Fpga In Handelssystemer

Jeg har lest om forskjellige implementeringer av HFT-systemer på FPGAer. Spørsmålet mitt er, hvilken del av HFT-systemer som for det meste er implementert på FPGA-er i dag. Er FPGA-er fortsatt svært populære. Bare fôringshandleren er implementert på FPGA-ene. Fordi noen av disse systemene beskrevet ovenfor, har bare en feed-håndterer implementert på FPGA, fordi strategien endres for mye, eller er for vanskelig å implementere på FPGAs. Andre hevder at de også har implementert handelsstrategier på FPGAs eller ved hjelp av high performance NICer i stedet for FPGAer for å bygge HFT-systemer. Ive leser om ulike tilnærminger, men jeg synes det er vanskelig å sammenligne da de fleste resultatene blir testet på forskjellige inngangssett. spurte mar 9 14 kl 21:06 Heres en måte å tenke på det: forestill deg at du kan gjøre noe i en ASIC (dvs. direkte i maskinvare). Imidlertid er prosessen med fabrikasjon i seg selv dyr, og du får et design som du ikke kan endre etterpå. ASICs gir mening for forhåndsdefinerte oppgaver som Bitcoin-gruvedrift, kjente databehandlingsalgoritmer, etc. På den annen side har vi vanlige CPUer (samt koprosessor-CPUer og GPUer) som er generelle formål, men behandler en liten (i termer av samtidige instruksjoner) sett med instruksjoner med svært høy hastighet. FPGA er midtvei. De er maskinvareemulatorer og kan derfor betraktes som 10x langsommere enn den faktiske maskinvaren, men det er fortsatt viktigere for samtidige operasjoner enn CPUer, forutsatt at du er i stand til å utnytte dysen for å spre logikken tilsvarende. Enkelte bruksområder av FPGA er: Videokodkoding (f. eks. HD-video-avkoding i TV-er), samt ulike datainnsamlingsbrett. Fast datastrukturparsing (Regex-parsing) Diskret system-simulering (for eksempel simulering av utfallet av et kortspill) Massevis av riktig innebygd applikasjoner som f. eks i luftfart eller vitenskapelig forskning Problemet med FPGAer for kvantbruk er at det ikke er så bra for flytende punktberegninger, spesielt siden vanlige CPUer allerede er optimalisert for det med ting som SIMD. Imidlertid kan FPGA-design for enkel og fast datastrukturer gi deg mulighet til å konfigurere enheten til å gjøre mye behandling samtidig. Noen ting som gjøres i handel, bruker FPGA for feed-håndterere (parsing direkte fra nettverksstrømmen), samt å bygge visse deler av handelsstrukturen (f. eks. Ordrebøker) i maskinvare for å kunne håndtere den raskt skiftende datastrukturen uten laster CPU. FPGAs tar sikte på å takle bekymringen for rask behandling av data uten å betale forplantningskostnadene. Dette er spesielt i motsetning til enheter som GPGPU (eller et hvilket som helst PCI-boligkort, for eksempel Xeon Phi) som betaler ytelsesstraff for å få data fra enheten. Når det er sagt, forbedrer DMA-opsjonene også i denne forbindelse. FPGA er egentlig ikke noe mer enn de samme logiske blokkene gjentas igjen og igjen gjennom silisium, med konfigurerbare brytere for å koble logikkblokkene sammen. Dette gjør FPGAs veldig bra - og raskt - når det gjelder repeterende problemer som kan beskrives i en maskinvarekrets som ikke endres under drift. Og du kan ha bokstavelig talt tusenvis eller titusener av disse kretsene, som alle jobber parallelt samtidig, i bare en FPGA. CPUer derimot er basert på ALU, som laster instruksjoner, laster data, opererer på dataene, lagrer kanskje resultatene, og gjør det igjen. CPUer er da veldig gode - og raske - ved å håndtere problemer som stadig skifter - både i størrelse og omfang, og ved å bytte mellom ulike oppgaver. Dagens CPU eller kjerne vil ha tiere til hundrevis av ALUer med parallelle rørledninger for