تعزيز القرارات المالية من خلال تحسين المحفظة المعتمد على تسريع GPU

تيريل ديكي

02 ديسمبر 2025 00:19

تقدم NVIDIA حلاً معززًا بواسطة وحدة معالجة الرسوميات لتحسين محفظة التمويل، متجاوزةً المقايضة التقليدية بين السرعة والتعقيد، مما يمكّن اتخاذ القرارات في الوقت الحقيقي.

في خطوة تهدف إلى إحداث ثورة في اتخاذ القرارات المالية، كشفت شركة إنفيديا عن مثال مطور لتحسين محفظة الكمية، مصمم لتسريع عمليات تحسين المحفظة باستخدام تقنية GPU. تهدف هذه المبادرة إلى التغلب على التبادل الطويل الأمد بين سرعة الحوسبة وتعقيد النموذج في إدارة المحافظ المالية، كما أشار بيهان هيو من إنفيديا في منشور مدونة حديث.

كسر معادلة السرعة-التعقيد

منذ تقديم نظرية محفظة ماركويتز قبل 70 عامًا، كانت عملية تحسين المحفظة تعاني من بطء العمليات الحاسوبية، خاصة في المحاكاة واسعة النطاق ومقاييس المخاطر المعقدة. تستفيد حل NVIDIA من الأجهزة عالية الأداء والخوارزميات المتوازية لتحويل عملية التحسين من عملية دفعة بطيئة إلى سير عمل ديناميكي وتكراري. تتيح هذه الطريقة اختبار الاستراتيجيات القابل للتوسع والتحليل التفاعلي، مما يعزز بشكل كبير سرعة وكفاءة اتخاذ القرارات المالية.

تعتبر حلول NVIDIA cuOpt مفتوحة المصدر حيوية في هذا التحول، حيث توفر حلولاً فعالة لمشاكل تحسين محفظة Mean-CVaR المستندة إلى السيناريو. تتفوق هذه الحلول على حلول CPU الحديثة، حيث تحقق زيادة في السرعة تصل إلى 160 ضعفًا في المشاكل الكبيرة. كما أن نظام CUDA الأوسع يعزز من تسريع معالجة البيانات قبل التحسين وتوليد السيناريوهات، مما يوفر زيادة في السرعة تصل إلى 100 ضعف عند التعلم وأخذ العينات من توزيعات العائد.

مقاييس المخاطر المتقدمة ودمج وحدات معالجة الرسوميات

تعتبر مقاييس المخاطر التقليدية، مثل التباين، غير كافية في كثير من الأحيان للمحافظ التي تحتوي على أصول تظهر توزيعات عوائد غير متماثلة. تتضمن نهج NVIDIA قيمة المخاطر الشرطية (CVaR) كقياس مخاطر أكثر قوة، مما يوفر تقييمًا شاملاً للخسائر المحتملة في الذيل دون افتراضات بشأن توزيعات العوائد الأساسية. تقيس CVaR متوسط أسوأ خسارة في توزيع العوائد، مما يجعلها خيارًا مفضلًا بموجب قواعد المخاطر السوقية لبازل III.

من خلال نقل تحسين المحفظة من وحدات المعالجة المركزية إلى وحدات معالجة الرسومات، تعالج NVIDIA تعقيد مشاكل التحسين على نطاق واسع. يستخدم محلل cuOpt Linear Program (LP) خوارزمية Primal-Dual Hybrid Gradient for Linear Programming (PDLP) على وحدات معالجة الرسومات، مما يقلل بشكل كبير من أوقات الحل للمشاكل الكبيرة التي تتميز بآلاف المتغيرات والقيود.

التطبيق العملي والاختبار

مثال مطور تحسين محفظة كميات يُظهر قدراته على مجموعة فرعية من مؤشر S&P 500، حيث يقوم بإنشاء محفظة طويلة وقصيرة تهدف إلى تحقيق عوائد معدلة حسب المخاطر مع الالتزام بقيود تداول مخصصة. تتضمن سير العمل إعداد البيانات، وإعداد التحسين، والحل، والاختبار العكسي، مما يُظهر تحسينات كبيرة في السرعة والكفاءة مقارنة بالطرق التقليدية المعتمدة على المعالجات المركزية.

تظهر الاختبارات المقارنة أن حلول GPU من NVIDIA تتفوق باستمرار على حلول CPU، مما يقلل من أوقات الحل من دقائق إلى ثوان. تتيح هذه الكفاءة إنشاء حدود فعالة واستراتيجيات إعادة توازن ديناميكية في الوقت الفعلي، مما يمهد الطريق لاستراتيجيات استثمار أكثر ذكاءً تعتمد على البيانات.

الآثار المستقبلية

من خلال دمج إعداد البيانات، وتوليد السيناريوهات، وعمليات الحل على وحدات معالجة الرسومات (GPUs)، تقضي NVIDIA على الاختناقات الشائعة، مما يمكّن من الحصول على رؤى أسرع وتكرار أكثر تواتراً في تحسين المحفظة. يدعم هذا التقدم إعادة التوازن الديناميكي، مما يسمح للمحافظ بالتكيف مع التغيرات في السوق في الوقت القريب من الحقيقي.

تعد حل NVIDIA خطوة كبيرة إلى الأمام في التكنولوجيا المالية، حيث تقدم أداءً قابلاً للتوسع وقدرات محسنة في اتخاذ القرار للمستثمرين. لمزيد من المعلومات، قم بزيارة مدونة NVIDIA.

مصدر الصورة: شترستوك