Manuscript ID : 140309131192439 Visit : 51 Page: 20 - 36

https://doi.org/10.71815/JNAPA.2025.1192439

Article Type: Original Research

Managing Buying Strategies in the Crypto currency Market; Comparing Fundamental and Technical Analysis

Subject Areas : Administration of Public Affairs, Governance, Policy and Public Policy

Fereydoon Ghasemi ¹ , Milad Estelami ²

1 - Faculty of Public Sector Management, Central Tehran Branch, Islamic Azad University , Tehran, Iran
2 -

Received: 2024-12-08 Accepted : 2024-12-29 Published : 2025-03-08

Keywords: Fundamental Analysis, Technical Analysis, Cryptocurrency Market, Investment Strategy, Return,

Abstract :

Due to the acceptance of cryptocurrencies among the general public, the use of cryptocurrencies as a common currency at all levels of the world economy, and the expansion of the blockchain-based digital world, the importance of investing in the cryptocurrency market is increasing day by day and consequently, the need to be aware of appropriate price analysis methods to make rational and profitable decisions in this volatile market and avoid emotional behavior is increasing.In the present study, the researcher seeks to introduce the best investment method among the two specialized methods in the capital market, namely the fundamental analysis method and technical analysis. This research is applied research in terms of purpose and a descriptive comparative method with a post-event approach, focusing on historical data and paying attention to past information. The statistical population of this study is all the crypto currencies available in the exchanges related to this market that are listed on the reference site, coin Market Cap and a judgmental method has been used to calculate the statistical sample. The sample size includes the top six cryptocurrencies based on market value four widely used fundamental analysis indicators and four popular technical analysis indicators used in their study.The results confirm the researcher's hypothesis that, over a two-month period, the rate of return obtained from the technical analysis method was much higher than that obtained from the fundamental analysis.

References:

منابع
بخشیانی، عباس؛ راعی، رضا (1387). ارزش گذاری سهام وتحلیل بازار . تهران:سازمان مدیریت صنعتی
تهرانی، رضا، و اسماعیلی، محمد(1391). بررسی تاثیراستفاده از شاخصهای تحلیل تکنیکی بر بازدهی کوتاه‌مدت سرمایه‌گذاران در بورس اوراق بهادار تهران. فصلنامه علمی پژوهشی دانش مالی تحلیل اوراق بهادار، 13، 21- 33 https://www.sid.ir/paper/200257/fa
جونز، چارلز(1388). مدیریت سرمایه‌گذاری(رضاتهرانی و نوربخش، مترجمان). تهران: نگاه دانش.
رئوفی، امین( 1394). دنیای بزرگ سرمایه‌گذاری. تهران: ستوده.
رایلی، فرانک؛ براون،کیت(1395). تجزیه و تحلیل سرمایه گذاری و مدیریت سبد اوراق بهادار (غلامرضا اسلامی بیدگلی،فرشاد هیبتی و فریدون رهنمای رودپشتی ، مترجمان) . تهران : دانشگاه علامه طباطبایی
سرزعیم، علی(1397). اقتصاد برای همه (ج1 ). تهران: ترمه.
شهدایی، محمدعلی(1388). .تحلیل بنیادی در بازار سرمایه. تهران :چالش.
عباسی، جواد( 1397 ).کسب، فروش و سرمایه‌گذاری بیت‌کوین. تهران: چالش.
صالح اردستانی، عباس، و ورزشکار، هادی(1394). بررسی و مقایسه بازدهی ناشی از انتخاب سهم براساس تحلیل بنیادی و تحلیل تکنیکی در بورس اوراق بهادار تهران. انتشارات دانشگاه تربیت مدرس ، 19 ( 2) ، 64-53 - https://mri.modares.ac.ir/article_358.html
مشتاق، کاوه(1397). مهارت دربلاکچین ضرورت یافرصت. نشریه تخصصی فین‌تک ایران، 19، 134 – 135
منکیو،گریگوری ( 1391 ) . اقتصاد کلان (حمیدرضا ارباب ،مترجم). تهران : نی.
مورفی، جان جی(1398). تحلیل‌تکنیکال دربازارسرمایه(کامیار فراهانی‌فردوقاسمیان،مترجمان). تهران :چالش.
مورفی، جان جی(1387). تحلیل بین بازارها (محمد مساح ، مترجم). تهران:چالش.
میزر، توماس(1384). پیش‌بینی قیمت سهام در بورس به روش تحلیل تکنیکال (شادی سمیعی‌فر ومحمدرضا شعبانعلی، مترجمان). تهران: نص.
نیک طالع، علی( 1387) . تجارت در بازار جهانی فارکس . تهران :چالش.
نیکومرام، هاشم؛ رهنمای‌رودپشتی، فریدون؛ (1396).مبانی مدیریت مالی(ج 1و2). تهران :ترمه.
سرمد، زهره و همكاران. (1384). روش تحقيق در علوم رفتاري. تهران: آگاه
برقی‌کار، مهسا و زاهدی، محمدرضا،1399،گام‌های توسعه بلاکچین درصنعت بیمه،پنجمین کنفرانس ملی مهندسی کامپیوتر و بلاک چین ایران،تهران https://en.civilica.com/doc/1037946/certificate/print/
اخوان، پیمان ؛ دهقانی ، مریم (1398).بلاکچین: از بیت کوین تا صنعت .تهران : آتی نگر
References
Antonopoulos,(2014).Mastering Bitcoin Unlocking Digital Cryptocurrencies.O’Reilly Media Inc. https://www.scirp.org/reference/referencespapers?referenceid=2525043
Ana Reyna, Cristian Martín, Jaime Chen, Enrique Soler, Manuel Díaz.(2016). On blockchain and its integration with IoT. Challenges and opportunities- https://www.sciencedirect.com/science/article/pii/S0167739X17329205
Benjamin, G. (1984). The Intelligent Investor. New York: Harper Collins Publisher. https://www.harpercollins.com/products/intelligent-investor-benjamin-graham
Bettman, J. L., Sault, S. J., & Schultz, E. L. (2009). Fundamental and technical analysis: substitutes or complements? Accounting & Finance, 49(1), 21-36. https://www.researchgate.net/publication/23960825_Fundamental_and_technical_analysis_Substitutes_or_complements
Buterin, V. Ethereum white paper, 2013. Available online: https://github.com/ethereum/wiki/wiki/White-Paper (Accessed 2 April 2018).
Christidis, K., Devetsikiotis, M. (2016). Blockchains and smart contracts for the internet of things. IEEE Access 4, 2292–2303. https://www.researchgate.net/publication/302919497_Blockchains_and_Smart_Contracts_for_the_Internet_of_Things
Drakopoulou, V. (2015). A review of fundamental and technical stock analysis technique. Journal of Stock & Forex Trading, 5(1), 1-8. https://www.researchgate.net/publication/293808249_A_Review_of_Fundamental_and_Technical_Stock_Analysis_Techniques
Greenspan,G.(2015).Endingthebitcoinvsblockchaindebate, http://www.multichain.com/blog/2015/07/bitcoin-vs-blockchain-debate.
Gapurbaeva, Sh., Abdyldaeva,U (2024). Prospects for the use of cryptocurrencies in international maritime logistics. BIO Web of Conferences 107, 04008. https://doi.org/10.1051/bioconf/202410704008
Harvey,C.(2014). Bitcoin Myths and Facts. Working Paper. Duke University. Available at: http://ssrn.com/abstract=2479670.
Harvey, C., Liu, Y., & Zhu, H. (2016). and the cross-section of expected returns. Review of Financial Studies, 29, 5–68. https://academic.oup.com/rfs/article/29/1/5/1843824
Hooke, C. J. (2010). Security analysis and business valuation on Wall Street: A comprehensive guide to Today's valuation methods, 2nd Edition, New Jersey: John Wiley &Son Inc. https://pdfroom.com/books/security-analysis-and-business-valuation-on-wall-street-companion-web-site-a-comprehensive-guide-to-todays-valuation-methods/MkLg8QWj2ZB
Hou , K. W., Kho, B. K. & Karolyi, G.A. (2011). What factors drive global stock returns? Review of Financial Studies,24(8), 2527-2574. https://www.researchgate.net/publication/4811986_What_FactorsDriveGlobal_Stock_Returns
Https://coinmarketcap.com/
Https://TradingView.com/
Huang, J.Z., Huang, W., & Ni, J. (2019). Predicting bitcoin returns using high-dimensional technical indicators. The Journal of Finance and Data Science,5,140-155. http://www.keaipublishing.com/en/journals/jfds/
Hudson, R., & Urquhart, A. (2019). Technical trading and cryptocurrencies. Annals of Operations Research. https://doi.org/10.1007/s10479-019-03357-1
Hull ,John . (2005). Fundamentals of futures and options markets. rendition by Sajad Sayah & Ali Saleh Abadi. Tehran: Tadbir Pardaz IT Group. https://www.researchgate.net/publication/265718180Options_Futures_and_Other_Derivatives
Jakpar, S., Tinggi, M., & Tak, A. (2018). Fundamental Analysis VS Technical analysis: The Comparison of Two Analysis in Malaysia Stock Market. UNIMAS Review of Accounting and Finance ,1 ,38-61. https://doi.org/10.33736/uraf.1208/
Jogani, Aaryan, The Basics of Technical Analysis (June 19, 2024). Available at SSRN: https://ssrn.com/abstract=4870943 or http://dx.doi.org/10.2139/ssrn.4870943
Nakamoto, S. (2008). Bitcoin: A peer-to-peer electronic cash system. https://Bitcoin.org/Bitcoin.pdf
Nadeem, I., Sajid & Muhammad, A. K. (2013). Does fundamental analysis predict stock returns? Evidence-financial companies listed on KSE. Knowledge Horizons, 5(4), 182-190. https://citeseerx.ist.psu.edu/document?repid=rep1&type=pdf&doi=d52e86fcea24da2971132a7d59d9d43297241df8
Nftci, N. Salih. (1991). Naive Trading Rules in Financial Markets and Wiener -Kolmogorove predicition Theory: A Study of “Technical Analysis. Vol.64.No.4- https://archive.org/stream/in.ernet.dli.2015.66901/2015.66901.The-Journal-Of-Laboratory-And-Clinical-Medicine228_djvu.txt
RM, D., (2016). Digital currencies, decentralized ledgers, and the future of central banking. http://www.nber.org/papers/w22238
Ray, S. (2012). Revisiting the strength of Dow theory in assessing stock price movement. Advances in Applied Economics and Finance, 3(3), 591-598. https://www.researchgate.net/publication/266344574_Revisiting_the_Strength_of_Dow_Theory_in_Assessing_Stock_Price_Movement
Reilly, B. & Keith, C. B. (2012). Analysis of Investments & Management of Portfolios, Tenth International Edition. Canada: Cengage Learning. https://prawo.uni.wroc.pl/sites/default/files/students
Raskin, M., Yermack, D., (2016). Digital currencies, decentralized ledgers, and the future of central banking. http://www.nber.org/papers/w22238
Suresh, A.S (2013). A study on fundamental and technical analysis. International Journal of Marketing, Financial Services & Management Research, 2(5), 44-59- https://www.researchgate.net/publication/349948112_A_STUDY_ON_FUNDAMENTAL_AND_TECHNICAL_ANALYSIS
SyncFab, 2018. Decentralized Manufacturing. Creating the world’s first peer-to-peer manufacturing supply chain and incentivized token system adapted for public and private blockchains. https://blockchain.syncfab.com/SyncFab_MFG_WP.pdf
Taylor, M. P., & Allen, H. (1992). The use of technical analysis in the foreign exchange market. Journal of International Money and Finance, 11, 304–314. https://www.sciencedirect.com/science/article/abs/pii/0261560692900483
Waring, D. (2009). An Introduction to Fundamental Analysis and the US Economy.https://InformedTrades.com. 2008-02-14. Archived from the original on -07-21. Retrieved 2009-07-27.
Thiagarajan, R., & Lev, B. (1993). Fundamental information analysis. Journal of Accountiny Research,190-215-https://econpapers.repec.org/article/blajoares/v_3a31_3ay_3a1993_3ai_3a2_3ap_3a190-215.htm

