Analysis of the risk management of investing in digital currencies concerning transformative technologies with an emphasis on the Neutrosophic fuzzy method
Subject Areas :Somayeh Mohammadpour 1 , Fereydon Rahnamay Roodposhti 2 , maryam rahmaty 3 , Reza Ehtesham Rasi 4
1 - PhD student, Department of Industrial Management, Science and Research Branch, Islamic Azad University, Tehran, Iran
2 - Department of financing and accounting, science and research branch, Islamic azad university, Tehran, Iran
3 - Assistant Professor, Department of Management, Chalous Branch, Islamic Azad University, Chalous, Iran .
4 - Assistant Professor, Department of Industrial Management, Qazvin Branch, Islamic Azad University, Qazvin, Iran
Keywords: Investment risk, Risk management, Investing in cryptocurrency, Fuzzy Neutrosophic. ,
Abstract :
Risk management systematically applies policies, procedures, and processes related to risk analysis, evaluation, and control activities. Money and capital management is a financial strategy determining how a trader invests money in various digital currency assets. Cryptocurrency trading can be very profitable when done right. However, if they are done wrong, you can suffer unimaginable losses, some of which can never be recovered. Therefore, there are good trading habits that every trader should use. Thus, if risk management methods are well-applied, they will protect cryptocurrency trading and help you stay in the market without ruining your account. The current research aims to identify and prioritize risks in investing in digital currencies, focusing on the characteristics of transformative technologies such as blockchain and the Internet of Things. The present study conducted an extensive literature review to identify various risks. For empirical analysis, this study extracted data from the subject literature and analyzed using the opinions of 55 experts. A fuzzy neurosophisticated decision-making method was used to prioritize different risks. Among the risks, the risks related to network security are at the highest level, followed by the risks associated with network slowdown and operational risk. The results of this research have several implications for regulators, policymakers, entrepreneurs, technologists, and professionals. These stakeholders can focus on these vulnerabilities and provide more sustainable solutions in the future
Abramova, S., & Böhme, R. (2016). Perceived benefit and risk as multidimensional determinants of bitcoin use: A quantitative exploratory study.
Aghamohammadi, A., Ohadi, F., Seighaly, M., & Banimahd, B. (2020). Estimating the Investment Risk in a Digital Currency Portfolio and Optimizing it Using Value at Risk. Financial Knowledge of Securities Analysis, 13(47), 17-31.
Agosto, A., & Cafferata, A. (2020). Financial bubbles: a study of co-explosivity in the cryptocurrency market. Risks, 8(2), 34.
Al Mamun, M., Uddin, G. S., Suleman, M. T., & Kang, S. H. (2020). Geopolitical risk, uncertainty and Bitcoin investment. Physica A: Statistical Mechanics and Its Applications, 540, 123107.
Aliahmadi, A., & Nozari, H. (2023, January). Evaluation of security metrics in AIoT and blockchain-based supply chain by Neutrosophic decision-making method. In Supply Chain Forum: An International Journal (Vol. 24, No. 1, pp. 31-42). Taylor & Francis.
Bebeshko, B., Malyukov, V., Lakhno, M., Skladannyi, P., Sokolov, V., Shevchenko, S., & Zhumadilova, M. (2022). Application of game theory, fuzzy logic and neural networks for assessing risks and forecasting rates of digital currency. Journal of Theoretical and Applied Information Technology, 100(24), 7390-7404.
Bentes, S. R., & Menezes, R. (2012, November). Entropy: A new measure of stock market volatility?. In Journal of Physics: Conference Series (Vol. 394, No. 1, p. 012033). IOP Publishing.
Cheng, P. (2023). Decoding the rise of Central Bank Digital Currency in China: designs, problems, and prospects. Journal of Banking Regulation, 24(2), 156-170.
Dai, C., Yang, X., Qiu, M., Guo, X., Lu, Z., & Niu, B. (2020). Digital Currency Investment Strategy Framework Based on Ranking. In Algorithms and Architectures for Parallel Processing: 20th International Conference, ICA3PP 2020, New York City, NY, USA, October 2–4, 2020, Proceedings, Part III 20 (pp. 654-662). Springer International Publishing.
Dionisio, A., Menezes, R., & Mendes, D. A. (2006). An econophysics approach to analyse uncertainty in financial markets: an application to the Portuguese stock market. The European Physical Journal B-Condensed Matter and Complex Systems, 50, 161-164.
Ghahremani-Nahr, J., Nozari, H., Rahmaty, M., Zeraati Foukolaei, P., & Sherejsharifi, A. (2023). Development of a Novel Fuzzy Hierarchical Location-Routing Optimization Model Considering Reliability. Logistics, 7(3), 64.
Gilbert, Scott, and Hio Loi. "Digital currency risk." International Journal of Economics and Finance 10.2 (2018): 108.
Goodell, J. W., & Goutte, S. (2021). Co-movement of COVID-19 and Bitcoin: Evidence from wavelet coherence analysis. Finance Research Letters, 38, 101625.
Jing, A. (2023). The technology and digital financial risk management model using intelligent data processing. Optik, 273, 170410.
Junaid, M., Xue, Y., Syed, M. W., Li, J. Z., & Ziaullah, M. (2020). A neutrosophic ahp and topsis framework for supply chain risk assessment in automotive industry of Pakistan. Sustainability (Switzerland), 12 (1), 154.
Knight, F. H. (1957). Risk, uncertainty and profit,[Boston and New York, 1921. Auflage Chicago.
