27、Maxeler数据流在计算金融中的应用

Maxeler数据流在计算金融中的应用

1. 引言

计算机技术已成为金融行业几乎所有领域的重要驱动力。硬件和软件技术、数值方法、金融模型和算法的进步，使计算机成为所有金融机构的关键技术。高性能计算系统用于对金融产品进行定价、计算风险，或通过遵循复杂的预编程交易策略自动执行电子交易。通常，可用的计算能力决定了实际可解决的问题类型，能够解决更复杂的问题或比其他机构更快地获得结果，直接转化为竞争优势。

传统计算机架构，如移动设备、桌面计算机和高性能计算机（HPC）系统，通常遵循通用处理的基本概念。这些处理器通过执行一系列指令来进行计算，这些指令可以执行算术、控制或IO操作。这种执行模型非常灵活，但本质上是顺序的。多年来，处理器性能的提升主要通过提高时钟频率，以及扩展基本处理器架构以处理控制分歧、主内存访问惩罚等问题，并恢复低级二进制指令的并行性。然而，随着CMOS技术缩放带来的时钟频率提升的结束，如今只能通过利用并行性来获得额外的性能。多线程实现和单指令多数据（SIMD）扩展就是两个例子，但单个核心（或线程）仍然依赖于基本的顺序计算原则。此外，遗留应用程序需要重新编写、分析和优化，以达到令人满意的性能水平。对于许多当前和未来的HPC应用程序来说，简单地扩展现有处理器技术来计算越来越大的问题已不再实际。即使可以通过使用大量机器来满足性能要求，成本、面积和功率要求也可能超过实际限制。

这些限制导致了对专用计算的兴趣增加，即将算法或其部分针对定制架构，从而提高性能和功率效率。专用架构可以根据应用程序的独特要求进行定制，与通用架构相比，具有更高的性能、更低的功耗、更小的面积和更低的经济成本。如今，许多处理器都添加了专用单元来执行特定的常用任务，但这些专用单元仅适用于有限的一组常见功能，并且在处