在金融業裡，時間就是金錢，毫秒之間決定盈虧。
閃電般的洞察力、果斷執行、創造利潤，重點在於比競爭對手更快做出明智決定，而這些歸究於運用大數據分析的結果。
更快獲得分析結果是一大優勢，金融業開始借用 GPU 的運算能力，將傳統運算技術的實力徹底發揮到極致。
銀行與投資公司改投向 NVIDIA GPUs、全球首套專為深度學習與人工智慧加速分析而開發的 NVIDIA DGX-1 系統，以及 Kinetica 在記憶體內儲存資料的 GPU 加速分散式資料庫的懷抱，以便滿足真正即時分析的要求，包括詐欺分析、風險管理與演算法交易。
互動式投資組合風險管理
對於金融交易員及投資組合經理人來說，這一切歸結到計算投資組合風險。五年前，一名交易員得取出資料並投入專門系統裡，以進行更深入的分析和建模作業。在計算風險時需要用到極為大量的數學運算，通常要分批在夜間進行，無法即時配合市場變化而調整。
如今在 GPUs 與深度學習的助力下，便可在搭載 Kinetica 及 NVIDIA GPU 的單一平台上，進行資料探索、建模／評級及模型消耗這些吃重的運算作業。
客戶無需在系統間搬動資料，便可依要求進行複雜的查詢活動。金融工程師們能夠在有著豐富資訊的同一資料庫上運行精密的資料科學運算作業，以取得交易計算結果。此舉解決了搬動資料的難題，也創造出一個簡化的人工智慧運算架構。
客戶使用 Kinetica 的 GPU 加速使用者定義功能，便可通過一個簡單的 API 呼叫方式，部署使用 TensorFlow、Torch、Caffe 或 Spark ML 等深度學習架構建立的模型，金融工程師和分析師不用學習新的程式語言，就能體驗到 GPU 的出色表現及平行運算的優點。
執行交易
執行交易這件事涉及到如何在限價委託簿裡找出股票的最佳價格。無論未來的交易時間是數百毫秒或一分鐘，在交易更大數量的特定股票之際，會想要知道現在還是接下來的幾秒鐘，是否取得最佳的交易價格。
在取得有深度學習架構支持之量化資料的情況下，就能藉由這支股票過去的數百萬筆交易資料，弄清楚它的未來走向。有海量資料當成訓練教材，便可即時推斷那些資料，判斷「現在」、「在數百毫秒內」、「一秒內」或「一分鐘內」是否該進行交易。那些情報大幅提升了演算法交易的應用潛力。
合併多個資料來源
在深度學習領域裡出現一個新的科學分野，也就是合併多個資料來源。我們已經長久具備市場資料，就能進行技術性交易，查看股價走向。不過要是想搶先競爭者，也得查看其它能併入的資料元素。
這成為一項深度學習及複雜分析的問題，不只是查看一組資料和預測事物走向，而是要找出怎麼合併傳統股價資料和社群媒體資料、網路資料及其它獨有的資料來源，還要找出英國脫歐這些未知事件對於股價的影響性。接著再在深度學習模型裡合併這些資料。
將 GPU 與 DGX-1 搭配 Kinetica 一同運作
在具擴充能力的平台上發揮 NVIDIA GPU 的運算實力，Kinetica 這類公司就能協助金融業者在極短的數毫秒內進行量化分析和空間分析，還能即時進行需求聚合、標準差峰度及其它複雜的分析作業。將人工智慧（AI）與商業智慧（BI）集合在同一個平台上，金融工程師就能更輕鬆進行分散式運算作業。
如果你的資料儲存在公司內部且在公司內部串流傳輸，那麼就需要一套完整的現地解決方案，這便是 DGX-1 大展長才之處。這套為特定目的打造的系統具備八個 Tesla GPU 加速器、用於 GPU 至 GPU 資料傳遞的 NVLink 互連技術及完整的軟體堆疊內容。
倘若你打算進入人工智慧、深度學習及加速分析領域，可以利用 Kinetica 與 NVIDIA 提供的一套整合式全功能解決方案，加快運算作業的速度。我們還讓你享受到無與倫比的運算效能、可預測多個高密度節點的擴充性，還有無縫整合業界標準接點和資料來源及應用程式。
Kinetica 的使用者定義功能進一步提供首個由 NVIDIA GPU 加速運算的整合式 AI 與 BI 工作量，對金融業而言特別有利。
想要了解 AI 運算如何改變經濟產業及其他產業，記得來參加5月8日到11日的GPU科技大會，及早註冊及早省。