پیش بینی تقاضای نقدینگی موردنیاز دستگاه های خودپرداز با رویکرد شبکه های عصبی مصنوعی

thesis
abstract

امروزه، علی رغم گسترش فن آوری های نوین بانکداری اینترنتی، تقاضای وجه نقد همچنان بالاست. بانک ها و موسسات مالی در سرتاسر جهان به منظور تحقق نیازهای مشتریان، دائما در حال توسعه شبکه های خروجی وجه نقد، شامل شعب و دستگاه های خودپرداز هستند. با افزایش نرخ بهره و تاکید روزافزون بر اهمیت کارآیی، توجه بسیاری از بانک ها و موسسات مالی به مدیریت کارآی نقدینگی شبکه دستگاه های خودپرداز جلب شده است. مدیریت نقدینگی دستگاه های خودپرداز، امکان پاسخگویی صحیح به نیاز مشتریان، جلب رضایت آنان و پیشگیری از رسوب نقدینگی در دستگاه ها را فراهم نموده و افزایش سودآوری بانک ها و موسسات مالی را در پی خواهد داشت. این امر تنها در صورتی میسر خواهد بود که میزان نقدینگی موردنیاز آینده قابل پیش بینی باشد. بنابراین، توسعه الگوریتم های پیشرفته برای پیش بینی نقدینگی موردنیاز دستگاه های خودپرداز بسیار حائز اهمیت است. در این تحقیق، سه سناریو مطرح می شود: 1) پیش بینی با رویکرد روش های کلاسیک، 2) پیش بینی با رویکرد شبکه عصبی مصنوعی و 3) پیش بینی با رویکرد شبکه عصبی- فازی. نتایج تحقیق بیانگر آنست که رویکرد شبکه عصبی- فازی از تمامی رویکردهای کلاسیک و رویکرد شبکه عصبی مصنوعی بهتر عمل نموده و دارای ویژگی هایی همچون همگرایی سریع، دقا بالا و توانایی تقریب تابع قوی بوده و برای پیش بینی نقدینگی موردنیاز دستگاه های خودپرداز مناسب است.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

پیش بینی نقدینگی موردنیاز دستگاه های خودپرداز با استفاده از مدل خطی(arima) و غیرخطی (شبکه های عصبی)

(صحت مطالب مقاله بر عهده نویسنده است و بیانگر دیدگاه مجمع تشخیص مصلحت نظام نیست)  هدف این مطالعه پیش بینی نقدینگی مورد نیاز دستگاه های خودپرداز با استفاده از دو مدل خطی و غیرخطی است. تامین منابع مالی در دستگاه های خودپرداز، از این نظر اهمیت دارد که لازمه فعال نگه داشتن خودپرداز در ارائه وجه نقد به متقاضیان و تامین اسکناس در دستگاه می باشد. نتایج چنین تحلیل هایی این امکان را ارائه می دهد که بتو...

full text

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 ...

full text

پیش بینی تقاضای کوتاه مدت آب شهر تهران با استفاده از شبکه های عصبی مصنوعی

پیش بینی تقاضای کوتاه مدت آب شهری کمک موثری به مدیران و بهره برداران سیستمهای آب شهری می باشد تا بتوانند نسبت به مدیریت صحیح مصرف، مخازن، پمپها، شیرآلات و تصفیه خانه ها اقدام نمایند. مصرف کوتاه مدت آب تابعی از پارامترهای مختلف و متنوع مانند شرائط اقلیمی و هواشناسی، مناسبتهای فرهنگی، اقتصادی، اجتماعی و مصارف گذشته می باشد. بدلیل همین تنوع، پیش بینی مصرف کوتاه مدت بصورت تحلیلی بسیار مشکل و یا نام...

full text

پیش بینی تقاضای کوتاه مدت آب شهر تهران با استفاده از شبکه های عصبی مصنوعی

Short-term water demand modeling plays a key role in urban water resources planning and management. The importance of demand prediction is even greater in countries like Iran with frequent periods of drought. Short-term water demand estimation is useful for planning and management of water and wastewater facilities such as pump scheduling, control of reservoirs and tanks volume, pressure manage...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023