[صفحه اصلی ]   [Archive] [ English ]  
بخش‌های اصلی
صفحه اصلی
فرم ثبت‌ نام
فرم ارسال مقاله
اطلاعیه‌ها
برای نویسندگان و داوران
موضوع مقالات قابل چاپ
انواع مقالات قابل چاپ
ویژگی‌های فایل مقاله
ویژگی‌های باطن مقالات
ویژگی‌های ظاهر مقالات
صفحه‌کلید استاندارد فارسی
فرایند داوری و چاپ مقالات
فرم تعارض منافع
راهنما
راهنمای ثبت نام
راهنمای ارسال مقاله
راهنمای داوری مقالات
آرشیو مجله و مقالات
کلیه شماره‌های مجله
آخرین شماره
مقالات آماده انتشار
نمایه نویسندگان
نمایه واژه های کلیدی
اطلاعات نشریه
اهداف و زمینه‌ها
هیات تحریریه
اطلاعات نشریه
پیشینه نشریه
اصول اخلاقی نشریه
اسامی داوران
تماس با ما
اطلاعات تماس
فرم برقراری ارتباط
::
شبکه‌های اجتماعی


..
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات از پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
آمار نشریه
تعداد دوره های نشریه: 19
تعداد شماره ها: 68
تعداد مشاهده ی مقالات: 1452331

مقالات دریافت شده: 2288
مقالات پذیرفته شده: 435
مقالات رد شده: 1741
مقالات منتشر شده: 414

نرخ پذیرش: 19.01
نرخ رد: 76.09

میانگین دریافت تا پذیرش: 237 روز
میانگین پذیرش تا انتشار: 74.4 روز
____
..
نشریات مرتبط

پژوهش‌های مالیه اسلامی

AWT IMAGE

(دوفصلنامه)

