“IDEA 班”是粤港澳大湾区数字经济研究院（简称 IDEA 研究院）与香港科技大学（广州）合作创办的博士联合培养项目实验班，由IDEA 研究院创院理事长、美国国家工程院外籍院士、前微软公司全球执行副总裁沈向洋与香港科技大学（广州）创校校长倪明选共同创办，致力于共同培养国际顶尖水平的博士研究生。
“IDEA 班”将由沈向洋院士和倪明选校长领衔的教授导师团亲自指导，导师团包括曾任教于哈佛大学的大数据科学家、AI 金融投资技术专家郭健教授，前创新工场技术合伙人、区块链系统技术专家王嘉平教授等多位 IDEA 研究院科学家，以及香港科技大学（广州）相关领域教授。
“IDEA 班”面向全球招生，研究方向聚焦人工智能与数字经济前沿科技，努力在”AI+金融”领域形成特色与优势。与传统博士培养模式相比，”IDEA 班”联培博士项目将致力于培养”有创业精神的一流科学家”，打造未来科技领袖。
首届”IDEA 班”于 2022 年秋季启动招生，2023 年秋季入班。
回顾：港科大（广州）与 IDEA 研究院签署联培博士生项目”IDEA 班”合作协议
一、”IDEA 班”项目独特优势
• 学术大师 —— 在沈向洋院士、倪明选校长领衔的世界级教授导师团亲自指导下攻读博士
• 远大目标 —— 培养”有创业精神的科学家”，打造未来世界科技领袖
• 跨界共话 —— 与全球学术界、企业界、投资界顶级大师切磋
二、”IDEA 班”研究方向
• AI 金融、深度学习与下一代量化投资
• 区块链系统在金融风险和金融安全方面的研究
三、”IDEA 班”培养模式
• 第一阶段：在香港科技大学（广州）完成博士期间课程，并跟随博士生导师学习及开展研究计划
• 第二阶段：在双方导师指导下，于IDEA 研究院开展具体博士项目的研究工作
四、”IDEA 班”学位
• 参照香港科技大学及香港科技大学（广州）的学术规定，对达到相关学术标准的学生授予香港科技大学博士学位证书
五、”IDEA 班”学费及资助
• 学费：约 4 万元人民币/学年
• 奖学金：每月 1.5 万元（最终数额以录取信为准）
六、报名方式
（一）申请条件
• 参照香港科技大学（广州）2023 级博士生的招生、录取条件
* 国际大赛奖项（IOI、IMO、ACM 等）、顶会顶刊论文、学术成绩是”IDEA 班”选拔学生的重要参考依据，但”IDEA 班”更加注重学生对自己热爱领域的持之以恒的钻研精神
（二）申请时间表
• 国际学生：即日起至 2023 年 6 月 15 日
• 中国学生（含香港、澳门、台湾地区）：即日起至 2023 年 7 月 15 日
* IDEA 研究院组织材料核查专项组对全部申请人的材料进行审阅，根据综合评价结果择优确定进入正式面试名单，并通知相关申请人在香港科技大学（广州）官网在线入学系统中正式申报
（三）申请材料提交及咨询
• 申请材料包括：个人简历、成绩单和其他有助于申请的材料
• 有关项目信息、专业方向等可联系咨询 “IDEA 班”项目负责人郭健教授
• 申请材料提交及咨询邮箱：phdrecruiting@idea.edu.cn
“IDEA 班”的博士生导师团由沈向洋院士和倪明选校长亲自领导，并由多位 IDEA 研究院和香港科技大学（广州）的教授组成。
倪明选，香港科技大学（广州）创校校长。倪明选教授于 1980 年获得美国普渡大学电机工程博士学位，曾先后担任香港科技大学首席副校长，校长特别助理、霍英东研究院院长及计算机科学及工程系主任与讲座教授，澳门大学学术副校长、电脑及资讯科学系讲座教授，密歇根州立大学计算机科学与工程系教授 ，美国国家科学基金会微电子系统结构项目主任，美国 CC&T 技术公司联合创办人兼行政总裁。
