Valutazione del calcolo parallelo su CPU e GPU per modelli di pricing finanziario

The financial derivatives market has grown exponentially to values of global importance. With the digital automation of the markets, programs able to efficiently value financial derivatives have become a key factor for markets competitiveness. This study aims at exploring the potential efficiency gains achieved by employing modern technologies, such as GPU computing to price financial options. This pricing model is implemented and compiled both for CPU and GPU hardware and the results are assessed in terms of computational efficiency. The GPU can handle thousands of concurrent threads since it is composed of hundreds of cores. CPUs, on the contrary, have much lower parallelisation capabilities. This feature provides huge benefits when computations on large data, like matrices, are required and, thus, a substantial speed-up compared to traditional CPUs.

Il mercato dei prodotti finanziari è cresciuto esponenzialmente a valori di importanza globale. Con l'automazione digitale dei mercati, i programmi in grado di valorizzare in modo efficiente i derivati finanziari sono diventati la chiave per la competitività del mercato. Lo scopo di questa tesi è esplorare i potenziali guadagni di efficienza derivanti dall'utilizzo della tecnologia moderna del GPU Computing nella valutazione dei prodotti finanziari. Il modello viene implementato sull'hardware della CPU e della GPU confrontando i risultati in termini di efficienza computazionale. La GPU può gestire migliaia di thread simultanei poiché è composta da centinaia di core, in contrasto con un basso numero di thread contemporaneamente in esecuzione su una CPU. Questa caratteristica rende molto efficiente l'operatività su dati di grandi dimensioni, fornendo una maggiore accelerazione rispetto al tradizionale codice parallelo della CPU.