Full-Text:

مدیریت راهبردهای خرید در بازار ارزهای رمزپایه؛

مقایسه تحلیل‌ بنیادی و تحلیل تکنیکی¹

تاریخ دریافت: 18/09/1403 تاریخ ویرایش: 08/10/1403 تاریخ پذیرش:09/10/1403

فریدون قاسمی

گروه مديريت دولتی،واحد تهران مرکزی،دانشگاه آزاد اسلامی،تهران،ایران

ORCID: 0000-0002-7888-9730

Dr.FGhasemi@hotmail.com

میلاد استعلامی

کارشناسی ارشد،گروه مدیریت کسب وکار، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران

ORCID: 0000-0001-8401-938X

Milad.Estelami@gmail.com

چکیده

باتوجه‌به پذیرش ارزهای رمز پایه بین عموم مردم، استفاده از ارزهای رمز پایه به‌عنوان پول رایج در تمام سطوح اقتصادی جهان و گسترش دنیای دیجیتال بر پایه بلاک‌چین، اهمیت سرمایه‌گذاری در بازار ارزهای رمزپایه روزبه‌روز بیشتر می‌شود، و در نتیجه نیاز به آگاهی از روش‌های مناسب تحلیل قیمت برای اتخاذ تصمیمات منطقی و سودساز در این بازار پر نوسان و اجتناب از رفتارهای هیجانی افزایش می‌یابد. محقق در تحقیق حاضر به دنبال معرفی بهترین روش سرمایه‌گذاری از بین دو روش تخصصی مطرح در بازار سرمایه یعنی روش تحلیل بنیادی و تحلیل تکنیکی می‌باشد. این تحقیق از نظر هدف کاربردی و از نظر روش توصیفی مقایسه‌ای می‌باشد که ماهیتاً پس‌رویدادی بوده و به اطلاعات گذشته توجه می‌نماید.جامعه آماری این مطالعه تمامی ارزهای رمز پایه موجود در صرافی‌های مرتبط به این بازار می‌باشد که در وبگاه مرجع، Coinmarketcap، فهرست شده‌اند و برای محاسبه‌ی نمونه آماری از روش قضاوتی استفاده شده است. حجم نمونه شامل شش ارز رمزپایه برتر بر اساس ارزش بازار می‌باشد و در بررسی آن‌ها از 4 شاخص پرکاربرد تحلیل بنیادی و 4 شاخص مطرح تحلیل تکنیکی استفاده شده است.نتایج نشان‌دهنده‌ی تایید فرضیه محقق در یک دوره‌ی دوماهه می‌باشد که میزان بازدهی اکتسابی از روش تحلیل تکنیکی بسیار بیشتر از تحلیل بنیادی بوده است.

کلمات کلیدی: تحلیل بنیادی، تحلیل تکنیکی، بازار ارزهای رمزپایه ،خط مشی سرمایه‌گذاری، بازدهی

1- مقدمه

به پولی که در کیف خود نگه می‌دارید سود پرداخت نمی‌شود، اگر به جای نگهداری در کیف آن را صرف خرید اوراق‌قرضه و... کنید، می‌توانید از یک درآمد با نرخ بهره اسمی سود ببریدیو</Author><Year>1391</Year><RecNum>32</RecNum><DisplayText>(منکیو, 1391)</DisplayText><record><rec-number>32</rec-number><foreign-keys><key app="EN" db-id="p5vxaf02pze5afedxw7vp5rcvde2rdwww2dd" timestamp="1735204234">32</key></foreign-keys><ref-type name="Book">6</ref-type><contributors><authors><author><style face="normal" font="default" charset="178" size="100%">گریگوری منکیو</style></author></authors><translated-authors><author><style face="normal" font="default" charset="178" size="100%">حمیدرضا ارباب</style></author></translated-authors></contributors><titles><title><style face="normal" font="default" charset="178" size="100%">اقتصاد کلان</style></title></titles><dates><year>1391</year></dates><pub-location><style face="normal" font="default" charset="178" size="100%">تهران</style></pub-location><publisher><style face="normal" font="default" charset="178" size="100%">نشر نی</style></publisher><urls></urls><electronic-resource-num>https://nashreney.com/product/%d8%a7%d9%82%d8%aa%d8%b5%d8%a7%d8%af-%da%a9%d9%84%d8%a7%d9%86/</electronic-resource-num></record></Cite></EndNote>(منکیو، 1391). امروزه باوجود تورم زیاد، کاهش هر‌روزه‌ی ارزش پول، افزایش سطح آگاهی مالی در افراد جامعه و آشنایی با مبحث خلق پول توسط خود آن، پس‌انداز پول جای خود را به سرمایه‌گذاری در بازارهای مالی نظیر: خرید اوراق بهادار، اوراق‌قرضه، بازار ارز، کالا و ارز رمز پایه می‌دهد. به گفته Pindyck سرمایه‌گذاری به معنای هزینه‌کردن در زمان حال برای یافتن درآمد بیشتر در آینده است. روشن است که درآمد در آینده امری غیرقطعی است؛ چرا که به آینده مربوط است. اما هرچقدر محیط اقتصاد دارای ثبات بیشتری باشد پیش‌بینی آینده دقیق‌تر و به تبع آن سرمایه‌گذاری مطمئن‌تر می‌شودیم</Author><Year>1397</Year><RecNum>34</RecNum><DisplayText>(سرزعیم, 1397)</DisplayText><record><rec-number>34</rec-number><foreign-keys><key app="EN" db-id="p5vxaf02pze5afedxw7vp5rcvde2rdwww2dd" timestamp="1735225568">34</key></foreign-keys><ref-type name="Book">6</ref-type><contributors><authors><author><style face="normal" font="default" charset="178" size="100%">علی سرزعیم</style></author></authors></contributors><titles><title><style face="normal" font="default" charset="178" size="100%">اقتصاد برای همه</style></title></titles><dates><year><style face="normal" font="default" charset="178" size="100%">1397</style></year></dates><pub-location><style face="normal" font="default" charset="178" size="100%">تهران</style></pub-location><publisher><style face="normal" font="default" charset="178" size="100%">ترمه</style></publisher><urls></urls></record></Cite></EndNote>(سرزعیم، 1397). در سرمایه‌گذاری مطمئن، باید سرمایه‌گذار دیدگاه درستی از رفتارهای قیمتی در بازارهای مالی داشته باشد و این‌کار با چیزی جز تحلیل منطقی به دست نمی‌آید. قدم اول برای سرمایه‌گذاری، شناخت دانش و مبانی آن است، چرا که در صورت نداشتن دانش موردنیاز سرمایه‌گذاری ممکن است دچار ضرر شوید. در این تحقیق، ابزارهای علمی و عملی دانش سرمایه‌گذاری را در بازار ارزهای رمز پایه بررسی می‌کنیم تا ابزاری که بازدهی بیشتر و سریع‌تری را ارائه می‌کند را بشناسیم. دو رویکرد تحلیل تکنیکی(پیش‌بینی بر اساس گذشته نمودار قیمت) و تحلیل بنیادی(یافتن ارزش ذاتی بر اساس داده‌های بلاک‌چین) به‌عنوان دو متغیر مستقل و بازدهی حاصل از استراتژی تحلیل‌های بنیادی و تکنیکی به‌عنوان متغیر وابسته مورد بررسی قرار گرفته‌اند. برای بررسی اینکه کدام رویکرد اعتبار بیشتری برای کمک به سرمایه‌گذار در معاملات ارزهای رمز پایه دارد، پیش‌بینی رفتار قیمت ارزهای رمز پایه بر اساس این دو نوع تحلیل بررسی می‌گردد و با مقایسه نتایج حاصل، بهترین روش برای انتخاب استراتژی‌های معامله در این بازار معرفی خواهد شد.

