Submitted by Renata Lopes (renatasil82@gmail.com) on 2016-01-13T13:25:29Z No. of bitstreams: 1 pavelzenonsejaspaz.pdf: 1021401 bytes, checksum: 6c80da770310ced9141a330e3a4d4f9b (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2016-01-25T17:32:38Z (GMT) No. of bitstreams: 1 pavelzenonsejaspaz.pdf: 1021401 bytes, checksum: 6c80da770310ced9141a330e3a4d4f9b (MD5) / Made available in DSpace on 2016-01-25T17:32:38Z (GMT). No. of bitstreams: 1 pavelzenonsejaspaz.pdf: 1021401 bytes, checksum: 6c80da770310ced9141a330e3a4d4f9b (MD5) Previous issue date: 2015-08-28 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Neste trabalho apresentamos um estudo analítico sobre a recuperação de óleo pesado utilizando injeção de água, que é aquecida por meio de ondas eletromagnéticas de alta freqüência. Recentemente, foi feito um experimento (descrito em [12]), onde a água foi injetada num meio poroso, aquecida por meio de ondas eletromagnéticas. Os resultados do experimento mostram que o aquecimento mediante ondas EM melhora o deslocamento do óleo pela água. Desta maneira, apresenta-se a injeção de água com aquecimento por ondas EM como um método viável na recuperação de óleo. Consideraremos um modelo matemático simples descrevendo o experimento mencionado acima, que consiste de duas leis de balanço, uma para a energia e outra para a massa da água. O objetivo do trabalho é usar o Princípio de Duhamel e a Teoria das Leis de Conservação para encontrar soluções semi-analíticas deste modelo simplificado. Segundo [8], utilizamos o Princípio para achar a solução da equação de balanço de energia do tipo Convecção-Reação-Difusão para o problema de transporte de calor num meio poroso na presença de uma fonte de ondas eletromagnéticas. A equação de balanço para a massa da água é uma equação diferencial parcial não linear de primeira ordem do tipo Buckley-Leverett (Veja [4] e [7]). Ela será resolvida usando a Teoria das Leis de Conservação. Segundo [15], a solução deste problema contém ondas de rarefação e choque. / In this work, we present the results obtained by analytical study of heavy oil recovery by water flooding and electromagnetic (EM) heating of high frequency. Recently, an experiment was made, where water was injected into a porous medium, warmed by means of electromagnetic waves. The experiment results show that EM heating improves the displacement of oil by water. Thus, the water flooding combined with EM heating is a viable method for oil recovery. We consider a simple mathematical model describing this experiment consisting of two balance laws for energy and water mass. The goal is to use Duhamel’s Principle and the Theory of Conservation Laws to find semi-analytical solutions of this simplified model. We use the principle solve the energy balance equation of convection-reaction-diffusion type for heat transport problem in a porous medium in the presence of a source of electromagnetic waves. The balance equation for the mass of water is a nonlinear partial differential equation of first order of Buckley-Leverett type. It is solved using the Theory of Conservation Laws.

É muito comum modelar problemas em finanças com processos estocásticos, dada a incerteza de suas variáveis de análise. Além disso, problemas reais nesse domínio são, em geral, de grande custo computacional, o que sugere a utilização de plataformas de alto desempenho (HPC) em sua implementação. As novas gerações de arquitetura de hardware gráfico (GPU) possibilitam a programação de propósito geral enquanto mantêm alta banda de memória e grande poder computacional. Assim, esse tipo de arquitetura vem se mostrando como uma excelente alternativa em HPC. Com isso, a proposta principal desse trabalho é estudar o ferramental matemático e computacional necessário para modelagem estocástica em finanças com a utilização de GPUs como plataforma de aceleração. Para isso, apresentamos a GPU como uma plataforma de computação de propósito geral. Em seguida, analisamos uma variedade de geradores de números aleatórios, tanto em arquitetura sequencial quanto paralela. Além disso, apresentamos os conceitos fundamentais de Cálculo Estocástico e de método de Monte Carlo para simulação estocástica em finanças. Ao final, apresentamos dois estudos de casos de problemas em finanças: \"Stops Ótimos\" e \"Cálculo de Risco de Mercado\". No primeiro caso, resolvemos o problema de otimização de obtenção do ganho ótimo em uma estratégia de negociação de ações de \"Stop Gain\". A solução proposta é escalável e de paralelização inerente em GPU. Para o segundo caso, propomos um algoritmo paralelo para cálculo de risco de mercado, bem como técnicas para melhorar a solução obtida. Nos nossos experimentos, houve uma melhora de 4 vezes na