CUDA Parallelization of the SGBM Method for Swing Option Pricing

Abstract

[Resumo] Este traballo presenta o desenvolvemento e a avaliación dun acelerador GPU para o método de agrupación de redes estocásticas (SGBM) aplicado á valoración de opción swing en mercados enerxéticos. A implementación secuencial en C é validada fronte aos valores de referencia publicados, perfilada con gprof e perf para identificar os colos de botella computacionais, e a continuación portada a CUDA cunha arquitectura de cinco kernels que paraleliza a simulación Monte Carlo, a clasificación de traxectorias e a regresión polinomial local. Os experimentos realízanse na GPU NVIDIA A100 do supercomputador Finis Terrae III do CESGA, e os resultados mostran unha aceleración máxima de 20.3× respecto á liña base secuencial con 𝑁 = 220 traxectorias, cunha precisión financeira do 0.03% respecto ao valor de referencia publicado para 𝑁 = 4 × 106 traxectorias e 𝜈 = 1024 bundles.[Abstract] This thesis presents the development and benchmarking of a GPU-accelerated implementation of the Stochastic Grid Bundling Method (SGBM) for pricing swing options in energy markets. A sequential C implementation is validated against published reference values, profiled using gprof and perf to identify computational bottlenecks, and subsequently ported to CUDA using a five-kernel architecture that parallelises the Monte Carlo simulation, path bundling via thrust::sort_by_key, and local polynomial regression. Experiments are conducted on the NVIDIA A100 GPU of the CESGA Finis Terrae III supercomputer. Results demonstrate a peak speedup of 20.3× over the sequential baseline at 𝑁 = 220 paths, with financial accuracy within 0.03% of the published reference value at 𝑁 = 4 × 106 paths and 𝜈 = 1024 bundles.