ブロックチェーン技術とプライバシー規制：摩擦のレビューと機会の統合

ブロックチェーン技術（BCT）の適用がさまざまな業界で拡大するにつれて、その固有の分散型および不変の性質はプライバシー規制に関するいくつかの対立する問題を引き起こします。一般データ保護規則（GDPR）などのプライバシー規制の施行は、これらの課題を例示しており、GDPR内の特定の厳格なプライバシー要件がBCTの特徴と対立する可能性があります。しかし、このような重要な問題に対する関心はほとんど寄せられていません。本研究は、問題を明らかにするメカニズムとしてテクノロジー-組織-環境（TOE）理論的視点を採用しています。現在の研究は、プライバシー規制遵守の失敗を防ぐために、TOEの視点を通じて緊張とシナジーの機会を探ることに焦点を当てています。摩擦の領域を強調し、研究合成のための統一構造を提示する71の学際的研究を分析しました。特定された摩擦の領域と共存の可能性に応じて、GDPR内の6つの顕著で物議を醸すデータプライバシーおよび保護要件を中心にした9つの研究提案を策定しました。この研究は、この重要な分野に関する将来の調査のための理論的基盤を提供することにより、プライバシー規制遵守のブロックチェーンベースのソリューションに関するより広範な議論に貢献します。この研究は、BCTとプライバシー規制要件を調和させることでBCTの完全な潜在能力が引き出され、安全でプライバシーを意識した技術インフラを構築し、政策立案者にとって実用的な含意と洞察を提供することを提案しています。

人工知能を用いたビットコイン価格の予測：
ML、SARIMA、およびFacebook Prophetモデルの組み合わせ

✍️ ルピン・モハ

link.springer.com
ビットコイン価格方向予測のための深層学習：モデルと取引戦略の経験的比較
オルワダミレール・オモレ、デイビッド・エンケ
金融イノベーション 10 (1), 117, 2024
この論文は、深層学習モデルを用いてビットコイン価格の方向性と、これらの予測に基づく取引戦略のその後の収益性を予測します。本研究では、オンチェーンデータを使用してビットコイン価格を予測するために、畳み込みニューラルネットワーク–長短期記憶（CNN–LSTM）、長期および短期時系列ネットワーク、時間畳み込みネットワーク、ARIMA（ベンチマーク）モデルのパフォーマンスを比較しています。特徴選択手法—すなわち、ボルタ、遺伝的アルゴリズム、およびライトグラディエントブースティングマシン—が、大きな特徴セットから生じる次元の呪いに対処するために適用されています。結果は、ボルタの特徴選択とCNN–LSTMモデルを組み合わせることで、他の組み合わせに比べて一貫して優れた結果を達成し、82.44%の精度を達成することを示しています。3つの取引戦略と3つの投資ポジションがバックテストを通じて検討されています。長短の売買投資アプローチは、より高い精度の価格方向予測によって情報を得た場合、6654%という驚異的な年間リターンを生み出しました。この研究は、ビットコイン取引における予測モデルの潜在的な収益性の証拠を提供します。

#$

sciencedirect.com
機械学習を用いたビットコイン価格予測：サンプル次元エンジニアリングへのアプローチ
チェン・ゼシ、リ・チュンホン、サン・ウェンジュン
計算および応用数学ジャーナル 365, 112395, 2020
近年の暗号通貨の価格の急騰と急落の後、ビットコインは投資資産としてますます見なされるようになっています。その非常に変動しやすい性質のため、投資判断の基礎となる良い予測が必要とされています。既存の研究は、より正確なビットコイン価格予測のために機械学習を活用していますが、異なるデータ構造と次元特徴を持つサンプルに異なるモデリング技術を適用する可能性に焦点を当てたものはほとんどありません。機械学習技術を使用して異なる頻度でビットコイン価格を予測するために、まずビットコイン価格を日次価格と高頻度価格に分類します。不動産とネットワーク、取引と市場、注目と金スポット価格を含む高次元特徴のセットがビットコインの日次価格予測に使用され、暗号通貨取引所から取得した基本的な取引特徴が5分間隔の価格予測に使用されます。高次元特徴を持つビットコインの日次価格予測に対するロジスティック回帰および線形判別分析を含む統計的方法は、66%の精度を達成し、より複雑な機械学習アルゴリズムを上回っています。日次価格予測のベンチマーク結果と比較して、我々はより良いパフォーマンスを達成し、統計的方法と機械学習アルゴリズムの最高精度はそれぞれ66%および65.3%です。ビットコインの5分間隔の価格予測に対するランダムフォレスト、XGBoost、二次判別分析、サポートベクターマシン、長短期記憶を含む機械学習モデルは、精度が67.2%に達し、統計的方法を上回ります。ビットコイン価格予測の調査は、機械学習技術におけるサンプル次元の重要性のパイロットスタディと見なすことができます。