專(zhuān)利名稱(chēng)：基于倒向隨機(jī)微分方程的期權(quán)定價(jià)方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及期權(quán)定價(jià)的方法,尤其涉及基于倒向隨機(jī)微分方程(BSDE, Backward Stochastic Differential Equation)的期權(quán)定價(jià)方法及裝置。
背景技術(shù)：
蒙特卡洛法(Monte Carlo Method)是一個(gè)通過(guò)統(tǒng)計(jì)采樣來(lái)解決問(wèn)題的算法。在早期，該算法被應(yīng)用于二次世界大戰(zhàn)期間原子彈的研制中。對(duì)大于六維的任意函數(shù)的積分計(jì)算，蒙特卡洛法是唯一實(shí)用的方法。它還有許多其他的應(yīng)用，譬如解偏微分方程，銳化衛(wèi)星圖片，對(duì)細(xì)胞群體建模，以及在多項(xiàng)式時(shí)間界里找到NP問(wèn)題(即可在多項(xiàng)式時(shí)間內(nèi)驗(yàn)證一個(gè)解是否正確的問(wèn)題)的近似解。蒙特卡洛法，是針對(duì)待求問(wèn)題并根據(jù)物理現(xiàn)象本身的統(tǒng)計(jì)規(guī)律或人為地構(gòu)造一個(gè)合適的依賴隨機(jī)變量的概率模型，使某些隨機(jī)變量的統(tǒng)計(jì)量為待求問(wèn)題的解，而進(jìn)行大統(tǒng)計(jì)量N 的統(tǒng)計(jì)實(shí)驗(yàn)方法或計(jì)算機(jī)隨機(jī)模擬方法。倒向隨機(jī)微分方程(BSDE)，即“巴赫杜(Pardoux)-彭方程”，在隨機(jī)分析、隨機(jī)控制和金融數(shù)學(xué)界內(nèi)已獲得很高的國(guó)際知名度，它能夠解決非線性期權(quán)定價(jià)問(wèn)題。BSDE數(shù)值求解的一般形式為-dYt = f (Yt, Zt, t) dt-Ztdfft, t G
Y1= I其中，Wt是定義在完備概率空間上的布朗運(yùn)動(dòng)，Yt是BSDE的終端條件；在期權(quán)定價(jià)中Yt為在t時(shí)刻的期權(quán)價(jià)格，Zt值用來(lái)幫助風(fēng)險(xiǎn)度量，生成函數(shù)f (*)是Yt和Zt以及時(shí)間t的函數(shù)；I是最后一層終端條件的值，以此值為基準(zhǔn)來(lái)可算出下一層的Yt?！暗瓜螂S機(jī)微分方程”理論搭起了 “隨機(jī)”與“確定”之間的橋梁，使人們可以用確定的策略、方法去解決隨機(jī)的不確定的問(wèn)題，或把隨機(jī)的不確定的東西進(jìn)行最優(yōu)化處理。它所開(kāi)辟的途徑可以廣泛地應(yīng)用于社會(huì)經(jīng)濟(jì)生活的許多方面，去解決涉及計(jì)算機(jī)科學(xué)、金融學(xué)、 經(jīng)濟(jì)學(xué)和工程學(xué)等領(lǐng)域內(nèi)國(guó)際學(xué)術(shù)界普遍關(guān)心的很多重要問(wèn)題。期權(quán)(Option),是一種選擇權(quán),指是一種能在未來(lái)某特定時(shí)間以特定價(jià)格買(mǎi)入或賣(mài)出一定數(shù)量的某種特定商品的權(quán)利。它是在期貨的基礎(chǔ)上產(chǎn)生的一種金融工具，給予買(mǎi)方(或持有者)購(gòu)買(mǎi)或出售標(biāo)的資產(chǎn)(underlying asset)的權(quán)利。期權(quán)的持有者可以在該項(xiàng)期權(quán)規(guī)定的時(shí)間內(nèi)選擇買(mǎi)或不買(mǎi)、賣(mài)或不賣(mài)的權(quán)利，他可以實(shí)施該權(quán)利，也可以放棄該權(quán)利，而期權(quán)的出賣(mài)者則只負(fù)有期權(quán)合約規(guī)定的義務(wù)。