硬件技术的发展改变着程序设计的结构。如今多核技术日趋成熟,多核的CPU和GPU已经成为主流处理器芯片。受到市场需求的推动,多核处理器的发展遵守摩尔定律,并行性不断扩展。这给传统的串行程序设计带来了严峻的挑战,在计算行业中,已经逐步的发展成为CPU与GPU共同合作计算的“协同处理”的时代,而并非传统的只使用CPU进行计算的“中央处理”。与此同时,并行计算在生命科学、军事运用和金融计算等多个领域有了很大的发展。目前的GPU已经具备了很好的可编程能力,并发展成为一种高并行、多核、多线程的处理器,其计算功率和存储器带宽相较于CPU有着杰出的优势。更加具体地来说,GPU对于能够表示为数据并行计算的问题有着很好的解决方案。对于这类能够在数据元素上并行执行的程序,具有两个特点：一是并行任务大部分集中于一个数据集上执行操作,该数据集通常有相同的数据结构。当对于并行数据集有较高的计算密度(即计算时间和访存时间的比率)时,能够很好的隐藏存储器的访问延迟,不需要很大的数据缓存。二是流控制精密度不需要很高。所有数据元素由于并行执行相同程序,执行单元可以共享控制单元。目前,全球很多的软件开发人员、科学人士和研究人员已经投入到基于GPU运用的开发中,并取得了很多不错的成果。期权这一概念自古就存在。1900年,Louis Bachelier的学位论文"Theorie de la Speculation"(即投机交易理论)被公认为是现代金融学的重要的理论。1973年4月,芝加哥期权交易所成立,使得期权交易产生革命性的变化,期权交易进入到有组织有规范的标准化发展中。自此以后,期权定价在金融工程中的作用极为重要。期权价格属于对于未来的一种未定权益的价格,长期以来,期权定价并未找到一个合理的方法,人们只能凭借着经验为期权定价。随着在金融领域上计算运用的深入,寻找行之有效的计算模型解决期权定价问题已经越来越重要。在期权合约中,期权的价格随市场供求变化而改变,它能直接影响到买卖双方的盈亏状况,是期权交易的核心问题,如何对期权进行合理的定价这一问题一直困扰着投资者。现在倒向随机微分方程理论如今已经在计算科学、金融计算、经济学和工程学等等方面有了成功的运用,并被实践证明是一个行之有效的基本方法。与目前广泛使用的Black-Scholes公式相比,倒向随机微分方程在概率模型不确定的条件下有着更好的健壮性,对于金融衍生品进行产品定价能够做出更符合实际金融市场的模型,计算和分析结果也更加精确。投资者可以使用倒向随机微分方程进行风险分析和度量,制定良好的投资策略。本文选择了两种根据倒向随机微分方程求解期权定价的两种有代表性的数值算法,高精度theta格式方法和二叉树方法。详细分析了其计算过程及编程实现其串行算法,以设计相应的并行加速策略。这两种算法计算量大,计算复杂,计算时间长,因此,对这两种模型进行加速有着重要的意义。