data og instruksjoner, noe som gjør dem svært raske på komplekse problemer som kan jobbe parallelt. Disse designene gjør FPGAer raskere ved enklere problemer som kan angripes med en stor parallellarkitektur - for eksempel kondensering av flere datafeeds i mindre enn mikro-sekund, ledning til ledning eller utløser en forhåndsberegnet kjøp, salg eller avbestilling til en pris som passer til et bestemt mønster. CPUer er raskere på mer komplekse problemer som krever mindre parallellitet, for eksempel å beregne kurven for kjøp, salg og kansellering som trengs for å holde en portefølje risikojustert eller integrere en rekke pris - og nyhetskilder av varierende alder og kvalitet til handelsindikatorer som brukes av handelsmenn og ledelse å bestemme hvilke tilpasninger de vil gjøre til handelssystemet. Hvor FPGA er brukt i HFT avhenger mye av arkitekturen til en bestemt butikk. De brukes best til å utføre enkle, repeterende, brede oppgaver og utføre dem raskt. CPUer er en sveitsisk kniv som kan gjøre det meste, spesielt hvor kravene endres og dimensjonene til problemet ikke forstås fullt ut i begynnelsen. svarte 11. mar kl. 17:10 Spørsmålet ditt gjør virkelig ikke mye mening. Det er som å spørre hvor mye ledningsnettene i handelsinfrastruktur bruker optisk fiber og hvor mye av det som brukes kobber. Det beste svaret vi kan gi deg er at en FPGA ikke er en magisk kulde. Dette er en feilaktig tolkning av Cisco-hvitt papir. Det er veldig lite overlapp mellom brukstilfeller av bytte av stoff og de av en FPGA. hvilken del av HFT-systemer er for det meste implementert på FPGAs i dag. I dag brukes FPGAer ofte i våre skrivere og TV-bokser. svarte mar 9 14 kl 21:55 Jeg vil fremheve den digitale signalbehandlingsblokken (DSP) med ALUs. Dagens FPGA har hundrevis av programmerbare DSP-blokker, det aller største med tusenvis. Nå har du plutselig tusenvis av små prosessorer til din disposisjon, alle i stand til å utføre beregninger parallelt. Dette er langt større enn parallellisme som tilbys av Xeon Phi eller GPU. Faktisk, hvis du gjør opsjonsprismodellering eller stokastisk risikomodellering på FPGA, kan du få mer enn 100 ganger økning i ytelse sammenlignet med de nyeste GPUene og enda mer i forhold til de nyeste CPUene. Sammen med DSP-blokkene er den andre hovedfaktoren i denne ytelsesøkningen minnebufferen. FPGA har innebygd distribuert RAM som er ekstremt rask, slik at båndbredde på 100TB blir oppnådd på datapathnivå. Bruke dagens FPGAer for algo-strategier gir stor og massivt samtidig beregningsressurs som kan gi 100 til 1000 ganger økning i ytelse sammenlignet med GPUer eller CPUer. Hovedforutsetningen er at du må bli dyktig skriftlig i Verilog eller VHDL :) Sanjay Shah CTO Nanospeed svarte 5. august kl 14:05 En rekke kraftige, mange kjerneprosessorer begynner å komme seg inn i maskinvaren akselerasjon plass som tidligere var helt eid av FPGAs. Bedrifter som Tilera, Adapteva og Coherent Logix alle gir disse prosessorene her i USA, med Enyx fra Frankrike, som også gjør innkasting. Den virkelige effekten av disse massivt parallelle prosessorene ligger i modenheten til deres programvareverktøy. Det er der den potensielle brukeren bør fokusere sin oppmerksomhet. Ingen ønsker å programmere eller feilsøke tiere eller hundrevis av kjerner ved hjelp av manuelle teknikker. Selvfølgelig er det selvsagt at IO båndbredde er like viktig. I min personlige erfaring i dette rommet ser jeg vedtagelsen av koherente Logix-prosessorer som samprosessorer eller maskinvareacceleratorer for C-språk algo-akselerasjon. Ved å nyte den raske konjunktursyklusen til et C-basert miljø kan algo-programmerere tilpasse kode til