數位貨幣虛擬貨幣的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

通膨的恐懼：消除你對貨幣供給過多的疑慮，從聯準會政策看收入、失業率、惡性通膨問題的解答

為了解決數位貨幣虛擬貨幣的問題，作者RobertHockett 這樣論述：

「通膨居高不下，令人憂慮1970年代惡性通膨會歷史重演嗎？！」 「聯準會快馬加鞭持續加碼升息打通膨， 身為舵手，能引導經濟避開水深火熱、順利『軟著陸』嗎？」 ……這些在在都是全球關心的重要金融議題 就讓聯準會專家一次為你揭開央行背後的思路與作為   　　◆為什麼萬物齊漲就是薪水沒漲？老百姓怎麼這麼倒楣！ 　　我們努力工作賺錢，享受生活小確幸，像是活在一棟巨型建築中，即便對其中的管路系統一知半解甚至一無所知，只要每個人各司其職，就可以活得好好的──直到有天發現漏洞百出或發生緊急事故。明明生活方式沒有改變，卻驚覺加班時間愈來愈多，存款數字愈來愈少，這才急著問：「錢都到哪裡去了？」「政府都在幹什

麼？」   　　◆為什麼央行「升升不息」？說是為了救經濟，央行究竟在做什麼！ 　　2008年金融海嘯和COVID-19大流行期間，全球政府為了救經濟，紛紛「大撒幣」；現在為了經濟過熱和一去不復返的物價指數，由美國的中央銀行──聯準會帶頭搶救，不斷調高利率（升息）。從金融危機的刺激景氣政策，到通膨升溫下的全球升息潮，央行的所作所為讓民眾不解，直呼吃不消，甚至對未來茫然、恐懼。這其實是因為民眾對於「金錢」與「聯準會（央行）」的理解不夠。   　　◆現在，是了解「金錢是什麼」以及「央行在幹嘛」的最佳時機！ 　　央行做為一個國家控制經濟和金融的權威單位，擁有可以影響其他經濟活動的工具，這個工具就是貨幣

政策。所謂貨幣政策，就是央行可以透過控制貨幣的供給量來達到防止通膨或振興經濟的措施。常見的作法有調節利率（升降息）、監管私人銀行的放貸和公開市場操作等。   　　然而，2008年金融海嘯後，傳統的貨幣政策已經無法改善經濟問題。美國聯準會擔負起央行的職責，開啟新型的貨幣政策「量化寬鬆」來救經濟。   　　「量化寬鬆」中的「量化」，指創造指定額度的貨幣，而「寬鬆」則是減低銀行的資金壓力。聯準會之所以最後得使出「量化」這個手段，是因為當時名目利率逼近或者達到0，控制利率已經失效。當時，聯準利用憑空創造出來的錢，在公開市場購買國家債券、借錢給存款機構、從銀行購買資產等手段，讓政府債券收益率下降和降低銀

行同業拆借利率，銀行從而坐擁大量只能賺取極低利息的資產，這時就可以舒緩市場的資金壓力。此舉被大眾媒體批為「印鈔票」，事實上，量化寬鬆政策只是調整電腦帳目，讓銀行可以增加存款，透過借貸，再創造更多的貨幣供給，讓市場活絡。   　　自從施行量化寬鬆政策救經濟，其風險慢慢提高，無中生有的錢（貨幣）過多，導致通膨高於預期。這時央行又會透過升息（調節利率）來穩定通膨率。   　　從上面的描述，我們可以看到央行的工作，他們對錢的使用，以及他們控制經濟所使用的工具。這也是作者寫這本書的初衷，他們希望藉由介紹「錢」和「聯準會」，來消解民眾對印鈔的謠言與通膨的恐懼。   　　藉由本書，讓耶魯博士兼美國金融監管專