..
:: سال 18، شماره 66 - ( 12-1404 ) ::
سال 18 شماره 66 صفحات 602-573 برگشت به فهرست نسخه ها
تحلیل سلسله‌مراتبی و اولویت‌بندی رویکردهای تنظیم‌گری دارایی‌های رمزنگاری‌شده: رویکردی چندبُعدی برای حمایت از نوآوری و مدیریت ریسک
حسین حقیقی*1 ، محمد شیریجیان2
1- کارشناس اقتصاد دیجیتال و فنّاوری‌های مالی بانک مرکزی ج.ا.ا.،
2- کارشناس سیاستگذاری پولی
چکیده:   (414 مشاهده)
دارایی‌های رمزنگاری‌شده و فناوری‌های مرتبط با آن، به دلیل ماهیت نوآورانه و پیچیده خود، چالش‌های نظارتی و قانونی جدیدی را در سطح جهانی ایجاد کرده‌اند. این مقاله به بررسی رویکردهای مختلف تنظیم‌گری دارایی‌های دیجیتال با تمرکز بر تجربیات بین‌المللی و انطباق آن‌ها با نیازهای ایران می‌پردازد. پژوهش حاضر به روش توصیفی-پیمایشی و با استفاده از تحلیل سلسله‌مراتبی (AHP) برای ارزیابی و رتبه‌بندی رویکردهای تنظیم‌گری انجام شده است. داده‌های این پژوهش از طریق پرسشنامه و مصاحبه با کارشناسان و متخصصان حوزه دارایی‌های دیجیتال جمع‌آوری شده است. نتایج نشان می‌دهد که هر بُعد از دارایی‌های دیجیتال مانند امور مالی غیرمتمرکز، مبارزه با پول‌شویی  و حمایت از نوآوری نیازمند الگوهای تنظیم‌گری خاص و منعطف است. سیاست‌گذاران نمی‌توانند یک رویکرد واحد برای تمامی جنبه‌های این اکوسیستم اتخاذ کنند، بلکه باید از ترکیبی از رویکردها متناسب با ریسک‌ها و نیازهای هر حوزه استفاده شود. همچنین، با توجه به چالش‌های اقتصادی ایران، تعیین اهداف روشن و ایجاد چارچوب‌های شفاف در تعریف دارایی‌های رمزنگاری‌شده و توکن‌ها ضروری است. این مقاله پیشنهاداتی برای ایجاد محیط‌های آزمایشی نظارتی، تدوین قوانین شفاف AML/KYC، تقویت امنیت سایبری و حمایت از نوآوری در راستای توسعه پایدار این اکوسیستم ارائه می‌دهد.
شماره‌ی مقاله: 2
واژه‌های کلیدی: دارایی‌های رمزنگاری‌شده، تنظیم‌گری مبتنی بر ریسک، تنظیم‌گری چابک، توکن‌ها، بلاکچین، نوآوری
متن کامل [PDF 1445 kb]   (93 دریافت)    
نوع مطالعه: مقاله روش‌شناختی | موضوع مقاله: مؤسسات و خدمات مالی (G2)
دریافت: 1403/9/12 | پذیرش: 1404/4/29 | انتشار: 1404/10/2
فهرست منابع
1. Data science in central banking: applications and tools (2023). I. B.
2. FinCEN. (2019). Application of FinCEN's Regulations to Certain Business Models Involving Convertible Virtual Currencies. FinCEN Araujo, D K G (2023). Gingado: A machine learning library focused on economics and finance, BIS Working.
3. Araujo, D. K. G., Bruno, G., Marcucci, J., Schmidt, R., & Tissot, B. (2022). Machine learning applications in central banking. In Bank for International Settlements (Ed.), Machine learning in central banking (pp. 1-22). Bank for International Settlements.
4. Arner, D. W., Barberis, J., & Buckley, R. P. (2017). Fintech, Regtech, and the Reconceptualization of Financial Regulation. Northwestern Journal of International Law & Business, 37(3), 371-414.
5. Athey, S. & Imbens, G. (2021). Machine learning methods that economists should know about. Annual Review of Economics
6. Bank for International Settlements (BIS). (2020). Tokenization in the digital payment ecosystem.
7. BIS Innovation Hub (BISIH). (2023). Project Aurora: The power of data, technology and collaboration to deliver innovative solutions against financial crime. Bank for International Settlements.
8. Brynjolfsson, E, D Li and L Raymond (2023): "Generative AI at work", NBER Working Papers, no 31161. [DOI:10.3386/w31161]
9. Danielson, J. & Uthemann, A. (2023). On the use of artificial intelligence in financial regulations and the impact on financial stability. mimeo. [DOI:10.2139/ssrn.4604628]
10. Doerr, S., Gambacorta, L., & Serena, J. M. (2021). Big data and machine learning in central banking, BIS Working Papers, no 930.
11. Doerr, S., Gambacorta, L., Leach, T., Legros, B., & Whyte, D. (2022). Cyber risk in central banking, BIS Working.
12. Gambacorta, L, Kwon, B., Park, T., Patelli, P. & Zhu, S. (2024). CB-LMs: language models for central banking.
13. Mary C. Lacity Horst Treiblmaier. (2022). Blockchains and the Token Economy Theory and Practice. Palgrave Macmillan. [DOI:10.1007/978-3-030-95108-5]
14. Noy, S & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial. [DOI:10.2139/ssrn.4375283]
15. Perez-Cruz, F & Shin, H. S. (2024). Testing the cognitive limits of large language models. BIS Bulletin, no 83.
16. Qatar Financial Centre. (2024). Token Service Providers.
17. VARA. (2023). Technology and Information Rulebook. DUBAI: VARA.
18. Virtual Assets Regulatory Authority (VARA). Technology and Information
19. Rulebook. Retrieved from https://rulebooks.vara.ae/rulebook/technology
ارسال پیام به نویسنده مسئول



XML   English Abstract   Print



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
سال 18، شماره 66 - ( 12-1404 ) برگشت به فهرست نسخه ها
فصلنامه پژوهش‌های پولی-بانکی Journal of Monetary & Banking Research
Persian site map - English site map - Created in 0.18 seconds with 40 queries by YEKTAWEB 4774