按期權(quán)的權(quán)利劃分,有看漲期權(quán)(Call Options)和看跌期權(quán)(Put Options)兩種類(lèi)型。其中，看漲期權(quán)是指期權(quán)的買(mǎi)方向賣(mài)方支付一定數(shù)額的權(quán)利金后，便擁有在期權(quán)合約的有效期內(nèi)按事先約定的價(jià)格買(mǎi)入一定數(shù)量的合約規(guī)定的商品的權(quán)利，但不負(fù)有必須買(mǎi)進(jìn)的義務(wù)。而期權(quán)賣(mài)方有義務(wù)在期權(quán)規(guī)定的有效期內(nèi)應(yīng)期權(quán)買(mǎi)方的要求以期權(quán)合約規(guī)定的價(jià)格賣(mài)出合約規(guī)定的商品。看跌期權(quán)是指期權(quán)的買(mǎi)方向期權(quán)的賣(mài)方支付一定數(shù)額的權(quán)利金后，便擁有在期權(quán)合約的有效期內(nèi)按事先約定的價(jià)格賣(mài)出一定數(shù)量的合約規(guī)定的商品的權(quán)利，但不負(fù)有必須賣(mài)出的義務(wù)。而期權(quán)賣(mài)方有義務(wù)在期權(quán)規(guī)定的有效期內(nèi)應(yīng)期權(quán)買(mǎi)方的要求以期權(quán)合約規(guī)定的價(jià)格買(mǎi)入合約規(guī)定的商品。布萊克-斯克爾斯期權(quán)定價(jià)模型(B-S,Black Scholes Option Pricing Model), 為各種衍生的金融工具在包括股票、債券、貨幣以及商品的新興金融市場(chǎng)中基于市價(jià)變動(dòng)的合理定價(jià)奠定了基礎(chǔ)。但是，用B-S模型進(jìn)行期權(quán)定價(jià)必須有以下5個(gè)重要的假設(shè)(I)金融資產(chǎn)收益率服從對(duì)數(shù)正態(tài)分布；(2)在期權(quán)有效期內(nèi)，無(wú)風(fēng)險(xiǎn)利率和金融資產(chǎn)收益變量是恒定的；(3)市場(chǎng)無(wú)摩擦，即不存在稅收和交易成本；(4)金融資產(chǎn)在期權(quán)有效期內(nèi)無(wú)紅利及其它所得(該假設(shè)后被放棄)；(5)該期權(quán)是歐式期權(quán)，即在期權(quán)到期前不可實(shí)施。分析研究表明，米用傳統(tǒng)的Black-Scholes方程方法進(jìn)行期權(quán)定價(jià)時(shí)，由于該方程是建立在五大假設(shè)的基礎(chǔ)上并利用股票價(jià)格的波動(dòng)遵循幾何布朗運(yùn)動(dòng)得到的，而現(xiàn)實(shí)中不可能全部滿足這些假設(shè)。對(duì)于歐式期權(quán)，利用這個(gè)方程可以求出解的公式，但是它的數(shù)學(xué)推導(dǎo)和求解過(guò)程在金融界較難被廣泛接受和掌握。尤其是對(duì)于美式期權(quán)，由于該方程的定解問(wèn)題更為復(fù)雜，不可能求出解的表達(dá)式，所以很遺憾，該方程不能解決非線性期權(quán)定價(jià)問(wèn)題。在采用BSDE方法的期權(quán)定價(jià)串行方法來(lái)解決期權(quán)定價(jià)問(wèn)題時(shí)，大部分的時(shí)間都消耗在這個(gè)步驟中即根據(jù)終端(即最終可能的結(jié)局)條件，在相鄰層之間使用蒙特卡洛 (Monte-Carlo)方法對(duì)每個(gè)時(shí)間層倒推，來(lái)求解計(jì)算數(shù)學(xué)期望。由于對(duì)每個(gè)網(wǎng)格點(diǎn)的蒙特卡洛模擬次數(shù)多，導(dǎo)致這個(gè)步驟不僅執(zhí)行次數(shù)多，而且要計(jì)算的數(shù)據(jù)量大；同時(shí)，這些數(shù)據(jù)的計(jì)算只能滿足單指令單數(shù)據(jù)的特點(diǎn)，而難以滿足單指令多數(shù)據(jù)(SIMD, Single Instruction Multiple Data)的特點(diǎn)。