JP5755146B2 - リアルタイム取引予測 - Google Patents
リアルタイム取引予測 Download PDFInfo
- Publication number
- JP5755146B2 JP5755146B2 JP2011544470A JP2011544470A JP5755146B2 JP 5755146 B2 JP5755146 B2 JP 5755146B2 JP 2011544470 A JP2011544470 A JP 2011544470A JP 2011544470 A JP2011544470 A JP 2011544470A JP 5755146 B2 JP5755146 B2 JP 5755146B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- market
- financial
- market data
- processing unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004422 calculation algorithm Methods 0.000 claims description 80
- 238000012545 processing Methods 0.000 claims description 67
- 238000000034 method Methods 0.000 claims description 51
- 230000000694 effects Effects 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 24
- 238000010367 cloning Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 description 18
- 238000003491 array Methods 0.000 description 16
- 230000008901 benefit Effects 0.000 description 12
- 238000013480 data collection Methods 0.000 description 7
- 230000004913 activation Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 239000000872 buffer Substances 0.000 description 2
- 230000003139 buffering effect Effects 0.000 description 2
- 230000001934 delay Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 208000034723 Amelia Diseases 0.000 description 1
- 208000006586 Ectromelia Diseases 0.000 description 1
- 206010024503 Limb reduction defect Diseases 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013277 forecasting method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013386 optimize process Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000002910 structure generation Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Technology Law (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Game Theory and Decision Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Debugging And Monitoring (AREA)
- Information Transfer Between Computers (AREA)
Description
(関連出願に対する相互参照)
本出願は、参照により本明細書に組み込まれる2008年12月29日に出願された米国特許出願番号第12/344,901号の米国特許法119条(e)の下の利益を主張する。
ムにさせる命令を含む、コンピュータプログラム製品と、ホストシステムから受信される市場データに対して、ホストシステムから受信される金融モデルを実行するための、グラフィカル処理ユニット上に存在するコンピュータプログラム製品であって、金融モデルおよび各金融モデルに関連する市場データのタイプのリストを受信し、受信される金融モデルおよび各金融モデルに関連する市場データのタイプのリストに基づいて1つまたは複数のエンジンインスタンスを生成し、市場データに関連するタイムスタンプに従って受信される市場データを構築し、ホストシステムから、識別される金融モデルを実行する命令を受信し、タイムスタンプおよび識別される金融モデルに基づくエンジンインスタンスに基づいて構築された市場データの少なくとも一部をクローン化し、予想される市場性能を示す予測データであって、クローン化された市場データに少なくとも部分的に基づく、予測データを、リアルタイムに生成するために、識別される金融モデルに基づくエンジンインスタンスを実行し、予想される市場性能を示す予測データを出力するように、グラフィカル処理ユニットにさせる命令を含む、コンピュータプログラム製品とを含む。
装置の他の実践は、市場データに関連するティッカーシンボルに従って受信される市場データを構築するように、グラフィカル処理ユニットにさせる命令を含む。
