Методологические подходы к ценообразованию и количественной оценке рисков цифровых финансовых активов в России

Галяев Павел Александрович Аспирант; Кафедра финансовых рынков и финансовых институтов; Казанский (Приволжский) Федеральный Университет 420008, Россия, респ. Татарстан, г. Казань, Вахитовский р-н, ул. Кремлевская, д. 18 к. 1 Galyaev Pavel Aleksandrovich Postgraduate Student; Department of Financial Markets and Financial Institutions; Kazan (Volga Region) Federal University 420008, Russia, Rep. Tatarstan, Kazan, Vakhitovsky district, Kremlevskaya str., 18, room 1 galyaev1990@gmail.com Другие публикации этого автора

Введение

К началу 2026 года российский рынок цифровых финансовых активов (ЦФА) претерпел фундаментальную трансформацию, перейдя из фазы экспериментальных пилотов в стадию зрелого сегмента долгового рынка. Согласно данным агрегаторов финансовой информации, совокупный объем выпусков ЦФА по итогам 2025 года преодолел знаковую отметку в 1 трлн рублей ^[1]. Этот рубеж знаменует окончание этапа «экзотики»: цифровые права стали системно значимым инструментом привлечения ликвидности не только для финтех-компаний, но и для крупнейших корпоративных заемщиков из реального сектора экономики и государственных корпораций.

В условиях сохранения жесткой денежно-кредитной политики Банка России в 2024–2025 гг., ЦФА де-факто заняли нишу краткосрочных инструментов денежного рынка, предлагая инвесторам доходность, превышающую ставки по классическим депозитам и биржевым облигациям. Однако масштабирование рынка и выход на него институциональных инвесторов (страховых компаний, негосударственных пенсионных фондов) актуализировали проблему справедливой оценки стоимости данных активов, что отражено в исследованиях Л. П. Харченко и О. Н. Кораблевой ^[2].

Ключевой научно-практической проблемой на текущем этапе является отсутствие общепринятых методологических подходов к ценообразованию цифровых прав. В существующей практике, описанной в работах Д. А. Кочергина ^[3], T. Koller, M. Goedhart и D. Wessels ^[4], ЦФА часто рассматриваются как полный аналог традиционных облигаций, а их оценка производится методом дисконтированных денежных потоков (DCF) с использованием кривой бескупонной доходности (G-curve) или спредов корпоративных бондов ^[5].

Однако такой подход представляется упрощенным и не учитывает институциональную специфику цифровых прав. В отличие от биржевых облигаций, обращающихся в едином ликвидном контуре (Московская Биржа), рынок ЦФА остается фрагментированным: активы, выпущенные в одной информационной системе, зачастую не имеют ликвидности в другой. Это формирует специфическую «премию за неликвидность», которую инвестор требует за риск невозможность быстрой реализации актива («риск платформенной замкнутости») ^[6]. Кроме того, технологическая архитектура рынка, базирующаяся на распределенном реестре ^[7], вводит в модель ценообразования новый параметр – «технологический дисконт», отражающий операционные риски конкретного оператора информационной системы (ОИС) ^[8].

Таким образом, механический перенос моделей оценки с рынка ценных бумаг на рынок ЦФА приводит к искажению их справедливой стоимости и недооценке рисков, что препятствует формированию эффективного вторичного рынка ^[9].

В таблице 1 отражается, что у облигаций факторы – это ключевая ставка и кредитный риск, а у ЦФА добавляются риск платформы и фрагментация ликвидности.

Таблица 1 – Сравнительная характеристика факторов ценообразования корпоративных облигаций и ЦФА

Источник: составлено автором.

Как следует из Таблицы 1, природа ценообразования ЦФА имеет дуалистический характер. С одной стороны, фундаментальная стоимость цифрового долга, как и в случае с облигациями, базируется на безрисковой ставке и кредитном качестве заемщика. Однако, в отличие от классического фондового рынка, инвесторы в ЦФА требуют компенсации за специфические риски, присущие децентрализованной инфраструктуре.

Эмпирические данные 2025–2026 гг. показывают, что «премия за неликвидность» и «риск платформы» формируют положительный спред доходности ЦФА по отношению к облигациям того же эмитента. Это позволяет формализовать модель справедливой доходности ЦФА (Y_DFA) следующим образом:

где:

- R_f – безрисковая ставка;

- RP_cr– премия за кредитный риск (аналогично облигациям);

- RP_lig – премия за фрагментацию ликвидности (специфична для ЦФА);

- RP_tech – премия за технологический/инфраструктурный риск ОИС.

Именно наличие компонентов RP_ligи RP_tech объясняет, почему эмитенты вынуждены предлагать более высокие ставки по ЦФА, несмотря на снижение транзакционных издержек при выпуске.

Рабочая гипотеза исследования заключается в том, что цифровые финансовые активы имеют отличную от классических долговых инструментов структуру ценообразования. Справедливая доходность ЦФА должна включать, помимо безрисковой ставки и премии за кредитный риск эмитента, специфическую надбавку (премию) за инфраструктурный риск оператора информационной системы и ограниченную ликвидность вторичного обращения.

Целью данной работы является выявление специфических факторов, влияющих на формирование рыночной стоимости ЦФА в условиях российской финансовой инфраструктуры 2026 года, а также разработка классификации рисков инвестирования в цифровые права для квалифицированных и неквалифицированных инвесторов.

Научная новизна исследования заключается в обосновании многокомпонентной структуры требуемой доходности ЦФА, включающей специфические премии за фрагментацию ликвидности и технологический риск платформы. Автором разработана оригинальная матрица рисков инвестирования в цифровые права, позволяющая декомпозировать неопределенность на систематические и специфические (инфраструктурные) факторы. Впервые на основе эмпирического анализа данных 2024–2025 гг. выявлен и количественно оценен устойчивый положительный спред доходности ЦФА по отношению к классическим облигациям сопоставимой дюрации (+0,8–1,5 п.п.), обусловленный эффектом «платформенной замкнутости».

Теоретико-методологическую основу работы составили фундаментальные положения современной теории финансового рынка, концепции оценки стоимости активов и методы риск-менеджмента. В качестве основного исследовательского инструментария применялись методы сравнительного институционального анализа, модифицированная модель дисконтированных денежных потоков (DCF), а также эмпирический метод анализ спредов доходности на основе данных российских операторов информационных систем и агрегатора Cbonds.

Теоретические основы ценообразования ЦФА

Проблематика ценообразования токенизированных активов широко освещена в современной зарубежной литературе. Фундаментальные работы L. W. Cong и Z. He ^[10] описывают механизмы формирования равновесной цены токенов в децентрализованных экосистемах, а исследования R. Moro-Visconti ^[11] фокусируются на математическом моделировании «премии за неликвидность» в пулах ликвидности (DeFi Liquidity Pools).

Однако важно отметить существенное институциональное различие между объектами исследования. В зарубежных трудах (K. Qin, L. Zhou, L. Lazzaretti ^[12] и другие) основной акцент делается на рисках смарт-контрактов в публичных блокчейнах (например, Ethereum), где отсутствует центральный администратор, а риски носят преимущественно алгоритмический характер.

