본문으로 건너뛰기

리서치

주장이 아니라 측정입니다.

이 사이트의 모든 숫자는 다시 돌려 볼 수 있는 실행에서 나왔습니다. 머신, 비교 대상, 출처를 숫자 옆에 적어 두었습니다.

01

영국 연금 바이인, 가입자 한 명씩 가격 산정.

NVIDIA RTX 4090 한 장과 Intel i9-13900KF(24코어, 32스레드)가 달린 한 대의 머신, 2026년 10월.

영국 연금 바이인, 가입자 한 명씩 가격 산정

가입자 경로 1.5조 개, 41초

  • 가입자 250만 명을 장수, 길트, 인플레이션의 60만 개 경로 위에서 1년 단위로 평가했습니다. 가입자-연도로 10¹⁴.
  • RTX 4090 한 장으로 처음부터 끝까지. 세 차례 실행 가운데 가장 느린 기록은 44.4초.
  • 같은 머신의 i9-13900KF 32개 스레드를 모두 쓴, 손으로 최적화한 C 코드의 같은 알고리즘보다 137배 빠릅니다.
  • 결정론적 경우에는 GPU와 CPU 인터프리터가 출력한 모든 자릿수까지 일치합니다.
  • 가상의 연금제도, 예시용 사망률 가정.
Hensel, RTX 4090 한 장0:00 / 41초
손으로 최적화한 C, CPU 32스레드 전부0:00 / 93분

두 시계를 똑같이 164배 빠르게 돌렸습니다. GPU 막대는 눈 깜짝할 새 차오르고, CPU 막대는 34초를 기다려야 합니다.

02

SOA의 중첩 확률론적 벤치마크, 모든 단계를 측정.

하나의 변액연금 모델을 일곱 가지로 구현해, 같은 19만 건의 계약과 같은 머신에서 돌렸습니다. 공개된 기준은 벡터화된 NumPy이고, 저희가 짠 가장 빠른 CPU 코드는 32스레드 fused Julia입니다.

  1. Python, 단순 루프27.4 ms
  2. NumPy, 벡터화 (SOA 기준 구현)789.7 µs
  3. Julia, 단순 구현572.5 µs
  4. Julia, 브로드캐스트224.6 µs
  5. Julia, fused, 1코어28.24 µs
  6. Julia, fused, 32스레드1.48 µs
  7. 헨셀리안, RTX 4090 한 장28 ns
계약·내부 시나리오당 시간, 로그 눈금. 길이가 같으면 배수도 같습니다. 같은 모델, 같은 데이터, 같은 머신.

중첩 확률론적 변액연금

SOA 기준 구현보다 28,000배

  • 미국 계리사회(SOA)의 중첩 확률론적 변액연금 평가를, Gan과 Valdez의 19만 건 포트폴리오 전체로 돌렸습니다.
  • RTX 4090 한 장에서 계약·시나리오당 0.0283µs. 같은 머신에서 벡터화된 NumPy 기준 구현은 789.7µs.
  • 저희가 짠 가장 빠른 CPU 코드(32스레드 전부를 쓴 fused Julia)보다 52배 빠릅니다.
  • Julia 커널과 2.3 × 10⁻⁶ 이내로 교차 검증했습니다.
03

노트.

의사결정을 위한 시뮬레이션에 관한 짧은 글입니다. 지금 쓰고 있으며, 요청하시면 사본을 보내 드립니다. 글은 영어로 씁니다.