因此，采用BSDE的期權(quán)定價(jià)串行方法解決期權(quán)定價(jià)問(wèn)題，具有一定的性能瓶頸。英偉達(dá)(NVIDIA)公司的統(tǒng)一計(jì)算設(shè)備架構(gòu)(CUDA,Compute Unified Device Architecture),是一種用于圖形處理器(GPU, Graphics Processing Unit)計(jì)算的開(kāi)發(fā)環(huán)境，它是一個(gè)全新的軟硬件架構(gòu)，可以將GPU視為一個(gè)并行數(shù)據(jù)計(jì)算的設(shè)備，對(duì)所進(jìn)行的計(jì)算進(jìn)行分配和管理。在CUDA的架構(gòu)中，這些計(jì)算不再像過(guò)去的通用圖形處理器(GPGPU)架構(gòu)那樣，必須將計(jì)算映射到圖形應(yīng)用程序接口(API，譬如OpenGL和Direct 3D)中，因此對(duì)于開(kāi)發(fā)者來(lái)說(shuō)，CUDA的開(kāi)發(fā)門(mén)檻大大降低了。CUDA的GPU編程語(yǔ)言基于標(biāo)準(zhǔn)的C語(yǔ)言，因此任何有C語(yǔ)言基礎(chǔ)的用戶都很容易地開(kāi)發(fā)CUDA的應(yīng)用程序。由于GPU的特點(diǎn)是處理密集型數(shù)據(jù)和并行數(shù)據(jù)計(jì)算，因此CUDA非常適合需要大規(guī)模并行計(jì)算的領(lǐng)域。目前CUDA除了可以用C語(yǔ)言開(kāi)發(fā)，也已經(jīng)提供FORTRAN語(yǔ)言的應(yīng)用程序接口，可以預(yù)計(jì)，未來(lái)CUDA將會(huì)支持C++、Java、Python等各類(lèi)語(yǔ)言。CUDA可廣泛地應(yīng)用在圖形動(dòng)畫(huà)、科學(xué)計(jì)算、地質(zhì)、生物以及物理模擬等各個(gè)領(lǐng)域。目前，尚沒(méi)有一種快速的期權(quán)定價(jià)的方法，可提高用戶的操作體驗(yàn)，以使得客戶的利益最大化
發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問(wèn)題是提供一種基于倒向隨機(jī)微分方程的期權(quán)定價(jià)方法及裝置，能夠大大加速期權(quán)定價(jià)計(jì)算，提高用戶體驗(yàn)。為了解決上述技術(shù)問(wèn)題，本發(fā)明提供了一種基于倒向隨機(jī)微分方程的期權(quán)定價(jià)方法，包括在時(shí)間層上對(duì)倒向隨機(jī)微分方程進(jìn)行離散，構(gòu)建時(shí)空離散網(wǎng)格，根據(jù)時(shí)空離散網(wǎng)格計(jì)算實(shí)現(xiàn)期權(quán)定價(jià)的終端條件；根據(jù)終端條件，在相鄰的時(shí)間層之間對(duì)每一時(shí)間層的每個(gè)空間點(diǎn)進(jìn)行蒙特卡洛模擬，并采用等腰三角形模型對(duì)每一時(shí)間層逐層倒推計(jì)算，求解出最終的期權(quán)定價(jià)數(shù)學(xué)期望值。進(jìn)一步地，在時(shí)間層上對(duì)倒向隨機(jī)微分方程進(jìn)行離散，構(gòu)建時(shí)空離散網(wǎng)格，根據(jù)所述時(shí)空離散網(wǎng)格計(jì)算實(shí)現(xiàn)期權(quán)定價(jià)的終端條件，具體通過(guò)CPU執(zhí)行以下步驟實(shí)現(xiàn)在時(shí)間層上對(duì)隨機(jī)微分方程用theta-格式進(jìn)行離散；將時(shí)間段