装置のなお他の実践は、選択されたデータに対して2つ以上の金融アルゴリズムを並列に実行すること、選択された第1のデータを選択された第2のデータでオーバライトすることによって選択されたデータを更新すること、予想される市場性能を示すデータをサーバに転送すること、および、金融市場活動を示すストリーミングされるデータを受信する前に、グラフィカル処理ユニット上でメモリを割当てることのうちの1つまたは複数を実施するように、グラフィカル処理ユニットにさせる命令を含む。
び識別される金融モデルに基づくエンジンインスタンスに基づいて、構築された市場データの少なくとも一部をクローン化し、予想される市場性能を示す予測データであって、クローン化された市場データに少なくとも部分的に基づく、予測データを、リアルタイムに生成するために、識別される金融モデルに基づくエンジンインスタンスを実行し、予想される市場性能を示す予測データを出力するように、グラフィカル処理ユニットにさせる命令を含む。
コンピュータ可読媒体のなお他の実施形態は、金融市場活動を示すストリーミングされるデータを受信する前に、グラフィカル処理ユニット上でメモリを割当てること、受信されるデータの処理に関する統計量を収集すること、受信されるデータを格納するデータ構造を生成すること、および、非同期時間に少なくとも2つのエンジンインスタンスを実行することのうちの1つまたは複数を実施するように、グラフィカル処理ユニットにさせる命令を符号化されている。
コプロセッサハードウェア104が、ホストシステム102に結合されてもよい。ハードウェアアクセレレータカードは、市販されており、専用クロックおよびプロセッサを含むことが多い。NvidiaまたはATI Radeonによって製造されるカードなどの市販のグラフィクスカードが使用されてもよい。例示的な実施形態では、取引予測器100は、グラフィックスカードを含む。グラフィックスカードに含まれるいくつかのクラスのダイナミックランダムアクセスメモリ(DRAM)のために、グラフィックスカードは、大量のストリーミングされる金融データの入力および出力について最適化される。さらに、グラフィックスカードは、ホストシステム102に外的に接続され、密接に結合されない。この例では、ラック搭載式ホストシステム102の上部に載るグラフィックスカードは、外部配線によってホストシステム102に接続される。
(初期化プロセス)
パワーオンされると、取引予測器100は、種々の初期化プロセスを実行する。例示的な実施形態では、初期化プロセスは、1日に1回、朝でかつ取引日の開始前に実行される
。図2を参照して、構成ディスク記憶部281は、整数−ティッカーシンボルマッピングプログラムなどの構成プログラムをホストシステム102にロードすることによって、ホストシステム102を「ウェークアップさせる(wake up)」。ホストシステム102は、
情報をコプロセッサハードウェア104にロードするエンジンアダプタ204を含む。コプロセッサハードウェア104は、エンジンアダプタ204から金融アルゴリズムなどの情報を受信するエンジンゲートウェイ206を含む。1つの特定の例では、エンジンゲートウェイ206は、エンジンアダプタ204から、コプロセッサハードウェア104が起動するためのアルゴリズムのセットを受信する。
(エンジンインスタンスの生成)
初期化プロセスの1つのプロセスは、アルゴリズムをコプロセッサハードウェア104にロードすることを含む。取引予測器100の利点は、そうする時間が来たときにアルゴリズムが即座に起動されうるように、アルゴリズムが、コプロセッサハードウェア104にプリロードされることである。これは、コプロセッサハードウェア104が予測108を生成するのにかかる総合時間(以降で「予測までの時間(time-to-forecast)」)を減少させる。
America)の有価証券は、「BOA」ティッカーシンボルによって識別される。1つの特
定の例では、2つのアルゴリズム、アルゴリズムAおよびアルゴリズムBが、エンジンゲートウェイ206にロードされる。以下の表1に示すように、アルゴリズムAは、ティッカーシンボルXとティッカーシンボルYの両方に関連する。アルゴリズムBは、ティッカーシンボルYとティッカーシンボルZの両方に関連する。この例では、表1に示すマトリクスは、エンジンゲートウェイ206に提供される。
図3を参照して、エンジンゲートウェイ206はまた、コプロセッサハードウェア104上で実行される種々のプロセス間でメモリを割当てる。これらのプロセスは、リソースプール214(図2)、ステータスゲートウェイ232、シンボルハンドラ216、218、220、およびエンジンインスタンス304、306、308、310を含む。プロセス速度を最適化し、予測までの時間を減少させるために、コプロセッサハードウェア104上のメモリは、ストリーミングされるデータ106の処理の前に、予め割当てられる。エンジンゲートウェイ206は、エンジンインスタンスを実行するのに必要とされるメモリ量に基づいてコプロセッサハードウェアのメモリ312を割当てる。エンジンアダプタ204は、メモリ割当てパラメータを、ホストシステム102構成ファイルからエンジンゲートウェイ206に提供する。
(データ構造の生成)
エンジンインスタンス304、306、308、310は、コプロセッサハードウェア104に最初に注入されるストリーミングされる未処理データ106に対して実行可能でない。したがって、コプロセッサハードウェア104は、エンジンインスタンス304、306、308、310の実行の前に、データ106をバッファリングし、構築する。取引予測器100の1つの利点は、ストリーミングされるデータ106が、ホストシステム102上ではなく、コプロセッサハードウェア104上でバッファリングされ、構築されることである。これは、処理時間、したがって、予測までの時間を減少させる。
イムバケットは、データが生成された時間に基づいてデータ106をソーティングするデータ構造である。エンジンインスタンス304、306、308、および310を生成し、ストリーミングされるデータ106を受信する前に、エンジンゲートウェイ206はまた、タイムバケットを予め作成する。各タイムバケットは、データ106が収集される期間を示す。タイムバケットは、1秒データ収集間隔または15秒データ収集間隔を示しうる。