Научная новизна данного исследования заключается в адаптации подходов к оценке рисков для приватных блокчейнов, на которых построена российская модель Операторов информационных систем. В отечественном контуре ключевым фактором ценообразования становится не риск кода или волатильность сетевых комиссий, а риск конкретного оператора и регуляторная фрагментация ликвидности, что требует пересмотра классических моделей, предложенных зарубежными коллегами

С экономической точки зрения, подавляющее большинство цифровых финансовых активов, выпущенных на российском рынке в период 2022–2025 гг., по своей сути являются долговыми обязательствами (денежными требованиями). Это позволяет говорить об институциональном изоморфизме между ЦФА и классическими корпоративными облигациями, как отмечено в исследовании В. С. Станкевича и А. В. Власова ^[13].

Базовым подходом к оценке стоимости таких активов традиционно выступает метод дисконтированных денежных потоков. Справедливая стоимость ЦФА (P_DFA) в рамках данной парадигмы определяется как приведенная стоимость будущих выплат:

где:

- CF_t – денежный поток в период t (купонные выплаты и погашение номинала);

- r – ставка дисконтирования (требуемая доходность);

- n – срок до погашения.

Однако, несмотря на универсальность, применение модели DCF в чистом виде к рынку ЦФА сопряжено с рядом методологических ограничений. Как отмечают исследователи Д. Микаэль-Исмаил и О. Б. Дигилина ^[14], ключевая проблема заключается в определении корректной ставки дисконтирования r.

Для рынка облигаций эта ставка формируется на основе кривой бескупонной доходности (G-curve) Московской Биржи, обладающей высокой ликвидностью и информационной эффективностью. Рынок ЦФА, напротив, характеризуется сегментацией: доходность по активам одного и того же кредитного качества может существенно различаться на платформах разных операторов информационных систем (ОИС) из-за отсутствия арбитража.

Следовательно, базовая модель DCF ^[15] требует модификации путем введения премии за специфические риски цифровой среды, которые не учитываются в моделях оценки традиционных ценных бумаг.

Основываясь на исторических данных торгов и анализе практики ценообразования на российских платформах (Атомайз, Сбер, Альфа-Банк, Лайтхаус), представляется возможным эмпирически выделить четыре фундаментальных фактора, определяющих рыночную цену ЦФА (Т. В. Ефимцева ^{[16, с. 61]}).

Во-первых, кредитное качество эмитента.

Данный фактор является доминирующим для ЦФА на денежное требование. По аналогии с облигациями, спрэд доходности ЦФА к безрисковой ставке (ключевая ставка Центральный банк Российской Федерации или RUONIA) коррелирует с кредитным рейтингом эмитента.

В 2024–2025 гг. на рынке сформировалась практика присвоения кредитных рейтингов выпускам ЦФА ведущими агентствами (АКРА, Эксперт РА), что снизило асимметрию информации. Однако для эмитентов сегмента МСП, не имеющих публичной кредитной истории, премия за кредитный риск в котировках ЦФА закладывается выше, чем на рынке ВДО (высокодоходных облигаций), что объясняется новизной инструмента для консервативных инвесторов ^[17].

Во-вторых, срочность инструмента.

Спецификой российского рынка ЦФА является преобладание краткосрочных инструментов. Согласно данным исследований А. И. Гончарова и М. В. Гончаровой, средняя дюрация выпусков составила менее 1 года (3–9 месяцев) ^[18].

Это оказывает прямое влияние на ценообразование:

1. Цена коротких ЦФА менее волатильна при изменении ключевой ставки, чем цена длинных ОФЗ.

2. Стоимость фондирования через ЦФА жестко привязана к текущей стоимости денег, а не к долгосрочным инфляционным ожиданиям.

В-третьих, ликвидность ^[19].

Фактор ликвидности является наиболее критичным отличием ЦФА от облигаций. На классической бирже ликвидность консолидирована, что обеспечивает минимальный спред между ценой покупки и продажи. На рынке ЦФА ликвидность фрагментирована по изолированным информационным системам («колодцам ликвидности») ^[20].

На вторичном рынке ЦФА (там, где он реализован технически) спред спроса и предложения может достигать 0,5–1,5 %, что является заградительным барьером для спекулятивных стратегий. В модель оценки это должно закладываться как «премия за неликвидность» (RP_lig), которая вычитается из справедливой цены актива ^[21].

Рисунок 1 – Зависимость спреда доходности ЦФА от объема выпуска и ликвидности платформы (модель)

Источник: составлено автором на основе данных Cbonds, Эксперт РА и Банка России ^[22].

Как видно из графика, кривая доходности для платформ с реализованным механизмом вторичного обращения (таких как «Сбер-ЦФА» или «А-Токен», где подключено более 1 млн розничных инвесторов) располагается существенно ниже кривой нишевых операторов, что наглядно демонстрирует наличие «премии за инфраструктурную неликвидность»

При одинаковом кредитном качестве эмитента (условный рейтинг ruAA), инвесторы на платформах без вторичного рынка требуют дополнительную премию в размере 125–160 базисных пунктов. Это плата за риск «застревания» в активе (lock-in risk) до момента погашения.

С ростом объема выпуска (справа по оси абсцисс) спред снижается для обеих категорий платформ, однако разрыв (гэп) сохраняется. Даже крупные выпуски на неликвидных платформах стоят для эмитента дороже, чем аналогичные займы в экосистемах с развитым вторичным рынком.

Это подтверждает гипотезу о том, что технологическая архитектура ОИС является фактором ценообразования: эмитент может снизить стоимость заимствования на 1,2–1,6 % годовых, просто выбрав платформу с более активным вторичным торгами.

В-четвертых, базовый актив (для гибридных и структурных ЦФА).

Особую категорию составляют цифровые активы, стоимость которых привязана к реальным активам или индексам ^[23]. В данном случае ценообразование строится не по долговой модели, а по модели оценки структурных продуктов или опционов.

Справедливая цена гибридного ЦФА (P_Hybrid) может быть описана формулой:

где:

- P_Base – текущая рыночная цена базового актива (например, 1 грамма золота или 1 кв.м. недвижимости);

- k – коэффициент участия (или объем прав);

- Opt_val – стоимость встроенного опциона (например, право инвестора выбрать форму погашения: деньгами или металлом).

Примером могут служить «цифровые квадратные метры» (ГК «Самолет», «Джи-групп»), где цена ЦФА коррелирует с индексом стоимости жилья, но дисконтируется на риски завершения строительства (девелоперский риск), что отличает их от прямых инвестиций в недвижимость ^[24].

Таким образом, теоретическая модель ценообразования ЦФА является многофакторной и требует учета специфических инфраструктурных рисков, нехарактерных для классического фондового рынка.

Эмпирический анализ доходности

Период 2024–2025 гг. стал стресс-тестом для российского долгового рынка, характеризовавшимся беспрецедентно жесткой денежно-кредитной политикой Банка России. Динамика ключевой ставки, представленная на Рисунке 2, определила структурную трансформацию рынка заимствований (данные получены с официального сайта Банка России раздел «Ключевая ставка Банка России»).

Рисунок 2 – Динамика ключевой ставки Банка России (2024–2025)

Источник: составлено автором на основе данных Банка России.

Для верификации гипотезы о наличии специфической премии за риск в стоимости цифровых активов был проведен сравнительный анализ доходности к погашению (YTM) инструментов одного и того же эмитента.

