1.一種基于倒向隨機微分方程的期權定價方法,?其特征在于采用了MIC眾核架構平臺，基于BSDE倒向隨機微分方程方法和等腰三角數學模型進行了加速以及優化，以此進行快速的期權定價，該方法包括：

在時間層上對BSDE使用一種theta-格式離散，計算終端條件；在相鄰層之間使用Monte-Carlo方法來計算數學期望；用插值方法來獲取非網格點上的值；

CPU端負責，以Openmp多線程模式在時間層上對BSDE使用一種theta-格式離散，構建時空離散網格，為后續的計算搭建框架，根據離散網格，計算最大時刻期權價格Y_t值和幫助風險度量的Z_t值，作為方法實現的終端條件；

MIC眾核協處理器負責根據終端條件，在相鄰層之間使用蒙特卡洛（Monte-Carlo）方法基于等腰三角模型，對每個時間層倒推，來求解計算數學期望，在MIC卡上也采用openmp多線程的方式來運算；???

CPU端以openmp多線程的方式在時間層上對BSDE使用一種theta-格式離散，構建時空離散網格，為后續的計算搭建框架，根據離散網格，計算最大時刻期權價格Y_t值和幫助風險度量的Z_t值，作為方法實現的終端條件，具體步驟包括：

將時間段[0，T]劃分為N個時間步長，設定每個時間步長為????????????????????????????????????????????????，以此來得到N+1個時間層，同時，為了保證計算的精確性，將空間步長設定為和大小相等，對于每一個時間點上的值，以每個時間步長為單位，openmp并行多線程展開，利用空間步長和公式(1)?來得到，構建等腰三角模型；

計算終端條件，來說明在規定的時間T期權的可能價格，在計算時，以時間層為單位，openmp并行多線程展開，用等式(2)??(call?option)或者?(put?option)?來獲得的；

在MIC眾核協處理器根據終端條件，在相鄰層之間使用蒙特卡洛Monte-Carlo方法基于等腰三角模型，對每個時間層倒推，來求解計算數學期望；包括：將等腰三角模型的各個參數傳遞到MIC眾核協處理器上，把在所有時間軸上網格點的Monte-Carlo計算放到MIC卡上執行，獲得更好的性能，從第N-1層到第0層，使用公式(3)?直到得到在第0層時間上的值；

?

在任意網格的等腰三角模型上，計算相應的期權價格，蒙特卡洛模擬是用來近似估計數學期望，對于蒙特卡洛模擬中的每一個時間點，幾何布朗運動在時間i層上，從空間點X_j開始，沿著路徑到達第i+1層，以這樣的方式就可以得到第i+1個時間層上的推測值，通過使用空間插值，就被計算出來，使用三次樣條插值來達到更高的精確度，根據等式(1)，在NE次蒙特卡洛模擬之后，便得到期望的值，同時使用這些值來計算等式(3)，至此BSDE完成；

因此，在時間層i上，對于一個網格點上期權價格的計算，是依賴于時間層i+1上的網格點，但是在計算當前時間層上運動點的推測值時，各個點之間不存在依賴關系，將該層上各個點的計算放在MIC眾核協處理器上進行并行計算，在單個時間步長上，給幾何布朗運動定義上界和下界，是一個常量，上界和下界也可以由空間點的數目來定義，在這種情況下，在時間層i上的空間點數據通過來求得，。