Grid computing for Monte Carlo based intensive calculations in financial derivative pricing applications
Institution:
NiceDisciplines:
Directors:
Abstract EN:
In this thesis, we provide a grid programming framework, named PicsouGrid, which specially targets financial derivative pricing applications. We are interested in the evaluation of high dimensional option contracts (based on a basket of underlying assets) Such a framework includes fault tolerance, load balancing, dynamic task distribution and deployment mechanisms, and as such targets heterogeneous computing environments like computing grids. We also propose a parallelisation of the Classification Monte Carlo (CMC) algorithm, originally devised by Picazo (2002), for high dimensional American option pricing, which scales in a grid environment. We describe experimental results obtained running this parallel algorithm using PicsouGrid. We are able to run this algorithm for pricing American options requiring important computation times, because of a large number of opportunity dates (e. G. Up to 100 such dates), and because of large dimension (e. G. Up to 40 underlying assets). We also compare and analyse the option price accuracy obtained with this CMC algorithm when using different classification algorithms such as AdaBoost, Gradient Boost and Support Vector Machines. Additionally, we define a financial benchmark suite for performance evaluation and analysis of grid computing middlewares. Such benchmark suite is conceptually simple and easy to understand for both the grid computing and financial communities. The benchmark suite was successfully used in the 2008 SuperQuant Monte Carlo challenge - the Fifth Grid Plugtest and Contest. Within the context of this challenge, we developed the ProActive Monte Carlo API (MC API). Key works : Grid computing, high dimensional American option pricing, Monte Carlo methods, classification techniques, benchmark suite, grid iddleware.
Abstract FR:
Dans cette thèse, nous proposons un environnement de programmation sur grille, nommé PicsouGrid, qui cible tout particulièrement le pricing de contrats dérivés optionnels dans le domaine de la finance. Nous nous focalisons sur le problème de la valorisation d'options de grande dimension (c. A. D. Dont le sous-jacent est un grand panier d'actifs). Cet environnement inclut des mécanismes de tolérance aux fautes, de répartition de charge, de partage dynamique de taches, de déploiement, et ainsi, cible des environnements de calcul hétérogènes tels les grilles de calcul. Nous nous intéressons également à la parallélisation d'un algorithme nommé Classification Monte Carlo (CMC), défini à l'origine par Picazo (2002), pour calculer le prix d'options de type Américain en grande dimension, et qui passe à l'échelle. Nous décrivons les résultats d'expériences obtenus avec cet algorithme parallèle implémenté dans PicsouGrid avec jusqu'à 100 opportunités d'exercice et jusqu'à 40 actifs sous-jacents (pour faire référence à l'indice CAC40). Nous comparons et analysons la précision numérique des prix des ces options calculés avec cet algorithme CMC, et ce en utilisant différents algorithmes de classification, comme AdaBoost, Gradient Boost et les "Support Vector Machines". Finalement, nous définissons une suite de tests de performance, dans le domaine de la finance, pour l'évaluation et l'analyse d'intergiciels de grilles de calcul. La suite de tests de performance a été utilisée avec succès durant le "2008 SuperQuant Monte Carlo challenge - the Fifth Grid Plugtest and Contest". Dans le cadre de ce challenge, nous avons également développé une API pour faciliter la mise en œuvre d'applications ProActive nécessitant des simulations Monte Carlo.