在过去20年里，股票、国债和货币等交易所交易的金融产品受益于技术创新的巨大浪潮，导致市场效率更高、交易成本更低、投资者透明度更高。然而，很大一部分资本市场被抛在后面。构成规模达500万亿美元的场外衍生品市场（OTC）的工具，如利率掉期、信用违约掉期和结构性产品，其估值缺乏与更直截了当的兄弟公司所享有的同等程度的即时清晰性。在波动性增加的时候，交易员和他们的经理需要知道市场状况对特定工具的影响，以便能够采取适当的行动。反映上一次交易结束时的状况的报告只有在平静的市场中才有价值，即便如此，能够获得快速估值和风险敏感度计算的公司在市场上也占有相当大的优势。不同于交易所交易工具，每次交易都可以观察到价值，场外衍生品的价值需要使用复杂的金融模型来计算。实现这一目标的传统方法是通过传统的蒙特卡罗方法（一种简单但计算代价昂贵的概率扫描）或有限差分分析来实现。银行每年花费数千万美元来计算其场外衍生品投资组合的价值。这些令人尴尬的并行工作负载从大型机时代就直接演变成了运行在传统的、受CPU限制的工作人员的内部集群上，为给定的一天提供了一组良好的结果。使用传统算法，实时定价和风险管理是遥不可及的。但是随着机器学习的影响扩展到生产工作负载，一个引人注目的模式正在出现在依赖传统模拟的场景和行业中。一旦计算出来，传统仿真的输出就可以用来训练DNN模型，然后通过GPU加速度的引入，可以对DNN模型进行近乎实时的评估。我们最近与Riskfuel合作，这是一家开发基于人工智能（AI）的快速衍生模型的初创公司，旨在衡量在目前普遍可用的Azure ND40rs_v2（NDv2系列）虚拟机实例上运行Riskfuel加速模型所获得的性能，该虚拟机实例由NVIDIA GPU支持，与传统的CPU驱动方法相比。Riskfuel率先使用深度神经网络来学习用于评估场外衍生品价值的复杂定价函数。我们选择的金融工具是外汇障碍期权。该试验的第一阶段包括生成大量样本，用于训练数据。在这个例子中，我们使用传统的基于CPU的工人，通过反复运行传统模型生成100000000个训练样本，输入覆盖了Riskfuel模型所近似的整个领域。传统模型生成每个估值平均需要2250毫秒（ms）。在传统模型中，估值时间取决于交易的成熟度。图1中的直方图显示了传统模型的估价时间分布： 图1：传统模型的估值时间分布。一旦Riskfuel模型得到训练，评估单个交易的速度会更快，平均值低于3毫秒，并且不再依赖于交易的成熟度：图2:Riskfuel模型显示平均值低于3毫秒的估值时间。这些结果是针对单个评估的，没有使用azurend40rs_v2虚拟机在批量推断场景中饱和时所能提供的大规模并行性。当被要求对交易组合进行估值时，就像在典型的交易账簿中发现的那样，收益更大。在我们的研究中，Riskfuel加速版外汇壁垒期权模型与Azure ND40rs U v2虚拟机的组合显示，与传统模型相比，性能提高了2千万倍以上。图3显示了运行在非加速Azure虚拟机上的传统模型与运行在Azure ND40rs_v2虚拟机上的Riskfuel模型（蓝色）的吞吐量（以每秒估值为单位）： 图3：传统模型运行与Riskfuel模型的模型比较。对于有32768笔交易的投资组合，azurend40rs_v2虚拟机上的吞吐量为每秒915000000次估值，而运行在基于CPU的VMs上的传统模型的吞吐量只有每秒32次估值。这是一个超过28000000倍的改进。这里需要指出的是，Riskfuel模型产生的加速并不会牺牲精度。除了速度极快之外，Riskfuel模型还有效地匹配了传统模型生成的结果，如图4所示： 图4:Riskfuel模型的准确性。这些结果清楚地展示了用混合方法取代传统的本地高性能计算（HPC）模拟工作负载的潜力：使用云中的传统方法作为一种方法，生成用于训练dnn的数据集，然后可以近乎实时地评估同一组功能。azurend40rs_v2虚拟机是基于NVIDIA GPU的Azure虚拟机家族的新成员。这些实例旨在满足最苛刻的GPU加速AI、机器学习、模拟和HPC工作负载的需求，而决定使用Azure ND40rs_v2虚拟机是为了充分利用它提供的大量浮点性能，以实现推理步骤的最高批处理性能，以及模型训练的最大可能吞吐量。Azure ND40rs_v2虚拟机由8个NVIDIA V100 Tensor Core GPU驱动，每个GPU内存为32gb，并具有NVLink高速互连。当这些gpu结合在一起时，它们可以提供1万亿次的FP16计算。Riskfuel的创始人兼首席执行官瑞安·弗格森（Ryan Ferguson）预测，Riskfuel加速估值模型和NVIDIA GPU驱动的虚拟机实例的结合将改变场外交易市场："当前的市场波动表明，场外衍生品需要实时估值和风险管理。夜间批量生产的时代正在结束。我们非常看重的不仅仅是azurend40rs\uv2虚拟机的火热快速推断，还有模型训练任务。在这个快速GPU实例中，我们已经将我们的训练时间从48小时减少到4小时以下！训练模型的时间缩短，再加上随需应变的可用性，最大限度地提高了我们人工智能工程团队的生产力。"加拿大丰业银行（Scotiabank）最近将Riskfuel模型应用到其领先的衍生品平台中，该平台已经在Azure GPU平台上使用了NVIDIA GPU支持的Azure虚拟机实例。加拿大丰业银行董事总经理兼XVA交易主管Karin Bergeron看到了丰业银行新平台的好处："通过迁移到云端，我们能够在某些需要额外场景分析的情况下启动额外的虚拟机。以前我们不能使用这种按需计算。显然，性能改进是非常受欢迎的。这种按需计算的访问方式有助于我的团队为客户提供更好的定价。"额外资源了解有关Azure NDv2系列虚拟机的详细信息。探索Azure HPC。了解更多有关Riskfuel解决方案的信息。