區塊鏈技術與隱私監管：審視摩擦與合成機會

隨着區塊鏈技術（BCT）在多個行業的應用不斷增長，其固有的去中心化和不可篡改的特性引發了一些與隱私監管有關的衝突問題。像通用數據保護條例（GDPR）這樣的隱私法規的實施就例證了這些挑戰，因爲GDPR內某些嚴格的隱私要求可能與BCT的特性相沖突。然而，對這些關鍵問題的關注卻很少。本研究藉助技術-組織-環境（TOE）理論視角作爲展開這一問題的機制。目前的研究重點是通過TOE的視角探索緊張關係及協同的機會，以防止隱私合規失敗。我們分析了71項跨學科的研究，突出了摩擦領域，併爲研究綜合提供了統一結構。針對識別出的摩擦領域和潛在的共存機會，我們圍繞GDPR內六個突出的和有爭議的數據隱私和保護要求制定了九個研究命題。本研究爲基於隱私合規的區塊鏈解決方案的更廣泛討論做出貢獻，提供了未來在這一關鍵領域進行調查的理論基礎。研究建議調和BCT和隱私監管要求將釋放BCT的全部潛力，創造一個安全、關注隱私的技術基礎設施，併爲政策制定者提供實際的啓示和見解。

使用人工智能預測比特幣價格：
機器學習、SARIMA和Facebook Prophet模型的組合

✍️ Lupin moha

link.springer.com
比特幣價格方向預測的深度學習：模型和交易策略的實證比較
Oluwadamilare Omole，David Enke
金融創新 10 (1), 117, 2024
本文應用深度學習模型預測比特幣價格方向及基於這些預測的交易策略的後續盈利能力。研究比較了卷積神經網絡-長短期記憶（CNN-LSTM）、長短期時間序列網絡、時間卷積網絡和ARIMA（基準）模型在使用鏈上數據預測比特幣價格方面的表現。採用特徵選擇方法——即Boruta、遺傳算法和輕梯度提升機——來解決可能由大量特徵集導致的維度詛咒。結果表明，將Boruta特徵選擇與CNN-LSTM模型相結合的組合始終優於其他組合，準確率達到82.44%。通過回測研究了三種交易策略和三種投資頭寸。當以更高準確率的價格方向預測爲依據時，長短買賣投資方法產生了6654%的非凡年回報。本研究提供了預測模型在比特幣交易中潛在盈利能力的證據。

#$

sciencedirect.com
使用機器學習進行比特幣價格預測：樣本維度工程的方法
陳哲是, 李春紅, 孫文軍
《計算與應用數學雜誌》365, 112395, 2020
在近年來加密貨幣價格的繁榮與崩潰之後，比特幣越來越被視爲一種投資資產。由於其高度波動的特性，迫切需要做出良好的預測，以便爲投資決策提供依據。儘管現有研究利用機器學習進行更精確的比特幣價格預測，但很少關注將不同建模技術應用於具有不同數據結構和維度特徵的樣本的可行性。爲了使用機器學習技術在不同頻率下預測比特幣價格，我們首先根據每日價格和高頻價格對比特幣價格進行分類。我們使用一組高維特徵，包括屬性和網絡、交易和市場、注意力和黃金現貨價格，用於比特幣每日價格預測，而從加密貨幣交易所獲得的基本交易特徵則用於5分鐘間隔的價格預測。包括邏輯迴歸和線性判別分析在內的統計方法在具有高維特徵的比特幣每日價格預測中實現了66%的準確率，超越了更復雜的機器學習算法。與每日價格預測的基準結果相比，我們實現了更好的性能，統計方法和機器學習算法的最高準確率分別爲66%和65.3%。包括隨機森林、XGBoost、二次判別分析、支持向量機和長短期記憶在內的機器學習模型在比特幣5分鐘間隔價格預測中優於統計方法，準確率達到67.2%。我們對比特幣價格預測的研究可以視爲對機器學習技術中樣本維度重要性的初步研究。