Welcome to the webpage of Nvidia-NTHU Joint Lab on Computational Finance (Nvidia-NTHU 計算金融聯合實驗室).
Contact us via chhan@mx.nthu.edu.tw
Click here to enter its English version.
本實驗室初期專注於在連續時間的金融財務模型下,利用 GPU 平行運算來解決金融計算中的問題及其相關應用。研究中的金融計算問題包括(1)數值偏微分方程解 (2)快速傅立葉轉換,以及(3)蒙地卡羅模擬法。
這三種常見的金融計算方法都各自有不同程度可平行化的優勢,我們團隊目前的研究顯示了相當正面的成果。此外我們也同步使用 Matlab 的 Parallel Computing Toolbox
) 與 CUDA C 語言進行程式撰寫的工作。簡介 Matlab GPU 加速金融運算 (Introduction to Matlab GPU Acceleration
for Computational Finance)的講義可
於此下載
或點選 軟體開發(Software Development).
近期開發機器學習(machine learning)在投資方面的應用,使用的技術包括類神經網路(neural network)、支援向量學習機(support vector machine)等。參閱 機器學習在演算法交易中的應用-技術分析,
應用哼唱選歌技術於股價型態搜尋,
以及 歷史不斷重演─型態學.
此外與 Trading Valley 技術合作開發機器人理財 (Robo Advisory) 項目
大眾專屬的理財顧問-機器人理專.
以及關注金融科技 fin tech 的發展。
應用方面目前包括:
- Topic 1: Volatility Estimation by Fourier Transform Method
波動率資訊內涵分析,由傅立葉轉換法所估計出的瞬時波動率,相較歷史波動率是一領先指標。
Reference: C.H. Han. Instantaneous Volatility Estimation by Fourier Transform Methods. Handbook of Financial Econometrics and Statistics (C.F. Lee eds.), Springer-Verlag, New York. 2015.
a. Volatility-based algorithmic trading strategies for high frequency data.
發展在高頻資料下以波動率為基礎的演算法交易策略,初期以台灣指數期貨為標的資產,實施回溯測試。
範例 1:交易(每秒)台指期的一個回測結果。
範例 2:交易(每15秒, 期間 1/1/2010 ~ 8/6/2013)台指期的一個回測結果。
b. Risk Management for VaR/CVaR estimation with empirical backtest.
發展風險管理中(條件)風險值的估計以及實證回溯研究。在針對台指、S&P 500指數、以及一些匯率的日資料之下,相較於傳統估計VaR的方法,如 historical simulation, RiskMetrics, GARCH(1,1),我們運用的隨機波動模型,可提高回測的顯著性。
範例 1:99% 信心水準下 S&P 500 指數的風險值(Value at Risk - VaR)與條件風險值(CVaR)
範例 2:99% 信心水準下日幣兌美元匯率的風險值(Value at Risk - VaR)與條件風險值(CVaR)
Reference: C.H. Han, W.H. Liu, and T.Y. Chen. VaR/CVaR Estimation under Stochastic Volatility Models. International Journal of Theoretical & Applied Finance. Volume 17, Issue 02, March 2014.
- Topic 2: Model Calibration to Implied Volatility Surface
a. GPU-based Monte Carlo calibration.
結合變異縮減法(variance reduction method)與 GPU 運算,雙管齊下用以減低標準誤差,目前實驗結果顯示高達百倍的加速成果,對隱含波動曲面的配適有很好的效果,凸顯出 GPU 運算的獨特性。目前持續研究多時間尺度與混合型的隨機波動率模型。
範例:多尺度隨機波動模型對 S&P 500 index (SPX) option 隱含波動曲面(implied volatility surface)的模型校準(model calibration)
b. GPU-based FFT calibration. 研究進行中。
- Topic 3: Rare Event Simulations
a. GPU-based importance sampling. 鎖定信用與系統性風險中高維度的聯合違約機率的估計問題,與某些現成的商業軟體程式相較,我們全新發展的演算法具有(1)高效能,(2)任意有限維度,與(3)可平行化的諸多優勢。
範例:簡單 Maltab GPU 指令就可達成的加速效果。
b. Entropy-based (a.k.a. CE) importance sampling.目前正對投資組合的違約風險與投資組合優化問題等加以推廣。
範例:Efficient frontier(效率前緣)of 100 stocks。
Reference: C.H. Han and Y.-T. Lin. Accelerated Variance Reduction Methods on GPU. Proceedings of the 20th IEEE International Conference on Parallel and Distributed Systems, 2014.
Latest News:
First brown bag presentation and the seminar of Dr. Simon See (NVIDIA Chief Solution Architect. Director for Solution Architect). Dec. 7, 2012. NTHU, Taiwan.
held at QF, NTHU.
Second brown bag presentation. Time: 12 noon- 2 PM, Feb. 7, 2013. Place: Room 644, Delta BLD, NTHU, Taiwan.