متن کامل پایان نامه مقطع کارشناسی ارشد رشته :مدیریت صنعتی

گرایش :صنعتی- مالی

عنوان : پیش¬بینی میزان سپرده¬ها با بهره گرفتن از روش¬های خطی ARIMA و غیر خطی شبکه¬های عصبی مصنوعی و مقایسه این دو روش

دانشگاه ارشاد دماوند

گروه مدیریت

 

پايان­نامه کارشناسی ارشد رشته مدیریت صنعتی گرايش صنعتی- مالی

عنوان پایان نامه :

پیش­بینی میزان سپرده­ها با بهره گرفتن 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 اين پایان نامه میزان هر یک از سپرده­هاي بانك سامان و مجموع کلیه سپرده­های بانک مذکور، با استفاده مدل خطی آريما و مدل غیرخطی شبكه عصبي مصنوعي پيش­بيني و در انتها نتايج دو روش با بهره گرفتن از معیار­های ارزیابی ريشه ميانگين مربع خطا، ميانگين قدر مطلق درصد خطا، ميانگين قدر مطلق و ضريب تعيين با یکدیگر مقايسه گردید.

براي اين موضوع میزان انواع سپرده­های کلیه شعب بانک سامان، طي سال­های 1380تا 1390 كه به صورت روزانه تهيه شده­اند، مورد بررسي قرار گرفت.

با توجه به انواع سپرده­ها در مجموع 9 مدل شبکه عصبی و9 مدل آریما برای پیش­بینی طراحی گردید که براي طراحي و پيش­بيني مدل­هاي شبکه عصبی از نرم­افزار MATLAB و براي طراحي و پيش­بيني مدل­هاي روش آريما از نرم افزار Eveiws استفاده شد.

نتايج پژوهش حاکي 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 توانايي بالايي در پيش­بيني متغيرها برخوردارند اما در مجموع مدل­هاي شبکه عصبي حتی در پیش­بینی سری­های زمانی خطی نیز نتايج مناسب تري نسبت به روش خطی آریما داشته­اند و براي پيش­بيني بهتر است که از اين روش استفاده شود.

 

 

 

 

