پایگاه خبری راه پرداخت دارای مجوز به شماره ۷۴۵۷۲ از وزارت فرهنگ و ارشاد اسلامی و بخشی از «شبکه عصر تراکنش» است. راه پرداخت فعالیت خود را از دوم اردیبهشت‌ماه ۱۳۹۰ شروع کرده و اکنون پرمخاطب‌ترین رسانه ایران در زمینه فناوری‌های مالی، بانکداری و پرداخت و استارت‌آپ‌های فین‌تک است.
محمد ارغوان عصر تراکنش ۵۵ و ۵۶ / بسیاری از اقتصاددانان، کُندی رشد اقتصادی در بازارهای مالی کشورهای در حال توسعه را به ناکارآمدی و توسعه‌نیافتگی بخش فناوری اطلاعات و ارتباطات نسبت داده و اصلاحات نظام‌مند این بخش را برای دستیابی به رشد اقتصادی بیشتر و سریع‌تر توصیه می‌کنند. بازار سرمایه به‌عنوان یکی از بازوهای اقتصادی کشور که در گذشته اقبال کمتری به آن بود، در سالیان اخیر با تغییر رویکرد حاکمیت مورد توجه سرمایه‌گذاران بیشتری قرار گرفته است. ورود سرمایه‌گذاران جدید به بورس اوراق بهادار، فناوری‌های موجود در بازار سرمایه پاسخگوی نیازهای میلیون‌ها کاربر جدید این بازار نبود. از هنگ‌کردن هسته معاملات تا اخلال در ارائه خدمات کارگزاری‌ها تا پیچیده‌شدن ارائه ابزارهای مالی جدید برای پاسخ به تقاضا در این بازار، نشانه‌های پررنگی از این کمبود بود. در عین حال اشکالات فنی روزبه‌روز بیشتر بر فضای معاملات تأثیر می‌گذاشت.
ضعف زیرساخت و موانع قانونی از اصلی‌ترین علل کندی رشد فناوری در این بازار به حساب می‌آید. هرچند در سال‌های اخیر شاهد نفوذ هرچه بیشتر فناوری دیجیتال در حوزه‌های مختلف، اعم از بانکداری، پرداخت، فروش کالا و خدمات، سرویس‌های حمل‌ونقل و لجستیک و… بوده‌ایم، فناوری‌های فعلی بازار سرمایه کشور با نیازها و انتظارات کاربران فاصله زیادی دارد و جای خالی ارکانی مانند کارگزاری‌های دیجیتال با هدف ارائه طیف وسیعی از خدمات فناوری‌محور و راه‌اندازی سیستم‌های معاملاتی نوین، با استفاده از هوش مصنوعی، یادگیری ماشین و فناوری بلاکچین به‌وضوح حس می‌شود. به عقیده کارشناسان، کوچک‌بودن بازار سرمایه و کم‌بودن ارزش معاملات از اصلی‌ترین علل بی‌میلی مدیران و سرمایه‌گذاران کسب‌وکارهای فناوری‌محور برای سرمایه‌گذاری در این بخش بوده است. به‌طوری که حتی شرکت‌های فعال در حوزه فناوری اطلاعات نیز انجام پروژه برای صنعت بانکداری را به پروژه‌های بازار سرمایه ترجیح می‌دهند.
همچنین یکی از علل مهم کُندی پیشرفت فناوری اطلاعات در بازار سرمایه کشور، سنتی‌بودن پایه سیستم‌های مالی نهادها در این بازار است. مجوزهای راه‌اندازی کارگزاری‌ها به سال‌ها پیش از شروع روند دیجیتالی‌شدن بازار برمی‌گردد و طبیعتاً پایه‌های اصلی سیستم‌های این کارگزاری‌ها بر مبنای روش‌های سنتی شکل گرفته است؛ بنابراین برای اینکه بازار سرمایه ایران بتواند با سایر بازارهای مالی و همچنان بازار سرمایه دیگر کشورها رقابت داشته باشد، مدیران باید درصدد ایجاد فناوری‌های جدید در این بازار باشند. در این گزارش به بررسی سه روند «الگوریتم تریدینگ»، «احراز هویت غیرحضوری» و «سوشال‌تریدینگ» در صنعت بورس پرداخته‌ایم.
