منابع مقالات علمی : پیش بینی میزان سپرده ها با استفاده از روش های خطی ARIMA و …

روشن است که پیشبینی[۱] از ملزومات اصلی برای سیاستگذاری و برنامهریزی آینده است. مدیران بخشهای مختلف اقتصادی و بازرگانی، به دلیل وجود انبوه متغیرهای تاثیرگذار، ترجیح میدهند مکانیزمی را در اختیار داشته باشند که بتواند آنها را در امور تصمیمگیریشان یاری و مشاوره دهد(آرمسترانگ، ۲۰۰۱)[۲]. برای موفقیت در دنیای متغیر امروز، تصمیمهای سازمانهای فعال در کسبوکار متکی به پیشبینیهای انجام شده با حداقل خطا است که در گرو داشتن یک سیستم پیشبینی مناسب است(آبراهام و لدالتر،۱۹۸۳)[۳]. به همین دلیل، سعی در روآوردن به روشهایی در پیشبینی دارند که به واسطه آنها تخمینهایشان به واقعیت نزدیک و خطاهایشان بسیارکم باشد. ضمن اینکه برای برنامهریزی صحیح به عنوان یکی از مهمترین وظایف مدیریت، پیشبینی آنچه احتمالا درآینده به وقوع میپیوندد بسیارضروری است. سپردههای بانکهای تجاری و تخصصی مهمترین عامل در طرف عرضه پول در اقتصاد هستند. همچنین سپردهها جزء منابع اصلی بوده و عمده بدهیهای بانکها را نیز تشکیل میدهند. تجزیه و تحلیل میزان سپردهها، اجزای آنها، تغییرات، نرخ رشد و پیشبینی هر کدام از این عوامل برای مدیران بانک ها از اهمیت فوقالعادهای برخورداراست و در تصمیمگیری و برنامهریزی به آنها کمک می نماید. میزان، روند و چگونگی تغییرات انواع سپردهها هرکدام متغیری تصادفی بوده و در دنیای پر از نااطمینانی، تحت تـأثیر عوامل بیشماری قرار دارند و به سادگی نمیتوان آنها را پیشبینی کرد. با این وجود در اغلب رشتههای علمی توجه خاصی به مسأله پیشبینی شده و جزء لاینفک هرکدام از آنها است. تکنیکها و روشهایی نیز برای امر پیشبینی ارایه شده است و اگر نه به طور کامل اما تا حد بسیار زیادی میتوانند در امر پیشبینی به تصمیمگیران کمک نمایند.
مدیران بانکها علاقمندند بدانند که میزان کل سپردههای بانک تحت مدیریت آنها در زمان معینی در آینده چقدر خواهد بود؟
پیشبینی میزان سپردهها میتواند در امر برنامهریزی و تصمیمگیری به بانک سامان و مدیران شعب آن کمک نماید، بنابراین انجام یک مطالعه علمی با استفاده از تکنیکهای آماری و مدلهای شبکه عصبی مصنوعی میتواند حل مشکل را سادهتر نماید.
اهمیت- ضرورت پژوهش
با توجه به آنچه در بیان مسأله گفته شد جواب دادن به سؤالات بسیاری در زمینه پیشبینی انواع مختلف سپردههای بانکی به دلیل وزن بالای سپردهها در عملیات و فعالیت بانکها، دارای اهمیت فوقالعادهای است و این امر میتواند در تصمیمگیری و برنامهریزی این مؤسسات که به عنوان واسطه مالی در اقتصاد عمل مینمایند، کمک شایان توجهی بنماید. پول در سلامت اقتصادی جامعه نقشی اساسی دارد و میزان بهینه آن از این نظر که متغیرهای زیادی را تحت تأثیر قرار میدهد، میتواند در بهبود وضعیت اشتغال، ثبات قیمتها، افزایش سطح تولید، پس انداز و سرمایه گذاری و…..نقشی اساسی داشته باشد. بانکهای تجاری و تخصصی درپول آفرینی اقتصاد عمدهترین نقش را بازی میکنند و به همراه سیاستهای بانک مرکزی، مردم و دولت میزان عرضه پول و در نهایت حجم نقدینگی را تعیین میکنند و در بخش غیر واقعی اقتصاد وظیفه مهمی را بر عهده دارند. بانکها میتوانند پساندازهای ریز و درشت مردم را جمع آوری نموده و آنها را به کسانی که انگیزه و توان سرمایهگذاری دارند، اما فاقد منابع مالی هستند، به شیوه مناسبی تخصیص دهند. در این بین اگر منابع بانک که سپردهها بیشترین بخش آن را تشکیل میدهند در سطح پایینی باشند، قدرت وامدهی و مانور بانک به شدت کاهش مییابد. بنابراین با توجه به آنچه گفته شد پیشبینی میزان انواع سپردههای بانکی از اهمیت زیادی برخوردار است، بنابراین انگیزه انتخاب چنین موضوعی، اهمیت فوقالعاده فعالیت بانکها برای سلامت اقتصاد جامعه و نقش عمده سپردهها در بانکها است.
اهداف پژوهش
هدف اصلی
هدف اصلی در این پایاننامه مقایسه مدلهای شبکه عصبی و مدل آریما در پیشبینی میزان سپردههای ریالی بانک سامان است.
اهداف فرعی

نوشته ای دیگر :
پیش بینی میزان سپرده ها با استفاده از روش های خطی ARIMA ...

