وبلاگ

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.

1.4                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

 

 

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.

 

1. 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.

 

1. 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.

 

1.5                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.

 

1.5.1     سئوالات

 

 

 

1. چگونه می­توان میزان سپرده­های قرض­الحسنه ریالی بانک سامان را با استفاده از روش آریما و شبکه عصبی پروسپترون چند لایه پیش­بینی کرد؟

 

1. چگونه می­توان میزان سپرده­های جاری ریالی بانک سامان را با استفاده از روش آریما و شبکه عصبی پروسپترون چند لایه پیش­بینی کرد؟

 

1. چگونه می­توان میزان سپرده­های کوتاه مدت ریالی بانک سامان را با استفاده از روش آریما و شبکه عصبی پروسپترون چند لایه پیش­بینی کرد؟

 

1. چگونه می­توان میزان سپرده­های بلند مدت ریالی بانک سامان را با استفاده از روش آریما و شبکه عصبی پروسپترون چند لایه پیش­بینی کرد؟

 

1. چگونه می­توان میزان مجموع سپرده­های ریالی بانک سامان را با استفاده از روش آیما و شبکه عصبی پروسپترون چند لایه پیش­بینی کرد؟

 

1. 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؟

 

1.5.2     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.

 

1. 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.

 

1. 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.

 

1. روش­های شبکه عصبی پروسپترون چند لایه در پیش­بینی میزان انواع سپرده­های ریالی بانک سامان، از لحاظ شاخص ضریب تعیین، از روش آریما برتر است.

 

1.6                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 1380 تا اسفند 1390 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.

 

1.7                قلمرو زمانی و مکانی پژوهش

 

قلمرو زمانی پژوهش

 

 

 

این پژوهش براساس اطلاعات مالی سال­های 90-80 بانک سامان انجام خواهد گرفت.

 

 

 

قلمرو مکانی پژوهش

 

قلمرو مکانی این پژوهش بانک سامان است.

 

1.8                جامعه آماری

 

جامعه آماری این پژوهش کلیه شعب بانک سامان است.

 

1.9                روش­های گردآوری اطلاعات

 

این پژوهش به لحاظ روش گردآوری داده­ها از نوع میدانی است.

 

در گردآوری اطلاعات و داده­ها از ابزار زیر استفاده شده است:

 

اطلاعات مربوط به پیشینه پژوهش و چارچوب نظری از طریق مطالعات کتابخانه­ای و ترجمه متون خارجی و اینترنت به دست می­آید.

 

 اطلاعات مربوط به میزان سپرده­های بانک از مراجعه به سوابق مالی سالهای گذشته و مصاحبه با کارشناسان در مدیریت امور فن­آوری اطلاعات بانک سامان به دست می­آید.

 

1.10           تعریف واژه ­ها و اصطلاحات تخصصی پژوهش

 

تعریف سپرده 

 

به وجوهی اعم از پول ملی (ریال) و یا پول کشورهای خارجی (ارز) که اشخاص حقیقی یا حقوقی تحت شرایطی که قانون تعیین نموده به بانکها و موسسات اعتباری تودیع و نزد آنها نگهداری می­نمایند، سپرده اطلاق می­شود. سپرده­ها در نظام بانکی با توجه به ماهیت و شرایط آن به دو گروه تقسیم می­شوند:

 

الف) سپرده قرض­الحسنه                     ب) سپرده سرمایه­گذاری مدت­دار

 

 

 

 

 

الف) سپرده قرض­الحسنه

 

 به سپرده­هایی اطلاق می­شود که به آنها سودی تعلق نگرفته و سپرده­گذار به منظور برخورداری از اجر معنوی قرض­الحسنه و استفاده از خدمات بانکی اقدام به افتتاح آن می­نماید. سپرده­های قرض­الحسنه در نظام بانکی بدون ربا به دو نوع تقسیم می­گردد: 

 

الف-1) سپرده قرض­الحسنه جاری                  الف-2) سپرده قرض­الحسنه پس­انداز

 

الف-1) سپرده قرض­الحسنه جاری

 

به سپرده­های قرض­الحسنه­ای اطلاق می­شود که نقل و انتقال وجه آن از طریق چک صورت گرفته و بانک متعهد است بمحض رویت چک صادره توسط صاحب سپرده، وجه آن را از محل سپرده وی پرداخت نماید.

 

الف-2) سپرده قرض­الحسنه پس­انداز

 

به سپرده­های قرض­الحسنه­ای اطلاق می­شود که به قصد برخورداری از اجر معنوی، توسط سپرده­گذار افتتاح می­شوند. بانک­ها می­توانند به منظور جذب و تجهیز این گونه سپرده­ها، جوایز و امتیازاتی به سپرده­گذاران اعطا نمایند.

 

ب) سپرده­های سرمایه­گذاری مدت­دار

 

سپرده سرمایه­گذاری مدت­دار به آن دسته از سپرده­ها اطلاق می­شود که بقصد انتفاع (سود) به بانک سپرده و بانک با قبول وکالت از طرف صاحبان سپرده سرمایه­گذاری پس از تودیع سپرده­های قانونی نزد بانک مرکزی بقیه وجوه مربوطه را در عملیات مجاز بانکی بکار می­گیرد و منافع حاصل از این عملیات بین سپرده گذار و بانک تقسیم می­شود. ضمنا بانک استرداد اصل سپرده سرمایه­گذاری را طبق قرارداد منعقده تعهد و یا به هزینه خود بیمه می­نماید.

 

 

 

سپرده­های سرمایه­گذاری مدت­دار با توجه به مدت آن به دو نوع زیر تقسیم می­شوند:

 

ب-1) سپرده سرمایه­گذاری کوتاه مدت               ب-2) سپرده سرمایه­گذاری بلند­مدت

 

-Forecasting

 

-Armstrong

 

– Abraham & Ledolter