倪明选教授是 IEEE 终身会士，香港工程科学院院士，论文引用超过 37000 次（根据 Google Scholar），曾先后获得 8 次国际会议最佳论文奖，成功申请 28 个美国、中国授权的专利，并指导 73 名博士毕业生。倪明选教授积极参与中国内地学术事务。曾先后获得中国计算机学会海外杰出贡献奖（2009），教育部自然科学一等奖（2010），国家自然科学二等奖（2011），以及广东省科学技术一等奖（2014）。他曾先后担任国家 973 计划无线传感网项目首席科学家（2006-2011）、清华大学 IV 访问讲座教授、上海交通大学神州数码访问讲座教授、中国科学院海外评审专家、中国国家自然科学基金委员会及科技部专家小组成员，以及 4 个国家重点实验室/国家工程中心的学术委员会成员。
沈向洋院士为粤港澳大湾区数字经济研究院创院理事长，并兼任香港科技大学高等研究院教授（Professor-at-large）。他曾担任微软公司全球执行副总裁，主管微软全球研究院和微软人工智能事业部，负责推动公司中长期技术战略及前瞻性研究与开发工作。由于他对计算机视觉和图形学的贡献，以及在工业界科研和产品研发中的领导力，他先后成为 IEEE Fellow 和 ACM Fellow、美国国家工程院外籍院士以及英国皇家工程院外籍院士。他参与创立了微软亚洲研究院，曾担任院长和首席科学家，为中国培养了众多国际一流的计算机科学家、人工智能技术专家和企业家。沈教授的研究领域涉及人工智能相关的众多方向，包括计算机视觉与图形学、机器人技术、NLP 与人机对话、深度学习及其在金融、医疗等领域的应用。
郭健教授现任 IDEA 研究院执行院长兼 AI 金融与深度学习首席科学家，协助沈向洋院士一起创办了 IDEA 研究院。他还领导 IDEA 人工智能金融与深度学习研究中心，负责新一代 AI 量化投资技术、金融超脑系统平台、金融行为知识图谱与深度学习知识推理、面向金融的深度学习预训练大模型、深度强化学习金融市场模拟技术等前沿交叉研究方向。
郭健教授从美国密西根大学统计系（机器学习专业）毕业后，曾任教于美国哈佛大学（Tenure-track），是世界知名的机器学习和大数据科学家，在统计机器学习、深度学习、概率图模型等领域发表过众多论文并获得多项专利，其研究成果被广泛应用于量化投资、推荐与搜索系统、生物信息学等领域。他是最早将深度学习与强化学习技术应用于金融市场投资与风控的研究者之一，是学者型的科技金融创业者。郭健目前兼任香港科技大学（广州）实践教授和清华大学（深圳国际研究生院）实践教授，并在香港科技大学（广州）兼任金融科技校长咨询委员会委员和”IDEA 班”负责人。
郭健教授的研究方向包括：
• 面向下一代量化投资的人工智能技术。1）适合金融时间序列预测场景的新型深度神经网络结构、神经网络算子、激活函数、损失函数、集成学习方法、对比学习方法、知识蒸馏等技术和算法；2）适合金融时间序列预测的新型深度神经网络的自动化深度学习 AutoML、NAS 和 MoE 算法；3）时序深度神经网络的算法并行化与高性能计算系统优化；4）适合金融市场预测分析的机器学习因果推理算法、可解释机器学习技术等；5）适用于横截面选股模型的时空多维图深度学习算法；6）面向金融投资的时间序列深度强化学习计算框架，适用于分布式计算、FPGA 时序机器学习推理加速和 CPU-GPU 架构和相关计算加速技术；7）基于深度强化学习技术的订单执行优化算法、投资组合动态仓位优化模型和高频交易模型；8）面向全球市场的跨领域跨任务的量化投资超大规模深度学习预训练模型。
• 金融行为知识图谱与 AI 金融投资决策推理技术。1）研发世界级超大规模金融行为知识图谱与事理图谱，构建跨市场跨品种跨领域的金融行为主体关联关系，建立金融实体之间的多样性关联关系（产业链、资本链、供应链、诉讼链等）和事件因果关系；2）在金融大数据库和金融实体画像的基础上，研发适用于金融知识图谱推理的 NLP、深度学习、小样本学习、迁移学习等技术，研究和开发适用于超大型金融行为知识图谱分析的新型时序图认知推理算法与技术，在金融决策推理的预测精度、可解释性、计算复杂度、并行计算能力、置信度和鲁棒性之间找到最优平衡点；4）研究金融知识推理和金融投资决策场景下的自然语言（NLP）大模型和相关系统。