در تحقیق حاضر به بررسی مقایسه‌ی تحلیل بنیادی و تحلیل تکنیکی در بازار ارزهای رمز پایه پرداخته خواهد شد و محقق با نوشتن فرضیات مورد نیاز برای این سوال که کدام یک از این دو روش‌های تحلیل بازار سرمایه، بازدهی بیشتری دارد؟ به دنبال پاسخ مناسب خواهد بود.

2- ادبیات تحقیق

ارزهای رمز پایه

خرید ارزهای رمز پایه از راه‌های سرمایه‌گذاری می‌باشد که در جلسه 06/05/1398 به استناد اصل 138 قانون‌ اساسی کشور جمهوری اسلامی ایران توسط مصوبه هیئت وزیران به شماره ۵۸۱۴۴/ت ۵۵۶۳۷هـ در خصوص صدور مجوز فعالیت در حوزه ارز دیجیتال با شرط کسب مجوز قانونی، مجاز اعلام شده است.

ارز رمز پایه، یک ارز دیجیتال است که از رمزنگاری برای تامین فرایندهای درگیر در معاملات و تولید واحدها استفاده می‌کند. بیت‌کوین به عنوان اولین رمزنگاری غیرمتمرکز جهان، درسال 2009 و بر اساس یک White Paper که توسط شخصی با نام مستعار ساتوشی ناکاموتو نوشته شده بود، ایجاد شد. در ارزهای متمرکز، دولت‌ها با چاپ پول جدید، عرضه ارز را کنترل می‌کنند. در مقابل، بیت‌کوین یک ارز غیرمتمرکز است، و هیچ نهادی مسئولیت ایجاد واحدهای جدید بیت‌کوین‌ را برعهده ندارد، همچنین بیت‌کوین امن‌ترین شکل تراکنش در تاریخ جهان است، معاملات بلاک‌چین به شدت رمزگذاری شده است. در حال ‌حاضر، برای حمله به بلاک‌چین بیت‌کوین و سایر ارزهای رمز پایه، به قدرتی به‌اندازه پنجاه‌هزار ابررایانه نیاز است که ساخت این مقدار ابررایانه در جهان امروز فعلا امکان‌پذیر نیست(Harvey, 2014). ساختار بلاک‌چین دارای یک رجیستری قوی برای همه معاملات است. بلاک‌چین برای فرایندهای تجاری سنتی مشکلات جدی ایجاد کرده است؛ زیرا برنامه‌ها و معاملاتی که برای تایید آنها به معماری متمرکز و یا به اشخاص ثالث مورداعتماد احتیاج بود، اکنون می‌توانند با همان سطح اطمینان، به روشی غیرمتمرکز و منحصربه‌فرد عمل کنند. ویژگی‌های معماری بلاک‌چین خواصی مانند شفافیت، استحکام و امنیت را فراهم می‌آورد(Greenspan, 2015). بلاک‌چین اخیراً علاقه‌مندی‌های ذی‌نفعان را به طیف وسیعی از صنایع جلب کرده است: امور مالی، مراقبت‌های بهداشتی، اینترنت اشیا، خدمات شهری، املاک و بخش دولتی. برنامه‌هایی که فقط از طریق یک واسطه قابل‌اعتماد قابل‌اجرا بودند، امروزه می‌توانند با روشی غیرمتمرکز، بدون نیاز به انحصار مرکز عمل کنند با همان میزان اطمینان(Christidis & Devetsikiotis, 2016). به طور مثال در سال 2015 متوسط هزینه انتقال پول بین‌المللی 7.37 درصد در سراسر جهان بود. علاوه براین، حتی اگر طرفین انتقال پول، درگیر بانک‌های مرکزی دولت باشند همچنان امکان کلاهبرداری و سرقت وجود دارد، درحالی‌که بازار بین‌المللی انتقال پول شامل واسطه‌های بی‌شماری علاوه بر بانک‌های مرکزی است که امنیت کمتری نیز دارند. استفاده از فناوری بلاک‌چین در بانک‌ها می‌تواند تمام این ترس‌ها را غیرضروری کند و باعث می‌شود تا بانک‌های مرکزی بتوانند رفتار سپرده‌گذاران خود را مستقیماً رصد کنند و به شکست مسائلی مانند پول‌شویی و فرار مالیاتی بسیار کمک کند(Raskin & Yermack, 2018). تقریباً یک دهه پیش ساتوشی ناکاموتو، فرد/گروه ناشناخته پشت بیت‌کوین، توضیح داد که چگونه می‌توان از فناوری بلاک‌چین، یک ساختار توزیع شده نظیر به نظیر برای حل مشکل نظم معاملات و جلوگیری از افزایش مشکل هزینه استفاده کرد(Nakamoto, 2008). فناوری بلاک‌چین به معنی بلوک‌های زنجیره‌ای است که هر بلوک علاوه بر تراکنش‌ها، دو عامل دیگر را در خود دارد، نخست خلاصه‌ای کوتاه از اطلاعات بلوک‌های قبلی که هش نامیده می‌شود و دوم یک مسئله‌ی ریاضی سخت که برای ایجاد بلوک بعدی به پاسخ آن نیاز است (استخراج)، بلوک‌های این فناوری قابل‌تغییر نیستند و اکوسیستم یکپارچه‌ای برای ارزهای رمز پایه ایجاد می‌کند که تمامی بلوک‌ها زنجیروار به هم متصل هستندعباسی</Author><Year>1397</Year><RecNum>35</RecNum><DisplayText>(عباسی, 1397)</DisplayText><record><rec-number>35</rec-number><foreign-keys><key app="EN" db-id="p5vxaf02pze5afedxw7vp5rcvde2rdwww2dd" timestamp="1735225806">35</key></foreign-keys><ref-type name="Book">6</ref-type><contributors><authors><author><style face="normal" font="default" charset="178" size="100%">جواد عباسی</style></author></authors></contributors><titles><title><style face="normal" font="default" charset="178" size="100%">کسب، فروش و سرمایه‌گذاری بیت‌کوین</style></title></titles><dates><year><style face="normal" font="default" charset="178" size="100%">1397</style></year></dates><pub-location><style face="normal" font="default" charset="178" size="100%">تهران</style></pub-location><publisher><style face="normal" font="default" charset="178" size="100%">چالش</style></publisher><urls></urls></record></Cite></EndNote>(عباسی, 1397) . بلاک‌چین مکانیزمی است که اجازه می‌دهد معاملات توسط گروهی از بازیگران غیرقابل‌شناسایی تأیید شود. این یک دفتر توزیع شده، تغییرناپذیر، شفاف، امن و قابل‌کنترل است و اجازه دسترسی به تمام معاملات انجام شده از زمان معامله اول سیستم را به تمام کاربران می‌دهد(Antonopoulos, 2014).

دو مورد از چالش‌های حوزه ارز رمزپایه، مقیاس‌پذیری شبکه بلاک‌چین و مصرف بالای انرژی برق در استخراج ارزهایی نظیر بیت‌کوین، اتریوم و ... می‌باشد. در مورد مقیاس‌پذیری، ویژگی سوم از سه‌گانه بلاک‌چین (تمرکززدایی، امنیت و مقیاس‌پذیری)، باید اذعان داشت که این مورد با توجه به قدرت گره‌های شبکه و کاهش امنیت با افزایش سرعت پردازش تراکنش‌ها یکی از چالش‌های مهمی است که متخصصان بلاک‌چین تلاش کرده‌اند با ایده‌های مختلف نظیر تکنیک شاردینگ در صدد بهبود عملکرد مقیاس‌پذیری شبکه باشند. همچنین در فرایند استخراج، مصرف بالای برق و به‌وجود‌آمدن حجم وسیعی از پسماندهای الکترونیکی غیرقابل‌استفاده در آینده از نگرانی‌های فعالان محیط‌زیست در رابطه‌با موضوع فناوری بلاک‌چین است.

سرمایه‌گذاری در بازار ارزهای رمز پایه به شکل گسترده‌ای مورد استقبال عموم مردم در کل جهان قرارگرفته و هر روز بر تعداد سرمایه‌گذاران در این حوزه افزوده می‌شود. بحران اعتماد در نظم جهانی موجود و سیستم فعلی مقررات دولتی در مواقع بحران، سطح اعتماد بازیگران اقتصادی به دولت‌ها به طور پیوسته در حال کاهش است. پدیده‌های منفی مانند تورم بالا، کاهش شدید ارزش پول، جنگ ارزی و تحریم‌ها باسیاست خارجی، سیاست‌های اقتصادی و مالی دولت مرتبط است. دگرگونی اجتماعی - اقتصادی در نتیجه فرایند دیجیتالی‌شدن، ارزهای رمزپایه اولین آزمایش در مقیاس بزرگ فناوری بلاک‌چین (فناوری دفترکل توزیع شده) بودند. این فناوری امکان ایجاد تعاملات غیرمتمرکز را فراهم می‌کند و امنیت آنها را تضمین می‌کند. با حذف واسطه‌هایی که نقش ضامن تعهدات را بازی می‌کنند، روابط اقتصادی را از نظر فناوری کارآمدتر می‌کند. علاوه بر این، روندهایی مانند توسعه سریع فناوری‌های دیجیتال، ارزان‌شدن فناوری رایانه، افزایش قدرت محاسباتی و نفوذ عمیق دستگاه های تلفن همراه راه‌های جدیدی را برای سازماندهی روابط اقتصادی و اجتماعی برای مردم باز می‌کندauthor>Elenova, Tolgonai</author></authors></contributors><titles><title>Prospects for the use of cryptocurrencies in international maritime logistics</title><secondary-title>BIO Web of Conferences</secondary-title></titles><pages>04008</pages><volume>107</volume><dates><year>2024</year></dates><publisher>EDP Sciences</publisher><isbn>2117-4458</isbn><urls></urls></record></Cite></EndNote>(Gapurbaeva et al., 2024). بعد از بیت‌کوین سایر ارزهای رمز پایه با ایجاد راهکارهایی بهتر هرکدام در جهت رفع قسمتی از مشکلات پول و انتقال آن به وجود آمدند. به طور مثال اتریوم برای بهبود قراردادهای هوشمند مستقل یا نرم‌افزار‌های غیرمتمرکز ساخته شد و در تحقق این هدف هم بسیار موفق بود. استفاده از اتریوم باعث می‌شود احتمال جعل به صفر برسد(Buterin, 2013). ارز ریپل باهدف ظرفیت تراکنش بالا عرضه شد، لایت‌کوین از فناوری همتا به همتا مثل بیت‌کوین استفاده کرد و سرعت بالا در تراکنش‌ها و استخراج راحت‌تر از ویژگی‌های لایت‌کوین است ‌و مثال‌های متعدد دیگر. ارزهای رمز پایه دو نوع هستند: ارزهایی که بلاک‌چین مختص خود را دارند که به آنها کوین می‌گویند و در مقابل ارزهایی که بر بستر بلاک‌چینِ ارز دیگری طراحی شده باشند نیز توکن نام دارند. خریدوفروش ارزهای رمز پایه، امروزه یکی از روش‌های کسب درآمد در بازارهای مالی محسوب می‌شود که مانند تمام بازارهای مالی دیگر، این امر نیازمند شناخت استراتژی‌های کارآمد و استفاده از تحلیل بنیادی یا تکنیکی یا ترکیبی از هر دو این تحلیل‌هاست.

