理部门会运行大量的风险场景，这些场景蕴含数千种衍生品投资组合的风险因素。因为需要完成数百万次的风险计算，金融机构投资于大型计算集群来处理所需的风险分析，风险分析通常通宵进行。由于高能耗，此类硬件基础设施往往运行速度缓慢且成本高昂。

为了加速完成大规模的计算工作，众多金融机构已经实施并行计算解决方案。这些解决方案虽然能提供帮助，但一般对计算集群的高能耗重视不够。

FPGA 技术的优势

  •  与 GPU 模式相比，显著提升性能

  •  确定性时延有助于提供一致性能

  •  通过降低能耗，大幅降低与 CPU 和 GPU 有关的运营成本

FPGA 以少量能耗实现大幅加速

采用 FPGA 加速的衍生品定价与风险模型能以少量能耗实现显著的性能加速（通常与支持 GPU 的模型相比较），降低功耗与散热成本。此外，FPGA 也提供确定性时延，不存在抖动和可预测的反应时间，从而减少性能变化。

SciComp 的数字专家小组与全球顶级金融从业者紧密合作，实施衍生品定价与风险管理解决方案。SciComp 经赛灵思培训的定量金融开发团队为任何基于蒙特卡洛 （Monte Carlo）的定价、场景生成或风险仿真模型提供专业、低成本的 FPGA 编程服务。

案例研究

采用蒙特卡洛模拟为股票挂钩结构化票据估值

模型主要特性

  •  关联性赫斯顿 (Heston) 随机波动过程

  •  通过连续性校正实现连续障碍监控

  •  可选赎回

主要性能指标

  •  每货币单位 (USD) 性能（路径数/秒）与每功耗单位 (mW) 性能

  •  基于建议客户价格（RCP，以美元计价）

  •  CPU/GPU 功耗估算基于热设计功耗 (TDP) 的 80%

  •  FPGA 功耗估算基于布局布线后分析。

  •  CPU：Intel Xeon E5-2673 v4 (Intel Parallel Studio XE 2019)

  •  GPU：Nvidia V100 16GB PCIe (CUDA 10.1)

  •  FPGA：赛灵思 Alveo U50

  •  操作系统：Ubuntu 16.04 LTS

编辑：hfy