、また、表1を参照して、エンジンインスタンスはティッカーシンボルXについてアルゴリズムAを起動する。アルゴリズムAが、データの15分相当分を必要とし、タイムバケットが、収集されるデータのそれぞれの1秒相当分について生成される場合、タイムバケットのセット350は、900(15分×60秒=900)タイムバケット352、354、356、358、359を含む。
(メモリ参照)
図2を参照する。エンジンゲートウェイ206は、エンジンインスタンス304,306,308,310を駆動する前に、リソースプール214およびエンジンインスタンス304,306,308,310の両方に参照228,230を生成する。エンジンインスタンス304,306,308,310を駆動している間には、エンジンインスタンス304,306,308,310は、シンボルアレイ222,224,226の一部または全部のクローンを要求する。ある特定の実施例において、エンジンインスタンス304はシンボルアレイX222のクローンを要求し、リソースプール214はシンボルアレイXのクローン252を生成する。エンジンゲートウェイ206はエンジンインスタンス304にシンボルアレイX222のメモリ位置を与える。このことはエンジンインスタンス304にシンボルアレイX222のクローンの要求を可能とさせる。さらに、リソースプール214はエンジンインスタンス304への参照も有している。この参照は、リソースプール214がシンボルアレイX222の共有されたメモリクローン252をエンジンインスタンス304に転送することを可能とさせる。
(データのフロー)
初期化プロセスが終了すると、データ106は、取引予測器100内にストリーミングされ、取引予測器100は、その一部が図4に示される種々のステップ400を実施する。これらのステップの中に、ホストシステムがストリーミングされるデータを受信するス
テップ(ステップ402)およびホストシステムがコプロセッサハードウェアにストリーミングされるデータを渡す別のステップ(ステップ404)が存在する。コプロセッサハードウェア104は、予め定義されたデータ構造内にデータを挿入するステップ(ステップ406)と、データをクローン化するステップ(ステップ408)と、エンジンインスタンスを生成するステップ(ステップ410)とを実施する。
(ホストシステムおよびコプロセッサハードウェア受信データ)
元の図2を参照して、ホストシステム102は、ストリーミングされる金融市場データ106を市場データプロバイダ202から受信する。市場データ106のタイプは、買い呼び値、売り呼び値、および売買高を含むが、それに限定されない。ホストシステム102は、その後、コプロセッサハードウェア104に注入するために市場データ106を準備する。ホストシステム102は、取引予測器100全体を通して後で使用するために、それぞれの一意の市場データシンボルに一意の整数値を割当てる市場ティックハンドラ280を通して市場データを処理することによって準備する。市場データシンボルは、コプロセッサハードウェア104内のデータ構造が、効率的に生成され処理されるために、整数値にマッピングされる。市場ティックハンドラ280は、対応する市場データシンボルへの整数値のマッピングを維持する。一部の例では、このマッピングは、予測出力290が、コプロセッサハードウェア104から元のホストシステム102に中継されるときに、ホストシステム102が、市場データシンボルを市場データ106に再関連付けするように、ホストシステム102上でホストされる。市場ティックアダプタ240は、市場ティックハンドラ280から、整数割当てを有する市場データを受信し、市場データを、市場ストリームゲートウェイ242にアップロードするコマンドを発する。
(データ構造への挿入)
コプロセッサハードウェア104に注入されると、市場ストリームゲートウェイ242は、データを受信し、データに対してタイムスタンプをアペンドし、リソースプール214上にそれを渡す。市場ストリームゲートウェイ242は、整数値に基づいて正しいシンボルハンドラ216、218、220に挿入するために、ホストシステム102からデータを受信し、リソースプール214内に市場データを割当てる。リソースプール214およびシンボルハンドラ216、218、220による整数値の使用は、市場データ106が効率的に処理されることを可能にすることによって、かなりの処理性能利益を提供する。コプロセッサハードウェア104内での市場データに対する参照は、整数値を使用する。一部の例では、市場データシンボルは、予測データがコプロセッサハードウェア104からホストシステム102に戻るときに、ホストシステム102によって後で使用するために、コプロセッサハードウェア104に渡される。他の例では、市場データシンボルは、先に論じたように、ホストシステム102上に存在する。
(データのクローン化)
エンジンインスタンス304、306、308、310を実行する前に、アルゴリズムを起動するときに使用されるデータがクローン化される408(図4)。図5を参照して、コプロセッサハードウェア104は、エンジンインスタンスの実行を準備するためにデータをクローン化するとき408に、種々のステップを実施する。データクローン化(ステップ408)は、起動メッセージの受信によって開始される(ステップ502)。この起動メッセージは、ホストシステム102上に位置するマネジャー250(図2)が起動メッセージをエンジンアダプタ204に送出するときに起こり、エンジンアダプタ204が、その後、起動メッセージをエンジンゲートウェイ206に中継する。起動メッセージは、エンジンインスタンス304、306、308、310が実行されるときを指定し、エンジンインスタンス304、306、308、310の実行を開始する。
ーシンボルXタイムバケットセット350から最後の15分のデータをクローン化し、静的なティッカーシンボルXデータセットを生成する。
(エンジンインスタンスの実行)
