پیش¬بینی میزان سپرده¬ها با استفاده از روش¬های خطی ARIMA و غیر خطی

پیش¬بینی میزان سپرده¬ها با استفاده از روش¬های خطی ARIMA و غیر خطی

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 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). 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). 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.

1.3                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.

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 مسأ له 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