В выборку были включены эмитенты первого эшелона («Голубые фишки»), имеющие в обращении одновременно и классические биржевые облигации, и цифровые финансовые активы. Сравнение проводилось на дату 15 декабря 2025 года (период начала цикла смягчения ДКП, ключевая ставка 16,5 %).

Результаты парного сравнения представлены в Таблице 2.

Таблица 2 – Спред доходности между корпоративными облигациями и ЦФА на 15.12.2025 (ключевая ставка 16,5 %)

Источник: составлено автором на основе данных Банка России, исследований М. В. Юргеласа и О. А. Авдеевича ^[25], проведённом анализе АО Инвестиционная компания «Риком-Траст» ^[26], а также обсуждениям изложенных в монографии под редакцией И. М. Степнова и Ю. А. Ковальчук ^[27].

Анализ данных Таблицы 2 позволяет сделать следующие выводы, характеризующие состояние рынка на конец 2025 года:

1. Наличие устойчивой премии. Во всех рассмотренных парах доходность цифровых финансовых активов превышает доходность классических облигаций того же эмитента при сопоставимой дюрации. Диапазон спреда варьируется от 0,8 до 1,5 процентных пункта. Это подтверждает гипотезу о том, что рынок оценивает ЦФА как более рисковый инструмент по сравнению с биржевыми бондами.

2. Структура премии. Минимальный спред (+0,8 п.п.) наблюдается у банковских эмитентов (ВТБ), выпускающих ЦФА на собственных или партнерских платформах с высокой интеграцией клиентской базы. Максимальный спред (+1,3...1,5 п.п.) характерен для корпоративных заемщиков (МТС, Самолет).

Данная разница объясняется фактором ликвидности: биржевую облигацию МТС инвестор может реализовать в любой момент в режиме T+1 с минимальными потерями. Продажа ЦФА МТС на вторичном рынке платформы «Атомайз» может потребовать времени или существенного дисконта к цене. Именно эту потерю ликвидности инвестор закладывает в требуемую доходность ^{[28, с. 26]}.

3. Арбитраж на кривой ставок. Исходя из эмпирически подтвержденной гипотезы о наличии инфраструктурной премии, для эмитентов наличие спреда в 1,5 % означает, что ЦФА являются более дорогим источником фондирования. Однако популярность инструмента в 2024–2025 гг. объясняется скоростью эмиссии. В периоды резкого повышения ставки (сентябрь–октябрь 2024, июнь 2025) организация выпуска облигаций занимала 1–2 месяца, за которые рыночная конъюнктура могла ухудшиться. Выпуск ЦФА осуществлялся за 3–5 дней, что позволяло зафиксировать условия «здесь и сейчас», компенсируя повышенную ставку скоростью получения ликвидности.

Таким образом, к 2026 году на российском рынке капитала сложилась двухуровневая система ставок: «премиальный» биржевой уровень (низкие ставки, высокая ликвидность) и «альтернативный» цифровой уровень (повышенные ставки, ограниченная ликвидность), выполняющий функцию буфера в периоды макроэкономической нестабильности.

Выявленная в рамках эмпирического анализа премия к доходности ЦФА (0,8–1,5 п.п.) не может быть исчерпывающе объяснена классическими рыночными факторами. Это требует системного перехода от констатации ценовых отклонений к глубокому анализу специфической архитектуры рисков цифровых финансовых активов. Представленная далее авторская классификация призвана декомпозировать эту премию, связав стоимость капитала с технологическими и инфраструктурными ограничениями рынка

Классификация рисков инвестирования в ЦФА

Как показывает математическое моделирование структуры потерь инвесторов, традиционные модели риск-менеджмента (VAR, Stress Testing), применяемые на фондовом рынке, демонстрируют ограниченную применимость к сегменту цифровых финансовых активов ^[29]. Это обусловлено тем, что архитектура ЦФА вводит в инвестиционное уравнение принципиально новые переменные, связанные с технологией распределенного реестра и спецификой операторов информационных систем.

В рамках данного исследования нами предлагается авторская матрица рисков инвестирования в ЦФА (Таблица 3), основанная на разделении факторов уязвимости на две группы: систематические (общерыночные) и специфические (инфраструктурно-технологические) ^[30].

Таблица 3 – Матрица рисков инвестирования в цифровые финансовые активы

Источник: разработано автором.

Предложенная в Таблице 3 качественная матрица требует количественной интерпретации для практического применения в моделях ценообразования. Для расчета специфической надбавки к доходности ЦФА нами предлагается использовать интегральную скоринговую модель риска (R_total).

Данный показатель агрегирует влияние специфических факторов цифровой среды и рассчитывается по формуле:

где:

- P_i (Probability) – вероятность реализации i-го специфического риска (оценивается по шкале от 0 до 1 на основе исторических данных отказов систем или статистики ликвидности за 2024–2025);

- I_i (Impact) – степень влияния события на капитал инвестора (нормированная шкала от 1 до 10, где 10 – полная потеря ликвидности/актива);

- W_i (Weight) – вес фактора риска в общей структуре (определяется экспертным путем; для 2026 г. доминирующий вес имеет риск фрагментации ликвидности – 0,5).

Полученное значение R_total конвертируется в базисные пункты (б.п.) премии к ставке дисконтирования RP_spec через коэффициент чувствительности рынка (β_mkt), который эмпирически определен нами на уровне 20–25 б.п. за единицу риска:

Пример расчета.

Для демонстрации работы модели проведем сравнительный анализ двух гипотетических выпусков ЦФА одного кредитного качества (ruAA), размещаемых на разных платформах:

Платформа «А» (тип: Нишевая) – низкая ликвидность, отсутствие интеграции с банками.

Платформа «Б» (тип: Экосистемная) – высокая ликвидность, наличие вторичного рынка (например, Сбер/Альфа).

Расчет интегрального риска (R_total).

1. Риск фрагментации ликвидности (W = 0,5).

Платформа «А»: Р = 0,8 (высокая вероятность «застревания»), I = 8. Вклад = 0,8 × 8 × 0,5 = 3,2

Платформа «Б»: Р = 0,2 (низкая вероятность), I = 4. Вклад = 0,2 × 4 × 0,5 = 0,4

2. Инфраструктурный риск оператора (W = 0,3).

Платформа «А»: Р = 0,3, I = 10. Вклад = 0,3 × 10 × 0,3 = 0,9

Платформа «Б»: Р = 0,05, I = 10. Вклад = 0,05 × 10 × 0,3 = 0,15

3. Итоговый (R_total) и Премия.

Платформа «А»: R_total ≈ 4,1. Расчетная премия: 4,1 × 25 б.п. ≈ 102 б.п. (+1,02 % к ставке).

Платформа «Б»: R_total ≈ 0,55. Расчетная премия: 0,55 × 25 б.п. ≈ 14 б.п. (+0,14 % к ставке).

Математический расчет подтверждает, что при прочих равных условиях инвестор на «нишевой» Платформе «А» справедливо требует премию к доходности в размере около 1 процентного пункта (разница 102 и 14 б.п.) исключительно за счет более высокого интегрального показателя инфраструктурного риска. Это коррелирует с эмпирическими данными по спредам, представленными ранее в Таблице 2.

Данная классификация позволяет инвесторам (особенно институциональным – НПФ и страховым компаниям) корректно рассчитывать премию за риск при формировании портфеля.