تحلیل بازارهای مالی

مردم در کسب‌وکار خود با بازارهای داخلی و برون‌مرزی درارتباط هستند. در سطح جهانی و در طی شبانه‌روز بازارهای ‌سهام، کالا، اوراق‌قرضه و ارز در حال تغییر هستند و هر زمان از خواب برمی‌خیزیم ممکن است رویداد جدیدی را برای ما پدید آورده باشند. در واقع با این مسئله روبرو هستیم که بازارهای مالی، امروز یا هفته آینده چگونه حرکت خواهند کرد؟مورفی</Author><Year>1387</Year><RecNum>38</RecNum><DisplayText>(مورفی, 1387)</DisplayText><record><rec-number>38</rec-number><foreign-keys><key app="EN" db-id="p5vxaf02pze5afedxw7vp5rcvde2rdwww2dd" timestamp="1735226232">38</key></foreign-keys><ref-type name="Book">6</ref-type><contributors><authors><author><style face="normal" font="default" charset="178" size="100%">جان جی مورفی</style></author></authors><translated-authors><author><style face="normal" font="default" charset="178" size="100%">محمد مساح</style></author></translated-authors></contributors><titles><title><style face="normal" font="default" charset="178" size="100%">تحلیل بین بازارها</style><style face="normal" font="default" size="100%"> </style></title></titles><dates><year><style face="normal" font="default" charset="178" size="100%">1387</style></year></dates><pub-location><style face="normal" font="default" charset="178" size="100%">تهران</style></pub-location><publisher><style face="normal" font="default" charset="178" size="100%">چالش</style></publisher><urls></urls></record></Cite></EndNote>(مورفی, 1387). با تغییر چشمگیر بازارهای مالی، تحلیل آنها از مهم‌ترین موضوعات برای تعیین سرمایه‌گذاری در روند بازار و کاهش جنبه‌ی شانس و قمار در سرمایه‌گذاری است(Hooke, 2010). تحلیل‌گری مالی شیوه‌ای است که برای استفاده‌کنندگان اطلاعات مالی این امکان را فراهم می‌کند تا هنگام تصمیم‌گیری اقتصادی به اطلاعاتی دست یابند که از طریق سیستم اطلاعات موجود در بازار امکان آگاهی از آنها وجود ندارد و در واقع اطلاعات تخصصی هستندنیکومرام</Author><Year>1396</Year><RecNum>39</RecNum><DisplayText>(نیکومرام & رودپشتی, 1396)</DisplayText><record><rec-number>39</rec-number><foreign-keys><key app="EN" db-id="p5vxaf02pze5afedxw7vp5rcvde2rdwww2dd" timestamp="1735226524">39</key></foreign-keys><ref-type name="Book">6</ref-type><contributors><authors><author><style face="normal" font="default" charset="178" size="100%">هاشم نیکومرام</style></author><author><style face="normal" font="default" charset="178" size="100%">فریدون رهنمای رودپشتی</style></author></authors></contributors><titles><title><style face="normal" font="default" charset="178" size="100%">مبانی مدیریت مالی</style></title></titles><dates><year>1396</year></dates><pub-location><style face="normal" font="default" charset="178" size="100%">تهران</style></pub-location><publisher><style face="normal" font="default" charset="178" size="100%">ترمه</style></publisher><urls></urls></record></Cite></EndNote>(نیکومرام & رودپشتی, 1396). دربازارهای مالی به منظور ورود به سرمایه‌گذاری و انتخاب یک دارایی مالی، اقدام به بررسی آن می‌نمایند تا در صورت ارزنده بودن، وجوه خود را به آن دارایی تبدیل کنند. دو نوع تحلیل وجود دارد که توسط سرمایه‌گذاران مورداستفاده قرار می‌گیرد، تحلیل بنیادی و تحلیل تکنیکی. از هر دو آن‌ها می‌توان برای تعیین ارزش و عملکرد آینده بازار استفاده کرد. تحلیل بنیادی ارزش ذاتی یک سهام را تحلیل می‌کند و آن را با قیمت فعلی مقایسه می‌کند در حالی که تحلیل‌تکنیکی پیش‌بینی می‌کند بهترین زمان برای خرید و فروش سهام برای سرمایه‌گذار چه زمانی است و برمبنای قیمت گذشته است(Jakpar et al., 2018).

تحلیل بنیادی

1. پارامتر Market Cap 2. پارامتر NVT 3. پارامتر FCAS 4.پارامتر ROI

مارکت کپ یا ارزش کل بازار

مارکت‌کپ به عنوان یکی از مهم‌ترین عامل‌ها در سرمایه‌گذاری روی پروژه‌های مختلف مورد بررسی قرار می‌گیرد. اهمیت این عامل به‌اندازه‌ای است که رتبه‌بندی ارزهای دیجیتال براساس آن انجام می‌گیرد.

پارامتر ارزش شبکه نسبت به میزان تراکنش‌ها

این پارامتر، ارزش یک شبکه نسبت به ارزش تراکنش‌های انجام شده در آن شبکه را در بازه‌های زمانی مختلف بررسی می‌کند. پارامتر NVT برای اولین بار توسط ویلی وو معرفی شد. این پارامتر از تقسیم کل حجم سرمایه موجود در پروژه بر تراکنش‌های روزانه انجام شده در شبکه آن پروژه به دست می‌آید و مشابه پارامتر P/E در تحلیل بازار سهام است. وقتی NVT یک ارز بالا باشد، ارزش شبکه آن بر ارزش مقدار ارز مبادله شده در شبکه پیشی گرفته است و زمانی اتفاق می‌افتد که سرمایه‌گذاران به عنوان سرمایه‌گذاری بلندمدت به این ارز دیجیتال نگاه کرده و آن را نگهداری یا به‌اصطلاح HODL (نگهداری) کنند.

پارامتر امتیاز پروژه‌ها از نظر شاخصه‌های بنیادی

این پارامتر امتیاز پروژه‌ها از نظر بنیادی است که به‌صورت نسبی و مقایسه‌ای بین پروژه‌های مختلف انجام می‌شود. معیارهای موثر در این امتیازدهی فعالیت کاربران پروژه و عملکرد برنامه‌نویسان آن می‌باشد. امتیازدهی در پارامتر FCAS به‌صورت یک بازه امتیازدهی ۱۰۰۰-۰ که به پنج دسته تقسیم می‌شود.

پارامتر نرخ بازگشت سرمایه

نرخ بازگشت سرمایه، نشان‌دهنده میزان رشد قیمت یک ارز از ابتدای راه‌اندازی تا زمان بررسی این پارامتر است، قابل ذکر است که این درصد سود در صورتی است که شناختی نسبت به بازار نداشته باشیم و به‌صورت تصادفی اقدام به خرید و فروش کنیم.

تحلیل تکنیکی

امروزه در علم تحلیل تکنیکی، عوامل پرکاربردی به وجود آمده است که بر اساس کارایی این عوامل، چهار عامل در این بررسی انتخاب می‌شوند:

1. پرایس‌اکشن یا بررسی فعالیت قیمت 2. نظریه موج الیوت و نسبت فیبوناچی

3. الگوهای قیمتی 4. نوسان‌نماها: مکدی، قدرت نسبی و میانگین متحرک

پرایس‌اکشن یا بررسی فعالیت قیمت

این ابزار از چهار بخش : 1. کندل‌ها 2. شتاب و سرعت 3. عمق و مسافت 4. رفتارشناسی معامله‌گران 1. کندل‌ها: در این بخش به بررسی قدرت کندل‌ها پرداخته می شود. 2. شتاب و سرعت: سنجش سرعت حرکتی موج به ما قدرت موج را نشان می‌دهد، برای بررسی این مقوله ابتدا یک خط زاویه را در شروع موج منطبق بر زاویه صفر درجه رسم می‌کنیم و تا انتهای روند ادامه می‌دهیم، حال زاویه خط نشان‌دهنده سرعت حرکت موج است که با سرعت دو موج قبلی مقایسه کرده و قدرت روند فعلی را ارزیابی می‌کنیم 3. عمق و مسافت: اندازه موج اصلاحی را عمق و اندازه موج پیش‌رونده را مسافت می نامند. هرچه مسافت یک موج نسبت به دو موج قبلی بیشتر باشد قدرت روند بیشتر است و برعکس، و هرچه عمق یک موج اصلاحی نسبت به دو موج قبلی خود بیشتر باشد روند ضعیف‌تر است و برعکس 4. رفتار و واکنش معامله‌گران نسبت به حرکت قیمت.

