寬客面臨哪些計算瓶頸？

Quant 工作流程中目前的計算（非網路）瓶頸是什麼？使用通用 GPU 將性能提高 10-100 倍，哪些計算任務將是革命性的？

我本人是 HPC 背景的，我非常清楚擁有一把錘子卻沒有釘子的感覺。您的問題是關於可以通過 GPGPU 緩解的計算瓶頸，但我不敢承認金融領域的瓶頸並不多。對於實時應用，網路是瓶頸；對於歷史應用來說，記憶體是瓶頸。CPU 在我的工作中很少飽和。

但是，有一個特定領域似乎確實受 CPU 限制：解釋。即，提要處理程序和FIX 解析器都需要將許多少量數據從一種表示轉換為另一種表示。基於 FPGA 的饋送處理程序開始變得越來越流行。不過，我還沒有看到 FIX 解析器有任何類似的東西。

**如果您可以展示如何使用離線 GPU 解析 FIX 消息，那麼這可能會很有趣。**FIXT 1.1 可以支持 InfiniBand，因此 NVIDIA / Mellanox 的 GPU Direct 設置尤其值得注意，儘管不是必需的。（反正現在支持FIXT的交易場所不多，所以不急。）

如果您想將您的工作推廣到通過網路通信的所有鍵值對，您可能可以將您的一些發現應用於實時解析 HTTP 標頭。毫無疑問，許多雲供應商會很高興看到這一點。

順便說一句，我提倡 FIX 解析而不是提要處理的原因是大多數數據供應商都提供自己的專有 API。祝你好運讓 Wombat 與你合作，直到你有自己的成果要展示。

在奇異期權定價中，有很多 CPU 瓶頸——例如快速傅里葉變換或蒙地卡羅模擬的計算。當我在 Libor 市場模型中為應計範圍定價時，我不會使用大量數據（經過仔細優化，所有內容都應該適合幾 MB 的 L2 記憶體），但我會進行大量計算。我認為這就是 GPU 可能有用的地方。

引用自：https://quant.stackexchange.com/questions/512