#монтекарло — Public Fediverse posts
Live and recent posts from across the Fediverse tagged #монтекарло, aggregated by home.social.
-
GPU Compute Engine для 1С: как перестать ждать часами и начать считать на видеокарте
Массовые расчёты в 1С — авансы, себестоимость, MRP — традиционно узкое место при больших объёмах данных. Последовательная обработка на CPU занимает минуты и часы, и ни индексы, ни мощный сервер проблему не решают. В этой статье я показываю, как перенести такие вычисления на видеокарту через Vulkan Compute Shaders. Разбираю три реальных кейса — от простого расчёта авансов до MRP с Монте-Карло симуляциями — с цифрами, фрагментами шейдеров и архитектурными схемами. Ускорение: от 300 до 2500 раз. Движок с открытым исходным кодом, тестовые базы и полный инструментарий прилагаются.
https://habr.com/ru/articles/1034018/
#GPU_Compute_Engine #1С #Vulkan #параллельные_вычисления #вычислительные_шейдеры #MRP #себестоимость #авансы #МонтеКарло #GPGPU
-
GPU Compute Engine для 1С: как перестать ждать часами и начать считать на видеокарте
Массовые расчёты в 1С — авансы, себестоимость, MRP — традиционно узкое место при больших объёмах данных. Последовательная обработка на CPU занимает минуты и часы, и ни индексы, ни мощный сервер проблему не решают. В этой статье я показываю, как перенести такие вычисления на видеокарту через Vulkan Compute Shaders. Разбираю три реальных кейса — от простого расчёта авансов до MRP с Монте-Карло симуляциями — с цифрами, фрагментами шейдеров и архитектурными схемами. Ускорение: от 300 до 2500 раз. Движок с открытым исходным кодом, тестовые базы и полный инструментарий прилагаются.
https://habr.com/ru/articles/1034018/
#GPU_Compute_Engine #1С #Vulkan #параллельные_вычисления #вычислительные_шейдеры #MRP #себестоимость #авансы #МонтеКарло #GPGPU
-
GPU Compute Engine для 1С: как перестать ждать часами и начать считать на видеокарте
Массовые расчёты в 1С — авансы, себестоимость, MRP — традиционно узкое место при больших объёмах данных. Последовательная обработка на CPU занимает минуты и часы, и ни индексы, ни мощный сервер проблему не решают. В этой статье я показываю, как перенести такие вычисления на видеокарту через Vulkan Compute Shaders. Разбираю три реальных кейса — от простого расчёта авансов до MRP с Монте-Карло симуляциями — с цифрами, фрагментами шейдеров и архитектурными схемами. Ускорение: от 300 до 2500 раз. Движок с открытым исходным кодом, тестовые базы и полный инструментарий прилагаются.
https://habr.com/ru/articles/1034018/
#GPU_Compute_Engine #1С #Vulkan #параллельные_вычисления #вычислительные_шейдеры #MRP #себестоимость #авансы #МонтеКарло #GPGPU
-
GPU Compute Engine для 1С: как перестать ждать часами и начать считать на видеокарте
Массовые расчёты в 1С — авансы, себестоимость, MRP — традиционно узкое место при больших объёмах данных. Последовательная обработка на CPU занимает минуты и часы, и ни индексы, ни мощный сервер проблему не решают. В этой статье я показываю, как перенести такие вычисления на видеокарту через Vulkan Compute Shaders. Разбираю три реальных кейса — от простого расчёта авансов до MRP с Монте-Карло симуляциями — с цифрами, фрагментами шейдеров и архитектурными схемами. Ускорение: от 300 до 2500 раз. Движок с открытым исходным кодом, тестовые базы и полный инструментарий прилагаются.
https://habr.com/ru/articles/1034018/
#GPU_Compute_Engine #1С #Vulkan #параллельные_вычисления #вычислительные_шейдеры #MRP #себестоимость #авансы #МонтеКарло #GPGPU
-
Создание и тестирование пенсионных инвестиционных стратегий с помощью Okama
Если вы когда-нибудь задумывались о том, на сколько лет хватит ваших накоплений после выхода на пенсию — эта статья для вас. Мы разберём, как с помощью open-source библиотеки okama для Python можно моделировать и тестировать различные стратегии снятия денег с инвестиционного портфеля. От классического «правила 4%» до продвинутых адаптивных стратегий — всё с примерами кода.
