Como as placas de vídeo e o deep learning alimentam o setor financeiro

Milissegundos são importantes no setor financeiro

Percepções-relâmpago, executadas instantaneamente, geram lucros. A chave é tomar decisões inteligentes mais rápido do que a concorrência.  E tudo se resume à utilização de big data.

A lógica analítica mais rápida oferece uma grande vantagem. Com a computação convencional pressionada até o limite, o setor financeiro se move em direção às placas de vídeo.

Os bancos e as empresas de investimento estão se voltando para as placas de vídeo NVIDIA e o NVIDIA DGX-1, o primeiro sistema desenvolvido especialmente para deep learning e lógica analítica acelerada de AI, além do banco de dados distribuído, integrado à memória e acelerado por placas de vídeo, da Kinetica, para demandas de lógica analítica que realmente precisam ser feitas em tempo real, incluindo análise de fraudes, gerenciamento de riscos e negociação algorítmica.

Gerenciamento interativo de riscos da carteira

Para os operadores financeiros e gestores de carteiras, o que importa é calcular os riscos da carteira. Há cinco anos, um operador precisava extrair dados e transferi-los para sistemas especializados a fim de realizar análises avançadas e modelagem. Os cálculos de risco que precisavam de muita matemática geralmente eram efetuados em lote durante a noite, o que dificultava reagir às mudanças do mercado em tempo real.

Com os avanços em placas de vídeo e deep learning, agora é possível realizar exploração de dados, desenvolvimento/classificação de modelos e consumo de modelos em uma única plataforma de computação de alta potência com as placas de vídeo Kinetica e NVIDIA.

Os clientes podem realizar consultas complexas sob demanda sem a necessidade de mover dados entre sistemas. Os analistas quantitativos conseguem executar cargas de trabalho de ciência de dados sofisticados no mesmo banco de dados que armazena todas as informações necessárias para orientar as decisões de negociação. Isso resolve o desafio da movimentação de dados e possibilita usar uma arquitetura mais simples para cargas de trabalho de AI.

Com os recursos de função definida pelo usuário acelerados pelas placas de vídeo Kinetica, os clientes podem implementar um modelo de estruturas de deep learning, como TensorFlow, Tocha, Caffe ou Spark ML usando uma chamada à API simples. Isso permite que os analistas quantitativos e outros analistas aproveitem o desempenho e os benefícios de paralelização da placa de vídeo sem precisar aprender novas linguagens de programação.

Execução das operações

A execução das operações envolve descobrir como obter o melhor preço para um valor mobiliário quando você tem um certificado de ordem limitada. Se o futuro estiver algumas centenas de milissegundos à frente ou há apenas um minuto, à medida que negocia quantidades cada vez maiores de um determinado valor mobiliário, o investidor quer saber se está obtendo o melhor preço agora em relação ao futuro próximo.

Com o backup de seus dados quantitativos em um ambiente de deep learning, você pode começar a entender aonde vão as milhões de operações realizadas com esse valor mobiliário. Você treinou com uma quantidade enorme de dados e pode, então, fazer inferências com esses dados em tempo real para ver se deve negociar agora, em algumas centenas de milissegundos, em um segundo ou em um minuto. Esse tipo de inteligência realmente aumenta muito o potencial de negociação algorítmica.

Combinando várias fontes de dados

Uma ciência emergente no deep learning é a combinação de várias fontes de dados diferentes. Adquirimos dados de mercado há muito tempo, para que o investidor possa fazer operações de negociação técnica, além de ver o que seus valores mobiliários estão fazendo. No entanto, se quiser ultrapassar a concorrência, é necessário ver quais são os outros elementos de dados que ele pode integrar aos que já têm.

Essa é uma questão de deep learning e de lógica analítica complexa. Não é possível apenas avaliar um conjunto de dados e transformá-lo em uma previsão do futuro. É preciso descobrir como combinar seus dados tradicionais de valores mobiliários com os dados de redes sociais, dados da Web e outros feeds de dados proprietários, bem como descobrir como os eventos desconhecidos, tais como o Brexit, vão afetar suas ações. Então todos esses elementos são combinados em um modelo de deep learning.

Unindo as placas de vídeo e o DGX-1 à Kinetica

Usando o poder das placas de vídeo NVIDIA em uma plataforma dimensionável, empresas como a Kinetica podem permitir que as pessoas envolvidas no setor financeiro realizem uma análise quantitativa e espacial em milissegundos, bem como agregação sob demanda, curtose do desvio padrão e outras análises complexas em tempo real. Com a convergência de inteligência artificial (AI) e business intelligence (BI) em uma única plataforma, é muito mais fácil para os analistas quantitativos realizarem cálculos distribuídos.

Se os dados estiverem e forem transferidos do local, você precisa de uma solução robusta no local, e é aí que entra o DGX-1. Esse sistema especificamente desenvolvido tem oito aceleradores de placas de vídeo Tesla, tecnologia de interconexão NVLink para a comunicação entre placas de vídeo e um conjunto de software completo.

Para quem está entrando agora no mundo da AI, do deep learning e da lógica analítica acelerada, a Kinetica e a NVIDIA fornecem uma solução completa para começar rapidamente. Juntas, elas oferecem um desempenho incomparável, escalabilidade previsível em vários nós de alta densidade e integração perfeita com os conectores padrão do setor para fontes de dados e aplicativos.

As funções definidas pelo usuário da Kinetica fornecem ainda as primeiras cargas de trabalho convergentes de AI e BI aceleradas por placas de vídeo NVIDIA, o que é especialmente vantajoso para o setor financeiro.

Para saber mais sobre como a computação de AI está mudando o setor financeiro e outros setores, junte-se a nós na GPU Technology Conference, de 8 a 11 de maio, no Vale do Silício.