Kumar, R., & Khanna, R. (2023, August). Role of Artificial Intelligence in Digital Currency and Future Applications. In 2023 Second International Conference on Augmented Intelligence and Sustainable Systems (ICAISS) (pp. 42-46). IEEE.
Ozili, P. K. (2023). Central bank digital currency can lead to the collapse of cryptocurrency. In Digital Transformation, Strategic Resilience, Cyber Security and Risk Management (pp. 191-198). Emerald Publishing Limited.
Samudrala, R. S., & Yerchuru, S. K. (2021). Central bank digital currency: risks, challenges and design considerations for India. CSI Transactions on ICT, 9(4), 245-249.
Shokri, N., & Roshanfekr, A. (2023). Investigating the spillover effects of Bitcoin's financial fluctuations on other digital currencies. International Journal of Blockchains and Cryptocurrencies, 4(1), 65-79.
Uyar, U., & Kahraman, I. K. (2019). The risk analysis of Bitcoin and major currencies: value at risk approach. Journal of money laundering control, 22(1), 38-52.
Wang, H. (2023). How to understand China's approach to central bank digital currency?. Computer Law & Security Review, 105788.
MODIRIAT-E-FRDA JOURNAL ISSN 2228-6047 |
Analysis of the risk management of investing in digital currencies concerning transformative technologies with an emphasis on the Neutrosophic fuzzy method
Somayeh Mohammadpour1
| Fereydon Rahnamay Roodposhti2* | Maryam Rahmaty 3 | Reza Ehtesham Rasi4
1. PhD student, Department of Industrial Management, Science and Research Branch, Islamic Azad University, Tehran, Iran
2. Professor, Department of Finance and Accounting, Science and Research Branch, Islamic Azad University, Tehran, Iran
3. Assistant Professor, Department of Management, Chalous Branch, Islamic Azad University, Chalous, Iran
4. Assistant Professor, Department of Industrial Management, Qazvin Branch, Islamic Azad University, Qazvin, Iran
Article Info | ABSTRACT |
Article type: Research Article
Article history: Received: 18 March 2021 Revised: 10 June 2021 Accepted: 16 June 2021
Keywords: Investment risk, Risk management, Investing in cryptocurrency, Fuzzy Neutrosophic. | Risk management systematically applies policies, procedures, and processes related to risk analysis, evaluation, and control activities. Money and capital management is a financial strategy determining how a trader invests money in various digital currency assets. Cryptocurrency trading can be very profitable when done right. However, if they are done wrong, you can suffer unimaginable losses, some of which can never be recovered. Therefore, there are good trading habits that every trader should use. Thus, if risk management methods are well-applied, they will protect cryptocurrency trading and help you stay in the market without ruining your account. The current research aims to identify and prioritize risks in investing in digital currencies, focusing on the characteristics of transformative technologies such as blockchain and the Internet of Things. The present study conducted an extensive literature review to identify various risks. For empirical analysis, this study extracted data from the subject literature and analyzed using the opinions of 55 experts. A fuzzy neurosophisticated decision-making method was used to prioritize different risks. Among the risks, the risks related to network security are at the highest level, followed by the risks associated with network slowdown and operational risk. The results of this research have several implications for regulators, policymakers, entrepreneurs, technologists, and professionals. These stakeholders can focus on these vulnerabilities and provide more sustainable solutions in the future. |
| |
تحلیل مدیریت ریسک سرمایه گذاری در ارزهای دیجیتال با توجه به فناوری های تحول آفرین با تاکید بر روش فازی نوتروسوفیک
سمیه محمدپور1| فریدون رهنمای رودپشتی*2| مریم رحمتی3| رضا احتشام راثی4
چکیده
مدیریت ریسک عبارت است از بکارگیری سیستماتیک سیاستها، رویهها و فرآیندهای مدیریت مربوط به تجزیه و تحلیل، ارزیابی و فعالیتهای کنترلی ریسک. مدیریت پول و سرمایه یک استراتژی مالی است که تعیین می کند تاجر چگونه پول خود را در دارایی های مختلف ارز دیجیتال سرمایه گذاری کند. معاملات ارزهای دیجیتال زمانی که به درستی انجام شوند می توانند بسیار سودآور باشند. با این حال، اگر آنها اشتباه انجام شوند، می توانید متحمل ضررهای غیرقابل تصوری شوید که برخی از آنها هرگز قابل جبران نیستند. بنابراین، عادات تجاری خوبی وجود دارد که هر معامله گر باید از آنها استفاده کند. بنابراین، اگر روشهای مدیریت ریسک به خوبی اعمال شوند، از معاملات ارزهای دیجیتال محافظت میکنند و به شما کمک میکنند بدون خراب کردن حسابتان در بازار بمانید. هدف تحقیق حاضر شناسایی و اولویتبندی ریسکها در سرمایهگذاری در ارزهای دیجیتال با تمرکز بر ویژگیهای فناوریهای تحولآفرین مانند بلاک چین و اینترنت اشیا است. مطالعه حاضر بررسی ادبیات گسترده ای را برای شناسایی خطرات مختلف انجام داد. برای تجزیه و تحلیل تجربی، این مطالعه داده ها را از ادبیات موضوع استخراج و با استفاده از نظرات 55 متخصص تحلیل شد. یک روش تصمیم گیری مبتنی بر نوتروسوفیک فازی برای اولویت بندی ریسک های مختلف استفاده شد. در بین ریسکها، ریسکهای مرتبط با امنیت شبکه در بالاترین سطح قرار دارند و پس از آن ریسکهای مرتبط با کاهش سرعت در شبکه و ریسک عملیاتی قرار دارند. نتایج این تحقیق پیامدهای متعددی برای تنظیمکنندهها، سیاستگذاران، کارآفرینان، فنآوران و متخصصان دارد. این ذینفعان می توانند بر روی این آسیب پذیری ها تمرکز کنند و در آینده راه حل های پایدارتری ارائه دهند.
