پایان نامه ارشد: پیش بینی میزان سپرده ها با استفاده از روش های خطی ARIMA و غیر خطی شبکه های عصبی مصنوعی و مقایسه این دو روش
باتوجه به اینکه تجهیز منابع و جمعآوری وجوه اشخاص اولین هدف بانک بوده، سپردههای بانکی از دو لحاظ دارای اهمیت است اول قدرت وامدهی و تخصیص منابع بانک را افزایش داده و دوم اینکه وقتی مردم ترجیح دهند پول خود را نزد بانکها نگهداری نموده وکمتر برای خرج آن اقدام نمایند، از حجم پول در گردش کاسته شده که این امر خود موجب کاهش نرخ تورم و در نتیجه افزایش قدرت خرید مردم میگردد.
امروزه در جهان نیز اهمیت جذب منابع مالی آنقدر برای بانکها و ادامه فعالیتشان مهم و حیاتی است که رقابت بسیارشدیدی را در این زمینه بین آنها ایجاد نموده و ضرورت پیشبینی میزان تجهیز منابع در آینده را نمایان ساخته است. تاجایی که توانایی پیشبینی صحیح نتایج آتی، به خصوص جریانهای نقدی، اداره امور را در کاراترین شکل خود امکان پذیر میسازد و به اتخاذ تصمیمهای بهینه در زمینه عملیاتی، سرمایهگذاری و تامین مالی منجر میشود.
1.2 بیان مسئله
روشن است که پیشبینی[1] 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، 2001)[2]. 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،1983)[3]. 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 بانكهای تجاری و تخصصی مهمترین عامل در طرف عرضه پول در اقتصاد هستند. همچنین سپردهها جزء منابع اصلی بوده و عمده بدهیهای بانكها را نیز تشكیل میدهند. تجزیه و تحلیل میزان سپردهها، اجزای آنها، تغییرات، نرخ رشد و پیشبینی هر كدام از این عوامل برای مدیران بانك ها از اهمیت فوقالعادهای برخورداراست و در تصمیمگیری و برنامهریزی به آنها كمك می نماید. میزان، روند و چگونگی تغییرات انواع سپردهها هركدام متغیری تصادفی بوده و در دنیای پر از نااطمینانی، تحت تـأثیر عوامل بیشماری قرار دارند و به سادگی نمیتوان آنها را پیشبینی كرد. با این وجود در اغلب رشتههای علمی توجه خاصی به مسأله پیشبینی شده و جزء لاینفك هركدام از آنها است. تكنیكها و روشهایی نیز برای امر پیشبینی ارایه شده است و اگر نه به طور كامل اما تا حد بسیار زیادی میتوانند در امر پیشبینی به تصمیمگیران كمك نمایند.
مدیران بانكها علاقمندند بدانند كه میزان كل سپردههای بانك 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 كمك نماید، بنابراین انجام یك مطالعه علمی با استفاده از تكنیكهای آماری و مدلهای شبكه عصبی مصنوعی میتواند حل مشكل را سادهتر نماید.
[1] -Forecasting
[2] -Armstrong
[3] – Abraham & Ledolter
نسخه قابل چاپ | ورود نوشته شده توسط نجفی زهرا در 1399/10/25 ساعت 08:32:00 ب.ظ . دنبال کردن نظرات این نوشته از طریق RSS 2.0. |