In einem alten Beitrag von mir habe ich mich gefragt, ob es möglich ist, Cuda-Kerne der Grafikkarte (Nvidia) für parallele Berechnungen zu verwenden.
und sie sagten, dass dies nicht möglich sei ....
so für diejenigen, die Geld zu verbringen haben ... xeon Platin, Gold (zwei) amd TR amd EPYC aber eine Menge Macht, ohne zu wissen, was zu tun ist .. ist nutzlos ... Ich meine, dass viele nur auf Rechenleistung konzentrieren. .hoffen, Super-Strategien zu ziehen ... Ich weiß, algotraders, die mit Mid-Level-Computern arbeiten und "machen funktionierende Strategien ... Ich denke, dass nach all den neuesten CPU läuft ist von geringem Nutzen
das ist nur meine Beobachtung
Ich habe den Computer 3 Mal gewechselt, immer schneller, die Strategien haben sich nicht mit der Geschwindigkeit des Computers verbessert
bezüglich der Verwendung von GPU in SQ, können Sie hier einen aktuellen Beitrag des Administrators lesen
https://strategyquant.com/forum/topic/parallel-processing-for-genetic-training-and-generation/#post-247279
Der Administrator, Mark Fric, hat diese Grundsätze auch in älteren Beiträgen erläutert, z. B. in diesem Beitrag
https://strategyquant.com/forum/topic/1774-what-type-of-computer-specifications-do-you-all-have/page/2/#post-126669
Was Xeon und Leistung angeht, so gehören die neuesten AMD Ryzen 9 und Threadripper zum Besten, was die Welttechnik derzeit zu bieten hat.
Timisoara, Rumänien
3900X 3.8 Ghz 12 Kerne, 64GB RAM DDR4 3000Mhz, Samsung 970 EVO Plus M.2 NVMe
Es scheint, dass der Xeon den professionellen Anforderungen nicht gerecht werden kann. Plant das SQ-Team, weitere Funktionalitäten wie GPU hinzuzufügen? Sogar ein Entwicklungsplan wie beim Bitcoin-Miner wäre besser: CPU-GPU-FPGA-ASIC.
Ich habe dies wiederholt mit meinen Doktorandenfreunden von der Universität besprochen, die mit GPUs arbeiten, und leider hat sich der Status nicht geändert - GPUs sind für uns nicht geeignet. Es ist möglich, genetische Evolution und auch "irgendeine Art" von Backtesting auf GPUs durchzuführen. Das Problem ist die offene Natur von SQ, die wir erreichen wollen. Wir könnten eine feste Strategiearchitektur und einen festen Satz von Indikatoren erstellen, die auf der GPU getestet werden, aber dann wären wir nicht in der Lage, Dinge wie Strategievorlagen, die Programmierung von benutzerdefinierten Indikatoren und andere Blöcke zu verwenden, die alle Stärken von SQ X sind. Diese hundertfache Beschleunigung, die in den Papieren erwähnt wird, ist nur unter bestimmten Bedingungen und mit bestimmten Programmen möglich, es ist noch nicht möglich, den allgemeinen Backtesting-Prozess so zu beschleunigen.
Das ist bedauerlich. Ich stimme zu, dass es viel wichtiger ist, die Flexibilität bei der Verwendung von benutzerdefinierten Indikatoren/Templates zu erhalten, als diese für die Leistung zu opfern.
Die wahre Lösung für eine höhere Leistung durch Hardware ist also die Verwendung mehrerer CPUs, die über ein Grid-System verbunden sind. Zumindest kann ich Geld für teure GPUs sparen, haha.
Ich berate mich wiederholt mit meinen Doktorandenfreunden von der Universität, die mit GPUs arbeiten, und leider ändert sich der Status nicht - GPUs sind für uns nicht geeignet.
Es ist möglich, genetische Evolution auch "eine Art" von Backtesting auf GPU laufen zu lassen. Das Problem ist die offene Natur der SQ, die wir erreichen wollen.
Wir könnten eine feste Strategiearchitektur und einen festen Satz von Indikatoren entwickeln, die in der GPU getestet werden, aber dann wären wir nicht in der Lage, Dinge wie Strategievorlagen, die Programmierung von benutzerdefinierten Indikatoren und anderen Blöcken zu verwenden, die alle Stärken von SQ X sind.
