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

ارسال شده در 9 خرداد 1399 توسط نجفی زهرا در بدون موضوع

در این پایان نامه میزان هر یک از سپردههای بانک سامان و مجموع کلیه سپردههای بانک مذکور، با استفاده مدل خطی آریما و مدل غیرخطی شبکه عصبی مصنوعی پیش بینی و در انتها نتایج دو روش با بهره گرفتن 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 که به صورت روزانه تهیه شده اند، مورد بررسی قرار گرفت.

با توجه به انواع سپردهها در مجموع 9 مدل شبکه عصبی و9 مدل آریما برای پیش بینی طراحی گردید که برای طراحی و پیش بینی مدلهای شبکه عصبی از نرمافزار MATLAB و برای طراحی و پیش بینی 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 شده اند، هر دو روش از توانایی بالایی در پیش بینی متغیرها برخوردارند اما در مجموع مدلهای شبکه عصبی حتی در پیش بینی سریهای زمانی خطی نیز نتایج مناسب تری نسبت به روش خطی آریما داشته اند و برای پیش بینی بهتر است که از این روش استفاده شود.

فهرست مطالب

1 کلیات پژوهش 1

1.1 مقدمه. 1

1.2 بیان مسئله 1

1.3 اهمیت- ضرورت پژوهش 2

1.4 اهداف پژوهش 3

1.5 سوالها و فرضیه های پژوهش 4

1.5.1 سئوالات 4

1.5.2 فرضیه ها 5

1.6 روش انجام پژوهش 5

1.7 قلمرو زمانی و مکانی پژوهش 6

1.8 جامعه آماری 7

1.9 روش های گردآوری اطلاعات. 7

1.10 تعریف واژه ها و اصطلاحات تخصصی پژوهش 7

2 ادبیات پژوهش 10

2.1 مقدمه. 10

2.2 پیش بینی و مدلهای پیش بینی 10

2.2.1 تعریف پیش بینی 10

2.2.2 مدل های پیش بینی 11

2.2.3 سری های زمانی 11

2.2.4 مدل باکس ـ جنکینز. 13

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

2.2.9 انواع توابع تبدیل 21

2.2.10 انواع شبکه های عصبی 22

2.3 معیارهای ارزیابی خطا 25

2.4 تاریخچه بانکداری 28

2.4.1 آغاز بانکداری 29

2.4.2 موسسات مالی و بانکها 29

2.4.3 اهداف وظایف امروزی بانکها 30

2.4.4 انواع سپرده ها 31

2.5 پیشینه پژوهش 35

2.5.1 مطالعات داخلی 35

2.5.2 مطالعات خارجی 42

3 روش شناسی پژوهش 49

3.1 مقدمه. 49

3.2 بخش اول کلیات روش پژوهش 49

3.2.1 جامعه آماری پژوهش. 49

3.2.2 قلمرو پژوهش. 50

3.2.3 اهداف پژوهش. 50

3.2.4 سوالات و فرضیات پژوهش. 51

3.2.5 مراحل انجام کار در این پژوهش. 52

3.2.6 روش تحلیل داده ها 53

3.2.7 روش های مورد بررسی 53

3.2.8 فرایند خودرگرسیون میانگین متحرک 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 تحلیل داده ها 61

4.1 مقدمه. 61

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

4.11 پاسخ فرضیه ها 84

5 نتیجه گیری 86

5.1 مقدمه. 86

5.2 نتایج و یافته های پژوهش 87

5.3 محدودیت های پژوهش 89

5.4 پیشنهادات. 90

5.4.1 پیشنهادات اجرایی 90

5.4.2 پیشنهادات برای پژوهش های آتی 90

6 فهرست منابع و ماخذ 92

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 پیش بینی میزان تجهیز منابع در آینده را نمایان ساخته است. تاجایی که توانایی پیش بینی 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 پیش بینی[1] از ملزومات اصلی برای سیاستگذاری و برنامه ریزی آینده است. مدیران بخشهای مختلف اقتصادی و بازرگانی، به دلیل وجود انبوه متغیرهای تاثیرگذار، ترجیح می دهند مکانیزمی را در اختیار داشته باشند که بتواند آنها را در امور تصمیم گیریشان یاری و مشاوره دهد(آرمسترانگ، 2001)[2]. برای موفقیت در دنیای متغیر امروز، تصمیمهای سازمانهای فعال در کسبوکار متکی به پیش بینیهای انجام شده با حداقل خطا است که در گرو داشتن یک سیستم پیش بینی مناسب است(آبراهام و لدالتر،1983)[3]. به همین دلیل، سعی در روآوردن به روشهایی در پیش بینی دارند که به واسطه آنها تخمینهایشان به واقعیت نزدیک و خطاهایشان بسیارکم باشد. ضمن اینکه برای برنامه ریزی صحیح به عنوان یکی از مهمترین وظایف مدیریت، پیش بینی 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 می دهند. تجزیه و تحلیل میزان سپردهها، اجزای آنها، تغییرات، نرخ رشد و پیش بینی هر کدام از این عوامل برای مدیران بانک ها از اهمیت فوقالعادهای برخورداراست و در تصمیم گیری و برنامه ریزی 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 پیش بینی کرد. با این وجود در اغلب رشتههای علمی توجه خاصی به مسأله پیش بینی شده و جزء لاینفک هرکدام از آنها است. تکنیکها و روشهایی نیز برای امر پیش بینی ارائه شده است و اگر نه به طور کامل اما تا حد بسیار زیادی میتوانند در امر پیش بینی به تصمیمگیران کمک نمایند.

