چگونه می­توان میزان سپرده­های قرض­الحسنه ریالی بانک سامان را با استفاده از روش آریما و شبکه عصبی پروسپترون چند لایه پیش­بینی کرد؟
چگونه می­توان میزان سپرده­های جاری ریالی بانک سامان را با استفاده از روش آریما و شبکه عصبی پروسپترون چند لایه پیش­بینی کرد؟
چگونه می­توان میزان سپرده­های کوتاه مدت ریالی بانک سامان را با استفاده از روش آریما و شبکه عصبی پروسپترون چند لایه پیش­بینی کرد؟
چگونه می­توان میزان سپرده­های بلند مدت ریالی بانک سامان را با استفاده از روش آریما و شبکه عصبی پروسپترون چند لایه پیش­بینی کرد؟
چگونه می­توان میزان مجموع سپرده­های ریالی بانک سامان را با استفاده از روش آیما و شبکه عصبی پروسپترون چند لایه پیش­بینی کرد؟
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
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.
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.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.
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 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:

ادامه مطلب

سایت های دیگر :