https://habr.com/ru/companies/okama/articles/1020458/
#okama #python #инвестиции #портфельные_инвестиции #монтекарло #математика #статистика
-
Создание и тестирование пенсионных инвестиционных стратегий с помощью Okama
Если вы когда-нибудь задумывались о том, на сколько лет хватит ваших накоплений после выхода на пенсию — эта статья для вас. Мы разберём, как с помощью open-source библиотеки okama для Python можно моделировать и тестировать различные стратегии снятия денег с инвестиционного портфеля. От классического «правила 4%» до продвинутых адаптивных стратегий — всё с примерами кода.
https://habr.com/ru/companies/okama/articles/1020458/
#okama #python #инвестиции #портфельные_инвестиции #монтекарло #математика #статистика
-
Создание и тестирование пенсионных инвестиционных стратегий с помощью Okama
Если вы когда-нибудь задумывались о том, на сколько лет хватит ваших накоплений после выхода на пенсию — эта статья для вас. Мы разберём, как с помощью open-source библиотеки okama для Python можно моделировать и тестировать различные стратегии снятия денег с инвестиционного портфеля. От классического «правила 4%» до продвинутых адаптивных стратегий — всё с примерами кода.
https://habr.com/ru/companies/okama/articles/1020458/
#okama #python #инвестиции #портфельные_инвестиции #монтекарло #математика #статистика
-
Создание и тестирование пенсионных инвестиционных стратегий с помощью Okama
Если вы когда-нибудь задумывались о том, на сколько лет хватит ваших накоплений после выхода на пенсию — эта статья для вас. Мы разберём, как с помощью open-source библиотеки okama для Python можно моделировать и тестировать различные стратегии снятия денег с инвестиционного портфеля. От классического «правила 4%» до продвинутых адаптивных стратегий — всё с примерами кода.
https://habr.com/ru/companies/okama/articles/1020458/
#okama #python #инвестиции #портфельные_инвестиции #монтекарло #математика #статистика
-
Игра в угадайку
Играют двое: загадывающий и отгадывающий. Загадывающий загадывает целое число в известном диапазоне — скажем, от 1 до 100 включительно. Отгадывающий пытается это число отгадать, называя варианты. После каждого неверного варианта загадывающий говорит: «больше» или «меньше». Задача: отгадать число за минимальное количество попыток, используя минимальный объем вычислений. Вам кажется, что это очень просто? Поверьте, это совсем не так!
https://habr.com/ru/articles/1017752/
#угадай_число #максимин #монтекарло #градиентный_спуск #эволюционные_алгоритмы #оптимальная_игра #вредные_советы
-
Лучшие алгоритмы 20 века по версии SIAM
На рубеже веков SIAM опубликовали список из 10 алгоритмов, оказавших наибольшее влияние на науку и индустрию в 20 веке (по мнению редакции), четверть века спустя по меньшей половина из этого списка до сих пор используется повсеместно. В статье вспомним что это за алгоритмы и за что они получили такое признание. Обсудим и алгоритмы, которые в этот список не вошли, но вполне могли бы, о чем читатели хабра написали в комментариях к статье " 10 лучших алгоритмов 20 века ". В конце статьи опрос, пожалуйста, не проходите мимо и отметьте или напишите в комментариях, какие алгоритмы на ваш взгляд должны были оказаться в этом списке!
https://habr.com/ru/articles/924828/
#алгоритмы #быстрое_преобразование_фурье #быстрая_сортировка #монтекарло #линейная_алгебра #ахокорасик #дейкстра
-
Важнейшая модель теории вероятностей
Что объединяет частицу в воде, биржевой курс и кота Барсика, бродящего по району в поисках ларька с рыбой? Всё это — примеры случайного блуждания. Эта простая модель из теории вероятностей помогает описывать самые разные явления: от диффузии молекул до принятия решений и работы алгоритмов. Она кажется интуитивной — но за ней скрывается множество нетривиальных и красивых свойств. Мы начнём с истории открытия броуновского движения — от наблюдений Роберта Броуна до формулы Альберта Эйнштейна, которая связала наблюдаемое явление с атомной гипотезой. Покажем, как идея случайного движения превратилась из гипотезы в надёжный инструмент научного анализа. Затем перейдём к математической модели случайных блужданий, разберём, как она устроена и где используется. Научимся с ней работать: найдём среднюю скорость удаления, обсудим задачу о разорении игрока и вернёмся к нашему коту Барсику. В завершение мы коснёмся неожиданной связи случайных блужданий с электрическими цепями, мыльными плёнками и графами — и покажем, как одна и та же задача может быть решена разными способами. В финале — красивая задача для самостоятельного решения: её можно решить математически или запрограммировать симуляцию. Выбирайте способ по вкусу.