معاملات الگوریتمی
برای سال‌های طولانی معاملات در بازارهای سرمایه به شکل فیزیکی و دستی صورت می‌گرفت. در روش‌های سنتی معاملات توسط واسطه‌ها حمایت می‌شدند؛ کسانی که معاملات را بین مشارکت‌کنندگان بازار تنظیم می‌کردند، اما با افزایش ظرفیت بازارهای مالی، ادامه کار به روش سنتی سخت شد. در چند سال گذشته بازارهای مالی دستخوش تحولات گسترده‌ای در زمینه فناوری‌های کامپیوتری شدند. سهم معاملات آنلاین به‌صورت نمایی رشد کرده و سرعت انجام معاملات در واحد زمان به‌طور غیر قابل باوری در حال افزایش است. فراخور این پیشرفت‌ها، معامله‌گران به ابزارها و روش‌های نوینی برای عکس‌العمل سریع به تغییرات لحظه‌ای بازارها نیاز داشتند. کلیه این ابزارها و روش‌ها نهایتاً به اجرای هرچه هوشمندتر معاملات و استفاده بیشتر از قدرت پردازش کامپیوترها در خریدوفروش منجر می‌شد؛ بنابراین نیاز به معاملات الگوریتمی به‌عنوان یک ضرورت احساس شد. هوش مصنوعی در خدمت این معاملات قرار گرفت و پس از آن این معاملات در سطح جهان قدم‌به‌قدم رواج یافت. امروزه دیگر استفاده از الگوریتم تریدینگ امری شناخته‌شده و مؤثر است، اما شاید برای افرادی که به‌تازگی وارد بازارهای سرمایه‌گذاری می‌شوند، این اصطلاح نامفهوم باشد.
معاملات الگوریتمی با استفاده از برنامه‌های کامپیوتری برای ورود به سفارش‌های معاملاتی بدون دخالت انسان تعریف شده‌اند. به بیان دیگر، این الگوریتم‌ها که بلک‌باکس یا «اَلگو تریدینگ» (Algorithmic Trading) هم نامیده می‌شوند، از زبان برنامه‌نویسی در کامپیوتر و مجموعه‌ای از دستورهای مشخص‌شده در کنار هم برای انجام معاملات استفاده می‌کنند. این الگوریتم‌ها که می‌توانند بیش از یکی باشند، بررسی‌های لازم برای انجام معاملات را از جنبه‌های گوناگونی مانند زمان‌بندی، قیمت و حجم روی سفارش‌ها و بازار انجام داده و تصمیم می‌گیرند. این امر کمک می‌کند تا بازار سرمایه به روشی اصولی‌تر و به دور از دخالت احساسات انسانی پیش رود که یکی از نتایج آن افزایش نقدینگی در بازار است. این دسته از الگوریتم‌ها صرفاً وظیفه دارند دستورات معاملاتی تحلیلگر را اجرا کنند؛ یعنی حتی نقطه آغاز و پایان و نماد مورد نظر نیز از سوی تحلیلگر انتخاب شده و الگوریتم تنها موظف است وجه معامله‌گر را به سهم تبدیل کند یا سهم را به وجه و معامله را صورت دهد.
معاملات الگوریتمی در بازارهای مالی زمانی آغاز شد که بورس نیویورک سیستم گردش سفارش‌های تعیین‌شده را در سال 1970 معرفی کرد؛ اما به‌طور رسمی معاملات الگوریتمی از ابتدای دهه 1990 آغاز شد. در ابتدا شرکت‌های بزرگی مانند سیتادل (CITADEL) و بلک‌راک (Black Rock) در ایالات متحده آمریکا مدیریت عمل در این زمینه را در دست گرفتند. در این مقطع تمام مراحل اجرای یک معامله توسط کامپیوترها انجام می‌شد. کمیسیون بورس و اوراق بهادار ایالات متحده یا SEC در دهه 90 استفاده از این ابزار در معاملات را تأیید کرد، همچنین این کمیسیون میزان هر معامله را از 0.0625 دلار به 0.01 دلار کاهش داد. این امر به معاملات الگوریتمی مزیت رقابتی بسیار بزرگی داد.
