Exécutez une simulation de Monte Carlo sur Deadline Cloud

Le bundle de tâches monte_carlo_simulation permet de fixer le prix d'un portefeuille de billets structurés appelables automatiquement à l'aide de la simulation de Monte Carlo avec le modèle de volatilité stochastique de Heston. QuantLib Il s'agit d'un portage sur Deadline Cloud de l'atelier Pricing Financial Derivatives with AWS Batch.

Le bundle définit un pipeline en deux étapes :

1. PricePositions— Une tâche par position du portefeuille. Les tâches sont regroupées en segments qui étalonnent le modèle Heston une seule fois et évaluent toutes les positions du segment, amortissant ainsi le coût d'étalonnage.

2. AggregateResults— Recueille les résultats par position dans un résumé du portefeuille.

Le bundle utilise l'extension Open Job Description TASK_CHUNKING pour l'équilibrage de charge. Le planificateur commence par répartir les positions individuelles, observe le temps qu'elles prennent, puis augmente automatiquement la taille des blocs pour qu'elle corresponde à un temps d'exécution cible. Les positions rapides sont regroupées en groupes plus grands, tandis que les positions lentes restent en petits groupes afin de répartir le travail au sein de la flotte.

Pour exécuter ce bundle, vous avez besoin d'une file d'attente avec un environnement de file d'attente conda incluant le conda-forge canal pourquantlib-python. Lorsque vous déployez le modèle de ferme de démarrage, définissez le ProdCondaChannels paramètre surdeadline-cloud conda-forge.

Soumettez le bundle avec l'expéditeur de l'interface graphique :

deadline bundle gui-submit monte_carlo_simulation/

Ou soumettez un test rapide avec moins de positions :

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