https://habr.com/ru/articles/914146/
#математика #теория_вероятностей #случайность #модель #броуновское_движение #монтекарло #графы #электрические_цепи #дисперсия
-
Использование численного метода Монте-Карло для вычисления многомерных интегралов
Еще в 1940-х годах, Джон фон Нейман и Станислав Улам изобрели моделирование Монте-Карло или численный метод Монте-Карло. Они назвали его в честь известного места азартных игр в Монако, поскольку этот метод имеет те же случайные характеристики, что и игра в рулетку. Методы Монте-Карло представляют собой широкий класс вычислительных алгоритмов, которые полагаются на повторяющуюся случайную выборку для получения численных результатов. Основная концепция заключается в использовании случайности для решения проблем, которые в принципе могут быть детерминированными. Численный метод Монте-Карло использует три класса задач, такие как оптимизация, численное интегрирование и генерация результатов на основе распределения вероятностей. Метод Монте-Карло используется в реальной жизни, например, в задачах, связанных с физикой, создании искусственного интеллекта, прогнозировании погоды и так далее, а также имеет огромное применение в финансах, где числовой метод Монте-Карло используется для расчёта стоимости акций, прогнозировании продаж, управления проектами и многого другого. [1] Основное преимущество использования Монте-Карло заключается в том, что этот метод обеспечивает множество возможных результатов и вероятность каждого из большого пула случайных выборок данных, однако, метод зависит от предположений, и это иногда может быть сложной задачей. Некоторые другие преимущества Монте‑Карло: он изучает поведение системы без её построения, обеспечивает в целом точные результаты, по сравнению с аналитическими моделями, помогает обнаружить неожиданное явление и поведение системы, а также выполнить анализ «что, если». [2]
https://habr.com/ru/articles/835870/
#МонтеКарло #Интегралы #Python #Математика #математика_и_программирование #питон
-
Моделирование курса валют методом Монте-Карло
Метод Монте-Карло — это мощный инструмент стохастического моделирования, который используется в самых разнообразных областях науки и инженерии. В финансах, этот метод часто применяется для анализа и прогнозирования временных рядов, таких как курс валют или акций. Использование Монте-Карло позволяет оценить не только ожидаемые значения, но и распределение возможных исходов, что крайне важно для управления рисками и принятия обоснованных инвестиционных решений. Принцип метода заключается в выполнении большого количества стохастических экспериментов (симуляций), основанных на случайных выборках из вероятностных распределений входных параметров. В контексте прогнозирования курса валют, это позволяет моделировать различные экономические сценарии и оценивать потенциальные колебания валютных пар, используя исторические данные. Ключевой аспект использования Монте-Карло в финансах — это его способность учитывать и анализировать волатильность и дрейф курсов валют. Для повышения точности моделирования и реалистичности получаемых данных часто применяется ГАРЧ модель (Generalized Autoregressive Conditional Heteroskedasticity). ГАРЧ помогает адекватно оценить и моделировать изменчивость волатильности, что является критичным при анализе финансовых временных рядов. Идейно код выполнялся без готовых реализованных методов из различных либ. Проект использует следующие библиотеки и инструменты:
https://habr.com/ru/articles/810037/
#МонтеКарло #курс_валюты #моделирование #математическая_модель #прогнозирование_временных_рядов
-
Open Source в финансах. Проект Okama
В среде финтех проектов наблюдается интересный парадокс. С одной стороны, вряд ли можно найти область, куда приходит больше инвестиций. Поэтому именно в финтехе сосредоточены самые продвинутые технологии: блокчейн, искусственный интеллект, биг дата, ML и др. С другой стороны, именно в финансовой области наблюдается наименьшее количество хорошо развитых open-source проектов.
-
Open Source в финансах. Проект Okama
В среде финтех проектов наблюдается интересный парадокс. С одной стороны, вряд ли можно найти область, куда приходит больше инвестиций. Поэтому именно в финтехе сосредоточены самые продвинутые технологии: блокчейн, искусственный интеллект, биг дата, ML и др. С другой стороны, именно в финансовой области наблюдается наименьшее количество хорошо развитых open-source проектов.