• 基于 AI 的新一代金融衍生品定价模型与算法。以期权、利率衍生品为代表的金融衍生品是金融投资市场的重要组成部分。金融衍生品的交易最核心的步骤是精准且快速的定价。基于传统的定价模型基于隐含波动率的随机微分方程求解，计算复杂度高，计算耗时长的现实，研究通过深度学习技术来加速定价随机微分方程求解问题，在适当放宽计算精度的前提下大幅度提升计算效率。同时，研究直接利用深度学习进行衍生品定价和交易的 DeepHedging 模型和算法。
王嘉平教授现任 IDEA 研究院 AI 安全普惠系统研究中心讲席科学家，香港科技大学（广州）兼任教授。他曾先后担任微软总部研究院研究主管、创新工场技术合伙人兼人工智能工程院副院长。王嘉平教授在中科院计算所获得博士学位，师从前微软公司全球执行副总裁沈向洋，其博士论文曾荣获 2009 年全国百篇优秀博士论文奖，他也是该年唯一的计算机科学领域获奖者。
王嘉平教授在分布式系统、计算机图形学与视觉和机器学习 GPU 集群等领域已取得数十项研究成果并发表于 ACM/ToG 顶级期刊并已获美国专利授权。他于 2019 年发表了高性能并行区块链架构「Monoxide」论文，被国际顶级计算机网络学术会议 NSDI 2019 接收。这是中国团队在区块链核心技术领域第一篇发表在国际顶会的学术论文，并获得同年中国计算机协会(CCF)最佳区块链论文奖。王嘉平教授目前的研究内容集中在如何推动开放区块链向更大规模、更高效率的发展，如何规避和监管其带来的金融风险和安全问题这两个方面展开。
王嘉平教授的研究方向包括：
• 同国际接轨的分片并行区块链系统相关协议及算法。如何规模化在开放环境中的高性能区块链但由不牺牲去中心化，安全性，一直的国际上区块链系统的难题。针对这一挑战，分片技术是实现区块链系统无上限提高吞吐量和容量的并行架构，一直被认为是区块链系统设计的圣杯。但是由于区块链系统的特殊性，以及对中心化和开放安全性的独特需求，分片技术尚未有效地应用于区块链系统。我们的研究集中在以下方面：1）分片架构数据传输协议设计，以及交易数据结构的规范化；2）分片架构中共识证明的传递和验证协议；3）智能合约状态在分片架构中的表示和存储，及其多线程安全访问控制；4）分片网络中的交易执行流水线以及并行优化；5）智能合约在分片网络中的协同部署和链上版本管理。
• 智能合约的并行编程模型及编程语言规范。分片架构在将区块链系统本身并行化之后，传统的串行编程模型极其语言(如 Solidity)将不再适用。好比 CUDA 编程语言之于 GPU 系统，MapReduce 编程模型之于大数据分析，一种原生并行的智能合约编程模型是分片并行区块链系统支持通用金融计算的核心。如何拆分智能合约的状态，使其能够被分片系统分而治之，如何在数据依赖无法一次性满足的情况下，让计算逻辑在各个分片接力执行是并行编程模型的核心。我们的研究集中在以下方面：1）基于数据依赖范围的智能合约状态切分模型及相应的表达形式、语法和语义；2）基于消息传递的智能合约执行逻辑切分模型及其异步接力执行机制；3）原生资产定义和 Move 语义及其相应算法；4）大整数、高精度浮点数等金融计算基础原语及相关优化算法；5）面向对象、多态等现代通用编程技术在智能合约编程语言中的应用；6）合约参数和状态的序列号以及零开销反序列化的数据规范设计和算法；7）研发相应的编译器及其相应的语法分析、代码优化以及跨平台原生指令合成；8）针对金融应用设计优化的虚拟机及其相应的扩展指令集。
• 开放区块链网络中的金融监管与合规理论框架及其相关技术。技术上的去中心化对金融监管和合规提出了新的挑战，由于其用户身份的匿名性，管理上的分散特性，资产流动的高度灵活性和跨国界属性使得对于反洗钱、反诈骗等安全问题难于防范，同时金融资产发行、资金管存、资产交易等方面的合规落实变得无从下手。我们的研究集中在：1）基于全网交易网络的实时图谱分析的资产流向分析和追踪；2）基于对链上地址的历时行为分析，建立地址的信用度以及身份合规框架；3）稳定交易机制的研究及其对应的链上交易算法；4）合规资产发行的监管框架及其链上自动化监控算法；5）基于流动性、抵押率、资产分布来分析锚定币、算法稳定币等的风险评估算法。
