Az Oxfordi kutatók GPU-gyorsított tőzsdei komponens-szimulátort építettek
Az Oxfordi Egyetem kutatói megalkották a JAX-LOB-ot, egy szoftvert, amely egy limitáras ajánlati könyv (limit order book - LOB) szimulálására szolgál GPU-n. A kutatás célja egy hasznos komponens létrehozása a tőzsde bizonyos aspektusainak szimulálásához és AI ágensek betanításához automatizált kereskedési tevékenységek végzésére. A pénzügyi rendszerben betöltött központi szerepük miatt a LOB-dinamika pontos és hatékony modellezésének képessége rendkívül értékes. A JAX-LOB-ot úgy tervezték, hogy több ezer ajánlati könyvet dolgozzon fel párhuzamosan, jelentősen csökkentett üzenetenkénti feldolgozási idővel.
- A szimulációkat közvetlenül a GPU-n hajtja végre, hogy elkerülje a CPU-GPU kommunikációs szűk keresztmetszeteket
- Hétszeres gyorsulást ér el az egyenértékű CPU-alapú rendszerekhez képest
- Másodpercenként 550 RL lépés végrehajtására képes, szemben a CPU-k 74 lépésével
- Megerősítéses tanuláshoz (reinforcement learning) tervezték nagyfrekvenciás kereskedési és végrehajtási problémák esetén
Miért fontos?
Az olyan rendszerek, mint a JAX-LOB, azok az eszközök, amelyek rövid távon megkönnyítik az AI kutatást a saját területükön (itt a tőzsdei aspektusokban). De ha tágabb perspektívából nézzük, a jövőben arra számíthatunk, hogy ezen eszközök elsődleges felhasználói maguk az AI rendszerek lesznek! Ma már látjuk, hogy az emberek nagy, előtanított modelleket használnak virtuális munkatársként, és ezek az LLM-ek maguk is más szoftverekhez nyúlnak feladatok megoldásához (például a GPT-4 code interpreter). Ahogy ezek a trendek hangsúlyosabbá válnak, ezek az AI rendszerek annál hasznosabbak és fejlettebbek lesznek, minél fejlettebb szimulációs eszközökhöz férnek hozzá. ---