تحلیل مدیریت ریسک سرمایه گذاری در ارزهای دیجیتال با توجه به فناوری های تحول آفرین با تاکید بر روش فازی نوتروسوفیک
محورهای موضوعی :سمیه محمدپور 1 , فریدون رهنمای رودپشتی 2 , مریم رحمتی 3 , رضا احتشام راثی 4
1 - دانشجوی دکتری، گروه مدیریت صنعتی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
2 - گروه مالی و حسابداری، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی ، تهران، ایران
3 - مریم رحمتی استاديار گروه مديريت، واحد چالوس، دانشگاه آزاد اسلامي، چالوس، ایران.
4 - استادیار، گروه مدیریت صنعتی، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران
کلید واژه: ریسک سرمایه گذاری, مدیریت ریسک, سرمایه گذاری در رمز ارز, نوتروسوفیک فازی,
چکیده مقاله :
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
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.