در سال 2001 محققان در کنفرانس مشترک بین‌المللی، مقاله‌ای در زمینه هوش مصنوعی منتشر کردند که نشان می‌داد استراتژی‌های الگوریتمی به‌طور مدام از معامله‌گران انسانی بهتر عمل می‌کنند. این امر موجب تشویق برای پذیرش هرچه بیشتر معاملات الگوریتمی در جهان شد. در سال 2005، سیستم بازار ملی تنظیم مقررات توسط SEC برای تقویت بازار سهام ایجاد شد. این امر نحوه معامله شرکت‌ها را با قوانینی مانند قانون تجارت از طریق تجارت تغییر داد که الزام می‌کرد سفارش‌های بازار باید به‌صورت الکترونیکی با بهترین قیمت موجود ارسال و اجرا شوند، بنابراین از سود بردن کارگزاران از تفاوت قیمت‌ها هنگام تطبیق سفارش‌های خریدوفروش جلوگیری می‌کرد. با باز شدن بیشتر بازارهای الکترونیکی، سایر استراتژی‌های معاملات الگوریتمی معرفی شدند. این استراتژی‌ها به‌راحتی توسط رایانه‌ها اجرا می‌شوند، زیرا می‌توانند به‌سرعت به تغییرات قیمت واکنش نشان دهند و چندین بازار را به‌طور همزمان مشاهده کنند. امروزه بیش از 80 درصد از تمام معاملات بازار و بیش از 92 درصد از تمام معاملات فارکس توسط الگوریتم‌ها انجام می‌شود.
معاملات الگوریتمی در ایران
به‌طور کلی، در بازار سرمایه ایران، ارائه راهکارهایی هوشمند و بهینه برای انجام معامله بهتر را معاملات الگوریتمی می‌نامیم. کاهش استرس و هیجان سرمایه‌گذار، افزایش دقت و سرعت معاملات، سود بیشتر و ضرر کمتر، امنیت بیشتر اطلاعات معاملات، کاهش هزینه‌های معاملاتی و در یک کلمه افزایش کیفیت سرمایه‌گذاری هدف اصلی استفاده از معاملات الگوریتمی است.
حامد حدادی، بنیان‌گذار کوانت‌کن در خصوص وضعیت معاملات الگوریتمی در ایران می‌گوید: «بازار سرمایه ایران به‌صورت فراگیر تقریباً از سال ۱۳۹۰ مجهز به سامانه معاملات برخط شد. با اضافه‌شدن تعداد فعالان بازار سرمایه فرصت‌های سرمایه‌گذاری کمتر و کمتر شد و در نتیجه، سرعت و دقت در اجرای معاملات به ابزاری برای برتری فعالان بازار بدل شد. چنانچه در سال ۱۳۹۳ شرکت سوشیانت اقدام به ایجاد سامانه معاملات الگوریتمی کرد که هرگز به‌صورت فراگیر در اختیار بازار قرار نگرفت. از سال ۱۳۹۵ استارتاپ‌های متعددی اقدام به ایجاد محصولات متنوعی در زمینه معاملات الگوریتمی کردند. برای مثال شرکت تحلیلگر امید که به ایجاد الگوریتم‌های بازارگردانی و پیاده‌سازی آن اقدام کرد یا کوانت‌کن که سامانه معاملات الگوریتمی با ۳۵ کارگزاری را فراهم کرد. ولی از دی‌ماه ۱۳۹۸ تقریباً تمام استارتاپ‌های حوزه بازار سرمایه که شناخته‌شده بودند، دچار مشکلات متعددی شدند و بسیاری از آنها کسب‌وکار خود را تعطیل یا به بازارهای دیگر منتقل کردند.»
به عقیده حدادی، با رویکردهای فعلی بازار سرمایه از نظر قانون‌گذاری هرگز شاهد رشد پایدار نوآوری و استارتاپی در بازار سرمایه نخواهیم بود، اما قطعاً معاملات الگوریتمی رشد خواهد کرد و استفاده از این ابزار برای بقای فعالان بازار سرمایه حیاتی است.