図4を参照して、データがクローン化され、クローン化されたシンボルアレイ252、254、256、258がエンジンインスタンス304、306、308、310に渡されると、エンジンインスタンス304、306、308、310は、適切なアルゴリズムを起動する。一部の例では、同じアルゴリズムが、異なるティッカーシンボルに適用される。他の例では、異なるアルゴリズムが、異なるティッカーシンボルに適用される。エンジンインスタンス304、306、308、310によって起動されるアルゴリズムのタイプは、取引活動の時間加重平均または容量加重平均などの標準的な業界アルゴリズム、および、独自アルゴリズムまたはカスタム開発アルゴリズムを含む。
(エンジンインスタンスからの出力)
一部の例では、エンジンインスタンス304、306、308、310からの予測108は、有価証券の平均価格などの単一計算である。他の例では、予測108は、多数の事前計算に依存する。図2を参照して、エンジンインスタンス310は、3つの計算266、268、270を生成し、第3の計算270は、予測108を示す。しかし、予測108は、計算266および計算268に依存する。
(ステータスゲートウェイ)
図2を参照して、ステータスゲートウェイ232は、リソースプール214から統計量を収集する。統計量は、コプロセッサハードウェア104が受信したティッカーシンボルデータの異なるタイプ、または、メモリに保持されるタイムバケットの数を含むが、それに限定されない。リソースプール214は、コプロセッサハードウェア104にストリーミングされるデータのタイプおよびサイズの運用在庫を維持する。エンジンインスタンス304、306、308、310は、ステータスゲートウェイ232に、所与の時間に実行されるエンジンインスタンス304、306、308、310の数、1日に生成される予測108の総数、およびコンピュータタイマ性能の実行速度などの予測108の生成に関する統計量を提供する。ステータスゲートウェイ232を通して、コプロセッサハードウェア104は、コプロセッサハードウェア104がタイムバケットを通して再走査する必要なく、データ106の処理に関する統計量をホストシステム102に提供して、処理されるデータの現在のタイプおよびサイズの更新が提供される。さらに、エンジンインスタンス304、306、308、310が実行されるとき、実行の前に、参照が、ステータスゲートウェイ232に送出される。この参照を受信すると、ステータスゲートウェイ232は、エンジンインスタンス304、306、308、310が起動された回数、および、エンジンインスタンス304、306、308、310が起動することをエンジンアダプタ204が要求した回数などの統計量をステータスアダプタ262に送出し始める。
例では、コプロセッサハードウェア104は、市場データ源に対するインタフェースである。したがって、他の実施形態は、添付特許請求の範囲内にある。
Claims (30)
- 金融市場活動を予測するための装置において、
ホストシステムとデータ通信状態にあるグラフィカル処理ユニットと、
コンピュータ読み取り可能記憶デバイスに記憶されたコンピュータプログラムであって、
複数の金融モデルと、各金融モデルに関連する市場データのタイプのリストとを受信する手順と、
受信した前記複数の金融モデルおよび各金融モデルに関連する市場データのタイプの前記リストに基づいて1つまたは複数のエンジンインスタンスを生成する手順と、
前記金融市場活動を示しストリーミングされる市場データをホストシステムから受信する手順と、
受信した前記市場データを前記市場データに関連するタイムスタンプに従って構築する手順と、
前記複数の金融モデルのうちの識別された金融モデルを実行する命令を前記ホストシステムから受信する手順と、
前記ストリーミングされた市場データの少なくとも一部を前記タイムスタンプおよび前記識別された金融モデルに基づく前記エンジンインスタンスに基づいて、前記識別された金融モデルで用いるために、前記グラフィカル処理ユニット上でクローン化する手順と、
予想される市場性能を示す予測データをリアルタイムに生成するために、前記識別された金融モデルとストリーミングされた前記市場データのうち前記クローン化した部分とに基づく前記エンジンインスタンスを実行する手順と、
予想される市場性能を示す前記予測データを前記ホストシステムに出力する手順とを、前記グラフィカル処理ユニットに実行させるためのコンピュータプログラムとを備える装置。 - サーバとデータ通信状態にある2つ以上のグラフィカル処理ユニットをさらに備える請求項1に記載の装置。
- 前記コンピュータプログラムは、
受信した前記市場データを前記市場データに関連するティッカーシンボルに従って構築する手順を、前記グラフィカル処理ユニットに実行させる、請求項1に記載の装置。 - 前記コンピュータプログラムは、
選択されたデータに対して2つ以上の金融アルゴリズムを並列に実行する手順を、前記グラフィカル処理ユニットに実行させる、請求項1に記載の装置。 - 前記コンピュータプログラムは、
選択された第1のデータを選択された第2のデータでオーバライトすることによって前記選択されたデータを更新する手順を、前記グラフィカル処理ユニットに実行させる、請求項1に記載の装置。 - 前記コンピュータプログラムは、
予想される市場性能を示す前記予測データを前記ホストシステムに転送する手順を、前記グラフィカル処理ユニットに実行させる、請求項1に記載の装置。 - 前記コンピュータプログラムは、
金融市場活動を示すストリーミングされるデータを受信する前に、前記グラフィカル処理ユニット上でプロセッサメモリを割当てる手順を、前記グラフィカル処理ユニットに実行させる、請求項1に記載の装置。 - 前記コンピュータプログラムは、
受信した前記市場データの処理に関する統計量を収集する手順を、前記グラフィカル処理ユニットに実行させる、請求項1に記載の装置。 - 前記コンピュータプログラムは、
受信した前記市場データを格納するためのデータ構造を生成する手順を、前記グラフィカル処理ユニットに実行させる、請求項1に記載の装置。 - 前記コンピュータプログラムは、