“IDEA 班”是粤港澳大湾区数字经济研究院（简称 IDEA 研究院）与香港科技大学（广州）合作创办的博士联合培养项目实验班，由IDEA 研究院创院理事长、美国国家工程院外籍院士、前微软公司全球执行副总裁沈向洋与香港科技大学（广州）创校校长倪明选共同创办，致力于共同培养国际顶尖水平的博士研究生。
“IDEA 班”将由沈向洋院士和倪明选校长领衔的教授导师团亲自指导，导师团包括曾任教于哈佛大学的大数据科学家、AI 金融投资技术专家郭健教授，前创新工场技术合伙人、区块链系统技术专家王嘉平教授等多位 IDEA 研究院科学家，以及香港科技大学（广州）相关领域教授。
“IDEA 班”面向全球招生，研究方向聚焦人工智能与数字经济前沿科技，努力在”AI+金融”领域形成特色与优势。与传统博士培养模式相比，”IDEA 班”联培博士项目将致力于培养”有创业精神的一流科学家”，打造未来科技领袖。
首届”IDEA 班”于 2022 年秋季启动招生，2023 年秋季入班。
回顾：港科大（广州）与 IDEA 研究院签署联培博士生项目”IDEA 班”合作协议
一、”IDEA 班”项目独特优势
• 学术大师 —— 在沈向洋院士、倪明选校长领衔的世界级教授导师团亲自指导下攻读博士
• 远大目标 —— 培养”有创业精神的科学家”，打造未来世界科技领袖
• 跨界共话 —— 与全球学术界、企业界、投资界顶级大师切磋
二、”IDEA 班”研究方向
• AI 金融、深度学习与下一代量化投资
• 区块链系统在金融风险和金融安全方面的研究
三、”IDEA 班”培养模式
• 第一阶段：在香港科技大学（广州）完成博士期间课程，并跟随博士生导师学习及开展研究计划
• 第二阶段：在双方导师指导下，于IDEA 研究院开展具体博士项目的研究工作
四、”IDEA 班”学位
• 参照香港科技大学及香港科技大学（广州）的学术规定，对达到相关学术标准的学生授予香港科技大学博士学位证书
五、”IDEA 班”学费及资助
• 学费：约 4 万元人民币/学年
• 奖学金：每月 1.5 万元（最终数额以录取信为准）
六、报名方式
（一）申请条件
• 参照香港科技大学（广州）2023 级博士生的招生、录取条件
* 国际大赛奖项（IOI、IMO、ACM 等）、顶会顶刊论文、学术成绩是”IDEA 班”选拔学生的重要参考依据，但”IDEA 班”更加注重学生对自己热爱领域的持之以恒的钻研精神
（二）申请时间表
• 国际学生：即日起至 2023 年 6 月 15 日
• 中国学生（含香港、澳门、台湾地区）：即日起至 2023 年 7 月 15 日
* IDEA 研究院组织材料核查专项组对全部申请人的材料进行审阅，根据综合评价结果择优确定进入正式面试名单，并通知相关申请人在香港科技大学（广州）官网在线入学系统中正式申报
（三）申请材料提交及咨询
• 申请材料包括：个人简历、成绩单和其他有助于申请的材料
• 有关项目信息、专业方向等可联系咨询 “IDEA 班”项目负责人郭健教授
• 申请材料提交及咨询邮箱：phdrecruiting@idea.edu.cn
“IDEA 班”的博士生导师团由沈向洋院士和倪明选校长亲自领导，并由多位 IDEA 研究院和香港科技大学（广州）的教授组成。
倪明选，香港科技大学（广州）创校校长。倪明选教授于 1980 年获得美国普渡大学电机工程博士学位，曾先后担任香港科技大学首席副校长，校长特别助理、霍英东研究院院长及计算机科学及工程系主任与讲座教授，澳门大学学术副校长、电脑及资讯科学系讲座教授，密歇根州立大学计算机科学与工程系教授 ，美国国家科学基金会微电子系统结构项目主任，美国 CC&T 技术公司联合创办人兼行政总裁。
倪明选教授是 IEEE 终身会士，香港工程科学院院士，论文引用超过 37000 次（根据 Google Scholar），曾先后获得 8 次国际会议最佳论文奖，成功申请 28 个美国、中国授权的专利，并指导 73 名博士毕业生。倪明选教授积极参与中国内地学术事务。曾先后获得中国计算机学会海外杰出贡献奖（2009），教育部自然科学一等奖（2010），国家自然科学二等奖（2011），以及广东省科学技术一等奖（2014）。他曾先后担任国家 973 计划无线传感网项目首席科学家（2006-2011）、清华大学 IV 访问讲座教授、上海交通大学神州数码访问讲座教授、中国科学院海外评审专家、中国国家自然科学基金委员会及科技部专家小组成员，以及 4 个国家重点实验室/国家工程中心的学术委员会成员。
