استفاده از BWM فازی برای تعیین سیستم معاملات cryptocurrency تحت فرآیند تصمیم گیری نامشخص

اکوسیستم های رمزنگاری و دیجیتال دارایی های سرمایه گذاری ، تنظیم کننده ها و دلالان را به محیط خود جذب کرده اند. از آنجا که چارچوب مبتنی بر blockchain می تواند هزینه های معامله را کاهش دهد ، اعتماد توزیع شده را ایجاد کند و سیستم عامل های غیر متمرکز را فعال کند ، به یک پایگاه جدید بالقوه برای مدلهای تجاری غیر متمرکز تبدیل شده است. مطالعات قبلی مزایا و اشکالاتی از هر بستر ، مانند نرخ بهره ، نگرانی در مورد هزینه ، مسائل شفافیت ، مسائل هک و خطرات را برجسته کرده است. در نتیجه ، ارزیابی سیستم تجارت رمزنگاری که مبادلات بهینه و جنبه های مهم را تعیین می کند ، برای سرمایه گذاران چالش برانگیز است. بنابراین ، به منظور رتبه بندی سیستم معاملات بهینه دیجیتال توکن ، این مقاله یک معماری ارزیابی را برای تعیین سیستم های مختلف تجارت توکن تهیه می کند. معماری توسعه یافته تئوری فازی و بهترین روش (BWM) را در فرایند تصمیم گیری برای ارزیابی رفتارهای تصمیم گیری در مورد ترجیح سیستم های معاملاتی توکن دیجیتال در سرمایه گذاران در تایوان ادغام می کند. اول ، این کار با اصلاح روش دلفی بر اساس بررسی و بررسی ادبیات ، دیدگاه ها و پارامترها را تعیین می کند. دوم ، فازی-BWM برای به دست آوردن وزن فازی از نماها و پارامترها اعمال می شود. سپس از Defuzzification و BWM برای رتبه بندی گزینه های بهینه سیستم های معاملاتی توکن دیجیتال برای سرمایه گذاران استفاده می شود. نتایج حاکی از آن است که سیستم معاملاتی بهینه دیجیتال بهینه ، بستر غیر متمرکز است و پارامترهای مهم هزینه گاز ، نرخ بهره و مکانیسم پس انداز تحت سناریوهای نامشخص فازی است. این بدان معنی است که هنگام در نظر گرفتن ویژگی های نامشخص و مبهم فرآیند تصمیم گیری متخصص در سیستم های معاملاتی توکن دیجیتال ، ارزیابی غیر متمرکز است و هزینه های گاز مهمترین پارامتر در بستر سرمایه گذاری دیجیتال است. از نظر دانشگاهی ، معماری تصمیم گیری مبتنی بر BWM فازی می تواند راهنمایی های ارزشمندی را برای شرکت ها و سرمایه گذاران فراهم کند تا سیستم های تجاری بهینه دیجیتال را بر اساس سناریوهای نامشخص فازی رتبه بندی کنند. از نظر تجاری ، معماری پیشنهادی می تواند یک مدل مفید را برای اندازه گیری سیستم تجارت بهینه دیجیتال به شرکت ها و سرمایه گذاران ارائه دهد.

کلید واژه ها: 90B50 ؛90C70 ؛91B06

1. معرفی

اکوسیستم های ارز دیجیتال و دارایی های دیجیتال سرمایه گذاری، تنظیم کننده ها و دلالان را به محیط خود جذب کرده اند. چن و بلاویتیس (2020) نشان دادند که چارچوب مبتنی بر بلاک چین می تواند هزینه های تراکنش را کاهش دهد، اعتماد توزیع شده [1] ایجاد کند و پلتفرم های غیرمتمرکز را فعال کند، بنابراین به یک پایگاه جدید بالقوه برای مدل های تجاری غیرمتمرکز تبدیل شود. این بدان معنی است که آنها علاقه مند به توسعه یک سیستم اقتصادی و مدل های تجاری جدید برای تجارت و سرمایه گذاری بودند. از نقطه نظر مالی، بلاک چین در ابتدا به عنوان فناوری پشت ارزهای رمزنگاری شده مانند بیت کوین توسعه یافت. Tapscott و Tapscott (2017) بیان کردند که دفتر کل توزیع شده در سراسر جهان بر روی میلیون ها دستگاه اجرا می شود و می تواند همه چیز را با ارزش ضبط کند [2]. ژانگ و همکاران(2020) پیشنهاد کرد که سیستم بلاک چین می تواند به طور ایمن تراکنش هایی مانند ارزهای دیجیتال دیجیتال، داده ها/اطلاعات مربوط به بدهی، حق چاپ، سهام و دارایی های دیجیتال را ذخیره کند [3]. وب سایت CoinMarketCap بازار رو به رشد حوزه ارزهای دیجیتال را نشان می دهد، جایی که کل سرمایه بازار آن در آگوست 2020 [4] بیش از 366 میلیارد دلار بود، و ده سهم اصلی بازار و معیارهای ارز دیجیتال مربوطه در جدول 1 به تفصیل آمده است. 2019) بیان کرد که شرکت های متعددی بر روی توکن های دیجیتال سرمایه گذاری کرده اند و آنها را به عنوان ابزار تجاری اصلی پذیرفته اند [5].

