翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

# Deadline Cloud で Monte Carlo シミュレーションを実行する
<a name="examples-jb-monte-carlo"></a>

[monte\_carlo\_simulation](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/job_bundles/monte_carlo_simulation) ジョブバンドルは、QuantLib の Heston 確率ボラティリティモデルを使用した Monte Carlo シミュレーションを使用して、自動呼び出し可能な構造化メモのポートフォリオを価格設定します。ジョブは、[AWS Batch による金融派生の料金設定](https://ec2spotworkshops.com/monte-carlo-with-batch.html)ワークショップの Deadline Cloud ポートです。

バンドルは 2 ステップのパイプラインを定義します。

1. `PricePositions` — ポートフォリオの位置ごとに 1 つのタスク。タスクは 1 回 Heston モデルをキャリブレーションするチャンクにグループ化され、チャンク内のすべてのポジションに料金がかかり、キャリブレーションコストが償却されます。

1. `AggregateResults` — 位置ごとの結果をポートフォリオ概要に収集します。

バンドルでは、ロードバランシングに Open Job Description [TASK\_CHUNKING](https://github.com/OpenJobDescription/openjd-specifications/blob/mainline/rfcs/0001-task-chunking.md) 拡張機能を使用します。スケジューラは、まず個々の位置をディスパッチし、所要時間を観察し、ターゲットランタイムに合わせてチャンクサイズを自動的に拡大します。高速位置は大きなチャンクにグループ化され、低速位置は小さなチャンクにとどまり、フリート全体に作業が分散されます。

このバンドルを実行するには、 の`conda-forge`チャネルを含む conda キュー環境を持つキューが必要です`quantlib-python`。[スターターファームテンプレート](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/cloudformation/farm_templates/starter_farm)をデプロイするときは、 `ProdCondaChannels`パラメータを に設定します`deadline-cloud conda-forge`。

GUI 送信者を使用してバンドルを送信します。

```
deadline bundle gui-submit monte_carlo_simulation/
```

または、位置の少ないクイックテストを送信します。

```
deadline bundle submit monte_carlo_simulation/ \
  -p PositionRange="0-1" -p NumPaths=100
```