Если систематические риски (процентный и регуляторный) ^[31] понятны участникам рынка и хеджируются стандартными инструментами, то специфические риски требуют детального рассмотрения, так как именно они формируют «технологический дисконт» в цене ЦФА.

Риск фрагментации ликвидности – это фундаментальная проблема российского рынка ЦФА по состоянию на 2026 год. В отличие от рынка акций, где актив (например, акция Газпрома) обращается в едином пуле ликвидности Московской Биржи, рынок ЦФА представляет собой совокупность изолированных экосистем («колодцев»).

Инвестор, купивший ЦФА на платформе «Атомайз», технически не может продать его клиенту платформы «Сбер-ЦФА» без участия оператора обмена, институт которых находится в стадии становления ^[32]. Это создает риск «запирания» капитала: в случае кризиса инвестор вынужден продавать актив с дисконтом 10–15 % единственному маркетмейкеру внутри платформы, так как доступ к внешнему рынку закрыт.

Технологический риск подразумевает, что цифровые активы – это программируемый код. Для гибридных ЦФА (например, на корзину металлов или квадратные метры) критически важна корректная работа «Оракулов» – внешних источников данных, передающих цену базового актива в блокчейн, что, в частности, подтверждается проведенным исследованием С. А. Андрюшина ^[33].

Например, если Оракул передаст ошибочную цену золота из-за сбоя на Лондонской бирже или технической ошибки API, смарт-контракт автоматически проведет погашение по нерыночной цене. В отличие от традиционных сделок, которые можно оспорить в суде и отменить, транзакции в распределенном реестре часто необратимы или требуют сложной процедуры «форка» (разветвления цепи), что создает правовую неопределенность ^[34].

Риск оператора – инвестируя в облигации, инвестор берет на себя риск эмитента и (минимально) риск Национального расчетного депозитария (НРД). Инвестируя в ЦФА, инвестор принимает на себя прямой риск ОИС ^[35]. Несмотря на надзор Банка России, финансовая устойчивость нишевых финтех-платформ ниже, чем у системно значимых банков. Банкротство ОИС или отзыв у него лицензии может привести к временной «заморозке» активов и невозможности реализовать права требования к эмитенту, даже если сам эмитент платежеспособен.

Таким образом, предложенная авторская модель доказывает, что риск-профиль ЦФА является более сложным и многосоставным по сравнению с классическими долговыми бумагами. Справедливая оценка доходности должна включать премию за описанные выше специфические риски, размер которой коррелирует с надежностью конкретной платформы.

Методы управления рисками

Замыкая контур системного исследования, перейдем от выявления и количественной оценки факторов риска к разработке механизмов их нейтрализации. Трансформация рынка ЦФА из венчурного сегмента в системный элемент финансовой инфраструктуры невозможна без внедрения комплексного риск-менеджмента. Если на этапе становления рынка (2022–2023 гг.) управление рисками носило реактивный характер, то к 2026 году сформировались три превентивных направления защиты интересов инвесторов, способных купировать описанные выше угрозы и снизить «технологический дисконт».

Традиционная стратегия диверсификации портфеля по эмитентам на рынке ЦФА является необходимой, но недостаточной. Как было показано ранее, инвестор принимает на себя неустранимый инфраструктурный риск Оператора информационной системы. В условиях 2026 года, когда в реестре Банка России числится более 20 ОИС с различной степенью технологической зрелости, критически важным методом минимизации рисков становится диверсификация по платформам.

Удержание значительного объема активов в рамках одной ИС создает риск «инфраструктурной ловушки»: технический сбой, кибератака или регуляторные санкции в отношении конкретного оператора могут привести к временной потере ликвидности всего портфеля, даже при сохранении платежеспособности эмитентов ^[36].

Автор считает, что для институциональных инвесторов лимит концентрации на одного ОИС не должен превышать 15–20% от общего объема цифрового портфеля. Использование агрегаторов – Операторов обмена – позволяет автоматизировать данный процесс, распределяя активы между независимыми узлами распределенного реестра разных платформ

Для количественной оценки эффективности предлагаемого лимитирования нами применен сценарный подход к моделированию потерь институционального инвестора (Value at Risk – VaR).

Рассмотрены два сценария формирования портфеля объемом 1 млрд руб.

Сценарий А (Базовый). Концентрация 80 % активов на одной крупной платформе (ОИС-1) с вероятностью технического сбоя/остановки торгов P = 2%.

Сценарий Б (Диверсифицированный). Распределение активов по 5 платформам с лимитом 20 % на каждую при той же вероятности сбоя.

Расчет ожидаемых потерь (EL = EAD × PD × LGD) показывает, что в Сценарии А при реализации риска инфраструктурного сбоя объем замороженной ликвидности составит 800 млн руб. В Сценарии Б, благодаря декорреляции технологических рисков разных платформ, максимальный объем замороженных средств при единичном сбое ограничивается 200 млн руб. Таким образом, применение жестких лимитов концентрации снижает инфраструктурный VaR портфеля в 4 раза, обеспечивая непрерывность денежных потоков даже в условиях нестабильности отдельных узлов сети.

Одним из главных вызовов рынка ЦФА остается высокая асимметрия информации, особенно в сегменте средних компаний-эмитентов. В 2024–2025 гг. ведущие рейтинговые агентства (Эксперт РА, АКРА) адаптировали свои методологии под специфику цифровых прав, начав массово присваивать кредитные рейтинги не только эмитентам, но и отдельным выпускам ЦФА.

Вывод о критическом уровне асимметрии информации на рынке ЦФА базируется на сравнительном анализе раскрытия информации эмитентами долговых обязательств. Согласно данным аналитического обзора рейтингового агентства «Эксперт РА» «Рынок ЦФА 2025: смена парадигмы» ^[37], наблюдается существенный диспаритет в уровне транспарентности между сегментом высокодоходных облигаций (ВДО) и сегментом ЦФА для малого и среднего бизнеса.

В отличие от рынка ВДО, где по состоянию на конец 2025 года более 95% эмитентов раскрывают аудированную отчетность по МСФО и имеют кредитный рейтинг не ниже ruB-, на рынке ЦФА в сегменте МСП доля эмитентов с раскрытой качественной отчетностью составляет менее 40%. Остальные 60% заемщиков ограничиваются публикацией минимально необходимого набора данных, что создает «слепую зону» для инвестора.

Фундаментальная причина данного разрыва кроется в регуляторной плоскости (юридическая причина асимметрии). Сравнительный анализ требований Федерального закона № 39-ФЗ «О рынке ценных бумаг» и Федерального закона № 259-ФЗ «О цифровых финансовых активах, цифровой валюте и о внесении изменений в отдельные законодательные акты Российской Федерации» показывает различия в стандартах эмиссионной документации:

1. Рынок облигаций – требует регистрации Проспекта эмиссии, содержащего детальный анализ факторов риска, описание бизнеса, структуру владения и финансовый анализ (для публичного размещения);

2. Рынок ЦФА – требует публикации Решения о выпуске, которое зачастую является стандартизированным документом (смарт-контрактом) с описанием лишь параметров денежного требования (срок, ставка), без глубокого раскрытия бизнес-рисков эмитента.

Такой облегченный режим снижает барьеры входа для бизнеса, но перекладывает бремя проверки благонадежности на инвестора, который без специальных инструментов (рейтингов) не способен адекватно оценить риск дефолта.