Diese hundertfache Beschleunigung, von der in der Literatur die Rede ist, ist nur unter bestimmten Bedingungen und mit bestimmten Programmen möglich, eine solche Beschleunigung des allgemeinen Backtesting-Prozesses ist noch nicht möglich.
Mark
StrategyQuant Architekt
Ich habe in den SQ-Foren und anderswo viel recherchiert, um die aktuellen Engpässe der GPU-Berechnung beim Backtesting zu verstehen. Als Mark in der Vergangenheit darüber sprach, ging es um die Verwendung von GPUs für allgemeine Berechnungen, da das Backtesting komplexer war als mathematische Operationen. Ein ähnlicher Gedanke wurde in dieser akademischen Zusammenfassung hier beschrieben: https://pdfs.semanticscholar.org/d087/f5cb4a92f98aaef5008ceb682954f7ffbee2.pdf
Es scheint jedoch, dass zwei Forscher in der Lage waren, GPUs effektiv mit genetischen Algorithmen auf FX-Märkten zu nutzen. Ich empfehle dringend, sich diesen Ansatz anzusehen und möglicherweise zu implementieren. Einen vollständigen Link zu ihrer akademischen Forschung finden Sie hier: http://people.scs.carleton.ca/~dmckenne/5704/Paper/Final_Paper.pdf
Ich habe auch herausgefunden, dass NVIDIA in der Lage war, GPUs für Backtests an den Finanzmärkten einzusetzen und eine 6000-fache Beschleunigung zu erreichen https://www.nvidia.com/content/dam/en-zz/Solutions/industries/finance/finance-trading-executive-briefing-hr-web.pdf
Wie sie das gemacht haben, weiß ich nicht, also werde ich weiter suchen, aber es scheint einen Weg zu geben, CUDA-Logik einzubauen, die in der Lage ist, die Art von Backtesting durchzuführen, die bisher als nahezu unmöglich galt. Ich glaube also, dass es noch Hoffnung gibt, dass dies eines Tages in SQX implementiert werden kann. Wenn es schon einmal gemacht wurde, halte ich es nicht für "unmöglich". Die Forscher, die GPUs in ihren genetischen Algorithmus eingebaut haben, verwendeten auch CUDA, um ihre Ergebnisse zu erzielen.
es wurde hier schon oft geschrieben, wie sqx funktioniert, warum es nicht möglich ist, GPU zu benutzen usw. benutzen Sie einfach die Suchfunktion
Mark hat die GPU-Fähigkeiten in die Liste der Meilensteine für SQX aufgenommen, die noch zu erledigen sind: https://roadmap.strategyquant.com/tasks/sq4_2985
Ich habe gelesen, worauf Sie sich beziehen, aber nachdem diese Aufgabe vorgelegt wurde und es eine Diskussion darüber gab, wie sie umgesetzt werden könnte, bin ich davon ausgegangen, dass sich diese Meinung geändert hat.
es wurde hier schon oft geschrieben, wie sqx funktioniert, warum es nicht möglich ist, GPU zu benutzen usw. benutzen Sie einfach die Suchfunktion
Dies geschieht technisch gesehen bereits seit SQ3 und vielleicht auch schon davor. (Andernfalls wäre es nicht möglich, mehr als einen Kern gleichzeitig zu verwenden.)
Ich dachte, nur WFO und Monte Carlo nutzten diese Möglichkeit, aber ich habe keine Ahnung, wie SQX funktioniert, daher war das nur eine Vermutung.
Ich kenne einige optimierte Software mit Nvidia Cuda-Bibliotheken, die die Cuda-Kerne der Nvidia gpu.... oder Tesla-Karten für parallele Berechnung nutzen... aber ich denke, es ist eine große Aufgabe, die Sqx mit Cuda-Bibliotheken optimiert zu schreiben
Wenn ich nur ein einziges Weihnachtsgeschenk haben könnte, wäre es das hier lol
wie die Cuda-Kerne von Nvidia
Ich kenne einige optimierte Software mit Nvidia Cuda-Bibliotheken, die die Cuda-Kerne der Nvidia gpu.... oder Tesla-Karten für parallele Berechnung nutzen... aber ich denke, es ist eine große Aufgabe, die Sqx mit Cuda-Bibliotheken optimiert zu schreiben
Von wiki: Parallel Computing ist eine Art der Berechnung, bei der viele Berechnungen oder die Ausführung von Prozessen gleichzeitig durchgeführt werden. Dies geschieht technisch gesehen bereits seit SQ3 und vielleicht auch schon davor. (Andernfalls wäre es nicht möglich, mehr als einen Kern gleichzeitig zu verwenden.)
