WIKI資訊
另一個資料集－訂單簿－是所有訂單的資料庫，包含交易系統需要維護的符號和價格。這個資料庫通常根據交易客戶感興趣的證券而包含所有金融工具的一部份。訂單簿必須根據從客戶而來的資訊同步進行更新與存取。訂單簿中的相關資料與從交易所收到的資料進行比較，然后再根據交易演算法做出買、賣或保留金融工具的決策。 由于來自證券交易所的輸入資料串流并不是以確定順序方式接收的，因此，執行交易策略的記憶體存取也是隨機的，以小量資料的叢發進行，并以最低延遲獲取資料。以記憶體術語來說，執行這種隨機存取的能力是由一種名為隨機交易率（RTR）的指標衡量的。RTR表示記憶體在一定時間內可支援的隨機讀取或寫入作業次數，其衡量指標是：交易次數/秒的倍數（例如MT/s或GT/s）。在大多數記憶體中，隨機存取時間是由周期延遲（tRC）定義。最大的RTR約為tRC的倒數（1/tRC）。 快取記憶體的選擇經常限制基于FPGA的硬體能力。大多數的FPGA只采用傳統基于DR......閱讀全文
在演算法交易領域的最新進展是導入一些更低延遲的解決方案，其中最佳的方式是使用FPGA搭建的客制硬體。這些FPGA硬體可說是硬編碼ASIC的極致性能和CPU的靈活度之間的橋梁，提供大量的資源且可加以配置，使其得以較軟體解決方案更大幅縮短往返交易延遲。 高性能運算對于許多應用至關重要。在其
相比GPU和GPP，FPGA在滿足深度學習的硬件需求上提供了具有吸引力的替代方案。憑借流水線并行計算的能力和高效的能耗，FPGA將在一般的深度學習應用中展現GPU和GPP所沒有的獨特優勢。同時，算法設計工具日漸成熟，如今將FPGA集成到常用的深度學習框架已成為可能。未來，FPGA將有效地