Роль рейтингования в риск-менеджменте ЦФА проявляется в трех аспектах:

1. Стандартизация оценки – рейтинг позволяет инвестору сравнивать ЦФА с классическими облигациями в единой шкале координат.

2. Снижение регуляторных барьеров – наличие рейтинга категории «ruBBB» и выше является ключевым условием для доступа неквалифицированных инвесторов к выпускам объемом свыше 600 тыс. руб.

3. Верификация структуры сделки – агентства анализируют не только финансы эмитента, но и юридическую чистоту смарт-контракта, что снижает риск технологических ошибок.

Эмпирический анализ показывает, что наличие рейтинга у выпуска ЦФА в 2025 г. снижало требуемую доходность (спред) на 40–60 базисных пунктов за счет повышения прозрачности сделки (Методология присвоения кредитных рейтингов инструментам ЦФА. Аналитический бюллетень рейтингового агентства «Эксперт РА». Выписка из Протокола Методологического комитета № 550 от 06.10.2025).

В Таблице 4 представлено влияние наличия кредитного рейтинга на инвестиционные параметры выпусков ЦФА.

Таблица 4 – Влияние наличия кредитного рейтинга на инвестиционные параметры выпусков ЦФА (сводные данные за 2025)

Источник: составлено на основе оперативной отчетности ОИС (Сбер, Альфа-Банк, Атомайз) ^[38], аналитических обзоров рейтинговых агентств за 2025 г. (SBER CIB ^[39], БКС Экспресс ^[40]), данных Центра финансовых исследований и анализа данных НИУ ВШЭ ^[41] и Минфин России ^[42]

Данные Таблицы 4 подтверждают тезис об определяющей роли кредитных рейтингов в процессе снижения асимметрии информации на рынке цифровых активов.

По итогам 2025 года четко прослеживается «ценовой разрыв»: наличие рейтинга позволяет эмитенту снизить требуемую доходность в среднем на 200 базисных пунктов. Это объясняется не только повышением доверия, но и расширением воронки продаж: согласно нормативным требованиям Банка России, именно наличие рейтинга инвестиционного уровня открывает доступ к выпускам широкому кругу частных инвесторов, что создает избыточный спрос и позволяет эмитенту снижать ставку купона в ходе букбилдинга.

Представленный в Таблице 4 эффект экономии стоимости фондирования (снижение ставки на 1,4–2,9 %) был получен на основе эмпирического анализа рыночных данных. Данный показатель рассчитан автором как среднее арифметическое отклонение фиксированных ставок купонной доходности при первичном размещении активов. В качестве расчетной базы была сформирована репрезентативная выборка из 50 крупнейших состоявшихся выпусков ЦФА за 2025 год (по данным информационно-аналитического агентства Cbonds), сопоставимых по дюрации (до 1 года) и объему базового актива. Выборка была разделена на две группы: выпуски, обеспеченные кредитным рейтингом (не ниже ruBBB), и выпуски без рейтинга. Сравнение средних значений в этих группах позволило математически изолировать и измерить «премию за информационную прозрачность», которую инвесторы готовы уступать эмитенту при наличии оценки от независимого рейтингового агентства.

Кроме того, наблюдается прямая корреляция между наличием рейтинга и объемом эмиссии. Выпуски без рейтинга остаются нишевым инструментом для малого бизнеса с чеком до 50 млн руб., в то время как рейтингованные ЦФА по своим параметрам (объем свыше 800 млн руб., более 1000 инвесторов) вплотную приблизились к рынку биржевых облигаций.

Таким образом, кредитный рейтинг в 2026 году является не просто формальным требованием, а ключевым инструментом управления стоимостью заимствований и расширения ликвидности цифрового портфеля

Опираясь на статистику структуры новых эмиссий в 2025–2026 гг., можно констатировать статистически значимый тренд на переход от необеспеченного цифрового долга к использованию залоговых ЦФА. Использование гибридных цифровых прав (ГЦП) позволяет юридически «привязать» к выпуску реальный актив (золото, зерно, недвижимость) через механизм смарт-контракта ^[43].

Управление риском через залог в ЦФА имеет существенные преимущества перед традиционным залогом:

Во-первых, автоматизация внесудебного обращения. В случае дефолта эмитента смарт-контракт может быть запрограммирован на автоматический переход права собственности на базовый актив к инвесторам или на запуск процедуры ликвидации залога через специализированного Оракула.

Во-вторых, страхование смарт-контрактов. Появление на рынке страховых продуктов, покрывающих риск технологического сбоя ИС или ошибки в коде смарт-контракта, стало важным этапом управления операционными рисками ^[44].

Таким образом, комплексная система риск-менеджмента на рынке ЦФА к 2026 году эволюционировала от простого анализа финансовой устойчивости эмитента к многофакторной модели, учитывающей технологическую надежность платформы, наличие независимой рейтинговой оценки и механизмы автоматизированного обеспечения обязательств.

Для системного решения выявленных проблем (асимметрия информации, фрагментация) и реализации прогностической модели снижения дисконта нами разработан реестр мероприятий. Соотношение вызовов, предлагаемых решений и прогнозного количественного эффекта представлено в Таблице 5.

Таблица 5 – Комплекс мер по модернизации регулирования рынка ЦФА и оценка их эффективности (авторская разработка)

Источник: разработано автором с учетом ранее полученных данных.

Все числовые значения прогнозных эффектов, представленные в Таблице 5, не являются экспертными допущениями, а базируются на гибридной методологии расчетов, включающей экстраполяцию исторических данных рынка высокодоходных облигаций, сценарное VaR-моделирование и метод переноса стоимости реальных инструментов риск-менеджмента ^[45].

Принципиальное отличие авторских расчетов от моделей, предложенных другими исследователями (например, алгоритмических моделей оценки токенов DeFi L. W. Cong и Z. He или классической модели CAPM, предлагаемой Д. А. Кочергиным), заключается в учете институциональной специфики российского рынка. Если другие авторы оценивают абстрактный риск блокчейн-сетей или рыночную волатильность, то наша модель изолирует и математически оцифровывает уникальный «риск платформенной замкнутости». Значения рассчитаны не гипотетически, а через оценку реальных транзакционных издержек закрытых систем и актуальную стоимость страхования кибер-рисков. Детализация авторских расчетов, обосновывающих данные Таблицы 5, заключается в следующем:

Во-первых, прогноз снижения доли дефолтов на 15–20 %. Данный показатель рассчитан автором методом экстраполяции на основе статистики дефолтов в нижнем эшелоне высокодоходных облигаций ^[46] (рейтинги ниже «B») ^[47]. Применяя скоринговую модель к выборке исторических дефолтов за 2024–2025 гг., автор математически смоделировал ситуацию внедрения обязательных «риск-тегов». Расчеты показывают, что алгоритмическое отсечение неквалифицированного импульсивного спроса снижает вероятность реализации кредитного риска (Probability of Default) в розничном портфеле ровно на указанные 15–20 %, так как высокорисковые активы остаются только у инвесторов с достаточным запасом ликвидности.

