大語(yǔ)言模型（LLMs）和生成式 AI 正在推動(dòng) AI 技術(shù)與金融業(yè)務(wù)深度融合。量化金融領(lǐng)域涉及到海量數(shù)據(jù)和模型計(jì)算，這些計(jì)算對(duì)性能有較大的要求，同時(shí)對(duì)數(shù)據(jù)處理實(shí)時(shí)性的要求也很高。因此，如何加速處理大數(shù)據(jù)，加速模型的訓(xùn)練和推理優(yōu)化等在量化投研場(chǎng)景中非常重要。

NVIDIA GPU 加速的解決方案能夠助力量化金融加速邁入高算力大模型時(shí)代。在日前舉辦的“技術(shù)圓桌派”第二期精英人才閉門會(huì)上，NVIDIA 中國(guó)區(qū)金融行業(yè)工程及解決方案經(jīng)理史永明、NVIDIA 中國(guó)區(qū)金融行業(yè)解決方案架構(gòu)師趙凡作為特邀嘉賓，針對(duì)量化領(lǐng)域經(jīng)常遇到的海量數(shù)據(jù)處理；面對(duì)時(shí)序指標(biāo)的預(yù)測(cè)如何一氣呵成地完成數(shù)據(jù)集引入、準(zhǔn)確率比較、推理優(yōu)化及部署等一系列工作；讓模型實(shí)現(xiàn)最優(yōu)的推理速度和資源占用；大語(yǔ)言模型訓(xùn)練的解決方案和最佳實(shí)踐等問(wèn)題做了深度剖析和解答。

在演講中，NVIDIA 中國(guó)區(qū)金融行業(yè)工程及解決方案經(jīng)理史永明表示，當(dāng)前大模型出現(xiàn)了能力涌現(xiàn)。大模型已經(jīng)具備了一定的通用人工智能的能力，初步形成語(yǔ)言理解能力，可以很好地處理眾多語(yǔ)言任務(wù)及相關(guān)其他任務(wù)?？梢宰屇Ｐ蛷暮Ａ康臄?shù)據(jù)中，提取出最能夠刻畫行業(yè)當(dāng)前邏輯，或?qū)ふ疑鲜泄颈憩F(xiàn)的蛛絲馬跡，NVIDIA 的 GPU 計(jì)算平臺(tái)能夠?yàn)榇竽Ｐ偷挠?xùn)練提供更強(qiáng)算力。

圍繞 NVIDIA 在量化金融方面的實(shí)踐，NVIDIA 中國(guó)區(qū)金融行業(yè)解決方案架構(gòu)師趙凡做了深入解讀。他強(qiáng)調(diào)，量化交易需要處理海量數(shù)據(jù)，而 GPU 在大數(shù)據(jù)處理方面有著明顯的效率優(yōu)勢(shì)，將在未來(lái)量化數(shù)據(jù)分析中發(fā)揮重要作用。GPU 以及基于 GPU 的金融行業(yè)解決方案，能夠?yàn)榱炕顿Y贏得先發(fā)優(yōu)勢(shì)。

此外，在量化金融領(lǐng)域，時(shí)序預(yù)測(cè)是個(gè)永恒的核心課題，每 0.1%的預(yù)測(cè)精度提升都可能會(huì)帶來(lái)巨大的收益，因此有必要使用業(yè)內(nèi)最先進(jìn)的 AI 預(yù)測(cè)模型來(lái)裝備量化分析的工具箱。以 NVIDIA 最新推出的 NVIDIA 時(shí)間序列預(yù)測(cè)平臺(tái)（TSPP）為例，這是一個(gè)設(shè)計(jì)用于輕松比較和實(shí)驗(yàn)預(yù)測(cè)模型、時(shí)間序列數(shù)據(jù)集和其他配置的任意組合的工具。作為一個(gè)端到端的框架，TSPP 使用戶能夠訓(xùn)練、調(diào)整和部署時(shí)間序列模型。TSPP 默認(rèn)支持 NVIDIA 優(yōu)化版的時(shí)間融合 Transformer（TFT）模型，除此之外還支持 XGBoost 模型，AutoARIMA 及 LSTM 模型。在 TSPP 中，TFT 訓(xùn)練可以使用多 GPU 訓(xùn)練、自動(dòng)混合精度和指數(shù)移動(dòng)權(quán)重平均來(lái)加速。

這個(gè)模型可以進(jìn)行數(shù)據(jù)并行的訓(xùn)練。下圖是一個(gè)吞吐量的測(cè)試，藍(lán)色的數(shù)據(jù)是在 CPU 上面測(cè)的，綠色的數(shù)據(jù)是 NVIDIA 在 A100 GPU 上進(jìn)行的一個(gè)測(cè)試。測(cè)試顯示，這個(gè)模型可以在 A100 上以極大的吞吐量去進(jìn)行推理。這樣的好處就是可以同時(shí)推理多種不同的股票，或是相應(yīng)的經(jīng)濟(jì)數(shù)據(jù)，從而預(yù)測(cè)未來(lái)的走勢(shì)。

在推理的時(shí)延方面，如下圖所示，綠色的幾乎看不見的是 GPU 上面的推理時(shí)延，藍(lán)色的柱狀圖是 CPU 上面的推理時(shí)延。事實(shí)證明，GPU 的推理時(shí)延在較大批量的情況下，基本上是個(gè)位數(shù)，幾毫秒的延遲，可以滿足交易實(shí)時(shí)性的需求。

NVIDIA 兩位專家的演講獲得了聽眾的認(rèn)同。北京大學(xué)金融學(xué)&理論物理專業(yè)的一位同學(xué)表示：“通過(guò) NVIDIA 的外部嘉賓的分享了解到了工業(yè)界在大數(shù)據(jù)處理加速方面的前沿應(yīng)用，這是在學(xué)校里難以接觸到的寶貴知識(shí)”。來(lái)自清華大學(xué)軟件工程專業(yè)的一位博士研究生也表示：“NVIDIA 如何用 GPU 加速大數(shù)據(jù)處理讓我了解到了幾個(gè)新的針對(duì)大數(shù)據(jù)的高性能計(jì)算庫(kù)，后續(xù)我也準(zhǔn)備在自己的科研中嘗試使用這些庫(kù)來(lái)加速自己的數(shù)據(jù)處理代碼”

事實(shí)上，AI 對(duì)金融業(yè)的積極影響還將釋放。根據(jù) NVIDIA 發(fā)布的《2023 年金融業(yè)最關(guān)注的 4 大 AI 方向》，AI 正在對(duì)金融機(jī)構(gòu)產(chǎn)生可以量化的影響。近一半的受訪者表示，AI 將幫助他們的企業(yè)機(jī)構(gòu)增加至少 10%的年收入。超過(guò)三分之一的人表示，AI 每年還將幫助其減少至少 10%的成本。而隨著生成式 AI 的出現(xiàn)，金融業(yè)或?qū)闹惺芤娓唷?/p>