家羅伯特．霍克特、與哈佛博士兼暢銷哲學作家亞倫．詹姆斯告訴你：   　　◆金錢，真的可以無中生有 　　事實上，「錢」不是央行印出來的，它來自於我們對彼此「無中生有的承諾」。本書的兩位作者基於對金錢與聯準會的深刻認識，展開一場令人大開眼界又鼓舞人心的討論。他們不僅要探索「錢是什麼」、「錢怎麼來」，還要展示央行如何建立一個為所有人服務的經濟型態，而且不需加稅、不需額外的監管。   　　◆央行，真的可以消除我們的恐懼 　　我們對央行感到相當陌生，它卻離我們的生活非常近，無論收入、失業率、通膨率或貨幣供給，其實都與央行的政策息息相關。讀完本書，我們將了解圍繞在通貨膨脹的政治言論是多麼虛偽；被妖魔化的赤

字問題，實際上只是計算全體國民財富的另一種方式；強大的中央銀行，可以如何使我們擺脫私人銀行業務的濫用。   　　一旦更了解金錢的本質與央行的能力，我們將知道如何能擁有更多的錢，以及貨幣政策如何協助修補我們的社會契約，讓我們不必老是擔心社會瀕臨崩潰──最終，打造更繁榮、更健康的政策及社會。   各界專業推薦   　　Miula | M觀點創辦人 　　周岐原 | 風傳媒財經主編　 　　股乾爹 | 股乾爹製作人 　　美股韭菜王 | 基金經理人 　　孫明德 | 台經院景氣中心 主任 　　乾隆來 | 今周刊專欄作家 　　張弘昌 | 股市觀察家   　　輕鬆而且有趣。本書帶來歷史、哲學和制度常識，告訴我們

經濟問題在很大程度上並不是貨幣、銀行、赤字和公共債務本身帶來的神祕現象。人們只希望能源、環境、金融詐欺、種族主義、全球化和冠狀病毒等真正的困難，就這麼容易被解決。──高伯瑞（James K. Galbraith），《不公：每個人都需要知道》（Inequality: What Everyone Needs to Know）作者   　　理解金錢的意義並不容易。幸運的是，在本書中，我們擁有兩位了不起的老師！他們嘲笑自己，同時誘使你更深入理解金錢是一種社會契約。兩位作者不僅是智慧大師，也是絕妙的文字大師。──保羅• 麥考利（Paul McCully），美國太平洋投資管理公司(PIMCO) 前執行董事

暨首席經濟學家   　　一個及時、且令人興奮的新社會契約提案。書中的每一點都很值得討論。裡面包含許多挑釁的極端論點，以及一些重大財政問題的明智解決方案 ──《柯克斯書評》（Kirkus Reviews）

數位貨幣虛擬貨幣進入發燒排行的影片

遊戲業者發行加密數位貨幣可行性之評估-以X公司為例

為了解決數位貨幣虛擬貨幣的問題，作者范寶月 這樣論述：

面對數位貨幣近年來不斷地發展，貨幣與支付形態不斷推陳出新，其速度極其驚人。從早期之商品貨幣（Commodity Money），陸陸續續演變至目前由央行發行的實體通貨，期間花了數千年。惟至1980年代晚期起，隨著金融科技之發展，電子貨幣交易機制因應而生，遂發展出電子貨幣（E-money），隨後至2009年，爆發全球金融危機之後，去中心化（Decentralized）的加密數位貨幣，例如比特幣（Bitcoin）等的支付機制，在短短不到十年之間，如雨後春筍般不斷冒出，其發展速度與多元性超乎了所有各界的想像，如今約有逾1,600種，估計總值約數千億美元的數位貨幣（Digital Currency）流

