شناسایی بازیگران موثر شبکه معاملات ارز در سامانه نیما به کمک تحلیل شبکه‌های اجتماعی

نظام یکپارچه معاملات ارزی که به‌اختصار «نیما» نامیده می‌شود، بستری است که با هدف مدیریت بازار ارز طراحی و پیاده‌سازی شده است. با راه‌اندازی کامل سامانه نیما عملیات ارزی عرضه و تقاضای تجاری کشور به‌طورکلی از بستر این سامانه انجام خواهد شد. به‌این‌ترتیب که در سمت عرضه، صادرکنندگان می‌توانند ارز حاصل از صادرات خود را بفروشند و در سمت تقاضا، واردکنندگان درخواست خرید ارز نمایند. شناسایی بازیگران موثر در هریک از این بازارها می‌تواند تاثیر مثبتی در سیاست‌گذاری‌های بازار ساز اصلی این سامانه یعنی بانک مرکزی داشته باشد. در این میان استفاده از ابزارهای تحلیل شبکه‌های اجتماعی می‌تواند راهکار مناسبی برای تحقق این امر باشد. از آن جا که در این شبکه‌ها هریک از بازیگران تنها می‌تواند یکی از نقش‌های خریدار یا فروشنده ارز را داشته باشد و تنها امکان معامله و ایجاد ارتباط با نقش مقابل وجود دارد، می‌توان این شبکه‌ها را شبکه‌های دو وجهی نامید که به‌منظور تحلیل آن‌ها ما از یک الگوریتم تصویرسازی وزنی استفاده کردیم. بعد از تصویرکردن هریک از دو شبکه عرضه و تقاضای ارز، چهار شبکه جدید شامل شبکه صادرکننده‌های فروشنده ارز، صرافی‌های خریدار ارز، واردکننده‌های خریدار ارز و صرافی‌های فروشنده ارز ایجاد گردید. در ادامه هم یک الگوریتم رتبه‌بندی برای گره‌ها ارائه شد که بر اساس آن گره‌ای که بالاترین رتبه را کسب کرده است مهم‌ترین گره در شبکه مدنظر ما خواهد بود. در نهایت نیز جهت ارائه پیشنهاداتی به سیاست‌گذار، با تحلیل و بررسی نتایج رتبه‌بندی، به پرسش‌هایی در مورد بازیگران موثر بازار پاسخ داده شد.

identifying the effective actors of forex trading network in the nima system using social network analysis

nima system is an integrated system of foreign exchange transactions. nima is a platform system that has been designed and implemented with the aim of managing the foreign exchange market. in this system, on the supply side, exporters can sell the currency from their exports, and on the demand side, importers can request to buy foreign currency. identifying effective actors in each of these markets can have a positive impact on the policies of the main market maker of this system, the central bank.using social networks analysis (sna) tools can be a good way to achieve this. since in these networks each of the actors can only have one of the roles of buyer or seller and there is only the possibility of trading and communication with the opposite role, these networks can be called bipartite networks. as a result, the usual approaches to identifying effective actors for these networks will not be usable. in contrast to standard approaches, we used a weighted projection algorithm to solve this problem. after projectting each of the two networks of foreign exchange supply and demand, four new networks are created, including the network of sellerexporters, buyer exchange offices, buyer importers, and seller exchange offices. then we will try to make a method to score and rank the nodes. as a result of the implementation of the algorithm, a ranking was provided for the nodes, based on which the node with the highest rank will be the most important node in our network. finally, in order to make suggestions to the policymaker, by analyzing the results of the ranking, questions about effective market players were answered.