کلیدواژهها: ریسک سرمایه گذاری، مدیریت ریسک، سرمایه گذاری در رمز ارز، نوتروسوفیک فازی
دریافت مقاله: ........21/07/1402 پذیرش مقاله: ....1/09/1402 ......
مقدمه
سرمایه گذاری عبارت است از سرمایه گذاری مستقیم یا غیرمستقیم و همچنین کوتاه مدت و بلند مدت با هدف کسب سود مورد انتظار یا سایر اشکال سود از خود سرمایه گذاری و از این سرمایه گذاری بازده مطلوبی حاصل می شود. یکی از مهمترین بخش های مطالعه سرمایه گذاری، نحوه اندازه گیری ریسک و بازده است. سود مورد انتظار بازدهی است که سرمایه گذاران در آینده به دست خواهند آورد. در واقع، تقریباً همه سرمایهگذاریها حاوی عدم قطعیت یا ریسک هستند. مدیریت ریسک در تمامی محیطهای مالی مانند بازار رمزارزها بسیار مفید است و اثرات خود را در درازمدت نشان میدهد. مدیریت ریسک فرآیند مستندسازی تصمیمات نهایی اتخاذ شده و شناسایی و بکارگیری معیارهایی است که می توان از آنها برای رساندن ریسک به سطح قابل قبولی استفاده کرد در دهه گذشته، بازار ارزهای دیجیتال رشد قابل توجهی را تجربه کرد. ارزهای رمزنگاری شده که به عنوان جایگزینی برای پول ایجاد شدند، به سرعت به یک طبقه دارایی جدید تبدیل شدند. مدیریت ریسک در تمامی محیط های مالی مانند بازار ارزهای دیجیتال بسیار مفید است و تاثیرات خود را در بلند مدت نشان می دهد(قهرمانی نهر و همکاران، 2023)
از زمانی که اولین ارز دیجیتال، بیت کوین، به عموم مردم معرفی شد، ارزهای رمزنگاری شده نگرانی های زیادی در زمینه مدیریت ریسک داشته اند. مواجهههای اولیه درک شده در این زمینه ممکن است بهطور ضعیف به عنوان ریسکهای سفتهبازی توصیف شوند، نه چیزی که یک بیمهگر سنتی ممکن است نگران آن باشد. با این حال، با رشد سریع فناوری و استفاده بیشتر از این رمز ارزها ، چشم انداز مدیریت ریسک در این حوزه شکل قابل تشخیص تری به خود می گیرد. جهانی شدن و آزادسازی مالی باعث افزایش ادغام بازارهای مالی شده است اما فرصت های متنوع سازی را نیز کاهش داده است. بنابراین، سرمایه گذاران به طور فزاینده ای به این بازار جدید در جستجوی گزینه های متنوع سازی و پوشش ریسک روی می آورند(اوزیلی ، 2023).
مدیریت ریسک ارزهای دیجیتال به یک رویکرد سیستماتیک برای شناسایی، تجزیه و تحلیل، ارزیابی و توسعه طرحهای درمانی برای ریسکهای مرتبط با سرمایهگذاری در داراییهای دیجیتال نیاز دارد. سرمایه گذاری در ارزهای رمزنگاری شده مستلزم خطرات ذاتی است که شناسایی و مدیریت دقیق توسط موسسات مالی را ضروری می کند. برای هدایت موثر این ریسک ها، باید یک فرآیند مدیریت ریسک ساختاریافته دنبال شود. به این ترتیب، اگرچه ارز دیجیتال به عنوان یک طبقه دارایی، تنوع بخشی به سبد سرمایه گذاری افراد و ورود به فناوری های نوظهور با پتانسیل ایجاد انقلاب در صنایع مختلف را ارائه می دهد، سرمایه گذاران باید از خطرات موجود در تجارت ارزهای دیجیتال آگاه باشند.
با اینکه در دنیای امروزی نوسانات بازار رمز ارزها باعث به وجود آمدن یک فرصت استثنایی برای معاملهگران شده است تا به کسب سود بپردازند؛ اما به منظور کسب سود، باید به نکاتی مانند اینکه در بازار به دنبال چه چیزی هستید و چگونه مدیریت ریسک داراییهای خود را برعهده میگیرید، توجه داشت. با توجه به اهمیت مدیریت کردن ریسکهای موجود در سرمایه گذاری در رمز ارزها، و حضور فناوریهای تحول افرین مانند بلاکچین در محیط پر ریسک شبکه ، در این مقاله به تعریف مهمترین ریسکهای موجود بررسی و تحلیل میشود. بدین منظور در مرحله اول ،کو.شیده شد تا مهمترین ریسکها با استفاده از بررسی ادبیات موضوع استخراج و با استفاده از نظرات خبرگان پالایش شد.در مرحله بعد با استفاده از روش الویت بندی مبتنی بر نوتروسوفیک فازی به الویت بندی این ریسکها پرداخته شد. نتایج تحلیل میتواند راهگشای موثری برای سرمایه گذاری کم خطر تر باشد.