非同期時間に少なくとも2つのエンジンインスタンスを実行する手順を、前記グラフィカル処理ユニットに実行させる、請求項1に記載の装置。 - 金融市場活動を予測するための装置において、
ホストシステムとデータ通信状態にあるコプロセッサハードウェアであって、
前記ホストシステムからストリーミングされる市場データを受信するプロセッサメモリを含む、コプロセッサハードウェアと、
コンピュータ読み取り可能記憶デバイスに記憶されたコンピュータプログラムであって、
複数の金融モデルと、各金融モデルに関連する市場データのタイプのリストとを受信する手順と、
受信した前記複数の金融モデルおよび各金融モデルに関連する市場データのタイプの前記リストに基づいて1つまたは複数のエンジンインスタンスを生成する手順と、
前記金融市場活動を示しストリーミングされる市場データをホストシステムから受信する手順と、
受信した前記市場データを前記市場データに関連するタイムスタンプに従って構築する手順と、
前記ホストシステムから、前記複数の金融モデルのうちの識別された金融モデルを実行する命令を受信する手順と、
前記ストリーミングされた市場データの少なくとも一部を前記タイムスタンプおよび
前記識別される金融モデルに基づく前記エンジンインスタンスに基づいて、前記識別された金融モデルで用いるために、前記コプロセッサハードウェア上でクローン化する手順と、
予想される市場性能を示す予測データをリアルタイムに生成するために、前記識別された金融モデルとストリーミングされた前記市場データのうち前記クローン化した部分とに基づく前記エンジンインスタンスを実行する手順と、
予想される市場性能を示す前記予測データを前記ホストシステムに出力する手順とを、前記コプロセッサハードウェアに実行させるためのコンピュータプログラムとを備える装置。 - 金融市場活動を予測するための装置において、
市場データ源とインタフェースするグラフィカル処理ユニットであって、
ストリーミングされる市場データを受信するプロセッサメモリを有する、グラフィカル処理ユニットと、
前記グラフィカル処理ユニット上に存在し、前記市場データに対して金融モデルを実行するためのコンピュータプログラムであって、
前記市場データ源から、前記複数の金融モデルと各金融モデルに関連する市場データのタイプのリストとを受信する手順と、
受信した前記複数の金融モデルおよび各金融モデルに関連する市場データのタイプの前記リストに基づいて1つまたは複数のエンジンインスタンスを生成する手順と、
金融市場活動を示しストリーミングされる市場データを前記市場データ源から受信する手順と、
受信した前記市場データを前記市場データに関連するタイムスタンプに従って構築する手順と、
前記複数の金融モデルのうちの識別された金融モデルを実行する命令を受信する手順と、
前記ストリーミングされた市場データの少なくとも一部を前記タイムスタンプおよび前記識別された金融モデルに基づく前記エンジンインスタンスに基づいて、前記識別された金融モデルで用いるために、前記グラフィカル処理ユニット上でクローン化する手順と、
予想される市場性能を示す予測データをリアルタイムに生成するために、前記識別された金融モデルとストリーミングされた前記市場データのうち前記クローン化した部分とに基づく前記エンジンインスタンスを実行する手順と、
予想される市場性能を示す前記予測データを出力する手順とを、
前記グラフィカル処理ユニットに実行させるためのコンピュータプログラムとを備える装置。 - 金融市場活動を予測するためにコンピュータの処理を実行するための方法において、
複数の金融モデルと各金融モデルに関連する市場データのタイプのリストとを受信するステップと、
受信した前記複数の金融モデルおよび各金融モデルに関連する市場データのタイプの前記リストに基づいて1つまたは複数のエンジンインスタンスを生成するステップと、
金融市場活動を示しストリーミングされる市場データをグラフィカル処理ユニット上で受信するステップと、
受信した前記市場データを前記市場データに関連するタイムスタンプに従って構築するステップと、
前記複数の金融モデルのうちの識別された金融モデルを実行する命令を、ホストシステムから受信するステップと、
前記ストリーミングされた市場データの少なくとも一部を前記タイムスタンプおよび前記識別される金融モデルに基づく前記エンジンインスタンスに基づいて、前記識別された
金融モデルで用いるために、前記グラフィカル処理ユニット上でクローン化するステップと、
予想される市場性能を示す予測データをリアルタイムに生成するために、前記識別された金融モデルとストリーミングされた前記市場データのうち前記クローン化した部分とに基づく前記エンジンインスタンスを実行するステップと、
予想される市場性能を示す前記予測データを出力するステップとを備える方法。 - 受信した前記市場データを前記市場データに関連するティッカーシンボルに従って構築するステップをさらに備える請求項13に記載の方法。
- 前記選択されたデータに対して2つ以上の金融アルゴリズムを並列に実行するステップをさらに備える請求項13に記載の方法。
- 選択された第1のデータを選択された第2のデータでオーバライトすることによって前記選択されたデータを更新するステップをさらに備える請求項13に記載の方法。
- 予想される市場性能を示す前記予測データを前記ホストシステムに転送するステップをさらに備える請求項13に記載の方法。
- 金融市場活動を示すストリーミングされるデータを受信する前に、前記グラフィカル処理ユニット上でメモリを割当てるステップをさらに備える請求項13に記載の方法。
- 受信した前記市場データの処理に関する統計量を収集するステップをさらに備える請求項13に記載の方法。
- 受信した前記市場データを格納するためのデータ構造を生成するステップをさらに備える請求項13に記載の方法。
- 非同期時間に少なくとも2つのエンジンインスタンスを実行するステップをさらに備える請求項13に記載の方法。
- 金融市場活動を予測するソフトウェアを符号化して記録したコンピュータ可読媒体において、前記ソフトウェアは、グラフィカル処理ユニットに、
