Современный рынок криптовалют характеризуется высокой волатильностью, нестабильностью ценовых процессов и появлением новых форм финансовых и технологических рисков, связанных с развитием децентрализованных финансов. Традиционные методы оценки и управления рисками недостаточно эффективно учитывают особенности криптоактивов, что обусловливает необходимость совершенствования моделей риск-менеджмента. Цель исследования заключается в сравнении современных теорий и моделей управления финансовыми рисками на рынке криптовалют в условиях экстремальной волатильности и специфических рисков децентрализованных финансов. В работе использованы методы эконометрического анализа, сравнительного моделирования, статистического бэктестинга и анализа нормативно-правовых подходов к регулированию крипторынка. Проведено сопоставление моделей условной волатильности, методов глубокого обучения и гибридных архитектур прогнозирования рисков. Выполнен анализ различных подходов к оценке предельных потерь и ожидаемых убытков в стрессовых рыночных условиях, а также рассмотрены механизмы управления рисками поставщиков ликвидности в децентрализованных финансовых протоколах. Установлено, что модели глубокого обучения и гибридные подходы обеспечивают более высокую точность прогнозирования волатильности по сравнению с традиционными статистическими моделями. Определено, что исторические методы оценки предельных потерь демонстрируют наибольшую устойчивость в периоды рыночной турбулентности. Показано, что эффективное управление рисками в сфере криптовалют требует сочетания финансовых, технологических и регуляторных инструментов. Сделан вывод о необходимости комплексного подхода к риск-менеджменту, объединяющего методы количественного анализа, технологии машинного обучения и современные механизмы регулирования криптовалютного рынка.

The modern cryptocurrency market is characterized by high volatility, unstable price processes, and the emergence of new forms of financial and technological risks associated with the development of decentralized finance. Traditional methods of risk assessment and management do not effectively consider the specific features of crypto assets, which necessitates the improvement of risk management models. The purpose of this study is to compare modern theories and models of financial risk management in the cryptocurrency market under conditions of extreme volatility and specific risks associated with decentralized finance. The study uses methods of econometric analysis, comparative modeling, statistical backtesting, and analysis of regulatory approaches to the regulation of the cryptocurrency market. It compares conditional volatility models, deep learning methods, and hybrid risk prediction architectures. The study analyzes various approaches to estimating marginal losses and expected losses in stressful market conditions and examines the risk management mechanisms of liquidity providers in decentralized financial protocols. The study finds that deep learning models and hybrid approaches provide higher accuracy in predicting volatility compared to traditional statistical models. It also determines that historical methods of estimating marginal losses demonstrate the highest stability during periods of market turbulence. The study concludes that effective risk management in the cryptocurrency sector requires a combination of financial, technological, and regulatory tools. It highlights the need for a comprehensive approach to risk management that combines quantitative analysis methods, machine learning technologies, and modern regulatory mechanisms for the cryptocurrency market.