ساختار این مقاله به شرح زیر میباشد.در مرحله دوم مرور ادبیات مطرح میشود. در مرحله سوم روش تحقیق ارائه میگردد. در بخش چهارم نتایج تحلیلی ارائه میشود. در نهایت در بخش آخر نتیجه گیری مطرح خواهد شد.
1. مرورادبیات
امروزه، حوزههای کاربردی ارزهای دیجیتال گسترده است و فراتر از چشمانداز اولیه یک سیستم پرداخت جایگزین است. فناوریهای نوظهور، مانند اتریوم، امکان صدور توکنهایی را میدهند که در بلاک چین مربوطه وجود دارند و در برنامهها استفاده میشوند. نمونه هایی از این برنامه ها شبکه های اجتماعی و بازی ها هستند. در بین بازارهای مالی سراسر دنیا، دنیای ارز دیجیتال یکی از بازارهای محبوب برای سرمایهگذاری است. اما بدلیل نوسانات بسیار زیاد این بازارها، ریسک مالی در بازار ارز دیجیتال و خطر از دست دادن سرمایه نیز به مراتب نسبت به سایر بازارها بیشتر است. بهطورکلی احتمال هیجانی رفتار کردن در دنیای ارزهای دیجیتال بسیار بالا است. شواهد نشان میدهد کاربرانی که استراتژی درستی را انتخاب میکنند، سودهای قابل توجهی به دست میآورند. اما رفتارهای هیجانی در بازارهای مالی به نتیجه مطلوب منجر نمیشود، چرا که افراد زیادی در این راه پسانداز و سرمایه خود را از دست دادهاند. بنابراین میتوان دریافت که درک ریسکهای سرمایه گذاری میتواند اهمیت بالایی داشته باشد. به همین دلیل پژوهش های بسیاری در این زمینه در سالهای مختلف صورت گرفته است.
محققین در چندین مطالعه به این نتیجه رسیدند که بازار ارزهای دیجیتال مستعد حباب های سفته بازی است (کافه راتا 2020؛ گودل و گوتی 2021) . بنابراین، تجزیه و تحلیل نوسانات و قابلیت پیش بینی آن برای ارزیابی ریسک بازار مفید است و همچنین به کاهش سفته بازی و حباب های سوداگرانه کمک می کند. آنها نشان دادند که هنگامی که عدم قطعیت غالب می شود، تغییرات قابل توجهی در نوسانات بازده می تواند به طور قابل توجهی و منفی بر سرمایه گذاران ریسک گریز تأثیر بگذارد (بنتس و منزس 2012).
از زمان ظهور ارزیابی ریسک احتمالی، ریسک به عنوان حاصل ضرب ریاضی احتمال یک رویداد و اندازه گیری پیامدهای منفی آن تعریف شده است. در تحلیل های مالی، ریسک اغلب با استفاده از واریانس اندازه گیری می شود، یعنی هر چه واریانس بیشتر باشد، ریسک بیشتر است. با این حال، از نظر تاریخی، واریانس نیز معیاری برای پراکندگی، عدم قطعیت و وسیله ای برای ارزیابی تعدیل یک مدل در نظر گرفته شده است (دیونیزیو و همکاران ، 2006). از واریانس برای ارزیابی ریسک و عدم قطعیت استفاده شده است و تمایز بین این دو مفهوم را توجیه می کند. ریسک توسط نایت (1921) به عنوان وضعیتی تعریف شد که در آن نتیجه یک تصمیم ناشناخته است، اما توزیع احتمال هر نتیجه بالقوه مشخص است. عدم قطعیت زمانی وجود دارد که توزیع احتمال نتایج ناشناخته باشد.
هنگامی که کاربران با فناوری های مبتنی بر بلاک چین تعامل دارند، به طور مستقیم یا غیرمستقیم در معرض خطرات قابل توجهی قرار می گیرند. برخی از محققان نگرانی های امنیتی اساسی در بیت کوین و بردارهای حمله احتمالی که ممکن است دفتر کل توزیع شده را به خطر بیندازند، بررسی کردند. با این حال، بیشتر این بردارهای حمله فقط به طور غیرمستقیم بر روی کاربران داراییهای رمزنگاری اثر میگذارند. خطرات مرتبط با استفاده از بیت کوین به خوبی مستند شده است. با این حال، سایر دارایی های رمزنگاری هنوز مورد بررسی خیلی جدی قرار نگرفته اند. آبرامووا و همکاران. عواملی را در ایجاد ادراک ریسک در بین کاربران بیت کوین بررسی کرد. نتایج نشان میدهد که کاربران بیتکوین نگران زیانهای پولی بالقوه، محدودیتهای نظارتی اعمالشده توسط دولتها و عدم پذیرش عمومی هستند. با این حال، هنوز مشخص نشده است که کاربران چقدر از این خطرات آگاه هستند و شخصاً چه کنترل هایی را برای کاهش اعمال می کنند. ما همچنین معتقدیم که ریسکهای درک شده و تکنیکهای کاهش ریسک به دارایی رمزنگاری شده بستگی دارد و توسط عواملی که در مطالعات قبلی شناسایی نشدهاند، تحت تأثیر قرار میگیرند(شکری و همکاران، 2023).
برخی از مطالعات صورت گرفته در زمینه ارزیابی ریسکهای سرمایه گذاری در بازار رمز ارزها در جدول 1 نشان داده دشه است.
