پیش بینی هوشمند نقدینگی دستگاه‌های خودپرداز برمبنای تقاضای مشتریان

تزریق بیش از اندازه وجه به خودپردازها موجب تحمیل هزینه اضافی به بانک و کمبود وجه در دستگاه‌ها موجب نارضایتی مشتریان و به خطر افتادن برند بانک خواهد شد. برای این منظور باید در دستگاه‌های خودپرداز وجه نقد قابل ملاحظه‌ای تزریق شود تا پاسخگوی نیاز مشتریان باشد؛ اما تأکید بر این رویه ممکن است سبب رسوب پول در دستگاه‌ها شده و زیان‌های اقتصادی برای بانک به ‌همراه داشته باشد. بنابراین، بانک‌ها همان‌طور که به مدیریت نقدینگی در شعب می‌پردازند، باید با توجه به شرایط زمانی، مکانی و اقتصادی به مدیریت نقدینگی دستگاه‌های خودپرداز نیز بپردازند. مهمترین گام در این راستا تشخیص میزان تقاضای وجه نقد مشتریان است. بدین منظور میانگین تراکنشهای 9 ماه سال 95 برای 1377 دستگاه خودپرداز مورد سنجش قرار داده شده و در این مقاله سعی شده است تا با پیدا کردن یک الگوی رفتاری از مشتریان با استفاده از شبکه عصبی سری زمانی پویا (NARX) روند نقدینگی دستگاه‌های خودپرداز پیش بینی شود. نتایج بدست آمده نشان می دهد که مدل طراحی شده با شبکه عصبی پویا نسبت به مدلهای کلاسیک از کارایی بهتری برخوردار بوده است.