沈向洋院士为粤港澳大湾区数字经济研究院创院理事长，并兼任香港科技大学高等研究院教授（Professor-at-large）。他曾担任微软公司全球执行副总裁，主管微软全球研究院和微软人工智能事业部，负责推动公司中长期技术战略及前瞻性研究与开发工作。由于他对计算机视觉和图形学的贡献，以及在工业界科研和产品研发中的领导力，他先后成为 IEEE Fellow 和 ACM Fellow、美国国家工程院外籍院士以及英国皇家工程院外籍院士。他参与创立了微软亚洲研究院，曾担任院长和首席科学家，为中国培养了众多国际一流的计算机科学家、人工智能技术专家和企业家。沈教授的研究领域涉及人工智能相关的众多方向，包括计算机视觉与图形学、机器人技术、NLP 与人机对话、深度学习及其在金融、医疗等领域的应用。
郭健教授现任 IDEA 研究院执行院长兼 AI 金融与深度学习首席科学家，协助沈向洋院士一起创办了 IDEA 研究院。他还领导 IDEA 人工智能金融与深度学习研究中心，负责新一代 AI 量化投资技术、金融超脑系统平台、金融行为知识图谱与深度学习知识推理、面向金融的深度学习预训练大模型、深度强化学习金融市场模拟技术等前沿交叉研究方向。
郭健教授从美国密西根大学统计系（机器学习专业）毕业后，曾任教于美国哈佛大学（Tenure-track），是世界知名的机器学习和大数据科学家，在统计机器学习、深度学习、概率图模型等领域发表过众多论文并获得多项专利，其研究成果被广泛应用于量化投资、推荐与搜索系统、生物信息学等领域。他是最早将深度学习与强化学习技术应用于金融市场投资与风控的研究者之一，是学者型的科技金融创业者。郭健目前兼任香港科技大学（广州）实践教授和清华大学（深圳国际研究生院）实践教授，并在香港科技大学（广州）兼任金融科技校长咨询委员会委员和”IDEA 班”负责人。
郭健教授的研究方向包括：
• 面向下一代量化投资的人工智能技术。1）适合金融时间序列预测场景的新型深度神经网络结构、神经网络算子、激活函数、损失函数、集成学习方法、对比学习方法、知识蒸馏等技术和算法；2）适合金融时间序列预测的新型深度神经网络的自动化深度学习 AutoML、NAS 和 MoE 算法；3）时序深度神经网络的算法并行化与高性能计算系统优化；4）适合金融市场预测分析的机器学习因果推理算法、可解释机器学习技术等；5）适用于横截面选股模型的时空多维图深度学习算法；6）面向金融投资的时间序列深度强化学习计算框架，适用于分布式计算、FPGA 时序机器学习推理加速和 CPU-GPU 架构和相关计算加速技术；7）基于深度强化学习技术的订单执行优化算法、投资组合动态仓位优化模型和高频交易模型；8）面向全球市场的跨领域跨任务的量化投资超大规模深度学习预训练模型。
• 金融行为知识图谱与 AI 金融投资决策推理技术。1）研发世界级超大规模金融行为知识图谱与事理图谱，构建跨市场跨品种跨领域的金融行为主体关联关系，建立金融实体之间的多样性关联关系（产业链、资本链、供应链、诉讼链等）和事件因果关系；2）在金融大数据库和金融实体画像的基础上，研发适用于金融知识图谱推理的 NLP、深度学习、小样本学习、迁移学习等技术，研究和开发适用于超大型金融行为知识图谱分析的新型时序图认知推理算法与技术，在金融决策推理的预测精度、可解释性、计算复杂度、并行计算能力、置信度和鲁棒性之间找到最优平衡点；4）研究金融知识推理和金融投资决策场景下的自然语言（NLP）大模型和相关系统。
• 基于 AI 的新一代金融衍生品定价模型与算法。以期权、利率衍生品为代表的金融衍生品是金融投资市场的重要组成部分。金融衍生品的交易最核心的步骤是精准且快速的定价。基于传统的定价模型基于隐含波动率的随机微分方程求解，计算复杂度高，计算耗时长的现实，研究通过深度学习技术来加速定价随机微分方程求解问题，在适当放宽计算精度的前提下大幅度提升计算效率。同时，研究直接利用深度学习进行衍生品定价和交易的 DeepHedging 模型和算法。
