مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

457
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

495
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

پیش بینی منابع مالی بانک با استفاده از مدل خطی( ARIMA) و غیرخطی شبکه های عصبی مصنوعی فازی

صفحات

 صفحه شروع 1 | صفحه پایان 25

کلیدواژه

خود رگرسیو میانگین متحرک انباشته (ARIMA)Q1

چکیده

 یکی از مهم ترین موارد مورد علاقه مدیران بانکی به عنوان متغیری تأثیرگذار بر صنعت بانکداری, اطلاع از وضعیت سپرده های بانکی است که فعالیت بانک تا حد زیادی بستگی به آن دارد. ازاین رو مدیران بانک ها علاقه مند هستند بدانند که میزان کل سپرده های بانک در زمان معینی در آینده چقدر خواهد بود. پیش بینی میزان سپرده ها, تغییر و نوسان این سپرده ها می تواند در امر برنامه ریزی و تصمیم گیری به بانک ها کمک نماید. در این پژوهش سعی شده است با استفاده از تکنیک های آماری و رویکرد مدل های شبکه های عصبی مصنوعی, مدلی مناسب با بیشترین قدرت تخمین و کمترین میزان خطا برای پیش بینی میزان سپرده ها یا همان منابع مالی به تفکیک انواع آنها برای بانک موردنظر را معرفی نماییم. برای آزمون فرضیه ها از اطلاعات یک بانک خصوصی طی بازه زمانی سال های 1396-1387 استفاده شده است. در این پژوهش, پس از بررسی توان پیش بین کنندگی روش خود رگرسیو میانگین متحرک انباشته (ARIMA) و روش شبکه های عصبی مصنوعی, به مقایسه ی این دو روش پرداخته شده است. نتایج پژوهش بر میزان سپرده های بانک به صورت ماهانه حاکی از آن است که روش شبکه های عصبی تخمین های بهتری نسبت به روش ARIMA ارائه می نمایند.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    مهری نمک آورانی، امید، و احتشام راثی، رضا. (1398). پیش بینی منابع مالی بانک با استفاده از مدل خطی( ARIMA) و غیرخطی شبکه های عصبی مصنوعی فازی. مهندسی مالی و مدیریت اوراق بهادار (مدیریت پرتفوی)، 10(41 )، 1-25. SID. https://sid.ir/paper/396515/fa

    Vancouver: کپی

    مهری نمک آورانی امید، احتشام راثی رضا. پیش بینی منابع مالی بانک با استفاده از مدل خطی( ARIMA) و غیرخطی شبکه های عصبی مصنوعی فازی. مهندسی مالی و مدیریت اوراق بهادار (مدیریت پرتفوی)[Internet]. 1398؛10(41 ):1-25. Available from: https://sid.ir/paper/396515/fa

    IEEE: کپی

    امید مهری نمک آورانی، و رضا احتشام راثی، “پیش بینی منابع مالی بانک با استفاده از مدل خطی( ARIMA) و غیرخطی شبکه های عصبی مصنوعی فازی،” مهندسی مالی و مدیریت اوراق بهادار (مدیریت پرتفوی)، vol. 10، no. 41 ، pp. 1–25، 1398، [Online]. Available: https://sid.ir/paper/396515/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button