qualidade da simulação estocástica e uma aceleração de mais de 50 vezes. / Given the uncertainty of their variables, it is common to model financial problems with stochastic processes. Furthermore, real problems in this area have a high computational cost. This suggests the use of High Performance Computing (HPC) to handle them. New generations of graphics hardware (GPU) enable general purpose computing while maintaining high memory bandwidth and large computing power. Therefore, this type of architecture is an excellent alternative in HPC and comptutational finance. The main purpose of this work is to study the computational and mathematical tools needed for stochastic modeling in finance using GPUs. We present GPUs as a platform for general purpose computing. We then analyze a variety of random number generators, both in sequential and parallel architectures, and introduce the fundamental mathematical tools for Stochastic Calculus and Monte Carlo simulation. With this background, we present two case studies in finance: ``Optimal Trading Stops\'\' and ``Market Risk Management\'\'. In the first case, we solve the problem of obtaining the optimal gain on a stock trading strategy of ``Stop Gain\'\'. The proposed solution is scalable and with inherent parallelism on GPU. For the second case, we propose a parallel algorithm to compute market risk, as well as techniques for improving the quality of the solutions. In our experiments, there was a 4 times improvement in the quality of stochastic simulation and an acceleration of over 50 times.

É muito comum modelar problemas em finanças com processos estocásticos, dada a incerteza de suas variáveis de análise. Além disso, problemas reais nesse domínio são, em geral, de grande custo computacional, o que sugere a utilização de plataformas de alto desempenho (HPC) em sua implementação. As novas gerações de arquitetura de hardware gráfico (GPU) possibilitam a programação de propósito geral enquanto mantêm alta banda de memória e grande poder computacional. Assim, esse tipo de arquitetura vem se mostrando como uma excelente alternativa em HPC. Com isso, a proposta principal desse trabalho é estudar o ferramental matemático e computacional necessário para modelagem estocástica em finanças com a utilização de GPUs como plataforma de aceleração. Para isso, apresentamos a GPU como uma plataforma de computação de propósito geral. Em seguida, analisamos uma variedade de geradores de números aleatórios, tanto em arquitetura sequencial quanto paralela. Além disso, apresentamos os conceitos fundamentais de Cálculo Estocástico e de método de Monte Carlo para simulação estocástica em finanças. Ao final, apresentamos dois estudos de casos de problemas em finanças: \"Stops Ótimos\" e \"Cálculo de Risco de Mercado\". No primeiro caso, resolvemos o problema de otimização de obtenção do ganho ótimo em uma estratégia de negociação de ações de \"Stop Gain\". A solução proposta é escalável e de paralelização inerente em GPU. Para o segundo caso, propomos um algoritmo paralelo para cálculo de risco de mercado, bem como técnicas para melhorar a solução obtida. Nos nossos experimentos, houve uma melhora de 4 vezes na qualidade da simulação estocástica e uma aceleração de mais de 50 vezes. / Given the uncertainty of their variables, it is common to model financial problems with stochastic processes. Furthermore, real problems in this area have a high computational cost. This suggests the use of High Performance Computing (HPC) to handle them. New generations of graphics hardware (GPU) enable general purpose computing while maintaining high memory bandwidth and large computing power. Therefore, this type of architecture is an excellent alternative in HPC and comptutational finance. The main purpose of this work is to study the computational and mathematical tools needed for stochastic modeling in finance using GPUs. We present GPUs as a platform for general purpose computing. We then analyze a variety of random number generators, both in sequential and parallel architectures, and introduce the fundamental mathematical tools for Stochastic Calculus and Monte Carlo simulation. With this background, we present two case studies in finance: ``Optimal Trading Stops\'\' and ``Market Risk Management\'\'. In the first case, we solve the problem of obtaining the optimal gain on a stock trading strategy of ``Stop Gain\'\'. The proposed solution is scalable and with inherent parallelism on GPU. For the second case, we propose a parallel algorithm to compute market risk, as well as techniques for improving the quality of the solutions. In our experiments, there was a 4 times improvement in the quality of stochastic simulation and an acceleration of over 50 times.