高性能金融计算论坛：新时代下AI与超算的碰撞结合

　　近年来，随着全球经济的不断变化，给金融市场带来了巨大波动。为了实现稳定发展，金融行业将发展重点放在了先进IT技术方面，通过其来分析数据并辅助决策，而其背后提供支撑的高性能计算则成为了金融行业的重要支柱。

　　为了探讨HPC在金融领域的最新发展和应用，于2023年CCF全国高性能计算学术年会上举办的高性能金融计算论坛，邀请来自金融领域、高校和科技公司的专家，共同探讨高性能计算在金融领域的应用和未来发展趋势。

　　高性能金融计算论坛提供了一个交流平台，促进不同领域的专家进行深入的讨论和合作，以解决金融行业中的各种挑战。

　　论坛主持人，中国科学院计算机网络信息中心客座研究员王子田表示：金融是使用高性能计算最为广泛，也是最为深入的领域之一。无论是在银行、基金、券商、保险还是监管等领域，都拥有数据量大、计算量大等特征，因此金融领域与高性能计算的结合非常深入。

　　金融数据与传统文本数据不同，其信息含量更高，业务属性更多，如何能够对其进行高效的归纳分析成为此次探讨的重点。同时，金融也成为了高性能计算技术以及算法应用模式发挥和创造价值最好的一个领域。

　　“最近两三年，并行科技的很多客户与合作伙伴开始用AI和大模型来解决金融领域的一些计算相关问题。超算在金融领域有着非常广阔的前景，也将推动该领域的不断前行。”北京并行科技股份有限公司，行业事业部的总经理吕昇亮在致辞中表示。

　　金融市场的波动性和复杂性使得预测市场走势和交易行为变得异常困难。然而，借助于高性能计算的强大计算能力和复杂算法，可以更准确地模拟金融市场，并预测未来价格和交易行为，为投资者提供更可靠的依据。

　　天津财经大学张书华教授发表了关于双Heston模型下回望期权定价模型及其深度学习方法的主题演讲，重点介绍了浮动执行价格回望期权的定价模型，并探讨了该模型结构下的深度学习方法。

　　双Heston模型的动态方程包括两个随机微分方程，分别描述资产价格和波动率的相互关系。通过对这些方程的求解，可以得到资产价格和波动率的概率分布，进而计算期权的价格和风险指标。

　　双Heston模型适用于期权定价和风险管理等领域具有广泛的应用。它能更好地描述市场的波动特征，以及期权价格随时间和波动率的变化情况。这使得双Heston模型成为金融衍生产品定价和风险管理的重要工具之一。

　　中国农业银行总行，科技与产品管理局处长蒙永明发表主题为：金融大数据高性能计算技术与实践的演讲。探讨了大型商业银行在应用大数据推进数字化转型过程中的技术演进趋势，对PB级的数据在存储、加工、整合、分析等方面的采用的技术体系，重点分享大型商业银行在数据存储、整合、分析、计算等方面的应用实例及取得的应用效果。

　　他表示，银行是最有利于数字化和用数字进行业务领域的行业，在信息化和数据化方面，银行一直走在前列。银行的特点是属于数据密集型，需要非常庞大的计算量，因此同样与高性能计算有着密切的联系。

　　当前，银行对很多应用场景都做了细分，以新能源领域企业信贷为例，银行希望看到的不再是一张简单的表格，而是基于多维度构建起来的模型。这个模型可能会有超过300个维度，包括贷款人的资产状况、企业在该地区的能力表现、互联网市值是多少等等，基于这些维度构建起统一风险多维度报表。其精准度更高，更容易被监管。

　　也正是因为银行业务所面临的海量数据挑战，仅凭人力很难进行运维管理，所以未来开发、运维和运营都需要通过AI来解决，银行在这方面已经开始了积极探索。

　　随着网络金融的快速发展，金融欺诈问题也日益严重。为了应对这一挑战，金融机构需要采取一系列措施来确保交易的安全性和客户的利益。其中，人工智能(AI)辅助的网络金融反欺诈技术成为了当前最具应用潜力和效果的解决方案之一。

　　传统的反欺诈方法主要依靠规则引擎和静态模型，这些方法往往只能检测到已知的欺诈模式，而对于新型的欺诈手段则显得力不从心。而AI辅助的网络金融反欺诈技术通过机器学习和数据分析，可以实时监测并学习用户的交易模式和行为特征，从而及时识别出异常交易和潜在欺诈。

　　同济大学王成教授在论坛中重点介绍了网络金融安全行为计算，他表示：通过大模型反欺诈已经成为金融领域的发展方向之一，其正通过不断地迭代升级来完善自己，并以更高效地方式来协助金融行业构建起先进的防御机制。

　　王教授提出了以行为计算为核心的一体化安全风险防控技术架构，阐述兼顾风控性能与计算效率的行为安全认证关键技术，并与大家分享了兼顾反诈效果与隐私保护的最新技术进展。

　　太原科技大学孙超利教授发表了主题为：数据驱动的复杂大规模问题进化优化的演讲。复杂大规模优化问题广泛存在于资产配置、投资组合优化领域，往往存在决策空间和目标空间巨大，且目标函数评价昂贵的情况。针对这些复杂的大规模单目标和多目标问题，孙教授介绍了不同的数据驱动进化优化方法，并表示该类方法可充分挖掘有限数据背后可利用的信息，进而应用到借贷、投资等方面，辅助金融机构进行决策。

　　平方和投资吕杰勇总经理发表了：资产管理领域中的高性能计算主题演讲。重点介绍了私募投资与AI技术的结合，在海量数据的支持下，AI模型能够替代一部分人工，减少对理论知识的依赖，可以做出和该领域专家相近的分析，极大提升了工作效率。

　　此外，机器学习可依托于每天收盘价的数据，对用户提出的问题进行分析，然后自动生成一段可运行的模型代码，对量化投资起到了效率提升的作用。

　　高性能金融计算分论坛上，众多专家共同探讨了算法、技术和应用方面的问题，而这一切自然离不开关键信息基础设施的支持。来自中科驭数(北京)科技有限公司CTO卢文岩，在论坛上与大家共同探讨了DPU针对“超低时延”、“异构计算”和“云原生”等先进计算技术在证券基金行业的应用创新和实践。

　　中科驭数是一家国内的芯片公司，主要研发DPU芯片，目前已经广泛应用到各大金融企业。证券、期货、高频量化交易等业务对数据传输速率及延迟要求很高，传统网络无法满足需求，DPU则可以释放CPU计算资源，在更短的时间内完成数据处理任务，从而提升性能。

　　DPU具有高性能、低功耗、低延迟、高效能耗比和灵活性等优势，使其成为处理大规模数据处理和计算任务的理想选择。在人工智能、边缘计算和物联网等领域，DPU的应用前景非常广阔。

　　在高性能金融计算分论坛上，各个领域的专家对高性能计算、人工智能在金融数据分析和模型求解方面的应用进行了深入探讨。随着数据量的增长和人工智能技术的快速发展，高性能计算成为处理和分析大规模金融数据的关键工具。通过将高性能计算与人工智能技术结合起来，可以更好地挖掘金融数据中的信息和模式，提高金融机构的决策能力和竞争力。

　　高性能金融计算分论坛为金融从业者和研究者提供了一个独特的交流平台，促进了他们之间的合作与创新，为金融行业的发展带来了新机遇。