دانشگاه ارشاد دماوند
گروه مدیریت
پایاننامه کارشناسی ارشد رشته مدیریت صنعتی گرایش صنعتی- مالی
عنوان پایاننامه:
پیشبینی میزان سپردهها با استفاده از روشهای خطی ARIMA و غیر خطی شبکههای عصبی مصنوعی و مقایسه این دو روش
(مورد مطالعه بانک سامان)
استاد راهنما:
دکتر محمد عرب مازار یزدی
استاد مشاور:
محمود باغجری
زمستان 1391
برای رعایت حریم خصوصی نام نگارنده پایان نامه درج نمی شود
(در فایل دانلودی نام نویسنده موجود است)
تکه هایی از متن پایان نامه به عنوان نمونه :
(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)
چکیده:
در این پایاننامه میزان هر یک از سپردههای بانك سامان و مجموع کلیه سپردههای بانک مذکور، با استفاده مدل خطی آریما و مدل غیرخطی شبكه عصبی مصنوعی پیشبینی و در انتها نتایج دو روش با استفاده از معیارهای ارزیابی ریشه میانگین مربع خطا، میانگین قدر مطلق درصد خطا، میانگین قدر مطلق و ضریب تعیین با یکدیگر مقایسه گردید.
برای این موضوع میزان انواع سپردههای کلیه شعب بانک سامان، طی سالهای 1380تا 1390 كه به صورت روزانه تهیه شدهاند، مورد بررسی قرار گرفت.
با توجه به انواع سپردهها در مجموع 9 مدل شبکه عصبی و9 مدل آریما برای پیشبینی طراحی گردید که برای طراحی و پیشبینی مدلهای شبکه عصبی از نرمافزار MATLAB و برای طراحی و پیشبینی مدلهای روش آریما از نرم افزار Eveiws استفاده شد.
نتایج پژوهش حاکی از آن است که با توجه به پیچیدگی کم و خطی بودن سری های زمانی که در این پژوهش به کار برده شدهاند، هر دو روش از توانایی بالایی در پیشبینی متغیرها برخوردارند اما در مجموع مدلهای شبکه عصبی حتی در پیشبینی سریهای زمانی خطی نیز نتایج مناسب تری نسبت به روش خطی آریما داشتهاند و برای پیشبینی بهتر است که از این روش استفاده شود.
فهرست مطالب
1.5 سوالها و فرضیه های پژوهش.. 4
1.7 قلمرو زمانی و مکانی پژوهش.. 6
1.9 روشهای گردآوری اطلاعات.. 7
1.10 تعریف واژه ها و اصطلاحات تخصصی پژوهش.. 7
2.2 پیش بینی و مدلهای پیش بینی.. 10
2.2.5 شبکه های عصبی مصنوعی.. 16
2.2.6 ساختار کلی شبکه های عصبی.. 16
2.2.7 عملکرد شبکه های عصبی.. 18
2.2.8 مزایای استفاده از شبکه عصبی مصنوعی.. 19
2.2.10 انواع شبکه های عصبی.. 22
2.4.2 موسسات مالی و بانکها.. 29
2.4.3 اهداف وظایف امروزی بانکها.. 30
3.2 بخش اول کلیات روش پژوهش.. 49
3.2.4 سوالات و فرضیات پژوهش.. 51
3.2.5 مراحل انجام کار در این پژوهش.. 52
3.2.8 فرایند خودرگرسیون میانگین متحرك انباشته (آریما).. 55
3.2.9 روش های مبتنی بر شبکه های عصبی.. 57
3.2.10 مدل شبکه های عصبی پروسپترون چند لایه.. 59
3.2.11 ارزیابی عملکرد مدل ها.. 60
3.2.12 توابع مورد استفاده برای ارزیابی خطا.. 60
4.2 پیش بینی سپرده قرضالحسنه پس انداز.. 62
4.3 پیش بینی سپرده های جاری.. 64
4.4 پیش بینی سپرده های سرمایه گذاری کوتاه مدت.. 67
4.5 پیش بینی سپرده های سرمایه گذاری بلند مدت یک ساله.. 69
4.6 پیش بینی سپرده های سرمایه گذاری بلند مدت دو ساله.. 72
4.7 پیش بینی سپرده های سرمایه گذاری بلند مدت سه ساله.. 74
4.8 پیش بینی سپرده های سرمایه گذاری بلند مدت چهار ساله 76
4.9 پیش بینی سپرده های سرمایه گذاری بلند مدت پنج ساله 79
4.10 پیش بینی مجموع سپرده های ریالی.. 82
5.2 نتایج و یافته های پژوهش.. 87
5.4.2 پیشنهادات برای پژوهش های آتی.. 90
1 کلیات پژوهش
1.1 مقدمه
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
تعداد صفحه : 120
قیمت 14700 تومان