جدول 1: مروری بر مطالعات صورت گرفته
روش تحقیق | موضوع | سال | نویسنده |
مرور ادبیات | بررسی ریسکهای ارزهای دیجیتال | 2018 | گیلبرت و لوی5 |
VaR | برآورد ریسک سرمایه گذاری در سبد ارزهای دیجیتال و بهینه سازی آن با استفاده از ارزش در معرض ریسک | 2020 | آقا محمدی و همکاران |
ارائه چارچوب مفهومی ورتبه بندی | چارچوب استراتژی سرمایه گذاری ارز دیجیتال بر اساس رتبه بندی | 2020 | دای6 و همکاران |
VaR | تحلیل ریسک بیت کوین و ارزهای اصلی: رویکرد ارزش در معرض خطر | 2019 | یار7 و همکاران |
مطالعه موردی | بررسی ریسک ارزهای دیجتال در بانک مرکزی هند | 2021 | سامدرالا و یرچورو8 |
مدل استراتژیک | بررسی ریسک سرمایه گذاری در بین کوین | 2020 | مامون9 و همکاران |
تحلیل نظریه بازیها | پیش بینی خطرات سرمایه گذاری در ارزهای دیجیتال | 2022 | ببشکو10 و همکاران |
سرمایه گذاری موفقیت آمیز در ارزهای رمزنگاری شده به مهارت فنی و حداقل دانش اولیه در مورد نحوه کار فناوریهایی مانند بلاکچین نیاز دارد. در ادامه برخی از مهمترین ریسکهای سرمایه گذاری روی رمز ارزها که با تاکید بر ویژگیهای فناوریهای تحول آفرین با بررسی مرور ادبیات استخراج شده اند، تشریح میشود.این ریسکها در سه دسته کلی در جدول 2، نشان داده شده اند.
• خطرات امنیت سایبری : سیستم عامل های تجاری و ارائه دهندگان خدمات شخص ثالث ممکن است در برابر هک یا سایر فعالیت های مخرب آسیب پذیر باشند. همچنین، اگر یک یا چند بازیگر مخرب کنترل گره های اجماع کافی در شبکه بیت کوین یا سایر روش های تغییر را بدست آورند، ممکن است بلاکچین تغییر کند. در حالی که شبکه بیت کوین غیرمتمرکز است، شواهد فزاینده ای از تمرکز با ایجاد “استخرهای استخراج” و سایر تکنیک ها وجود دارد که ممکن است خطر کنترل یک یا چند بازیگر برای کنترل شبکه بیت کوین یا سایر بلاکچین های مشابه را افزایش دهد(کومار و خانا، 2023).
• خطرات مربوط به سیستم عامل ها: سیستم عامل های معاملات ارز دیجیتال، عمدتاً بی نظم بوده و فقط شفافیت محدودی را در رابطه با فعالیت های خود فراهم می کنند، به دلیل موارد کلاهبرداری، شکست در تجارت یا نقض امنیت، جایی که سرمایه گذاران نمی توانند خسارات وارده را جبران کنند، مورد بررسی بیشتر قرار می گیرند(وانگ و همکاران، 2023).
• کاهش سرعت شبکه : برای بیت کوین، استخراج فرآیندی است که بوسیله آن بیت کوین ایجاد می شود و معاملات تأیید می شود. از طریق بارگیری یک نرم افزار خاص، رایانه کاربر به یک “گره” تبدیل می شود که بلوک ها را تأیید می کند (به عنوان مثال جزئیات برخی یا آخرین معاملات اخیر). به ماینرهایی که در افزودن بلاک به بلاکچین موفق باشند، بطور خودکار بیت کوین تعلق می گیرد (بعلاوه هزینه تراکنش برای معاملات ثبت شده) با این حال ، اگر پاداش برای حل بلوک ها و هزینه های معاملات به اندازه کافی بالا نباشد یا اگر حجم بالایی از معاملات همزمان اتفاق بیفتد، بلاکچین ممکن است کاهش سرعت را تجربه کند. اگر تعداد معاملات در بلاکچین بسیار زیاد باشد، کاهش سرعت برای سایر ارزهای رمزپایه نیز امکان پذیر است.
• خطر نقدینگی: اینکه ارز دیجیتال خریداری شده با چه سرعتی به فروش میرسد و نقد میشود، از جمله ریسکهای نقدشوندگی است.
• خطرات عملیاتی: این مدل از ریسک در واقع به شرایطی اطلاق میشود که بدلیل اشتباه انسانی، بلایای طبیعی یا حتی کلاهبرداری و دزدی، سرمایه و ارزش آن مال از بین میرود. ممکن است شرکتی از سرمایه و ارزش خود در فعالیتهای فاسد اقتصادی مانند پولوشویی استفاده کند. چنین ریسکهایی به از بین رفتن تقریباً صددرصدی ارزش آن سرمایه منجر خواهند شد و شرکتهای بزرگی را به نابودی خواهد کشاند.
• خطر نوسانات بازار: نوسان قیمت یکی از دغدغههای اصلی سرمایهگذاران در بازارهای مالی است. نوسانات بالا یکی از ویژگیهای اصلی بازار ارزهای دیجیتال است. به بیان سادهتر هر لحظه ممکن است که شرایط بر خلاف تصورات شما پیش برود، بنابراین قبل از سرمایهگذاری خودتان را برای مواجهه با چنین شرایطی کاملا آماده کنید. تجربه نشان داده است که اگر به این موضوع توجه نکنید، ضررهای قابل توجهی را متحمل میشوید. طبق گفته تحلیلگران یکی از دلایلی اصلی نوسانات قیمت این است که ارزهای دیجیتال به عنوان یک تکنولوژی و سیستم مالی جدید در دنیا شناخته میشوند(جینگ، 2023).