نظریه موج الیوت و نسبت فیبوناچی

موج الیوت: طبق قانون سوم نيوتن هر كنشي، واكنشي برابر و خلاف جهت آن دارد، در مورد بازارهاي مالي نيز همين قانون صدق مي‌كند. هر حركت قيمتي، چه نزولي و چه صعودي بايد با حركت خلاف جهت آن همراه باشد ولي تفاوت آن با قانون سوم نيوتن اين است كه اين كنش و واكنش با يكديگر برابر نيستند و نسبت‌هاي فيبوناچي، اندازه موج‌ها را به يكديگر مرتبط مي‌سازد. موج‌هاي اصلي، امواج پیش‌رونده و امواج خلاف جهت، امواج اصلاحي ناميده مي‌شوند. پیش‌رونده، جهت اصلي روند قيمت‌ها را نشان مي‌دهد درحالي‌كه موج اصلاحي بر خلاف جهت گرايش اصلي حركت مي‌كند.

نسبت فیبوناچی: نسبت‌هاي رياضي كه از دنباله فيبوناچي بدست آمده‌اند. دنباله فيبوناچي توسط لئوناردو فيبوناچي در سال 1180 ميلادي انجام شد. دنباله فيبوناچي در مهندسي، مطالعات فضايي، بازارهاي مالي و بسياري از امور کاربرد دارد. از استفاده‌هاي مهم نسبت‌هاي فيبوناچي، پيش‌بيني معاملات مي‌باشد. مجموعه فيبوناچي، زنجيره‌ي رياضي است كه در آن هر رقم، از حاصل‌جمع دو رقم قبلي به‌دست مي‌آيد. نسبت‌های فیبوناچی در تحلیل تکنیکی به سه دسته تقسیم می‌شوند:

1. فیبوناچی اصلاحی، نشان می‌دهد که قیمت نسبت به حرکت قبل چه مقدار اصلاح شده است. سطوح فیبوناچی ریتریسمنت: 23.6% , 38.2% , 50% ، 61.8% , 78.6%

2. فیبوناچی بازگشتی خارجی ابزاری است برای پیش‌بینی سطوح قیمتی بیشتر از ۱۰۰ درصد. مهم‌ترین درصدهای فیبوناچی اکستنشن عبارت‌اند از: ۱۲۷٫۲ ، ۱۶۱٫۸ ، ۲۶۱٫۸ ، ۴۲۳٫۶

3. فیبوناچی پروجکشن هم برای یافتن اهداف قیمت و هم برای یافتن نقاط ورود به کار می‌رود. در فیبوناچی پروجکشن ما از سه نقطه برای استفاده می‌کنیم. فیبوناچی پروجکشن شامل دو سطح ۱۰۰ و ۱۶۱٫۸ می‌باشد که البته سطح ۱۰۰% به دلیل اینکه برای حرکات متقارن استفاده می‌شود اهمیت بیشتری دارد.

الگوهای قیمتی

اشکالی هستند که در نمودار قیمتی رسم می‌شوند، برای یافتن اهداف قیمتی و در دو گروه قرار مي‌گيرند:

الگوهاي برگشتي كه برروي نمودار قيمت تشكيل مي‌شوند و نشانه تغيير در روند می‌باشند:

سر و شانه - الگوهای دوقلو و سه‌قلوی کف و سقف

الگوهاي ادامه‌دهنده نشانه توقف در روند هستند، یعنی روند قبلي پس از مدتي دوباره از سرگرفته مي‌شود.

الگوهای ادامه‌دهنده: مثلث‌ها(متقارن، افزایشی، کاهشی، پهن) و الگوی پرچم(سه‌گوش، چهارگوش)

نوسان‌نماها(مکدی، قدرت نسبی و میانگین متحرک)

ابزاری هستند که با استفاده از زمان و قیمت، اخطارهای خریدوفروش صادر می‌کنند. در ساخت این ابزارها از قیمت‌های آغاز، پایان، بالاترین و پایین‌ترین قیمت در یک دوره مشخص استفاده می‌کنیم.

الف) اسیلاتور مکدی، میانگین متحرک همگرایی واگرایی معمولا در بازه زمانی ۱۲ و ۲۶ روزه همگرایی و واگرایی را مورد بررسی قرار می‌دهد و شامل سه خط است خط MACD، خط سیگنال و هیستوگرام که بر اساس تفاوت این دو خط تولید می‌شود.

ب) اسیلاتور قدرت نسبی بین دو سطح ٠ و ١٠٠ در نوسان می‌باشد. در این بین، دو سطح کلیدی ٣٠ و ٧٠ را به ترتیب به عنوان سطوح اشباع فروش و اشباع خرید می‌نامند. هرگاه مقدار RSI از عدد ٣٠ کمتر شود شاهد فروش افراطی در بازار، برعکس عبور از سطح ٧٠ به سمت بالا خرید افراطی در بازار می‌باشد.

ج) میانگین متحرک‌، معمول‌ترين ابزار موجود براي تحليل‌تكنيكی و پايه‌‌ی محاسبه ديگر اندیکاتورها می‌باشد که با محاسبه معدل يك دوره زماني با قیمت‌های پایانی و ابتدایی کندل‌ها بدست می‌آید.

پیشینه تحقیق

این مطالعه ادبیات جدیدی در بررسی بازدهی بازار ارز رمزپایه می‌باشد، در مطالعات داخل و خارج از کشور در مورد مقایسه دو تحلیل مطالعه‌ای صورت نگرفته است، مطالعاتی در مقایسه بازدهی تحلیل بنیادی و تکنیکی در بازارهای سهام انجام شده است و یا به ارزیابی قیمت بیت‌کوین و سایر ارزها پرداخته‌اند.

مطالعات داخلی

در مطالعه‌ای ی</Author><Year>2021</Year><RecNum>24</RecNum><DisplayText>(اردستانی & ورزشکار, 2021)</DisplayText><record><rec-number>24</rec-number><foreign-keys><key app="EN" db-id="p5vxaf02pze5afedxw7vp5rcvde2rdwww2dd" timestamp="1735149338">24</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author><style face="normal" font="default" charset="178" size="100%">عباس صالح اردستانی</style></author><author><style face="normal" font="default" charset="178" size="100%">هادی ورزشکار</style></author></authors></contributors><titles><title><style face="normal" font="default" charset="178" size="100%">بررسی و مقایسه بازدهی اکتسابی ناشی از انتخاب سهم براساس تحلیل بنیادی و تحلیل تکنیکی در بورس اوراق بهادار تهران</style></title><secondary-title><style face="normal" font="default" charset="178" size="100%">پژوهش های مدیریت در ایران</style></secondary-title></titles><periodical><full-title>پژوهش های مدیریت در ایران</full-title></periodical><pages>53-64</pages><volume>19</volume><number>2</number><dates><year>2021</year></dates><isbn>2322-200X</isbn><urls></urls></record></Cite></EndNote>(اردستانی & ورزشکار, 2021) با عنوان بررسی و مقایسه بازدهی ناشی از انتخاب سهام بر اساس تحلیل بنیادی و تحلیل تکنیکی در بورس اوراق بهادار تهران پرداختند و به این نتیجه رسیده‌اند که بازدهی سرمایه‌گذاری به روش تحلیل بنیادی بیشتر از تحلیل تکنیکی می‌باشد و به سرمایه‌گذاران پیشنهاد کردند که در سرمایه‌گذاری خود با تحلیل بنیادی اقدام به انجام معاملات کنند تا به سود بیشتری برسند.

در مطالعه‌ای ی</Author><Year>2012</Year><RecNum>25</RecNum><DisplayText>(تهرانی & اسماعیلی, 2012)</DisplayText><record><rec-number>25</rec-number><foreign-keys><key app="EN" db-id="p5vxaf02pze5afedxw7vp5rcvde2rdwww2dd" timestamp="1735149871">25</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author><style face="normal" font="default" charset="178" size="100%">رضا تهرانی</style></author><author><style face="normal" font="default" charset="178" size="100%">محمد اسماعیلی</style></author></authors></contributors><titles><title><style face="normal" font="default" charset="178" size="100%">بررسی تاثیر استفاده از شاخص های مهم تحلیل تکنیکی بر بازدهی کوتاه مدت سرمایه گذاران در بورس اوراق بهادار تهران</style></title></titles><dates><year>2012</year></dates><urls></urls></record></Cite></EndNote>(تهرانی & اسماعیلی, 2012) با عنوان بررسی تاثیر استفاده از شاخص‌های تحلیل‌تکنیکی بر بازدهی کوتاه مدت سرمایه‌گذاری در بورس اوراق بهادار تهران پرداختند و به این نتیجه رسیدند که بازدهی استفاده از نوسان‌نماها، از استراتژی خرید و نگهداری بیشتر است و درصورت استفاده از شاخص‌های اندیکاتور به‌صورت ترکیبی، می‌توان بازدهی بالاتری نسبت به روش خرید و نگهداری کسب نمود.

مطالعات خارج از کشور

در تحقیقی (Liugita et al., 2024) با عنوان تحلیل بنیادی و تحلیل تکنیکی در تصمیم‌گیری سرمایه‌گذاری، که به انجام رسانده‌اند، با به‌کارگیری پنج شاخص بنیادی و تنها یک شاخص تکنیکی در دوره چهارساله بررسی خود، به این نتیجه رسیدند که تفاوتی بین تحلیل بنیادی و تکنیکی در پیش‌بینی قیمت سهام وجود ندارد و به سایر محققان پیشنهاد کردند که در تحقیقات خود با درنظرگرفتن شاخص‌های تکنیکی و بنیادی بیشتر، تعداد بیشتری از سهام را بررسی کنند تا به نتایج دقیق‌تری برسند.