Ich freue mich auch auf die GPU-Unterstützung, sie sollte viel schneller sein, aber es könnte eine Menge Arbeit sein, um dorthin zu gelangen...
Aus diesem Papier: https://pdfs.semanticscholar.org/8fa2/9a317120add5525e61f41f73c5a96e932d60.pdf
GPGPU-Programmierung ist Schreiben Massiv parallele Programme zur Ausführung auf Personalcomputern.
Mögen alle deine Anzüge locker sitzen.
https://www.darwinex.com/darwin/SUG.4.2/
Hallo zusammen. Soweit ich weiß, hat das SQ-Team eine Menge Geschwindigkeitsverbesserungen für SQX vorgenommen, darunter auch parallele Berechnungen für Monte Carlo- und WFO-Simulationen.
Ist es jedoch möglich, parallele Berechnungen für das genetische Training und die Zufallsgenerierung zu verwenden? Ich würde vermuten, dass dies diesen Prozess für CPUs mit höherer Kernzahl wesentlich schneller machen würde.
Ich habe auch gesehen, dass die GPU-Beschleunigung für Berechnungen auf der Liste der später zu erledigenden Aufgaben steht. Soweit ich weiß, kann die GPU-Berechnung aber nur dann zur Beschleunigung des Aufbaus der Strategien beitragen, wenn der Aufbau und das Training mit paralleler Verarbeitung durchgeführt werden. Ich möchte in Premium-GPUs investieren, um sie mit meinem Rechner für SQX zu nutzen, wenn diese Funktion verfügbar ist. Ich wollte jedoch sicherstellen, dass sie die Geschwindigkeit der Erstellung und des Trainings von Strategien tatsächlich verbessert.
Ich habe gesehen, dass die GPU-Beschleunigung die Geschwindigkeit des Trainings von Machine-Learning-Modellen um Größenordnungen verbessert. Könnte dasselbe auf SQX angewendet werden? Ich bin neugierig auf die Meinung von Mark oder dem Entwicklungsteam. Es wäre wirklich fantastisch, die 10-100-fachen Geschwindigkeitsverbesserungen zu erreichen, die bei verschiedenen Modellen mit Multi-GPU-Setups beobachtet wurden 🙂
ja. versuchen Sie zuerst, GPU zu schreiben, um zu suchen, dann fragen Sie pls. mit allem gebührenden Respekt.
https://strategyquant.com/forum/search/GPU/
Dies wurde bereits einige Male in diesem Forum diskutiert, GPU kann nicht wirklich verwendet werden, wenn man den Benutzern erlauben will, ihre eigenen Indikatoren und andere Dinge zu programmieren und SQX mit ihren eigenen Ideen zu erweitern, ist einer der Gründe. Aber es wurde auch gesagt, dass Teile hinzugefügt werden könnten, die GPU-beschleunigt sein könnten.
Ich war überrascht, im Internet zu lesen, dass SQ noch nicht in der Lage ist, die Berechnungen der Verarbeitungsstrategien durch GPU und openCL oder die Berechnung in der Cloud zu beschleunigen!!! Wie ist das möglich?
Ich denke, es ist ein totaler Rückstand, dass SQ mit der fortgeschrittenen, die im Vergleich zu anderen konkurrierenden Software und die nicht über diese Kapazität noch, Plattformen wie MT5 und andere haben bereits implementiert es für eine lange Zeit !!!
Ich hoffe, dass einige dieser Technologien in den kommenden Monaten integriert werden!!!
Ich schlage vor, dass wir uns gemeinsam dafür einsetzen, dass sie diese Technologie einbauen, und dass Sie sie auffordern, dies so bald wie möglich zu tun.
Dankeschön
Englisch
Spanisch
Portugiesisch
Französisch
Italienisch