به گفته امید موسوی، بنیان‌گذار و مدیرعامل شرکت تحلیلگر امید، الگوریتم‌های بازارگردانی در جهت افزایش نقدشوندگی، کاهش فاصله خریدار و فروشنده و هزینه معاملات، کاهش نوسانات، افزایش حجم و تعداد معاملات و نهایتاً افزایش منافع سرمایه‌گذاران و معامله‌گران خرد استفاده می‌شوند. بازارگردانان، سهام‌داران عمده، ناشران و صندوق‌ها و کارگزاری‌ها در جهت افزایش نقدشوندگی سهم با هدف افزایش توجه صحیح بازار به سهم و کاهش هزینه سرمایه‌گذاران اقدام به استفاده از معاملات الگوریتم می‌کنند.
سیدامید موسوی، مدیرعامل شرکت دانش‌بنیان تحلیلگر امید نیز در خصوص معاملات الگوریتمی در بازار سرمایه ایران می‌گوید: «معاملات الگوریتمی در بازار سرمایه ایران تازه در ابتدای راه است. به‌طور کلی آنچه در بازار ایران مطرح می‌شود، این است که مشکلات ساختاری در ابتدای مسیر به‌عنوان اصلی‌ترین مانع شناخته می‌شود. مهم‌ترین موضوع این است که در بورس‌های پیشرفته، سنگینی کفه به سمت ابزار مشتقه است و در عین حال هزینه‌های معاملاتی در مقایسه با هزینه‌هایی که در ایران وجود دارد، بسیار پایین است.»
او معتقد است بهتر است آنچه فعلاً در ایران با عنوان معاملات الگوریتمی رخ می‌دهد را به‌عنوان معاملات خودکار بشناسیم که مهم‌ترین مزیتش این است که یک کار تکراری را حذف می‌کند. شغل معامله‌گر این است که یک خرید یا یک فروش را با بهترین قیمت انجام بدهد، اما به‌هرحال انسان است و ظرفیت و توانمندی و سرعت محدود دارد؛ اما ماشین هیچ‌کدام از این محدودیت‌ها را ندارد و می‌تواند یک کار تکراری را با حذف خطاهای انسانی و با بازخوردی سریع‌تر انجام بدهد و راحت‌تر از بازار بازخورد بگیرد و در نهایت کیفیت کار را بالاتر ببرد.
موسوی در ادامه می‌گوید: «بنابراین انسان‌هایی که تاکنون معامله انجام می‌دادند، از این به بعد تصمیم می‌گیرند که معامله انجام بشود یا نشود یا اینکه معامله در چه سطحی انجام شود. حال اگر در همین سطح که بازار در حال حرکت به سمت معاملات الگوریتمی است، کارمزد معاملات نیز کاهش یابد، به توسعه سریع‌تر بازار کمک می‌شود.»
این کارشناس ارشد بازار سرمایه در خصوص مشکلات پیش روی توسعه معاملات الگوریتمی می‌گوید: «به‌دلیل نقدشوندگی و عمق کم بازار سرمایه ایران نسبت به دنیا، یکی از مشکلاتی که همواره پیش‌روی سرمایه‌گذاران بوده، عدم توان اجرای مناسب درخواست‌های خود در بازار است. به‌عنوان مثال اگر سفارش شما برای اجرا بزرگ باشد، تأثیر بازار (Market Impact) به حدی زیاد می‌شود که جابه‌جایی قیمت (slippage) رخ می‌دهد و مجبورید در قیمت بالاتر خرید و در قیمت پایین‌تر بفروشید، این به ضرر شماست! الگوریتم‌های اجرای معاملات که پس از انتخاب سهام، خریدوفروش با دقت بالا، به دور از هیجان و با قیمت مناسب را انجام می‌دهند، سعی بر کاهش این هزینه برای کاربر دارند؛ مثلاً گذاشتن حد سود و ضرر، یا گذاشتن سفارش‌های شرطی یا خرد کردن سفارش با هدف کاهش تأثیر در بازار و خرید با قیمت پایین‌تر و فروش با قیمت بالاتر.»