• خطرات روانشناختی : احساسات تاثیر فراوانی در تصمیمگیریها دارند. هر چقدر هم تجزیه و تحلیل انجام دهیم و تلاش کنیم منطقی با شرایط برخورد کنیم، باز هم نقش احساسات در تصمیمگیریهایمان را نمیتوانیم انکار کنیم. این مدل ریسک را ریسک روان شناختی میگویند. مدیریت این نوع ریسک کاملاً به خود سرمایهگذار بستگی دارد.
• خطرات سازگاری: برای تمامی وب سایتها، موسسات، بانکها، شرکتها و هر سازمانی که در زمینه مالی فعالیت میکند، قوانین و آیین نامههای قضائی در نظر گرفته شده است که عدم رعایت آنها میتواند مشکلات جدی برای سرمایهگذاران ایجاد کند(چنگ، 2023).
با توجه به انواع ریسکهای استخراج شده میتوان مشاهده نمود که مدیریت احساسات و رفتارهای هیجانی ، همچنین شناخت و استفاده از تحلیل های تکنیکال مختلف مانند سطوح مقاومتی و حمایتی تاثیر بسزایی در جلوگیری از ضرر در بازارهای مالی دیجیتال خواهد داشت.
جدول 2: ریسکهای سرمایه گذاری در ارزهای دیجیتال
ریسکهای تکنولوژیکی | امنیت سایبری |
خطرات مرتبط با سیستم عاملها | |
خطرات کاهش سرعت شبکه | |
ریسکهای استراتژیک | خطرات نقدینگی |
خطرات عملیاتی | |
خطرات نوسانات بازار | |
ریسکهای اجتماعی | خطرات روانشناختی |
خطرات سازگاری |
2. روش تحقیق
این بخش روشی دقیق برای ارزیابی ریسکهای سرمایه گذاری در ارزهای دیجیتال و با تاکید بر فناوریهای تحول آفرین مانند بلاکچین از طریق ادغام AHP نوتروسوفیک و TOPSIS پیشنهاد میکند(علی احمدی و نوذری، 2023). این مطالعه در سه مرحله انجام شد. ابتدا، مهمترین ریسکهای سرمایه گذاری روی رمز ارزها با استفاده از بررسی ادبیات استخراج شد. سپس با کارشناسان فعال در بازارهای ارزهای دیجیتال و همچنین کارشناسان دانشگاهی تماس گرفته شد و از پرسشنامه و مقیاس 5 سطحی لیکرت در میان 20 ریسک، مهمترین ریسکها درخواست شد. به همین دلیل از بین ریسکهای استخراج شده، 8 ریسک به عنوان مهمترین خطرات انتخاب شدند. در مرحله سوم، از کارشناسان درخواست شد که از یک مقیاس نوتروسوفیک برای اولویت بندی ریسکهای سرمایه گذاری در ارزهای دیجیتال استفاده کنند و به هر گزینه امتیاز دهند. این مطالعه چارچوب تحقیقی را پیشنهاد میکند که در شکل 1 نشان داده شده است. با توجه به بررسی ادبیات، به دلیل حجم محاسبات و تعداد بالای پرسشنامههای فازی، استفاده از روش ترکیبی AHP-TOPSIS زمان محاسباتی کوتاهتری دارد و پاسخهای قابل قبولی ارائه میدهد.
به منظور تجزیه و تحلیل این داده ها از روش ترکیبی تصمیم گیری فازی استفاده شده است. همچنین در این روش از ترکیب معیارهای فازی نوتروسوفیک استفاده شده است که به پایداری نتایج مطالعه می افزاید. در نهایت برای تحلیل پایداری نتایج از روش تحلیل حساسیت استفاده می شود که نتایج را تایید می کند. از این چارچوب و نتایج بهدستآمده میتوان برای سرمایه گذاری کم ریسک با پایداری و امنیت بالا استفاده کرد.
شکل 1: چارچوب تحلیلی تحقیق
3-1 روش ارزیابی مبتنی بر تحلیل سلسله مراتبی و TOPSIS نوتروسوفیک
· AHP نوتروسوفیک
در این پژوهش از مقیاسهای نوتروسوفیک برای ریسکهای سرمایه گذاری رمز ارزها برای ایجاد ماتریس مقایسه زوجی استفاده شده است. این مقیاس ها در جدول 3 نشان داده شده اند. با استفاده از این مقیاس های نوتروسوفیک، ماتریسی از مقایسه های زوجی تشکیل می شود. اگر معیار اول با معیار دوم برابر باشد، مقدار (1،1،1) در ماتریس مقایسه های زوجی قرار می گیرد.
جدول 3:: مقیاس مثلثی برای AHP نوتروسوفیک و TOPSIS (جنید11 و همکاران 2019).
مقیاس نوتروسوفیک مثلثی | ترجیحات | AHP |
| معادل | 1 |
| ترجیح نسبی | 3 |
| ترجیح قوی | 5 |
| ترجیح کاملا قوی | 7 |
| کاملا ارجحتر | 9 |
|
| 2 |
| ارزش های پراکنده | 4 |
|
| 6 |
|
| 8 |
اگر معیار اول به شدت بر معیار دوم ترجیح داده شود، مقدار (4،5،6) در ماتریس مقایسههای زوجی قرار میگیرد. همچنین، اگر معیار دوم به شدت به معیار اول ترجیح داده شود، این مقیاس نوتروسوفیک به صورت معکوس، یعنی 1/4,1/5,1/6) (در ماتریس مقایسه زوجی نوشته می شود. علاوه بر مقیاسهای نوتروسوفیک، درجاتی از صدق، عدم قطعیت، و نادرستی را از کارشناسان دریافت میکنیم.