در تحقیقی (Hudson & Urquhart, 2021) با عنوان بررسی بازدهی تحلیل تکنیکال در ارزهای رمز پایه به انجام رساندند و با به کارگیری تعداد زیادی از نوسان‌نماهای تحلیل تکنیکی در5 دسته، سودآوری این تحلیل را در پنج مورد از ارزهای رمزپایه در بازه‌های زمانی مختلف بررسی کردند و به این نتیجه دست یافتند که قوانین تحلیل تکنیکی دارای قدرت پیش‌بینی بسیارخوبی در بازارهای رمزپایه هستند.

در مطالعه‌ای (Huang et al., 2019) با عنوان پیش‌بینی بازده بیت‌کوین، از 124 ابزار تکنیکی در پنج گروه استفاده کردند: (شاخص‌های همپوشانی، حرکت، چرخه، نوسانات و الگوها)، با استفاده از یک درخت تصمیم‌گیری به بررسی نتایج حاصل از بازدهی تحلیل‌ ‌تکنیکی پرداخته‌ و به این نتیجه رسیدند که تحلیل تکنیکی در بازار بیت‌کوین قدرت پیش‌بینی بسیارخوبی دارد.

در مطالعه‌ای (Jakpar et al., 2018) باعنوان مقایسه تحلیل‌بنیادی و تحلیل‌تکنیکی در بازار سهام مالزی تحقیقاتی انجام دادند که با بررسی 80 شرکت تولید مواد غذایی از شرکت‌های موجود در بورس مالزی با استفاده از روش تحلیل بنیادی و تحلیل تکنیکی و مقایسه بازدهی حاصل از دو تحلیل طی دوره‌ی 4ساله به این نتیجه رسیدند که هر دو تحلیل قادر به پیش‌بینی بازده سهام هستند و برتری نسبت به یکدیگر ندارند، مطالعات آنها با سه شاخص بنیادی و فقط یک شاخص تکنیکی بوده است.

(Raskin & Yermack, 2018) پیامدهای بانک‌داری مرکزی را در نظر می‌گیرند و در مقایسه با بلاک‌چین به برتری‌ها و معایب ارز رمز پایه می‌پردازند.

(Easley et al., 2019) هزینه‌های استخراج بیت‌کوین را بررسی می‌کنند و چشم‌انداز سرمایه‌داری در بیت‌کوین را با توجه به هزینه‌ها بررسی کرده‌اند.

(Harvey et al., 2016) بحثی درباره مکانیک ارزهای رمز پایه ارائه می‌دهد که این مطالعه را در ادبیات تحلیل تکنیکی می‌توان جای داد.

3- روش تحقیق

این تحقیق از نظر هدف کاربردی، از نظر روش تحقیق توصیفی و از نوع مقایسه‌ای می‌باشد و از نظر ماهیت پس رویدادی و وابسته به اطلاعات گذشته است. در جمع‌آوری داده نیز از داده‌های کمی پیوسته استفاده شده است. جامعه آماری این مطالعه تمامی ارزهای رمز پایه موجود در صرافی‌های مرتبط به این بازار می‌باشد. در زمان‌نگارش این تحقیق، تعداد 8200 ارز در کوین‌مارکت‌کپ لیست شده است و جامعه آماری ما تمام ارزهای لیست شده در این سایت می‌باشد که در مارکت‌های مختلف معامله می‌شوند. باتوجه‌به نوپا بودن این بازار و اینکه اغلب ارزها به‌تازگی در صرافی‌ها لیست شده‌اند برای محاسبه‌ی نمونه آماری از روش قضاوتی استفاده شده است. حجم نمونه شامل شش ارز رمز پایه برتر بر اساس ارزش بازار می‌باشد که از سایت مرجع ارزهای دیجیتال، رتبه‌بندی روز اول ماه یازدهم میلادی انتخاب شده‌اند:

1. بیت‌کوین 2. اتریوم 3. ریپل 4. بیت‌کوین‌کش 5. لینک 6. بایننس‌کوین

روش جمع‌آوری داده‌ها از نوع کتابخانه‌ای می‌باشد که برای داده‌های مورد نیاز تحلیل بنیادی و تکنیکال به سایت کوین‌مارکت‌کپ و برای انجام تحلیل تکنیکال داده‌ها، به سایت Trading view مراجعه شده است.

جدول (1) قیمت واقعی ارزهای نمونه‌آماری در روز سی و یک دسامبر سال 2020 و مقایسه قدرت پیش‌بینی‌کنندگی با استفاده از تغییرات قیمت پیش‌بینی شده توسط تحلیل‌بنیادی و تحلیل‌تکنیکی

نام ارز	قیمت روز 31 دسامبر	تغییرات قیمت نسبت به ابتدای ماه	درصد قدرت پیش‌بینی تکنیکی	درصدقدرت پیش‌بینی بنیادی
بیت‌کوین	29.000 دلار	10200 دلار مثبت	90 درصد	31 درصد
اتریوم	751 دلار	164 دلار مثبت	99 درصد	48 درصد
ریپل	22/0 دلار	39/0 دلار منفی	95 درصد	0 درصد
بیت‌کوین‌کش	343 دلار	55 دلار مثبت	88 درصد	58 درصد
لینک	27/11 دلار	13/2 دلار منفی	89 درصد	0 درصد
بایننس کوین	4/37 دلار	3/7 دلار مثبت	92 درصد	13 درصد

(منبع : سایت کوین مارکت کپ)

در تحقیق حاضر ما دارای سه متغیر هستیم که سهم متغیر وابسته یک عدد (انتخاب استراتژی مناسب خرید) و سهم متغیر مستقل دو عدد (تحلیل بنیادی و تحلیل تکنیکی) می‌باشد. برای تجزیه‌وتحلیل داده‌ها از آزمون مقایسه زوجی که دو متغیر مستقل تحلیل بنیادی و تحلیل تکنیکی و یک متغیر وابسته انتخاب استراتژی معاملاتی مناسب را داریم.

فرضیه‌های تحقیق

فرضیه اصلی: قدرت تحلیل تکنیکی اعتبار بیشتری از تحلیل بنیادی در پیش‌بینی قیمت ارز رمزپایه دارد.

فرضیه صفر: قدرت تحلیل تکنیکی و تحلیل بنیادی درپیش‌بینی قیمت ارز رمز پایه، برابر است.

4- یافته‌های پژوهش

با انجام تحلیل در شش نمونه‌ توسط شاخص‌های انتخاب شده در هر دو تحلیل بنیادی و تکنیکال طی دوره دوماهه، درصد میزان درست بودن و اعتبار هر کدام از تحلیل‌ها با درنظرگرفتن سه عامل: 1. تحلیل درست از روند 2. هدف قیمت 3. حد ضرر (میزان کاهش قیمت) قبل از رسیدن به هدف قیمتی، محاسبه شده است (جدول 1). سپس درصد پیش‌بینی‌کنندگی به‌دست‌آمده برای تحلیل بنیادی و تحلیل تکنیکی را با استفاده از آزمون مقایسه زوجی در نرم‌افزار SPSS بررسی کردیم که یافته‌های پژوهش به شرح زیر به‌دست‌آمده است:

در بررسی آمار توصیفی باتوجه‌به جدول 2 که نتایج آزمون شاخص‌های مرکزی و پراکندگی داده‌ها را در بر دارد، مشاهده می‌کنیم که میانگین قدرت پیش‌بینی‌کنندگی تحلیل ‌تکنیکی بسیار بیشتر از تحلیل ‌بنیادی است و انحراف ‌معیار و انحراف ‌استاندارد در تحلیل بنیادی بیشتر از تحلیل تکنیکی می‌باشد که نشان‌دهنده پراکندگی داده‌ها از میانگین و نوسانات قیمتی زیاد در پیش‌بینی به روش تحلیل بنیادی است ، اما معنی‌دار بودن این تفاوت میانگین را باید با سنجش میزان سطح معنی‌داری بررسی کرد.

جدول 2- توزیع متغیرهای پژوهش براساس شاخص‌های مرکزی و پراکندگی

شاخص	میانگین پیش‌بینی‌کنندگی	میانه	انحراف معیار	انحراف استاندارد
تکنیکی	167/92	91	16732/4	70131/1
بنیادی	25	22	69008/24	07968/10

(منبع: یافته‌های پژوهش)

در ادامه برای بررسی توزیع نرمال داده‌ها با ایجاد دو فرضیه زیر از آزمون شاپیرو ویلک استفاده شد.

H0: داده‌ها ‌دارای توزیع نرمال هستند. H1: داده‌ها دارای توزیع نرمال نیستند.

با توجه به جدول3، نتایج آزمون شاپیرو ویلک، اگر سطح معنی‌داری(sig) برای کلیه متغیرها بزرگ‌تر از سطح آزمون (05/0) باشد توزیع داده‌ها نرمال می‌باشد. به دلیل این‌که سطح معنی‌داری به‌دست آمده برای تمامی متغیرها بزرگ‌تر از 05/0 است، می‌توان نتیجه گرفت که فرض پژوهش رد و فرضیه صفر تأیید می‌شود در نتیجه توزیع داده‌های تمامی متغیرها نرمال می‌باشد‌. و همچنین مشاهدات مستقل از یکدیگر می‌باشند.

جدول 3- نتایج آزمون شاپیرو ویلک

ردیف	شاخص	سطح معنی داری	مقدار آماره آزمون	نرمال بودن جامعه آماری
1	تکنیکال	499/0	919/0	تایید
2	بنیادی	370/0	899/0	تایید

(منبع: یافته‌های پژوهش)

برای بررسی میزان همبستگی بین دو متغیر‌مستقل از آزمون ضریب همبستگی پیرسون استفاده شده است. سطح معنی‌دار اگر از 05/0 بزرگ‌تر باشد آماره مورد نظر معنی‌دار نیست، با توجه به جدول4، مقدار اندک ضریب همبستگی‌پیرسون به‌این نتیجه می‌رسیم که میزان همبستگی بین دو متغیر معنی‌دار نیست و دو متغیر به‌یکدیگر وابسته نیستند و می‌توان آن‌ها را مجزا برای بررسی پیش‌بینی قیمت استفاده کرد.