مدیران بانکها علاقمندند بدانند که میزان کل سپردههای بانک تحت مدیریت آنها در زمان معینی در آینده چقدر خواهد بود؟

پیش بینی میزان سپردهها می تواند در امر برنامه ریزی و تصمیم گیری به بانک سامان و مدیران شعب آن کمک نماید، بنابراین انجام یک مطالعه علمی با بهره گرفتن از تکنیکهای آماری و مدلهای شبکه عصبی مصنوعی می تواند 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 پیش بینی انواع مختلف سپردههای بانکی به دلیل وزن بالای سپردهها در عملیات و فعالیت بانکها، دارای اهمیت فوقالعادهای است و این امر می تواند در تصمیم گیری و برنامه ریزی 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، می تواند 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 می کنند و به همراه سیاستهای بانک مرکزی، مردم و دولت میزان عرضه پول و در نهایت حجم نقدینگی را تعیین می کنند 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 می دهند در سطح پایینی باشند، قدرت وامدهی و مانور بانک به شدت کاهش مییابد. بنابراین با توجه به آنچه گفته شد پیش بینی 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 پایان نامه مقایسه مدلهای شبکه عصبی و مدل آریما در پیش بینی میزان سپردههای ریالی بانک سامان است.

اهداف فرعی

پیش بینی میزان انواع سپردههای ریالی بانک سامان با بهره گرفتن 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.
پیش بینی میزان انواع سپردههای ریالی بانک سامان با بهره گرفتن از مدل شبکه های 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.
مقایسه مدلهای شبکه عصبی پروسپترون چند لایه و روش آریما در پیش بینی 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 پیش بینی میزان انواع سپردههای ریالی بانک سامان یک مدل شبکه عصبی مصنوعی پروسپترون چند لایه است.

در کنار این فرضیه، سوالات و فرضیه های زیر نیز مطرح میشوند.

1.5.1 سئوالات

چگونه میتوان میزان سپردههای قرضالحسنه ریالی بانک سامان را با بهره گرفتن از روش آریما و شبکه عصبی پروسپترون چند لایه پیش بینی کرد؟
چگونه میتوان میزان سپردههای جاری ریالی بانک سامان را با بهره گرفتن از روش آریما و شبکه عصبی پروسپترون چند لایه پیش بینی کرد؟
چگونه میتوان میزان سپردههای کوتاه مدت ریالی بانک سامان را با بهره گرفتن از روش آریما و شبکه عصبی پروسپترون چند لایه پیش بینی کرد؟
چگونه میتوان میزان سپردههای بلند مدت ریالی بانک سامان را با بهره گرفتن از روش آریما و شبکه عصبی پروسپترون چند لایه پیش بینی کرد؟
چگونه میتوان میزان مجموع سپردههای ریالی بانک سامان را با بهره گرفتن از روش آیما و شبکه عصبی پروسپترون چند لایه پیش بینی کرد؟
در پیش بینی میزان انواع سپردههای بانک سامان بر اساس شاخص های خطای و ضریب تعیین، آیا مدل شبکه های عصبی پروسپترون چند لایه از مدل آریما دقیقتر است؟1.5.2 فرضیه ها

روشهای شبکه عصبی پروسپترون چند لایه در پیش بینی میزان انواع سپردههای ریالی بانک سامان، از لحاظ شاخص خطای ریشه میانگین مربع خطا، از روش آریما برتر است.
روشهای شبکه عصبی پروسپترون چند لایه در پیش بینی میزان انواع سپردههای ریالی بانک سامان، از لحاظ شاخص میانگین قدر مطلق درصد خطا، از روش آریما برتر است.
روشهای شبکه عصبی پروسپترون چند لایه در پیش بینی میزان انواع سپردههای ریالی بانک سامان، از لحاظ شاخص میانگین قدر مطلق خطا، از روش آریما برتر است.
روشهای شبکه عصبی پروسپترون چند لایه در پیش بینی 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 پیش بینی 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 پیش بینی صورت میپذیرد. برای طراحی و پیش بینی مدلهای مورد نظر با بهره گرفتن 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، پیش بینی انجام خواهد شد. برای طراحی و پیش بینی مدلهای مورد نظر از نرم افزار MATLAB استفاده میگردد. در قسمت آخر نتایج دو روش با هم مقایسه شده و پیشنهادها و راهکارهایی نیز ارائه 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 داده ها از نوع میدانی است.

در گردآوری اطلاعات و داده ها 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 پژوهشتعریف 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