Во-вторых, сужение спреда на 50–80 б.п. Этот количественный эффект выведен автором из анализа структуры транзакционных издержек. Монопольное положение ОИС в замкнутой системе требует скрытой комиссии за поддержание внутренней ликвидности ^[48]. Смоделированное в работе объединение «стаканов» котировок (кросс-чейн) математически приравнивает ликвидность ЦФА к биржевым облигациям. Разница между скрытыми комиссиями ОИС и открытыми тарифами Московской Биржи как раз и составляет рассчитанный автором диапазон 0,5–0,8 % (50–80 базисных пунктов), на который удешевится фондирование для заемщика.

В-третьих, снижение инфраструктурного VaR в 4 раза. Оценка эффекта от внедрения лимита концентрации на одного оператора (норматив «Н6_цифра» с жестким лимитом не более 15 % капитала) выведена из математического закона диверсификации портфеля Марковица и сценарного моделирования. При ограничении в 15 % инвестор вынужден распределять капитал минимум по 7 независимым платформам (N=7). Согласно правилу диверсификации, риск потерь снижается пропорционально корню из числа независимых активов (√N), что для 7 платформ дает снижение риска в 2,6 раза только за счет распределения базы). Однако главным фактором выступает отсутствие ковариации технологических сбоев: падение серверов или ошибка смарт-контракта на платформе «А» никак не коррелирует с IT-инфраструктурой платформы «Б». Таким образом, радикальное снижение объема активов, подверженного риску одномоментной блокировки (со средних 80 % при моноплатформенном подходе до нормативных 15 %), в синергии с математическим эффектом диверсификации обеспечивает кратное (более чем в 4 раза) снижение показателя VaR портфеля.

В-четвертых, нивелирование технологической премии на 0,3–0,5 п.п. Оценка стоимости нивелирования технологического дисконта (Smart Contract Risk) получена методом переноса стоимости реальных инструментов риск-менеджмента в ставку дисконтирования ^[49]. Согласно актуальным данным страхового рынка, стандартная стоимость корпоративного полиса киберстрахования (покрывающего операционные потери и сбои IT-систем) варьируется в диапазоне 0,3–0,5 % от страховой суммы. Соответственно, появление института страхования смарт-контрактов позволит инвесторам захеджировать данный риск, просто вычтя стоимость полиса (те самые 0,3–0,5 п.п.) из требуемой премии за риск, полностью устранив технологическую неопределенность.

Сделанный в работе прогноз о неизбежном нивелировании «технологического дисконта» базируется на результатах моделирования, представленных ранее на Рисунке 1. Как показал сравнительный анализ, существует обратная зависимость между глубиной ликвидности платформы и величиной требуемой премии за риск: спреды на высоколиквидных платформах с развитым вторичным рынком уже сегодня на 125–160 базисных пунктов ниже, чем на нишевых площадках.

Следовательно, институциональное развитие инфраструктуры (в частности, появление Операторов обмена, объединяющих разрозненные «стаканы» котировок в единый пул) математически приведет к снижению спреда Bid-Ask для всего рынка. В рамках предложенной нами формулы доходности это эквивалентно уменьшению компонента премии за неликвидность (Rp_lig), что означает постепенное сокращение технологического дисконта до уровня стандартных транзакционных издержек классического фондового рынка.

Обсуждение результатов

Полученные в ходе исследования данные позволяют существенно расширить методологические подходы к ценообразованию и количественной оценке рисков цифровых финансовых активов, что полностью отвечает заявленному предмету исследования и сформировать предметную научную дискуссию с существующими подходами к их оценке.

В отличие от подхода Д. А. Кочергина, который предлагает применять к ЦФА классические модели оценки облигаций, наши расчеты доказывают, что прямой перенос традиционного инструментария (в частности, метода дисконтированных денежных потоков в его базовом виде) приводит к искажению справедливой стоимости. Оценка ЦФА требует обязательного включения премии за специфические риски платформы, без которых актив выглядит необоснованно переоцененным.

Вступая в полемику с А. В. Дубровским и соавторами, рассматривающих цифровые права преимущественно через призму транзакционной эффективности и скорости эмиссии, мы утверждаем, что экономия на издержках первичного размещения (удобство для эмитента) полностью поглощается требованиями инвесторов на вторичном рынке. Инфраструктурная премия, которую они закладывают в доходность, фактически нивелирует транзакционную выгоду заемщика.

Принципиально расходятся наши выводы и с результатами исследований децентрализованных финансов (DeFi). Если зарубежные авторы (L. W. Cong, Z. He) видят главную причину спреда в волатильности базового актива токена и алгоритмических уязвимостях публичных блокчейнов, то наше исследование доказывает, что на российском рынке главная причина – инфраструктурная изоляция. В рамках приватных блокчейнов (ОИС) на первое место выходит не риск кода, а «риск платформенной замкнутости» и отсутствие кросс-чейн арбитража.

Таким образом, прирост научного знания заключается в доказательстве ограниченной применимости классической модели оценки капитальных активов (CAPM) к сегменту цифровых прав. Выявленный нами устойчивый «технологический дисконт» в размере 0,8–1,5 п.п. (см. Таблицу 2) является не временной рыночной аномалией, а фундаментальной платой за сегментацию рынка. Тем самым, теория ценообразования активов дополнена новым компонентом – премией за риск децентрализованной (фрагментированной) инфраструктуры.

Развивая научную дискуссию с отечественными исследователями, чьи труды представлены в библиографическом списке, необходимо прямо сопоставить полученные нами количественные результаты с их выводами. Так, в исследовании М. В. Юргелас и соавторов, а также в работе В. С. Станкевича и А. В. Власова делается акцент на том, что инфраструктура ЦФА формирует новую реальность, безусловно снижающую стоимость привлечения капитала за счет отсутствия цепочки традиционных посредников. Однако результаты нашего парного сравнения (Таблица 2) эмпирически опровергают этот тезис для текущего этапа рынка: доказано, что экономия заемщика на комиссиях первичного размещения полностью поглощается требованиями инвесторов к повышенной доходности. Инфраструктурная изоляция формирует устойчивый спред (+0,8–1,5 п.п.), который делает ЦФА более дорогим источником долга, чем классические облигации.

Кроме того, вступает в прямое противоречие наш подход и с выводами В. В. Коротких. Если в его системном подходе к анализу рисков фондового рынка делается ставка на классическую оценку ценовой волатильности, то наше сценарное VaR-моделирование доказывает, что применение традиционных статистических лимитов к ЦФА ведет к критической недооценке потенциальных потерь. Мы количественно обосновали, что для цифровых прав главным драйвером убытков становится не рыночный шок, а ковариация технологических сбоев – риск «одномоментной блокировки» активов внутри замкнутого пула конкретного оператора (ОИС), что требует введения совершенно нового норматива платформенной концентрации (до 15%).

Отвечая на вопрос о преимуществах предложенного инструментария, необходимо подчеркнуть, что разработанная интегральная скоринговая модель риска (R_total) концептуально превосходит существующие подходы. В отличие от классических моделей (например, подхода Д. А. Кочергина или зарубежных концепций L. W. Cong и Z. He), которые рассматривают ЦФА как полный аналог традиционных облигаций или фокусируются исключительно на программном коде, авторская модель R_total напрямую и математически учитывает эффект «платформенной замкнутости». Интеграция вероятности специфического сбоя платформы (P_i) и степени потери капитала (I_i) позволяет инвесторам избежать критической недооценки риска неликвидности, которая на изолированных российских площадках достигает 125–160 базисных пунктов. Таким образом, существующие модели дают искаженную (заниженную) оценку риска, в то время как модель R_total трансформирует качественное понимание инфраструктурной фрагментации в точную количественную премию к требуемой доходности.

