Führen Sie eine Monte-Carlo-Simulation auf Deadline Cloud aus

Das Jobpaket monte_carlo_simulation bewertet ein Portfolio von automatisch abrufbaren strukturierten Schuldverschreibungen unter Verwendung der Monte-Carlo-Simulation mit dem stochastischen Volatilitätsmodell von Heston. QuantLib Der Job ist ein Deadline-Cloud-Port des Workshops Pricing Financial Derivatives with AWS Batch.

Das Paket definiert eine zweistufige Pipeline:

1. PricePositions— Eine Aufgabe pro Portfolioposition. Die Aufgaben werden in Blöcke gruppiert, bei denen das Heston-Modell einmal kalibriert wird und alle Positionen im Block bewertet werden, wodurch sich die Kalibrierungskosten amortisieren.

2. AggregateResults— Fasst die Ergebnisse pro Position in einer Portfolioübersicht zusammen.

Das Bundle verwendet die Open Job Description TASK_CHUNKING Extension für den Lastenausgleich. Der Scheduler sendet zunächst einzelne Positionen, beobachtet, wie lange sie dauern, und vergrößert dann automatisch die Chunk-Größe, um sie an die gewünschte Laufzeit anzupassen. Schnelle Positionen werden in größere Blöcke gruppiert; langsame Positionen bleiben in kleinen Abschnitten, um die Arbeit auf die gesamte Flotte zu verteilen.

Um dieses Paket auszuführen, benötigen Sie eine Warteschlange mit einer Conda-Warteschlangenumgebung, die den Kanal für enthält. conda-forge quantlib-python Wenn Sie die Starter-Farmvorlage bereitstellen, setzen Sie den ProdCondaChannels Parameter aufdeadline-cloud conda-forge.

Reichen Sie das Paket mit dem GUI-Absender ein:

deadline bundle gui-submit monte_carlo_simulation/

Oder reichen Sie einen Schnelltest mit weniger Positionen ein:

deadline bundle submit monte_carlo_simulation/ \
  -p PositionRange="0-1" -p NumPaths=100