او با اشاره به مشکلات توسعه معاملات الگوریتمی می‌گوید: «توسعه معاملات الگوریتمی، اصلاً کار ساده‌ای نیست. البته آدم‌ها خیلی خوب بلدند این کار را انجام بدهند که اطلاعات مهم را از اقیانوس اطلاعات پیش روی خود دربیاورند، اما پردازش این کار برای سیستم دشوار است. البته دانش یادگیری ماشین در کشور ما بسیار توسعه یافته است، با این حال در مورد برنامه‌نویسی استراتژی، پیچیدگی‌هایی وجود دارد و باید حواس‌مان باشد؛ ما با یک محیط ضداستراتژی مواجه هستیم که در آن استراتژی ثابت، جواب قطعی نمی‌دهد.»
حدادی بنیان‌گذار کوانت‌کن نیز در خصوص توسعه استارتاپ‌ها و معاملات الگوریتمی در بازار سرمایه می‌گوید: «من فکر نمی‌کنم با رویکردهای فعلی بازار سرمایه از نظر قانون‌گذاری هرگز شاهد رشد پایدار نوآوری و استارتاپی در بازار سرمایه باشیم، اما قطعاً معاملات الگوریتمی رشد خواهد کرد و استفاده از این ابزار برای بقای فعالان بازار سرمایه حیاتی است.»
گفتنی است در حال حاضر بیش از ۲۶۰ شرکت با مجوز بازارگردانی در بازار بورس مزدک وجود دارد و روی هر سهم حداقل دو بازارگردان فعال هستند و بیش از ۹۰ درصد این بازارگردانی‌ها الگوریتمی است. این در حالی است که در بازار سرمایه ایران، کمتر از یکصد نهاد بازارگردان داریم و به‌زحمت ۳۰ درصد از آنها مجهز به ابزارهای الگوریتمی (نه اتوماسیون) هستند.
طبق صحبت‌های نیما خانخانی‌زاده، کارشناس تحلیل شرکت ویستا سامانه آسا، استفاده از معاملات الگوریتمی بیش از 40 سال پیش در آمریکا شروع شد؛ زمانی که انجمن ملی معامله‌گران اوراق بهادار در آمریکا به استفاده از سیستم بازارگردانی کامپیوتری جهت مظنه‌گذاری خودکار پرداختند. او درباره وضعیت این روند در کشور می‌گوید: «در دهه اخیر، تحقیق و توسعه در راستای استفاده از بسترهای معاملات الگوریتمی با توجه به بازار ایران و تأثیراتی که در حوزه معاملاتی ایجاد خواهد کرد، انجام شد که می‌توان به سند معاملات الگوریتمی و پربسامد (بنیان، سازوکار و آموخته‌های جهانی) تهیه‌شده توسط مدیریت تحقیق و توسعه بورس اوراق بهادار تهران در سال 1396 اشاره کرد. در سال 1397 سازمان بورس و اوراق بهادار سند پیش‌نویس الزامات معاملات الگوریتمی را تهیه و منتشر کرد و در اواخر سال 1398 نیز دستورالعمل اجرایی در این حوزه تبیین شد و از آن به بعد چندین شرکت موفق به اخذ مجوز در این حوزه شدند که تمرکز آنها بیشتر برای معامله‌گران حرفه‌ای و شرکت‌های سبدگردانی است و به‌تازگی شاهد ورود الگوریتم‌ها برای استفاده مشتریان خرد هستیم که هنوز به شکل فراگیر اجرایی نشده و شاهد توسعه و دسترس‌پذیری بیشتر دسته ساده‌ای از این الگوریتم‌ها مثل خرد کردن و… هستیم. لازم به ذکر است که نوع خاصی از خرد کردن یا سفارش‌های شرطی پیش از این نیز توسط عمده کارگزاران کشور در سامانه‌های معاملاتی ارائه شده بود، البته صرفاً هدف آنها ایجاد سفارش اولیه بوده و وظیفه‌ای برای به انجام رساندن معامله نداشتند.»
با توجه به صحبت‌های خانخانی‌زاده، از نظر فناوری، سیستم‌های الگوریتمی با توجه به ماهیتی که دارند، بسیار پیچیده‌تر از سایر سیستم‌های حوزه بورس‌اند که عموماً سیستم‌های تراکنشی هستند. در این سیستم‌ها، مفاهیم همزمانی و پردازش درلحظه، در عملکرد الگوریتم بسیار مؤثر است.