چن و بلاویتیس (2020) پیشنهاد کردند که بازرگانان می توانند به طور قابل توجهی هزینه های خود را کاهش دهند و سودآوری خود را به دلیل کارمزد پایین تراکنش ارزهای دیجیتال افزایش دهند [1]. برای سرمایه گذاران، عرضه اولیه سکه (ICO) به عنوان یک مکانیسم تامین مالی نوآورانه برای سرمایه گذاری های اولیه سرمایه گذاران ظاهر شده است که به استارتاپ ها و نوآوران اجازه می دهد میلیاردها دلار از سرمایه گذاران جهانی جمع آوری کنند [6]. این نشان می دهد که مبادلات دارایی دیجیتال مختلف در سراسر جهان در دسترس هستند و می توان به آنها دسترسی داشت. ویژگی های عملیاتی پلت فرم های سرمایه گذاری دارایی دیجیتال (صرافی ها) به سه سبک تقسیم می شوند: (1) مبادلات غیرمتمرکز [7،8،9،10،11،12،13،14]، (2) مبادلات متمرکز [7،8،9،10،12]، و (3) مبادلات وام حاشیه [7،8].

ایوانیوک (2020) نشان داد که هدف سیستم های معاملاتی غیرمتمرکز ارائه معاملات مستقیم شخص به فرد برای افراد بدون نیاز به واسطه است، به این معنی که به طور کامل توسط نرم افزار اداره و نگهداری می شود [7]. سیستم های تجاری غیرمتمرکز محبوب مانند کامپوند و دارما تفاوت هایی بین آنها دارند. دارما دارای نرخ بهره تعیین شده است، در حالی که کامپوند دارای نرخ بهره نوسانی است. محدودیت سپرده یک سپرده مدت دار برای دارما و جاری در کامپوند است، به این معنی که پلتفرم Compound مکانیزمی برای ترکیب سود دارد، در حالی که دارما اینطور نیست. بنابراین، ارزهای همراه در این دو پلتفرم نیز متفاوت هستند. طبق وب سایت DeFi Market Cap، بازار توکن های غیرمتمرکز در حال رشد است و مجموع ارزش بازار آن بیش از 170 میلیارد دلار است [15]. جدول 2 ده ارزش بازار برتر در صرافی های غیرمتمرکز و همچنین الزامات توکن مربوطه را نشان می دهد. سرمایه گذاران ممکن است از راه های مختلفی از پلت فرم های معاملاتی غیرمتمرکز سود ببرند، از جمله شفافیت، ناشناس بودن، شبکه های ارزهای دیجیتال همتا به همتا، بدون تورم و استخراج ارزهای دیجیتال منبع باز. در همین حال، نقاط منفی شامل پتانسیل پولشویی، فعالیت های تروریستی، تامین مالی فعالیت های غیرقانونی و فقدان ناشر مرکزی است، به این معنی که هیچ نهاد رسمی قانونی برای تضمین در صورت ورشکستگی وجود ندارد [1،16،17]. مطالعات قبلی اکوسیستم برنامه های کاربردی غیرمتمرکز بر تجزیه و تحلیل مشکلات احتمالی و ارائه راه حل هایی برای اکوسیستم برنامه های کاربردی غیرمتمرکز [1،18]، برنامه های کاربردی فناوری بلاک چین [19،20،21،22]، بررسی مدل های کسب و کار و پیاده سازی آنها درپلت فرم معاملات غیرمتمرکز [1،14،23،24،25].