ماتریس نوتروسوفیک را می توان با تابع امتیاز زیر به یک ماتریس صریح تبدیل کرد:
(1) |
|
(2) |
|
جایی که L، M و U مقادیر کم، متوسط و زیاد مثلث های نوتروسوفیک را نشان می دهند. TR، IN و FA نشان دهنده میزان صداقت، عدم اطمینان و عدم دقت است. اگر بیش از یک متخصص در فرآیند وجود داشته باشد، برای ساخت ماتریس نهایی باید مجموع نظرات همه خبرگان (میانگین) در نظر گرفته شود.
محاسبه وزن برای معیارها
در مرحله دوم وزن هر معیار را با تقسیم هر عدد بر مجموع (مجموع) ستون های آن محاسبه می کنیم.
بررسی سازگاری ماتریس وزن
سازگاری ماتریس باید بر اساس قضاوت متخصص ارزیابی شود. سازگاری را می توان با تقسیم شاخص سازگاری (CI) بر شاخص تصادفی (RI) بررسی کرد. مقدار بدست آمده باید کمتر از 0.1 باشد.
· روش تاپسیس نوتروسوفیک
ایجاد یک ماتریس تصمیم
از مثلث های نوتروسوفیک برای ساختن یک ماتریس تصمیم با مقایسه هر گزینه در هر بخش استفاده میکنیم. اگر بیش از یک متخصص در فرآیند وجود داشته باشد، برای ساخت ماتریس نهایی باید مجموع نظرات (میانگین) همه خبرگان در نظر گرفته شود. بعد، این ماتریس را به یک ماتریس واضح تبدیل میکنیم. از معادلات (1) و (2) برای تبدیل ماتریس استفاده می شود.
نرمال سازی ماتریس تصمیم
ماتریس تصمیم را نرمال می کنیم. ماتریس متشکل از m تعداد نشانگرهای امنیتی و n بخش ضروری است. با کمک معادله زیر می توان ماتریس تصمیم گیری نرمال شده را بدست آورد:
(3) |
|
محاسبه ماتریس وزن
ماتریس وزن را با ضرب وزن معیارها، 
، به دست آمده از AHP نرمال شده محاسبه میکنیم.
(4) |
|
محاسبه راه حل های ایده آل مثبت و راه حل های ایده آل منفی
راه حل های مثبت 
و راه حل های ایده آل منفی 
با استفاده از فرمول های زیر محاسبه می شوند:
(5) |
|
(6) |
|
محاسبه فاصله اقلیدسی
فاصله اقلیدسی بین راه حل های ایده آل مثبت و منفی به صورت زیر محاسبه می شود:
(7) |
|
(8) |
|
رتبه بندی گزینه های مد نظر
هنگامی که فاصله اقلیدسی محاسبه شد، گزینه ها را می توان با محاسبه درجه مجاورت با فرمول زیر رتبه بندی کرد. بزرگترین عدد نشان دهنده بالاترین رتبه است.
(9) |
|
اعتبارسنجی مدل
اعتبارسنجی نتایج مدل بر اساس اهداف مدل را می توان با انجام یک تحلیل حساسیت تایید کرد که نشان می دهد در صورت افزایش یا کاهش وزن معیارها، نتایج مدل پایدار هستند.
3. یافته های تحقیق
در این تحقیق از نظرات گروهی از کارشناسان برای بررسی مهمترین ریسکهای سرمایه گذاری در بازار رمزارزها با تاکید بر ویژگیهای تحولات دیجیتالی مانند بلاکچین استفاده شد. در مجموع 55 متخصص برای این مطالعه انتخاب شدند. کارشناسان دارای بیش از 5 سال تجربه در زمینه بازهای سرمایه ای ارزهای دیجیتال بوده و با فناوری های دیجیتال و فناوری اطلاعات آشنا بودند. این متخصصان از بین شرکت های فعال در این حوزه انتخاب شدند. پرسشنامه هایی برای تشکیل ماتریس مقایسه زوجی برای این خبرگان ارسال شد و در نهایت40 پرسشنامه تکمیل شده توسط محققین دریافت شد.
در مرحله اول، ماتریس مقایسه های زوجی با استفاده از نظرات متخصصان و بر اساس مقیاس های زبانی نوتروسوفیک ارائه شده در جدول 2 شکل می گیرد. علاوه بر مقیاسهای نوتروسوفیک، درجاتی از صداقت، عدم قطعیت و عدم شفافیت را از کارشناسان دریافت میکنیم. ماتریس تجمیع شده برای سه بخش اصلی ریسکهای سرمایه گذاری در زمینه رمز ارزها در جدول 4 نشان داده شده است.
