Stratified regression Monte-Carlo scheme for semilinear PDEs and BSDEs with large scale parallelization on GPUs

Abstract : In this paper, we design a novel algorithm based on Least-Squares Monte Carlo (LSMC) in order to approximate the solution of discrete time Backward Stochastic Differential Equations (BSDEs). Our algorithm allows massive parallelization of the computations on multicore devices such as graphics processing units (GPUs). Our approach consists of a novel method of stratification which appears to be crucial for large scale parallelization.
Type de document :
Pré-publication, Document de travail
2015
Liste complète des métadonnées

Littérature citée [14 références]  Voir  Masquer  Télécharger

https://hal-polytechnique.archives-ouvertes.fr/hal-01186000
Contributeur : Emmanuel Gobet <>
Soumis le : jeudi 27 août 2015 - 11:21:12
Dernière modification le : samedi 18 février 2017 - 01:20:09
Document(s) archivé(s) le : samedi 28 novembre 2015 - 10:15:01

Fichier

gltv-sisc.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01186000, version 1

Citation

Emmanuel Gobet, Jose Lopez-Salas, Plamen Turkedjiev, Carlos Vasquez. Stratified regression Monte-Carlo scheme for semilinear PDEs and BSDEs with large scale parallelization on GPUs. 2015. 〈hal-01186000〉

Partager

Métriques

Consultations de la notice

604

Téléchargements de fichiers

355