مبادلات متمرکز ، که بازارهای آنلاین برای خرید و فروش بیت کوین هستند ، یکی از مهمترین وسیله تجارت برای اکثر سرمایه گذاران رمزنگاری است. به منظور سهولت در تجارت ، سیستم تجارت متمرکز حاوی واسطه ای مانند مشاغل است که به عنوان پروکسی عمل می کنند [26]. این مفهوم مربوط به اشتغال یک شخص واسطه یا شخص ثالث برای تسهیل معاملات است ، که در آن خریداران و فروشندگان به طور یکسان اموال خود را به واسطه هایی که از طریق اکوسیستم تبادل متمرکز انجام می دهند ، به واسطه هایی که انجام می دهند ، انجام می دهند. طبق گفته های آرسلان و فیشر (2019) ، یک کاربر ممکن است پول فیات را به کیف پول الکترونیکی خود (به عنوان مثال ، USD ، EUR و JPY) واریز کند و آن را از طریق یک مبدل Fiat-to-Cryptocurrency به رمزنگاری انتخاب شده تبدیل کند [27]بشرمبادله رمزنگاری به کریپتو شامل ارزهای فیات نیست و صرفاً اجازه می دهد تا مبادله یک رمزنگاری رمزنگاری برای دیگری باشد. اعضای اکوسیستم تجاری متمرکز مانند Nexo و Celsius نیز تفاوت های خاصی بین آنها دارند. سلسیوس نرخ بهره نوسان دارد ، در حالی که Nexo نرخ بهره ثابت دارد. بهره روزانه در Nexo پرداخت می شود ، در حالی که در سلسیوس ، بهره هفتگی پرداخت می شود. براساس وب سایت Coingecko ، بیش از 70 میلیون سرمایه بازار USD در سیستم NEXO وجود دارد [28] ، در حالی که شبکه Celsius بیش از 174 میلیون دلار سرمایه در بازار دارد [29]. در نتیجه ، اکوسیستم تجاری متمرکز وسیله نقلیه اساسی برای معاملات ارز دیجیتال است. شاپیرو (2018) نشان داد که رویکرد متمرکز هم از شرکت کنندگان در بازار و هم برای تنظیم کننده ها بهره می برد ، زیرا معامله گران و سرمایه گذاران نیازی به نگرانی در مورد جزئیات اجرای یا ریسک پیش فرض طرف مقابل ندارند [30]. این بدان معنی است که آنها می توانند مزایای نقدینگی را بدست آورند ، همانطور که توسط سازندگان بازار در بورس تجارت متمرکز ارائه شده است ، و متولیان می توانند توسط تنظیم کننده ها برای اجرای قانون ، پاسخگویی و گزارش اطلاعات به آنها اعتماد کنند [30]. با این وجود ، صرافی های تجاری متمرکز دارای اشکالاتی مانند هزینه [30] ، فعالیت های هک کردن و سوء مدیریت مالی توسط متولیان هستند که منجر به ورشکستگی ، شکست عملیاتی کارمندان و یخ زدن ناگهانی حساب می شود [12]. علاوه بر این ، از آنجا که سازمان های مالی متمرکز باید با محدود کردن دسترسی از دفترچه های متمرکز خود محافظت کنند ، امور مالی متمرکز نمی تواند شفافیت کاملی داشته باشد [1]. تحقیقات قبلی در مورد امور مالی متمرکز بیشتر بر کشف قیمت [31،32] ، بررسی قرار گرفتن در معرض خطر [33،34] ،

و نوسانات نشانه های دیجیتال [35،36،37].

با توجه به ادبیات در مورد جدیدترین اکوسیستم تجارت توکن ، سیستم معاملاتی ترکیبی ، می توانیم موارد زیر را نتیجه بگیریم. سیستم اتردلتا بیشتر شبیه به یک معماری ترکیبی است [13]. مزایای اکوسیستم تمرکز و عدم تمرکز در اکوسیستم تجارت ترکیبی ترکیب شده است. در حالی که تمام معاملات همیشه از طریق عملیات فراخوانی در قراردادهای هوشمند انجام می شد ، سیستم های هیبریدی با نگه داشتن یک پایگاه داده مدیریت سفارش متمرکز ، مشکل کشف تجارت را برطرف می کنند. با این وجود ، قیمت بالای هزینه گاز و تأیید تأخیر در معاملات که توسط چنین معاملات مکرر در زنجیره ای انجام می شود ، با مبادلات ترکیبی حل نمی شود. این امر به ویژه برای فروشندگان رمزنگاری که به طور مکرر تجارت می کنند ، مهم است ، زیرا معاملات بیشتر رمزنگاری باعث افزایش قیمت بنزین و زمان تأیید معاملات طولانی تر می شود. بنابراین ، سیستم های معاملاتی ترکیبی مسئله احتمالی احتقان معامله را ایجاد نمی کنند که توسط معاملات بیش از حد همزمان ایجاد شده است [13].

