View a markdown version of this page

Exécutez une simulation Monte Carlo sur Deadline Cloud - Deadline Cloud

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Exécutez une simulation Monte Carlo sur Deadline Cloud

Le job bundle monte_carlo_simulation évalue un portefeuille de billets structurés appelables automatiquement à l'aide de la simulation de Monte Carlo avec le modèle de volatilité stochastique Heston. QuantLib Il s'agit d'un portage Deadline Cloud de l'atelier Pricing Financial Derivatives with AWS Batch.

Le bundle définit un pipeline en deux étapes :

  1. PricePositions: Une tâche par poste du portefeuille. Les tâches sont regroupées en segments qui étalonnent le modèle Heston une seule fois et évaluent toutes les positions du bloc, amortissant ainsi le coût de l'étalonnage.

  2. AggregateResults: regroupe les résultats par position dans un résumé du portefeuille.

Le bundle utilise l'extension Open Job Description TASK_CHUNKING pour l'équilibrage de charge. Le planificateur commence par répartir les positions individuelles, observe le temps qu'elles prennent, puis augmente automatiquement la taille du segment en fonction d'un temps d'exécution cible. Les positions rapides sont regroupées en gros morceaux ; les positions lentes restent en petits morceaux pour répartir le travail sur l'ensemble de la flotte.

Pour exécuter ce bundle, vous avez besoin d'une file d'attente avec un environnement de file d'attente conda qui inclut le conda-forge canal pourquantlib-python. Lorsque vous déployez le modèle de ferme de démarrage, définissez le ProdCondaChannels paramètre surdeadline-cloud conda-forge.

Soumettez le bundle à l'aide de l'émetteur de l'interface graphique :

deadline bundle gui-submit monte_carlo_simulation/

Ou soumettez un test rapide avec moins de positions :

deadline bundle submit monte_carlo_simulation/ \
  -p PositionRange="0-1" -p NumPaths=100