王嘉平教授现任 IDEA 研究院 AI 安全普惠系统研究中心讲席科学家，香港科技大学（广州）兼任教授。他曾先后担任微软总部研究院研究主管、创新工场技术合伙人兼人工智能工程院副院长。王嘉平教授在中科院计算所获得博士学位，师从前微软公司全球执行副总裁沈向洋，其博士论文曾荣获 2009 年全国百篇优秀博士论文奖，他也是该年唯一的计算机科学领域获奖者。
王嘉平教授在分布式系统、计算机图形学与视觉和机器学习 GPU 集群等领域已取得数十项研究成果并发表于 ACM/ToG 顶级期刊并已获美国专利授权。他于 2019 年发表了高性能并行区块链架构「Monoxide」论文，被国际顶级计算机网络学术会议 NSDI 2019 接收。这是中国团队在区块链核心技术领域第一篇发表在国际顶会的学术论文，并获得同年中国计算机协会(CCF)最佳区块链论文奖。王嘉平教授目前的研究内容集中在如何推动开放区块链向更大规模、更高效率的发展，如何规避和监管其带来的金融风险和安全问题这两个方面展开。
王嘉平教授的研究方向包括：
• 同国际接轨的分片并行区块链系统相关协议及算法。如何规模化在开放环境中的高性能区块链但由不牺牲去中心化，安全性，一直的国际上区块链系统的难题。针对这一挑战，分片技术是实现区块链系统无上限提高吞吐量和容量的并行架构，一直被认为是区块链系统设计的圣杯。但是由于区块链系统的特殊性，以及对中心化和开放安全性的独特需求，分片技术尚未有效地应用于区块链系统。我们的研究集中在以下方面：1）分片架构数据传输协议设计，以及交易数据结构的规范化；2）分片架构中共识证明的传递和验证协议；3）智能合约状态在分片架构中的表示和存储，及其多线程安全访问控制；4）分片网络中的交易执行流水线以及并行优化；5）智能合约在分片网络中的协同部署和链上版本管理。
• 智能合约的并行编程模型及编程语言规范。分片架构在将区块链系统本身并行化之后，传统的串行编程模型极其语言(如 Solidity)将不再适用。好比 CUDA 编程语言之于 GPU 系统，MapReduce 编程模型之于大数据分析，一种原生并行的智能合约编程模型是分片并行区块链系统支持通用金融计算的核心。如何拆分智能合约的状态，使其能够被分片系统分而治之，如何在数据依赖无法一次性满足的情况下，让计算逻辑在各个分片接力执行是并行编程模型的核心。我们的研究集中在以下方面：1）基于数据依赖范围的智能合约状态切分模型及相应的表达形式、语法和语义；2）基于消息传递的智能合约执行逻辑切分模型及其异步接力执行机制；3）原生资产定义和 Move 语义及其相应算法；4）大整数、高精度浮点数等金融计算基础原语及相关优化算法；5）面向对象、多态等现代通用编程技术在智能合约编程语言中的应用；6）合约参数和状态的序列号以及零开销反序列化的数据规范设计和算法；7）研发相应的编译器及其相应的语法分析、代码优化以及跨平台原生指令合成；8）针对金融应用设计优化的虚拟机及其相应的扩展指令集。
• 开放区块链网络中的金融监管与合规理论框架及其相关技术。技术上的去中心化对金融监管和合规提出了新的挑战，由于其用户身份的匿名性，管理上的分散特性，资产流动的高度灵活性和跨国界属性使得对于反洗钱、反诈骗等安全问题难于防范，同时金融资产发行、资金管存、资产交易等方面的合规落实变得无从下手。我们的研究集中在：1）基于全网交易网络的实时图谱分析的资产流向分析和追踪；2）基于对链上地址的历时行为分析，建立地址的信用度以及身份合规框架；3）稳定交易机制的研究及其对应的链上交易算法；4）合规资产发行的监管框架及其链上自动化监控算法；5）基于流动性、抵押率、资产分布来分析锚定币、算法稳定币等的风险评估算法。
粤ICP备2020119212号 © 2023年 粤港澳大湾区数字经济研究院（福田）版权所有 
粤公网安备 44030402006206号