با ظهور فناوری blockchain در cryptocurrency ، تعداد فزاینده ای از سرمایه گذاران به نگرانی های رمزنگاری مانند بیت کوین ، اتریوم و ریپل توجه می کنند. طبق بررسی ادبیات فوق ، این مطالعه سه نوع تبادل مختلف در اکوسیستم معاملات دیجیتال را خلاصه می کند: یک سیستم متمرکز ، یک سیستم غیر متمرکز و یک سیستم ترکیبی. براساس استدلال های فوق ، چندین مطالعه از مزایا و اشکالات هر بستر ، مانند نرخ بهره ، نگرانی های مربوط به هزینه ، مسائل شفافیت ، مسائل هک و خطرات برجسته شده است. در نتیجه ، ارزیابی یک سیستم معاملاتی cryptocurrency برای سرمایه گذاران چالش برانگیز است ، همانطور که تعیین مبادلات بهینه و جنبه های مهم است. علاوه بر این ، بسیاری از معامله گران در دارایی های دیجیتال قبل از اضافه کردن ارزهای رمزنگاری شده به اوراق بهادار خود ، سیستم معاملات رمزنگاری را ارزیابی نمی کنند ، که این امر مستلزم خطرات مالی قابل توجهی است. آثار قبلی در مورد ارزهای رمزپایه متمرکز بر پیش بینی قیمت [21،22،23،24،25،26،27،28،29،30،31،38] ، بررسی قرار گرفتن در معرض خطر [33،34] ، نوسانات نشانه های دیجیتال [35،36،37،39] و مشکلات خطر در نشانه ها [40،41،42]. حتی اگر مقدار فزاینده ای در مورد زمینه cryptocurrency وجود داشته باشد ، راه حل هایی برای مسئله پلت فرم معاملاتی بهینه رمزنگاری و معیارهای ارزیابی مهم برای معامله گران نشانه پیدا نشده است. تا به امروز ، هیچ تحقیق در هنگام ارزیابی پلت فرم تجاری بهینه cryptocurrency ، معیارهای مهم یا معامله گران دارایی دیجیتال در تایوان ، چارچوبی جامع برای سرمایه گذاران در طی فرآیندهای تصمیم گیری ایجاد نکرده است. این بدان معناست که آنها اغلب هنگام ارزیابی بستر تجاری ایده آل رمزنگاری ، فاقد روشهای تصمیم گیری علمی عینی هستند. بنابراین ، خطرات استفاده از مبادله نامناسب کاملاً قابل توجه است. بنابراین ، هدف از این تحقیق ایجاد یک چارچوب ارزیابی بر اساس یک فرآیند تصمیم گیری علمی برای به دست آوردن بستر تجاری بهینه cryptocurrency و معیار مهم است.