سوشال‌تریدینگ
یکی دیگر از استراتژی‌های کاربردی و مفید در حوزه خریدوفروش و معامله‌گری در بازار سهام و ارزهای دیجیتال، سوشال‌تریدینگ (Social Trading) است. افراد بسیاری معتقدند که معامله در بازارهای مالی و به‌طور کلی فرایند خریدوفروش، بسیار دشوار و پیچیده است. با این وجود، برخی با پذیرفتن ریسک‌های احتمالی این حوزه، در این راه قدم نهاده و درآمدزایی و کسب سود خود را از این راه آغاز می‌کنند؛ اما این افراد در ابتدای راه با موانع مختلفی روبه‌رو و دچار سردرگمی می‌شوند. مواجهه با مشکلات نه‌تنها از سرعت پیشرفت افراد تازه‌کار می‌کاهد، بلکه ممکن است به‌طور کل آنها را از حرکت در این مسیر بازدارد؛ اما روش‌هایی وجود دارد که افراد تازه‌کار می‌توانند بدون صرف وقت و انرژی زیاد از افراد حرفه‌ای و مجرب بازار بیاموزند و روش‌ها و استراتژی آنها را مطالعه کنند. با استفاده از روش سوشال‌تریدینگ افراد تازه‌کار می‌توانند با توجه به اقدامات افراد حرفه‌ای و مجرب، اقدامات خود را پایه‌ریزی کنند.
سوشال‌تریدینگ شکلی از سرمایه‌گذاری است که به سرمایه‌گذاران اجازه می‌دهد تا رفتار معاملاتی همتایان و معامله‌گران متخصص خود را مشاهده کنند. هدف اصلی این است که استراتژی‌های سرمایه‌گذاری خود را با استفاده از معاملات کپی یا معاملات آینه دنبال کنند. سوشال‌تریدینگ به دانش کمی در مورد بازارهای مالی نیاز دارد و توسط مجمع جهانی اقتصاد به‌عنوان یک جایگزین کم‌هزینه و پیچیده برای مدیران ثروت سنتی توصیف شده است.
یکی از اولین پلتفرم‌های سوشال‌تریدینگ، eToro بود که در سال 2010 به وجود آمد و به‌دنبال آن در سال 2012 دومین پلتفرم به نام «ویکی‌فولیو» ایجاد شد. یکی دیگر از پلتفرم‌های بزرگ در حوزه سوشال‌تریدینگ که از سال 2017 در بورس اوراق بهادار فرانکفورت پذیرفته شده، NAGA است که ادعا می‌کند بیش از 27 میلیارد یورو در پلتفرم خود در نیمه دوم سال 2019 معامله داشته است. «یانیو آلتشولر»، دانشمند و محقق کامپیوتر MIT، شبکه‌های تجارت اجتماعی را به‌عنوان سیستم‌های انطباقی پیچیده توصیف کرد و در تحقیق خود در سال 2014 در این زمینه نوشت که سوشال‌تریدینگ فرصت‌های بسیار بهتری را برای سود در مقایسه با تجارت فردی فراهم می‌کند، اما سرمایه‌گذاران در زمانی که می‌توانند انتخاب‌های دیگران را ببیند، باید در انتخاب کارشناسان تصمیم درستی اتخاذ کنند تا بتوانند موفق‌تر از قبل عمل کنند.
سوشال‌تریدینگ ممکن است به‌طور بالقوه میزان ریسک سرمایه‌گذاران را نیز تغییر دهد. یک مطالعه تجربی که اخیراً انجام شده، استدلال می‌کند که صرف ارائه اطلاعات در مورد موفقیت دیگران ممکن است به افزایش قابل توجهی در ریسک‌پذیری منجر شود. این افزایش در ریسک‌پذیری ممکن است حتی بیشتر از این باشد که به آزمودنی‌ها این امکان داده شود که مستقیماً از دیگران کپی کنند. اتاق فکر «نوریل روبینی»، اقتصاددان معروف، در سال 2016 پیش‌بینی کرد که اشکال جدیدتر سرمایه‌گذاری، مانند سرمایه‌گذاری‌های اجتماعی مسئولیت‌پذیر و سوشال‌تریدینگ، بزرگ‌ترین رشد صنعت را در سال‌های آینده به همراه خواهند داشت.
