1. HOME
  2. ニュース
  3. シンプレクス DMM Bitcoinの仮想通貨取引システムを構築

シンプレクス DMM Bitcoinの仮想通貨取引システムを構築

~シンプレクスの仮想通貨取引プラットフォーム「SimplexCryptoCurrency」の第1号案件~

シンプレクス株式会社(本社:東京都港区、代表取締役社長:金子英樹、以下:シンプレクス)は、株式会社DMM Bitcoin(本社:東京都中央区、代表取締役:田口 仁、仮想通貨交換業者:関東財務局長 第00010号)の新たな仮想通貨取引システムとして、仮想通貨取引プラットフォーム「SimplexCryptoCurrency(シンプレクス・クリプト・カレンシー)」が採用されたことをお知らせします。

株式会社DMM Bitcoinは、「DMM Bitcoin」ブランドによる仮想通貨取引の新サービスサイトを2018年1月10日に公開し、2018年1月11日より口座開設申込の受付を開始しました※1。

特長

本案件でシンプレクスは、(1)一般投資家向け取引ツール、(2)業務管理システム、(3)ディーリングシステムを提供しています。それぞれの主な特長は以下の通りです。

(1)快適な仮想通貨取引を実現する一般投資家向け取引ツール

一般投資家向け取引ツールとして、豊富な注文機能と高機能チャートを搭載し、カスタマイズ性にも優れたWebブラウザ版取引ツールと、チャートを見ながらの「ワンタッチ」発注や各種アラートのポップアップ機能を搭載したiOS/Android対応のネイティブアプリを提供しています。

(2)適切な業務運用を支援する業務管理システム

口座管理や取引管理など、仮想通貨取引サービスに求められる適切な業務運営を支援する業務管理システムを提供しています。他社製ウォレット管理システムとの連携にも対応しています。

(3)仮想通貨取引サービスの早期収益化に貢献するディーリングシステム

仮想通貨の特性や現状のボラティリティ等を考慮した収益化戦略の遂行により、仮想通貨取引サービスの早期収益化に貢献するディーリングシステムを提供しています。

DMM Bitcoin

SimplexCryptoCurrencyについて

「SimplexCryptoCurrency」は、シンプレクスが20年以上に渡り培ってきた大手金融機関向けシステムの開発・運用ノウハウを集約した、これまでにない新しい仮想通貨取引プラットフォームです。一般投資家向け取引システムとして求められる耐障害性と信頼性を備え、仮想通貨ビジネスに必要なあらゆる機能をオールインワンで提供します。

今後もシンプレクスは、「SimplexCryptoCurrency」の提供を通して、仮想通貨交換業者のビジネス基盤の早期構築と、安定的なシステム運営を支援してまいります。併せて、将来的な取り扱い仮想通貨の拡充や、法令規制等への対応、金融工学に精通した専門スタッフによるディーリングコンサルティングの提供など、今後の市場動向を的確に捉えた包括的な支援を目指すことで、仮想通貨交換業者の収益最大化に貢献してまいります。

補足説明

※1 株式会社DMM Bitcoin及び「DMM Bitcoin」の新サービスについては下記のページをご参照ください。https://bitcoin.dmm.com

詳しくはDMM Bitcoinの仮想通貨取引システムを構築

新着の記事
講義へのICT活用を積極化する中央大学は、どのようにしてデータマネジメントを実践しているのか?

新型コロナウイルス感染症は、世の中に大きな影響与えているが教育現場への影響は計り知れない。そんな中、中央大学ではICTの活用を積極的に取り組んでいる大学の一つだ。本稿では、中央大学のICT教育におけるデータマネジメントのICTサービスを安定的に提供しているのか事例を紹介する。

異業種の金融参入・連携における成功実現の要諦

本連載の第1回では、国内市場における異業種連携の最新動向と、金融サービスの位置付け、連携の実現に向けて初期構想段階に検討すべきポイントなどについて解説した。第2回ではこれを踏まえ、具体的事例として日本郵船の電子通貨事業MarCoPayのCEO 藤岡敏晃様のお話を紹介した。最終回となる今回は、これらを踏まえて準備・実行フェーズにおける課題・ポイント、戦略・システム面での成功の要諦について解説していく。

異業種による金融参入事例〜MARCOPAYの実現に向けた日本郵船の取り組み

本連載の第1回では、国内市場における異業種連携の最新動向と、金融サービスの位置付け、連携の実現に向けて初期構想段階に検討すべきポイントなどについて解説した。第2回ではこれを踏まえ、具体的事例として日本郵船の電子通貨事業MarCoPayのCEO 藤岡敏晃様のお話を紹介していく。

機械学習モデルにおけるカテゴリ変数の数値化手法4選~扱い方から注意点

今回は「機械学習モデル」を使う上でポイントとなるカテゴリ変数の数値化手法に焦点を当て、代表的な4つの数値変換手法、①One hot Encoding、②Label Encoding、③Count Encoding、⑤Target Encodingについて解説するとともに、カテゴリ変数を扱う上での注意点についても解説する。