به منظور ایجاد یک چارچوب و به دست آوردن راه حل بهینه ، فرآیند تصمیم گیری چند معیار (MCDM) برای ارزیابی پلت فرم معاملاتی بهینه رمزنگاری و معیار بحرانی اتخاذ شد [43،44،45،46،47]. ادبیات نشان داده است که رویکرد فرآیند سلسله مراتب تحلیلی (AHP) می تواند مشکلات بهینه سازی را حل کند [48،49،50]. در حالی که AHP در صنایع مختلف بسیار محبوب است ، نیاز به استفاده از یک ماتریس مقایسه زوجی دارد که به نشانه های اضافی نیاز دارد ، به این معنی که روند ارزیابی پیچیده تر خواهد بود. بنابراین ، Rezaei (2015) و Rezaei (2016) یک روش جدید MCDM را ارائه دادند ، به عنوان بهترین روش مبهم (BWM) [51،52] ، که ممکن است روند پیچیده روش AHP را ساده کند و جایگزین و معیار ایده آل را ارائه دهدوزن از طریق برنامه ریزی MCDM. علاوه بر این ، یکی از مزایای روش BWM این است که این یک روش قدرتمند برای شناسایی وزن پارامتر مشکلات MCDM است [53،54،55،56]. Omrani و همکاران.(2020) تجزیه و تحلیل پاکت نامه یکپارچه (DEA) با یک مدل BWM برای تجزیه و تحلیل کارایی ایمنی جاده [57] ، در حالی که Malek و Desai (2019) یک مدل BWM را برای ارزیابی موانع تولید پایدار پیشنهاد دادند [58]. خبری و همکاران.(2019) فرآیند BWM را برای ارزیابی یک سایت کارخانه بیوتانول اجرا کرد [55]. با این حال ، علی رغم مزایای آن ، مدل BWM نمی تواند به طور کامل به عدم قطعیت های ذاتی و عدم موفقیت های مرتبط با ترجمه برداشت های تصمیم گیرندگان به ارقام دقیق بپردازد [59]. طبق گفته های Ayhan (2013) و Khan et al.(2019) ، احکام تخصصی نامشخص و مبهم منجر به پیچیدگی های بیشتر می شود ، این بدان معنی است که پیش بینی عددی برای انسان بسیار دشوارتر از پیش بینی کیفی است [60،61]. بنابراین ، Güngör و همکاران.(2009) پیشنهاد کرد که ویژگی های فازی می تواند در ترجمه عبارات کیفی انسانی به پیش بینی های عددی معنی دار کمک کند [62]. Akram و Niaz (2022) یک روش تصمیم گیری گروهی ویژگی را تعیین کردند که ترکیبی از راه حل های سازش (Cocoso) با اهمیت معیارها از طریق همبستگی بین معیارها (CRIT) به اعداد فازی Fermatean ، که می تواند مسائل نامشخص را در انتخاب دریچه ها حل کند [63]. محمود و علی (2022) اظهار داشتند که تصمیم گیری شامل شرایط نامنظم و عدم قطعیت است [64]. آنها نوتروسوفیک پیچیده تک ارزش را با اپراتور میانگین Muirhead اولویت بندی شده (PMM) (CSVNPMM) و یک اپراتور CSVN در اولویت بندی دوتایی Muirhead (PDMM) بر اساس یک محیط فازی برای مقابله با مشکلات MADM توسعه دادند. از این رو،

برای کاهش عدم قطعیت ها و عدم مشاهده در این مقاله ، این مطالعه یک مدل فازی و فرآیند BWM را برای ارائه یک معماری ارزیابی برای اولویت بندی ، که در آن قضاوت های مقایسه تخصصی توسط اعداد مثلثی فازی ارائه شده است. معماری ارزیابی در این مطالعه یک تغییر فازی از BWM است و سودمندی آن توسط نمونه های عددی نشان داده شده است. براساس گزارش ها و مصاحبه های قبلی با متخصصان مالی ، از جمله سرمایه گذاران و دانشگاهیان مالی ، این مطالعه از تکنیک اصلاح شده دلفی و Fuzzy-BWM برای ایجاد یک معماری ارزیابی قادر به تعیین سیستم معاملات رمزنگاری بهینه و پارامترهای مهم در تایوان برای سرمایه گذاران استفاده شده است.

در نتیجه ، این کار مفهوم فازی را با فرآیند BWM یکپارچه کرده است تا وزن چشم اندازها و عناصر موجود در بازار دارایی دیجیتال برای سرمایه گذاران یا مشاغل را محاسبه کند ، و سپس یک وزن نسبی مناسب را به هر نمای و پارامتر در معماری فازی-bwm اختصاص دادبه منظور به دست آوردن گزینه های مناسب. با توجه به آثار دانشگاهی ، معماری تصمیم گیری Fuzzy-BWM ممکن است توصیه های قابل توجهی را به سرمایه گذاران یا شرکت ها برای تعیین سیستم معاملاتی بهینه رمزنگاری برای پروژه های سرمایه گذاری خود در مناطق cryptocurrency ارائه دهد. با توجه به آثار تجاری ، معماری پیشنهادی می تواند ابزاری ارزشمند را برای تعیین سیستم معاملاتی بهینه رمزنگاری و پارامترهای مهم برای سرمایه گذاران یا شرکت های تایوان فراهم کند.

این کار در سه بخش ساخته شده است. بخش 1 معماری ارزیابی ، از جمله روش Delphi اصلاح شده ، BWM و Fuzzy-BWM را توضیح می دهد. بخش 2 یافته های تحقیقات تجربی را ارائه می دهد. سرانجام ، بخش 3 اظهارات و نتیجه گیری های ما را ارائه می دهد.