劃分為N個(gè)時(shí)間步長(zhǎng)，N為正整數(shù)；設(shè)每個(gè)時(shí)間步長(zhǎng)為dt = T/N， 以此劃分成N+1個(gè)時(shí)間層；將空間步長(zhǎng)dh設(shè)定等于dt大小，同時(shí)，設(shè)置存放各空間網(wǎng)格點(diǎn)敲定價(jià)格對(duì)應(yīng)值的數(shù)組變量X，以及對(duì)每個(gè)空間點(diǎn)進(jìn)行蒙特卡洛模擬的次數(shù)Ne，以此構(gòu)建時(shí)空離散網(wǎng)格；根據(jù)時(shí)間層的第N層上的資產(chǎn)價(jià)格St和敲定價(jià)格X獲取在時(shí)間T到達(dá)時(shí)可能的期權(quán)價(jià)格Yt，為在時(shí)間T的幫助風(fēng)險(xiǎn)度量Zt設(shè)置初始值；期權(quán)價(jià)格Yt和幫助風(fēng)險(xiǎn)度量Zt便作為終端條件。進(jìn)一步地，根據(jù)時(shí)間層的第N層上的資產(chǎn)價(jià)格St和敲定價(jià)格X獲取在時(shí)間T到達(dá)時(shí)可能的期權(quán)價(jià)格Yt，具體包括通過(guò)下列公式獲得第N層上的資產(chǎn)價(jià)格St St =起始價(jià)格*exp(波動(dòng)率*X[i] +(期望收益率-0. 5*波動(dòng)率的平方)*最大時(shí)刻)；對(duì)應(yīng)于看漲期權(quán)，將資產(chǎn)價(jià)格St和敲定價(jià)格X之差與0比較的最大值賦值給期權(quán)價(jià)格Yt ;對(duì)于看落期權(quán)，將敲定價(jià)格X和資產(chǎn)價(jià)格St之差與0比較的最大值賦值給期權(quán)價(jià)格Yt。進(jìn)一步地，根據(jù)終端條件，在相鄰的時(shí)間層之間對(duì)每一時(shí)間層的每個(gè)空間點(diǎn)進(jìn)行蒙特卡洛模擬，并基于等腰三角形模型對(duì)每一時(shí)間層逐層倒推計(jì)算，求解出最終的期權(quán)定價(jià)數(shù)學(xué)期望值，具體通過(guò)圖形處理單元執(zhí)行如下步驟實(shí)現(xiàn)將期權(quán)定價(jià)模型優(yōu)化為一個(gè)等腰三角形模型，通過(guò)求解該等腰三角形的底邊獲取空間剖分?jǐn)?shù)M= 2*ps*N;其中，ps = c/dh+1,為每個(gè)時(shí)間步上布朗運(yùn)動(dòng)向上或向下的最大空間網(wǎng)格數(shù)，c = 5. 0*sqrtf (dt)，為每個(gè)時(shí)間步上布朗運(yùn)動(dòng)的上下界；根據(jù)終端條件在相鄰層之間，對(duì)每一時(shí)間層的每個(gè)空間點(diǎn)進(jìn)行蒙特卡洛模擬，基于等腰三角模型從第N-I層開(kāi)始，在每次循環(huán)中根據(jù)如下公式進(jìn)行逐層倒推計(jì)算少:=五巧++根據(jù)如下公式計(jì)算出在時(shí)間層第0層時(shí)間上的期權(quán)數(shù)學(xué)期望值
權(quán)利要求
1.一種基于倒向隨機(jī)微分方程的期權(quán)定價(jià)方法，其特征在于，包括在時(shí)間層上對(duì)倒向隨機(jī)微分方程進(jìn)行離散，構(gòu)建時(shí)空離散網(wǎng)格，根據(jù)所述時(shí)空離散網(wǎng)格計(jì)算實(shí)現(xiàn)期權(quán)定價(jià)的終端條件；根據(jù)所述終端條件，在相鄰的時(shí)間層之間對(duì)每一時(shí)間層的每個(gè)空間點(diǎn)進(jìn)行蒙特卡洛模擬，并采用等腰三角形模型對(duì)每一時(shí)間層逐層倒推計(jì)算，求解出最終的期權(quán)定價(jià)數(shù)學(xué)期望值。
2.按照權(quán)利要求I所述的方法，其特征在于，所述在時(shí)間層上對(duì)倒向隨機(jī)微分方程進(jìn)行離散，構(gòu)建時(shí)空離散網(wǎng)格，根據(jù)所述時(shí)空離散網(wǎng)格計(jì)算實(shí)現(xiàn)期權(quán)定價(jià)的終端條件，具體通過(guò)CPU執(zhí)行以下步驟實(shí)現(xiàn)在所述時(shí)間層上對(duì)所述隨機(jī)微分方程用theta-格式進(jìn)行所述離散；將時(shí)間段