deres hjerteinnhold og ikke bekymre seg for kostbar og tidsintensiv HDL-koding for FPGA-er. Den optimale partisjoneringen er å få FPGAer til å gjøre det de gjør best - faste repeterende operasjoner - og ha mange kjerneprosessorer gjør det de gjør best: akselerere algo utviklere produktivitet og eksekveringshastighet. John Irza, forretningsutviklingsleder, Coherent Logix, Inc. besvart 6 august kl 14:42. Nesten alle HFT-butikker bruker FPGA-arkitektur. Disse enhetene må byttes ut ofte, da de raskt overskrides av de siste forbedringene i fart, rørledninger, parallellitet osv. Med mindre du er klar til å investere 2M i året, finne ut en annen strategi. Mange gutter gjør daglige prisbevegelser med penn og papir gjør millioner i Omaha, NB. besvart 28 jul 16 kl 10:31 Ditt svar 2017 Stack Exchange, IncShare This Page Framework gir raskere applikasjonsutvikling av ultralagse-finansielle systemer. Siden adventen av elektronisk handel har et løp om fart sett på å bygge de raskeste og smarteste handelsplatformene. Responsetiden er redusert fra sekunder til millisekunder, til mikrosekunder. Stasjonen for mikrosekund og submikrosekundrespons er simpelthen ikke mulig med tradisjonell programvare eller enkle maskinvarearkitekturer, et faktum som fremmer adopsjon av feltprogrammerbar gate array (FPGA) teknologi i ultralyd-latenssystemer. For å redusere risikoen for å utvikle maskinvarebeskrivelsesspråk (HDL) - koden innfødt på et FPGA Ethernet-kort, samtidig som den slår ut utviklingstiden, har AdvancedIO pioneret bruk av FPGA-rammer for 10 Gigabit Ethernet (10GE) - kommunikasjon. AdvancedIO ExpressXG-utviklingsrammeverktøyet gir infrastrukturen nødvendig for å sikre rask distribusjon av finansielle tjenester og muliggjør sømløs overførbarhet til den nyeste generasjonen av FPGA-kort. - Rafeh Hulays, PhD, Vice President, Business Development, AdvancedIO Systems Inc. TilleggsinformasjonFPGA i High Frequency Trading Nå handler hver mann og hunden sin med FPGAs, og kanten er nå stump som en skje. Men i stedet for en tid å gå vekk det er tid til å forandre taktikk. Here8217s hva du bør gjøre nå: 1. Stopp konkurrere i armeringen. Fortjeneste for å være først til kampen er over. Maskinvare vil gå raskere enn du kan utvikle strategier for å løpe på den. Don8217t konkurrerer i våpenløp med mindre du kan kjøpe Xilinx eller Altera. 2. Stopp med å fokusere på ekspansjonshastigheten. Å prøve å få bestillingen din raskere enn noen andre, er et overfylt spill. Finn intelligente strategier i stedet for raske og dumme strategier. Bruk FPGAer for hva de er gode til: Raskt parallelt nummer knusing. Fokus på å behandle markedsdata for å finne handelsmuligheter, ikke på knusende protokoller for å spare 2 mikrosekunder. 3. Utnytte eksisterende maskinvare Don8217t kaste bort tiden din med å utvikle din egen tilpassede maskinvare. Den typen maskinvare som brukes i høyfrekvent handel, koster for mye penger til å utvikle og innebærer for mye risiko (ironisk). Men hovedproblemet er utviklingsledetiden, noe som betyr at når du kan handle på det, kan du kjøpe noe annet som er billigere og raskere. 4. Bruk flere data Den neste fortjenesten kommer fra FPGA trading plattformer som behandler datastrømmer som kommer fra alt og alt. Ta sammen data fra en rekke kilder som ennå ikke er sett på, og finn sammenkoblingene som bare kan utnyttes av farten til en FPGA. Jeff er lidenskapelig om FPGAs, SoCs og high performance computing, og har skrevet FPGA Developer blog siden 2008. Som eier av Opsero. Han leder et lite team av FPGA-all-stars som gir oppstart og teknologibedrifter med FPGA-designskapasitet som de kan ringe på når det trengs.