سوشال‌تریدینگ در ایران
در ایران سوشال‌تریدینگ بیشتر در بستر کانال‌ها و گروه‌های تلگرامی و سایت‌های تحلیلی صورت می‌گیرد. به گفته کارشناسان پلتفرم‌های سوشال‌تریدینگ در ایران به‌صورت پیشرفته وجود ندارد، اما سایت‌هایی مانند سهام‌یاب و رهاورد هستند که کاربران می‌توانند نظرات، تحلیل‌ها و سیگنال‌های خود را در آن منتشر کنند.
فاطمه جعفری، هم‌بنیان‌گذار شرکت سهام‌یاب می‌گوید: «نقش اصلی بورس اوراق بهادار، جذب و هدایت نقدینگی‌های سرگردان و پراکنده در اقتصاد کشور به‌صورت بهینه است، به گونه‌ای که به تخصیص بهینه منابع کمیاب مالی منجر شود. پس از ورود سرمایه جدید، چالش بعدی هدایت صحیح سرمایه است. اگر سرمایه‌گذاران تازه‌کار، به‌دلیل کمبود دانش و تحت تأثیر شرایط هیجانی، انتخاب‌های صحیحی انجام ندهند، نه‌تنها باعث ضرر شخصی برای خود می‌شوند، بلکه با دور کردن قیمت‌ها از ارزش واقعی، باعث ایجاد مشکلاتی کوتاه‌مدت و حتی بلندمدت برای کل بازار می‌شوند.»
او درباره تأثیرات معامله‌گری در بستر شبکه‌های اجتماعی می‌گوید: «شاید بتوان معامله‌گری بر بستر شبکه‌های اجتماعی را به‌نوعی ظهور مفهوم اقتصاد تعاملی، در بازارهای سرمایه دانست که امروزه کاربردهای متنوعی پیدا کرده و در قالب ابزارهای نوین، نظیر معاملات قابل کپی‌کردن و اجرای اتومات از سبدهای سرمایه‌گذاران خبره حقیقی، حقوقی، الگوریتم‌ها و استراتژی‌های معاملاتی برتر رشد پیدا کرده است.»
جعفری ادامه می‌دهد: «این ابزارها که متدولوژی‌های نوین سرمایه‌گذاری هستند، هم‌اکنون بهترین راهکار توصیه‌شده جهانی برای تازه‌واردان هستند تا ضمن کسب سود از بازار، به افزایش دانش مالی و سرمایه‌گذاری خود بپردازند.» این کارشناس بازار سرمایه می‌گوید: «در ایران به‌دلیل مشکلات زیرساختی، قوانین و محدودیت بازارها؛ رشد معامله‌گری در بستر شبکه‌های اجتماعی به سرعت کشورهای دیگر نبوده است.»
احراز هویت غیرحضوری
امروزه با توسعه روزافزون فضای مجازی و استفاده مردم از سرویس‌های آنلاین و همچنین شیوع ویروس کرونا، گرایش عمومی به عدم مراجعه حضوری و انجام کارها از راه دور روزبه‌روز بیشتر می‌شود. این موضوع برای دریافت سرویس‌های مالی و بانکی، بورس (مانند احراز هویت سجام) و بیمه، ثبت‌احوال و اپراتورهای موبایل به‌وضوح دیده می‌شود؛ راهکارهایی که سازمان را قادر می‌سازد هویت مشتری را بدون نیاز به حضور فیزیکی و به‌صورت آنلاین (احراز هویت آنلاین) تأیید کند. سامانه‌های احراز هویت غیرحضوری از پدیده‌های جدید در عرصه فناوری هستند. در سامانه‌های احراز هویت غیرحضوری، سه فرایند به‌صورت گام‌به‌گام طی می‌شود. در مرحله نخست، از کاربر خواسته می‌شود مشخصات فردی‌اش را در سامانه ثبت کند. سپس اطلاعات واردشده با داده‌های یک نهاد مرجع، مثل ثبت‌احوال و…، تطبیق داده می‌شود. اگر اطلاعات با هم مطابقت داشته باشد، کاربر وارد مرحله دوم می‌شود.
