本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 在 Deadline Cloud 上运行蒙特卡罗模拟
<a name="examples-jb-monte-carlo"></a>

[monte\_carlo\_simulation 工作捆绑包使用蒙特卡罗模拟](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/job_bundles/monte_carlo_simulation)和赫斯顿随机波动率模型对可自动赎回的结构化票据投资组合进行定价。 QuantLib这项工作是[使用 AWS Batch 为金融衍生品定价研讨会的 Deadlin](https://ec2spotworkshops.com/monte-carlo-with-batch.html) e Cloud 端口。

该捆绑包定义了一个分为两个步骤的管道：

1. `PricePositions`— 每个投资组合头寸一项任务。任务被分成几个块，这些区块对赫斯顿模型进行一次校准，然后对区块中的所有头寸进行定价，从而摊销校准成本。

1. `AggregateResults`— 将每个头寸的结果收集到投资组合摘要中。

该捆绑包使用 Open Job Descripti [on TASKING](https://github.com/OpenJobDescription/openjd-specifications/blob/mainline/rfcs/0001-task-chunking.md) 扩展来实现负载平衡。调度器首先调度各个位置，观察它们需要多长时间，然后自动增加区块大小以匹配目标运行时间。快速位置被分成较大的块；慢速位置保持在小块中，以保持工作分散在整个舰队中。

要运行此捆绑包，你需要一个队列，其中包含 conda 队列环境，其中包含的`conda-forge`频道。`quantlib-python`部署[入门服务器场模板](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/cloudformation/farm_templates/starter_farm)时，将`ProdCondaChannels`参数设置为`deadline-cloud conda-forge`。

向 GUI 提交者提交捆绑包：

```
deadline bundle gui-submit monte_carlo_simulation/
```

或者提交职位较少的快速测试：

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