  1. پیشبینی میزان انواع سپردههای ریالی بانک سامان با استفاده از مدل سری زمانی آریما و تعیین شاخصهای خطای ریشه میانگین مربع خطا، میانگین قدر مطلق درصد خطا، میانگین قدر مطلق خطا و ضریب تعیین مربوط به آن.
  2. پیشبینی میزان انواع سپردههای ریالی بانک سامان با استفاده از مدل شبکههای عصبی پروسپترون چند لایه و تعیین شاخصهای خطای ریشه میانگین مربع خطا، میانگین قدر مطلق درصد خطا، میانگین قدر مطلق خطا و ضریب تعیین مربوط به آن.
  3. مقایسه مدلهای شبکه عصبی پروسپترون چند لایه و روش آریما در پیشبینی میزان سپردهها، بر اساس شاخصهای خطای ریشه میانگین مربع خطا، میانگین قدر مطلق درصد خطا، میانگین قدر مطلق خطا و ضریب تعیین مربوط به آن.

سوالها و فرضیه های پژوهش
با توجه به مطالب طرح شده فرضیه اصلی عبارتست از:
مدل مناسب با بهترین مقدار شاخصهای خطا، برای پیشبینی میزان انواع سپردههای ریالی بانک سامان یک مدل شبکه عصبی مصنوعی پروسپترون چند لایه است.
در کنار این فرضیه، سوالات و فرضیههای زیر نیز مطرح میشوند.
سئوالات

  1. چگونه میتوان میزان سپردههای قرضالحسنه ریالی بانک سامان را با استفاده از روش آریما و شبکه عصبی پروسپترون چند لایه پیشبینی کرد؟
  2. چگونه میتوان میزان سپردههای جاری ریالی بانک سامان را با استفاده
    دانلود متن کامل پایان نامه در سایت jemo.ir موجود است

    از روش آریما و شبکه عصبی پروسپترون چند لایه پیشبینی کرد؟

  3. چگونه میتوان میزان سپردههای کوتاه مدت ریالی بانک سامان را با استفاده از روش آریما و شبکه عصبی پروسپترون چند لایه پیشبینی کرد؟
  4. چگونه میتوان میزان سپردههای بلند مدت ریالی بانک سامان را با استفاده از روش آریما و شبکه عصبی پروسپترون چند لایه پیشبینی کرد؟
  5. چگونه میتوان میزان مجموع سپردههای ریالی بانک سامان را با استفاده از روش آیما و شبکه عصبی پروسپترون چند لایه پیشبینی کرد؟
  6. در پیشبینی میزان انواع سپردههای بانک سامان بر اساس شاخص های خطای و ضریب تعیین، آیا مدل شبکههای عصبی پروسپترون چند لایه از مدل آریما دقیقتر است؟

فرضیه ها

  1. روشهای شبکه عصبی پروسپترون چند لایه در پیشبینی میزان انواع سپردههای ریالی بانک سامان، از لحاظ شاخص خطای ریشه میانگین مربع خطا، از روش آریما برتر است.
  2. روشهای شبکه عصبی پروسپترون چند لایه در پیشبینی میزان انواع سپردههای ریالی بانک سامان، از لحاظ شاخص میانگین قدر مطلق درصد خطا، از روش آریما برتر است.
  3. روشهای شبکه عصبی پروسپترون چند لایه در پیشبینی میزان انواع سپردههای ریالی بانک سامان، از لحاظ شاخص میانگین قدر مطلق خطا، از روش آریما برتر است.
  4. روشهای شبکه عصبی پروسپترون چند لایه در پیشبینی میزان انواع سپردههای ریالی بانک سامان، از لحاظ شاخص ضریب تعیین، از روش آریما برتر است.

روش انجام پژوهش
روش انجام این پژوهش از نظر ماهیت و اهداف، کاربردی است.
روش پژوهش از نظر شیوه انجام
در این پژوهش دادههای مربوط به انواع سپردههای همه شعب بانک سامان شامل سپردههای قرضالحسنه و سپردههای سرمایهگذاری مدتدار و مجموع سپردههای مذکور که به صورت روزانه از فروردین ۱۳۸۰ تا اسفند ۱۳۹۰ در دسترس بودند را با استفاده مدل آریما و شبکه عصبی مصنوعی پروسپترون چند لایه برای پیشبینی مورد استفاده قرار میگیرند. چون دادههای مورد استفاده از نوع دادههای سری زمانی میباشند، به هنگام استفاده از مدلهای آریما باید پایایی این متغیرها مورد بررسی قرار گیرد که از طریق نمودار خودهمبستگی و خودهمبستگی جزئی و آزمون دیکی – فولر تعمیم یافته، این مسأ‌له بررسی خواهد شد. سپس مدلهای مختلف آریما، با توجه به بررسیهای انجام شده و در نظر گرفتن معیارهای مورد نظر، برآورد میگردد و پیشبینی صورت میپذیرد. برای طراحی و پیشبینی مدلهای مورد نظر با استفاده از روش آریما از نرم افزار Eveiws استفاده میشود.
در ادامه از طریق مدل شبکه عصبی، با تاکید بر مدل پروسپترون چند لایه، و با در نظر گرفتن مقادیر مشاهده شده به عنوان متغیر Target و متغیر روند به عنوان متغیر مستقل، مقادیر خروجی مشخص شده و با هدف کاهش میزان خطای برآورد، پیشبینی انجام خواهد شد. برای طراحی و پیشبینی مدلهای مورد نظر از نرم افزار MATLAB استفاده میگردد. در قسمت آخر نتایج دو روش با هم مقایسه شده و پیشنهادها و راهکارهایی نیز ارایه خواهد شد.
قلمرو زمانی و مکانی پژوهش
قلمرو زمانی پژوهش

نوشته ای دیگر :
تحقیق دانشگاهی - مساله مکان یابی تخصیص چند تسهیله ظرفیت بندی شده در حضور منابع ...