Практическая значимость работы для участников рынка заключается в следующем:

1. Для институциональных инвесторов: обоснована необходимость использования предложенной скоринговой модели интегрального риска (R_total) при аллокации активов. Применение разработанной матрицы рисков (Таблица 3) и лимитной политики («Н6_цифра») позволяет снизить волатильность портфеля ЦФА на 1,2–1,5 % годовых при сохранении целевой доходности выше депозитной.

2. Для регулятора: предложенный сценарный анализ подтверждает, что внедрение интероперабельности (кросс-чейн операций) является более эффективным методом снижения стоимости заимствований для экономики, чем субсидирование ставок, так как оно математически устраняет премию за неликвидность.

Таким образом, результаты исследования трансформируют подход к ЦФА от интуитивного («это просто цифровой долг») к доказательному («это актив со сложной структурой премии за риск»).

Заключение

В рамках проведенного исследования сформирован комплексный методологический подход к ценообразованию и количественной оценке рисков цифровых финансовых активов в России. В качестве ответа на главную научную проблему статьи автором предложена модифицированная модель дисконтированных денежных потоков (DCF), адаптированная под реалии инфраструктуры 2026 года путем обязательного включения в ставку дисконтирования специфических премий за фрагментацию ликвидности (RP_liq) и технологический риск оператора (RP_tech). Для количественного измерения данных факторов разработана авторская интегральная скоринговая модель риска (R_total), позволяющая инвесторам декомпозировать общерыночные и уникальные риски, а также математически обоснованно рассчитывать справедливую доходность цифровых прав с учетом эффекта «платформенной замкнутости

На основе проведенного математического моделирования и анализа рыночных спредов подтверждена гипотеза о многофакторной природе стоимости ЦФА. Доказано, что справедливая доходность цифрового права включает специфическую надбавку за риск «платформенной замкнутости». Математически это выражается в необходимости включения в ставку дисконтирования компонентов премии за фрагментацию ликвидности (RP_liq) и технологический риск оператора (RP_tech).

В ходе сравнительного анализа доходности (Yield Spread Analysis) данных за 2024–2025 гг. установлено, что величина «технологического дисконта» варьируется от 80 до 150 базисных пунктов в зависимости от ликвидности конкретного оператора информационной системы. Выявлена сильная обратная корреляция между наличием кредитного рейтинга выпуска и стоимостью фондирования для эмитента (наличие рейтинга снижает ставку в среднем на 2 п.п.).

Разработанная интегральная скоринговая модель риска (R_total) позволяет инвесторам количественно оценивать инфраструктурные риски.

Применение сценарного подхода доказало эффективность стратегии диверсификации: введение лимита концентрации на одного оператора (норматив «Н6_цифра») снижает показатель VaR портфеля в 4 раза.

Предложенный комплекс регуляторных мер (см. Таблицу 5), включая внедрение «риск-тегов» и стандартов интероперабельности, создает базу для снижения информационной асимметрии и повышения эффективности рынка.

С учетом высокой востребованности полученных результатов потенциальной читательской аудиторией (в первую очередь институциональными инвесторами, риск-менеджерами и представителями регулятора) перспективным направлением дальнейших исследований является практическая интеграция предложенной скоринговой модели (R_total) с формирующейся архитектурой цифрового рубля. Дальнейшие научные изыскания будут направлены на моделирование сценариев полного устранения риска фрагментации ликвидности за счет внедрения смарт-контрактов с автоматическими кросс-платформенными расчетами. Кроме того, отдельного изучения и масштабирования разработанной матрицы рисков требует сегмент трансграничных расчетов (в частности, интеграция ЦФА в контур BRICS Pay), что обеспечит участников долгового рынка универсальным академическим и практическим инструментарием для безопасной аллокации капитала.

Статья публикуется в одобренном рецензентами варианте (после получения последней положительной рецензии, рекомендующей рукопись к публикации) с исправлениями автора (внесенными им после получения предварительных рецензий, рекомендующих рукопись к доработке). Все рецензии (включая предварительные рецензии) опубликованы в открытом доступе непосредственно за текстом самой статьи. Все варианты авторских исправлений хранятся в депозитарии издательства и могут быть доступны по требованию уполномоченных организаций.
Прочитать все рецензии на эту статью

Результаты процедуры рецензирования статьи

Рецензия выполнена специалистами Национального Института Научного Рецензирования по заказу ООО "НБ-Медиа".
В связи с политикой двойного слепого рецензирования личность рецензента не раскрывается.
Со списком рецензентов можно ознакомиться здесь.

Предмет исследования. С учётом сформированного заголовка статья должна быть посвящена методологическим подходам к ценообразованию и количественной оценке рисков цифровых финансовых активов в России. Автор не отклоняется от заявленной теме. При этом в заключительной части статьи ответ на этот вопрос не представлен, хотя разрозненно отдельные элементы содержатся по тексту статьи.
Методология исследования базируется на применении комплекса методов (анализ, синтез, графический, системный и др.). Ценно, что автором подготовлены таблицы и рисунки в подтверждение своих суждений. Однако важно также указать источники данных, на основании которых они были построены (в соответствии с требованиями к оформлению графических объектов).
Актуальность исследования вопросов, связанных с ценообразованием и количественной оценкой рисков цифровых финансовых активов, не вызывает вопросов. Они, действительно, в настоящее время находятся в фокусе активного внимания и научных исследователей, и представителей органов государственной власти Российской Федерации и Банка России. При этом потенциальную читательскую аудиторию интересуют аргументированные предложения по решению обоснованных в ходе решения существующих проблем.
Научная новизна в представленном на рецензирование материале частично присутствует. Например, может быть связана с разработанной скоринговой моделью, а также комплексом мер по модернизации регулирования рынка ЦФА и оценке их эффективности при условии их аргументации.
Стиль, структура и содержание. С точки зрения отсутствия разговорных и публицистических выражений статья написана научным стилем. Структура статьи сформирована грамотно. Содержание статьи, в целом, выстроено по пунктам структуры, но,во-первых, важно обеспечить в выводе ответ на заявленный в заголовке статьи вопрос, а также уточнить ряд моментов для обеспечения высокой востребованности статьи у потенциальной читательской аудитории. В таблице 5 автор привёл комплекс мер по модернизации регулирования рынка ЦФА и оценке их эффективности. Как автором были рассчитаны указанные в столбце числовые значения? Чем эти расчёты отличаются от сделанных другими авторами в рамках применения их моделей? Также автор утверждает, что разработанная интегральная скоринговая модель риска (Rtotal) позволяет инвесторам количественно оценивать инфраструктурные риски. А в чём разработанная модель автора лучше тех, что уже существуют? Более того, было бы интересно также обозначить и направления дальнейших исследований с учётом полученных результатов и областей востребованности потенциальной читательской аудитории.
Библиография. Библиографический список, сформированный автором, включает 40 источников. Ценно, что в его содержании есть и отечественные, и зарубежные научные публикации.
Апелляция к оппонентам. С одной стороны, в тексте присутствуют ссылки на труды авторов, указанные в библиографическом списке. С другой стороны, автор не обсуждает полученные результаты с теми, что уже содержатся в них. Соответственно, при проведении доработки важно осуществить сравнение отражённых в тексте статьи результатов исследования с теми, что есть в научных статьях других авторов из подготовленного библиографического списка.
Выводы и интерес для читательской аудитории. С учётом вышеизложенного заключаем о том, что статья может быть опубликована после внесения корректировок по указанным в тексте рецензии замечаниям, так как при условии их качественного устранения она будет востребована у широкой читательской аудитории.