通於市場，衍生成全球金融市場另一股新的潮流。本研究藉由探討遊戲市場發展現況及趨勢、數位貨幣之定義及分類、加密數位貨幣替代法定貨幣之可行性及各國數位貨幣監管政策主要進展，透過和個案集團經營者及該領域的專家學者進行深度訪談，以個案方式分析遊戲業者發行加密數位貨幣可行性之評估，並據以提出建議，期待這些結果可做為個案集團發展策略藍圖及後續長期發展的一個參考標的。本研究得出下列發現：只要能掌握區塊鏈技術，發行加密數位貨幣不算太困難的事，因各國政府對加密數位貨幣的法令及法規亦趨嚴格，故設計初期即要考慮合法、合規，資訊安全防護機制也必須審慎看待及妥善規劃。最後，需要認真且深切地思考的重點：利用區塊鏈技術及加

密數位貨幣科技來創造一個新的商業模式及生態系，如何運作此一商業模式及生態系讓其長久維持下去。因此，本論文對個案集團或遊戲產業之實務具有參考價值。

圖解電子商務與網路行銷

為了解決數位貨幣虛擬貨幣的問題，作者榮泰生,陳國威 這樣論述：

　　#一單元一概念，迅速掌握電子商務與網路行銷的關鍵與祕訣 　　#全方位網路行銷圖解專業書，理論與實務兼具 　　#圖文並茂．容易理解．快速吸收 　　亞馬遜網路書店的執行長貝佐斯：「這是一個令人嘆為觀止的電子商務時代。」 　　網路行銷（Internet Marketing）是一個必然的趨勢，各類型及規模的組織都必須了解網路行銷所帶來的衝擊和龐大利益，在網路行銷的環境，店址已無關緊要，而且顧客已習慣於享受全天候的服務，傳統公司必須體認到這個現象，才能在現今商業世界中獲得生機，進而取得契機，同時，在網路行銷的世界中，以小博大的例子更是屢見不鮮。 　　本書完整解析電子商務世界

，以及說明有效運用網路行銷策略，適合大專院校、研究所作為行銷管理、企業管理課程的教科書，也是從事或想了解廣告、行銷、企劃等領域社會人士的最佳進修手冊。

以機器學習預測短期比特幣價格之研究

為了解決數位貨幣虛擬貨幣的問題，作者洪宜琳 這樣論述：

近來，金融科技蔚為顯學，破壞式創新正逐漸顛覆傳統金融業既有的面貌，其中的區塊鏈技術更是後起之秀，未來發展潛力不容小覷。區塊鏈技術是一種分散式帳本技術，藉由數位簽章及數位憑證實踐去中心化的核心思想；另一方面，市值第一大之密碼貨幣─比特幣頗受熱議，在過去八年來暴漲逾兩千萬倍，值得進一步探討與研析。本文首先探討區塊鏈技術的運作原理與應用，及公開金鑰密碼之概念，並釐清數位貨幣、虛擬貨幣及密碼貨幣之差異，矯正一般大眾對加密貨幣的錯誤認知；再者，比較市值前五大之密碼貨幣，並進一步探討其他文獻鮮少提及的擴容方案，包含閃電網路、隔離見證、軟分岔及硬分岔；最後比較世界上主要的密碼貨幣交易所，與台灣常見之代買代

賣平台。本文的研究方法為質化與量化分析並行，旨在預測短期比特幣之價格，藉由蒐集2013年4月至2018年5月之歷史資料，整合得出事後預測的結果。質化部分採用PEST分析法，並列舉金融市場上實際發生的案例，加以分析出影響比特幣價格漲跌的關鍵要素；量化部份採用增生少數合成技術完成資料前處理，再依是否發生突發事件，分為迴歸分析與機器學習兩個部分。迴歸分析中採用普通最小平方法，並將前一日比特幣之價格、流通供給量、Google搜索量納為解釋變數，得出MAPE為3.96%，預測能力為高度精確；機器學習則採用決策樹、貝氏網路及支援向量機，分別預測比特幣價格之漲跌與變動幅度，實證結果有三：一為預測漲跌之準確度

普遍高於預測變動幅度，二為採用100％訓練、100％測試的準確度普遍高於70％訓練、30％測試，三為若採用100％訓練、100％測試則準確度最高為決策樹，但若採用70％訓練、30％測試則支援向量機為第一首選。