فهرست مطالب

1                   کليات پژوهش.. 1

1.1         مقدمه.. 1

1.2       بيان مسئله.. 1

1.3       اهميت- ضرورت پژوهش.. 2

1.4       اهداف پژوهش.. 3

1.5       سوالها و فرضيه هاي پژوهش.. 4

1.5.1         سئوالات.. 4

1.5.2         فرضيه ها.. 5

1.6       روش انجام پژوهش.. 5

1.7       قلمرو زماني و مکاني پژوهش.. 6

1.8       جامعه آماري.. 7

1.9       روشهاي گردآوري اطلاعات.. 7

1.10    تعريف واژه ها و اصطلاحات تخصصي پژوهش.. 7

2                   ادبيات پژوهش.. 10

2.1       مقدمه.. 10

2.2       پيش بيني و مدلهاي پيش بيني.. 10

2.2.1         تعريف پيش بيني.. 10

2.2.2         مدل هاي پيش بيني.. 11

2.2.3         سري هاي زماني.. 11

2.2.4         مدل باکس ـ جنکينز.. 13

2.2.5       شبکه هاي عصبي مصنوعي.. 16

2.2.6         ساختار کلي شبکه هاي عصبي.. 16

2.2.7         عملکرد شبکه هاي عصبي.. 18

2.2.8          مزاياي استفاده از شبکه عصبي مصنوعي.. 19

2.2.9          انواع توابع تبديل.. 21

2.2.10     انواع شبکه هاي عصبي.. 22

2.3       معيارهاي ارزيابي خطا.. 25

2.4       تاريخچه بانکداري.. 28

2.4.1         آغاز بانکداري.. 29

2.4.2         موسسات مالي و بانکها.. 29

2.4.3          اهداف وظايف امروزي بانکها.. 30

2.4.4         انواع سپرده ها.. 31

2.5       پيشينه پژوهش.. 35

2.5.1         مطالعات داخلي.. 35

2.5.2         مطالعات خارجي.. 42

3                   روش شناسي پژوهش.. 49

3.1         مقدمه.. 49

3.2       بخش اول کليات روش پژوهش.. 49

3.2.1         جامعه آماري پژوهش.. 49

3.2.2         قلمرو پژوهش.. 50

3.2.3         اهداف پژوهش.. 50

3.2.4         سوالات و فرضيات پژوهش.. 51

3.2.5         مراحل انجام کار در اين پژوهش.. 52

3.2.6         روش تحليل داده ها.. 53

3.2.7       روش هاي مورد بررسي.. 53

3.2.8         فرايند خودرگرسيون ميانگين متحرك انباشته (آريما).. 55

3.2.9         روش هاي مبتني بر شبکه هاي عصبي.. 57

3.2.10      مدل شبکه هاي عصبي پروسپترون چند لايه.. 59

3.2.11      ارزيابي عملکرد مدل ها.. 60

3.2.12      توابع مورد استفاده براي ارزيابي خطا.. 60

4                   تحليل داده ها.. 61

4.1         مقدمه.. 61

4.2       پيش بيني سپرده قرضالحسنه پس انداز.. 62

4.3       پيش بيني سپرده هاي جاري.. 64

4.4       پيش بيني سپرده هاي سرمايه گذاري کوتاه مدت.. 67

4.5       پيش بيني سپرده هاي سرمايه گذاري بلند مدت يک ساله.. 69

4.6       پيش بيني سپرده هاي سرمايه گذاري بلند مدت دو ساله.. 72

4.7       پيش بيني سپرده هاي سرمايه گذاري بلند مدت سه ساله.. 74

4.8       پيش بيني سپرده هاي سرمايه گذاري بلند مدت چهار ساله   76

4.9       پيش بيني سپرده هاي سرمايه گذاري بلند مدت پنج ساله   79

4.10    پيش بيني مجموع سپرده هاي ريالي.. 82

4.11    پاسخ فرضيه ها.. 84

5                   نتيجه گيري.. 86

5.1         مقدمه.. 86

5.2       نتايج و يافته هاي پژوهش.. 87

5.3       محدوديت هاي پژوهش.. 89

5.4         پيشنهادات.. 90

5.4.1         پيشنهادات اجرايي.. 90

5.4.2         پيشنهادات براي پژوهش هاي آتي.. 90

6                  فهرست منابع و ماخذ.. 92

 

 


1        کليات پژوهش

1.1                مقدمه

باتوجه به اينکه تجهيز منابع و جمع­آوري وجوه اشخاص اولين هدف بانک بوده، سپرده­هاي بانکي از دو لحاظ داراي اهميت است اول قدرت وام­دهي و تخصيص منابع بانک را افزايش داده و دوم اينکه وقتي مردم ترجيح دهند پول خود را نزد بانک­ها نگهداري نموده وکمتر براي خرج آن اقدام نمايند، از حجم پول در گردش کاسته شده که اين امر خود موجب کاهش نرخ تورم و در نتيجه افزايش قدرت خريد مردم مي­گردد.

امروزه در جهان نيز اهميت جذب منابع مالي آنقدر براي بانک­ها و ادامه فعاليتشان مهم و حياتي است که رقابت بسيارشديدي را در اين زمينه بين آنها ايجاد نموده و ضرورت پيش­بيني ميزان تجهيز منابع در آينده را نمايان ساخته است. تاجايي که توانايي پيش­بيني صحيح نتايج آتي، به خصوص جريان­هاي نقدي، اداره امور را در کاراترين شکل خود امکان پذير مي­سازد و به اتخاذ تصميم­هاي بهينه در زمينه عملياتي، سرمايه­گذاري و تامين مالي منجر مي­شود.

1.2                بيان مسئله

روشن است که پيش­بيني[1] از ملزومات اصلي براي سياستگذاري و برنامه­ريزي آينده است. مديران بخش­هاي مختلف اقتصادي و بازرگاني، به دليل وجود انبوه متغيرهاي تاثيرگذار، ترجيح مي­دهند مکانيزمي را در اختيار داشته باشند که بتواند آنها را در امور تصميم­گيري­شان ياري و مشاوره دهد(آرمسترانگ، 2001)[2]. براي موفقيت در دنياي متغير امروز، تصميم­هاي سازمان­هاي فعال در کسب­و­کار متکي به پيش­بيني­هاي انجام شده با حداقل خطا است که در گرو داشتن يک سيستم پيش­بيني مناسب است(آبراهام و لدالتر،1983)[3]. به همين دليل، سعي در روآوردن به روش­هايي در پيش­بيني دارند که به واسطه آنها تخمين­هايشان به واقعيت نزديک و خطاهايشان بسيارکم باشد. ضمن اينکه براي برنامه­ريزي صحيح به عنوان يکي از مهمترين وظايف مديريت، پيش­بيني آنچه احتمالا درآينده به وقوع مي­پيوندد بسيارضروري است. سپرده­هاي بانك­هاي تجاري و تخصصي مهم­ترين عامل در طرف عرضه پول در اقتصاد هستند. همچنين سپرده­ها جزء منابع اصلي بوده و عمده بدهي­هاي بانك­ها را نيز تشكيل مي­دهند. تجزيه و تحليل ميزان سپرده­ها، اجزاي آنها، تغييرات، نرخ رشد و پيش­بيني هر كدام از اين عوامل براي مديران بانك ها از اهميت فوق­العاده­اي برخورداراست و در تصميم­گيري و برنامه­ريزي به آنها كمك مي نمايد. ميزان، روند و چگونگي تغييرات انواع سپرده­ها هركدام متغيري تصادفي بوده و در دنياي پر از نااطميناني، تحت تـأثير عوامل بيشماري قرار دارند و به سادگي   نمي­توان آنها را پيش­بيني كرد. با اين وجود در اغلب رشته­هاي علمي توجه خاصي به مسأله پيش­بيني شده و جزء لاينفك هركدام از آنها است. تكنيك­ها و روش­هايي نيز براي امر پيش­بيني ارايه شده است و اگر نه به طور كامل اما تا حد بسيار زيادي مي­توانند در امر پيش­بيني به تصميم­گيران كمك نمايند.

مديران بانك­ها علاقمندند بدانند كه ميزان كل سپرده­هاي بانك تحت مديريت آنها در زمان معيني در آينده چقدر خواهد بود؟

پيش­بيني ميزان سپرده­ها مي­تواند در امر برنامه­ريزي و تصميم­گيري به بانک سامان و مديران شعب آن كمك نمايد، بنابراين انجام يك مطالعه علمي با بهره گرفتن از تكنيك­هاي آماري و مدل­هاي شبكه عصبي مصنوعي   مي­تواند حل مشكل را ساده­تر نمايد.

[1] -Forecasting

[2] -Armstrong

[3] – Abraham & Ledolter

تعداد صفحه : 120

قیمت :14700 تومان

بلافاصله پس از پرداخت لینک دانلود فایل در اختیار شما قرار می گیرد

و در ضمن فایل خریداری شده به ایمیل شما ارسال می شود.

پشتیبانی سایت :        *       serderehi@gmail.com

در صورتی که مشکلی با پرداخت آنلاین دارید می توانید مبلغ مورد نظر برای هر فایل را کارت به کارت کرده و فایل درخواستی و اطلاعات واریز را به ایمیل ما ارسال کنید تا فایل را از طریق ایمیل دریافت کنید.

 

جستجو در سایت : کلمه کلیدی خود را وارد نمایید :