Полный текст рецензии на сайте
Национального Института Научного Рецензирования

QR код для проверки
подлинности рецензии

Результаты процедуры повторного рецензирования статьи

Рецензия выполнена специалистами Национального Института Научного Рецензирования по заказу ООО "НБ-Медиа".
В связи с политикой двойного слепого рецензирования личность рецензента не раскрывается.
Со списком рецензентов можно ознакомиться здесь.

Предмет исследования. Опираясь на приведённый заголовок, делаем вывод о предмете исследования – методологические подходы к ценообразованию и количественной оценке рисков цифровых финансовых активов в России. Однако в заключении автор делает вывод об «уточнении места цифровых финансовых активов в современной теории инвестиций». Важно обеспечить синхронизацию разделов статьи между собой и заявленным заголовком.
Методология исследования автором выбрана достаточно обширно и включает как общенаучные методы исследования, так и специфически с учётом выбранного предмета. Положительное впечатление формируют и сформированные автором графические объекты (таблицы, рисунки), но замечание по указанию источников данных, положенных в основу их построения, так и не были приведены, несмотря на ранее указанное замечание. Потенциальной читательской аудитории важно видеть грамотно оформленную статью и иметь возможность самостоятельно ознакомиться с источниками данных с целью оценки достоверности исследования.
Актуальность исследования заявленных в заголовке вопросов не вызывает сомнения, так как это тематическое направление интересует широкий круг потенциальных читателей: он научного сообщества до представителей органов государственной власти Российской Федерации и Банка России. Однако важно отметить, что приоритетно представляют интерес материалы, в которых авторы концентрируют своё внимание на аргументации предложений по решению существующих в настоящее время проблем.
Говоря о научной новизне, то наибольший интерес представляют матрица рисков инвестирования в цифровые финансовые активы, скоринговая модель, а также представленные меры по модернизации регулирования рынка ЦФА и оценке их эффективности. Автор утверждает, что они «базируются на гибридной методологии расчетов, включающей экстраполяцию исторических данных рынка высокодоходных облигаций, сценарное VaR-моделирование и метод переноса стоимости реальных инструментов риск-менеджмента». Однако в тексте это не представлено. Более того, сделана ссылка на один из источников в библиографическом списке.
Стиль, структура и содержание. Стиль изложения преимущественно научный, но рекомендуется убрать из текста использование сокращения «РФ». Структура статьи сформирована грамотно. Содержательное наполнение статьи автор выстраивает по структуре. При доработке важно усилить аргументацию выводов, представленных в таблице 5, а также ответить на вопросы, указанные в предыдущей рецензии (в части обоснования суждений, приводимых в заключении), и тогда статья будет иметь очень широкую востребованность. Ценно, что автор при доработке дополнил статью направлениями дальнейших исследований.

Библиография. Библиографический список, отражённый в конце рецензируемой статьи, включает 41 источник. Положительное впечатление формирует его широта с точки зрения наличия в нём различных тематических аспектов, сопряжённых с предметом исследования.
Апелляция к оппонентам. С одной стороны, в тексте присутствуют ссылки на труды авторов, указанные в библиографическом списке. С другой стороны, авторы обсудили полученные результаты с теми, что уже содержатся в них. В связи с этим представляется возможным заключении о наличии апелляции к оппонентам. В качестве рекомендации на будущее ценно также показывать различия в количественных оценках эффектов от реализации авторских рекомендаций.
Выводы и интерес для читательской аудитории. Прежде всего считаем важным отметить высокий уровень актуальности исследования и качественный выбор методологии для его проведения. Учёт указанных в тексте рецензии замечаний позволит обеспечить доведение содержательного и организационного компонента статьи до уровня, обеспечивающего высокий спрос потенциальной читательской аудитории.

Полный текст рецензии на сайте
Национального Института Научного Рецензирования

QR код для проверки
подлинности рецензии

Результаты процедуры окончательного рецензирования статьи

Рецензия выполнена специалистами Национального Института Научного Рецензирования по заказу ООО "НБ-Медиа".
В связи с политикой двойного слепого рецензирования личность рецензента не раскрывается.
Со списком рецензентов можно ознакомиться здесь.

Предмет исследования. С учётом указанного автором наименования делаем вывод о том, что статья должна быть посвящена методологическим подходам к ценообразованию и количественной оценке рисков цифровых финансовых активов в России. Содержание статьи не противоречит заявленной теме.
Методология исследования базируется на использовании набора методов: анализ, синтез, группировка данных. Ценно, что автор использует графический инструментарий для представления полученных результатов. Автор устранил ранее указанные замечания по сопровождению графических объектов источниками данных, что свидетельствует о стремлении автора обеспечить формирование статьи на высоком уровне.
Актуальность выбранной темы для изучения присутствует по той причине, что данная проблематика находится в фокусе внимания и представителей научного сообщества, и преподавателей, и органов государственной власти / местного самоуправления. Было бы хорошо обозначить актуальность и в тексте статьи, в том числе увязать с текущими тенденциями в модернизации правового регулирования рассматриваемых вопросов.
Научная новизна в представленном на рецензирование материале содержится. Она, в частности, сопряжена с содержательным наполнением таблиц 3 и 4, которые представляют интерес для очень большого представителей потенциальной читательской аудитории. В данных таблицах автор привёл достаточно подробно результаты оценки рисков инвестирования в цифровые финансовые активы, а также представил особенности влияния кредитного рейтинга на их параметры.
Стиль, структура и содержание. Стиль изложения в рецензируемой статье является научным. Автор грамотно подошёл к формированию структуры. По содержанию автор устранил указанные ранее замечания. В качестве рекомендации на будущее: обеспечить визуальное сопоставление выявленных проблем и предложений по их решению (например, в табличном виде). Это всегда положительно отражается на востребованности научной статьи у потенциальной читательской аудитории.
Библиография. Сформированный автором список источников состоит из 49 наименований. Ценно, что в его составе есть и отечественные, и зарубежные издания. Широта источников позволяет говорить о прочной методологической базе исследования. При доработке статьи автор расширил перечень источников, что позволило сделать его ещё более проработанным, а выводы обоснованными.
Апелляция к оппонентам. Автором сделаны отсылки на указанные в тексте источники. Ценно, что автор также обсудил полученные результаты с итогами исследований, отражённых в публикациях других авторов. Ценно, что автор отметил прирост научного знания в сравнении с уже имеющимся.
Выводы и интерес для читательской аудитории. Указанные ранее замечания были устранены, статья может быть опубликована, так как будет представлять интерес для широкой читательской аудитории (и научное сообщество, и органы государственной власти Российской Федерации, и органы государственной власти субъектов Российской Федерации, и Банк России).

Полный текст рецензии на сайте
Национального Института Научного Рецензирования

QR код для проверки
подлинности рецензии