جدول 4- ضریب همبستگی پیرسون

متغیرها	تعداد نمونه	میزان همبستگی	سطح اطمینان معنی داری
تکنیکال و بنیادی	6	033/0	950/0

(منبع: یافته‌های پژوهش)

با بررسی آزمون‌فرضیه نتایج منتشر‌شده در جدول 5 می‌توان اظهار داشت که مقدار سطح معنی‌دار مربوط به آمارهt ، کوچک‌تر از سطح معنی‌دار 05/0 می‌باشد(p-value < 0.05) و مقدارt در مقایسه با ناحیه بحرانی جدول استیودنت در قسمت H1 قرار دارد. با توجه به این موارد، دو نمونه از نظر آماری با یکدیگر تفاوت معنی‌دار دارند و فرض H0 رد می‌گردد. با 95/0 درصد سطح اطمینان ادعای محقق در فرضیه H1 مورد تایید قرار می‌گیرد و قدرت پیش‌بینی‌کنندگی تحلیل‌تکنیکی اعتبار بیشتری از تحلیل بنیادی در پیش بینی قیمت ارز رمزپایه دارد.

جدول 1- نتایج آزمون مقایسه زوجی دو متغیر

متغیرها

tمقدار

سطح معنی داری Sig یا

p-value

درجه آزادی Df

مقداربحرانی جدول t استیودنت با آلفا 5 درصد

تکنیکال - بنیادی

607/6

001/0

015/2

(منبع: یافته‌های پژوهش)

5- نتیجه‌گیری

هدف از تحقیق حاضر، بررسی بیشترین بازدهی در پیش‌بینی قیمت بازار ارزهای رمز پایه با مقایسه‌ی دو تحلیل معتبر بازار سرمایه، تحلیل بنیادی و تحلیل تکنیکی، و انتخاب استراتژی مناسب برای خرید در این بازار می‌باشد، لازم به ذکر است در این تحقیق مقایسه بین عملکرد این دو تحلیل انجام شده است و مطمئنا ترکیب این دو تحلیل و استفاده مشترک از آن‌ها در استراتژی معامله‌گر می‌تواند راهکار مناسبی برای کسب موفقیت در بازارهای مالی باشد، اما در حالت مقایسه این دو تحلیل، با بررسی‌های لازم به نتیجه‌های ذکرشده در زیر منتج می‌شود.

باتوجه‌به تایید فرضیه اصلی محقق توسط نتایج حاصل از تجزیه وتحلیل آماری داده‌ها و رد فرضیه صفر، می‌توان به‌صورت کلی اذعان داشت که سرمایه‌گذاری در رمزارزها با استفاده از استراتژی تحلیل تکنیکی بازدهی بیشتری نسبت به استراتژی تحلیل بنیادی دارد. لازم به توضیح است که انتخاب استراتژی مناسب از میان صدها نوع استراتژی در تحلیل تکنیکی بستگی به سرمایه‌گذار دارد که استراتژی مناسب خود را انتخاب کند. در این تحقیق محقق با استفاده از 4 ابزار تکنیکی پرکاربرد در بازار ارزهای رمز پایه‌، استراتژی تحلیلی مدنظر را انتخاب کرده است. در بررسی نتیجه تحقیق حاضر با نتایج تحقیق‌های پیشین در این بازار باید اذعان داشت که بررسی‌های طرح‌شده در بازار ارزهای رمز پایه همان‌طور که در بخش پیشینه پژوهش ذکر شده، نیز به بازدهی مناسب تحلیل تکنیکی در این بازار اذعان دارند و به این نکته تاکید شده است.

در مقایسه نتیجه تحقیق با تحقیقات اشاره شده در پیشینه باید اذعان داشت که (Hudson & Urquhart, 2021) در بررسی بازدهی تحلیل تکنیکی در بازار رمزارزها نیز تاکید داشتند که این تحلیل قدرت پیش‌بینی‌‌کنندگی بسیار خوبی در بازار رمزارزها دارد و (Huang et al., 2019) نیز در تحقیق خود به این نتیجه رسیدند که تحلیل تکنیکی قدرت بسیار خوبی در پیش‌بینی‌کنندگی بازار ارزهای رمز پایه دارد و بازدهی حاصل از استراتژی‌های این تحلیل را مناسب برای تصمیم خرید دانستند. ‌ی</Author><Year>2012</Year><RecNum>25</RecNum><DisplayText>(تهرانی & اسماعیلی, 2012)</DisplayText><record><rec-number>25</rec-number><foreign-keys><key app="EN" db-id="p5vxaf02pze5afedxw7vp5rcvde2rdwww2dd" timestamp="1735149871">25</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author><style face="normal" font="default" charset="178" size="100%">رضا تهرانی</style></author><author><style face="normal" font="default" charset="178" size="100%">محمد اسماعیلی</style></author></authors></contributors><titles><title><style face="normal" font="default" charset="178" size="100%">بررسی تاثیر استفاده از شاخص های مهم تحلیل تکنیکی بر بازدهی کوتاه مدت سرمایه گذاران در بورس اوراق بهادار تهران</style></title></titles><dates><year>2012</year></dates><urls></urls></record></Cite></EndNote>(تهرانی & اسماعیلی, 2012) در تحقیق خود به این نتیجه رسیدند که تحلیل تکنیکی نسبت به روش خرید و نگهداری در بورس اوراق بهادار ایران قدرت پیش‌بینی‌کنندگی خوبی دارد. همچنین (Liugita et al., 2024) و (Jakpar et al., 2018) نیز در تحقیقات خود به این نتیجه رسیدند که تحلیل بنیادی و تحلیل تکنیکی در بازار سهام تفاوت چندانی باهم ندارند و ی</Author><Year>2021</Year><RecNum>24</RecNum><DisplayText>(اردستانی & ورزشکار, 2021)</DisplayText><record><rec-number>24</rec-number><foreign-keys><key app="EN" db-id="p5vxaf02pze5afedxw7vp5rcvde2rdwww2dd" timestamp="1735149338">24</key></foreign-keys><ref-type name="Journal Article">17</ref-type><contributors><authors><author><style face="normal" font="default" charset="178" size="100%">عباس صالح اردستانی</style></author><author><style face="normal" font="default" charset="178" size="100%">هادی ورزشکار</style></author></authors></contributors><titles><title><style face="normal" font="default" charset="178" size="100%">بررسی و مقایسه بازدهی اکتسابی ناشی از انتخاب سهم براساس تحلیل بنیادی و تحلیل تکنیکی در بورس اوراق بهادار تهران</style></title><secondary-title><style face="normal" font="default" charset="178" size="100%">پژوهش های مدیریت در ایران</style></secondary-title></titles><periodical><full-title>پژوهش های مدیریت در ایران</full-title></periodical><pages>53-64</pages><volume>19</volume><number>2</number><dates><year>2021</year></dates><isbn>2322-200X</isbn><urls></urls></record></Cite></EndNote>(اردستانی & ورزشکار, 2021) نیز در بررسی مقایسه‌ای سهام بورس ایران با دو تحلیل بنیادی و تکنیکی به این نتیجه رسیدند که تحلیل بنیادی کارآمدتر از تحلیل تکنیکی در بورس ایران است البته باید توجه داشت که در تحقیقات اشاره شده کم‌بودن شاخص‌های تحلیل تکنیکی نیز از چالش‌هایی بوده است که نویسندگان مقالات نیز به آن تاکید داشته‌اند.

باتوجه‌به رشد روزافزون بازار ارزهای رمز پایه و مقبولیت آن در بین جوامع مختلف به عنوان ارزهای قابل‌اعتماد، نیاز به تحقیقات پیرامون جوانب مختلف تاثیرگذار بر قیمت این ارزها بیش‌از‌پیش حس می‌شود و مطمئنا با یک یا چند تحقیق نمی‌توان به شناخت کافی و کامل در این بازارها رسید. به تمام محققینی که بررسی این پارامترها را انجام می‌دهند، پیشنهاد می‌شود که از ابزارهای به‌روز شده در هر دو تحلیل استفاده کنند و با توجه به تغییرات روزافزون در این حوزه همگام با این تغییرات، ابزارهای کارآمدتر را شناسایی کنند و همچنین در انتخاب نمونه از جامعه آماری، انتخاب ارزهایی که سهم بازار زیادتری را به خود اختصاص داده‌اند به دلیل این‌که در این ارزها هیجانات مقطعی قیمت و تغییرات ناگهانی بسیار نادر بوده و بازار این ارزها به ثبات تقریبا کاملی رسیده‌اند و اصطلاحا به بلوغ رسیده‌اند. البته ارزهای دیگری نیز وجود دارند که به ثبات کاملی رسیده‌اند. ولی باتوجه‌به محدودیت زمانی و ابزاری امکان بررسی همه ارزها در قالب یک تحقیق وجود نداشت و به سایر محققان پیشنهاد می‌شود که در تحقیقات خود نمونه جامعه آماری بزرگتر و وسیع‌تری انتخاب کرده و بررسی خود را با تعداد بیشتری از ارزهای رمزپایه انجام دهند.

و به محققان این حوزه توصیه می‌شود در تحقیقات خود به ترکیب تحلیل بنیادی و تکنیکی و ساخت استراتژی‌های حاصل از این ترکیب نیز توجه کرده و به بررسی این نوع از استراتژی‌های خرید نیز بپردازند.

همچنین با توجه به نوپا بودن ادبیات حوزه‌ی ارزهای رمز پایه و نبود مطالعات مقایسه‌ای تحلیل بنیادی و تکنیکی در بازار این ارزها، مشکلاتی اعم از عدم وجود اطلاعات کافی در این تحقیق وجود داشت که به یاری خدا، با تلاش بیشتر و جمع آوری اطلاعات پراکنده و تبیین این اطلاعات، مسئله نبود اطلاعات کافی در سر راه این تحقیق نیز تا حدودی مرتفع گردید.