複数の金融モデルと、各金融モデルに関連する市場データのタイプのリストとを受信する手順と、
受信した前記複数の金融モデルおよび各金融モデルに関連する市場データのタイプの前記リストに基づいて1つまたは複数のエンジンインスタンスを生成する手順と、
金融市場活動を示しストリーミングされる市場データを、ホストシステムから受信する手順と、
受信した前記市場データを前記市場データに関連するタイムスタンプに従って構築する手順と、
前記複数の金融モデルのうちの識別された金融モデルを実行する命令を前記ホストシステムから受信する手順と、
前記ストリーミングされた市場データの少なくとも一部を前記タイムスタンプおよび前記識別される金融モデルに基づく前記エンジンインスタンスに基づいて、前記識別された金融モデルで用いるために、グラフィカル処理ユニット上でクローン化する手順と、
予想される市場性能を示す予測データをリアルタイムに生成するために、前記識別された金融モデルとストリーミングされた前記市場データのうち前記クローン化した部分とに基づく前記エンジンインスタンスを実行する手順と、
予想される市場性能を示す前記予測データを前記ホストシステムに出力する手順とを実
行させる、コンピュータ可読媒体。 - 前記ソフトウェアは、
受信した前記市場データを前記市場データに関連するティッカーシンボルに従って構築する手順を、前記グラフィカル処理ユニットにさらに実行させる、請求項22に記載のコンピュータ可読媒体。 - 前記ソフトウェアは、
前記選択されたデータに対して2つ以上の金融アルゴリズムを並列に実行する手順を、前記グラフィカル処理ユニットにさらに実行させる、請求項22に記載のコンピュータ可読媒体。 - 前記ソフトウェアは、
選択された第1のデータを選択された第2のデータでオーバライトすることによって前記選択されたデータを更新する手順を、
前記グラフィカル処理ユニットにさらに実行させる、請求項22に記載のコンピュータ可読媒体。 - 前記ソフトウェアは、
予想される市場性能を示す前記予測データを前記ホストシステムに転送する手順を、
前記グラフィカル処理ユニットにさらに実行させる、請求項22に記載のコンピュータ可読媒体。 - 前記ソフトウェアは、
金融市場活動を示すストリーミングされるデータを受信する前に、前記グラフィカル処理ユニット上でメモリを割当てる手順を、前記グラフィカル処理ユニットにさらに実行させる、請求項22に記載のコンピュータ可読媒体。 - 前記ソフトウェアは、
受信した前記市場データの処理に関する統計量を収集する手順を、
前記グラフィカル処理ユニットにさらに実行させる、請求項22に記載のコンピュータ可読媒体。 - 前記ソフトウェアは、
受信した前記市場データを格納するためのデータ構造を生成する手順を、
前記グラフィカル処理ユニットにさらに実行させる、請求項22に記載のコンピュータ可読媒体。 - 前記ソフトウェアは、
非同期時間に少なくとも2つのエンジンインスタンスを実行する手順を、
前記グラフィカル処理ユニットにさらに実行させる、請求項22に記載のコンピュータ可読媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US12/344,901 | 2008-12-29 | ||
US12/344,901 US8433628B2 (en) | 2008-12-29 | 2008-12-29 | Real-time trade forecaster |
PCT/US2009/068391 WO2010078008A2 (en) | 2008-12-29 | 2009-12-17 | Real-time trade forecaster |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2012514272A JP2012514272A (ja) | 2012-06-21 |
JP2012514272A5 JP2012514272A5 (ja) | 2014-07-24 |
JP5755146B2 true JP5755146B2 (ja) | 2015-07-29 |
Family
ID=42286076
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011544470A Active JP5755146B2 (ja) | 2008-12-29 | 2009-12-17 | リアルタイム取引予測 |
Country Status (6)
Country | Link |
---|---|
US (3) | US8433628B2 (ja) |
EP (1) | EP2389653A4 (ja) |
JP (1) | JP5755146B2 (ja) |
AU (1) | AU2009333140B2 (ja) |
CA (1) | CA2748502A1 (ja) |
WO (1) | WO2010078008A2 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11748814B2 (en) | 2018-05-21 | 2023-09-05 | Empower Annuity Insurance Company Of America | Planning engine for a financial planning system |
US20190355055A1 (en) | 2018-05-21 | 2019-11-21 | Great-West Life & Annuity Insurance Company | Graphical user interface including dynamic generation of savings option selectors for a financial planning system |
CN109271113B (zh) * | 2018-09-28 | 2022-03-29 | 武汉烽火众智数字技术有限责任公司 | 一种基于云存储的数据管理系统及方法 |
