计算金融是一门交叉学科，涵盖了数学、统计学、计算机科学和经济学等学科，主要研究内容是利用计算机对金融模型进行大规模的模拟求解。在金融市场环境下的现实应用中，很多问题并没有传统的理论解析，而计算机的快速处理问题能力为解决这一类金融问题提供了数值分析和计算的可能。本文针对实际应用中常见金融模型所面临的复杂计算求解问题，结合当代高性能计算机的强大计算能力，基于最新集成众核MIC架构设计出了高效可扩展的并行算法。从金融学的价格预测和投资组合管理两个角度出发，本文首先针对亚式期权价格预测问题改进优化了蒙特卡洛并行算法，然后又对现实条件下稳健投资组合模型设计实现了通用并行算法。　　高维期权价格制定在复杂的经济金融活动中扮演着重要角色，但在实际应用中面临着极大的计算挑战。随机拟蒙特卡洛算法在期权价格制定或者其他金融衍生品价格制定时具有很重要的实际意义。本文提出了改进的并行随机拟蒙特卡洛算法，利用众核(MIC)架构预测亚式期权价格问题。该改进算法采用了新颖的数据结构、独立的随机数产生器、向量化技术和数据对齐技术等。在中国科学院超级计算中心的高性能平台“元”上的MIC节点队列上，进行了数值模拟实验，给出加速比和并行效率以及相应分析。充分的试验结果表明本文提出的并行随机拟蒙特卡洛算法在运行效率提升上很多得益于MIC架构。　　投资组合选择是数量化投资管理领域中的一项关键技术，目前其在应用中亟需高性能算法与实现研究。本文针对现实投资场景下的稳健投资组合选择最优化模型，设计出高效的并行算法，利用并行计算技术多层级优化性能，实现对稳健投资组合计算的快速响应。稳健投资组合吸纳了模糊学理论，建立在可能性理论基础上，采用机会测度方法，用BP神经网络算法和遗传算法对模型进行求解，并在最新众核MIC架构上实现并行。在求解稳健投资组合选择模型时测试、比较和分析相关算法的计算性能;采用MPI+OpenMP编程方法及优化技术，实现基于MIC架构的并行模拟，获得较好地加速效果，并将其与基于CPU的并行模拟进行性能对比分析。数值试验结果显示，提出的并行算法模拟计算得到的多个资产组合的收益率普遍比经典模型和上证50指数在相同时期的收益率要高很多，基于MIC架构的并行求解性能优于传统的CPU架构，平均并行效率达到80％。