گام دوم حصول اطمینان از زنده‌بودن فرد است. از این فرایند در اصطلاح فنی با عنوان Liveness Detection یاد می‌شود. در این مرحله هدف این است که سامانه اطمینان یابد فیلم‌ها و عکس‌هایی که از کاربر خواسته می‌شود، در همان لحظه گرفته می‌شود و از فیلم یا عکسی که قبلاً گرفته شده، استفاده نمی‌شود.
در مرحله آخر، فرایندی طراحی شده تا سامانه مطمئن شود فرد در حالتی کاملاً خودآگاه در حال انجام فرایند احراز هویت است؛ یعنی اینکه می‌داند در حال طی‌کردن چه فرایندی و برای دریافت چه خدماتی است. این فناوری را هم Awareness Detection یا همان سنجش هوشیاری می‌نامیم.
احراز هویت غیرحضوری در بورس ایران
با توسعه دولت الکترونیکی و ارائه خدمات برخط، برخی شرکت‌ها به حوزه احراز هویت آنلاین وارد شدند، اما معمولاً برخی مراحل این مسیر با اختلال روبه‌رو بود و به‌صورت آنلاین پیش نمی‌رفت یا اینکه این احراز هویت در دیگر بسترها و نهادهای مالی به رسمیت شناخته نمی‌شد؛ بنابراین نتوانستند گام‌های بلندی در این خصوص بردارند. در سال‌های اخیر احراز هویت کاربران صنعت مالی گام مهمی را برداشت؛ سامانه سجام امکان احراز هویت کاملاً آنلاین را فراهم کرد و این‌گونه فضای جدیدی برای این صنعت فراهم شد.
نیما شمساپور، مدیرعامل شرکت یوآیدی در این خصوص می‌گوید: «تنها الگوریتم‌هایی که می‌توانند احراز هویت را غیرحضوری کنند، الگوریتم‌های پردازش تصویر با استفاده از چهره است؛ زیرا سایر الگوریتم‌ها مانند الگوریتم‌های اثرانگشت، با یک کلید ثبت می‌کند و چهره‌ای از آن را نشان نمی‌دهد و همچنین حسگرهای لازم برای اینکه نشان بدهد این حسگرها زنده است، در موبایل وجود ندارد؛ اما در خصوص صورت، الگوریتم‌ها می‌توانند هم زنده‌بودن را تشخیص دهند و هم این الگوریتم‌ها می‌توانند چهره شخص را با عکس کارت ملی یا شناسنامه تطبیق دهند.»
شمساپور در خصوص تاریخچه احراز هویت غیرحضوری در خارج از ایران می‌گوید: «در دنیا احراز هویت غیرحضوری از زمانی آغاز شده که الگوریتم‌های زنده‌بودن تصویر بهبود یافته است. اولین شرکت‌ها در دنیا این فرایند را در سال‌های 2016 و 2017 انجام دادند.»
او در خصوص آغاز احراز هویت غیرحضوری در ایران نیز می‌گوید: «از اواخر سال 1397 این فرایند را در ایران آغاز کردیم و در سال 1398 در نمایشگاه بورس، بانک و بیمه آن را رونمایی کردیم. در آن زمان تفکر افراد بر این بود که احراز هویت غیرحضوری اقدامی غیرقانونی و نشدنی است؛ اما شرکت یوآیدی به‌عنوان طراح این پلتفرم روزبه‌روز الگوریتم‌های زنده‌بودن تصویر را بهبود بخشید و توانست در سال 1398 اولین قرارداد خود را برای احراز هویت غیرحضوری با سازمان بورس و اوراق بهادار اجرا کند.»
مدیرعامل یوآیدی با بیان اینکه افزایش کرونا تأثیر زیادی بر پذیرش احراز هویت غیرحضوری داشت، می‌گوید: «با هجوم افراد به بازار سرمایه و همچنین شیوع ویروس کرونا در کشور، مسئولان سازمان بورس و اوراق بهادار این قرارداد را عملیاتی کردند.» لازم به ذکر است که در حال حاضر احراز هویت غیرحضوری تنها مختص بورس نیست و دیگر نهادها نیز از این فرایند استفاده می‌کنند.
