Algoritmikus kereskedés különböző hardver platformokon

Pénzügyi informatika fejlődés egyik legfontosabb területe az algoritmikus kereskedés. Ez nem csak idősorok analízisére és előrejelzésére, illetve portfólió optimalizálásra szolgáló algoritmikus kihívásokat tartalmaz, hanem az úgynevezett nagyfrekvenciás kereskedés miatt a számítási architektúra és platform is főszerepet játszik.

Jelen dolgozat egyrészt az idősorok előrejelzésén alapuló neurális algoritmusokkal foglalkozik, valamint ezen kereskedési algoritmus család optimális implementációjával klaszter alapú számítógépeken, illetve GPGPU-n.

A paraméter-optimalizálás egy nagy dimenziós térben történik, majd ezek után az optimális algoritmust FOREX és S&P 500-as adatokon való kereskedésre használjuk. A kereskedés teljesítőképessége a klasszikus PC alapú-, klaszter alapú-, illetve GPGPU alapú implementációk vannak összehasonlítva. Az extenzív szimulációk bizonyítják a párhuzamos megvalósítások előnyét.

szerző

• 
  Ceffer Attila
  mérnökinformatikus
  nappali

konzulens

• 
  Dr. Levendovszky János
  egytemi tanár, Híradástechnikai Tanszék

helyezés