منابع و مآخذ

تهرانی، رضا؛ و اسماعیلی، محمد. (2012). بررسی تاثیر استفاده از شاخص های مهم تحلیل تکنیکی بر بازدهی کوتاه مدت سرمایه گذاران در بورس اوراق بهادار تهران. دانش مالی تحلیل اوراق بهادار .5(13)، 21-33. https://www.sid.ir/paper/200257/fa

جونز،چارلز. (1388). مدیریت سرمایه گذاری. نگاه دانش.

رایلی، فرانک؛ و براون، کیت. (1395). تجزیه و تحلیل سرمایه گذاری و مدیریت سبد اوراق بهادار. دانشگاه علامه طباطبایی.

سرزعیم، علی. (1397). اقتصاد برای همه. ترمه.

صالح اردستانی، علی؛ و ورزشکار، هادی. (2021). بررسی و مقایسه بازدهی اکتسابی ناشی از انتخاب سهم براساس تحلیل بنیادی و تحلیل تکنیکی در بورس اوراق بهادار تهران. پژوهش های مدیریت در ایران. 19(2)،53-64. https://mri.modares.ac.ir/article_358.html 20.1001.1.2322200.1394.19.2.3.3

عباسی، جواد. (1397). کسب، فروش و سرمایه‌گذاری بیت‌کوین. چالش.

منکیو، گریگوری. (1391). اقتصاد کلان. نشر نی.

مورفی، جان. (1387). تحلیل بین بازارها چالش.

مورفی، جان. (1398). تحلیل‌تکنیکال دربازارسرمایه. چالش.

میرز، توماس. (1384). پیش بینی قیمت سهام در بورس به روش تحلیل تکنیکال. نص.

نیک طالع، علی. (1387). تجارت در بازار جهانی فارکس. چالش.

نیکومرام، هاشم؛ و رهنمای رودپشتی، فریدون. (1396). مبانی مدیریت مالی. ترمه.

References

Antonopoulos, A. M. (2014). Mastering Bitcoin: unlocking digital cryptocurrencies. " O'Reilly Media, Inc.".https://www.scirp.org/reference/referencespapers?referenceid=2525043

AS, S. (2013). A study on fundamental and technical analysis. International Journal of Marketing, Financial Services & Management Research, 2(5), 44-59. https://www.researchgate.net/publication/349948112_A_STUDY_ON_FUNDAMENTAL_AND_TECHNICAL_ANALYSIS

Bettman, J. L., Sault, S. J., & Schultz, E. L. (2009). Fundamental and technical analysis: substitutes or complements? Accounting & Finance, 49(1), 21-36. https://www.researchgate.net/publication/23960825_Fundamental_and_technical_analysis_Substitutes_or_complements

Buterin, V. (2013). Ethereum white paper. GitHub repository, 1, 22-23 https://ethereum.org/en/whitepaper/

Christidis, K., & Devetsikiotis, M. (2016). Blockchains and smart contracts for the internet of things. IEEE access, 4, 2292-2303. https://www.researchgate.net/publication/302919497_Blockchains_and_Smart_Contracts_for_the_Internet_of_Things

Drakopoulou, V. (2016). A review of fundamental and technical stock analysis techniques. Journal of Stock & Forex Trading, 5. https://www.researchgate.net/publication/293808249_A_Review_of_Fundamental_and_Technical_Stock_Analysis_Techniques

Easley, D., O'Hara, M., & Basu, S. (2019). From mining to markets: The evolution of bitcoin transaction fees. Journal of Financial Economics, 134(1), 91-109. https://ssrn.com/abstract=3055380

Gapurbaeva, S., Abdyldaeva, U., Tulemysheva, B., Israilova, A., & Elenova, T. (2024). Prospects for the use of cryptocurrencies in international maritime logistics. BIO Web of Conferences, https://doi.org/10.1051/bioconf/202410704008

Graham, B. (2016). The Intelligent Investor. Inc. https://www.amazon.com/Intelligent-Investor-Definitive-Investing-Essentials/dp/0060555661

Greenspan, G. (2015). Multichain private blockchain-white paper. http://www.multichain.com/blog/2015/07/bitcoin-vs-blockchain-debate.

Harvey, C. R. (2014). Bitcoin myths and facts. Available at SSRN 2479670. http://ssrn.com/abstract=2479670.

Harvey, C. R., Liu, Y., & Zhu, H. (2016). … and the cross-section of expected returns. The Review of Financial Studies, 29(1), 5-68. https://academic.oup.com/rfs/article/29/1/5/1843824

Hooke, J. C. (2010). Security analysis and business valuation on Wall Street: A comprehensive guide to Today's valuation methods. John Wiley & Sons Inc. https://pdfroom.com/books/security-analysis-and-business-valuation-on-wall-street-companion-web-site-a-comprehensive-guide-to-todays-valuation-methods/MkLg8QWj2ZB

Hou, K., Karolyi, G. A., & Kho, B.-C. (2011). What factors drive global stock returns? The Review of Financial Studies, 24(8), 2527-2574. https://www.researchgate.net/publication/4811986_What_FactorsDriveGlobal_Stock_Returns

Https://coinmarketcap.com/

Https://www.tradingview.com/

Huang, J.-Z., Huang, W., & Ni, J. (2019). Predicting bitcoin returns using high-dimensional technical indicators. The Journal of Finance and Data Science, 5(3), 140-155. http://www.keaipublishing.com/en/journals/jfds/

Hudson, R., & Urquhart, A. (2021). Technical trading and cryptocurrencies. Annals of Operations Research, 297(1), 191-220. https://doi.org/10.1007/s10479-019-03357-1

Iqbal, N., Khattak, S. R., & Khattak, M. A. (2013). Does fundamental analysis predict stock returns? Evidence from non-financial companies listed on KSE. Knowledge Horizons. Economics, 5(4), 182. https://citeseerx.ist.psu.edu/document?repid=rep1&type=pdf&doi=d52e86fcea24da2971132a7d59d9d43297241df8

Jakpar, S., Tinggi, M., Tak, A. H., & Chong, W. Y. (2018). Fundamental analysis vs technical analysis: The comparison of two analysis in malaysia stock market. UNIMAS Review of Accounting and Finance, 2(1). https://doi.org/10.33736/uraf.1208/

Jogani, A. (2024). The Basics of Technical Analysis. Available at SSRN 4870943. https://ssrn.com/abstract=4870943

John, C. (2014). Fundamentals of Futures and Options Markets. Pearson Education.

Liugita, P., Salsabilla, S., & Meythi, M. (2024). FUNDAMENTAL ANALYSIS AND TECHNICAL ANALYSIS IN INVESTMENT DECISION MAKING. International Journal of Innovative Technologies in Economy,1(45). https://doi.org/10.31435/rsglobal_ijite/30122023/8110

Nakamoto, S. (2008). Bitcoin: A peer-to-peer electronic cash system. Satoshi Nakamoto. https://Bitcoin.org/Bitcoin.pdf

Neftci, S. N. (1991). Naive trading rules in financial markets and wiener-kolmogorov prediction theory: A study of" technical analysis". Journal of Business, 549-571. https://archive.org/stream/in.ernet.dli.2015.66901/2015.66901.The-Journal-Of-Laboratory-And-Clinical-Medicine228_djvu.txt

Raskin, M., & Yermack, D. (2018). Digital currencies, decentralized ledgers and the future of central banking. In Research handbook on central banking (pp. 474-486). Edward Elgar Publishing. http://www.nber.org/papers/w22238

Ray, S. (2012). Revisiting the strength of Dow Theory in assessing stock price movement. Advances in Applied Economics and Finance, 3(3), 591-598. https://www.researchgate.net/publication/266344574_Revisiting_the_Strength_of_Dow_Theory_in_Assessing_Stock_Price_Movement

Reilly, F., & Brown, K. (2012). Analysis of Investments and Management of Portfolios (Tenth Edit). South-Western Cengage Learning. Inc. https://prawo.uni.wroc.pl/sites/default/files/students

Managing Buying Strategies in the Cryptocurrency Market;

Comparing Fundamental and Technical Analysis

Fereydoon Ghasemi

Faculty of Management, Islamic Azad University of Central Tehran Branch, Tehran, Iran

ORCID: 0000-0002-7888-9730

Dr.FGhasemi@hotmail.com

Milad Estelami

MBA Strategy Orientation, Faculty of Management, Islamic Azad University, Tehran, Iran MSc

ORCID: 0000-0001-8401-938X

Milad.Estelami@gmail.com

Received: 08 December 2024 | Revised: 28 December 2024 | Accepted: 29 December 2024

Abstract

In the present study, the researcher seeks to introduce the best investment method among the two specialized methods in the capital market, namely the fundamental analysis method and technical analysis. This research is applied research in terms of purpose and a descriptive comparative method with a post-event approach, focusing on historical data and paying attention to past information. The statistical population of this study is all the crypto currencies available in the exchanges related to this market that are listed on the reference site, coin Market Cap and a judgmental method has been used to calculate the statistical sample. The sample size includes the top six cryptocurrencies based on market value four widely used fundamental analysis indicators and four popular technical analysis indicators used in their study.

The results confirm the researcher's hypothesis that, over a two-month period, the rate of return obtained from the technical analysis method was much higher than that obtained from the fundamental analysis.

Keywords: Fundamental Analysis, Technical Analysis, Cryptocurrency Market, Investment Strategy, Return

دوره 2، شماره 1، بهار 1404

[1] https://doi.org/10.71815/JNAPA.2025.1192439

Share To

Article Url

Managing Buying Strategies in the Crypto currency Market; Comparing Fundamental and Technical Analysis

Sanad

Links

Related Centers

Technical Support

Official pages