خلاصة:
ارز دیجیتال شکل خاصی از پول دیجیتال است که بر پایه علم رمزنگاری ایجاد شده است. هزینه و زمان انتقال ارز دیجیتال به نقاط مختلف، کمتر از روش سنتی است. در بانکداری، روش نقل و انتقال ارزهای فیات بهدلیل قیمتهای متفاوت، طولانیبودن زمان انتقال و هزینه بالای کارمزدهای سوئیفت، ریسکهای متعددی را برای بانکها بهوجود آورده است. هدف اصلی از انجام پژوهش، ارائه یک الگو برای برآورد میزان بازدهی و ریسک پرتفوی ارزی بانکها در ایران و ارزیابی اثر اضافهشدن ارزهای دیجیتال به پرتفوی بانکها از نظر میزان بازدهی، ریسک و بهینهسازی آن با استفاده از مدل ارزش در معرض خطر است. برای بررسی میزان تغییرات ریسک پرتفوی ارزی بانکها در ترکیبشدن با ارزهای دیجیتال، نخست بازده و ریسک یک پرتفوی ارزی استفادهشده در بانکهای ایران، با استفاده از روش ارزش در معرض خطر محاسبه و بهینهسازی میشود. سپس با انتخاب تعدادی از ارزهای دیجیتال و اضافهکردن آنها به پرتفوی ارزی بانکها، بازده و ریسک مربوط به پرتفوی جدید محاسبه شده و با استفاده از نرمافزار لینگو بهینهسازی میشود. نتایج حاصل از پژوهش، نشان از کاهش ریسک پرتفوی جدید دارد.
Digital currency is a special form of digital money based on cryptography. The cost and time of transferring digital currency to different places is less than the traditional method. In banking, the method of transferring Fiat currencies has created many risks for banks due to different prices, long transfer time and high cost of Swift fees. The main purpose of this study was to provide a model for estimating the rate of return and risk of banks 'foreign exchange portfolio in Iran and to evaluate the effect of adding digital currencies to the banks' portfolio in terms of rate of return, risk and optimization using Value At Risk (VAR). To examine the extent of changes in banks' foreign exchange portfolio risk in combination with digital currencies, first the return and risk of a foreign exchange portfolio used in Iranian banks are calculated and optimized the using Value At Risk (VAR); then, by selecting a number of digital currencies and adding them to the foreign exchange portfolio of banks, the returns and risk related to the new portfolio are calculated and optimized using Lingo software. The results of the study show a reduction in the risk of the new portfolio.