جدول 4: ماتریس مقایسه نهایی برای بخش های اصلی
دسته های اصلی ریسکها | ریسکهای تکنولوژیکی | ریسکهای استراتژیک | ریسکهای اجتماعی | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
ریسکهای تکنولوژیکی |
|
|
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
ریسکهای استراتژیک |
|
|
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
ریسکهای اجتماعی |
|
|
|
دسته های اصلی ریسکها | ریسکهای تکنولوژیکی | ریسکهای استراتژیک | ریسکهای اجتماعی |
ریسکهای تکنولوژیکی | 1 | 4.5 | 3.25 |
ریسکهای استراتژیک | 4.15 | 1 | 0.25 |
ریسکهای اجتماعی | 0.24 | 0.2 | 1 |
جدول6: ماتریس مقایسات نرمال
دسته های اصلی ریسکها | ریسکهای تکنولوژیکی | ریسکهای استراتژیک | ریسکهای اجتماعی | وزن |
ریسکهای تکنولوژیکی | 0.457 | 0.74 | 0.65 | 0.65 |
ریسکهای استراتژیک | 0.415 | 0.19 | 0.17 | 0.25 |
ریسکهای اجتماعی | 0.1 | 0.04 | 0.14 | 0.1 |
برای بررسی سازگاری نتایج بهدستآمده با روش نوتروسوفیکAHP، نسبت سازگاری را برای ماتریس تصمیم خبره بررسی کردیم و مقدار بهدستآمده 0.076 است که کمتر از مقدار آستانه 0.10 است. از این رو گفته می شود که در این تحقیق مشکل ناهماهنگی وجود ندارد.
اکنون می توانیم از روش تاپسیس نوتروسوفیک برای ارزیابی ریسکهای سرمایه گذاری استفاده کنیم. ابتدا ماتریس تصمیم گیری بر اساس نمرات دریافت شده از خبرگان (40 پرسشنامه دریافت شده) برای هر معیار نسبت به بخش های اصلی محاسبه شد. کارشناسان با استفاده از مقیاس نوتروسوفیک ارائه شده در جدول 1 امتیازات را ارائه کردند، سپس مجموع نمرات همه خبرگان محاسبه شد و ماتریس تصمیم انباشته ساخته شد که در جدول 7 ارائه شده است.
جدول 7:: ماتریس تصمیم گیری یکپارچه نوتروسوفیک
| ریسکهای سرمایه گذاری در بازار رمز ارز | ریسکهای تکنولوژیکی | ریسکهای استراتژیک | ریسکهای اجتماعی | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| امنیت سایبری |
|
|
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| خطرات مرتبط با سیستم عاملها |
|
|
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| خطرات کاهش سرعت شبکه |
|
|
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| خطرات نقدینگی |
|
|
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| خطرات عملیاتی |
|
|
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| خطرات نوسانات بازار |
|
|
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| خطرات روانشناختی |
|
|
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| خطرات سازگاری |
|
|
|
| ریسکهای سرمایه گذاری در بازار رمز ارز | ریسکهای تکنولوژیکی | ریسکهای استراتژیک | ریسکهای اجتماعی | |
| امنیت سایبری | 0.42 | 0.4 | 0.47 | |
| خطرات مرتبط با سیستم عاملها | 0.37 | 0.36 | 0.33 | |
| خطرات کاهش سرعت شبکه | 0.36 | 0.46 | 0.29 | |
| خطرات نقدینگی | 0.21 | 0.27 | 0.27 | |
| خطرات عملیاتی | 0.27 | 0.22 | 0.20 | |
| خطرات نوسانات بازار | 0.14 | 0.10 | 0.27 | |
| خطرات روانشناختی | 0.14 | 0.11 | 0.16 | |
| خطرات سازگاری | 0.35 | 0.32 | 0.38 |
| ریسکهای سرمایه گذاری در بازار رمز ارز | ریسکهای تکنولوژیکی | ریسکهای استراتژیک | ریسکهای اجتماعی | |
| امنیت سایبری | 0.04 | 0.11 | 0.3 | |
| خطرات مرتبط با سیستم عاملها | 0.04 | 0.09 | 0.23 | |
| خطرات کاهش سرعت شبکه | 0.04 | 0.12 | 0.19 | |
| خطرات نقدینگی | 0.02 | 0.07 | 0.17 | |
| خطرات عملیاتی | 0.03 | 0.06 | 0.13 | |
| خطرات نوسانات بازار | 0.01 | 0.03 | 0.09 | |
| خطرات روانشناختی | 0.01 | 0.03 | 0.17 | |
| خطرات سازگاری | 0.03 | 0.08 | 0.25 |
|
|
|
|
| رتبه |
| 0.12 | 0.003 | 0.12 | 0.98 | 1 |
| 0.16 | 0.005 | 0.16 | 0.945 | 4 |
| 0.17 | 0.005 | 0.17 | 0.975 | 2 |
| 0.08 | 0.01 | 0.09 | 0.893 | 6 |
| 0.17 | 0.0049 | 0.17 | 0.975 | 3 |
| 0.04 | 0.02 | 0.06 | 0.67 | 8 |
| 0.08 | 0.01 | 0.09 | 0.893 | 7 |
| 0.11 | 0.007 | 0.12 | 0.94 | 5 |
| ریسکهای سرمایه گذاری در بازار رمز ارز | بدون تغییر در وزن | 10 درصد افزایش در وزن | 10 درصدکاهش در وزن |
| امنیت سایبری | 0.98 | 1.088 | 0.882 |
| خطرات مرتبط با سیستم عاملها | 0.973 | 1.07 | 0.8757 |
| خطرات کاهش سرعت شبکه | 0.585 | 0.63 | 0.5157 |
| خطرات نقدینگی | 0.575 | 0.63 | 0.5175 |
| خطرات عملیاتی | 0.975 | 1.07 | 0.8778 |
| خطرات نوسانات بازار | 0.67 | 0.74 | 0.603 |
| خطرات روانشناختی | 0.52 | 0.57 | 0.468 |
| خطرات سازگاری | 0.89 | 0.98 | 0.8037 |