劃分為N個(gè)時(shí)間步長(zhǎng)，所述N為正整數(shù)；設(shè)每個(gè)時(shí)間步長(zhǎng)為dt = T/N, 以此劃分成N+1個(gè)時(shí)間層；將空間步長(zhǎng)dh設(shè)定等于所述dt大小，同時(shí)，設(shè)置存放各空間網(wǎng)格點(diǎn)敲定價(jià)格對(duì)應(yīng)值的數(shù)組變量X，以及對(duì)所述每個(gè)空間點(diǎn)進(jìn)行蒙特卡洛模擬的次數(shù)Ne，以此構(gòu)建所述時(shí)空離散網(wǎng)格；根據(jù)所述時(shí)間層的第N層上的資產(chǎn)價(jià)格St和敲定價(jià)格X獲取在所述時(shí)間T到達(dá)時(shí)可能的期權(quán)價(jià)格Yt，為在所述時(shí)間T的幫助風(fēng)險(xiǎn)度量Zt設(shè)置初始值；所述期權(quán)價(jià)格Yt和所述幫助風(fēng)險(xiǎn)度量Zt便作為所述終端條件。
3.按照權(quán)利要求2所述的方法，其特征在于，所述根據(jù)所述時(shí)間層的第N層上的資產(chǎn)價(jià)格St和敲定價(jià)格X獲取在所述時(shí)間T到達(dá)時(shí)可能的期權(quán)價(jià)格Yt，具體包括通過(guò)下列公式獲得所述第N層上的資產(chǎn)價(jià)格St St =起始價(jià)格*exp(波動(dòng)率*X[i] +(期望收益率-0. 5*波動(dòng)率的平方)*最大時(shí)刻);對(duì)應(yīng)于看漲期權(quán)，將資產(chǎn)價(jià)格St和敲定價(jià)格X之差與0比較的最大值賦值給所述期權(quán)價(jià)格Yt ;對(duì)于看落期權(quán)，將敲定價(jià)格X和資產(chǎn)價(jià)格St之差與0比較的最大值賦值給所述期權(quán)價(jià)格Yt。
4.按照權(quán)利要求2所述的方法，其特征在于，根據(jù)所述終端條件，在相鄰的時(shí)間層之間對(duì)每一時(shí)間層的每個(gè)空間點(diǎn)進(jìn)行蒙特卡洛模擬，并基于等腰三角形模型對(duì)每一時(shí)間層逐層倒推計(jì)算，求解出最終的期權(quán)定價(jià)數(shù)學(xué)期望值，具體通過(guò)圖形處理單元執(zhí)行如下步驟實(shí)現(xiàn)將期權(quán)定價(jià)模型優(yōu)化為一個(gè)等腰三角形模型，通過(guò)求解該等腰三角形的底邊獲取空間剖分?jǐn)?shù)M= 2*ps*N ;其中，所述ps = c/dh+1,為每個(gè)時(shí)間步上布朗運(yùn)動(dòng)向上或向下的最大空間網(wǎng)格數(shù)，所述c = 5. 0*sqrtf(dt)，為每個(gè)時(shí)間步上布朗運(yùn)動(dòng)的上下界；根據(jù)所述終端條件在相鄰層之間，對(duì)每一時(shí)間層的每個(gè)空間點(diǎn)進(jìn)行蒙特卡洛模擬，基于所述等腰三角模型從第N-I層開(kāi)始，在每次循環(huán)中根據(jù)如下公式進(jìn)行逐層倒推計(jì)算根據(jù)如下公式計(jì)算出在所述時(shí)間層第0層時(shí)間上的所述期權(quán)數(shù)學(xué)期望值:式中，所述Ih通過(guò)使用空間插值計(jì)算出。
5.按照權(quán)利要求4所述的方法，其特征在于，所述圖形處理單元通過(guò)并行方式對(duì)每個(gè)時(shí)間層進(jìn)行所述逐層倒推計(jì)算。
6.一種基于倒向隨機(jī)微分方程的期權(quán)定價(jià)裝置，其特征在于，包括主計(jì)算模塊和協(xié)處理計(jì)算模塊，其中主計(jì)算模塊，用于在時(shí)間層上對(duì)所述倒向隨機(jī)微分方程進(jìn)行離散，構(gòu)建時(shí)空離散網(wǎng)格， 根據(jù)所述時(shí)空離散網(wǎng)格計(jì)算實(shí)現(xiàn)期權(quán)定價(jià)的終端條件；協(xié)處理計(jì)算模塊，用于根據(jù)所述終端條件在相鄰的時(shí)間層之間對(duì)每一時(shí)間層的每個(gè)空間點(diǎn)進(jìn)行蒙特卡洛模擬，并采用等腰三角形模型對(duì)每個(gè)時(shí)間層倒推計(jì)算，求解出最終的期權(quán)定價(jià)數(shù)學(xué)期望。
