Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Speeding Up Value at Risk Calculations Using Accelerators
KTH, Skolan för informations- och kommunikationsteknik (ICT).
2014 (Engelska)Självständigt arbete på avancerad nivå (masterexamen), 20 poäng / 30 hpStudentuppsats (Examensarbete)
Abstract [en]

Calculating Value at Risk (VaR) can be a time consuming task. Therefore it is of interest to find a way to parallelize this calculation to increase performance. Based on a system built in Java, which hardware is best suited for these calculations?

This thesis aims to find which kind of processing unit that gives optimal performance when calculating scenario based VaR. First the differences of the CPU, GPU and coprocessor is examined in a theoretical study. Then multiple versions of a parallel VaR algorithm are implemented for a CPU, a GPU and a coprocessor trying to make use of the findings from the theoretical study.

The performance and ease of programming for each version is evaluated and analyzed. By running performance tests it is found that the CPU was the winner when coming to performance while running the chosen VaR algorithm and problem sizes.

Abstract [sv]

Att beräkna Value at Risk (VaR) kan vara tidskrävande. Därför är det instressant att finna möjligheter att parallelisera och snabba upp dessa beräkningar för att förbättra prestandan. Men vilken hårdvara är bäst lämpad för dessa beräkningar?

Detta arbete syftar till att för ett system skrivet i Java hitta vilken typ av beräkningsenhet som ger optimal prestanda vid scenariobaserade VaR beräkningar. Först gjordes en teoretisk undersökning av CPUn, GPUn och en coprocessor. Flera versioner av en parallel VaR algoritm implementeras för en CPU, GPU och en coprocessor där resultaten från undersökningen utnyttjas.

Prestandan samt enkelheten att programmera varje version utvärderas och analyseras. De utförda prestanda testerna visar att vinnaren vad gäller prestanda är CPUn för den valda VaR algoritmen och de testade problemstorlekarna.

Ort, förlag, år, upplaga, sidor
2014. , s. 90
Serie
TRITA-ICT-EX ; 2014:154
Nationell ämneskategori
Data- och informationsvetenskap
Identifikatorer
URN: urn:nbn:se:kth:diva-177384OAI: oai:DiVA.org:kth-177384DiVA, id: diva2:872595
Examinatorer
Tillgänglig från: 2015-11-19 Skapad: 2015-11-19 Senast uppdaterad: 2018-01-10Bibliografiskt granskad

Open Access i DiVA

fulltext(3385 kB)104 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 3385 kBChecksumma SHA-512
c56f1bda8468622656369f40739966e5c57b44fb0bd13d97f7d26fb3fd7bbd740a1001e50061e62b8430b0df3e7ebedff8c388384e2e0606ad0d7525c9cfb3a3
Typ fulltextMimetyp application/pdf

Av organisationen
Skolan för informations- och kommunikationsteknik (ICT)
Data- och informationsvetenskap

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 104 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 225 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf