دانشگاه علامه طباطبایی

  اخبار و اعلانات

 آمار

تعداد نشریات62
تعداد شماره‌ها2,323
تعداد مقالات19,157
تعداد مشاهده مقاله61,589,830
تعداد دریافت فایل اصل مقاله31,232,762
مجیبیان, فاطمه, دانشور, مریم, کفاش عبدی, احسان. (1404). ارزیابی ریسک‌های پذیرش فین‌تک در بانک‌ها با استفاده از چارچوب تصمیم‌گیری چندمعیاره در محیط نوتروسوفیک. سامانه مدیریت نشریات علمی, 23(79), 43-81. doi: 10.22054/jims.2025.88430.2990
فاطمه مجیبیان; مریم دانشور; احسان کفاش عبدی. "ارزیابی ریسک‌های پذیرش فین‌تک در بانک‌ها با استفاده از چارچوب تصمیم‌گیری چندمعیاره در محیط نوتروسوفیک". سامانه مدیریت نشریات علمی, 23, 79, 1404, 43-81. doi: 10.22054/jims.2025.88430.2990
مجیبیان, فاطمه, دانشور, مریم, کفاش عبدی, احسان. (1404). 'ارزیابی ریسک‌های پذیرش فین‌تک در بانک‌ها با استفاده از چارچوب تصمیم‌گیری چندمعیاره در محیط نوتروسوفیک', سامانه مدیریت نشریات علمی, 23(79), pp. 43-81. doi: 10.22054/jims.2025.88430.2990
مجیبیان, فاطمه, دانشور, مریم, کفاش عبدی, احسان. ارزیابی ریسک‌های پذیرش فین‌تک در بانک‌ها با استفاده از چارچوب تصمیم‌گیری چندمعیاره در محیط نوتروسوفیک. سامانه مدیریت نشریات علمی, 1404; 23(79): 43-81. doi: 10.22054/jims.2025.88430.2990

ارزیابی ریسک‌های پذیرش فین‌تک در بانک‌ها با استفاده از چارچوب تصمیم‌گیری چندمعیاره در محیط نوتروسوفیک

مطالعات مدیریت صنعتی
مقاله 2، دوره 23، شماره 79، دی 1404، صفحه 43-81    اصل مقاله (2.03 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22054/jims.2025.88430.2990
نویسندگان
فاطمه مجیبیان* 1؛ مریم دانشور1؛ احسان کفاش عبدی2
1استادیار گروه مدیریت، دانشکده مدیریت و علوم مالی، دانشگاه خاتم، تهران، ایران
2دکتری رشته مدیریت صنعتی، دانشکده مدیریت و علوم مالی، دانشگاه خاتم، تهران، ایران
چکیده
با گسترش فناوری‌های دیجیتال و تحولات سریع در حوزه خدمات مالی، فین‌تک به عنوان یکی از مهم‌ترین عوامل تحول در صنعت بانکداری شناخته شده است. بانک‌ها به عنوان یکی از ارکان اصلی نظام مالی، با ورود فین‌تک به بازار، شاهد تغییرات بنیادین در نحوه ارائه خدمات، رفتار مشتریان و الگوهای رقابتی هستند. با این حال، استقرار این فناوری‌ها همواره با مجموعه‌ای از ریسک‌ها همراه است که می‌تواند بر عملکرد، امنیت و اعتبار بانک‌ها تأثیر بگذارد. لذا، شناسایی دقیق و مدیریت به‌موقع ریسک‌های مرتبط با فین‌تک ضروری به نظر می‌رسد. این پژوهش با هدف ارزیابی ریسک‌های تأثیرگذار در استفاده از فین‌تک در بانک‌ها با رویکرد تصمیم‌گیری چندمعیاره در محیط نوتروسوفیک و با تمرکز بر مطالعه موردی بانک پاسارگاد انجام شده است. در این تحقیق، ابتدا با مرور ادبیات و پیشینه تحقیق، مولفه‌های اصلی ریسک شناسایی شدند. سپس با استفاده از روش دلفی نوتروسوفیک، ریسک‌های اصلی شامل ریسک امنیتی، اعتباری، عملیاتی، استراتژیک و رقابتی، قانونی و مقرراتی، شهرتی و نقدینگی شناسایی گردیدند. در ادامه، اهمیت نسبی این ریسک‌ها با استفاده از روشBWM نوتروسوفیک تعیین شد. نتایج نشان داد که ریسک امنیتی با بالاترین وزن، مهم‌ترین ریسک در استفاده از فین‌تک در بانک‌ پاسارگاد است. در نهایت، سناریوهای مختلف پیاده‌سازی فین‌تک با استفاده از روشMABAC نوتروسوفیک رتبه‌بندی شدند که سناریوی "مشارکت با سایر بانک‌ها و تشکیل اتحادیه فین‌تک" بالاترین امتیاز را کسب نموده است. یافته‌های این پژوهش می‌تواند به بانک‌ کمک کند تا ضمن شناخت دقیق‌تر ریسک‌های موجود، بهترین راهبردها را برای استقرار موفق فین‌تک در محیط بانکی خود انتخاب کنند.
کلیدواژه‌ها
پذیرش فین تک؛ ارزیابی ریسک؛ بانک ها؛ تصمیم‌گیری چندمعیاره نوتروسوفیک
مراجع
  1. احمدیان، اعظم؛ قلیچ، وهاب (1402)، اثر فین تک در ثبات مالی با توجه به‌اندازه، نوع مالکیت و درجه ثبات مالی بانک‌ها، فصلنامه پژوهش‌های پولی-بانکی، سال شانزدهم، شماره 56، 199-232.
  2. پاینده، رضا؛ منطقی، منوچهر؛ شهبازی، میثم (1400)، واکاوی و کشف الگوهای همکاری بانک‌های ایران با فین تک، مجله مدیریت نوآوری، 35، 165-19.
  3. حجازی، سیدرضا؛ سیدامیری، نادر؛ شکوهی بیدهندی، محمدسجاد (1402)، طراحی مدل فرایندی بقای پلتفرم‌های فین تک، نشریه بررسی‌های مدیریت رسانه، سال دوم، شماره 1، 3 -31.
  4. رحیمی، رحمان؛ صراف، فاطمه؛ جعفری، محبوبه؛ صفری، بیژن (1402)، بررسی پیاده‌سازی فناوری‌های فین تک و ریسک‌های سیستمی در شبکه بانکی، پژوهشنامه اقتصاد و کسب‌وکار، دوره 14، شماره 28، 45-74.
  5. Abdel-Basset, M., Saleh, M., Gamal, A., Smarandache, F., (2019). An approach of TOPSIS technique for developing supplier selection with group decision making under type-2 neutrosophic number. Appl. Soft Comput. 77, 438–452. doi:1016/j.asoc.2019.01.035
  6. Alaassar, A., Mention, AL. & Aas, T.H. (2023) Facilitating innovation in FinTech: a review and research agenda. Rev Manag Sci,17, 33–66. https://doi.org/10.1007/s11846-022-00531-x.
  7. Al-Mawali, H., Obeidat, Z.M., Alshurafat, H., Al-Shbail, M.O., (2023), Identifying and ranking the critical success factors of fintech adoption: a fuzzy DEMATEL approach, Competitiveness Review, 35(2), 286-318, https://doi-org.access.semantak.com/10.1108/CR-04-2023-0090
  8. AlMomani, A.A., Alomari, K.F. (2021), Financial Technology (FinTech) and its Role in Supporting the Financial and Banking Services Sector, International Journal of Academic Research in Business and Social Sciences, Vol. 11, No. 8, 2021, pp. 1793-1802. doi:10.6007/IJARBSS/v11-i8/10625.
  9. Al-Shari, H.A., Lokhande, M.A. (2023), The relationship between the risks of adopting FinTech in banks and their impact on the performance, Cogent Business & Management, 10: 2174242. doi: 1080/23311975.2023.2174242.
  10. Arkanuddin, M.F., Saragih, F.D., Nugroho, B.Y. (2021), The Key Role of the Financial Regulation in FinTech Ecosystem: A Model Validation, 39(12), doi: 25115/eea.v39i12.6239.
  11. Asif, M., Lodhi, R.N., Sarwar, F., Ashfaq, M. (2023), Dark side whitewashes the benefits of FinTech innovations: a bibliometric overview, International Journal of Bank Marketing, 42(1), 113-132. doi: 1108/IJBM-10-2022-0438.
  12. Barroso, M. & Labordo, J., (2022). Digital transformation and the emergence of the Fintech sector: systematic literature review. Digital Business, 2(2), 100028. doi:10.1016/j.digbus.2022.100028.
  13. Bartolacci,. F, Cardoni,. A, Asak,. P.A. Sadkowski,. W. (2022), An analytical framework for strategic alliance formation between a cooperative bank and a fintech start-up: An Italian case study, Journal of Entrepreneurship, Management and Innovation, vol. 18, issue 4, 115-156. doi: 7341/20221844.
  14. Bhatnagar, M., Özen, E., Taneja, S., Grima, S., & Rupeika-Apoga, R. (2022). The Dynamic Connectedness between Risk and Return in the Fintech Market of India: Evidence Using the GARCH-M Approach. Risks, 10(11), 209. doi: 3390/risks10110209.
  15. Campanella F, Serino L, & Crisci A. (2022). “Governing fintech for sustainable development: evidence from Itlian banking system”. Qualitative Research in Financial Markets. in Press. doi:1108/QRFM-01-2022-0009.
  16. Cheng, A. (2023), Evaluating Fintech industry's risks: A preliminary analysis based on CRISP-DM framework, Finance Research Letters, 55, 103966. Doi: 1016/j.frl.2023.103966.
  17. Deng, L., Lv, Y., Liu, Y., & Zhao, Y. (2021). Impact of Fintech on Bank Risk-Taking: Evidence from China. Risks, 9(5), 99. https://doi.org/10.3390/risks9050099.
  18. Deveci, M., Erdogan, N., Cali, U., Stekli, J., Zhong, S. (2021 Type-2 neutrosophic number based multi-attributive border approximation area comparison (MABAC) approach for offshore wind farm site selection in USA, Engineering Applications of Artificial Intelligence, 103: 104311. Doi: 1016/j.engappai.2021.104311.
  19. Dezem, V., Sachan, S., Macedo, M. et al. (2024) Optimal data-driven strategy for in-house and outsourced technological innovations by open banking APIs. Futur Bus J 10, 116. https://doi.org/10.1186/s43093-024-00397-3.
  20. Dragan, I., Fortiș, TF., Neagul, M., Petcu, D., Selea, T., Spataru, A. (2018). Application Blueprints and Service Description. In: Lynn, T., Morrison, J., Kenny, D. (eds) Heterogeneity, High Performance Computing, Self-Organization and the Cloud. Palgrave Studies in Digital Business & Enabling Technologies. Palgrave Macmillan, Cham. doi:1007/978-3-319-76038-4_4.
  21. Duran, R., Griffin, P. (2019), Smart contracts: will Fintech be the catalyst for the next global financial crisis? Journal of Financial Regulation and Compliance, 29(1):104-122. doi:1108/JFRC-09-2018-0122.
  22. Ediagbonya, V. & Tioluwani, C., 2022. The role of fintech in driving financial inclusion in developing and emerging markets: issues, challenges and prospects. Technological Sustainability. 2(1), 100-119. doi: 1108/TECHS-10-2021-0017.
  23. Falcón, V. V., Martínez, B. S., & Sánchez, F. C. (2020). Experts’ Selection for Neutrosophic Delphi Method. A Case Study of Hotel Activity. Neutrosophic Sets and Systems, 37(1), 115-124. Doi: 5281/zenodo.4122045.
  24. Fang, Y., & Wen, G. (2024). Stability Analysis of Innovation Collaboration between Commercial Banks and Fintech Companies. Mathematics, 12(17), 2724. https://doi.org/10.3390/math12172724.
  25. Guo, S., & Zhao, H. (2017). Fuzzy best-worst multi-criteria decision-making method and its applications. Knowledge-Based Systems, 121, 23-31. doi: 1016/j.knosys.2017.01.010.
  26. Hornuf, L., Klus, M.F., Lohwasser, T.S. et al. How do banks interact with fintech startups?. Small Bus Econ 57, 1505–1526 (2021). https://doi.org/10.1007/s11187-020-00359-3.
  27. Hughes, J. P., Jagtiani, J., & Moon, C. G. (2022). Consumer lending efficiency: Commercial banks versus a fintech lender. Financial Innovation, 8(1), 1-39. doi:1186/s40854-021-00326-1.
  28. Idayani, R.W., Nadlifatin, R., Subriadi, A.P., Gumasing, M.J., 2024. A comprehensive review on how cyber risk will affect the use of Fintech. Procedia Computer Science, 234, 1356–1363. doi: 1016/j.procs.2024.03.134.
  29. Javaheri, D., Fahmideh, M., Chizari, H., Lalbakhsh, P., Hur, J. (2024), Cybersecurity threats in FinTech: A systematic review, Expert Systems with Application, 241(1), 122697. Doi: 1016/j.eswa.2023.122697.
  30. Kou, G., et al. (2021). Fintech investments in European banks: a hybrid IT2 fuzzy multidimensional decision-making approach. Financial Innovation, 7(1), 39. doi:1186/s40854-021-00256-y
  31. Kwon, K. Y., Molyneux, P., Pancotto, L., & Reghezza, A. (2023). Banks and FinTech Acquisitions. Journal of Financial Services Research. 65, 41–75. doi:10.1007/s10693-022-00396-x
  32. Leong, K., Sung, A. (2018), FinTech (Financial Technology): What is It and How to Use Technologies to Create Business Value in Fintech Way?, International Journal of Innovation Management and Technology, doi:18178/ijimt.2018.9.2.791.
  33. Ng, E., Pan, S., 2022. Competitive strategies for ensuring Fintech platform performance: Evidence from multiple case studies. Information Systems Journal. 34(3): 616-641. Doi: 1111/isj.12406.
  34. Pamučar, D., Ćirović, G. (2015) The selection of transport and handling resources in logistics centers using Multi-Attributive Border Approximation area Comparison (MABAC), Expert Systems with Applications, 42(6), 3016-3028. doi: 1016/j.eswa.2014.11.057.
  35. Pi, T.; Hu, H.; Lu, J.; Chen, X. (2022), The Analysis of Fintech Risks in China: Based on Fuzzy Models. Mathematics, 10, 1395. doi: 3390/math10091395.
  36. Rezaei, J (2016), Best-worst multi-criteria decision-making method: Some properties and a linear model, Omega, 64, 126-130. Doi: 10.1016/j.omega.2015.12.001.
  37. Riemer, K., Hafermalz, E., Roosen, A., Boussand, N., El Aoufi, H., Mo, D. & Kosheliev,A., (2017). The Fintech Advantage: Harnessing digital technology, keeping the customer in focus. University of Sydney, Business School and Capgemini. Sydney, Australia. http://hdl.handle.net/2123/16259
  38. Schuffel, P. (2016). Taming the Best: A scientific definition of Fintech, Journal of Innovation Management, 4(4), 32-54. doi: 2139/ssrn.3097312.
  39. Sigcha, K. V. A., Basantes, E. M. L., Martinez, L. Y. C., & Cagin, T. (2024). Neutrosophic Delphi for evaluating sustainability models of native and non-native digital media. International Journal of Neutrosophic Science (IJNS), 24(4), 59–70. . doi: 10.54216/IJNS.240404
  40. Suryono, R. R., Budi, I. & Purwandari, B., (2020). Challenges and trends of financial technology (Fintech): a systematic literature review. Information, 11(12), 590. doi: 3390/info11120590.
  41. Tanaji, B.A., Roychowhury, S. (2024), BWM Integrated VIKOR method using Neutrosophic fuzzy sets for cybersecurity risk assessment of connected and autonomous vehicles, Applied Soft Computing, 159, 111628. doi:10.1016/j.asoc.2024.111628.
  42. Thakor, A.V. (2020). “Fintech and banking: What do we know?”. Journal of Financial Intermediation. 41(3): 100833. doi: 1016/j.jfi.2019.100833.
  43. Vafadarnikjoo, A., Mishra, N., Govindan, K., & Chalvatzis, K. (2018). Assessment of consumers' motivations to purchase a remanufactured product by applying Fuzzy Delphi method and single valued neutrosophic sets. Journal of cleaner production, 196, 230-244. Doi: 1016/j.jclepro.2018.06.037.
  44. Wibowo, S., Grandhi, L., Grandhi, S., & Wells, M. (2022). A Fuzzy Multicriteria Group Decision Making Approach for Evaluating and Selecting Fintech Projects. Mathematics, 10(2), 225. Doi:3390/math10020225
  45. Xue, Y.X., You, J.X., Lai, X.D., Liu,H.C. (2016), An interval-valued intuitionistic fuzzy MABAC approach for material selection with incomplete weight information, Applied Soft Computing, 38, 703-713, doi:1016/j.asoc.2015.10.010.
  46. Zalan, T. – Toufaily, E. (2017): The Promise of Fintech in Emerging Markets: Not as Disruptive. Contemporary Economics, 11(4): 415–430. doi:5709/ce.1897-9254.253
  47. Zhao, H., Khaliq, N. (2024), In quest of perceived risk determinants affecting intention to use fintech: Moderating effects of situational factors, Technological Forecasting & Social Change, 207, 123599. Doi: 1016/j.techfore.2024.123599
  48. Zhao, K. (2021), Comparative Bank Financial Risk Management Models in Fintechs and Challenger Banks, A thesis submitted in partial fulfilment of the requirements of Sheffield Hallam University for the degree of Doctor of Philosophy, England. https://shura.shu.ac.uk/28916/
آمار
تعداد مشاهده مقاله: 464
تعداد دریافت فایل اصل مقاله: 330


سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب
login