CN110517149B (zh) * | 2019-08-29 | 2022-05-06 | 中国银行股份有限公司 | 向用户推送金融市场加工信息的方法及装置 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4536833B2 (ja) * | 1998-03-12 | 2010-09-01 | 新日鉄ソリューションズ株式会社 | 金融情報処理システム |
JPH11345108A (ja) * | 1998-06-01 | 1999-12-14 | Ntt Mobil Commun Network Inc | 受信端末および情報配信システム |
US7707091B1 (en) * | 1998-12-22 | 2010-04-27 | Nutech Solutions, Inc. | System and method for the analysis and prediction of economic markets |
US7013285B1 (en) * | 2000-03-29 | 2006-03-14 | Shopzilla, Inc. | System and method for data collection, evaluation, information generation, and presentation |
US7194434B2 (en) * | 2000-06-15 | 2007-03-20 | Sergio Piccioli | Method for predictive determination of financial investment performance |
US20080027841A1 (en) | 2002-01-16 | 2008-01-31 | Jeff Scott Eder | System for integrating enterprise performance management |
JP2003296476A (ja) * | 2002-04-04 | 2003-10-17 | Dreamvisor.Com Kk | 株価情報配信システム |
WO2003093930A2 (en) | 2002-04-30 | 2003-11-13 | Veridiem Inc. | Marketing optimization system |
JP2004126901A (ja) * | 2002-10-02 | 2004-04-22 | Hitachi Kokusai Electric Inc | 情報表示システム |
US6915390B2 (en) * | 2002-12-05 | 2005-07-05 | International Business Machines Corporation | High speed memory cloning facility via a coherently done mechanism |
US8271369B2 (en) * | 2003-03-12 | 2012-09-18 | Norman Gilmore | Financial modeling and forecasting system |
JP5097108B2 (ja) | 2005-05-09 | 2012-12-12 | ベア・スターンズ・アンド・カンパニー・インコーポレーテッド | コンピュータ支援型の金融証券分析システムおよび方法 |
US20070156479A1 (en) | 2005-11-02 | 2007-07-05 | Long Erik T | Multivariate statistical forecasting system, method and software |
JP4878973B2 (ja) * | 2006-09-27 | 2012-02-15 | みずほ情報総研株式会社 | 負荷分散処理システム、負荷分散処理方法及び負荷分散処理プログラム |
-
2008
- 2008-12-29 US US12/344,901 patent/US8433628B2/en active Active
-
2009
- 2009-12-17 EP EP09799453A patent/EP2389653A4/en not_active Ceased
- 2009-12-17 JP JP2011544470A patent/JP5755146B2/ja active Active
- 2009-12-17 WO PCT/US2009/068391 patent/WO2010078008A2/en active Application Filing
- 2009-12-17 CA CA2748502A patent/CA2748502A1/en not_active Abandoned
- 2009-12-17 AU AU2009333140A patent/AU2009333140B2/en active Active
-
2013
- 2013-04-16 US US13/863,969 patent/US8924276B2/en active Active
-
2014
- 2014-12-29 US US14/584,648 patent/US20150120613A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
US8433628B2 (en) | 2013-04-30 |
CA2748502A1 (en) | 2010-07-08 |
US8924276B2 (en) | 2014-12-30 |
AU2009333140A1 (en) | 2011-07-07 |
EP2389653A2 (en) | 2011-11-30 |
US20150120613A1 (en) | 2015-04-30 |
WO2010078008A3 (en) | 2011-01-20 |
WO2010078008A2 (en) | 2010-07-08 |
AU2009333140B2 (en) | 2016-07-21 |
JP2012514272A (ja) | 2012-06-21 |
