WIKI资讯
WIKI资讯
在演算法交易领域的最新进展是导入一些更低延迟的解决方案，其中最佳的方式是使用FPGA搭建的客制硬体。这些FPGA硬体可说是硬编码ASIC的极致性能和CPU的灵活度之间的桥梁，提供大量的资源且可加以配置，使其得以较软体解决方案更大幅缩短往返交易延迟。 高性能运算对于许多应用至关重要。在其中一些最竞争的应用领域，开发人员经常能为其嵌入式系统问题找到解决方案。例如，高频交易（HFT）是一种演算交易的形式，其交易量占美国证券交易量的绝大部份。高频交易使用机器学习演算法处理市场资料、拟定策略，以及在几微秒的时间内执行订单。 为了获得每次交易中哪怕只有几分之一美分的利润，高频交易员以很高的交易量短期进出交易所。使用HFT演算法的系统持续监测价格波动情况，以利于调整短线交易策略。由于这是非常短期的交易策略，HFT企业无需耗费大量资本、累积头寸或隔夜持有其投资组合。目前，高频交易量占美国证券交易量的75%。 在21世纪初，HF......阅读全文
另一个资料集－订单簿－是所有订单的资料库，包含交易系统需要维护的符号和价格。这个资料库通常根据交易客户感兴趣的证券而包含所有金融工具的一部份。订单簿必须根据从客户而来的资讯同步进行更新与存取。订单簿中的相关资料与从交易所收到的资料进行比较，然后再根据交易演算法做出买、卖或保留金融工具的决策。
相比GPU和GPP，FPGA在满足深度学习的硬件需求上提供了具有吸引力的替代方案。凭借流水线并行计算的能力和高效的能耗，FPGA将在一般的深度学习应用中展现GPU和GPP所没有的独特优势。同时，算法设计工具日渐成熟，如今将FPGA集成到常用的深度学习框架已成为可能。未来，FPGA将有效地