| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 课题研究背景及意义 | 第12-14页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.2.1 关于期权定价算法的研究 | 第14-15页 |
| 1.2.2 LSTM神经网络预测金融时间序列算法的研究 | 第15页 |
| 1.3 本文主要工作 | 第15-16页 |
| 1.4 本文组织结构 | 第16-18页 |
| 第二章 相关背景 | 第18-28页 |
| 2.1 期权定价基本理论与方法 | 第18-20页 |
| 2.1.1 期权及其定价算法 | 第18页 |
| 2.1.2 蒙特卡洛欧式期权定价算法 | 第18-19页 |
| 2.1.3 蒙特卡洛美式期权定价算法 | 第19-20页 |
| 2.2 预测模型理论研究与方法 | 第20-25页 |
| 2.2.1 LSTM模型理论研究 | 第20-22页 |
| 2.2.2 前向计算过程 | 第22页 |
| 2.2.3 BPTT算法及后向更新 | 第22-24页 |
| 2.2.4 训练和优化算法 | 第24-25页 |
| 2.3 并行计算及实现技术 | 第25-26页 |
| 2.3.1 节点间并行技术 | 第25-26页 |
| 2.3.2 X86并行技术 | 第26页 |
| 2.3.3 异构并行技术 | 第26页 |
| 2.4 本章小结 | 第26-28页 |
| 第三章 期权定价并行算法实现 | 第28-32页 |
| 3.1 节点间并行 | 第28-29页 |
| 3.2 蒙特卡洛算法并行 | 第29-30页 |
| 3.3 针对GPU的并行优化 | 第30-31页 |
| 3.4 针对X86设备上的并行优化 | 第31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 LSTM模型并行算法及MPL实现 | 第32-40页 |
| 4.1 LSTM模型算法并行分析 | 第32-33页 |
| 4.2 MPL(Math Parallel Library)数学库 | 第33-36页 |
| 4.3 三种矩阵乘法算法分析与实现 | 第36-38页 |
| 4.3.1 矩阵向量乘 | 第36-37页 |
| 4.3.2 向量矩阵乘 | 第37-38页 |
| 4.3.3 向量外积 | 第38页 |
| 4.4 Adam算法分析与并行 | 第38-39页 |
| 4.5 LSTM模型参数选择 | 第39页 |
| 4.6 本章小结 | 第39-40页 |
| 第五章 结果分析与比较 | 第40-48页 |
| 5.1 实验平台 | 第40页 |
| 5.2 期权定价算法结果比较 | 第40-44页 |
| 5.2.1 单节点计算性能比较 | 第40-42页 |
| 5.2.2 多节点计算性能比较 | 第42-44页 |
| 5.3 LSTM算法结果比较 | 第44-47页 |
| 5.3.1 计算准确度 | 第44-45页 |
| 5.3.2 MPL加速效果 | 第45-47页 |
| 5.4 本章小结 | 第47-48页 |
| 第六章 总结与展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-56页 |
| 攻读学位期间发表的学术论文和参加科研情况 | 第56-57页 |
| 附件 | 第57页 |