RMI MENGANDALKAN PADA KOMPUTASI GPU UNTUK ANALISIS RESIKO KREDIT

Didirikan pada tahun 2006 sebagai sebuah lembaga penelitian di National University of Singapore (NUS), NUS Risk Management Institute (RMI) didedikasikan untuk manajemen resiko keuangan. Pendiriannya didukung oleh Monetary Authority of Singapore (MAS) dibawah program Manajemen Resiko dan Inovasi Keuangan.

Pada tahun 2009, RMI memulai pada non-profit Credit Research Initiative (CRI) dalam rangka menanggapi krisis keuangan, dengan maksud untuk memacu penelitian dan pengembangan di daerah dengan tingkat kredit kritis. Selain menjadi sebuah proyek penelitian yang unik, unit ini ingin menunjukkan kelayakan operasional penelitian dan menjadi sumber informasi kredit yang terpercaya.

CRI saat ini mencangkup lebih dari 35.000 perusahaan dalam 106 wilayah di Asia Pasifik, Amerika Utara, Eropa, Afrika dan Timur Tengah.

Perubahan metodologi menuntut lebih banyak kekuatan pemrosesan
RMI menggunakan model intensitas maju (analogi untuk meneruskan model tingkat suku bunga),yang bergantung pada variabel input untuk setiap perusahaan (leverage, likuiditas, profitabilitas, indeks saham kembali, dll). Ketergantungan ini diperkirakan secara statistic menggunakan estimasi kemungkinan quasi-maximum likelihood estimation (QMLE), yang dilakukan setiap bulan untuk memperbarui perkiraan parameter menggunakan data terbaru.

Dengan perubahan terbaru dalam metodologi untuk melakukan QMLE, RMI perlu bergantung lebih banyak pada komputasi GPU dibandingkan sebelumnya.

Berdasarkan metodologi tua, cakrawala perkiraan naik hingga dua tahun dan setiap bulan memiliki satu set 13 parameter. Dengan menggunakan GPU dan bukan CPU, waktu pemrosesan dapat dikurangi dari lima jam hingga hanya menjadi 30 menit.

Metodologi baru memperpanjang perkiraan untuk lima tahun dan koefisien untuk setiap variabel perlu di parameterized untuk mengatur perkiraan untuk jangka panjang. Analisi kredit akan memperkirakan probabilitas default untuk perusahaan di seluruh dunia.

Mustahil tanpa GPU
“Sebelumnya, kami menggunakan GPU untuk mempercepat proses. Hal ini membuat hidup lebih mudah tapi tidak selalu penting. Namun, metodologi baru tidak dapat diadopsi tanpa menggunakan GPU,” ujar Dr Oliver Chen, Wakil Direktur RMI.

Untuk membuat peralihan metodologi, RMI memutuskan untuk melakukan upgrade dari GPU NVIDIA Tesla C2050 ke GPU akselerator NVIDIA Tesla K20, yang dapat mempercepat aplikasi hingga 10 kali.

“Kami masih bekerja untuk membuat kode GPU lebih efisien. Saat ini, kecepatan meningkat dari CPU ke GPU adalah dari satu hari menjadi hanya lima jam untuk update satu bulan,” ujar Chen.



______________________________________