US20130226835A1 (en) | 2013-08-29 |
EP2389653A4 (en) | 2013-01-02 |
US20100169235A1 (en) | 2010-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bhattacharjee et al. | Barista: Efficient and scalable serverless serving system for deep learning prediction services | |
US20220058054A1 (en) | Fpga acceleration for serverless computing | |
US11188392B2 (en) | Scheduling system for computational work on heterogeneous hardware | |
CN112667414A (zh) | 基于消息队列的消息消费方法、装置、计算机设备及介质 | |
Yang et al. | Intermediate data caching optimization for multi-stage and parallel big data frameworks | |
CN107463434A (zh) | 一种分布式任务处理方法与设备 | |
KR20140080434A (ko) | 맵리듀스 프레임워크에서 데이터 프로세싱의 최적화를 위한 디바이스 및 방법 | |
CN109783255B (zh) | 数据解析分发装置及高并发数据处理方法 | |
US20210256427A1 (en) | Automated Computer Operating System Optimization | |
JP5755146B2 (ja) | リアルタイム取引予測 | |
CN106815254A (zh) | 一种数据处理方法和装置 | |
CN114090537A (zh) | 卫星在轨状态的实时分析方法、装置、系统、设备及介质 | |
CN111209310A (zh) | 基于流计算的业务数据处理方法、装置和计算机设备 | |
JP2004192047A (ja) | メッセージ処理装置、メッセージ処理方法、及びメッセージ処理プログラム | |
CN111813868B (zh) | 数据同步方法及装置 | |
US8429120B1 (en) | System and method for distributed back-off in a database-oriented environment | |
Ujjwal et al. | An efficient framework for ensemble of natural disaster simulations as a service | |
GB2516357A (en) | Methods and apparatus for monitoring conditions prevailing in a distributed system | |
CN104011682B (zh) | 对应用事件响应进行推测性处理的方法和计算机系统 | |
CN115858667A (zh) | 用于同步数据的方法、装置、设备和存储介质 | |
Kim et al. | Cooperative scheduling schemes for explainable DNN acceleration in satellite image analysis and retraining | |
CN115421920A (zh) | 金融产品的任务管理方法及装置、电子设备、存储介质 | |
CN108009849B (zh) | 生成账号状态的方法以及生成账号状态的装置 | |
CN112948078A (zh) | 基于服务调用的收益分配任务处理方法及装置 | |
WO2023231937A1 (zh) | 调度装置、方法及相关设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20121012 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20131128 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20131210 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20140310 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20140317 |
|
A524 | Written submission of copy of amendment under article 19 pct |
Free format text: JAPANESE INTERMEDIATE CODE: A524 Effective date: 20140606 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140609 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20141125 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20141203 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20150519 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20150526 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5755146 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |