1. 首页
  2. 阿里云解决方案

阿里云金融量化科学计算使用场景解决方案

金融量化科学计算依赖NumPy、pandas等库来处理数据,金融量化数据在大规模计算上可能遇到性能瓶颈,bidianbao.com分享如何基于PAI-DSW和Mars进行大规模科学计算的加速:

阿里云金融量化科学计算解决方案

金融量化科学计算大量依赖Numpy、pandas等库来处理数据,金融量化业务具有数据计算量大、性能要求高及开发资源不集中等特点,选择阿里云金融量化科学计算解决方案具有以下优势:

  • 敏捷开发:Mars本身和NumPy和pandas API兼容,用户只需要很小的改动可使用
  • 性能加速:Mars单机可以相比NumPy、pandas提升4倍左右性能,还可以利用分布式和GPU硬件的方式来进一步加速
  • 操作便捷:PAI-DSW交互式建模和Mars深度集成,用户在PAI-DSW中可以直接使用Mars
阿里云金融量化科学计算解决方案
阿里云金融量化科学计算解决方案

如上图阿里云量化策略研究平台解决方案,随着时间推移科创板、沪伦通,个股期权和金融衍生品等业务越来越丰富,管理规格和客户增加。此方案能够解决:

  • 环境管理困难:本地化自建策略研发平台容易导致环境不一致
  • 资源分配复杂:任务资源分配不均导致资源抢占
  • 策略回测麻烦:策略回测模块复杂,工程量大

方案优势

  • 计算环境容器化:通过镜像保持环境一致,开发训练无障碍
  • 计算资源弹性化:资源随任务配置随时拓展,无需担心资源抢占
  • 离线任务工程化:离线任务可回溯,无需担心模型不可复现

上述方案相关云产品:机器学习PAI对象存储OSS大数据计算MaxCompute等。

【阿里云优惠】 https://t.aliyun.com/U/bLynLC 新老用户同享99元1年起,4核16G10M带宽26元/月,多配置报价单

原创文章,如若转载,请注明出处:https://www.bidianbao.com/1001.html