7.按照權(quán)利要求6所述的裝置，其特征在于，所述主計(jì)算模塊通過(guò)CPU實(shí)現(xiàn)，所述協(xié)處理計(jì)算模塊通過(guò)圖形處理單元實(shí)現(xiàn)。
8.按照權(quán)利要求7所述的裝置，其特征在于，所述主計(jì)算模塊在時(shí)間層上對(duì)所述隨機(jī)微分方程進(jìn)行theta-格式的離散，將時(shí)間段 [O，T]劃分為N個(gè)時(shí)間步長(zhǎng)，所述N為正整數(shù)；設(shè)每個(gè)時(shí)間步長(zhǎng)為dt = T/N,以此劃分成N+1 個(gè)時(shí)間層；將空間步長(zhǎng)dh設(shè)定等于所述dt大小，同時(shí)，設(shè)置存放各空間網(wǎng)格點(diǎn)敲定價(jià)格對(duì)應(yīng)值的數(shù)組變量X，以及對(duì)所述每個(gè)空間點(diǎn)進(jìn)行蒙特卡洛模擬的次數(shù)Ne ;根據(jù)在所述時(shí)間層第N層上的敲定價(jià)格X和資產(chǎn)價(jià)格St獲取在時(shí)間T可能的期權(quán)價(jià)格Υτ，將所述Yt和所述Zt 作為終端條件輸出給所述協(xié)處理計(jì)算模塊；所述協(xié)處理計(jì)算模塊計(jì)算該等腰三角形的底邊求得空間剖分?jǐn)?shù)Μ，根據(jù)所述終端條件在相鄰層之間對(duì)每一時(shí)間層的每個(gè)空間點(diǎn)進(jìn)行蒙特卡洛模擬，并采用所述等腰三角形模型從第N-I層開(kāi)始，在每次循環(huán)中根據(jù)如下公式進(jìn)行逐層倒推計(jì)算
9.按照權(quán)利要求8所述的裝置，其特征在于，所述主計(jì)算模塊對(duì)應(yīng)于看漲期權(quán)，將資產(chǎn)價(jià)格X和敲定價(jià)格St之差與O比較的最大值賦值給期權(quán)價(jià)格Yt ;對(duì)于看落期權(quán)，將敲定價(jià)格St和資產(chǎn)價(jià)格X之差與O比較的最大值賦值給期權(quán)價(jià)格Yt。
10.按照權(quán)利要求7所述的裝置，其特征在于，所述圖形處理單元通過(guò)并行方式對(duì)每個(gè)時(shí)間層進(jìn)行所述逐層倒推計(jì)算。
全文摘要
本發(fā)明披露了基于倒向隨機(jī)微分方程的期權(quán)定價(jià)方法及裝置，其中方法包括在時(shí)間層上對(duì)BSDE進(jìn)行離散，構(gòu)建時(shí)空離散網(wǎng)格，根據(jù)時(shí)空離散網(wǎng)格計(jì)算實(shí)現(xiàn)期權(quán)定價(jià)的終端條件；根據(jù)終端條件，在相鄰的時(shí)間層之間對(duì)每一時(shí)間層的每個(gè)空間點(diǎn)進(jìn)行蒙特卡洛模擬，并采用等腰三角形模型對(duì)每一時(shí)間層逐層倒推計(jì)算，求解出最終的期權(quán)定價(jià)數(shù)學(xué)期望值。本發(fā)明利用BSDE方式，并基于等腰三角形模型和GPU強(qiáng)大的并行計(jì)算能力，可以數(shù)百倍地加速期權(quán)定價(jià)的運(yùn)算，同時(shí)，由于GPU的成本比較低，故本發(fā)明具有低成本、高并行度以及高速的運(yùn)算性能。
文檔編號(hào)G06F17/13GK102609879SQ201210031568
公開(kāi)日2012年7月25日 申請(qǐng)日期2012年2月13日 優(yōu)先權(quán)日2012年2月13日
發(fā)明者盧曉偉, 張清 申請(qǐng)人:浪潮(北京)電子信息產(chǎn)業(yè)有限公司