2. معماری ارزیابی

نظرات متخصص با استفاده از تکنیک Delphi اصلاح شده ، که تعیین کننده تعیین کننده های رویه است ، پارامترهای وزنی را بررسی می کند و نظرات را با استفاده از چارچوب Fuzzy-BWM رتبه بندی می کند. تکنیک Delphi اصلاح شده ، ایده های فازی و فرآیندهای ارزیابی BWM به شرح زیر است (شکل 1 را ببینید).

2. 1روش دلفی اصلاح شده

به گفته وو و همکاران.(2007) ، تکنیک دلفی به شرح زیر است [65]: (i) متخصصان ناشناس را تعیین کنید.(ب) بررسی پرسشنامه را با دور اول ارائه دهید.(iii) بررسی پرسشنامه را با دور دوم ارائه دهید.(IV) بررسی پرسشنامه پس از دور سوم. و (v) جمع آوری پیشنهادات از متخصصان برای دستیابی به توافق. مراحل (iii) و (IV) به طور معمول هنگام حل مسئله خاص انجام می شود [66]. تمام دیدگاههای مشترک این نظرسنجی با توجه به بررسی ادبیات و مصاحبه های متخصص تعیین شد. از رویکرد دلفی اصلاح شده برای جایگزینی پرس و جو به سبک باز به طور منظم در مرحله (II) استفاده شد [66]. علاوه بر این ، هاسون و کینی (2011) تعداد پزشکان حرفه ای را بین پنج تا نه توصیه کردند [67].

2. 2بهترین روش مهم (BWM)

Rezaei (2015) و Rezaei (2016) BWM را ارائه دادند ، که دارای پنج مرحله برای ارزیابی وزن در یک مسئله تصمیم گیری است [51،52]. روش BWM به طور موثری در مباحث مختلف تحقیقاتی ، مانند اندازه گیری یک مکان بهینه [55] ، تعیین کمیت موانع به تولید پایدار [58] و ارزیابی شاخص های عملکرد لجستیک استفاده شده است [54]. پنج مرحله BWM به شرح زیر [51،52] ارائه شده است:

فاز 1. تعریف مجموعه ای از پارامترهای تصمیم گیری

در مرحله اول ، متغیرهای تصمیم گیری C 1 ، C 2 ، C 3 ،… C n باید تعیین شود که به نتیجه برسد و پارامترهایی که باید برای ارزیابی گزینه های دیگر مورد استفاده قرار گیرد ، ارزیابی می شود. از رویکرد Delphi اصلاح شده در این مطالعه برای به دست آوردن پارامترهای ارزیابی برای رتبه بندی سیستم معاملاتی بهینه رمزنگاری برای معامله گران تایوانی استفاده شد و می تواند در سطوح مجزا ارائه شود.

فاز 2. بهترین پارامتر و بدترین پارامتر

مرحله دوم بهترین پارامتر (مهمترین پارامتر) و بدترین پارامتر را با توجه به متخصصان انتخاب می کند ، اما مقادیر پارامترها و گزینه ها را ارزیابی نمی کند.

فاز 3. تأیید اولویت در بهترین ها (BO) در فاز 3 ، شرکت کنندگان ترجیحات خود را در مقیاس 1 تا 9 رتبه بندی کردند ، با 1 نشان دهنده اهمیت مساوی و 9 نشان می دهد که بهترین پارامتر از پارامترهای باقیمانده ضروری تر است. وکتور BO حاصل به شرح زیر است. a b = a b 1 ، a b 2 ،… a b n

جایی که یک b j نشان می دهد که ترجیح B بیش از J و A B = 1.

فاز 4. تأیید اولویت در دیگران-به سمت (OW) در فاز 4 ، شرکت کنندگان تعدادی بین 1 تا 9 را انتخاب کردند که حاکی از ترجیح آنها برای سایر عوامل بر معیار انتخاب شده به عنوان کمترین مهم است ، با 1 نشان دهنده اهمیت مساوی و 9 نشان می دهد که پارامتر در این موضوع به طور قابل توجهی ضروری تر از کمترین استپارامتر مهموکتور OW حاصل به شرح زیر است. a w = (a 1 w ، a 2 w ،… a n w) t

جایی که یک J W نشان می دهد که ترجیح J بر W و W W = 1.