پیش بینی سپرده های بانکی با رویکرد تلفیقی شبکه های عصبی و منطق فازی

پایان نامه
چکیده

در حال حاضر صنعت بانکداری یکی از بزرگترین صنایع واسط مالی در جهان می باشد. به خاطر اهمیت روز افزون این صنعت می طلبد، رفتارهایی که منجر به بهینه کردن امور مالی بانک می گردد، مورد مطالعه قرار گیرد. قدرت بانک ها به پول هایی است که در آنها سپرده گذاری شده است، این منابع مالی می تواند در پیشرفت و گسترش میزان اعتبار بانک و نیز در به ثمر رساندن هدف های اقتصادی کلان، یک کشور تاثیرگذار باشد. در این تحقیق ابتدا به معرفی متغیرهای تاثیر گذار بر حجم سپرده های بانکی پرداخته و سپس با استفاده از یک مدل ترکیبی هوشمند حجم سپرده های بانکی در سطح کلان پیش بینی می شود. در مدل معرفی شده در این تحقیق از ترکیب الگوریتم بهینه سازی ذرات تصادفی و شبکه عصبی rbf استفاده شده است. در مدل پیشنهادی از ترکیب الگوریتم بهینه سازی ذرات تصادفی دودویی و پیوسته بصورت هم زمان استفاده شده است. از الگوریتم دودویی به منظور شناسایی مهمترین متغیرهای بانکی تاثیر گذار بر حجم سپرده ها و از الگوریتم پیوسته برای بهینه کردن پارامترهای پهنای تابع گوسی در شبکه rbf و همچنین بدست آوردن تعداد نرونهای لایه پنهان استفاده شده است. از آنجا که اجرای روش تلفیقی شبکه نرو فازی(anfis) با تعداد زیاد متغیر ورودی با استفاده از ریزرایانه ها عملی غیر ممکن است بنابراین باید تا آنجا که می توان تعداد متغیرهای ورودی را کاهش داده و با استفاده از متغیرهای مهمتر شبکه anfis را آموزش داد، لذا در این تحقیق ابتدا با استفاده از روش معرفی شده spso-rbf متغیرهای مهمتر شناسایی شده و سپس از متغیرهای بدست آمده در آموزش شبکه anfis استفاده خواهد شد. در نهایت مدل پیشنهادی با چند شبکه عصبی و همچنین شبکه نرو فازی(anfis) دیگر مقایسه شده و نتایج آن برآورد شده است.

منابع مشابه

ارزیابی روش های پیش بینی ترکیبی : با رویکرد شبکه های عصبی - کلاسیک در حوزه اقتصاد

در إین مقاله با استفاده از اطلأعات سری زمانی قیمت و بازده سهام چند شرکت در بازار بورس تهران، به پیش بینی قیمت سهام و نیر ارائه مدل بهینه پرداخته می شود. روشهای پیش بینی مورد استفاده در تحقیق، به سه دسته تقسیم شده اند: ر و شهای پیش بینی براساس مدلهای خطی (کوتاه مدت و بلندمدت)، روشهای پیش بینی براساس مدلهای غیرخطی (شبکه های عصبی غیرخطی) و مدل شبکه عصبی با ساختار پیشنهادی. در هر مورد نتایج به دست...

متن کامل

پیش بینی قیمت سهام با استفاده از شبکه عصبی فازی مبتنی برالگوریتم ژنتیک و مقایسه با شبکه عصبی فازی

In capital markets, stock price forecasting is affected by variety of factors such as political and economic condition and behavior of investors. Determining all effective factors and level of their effectiveness on stock market is very challenging even with technical and knowledge-based analysis by experts. Hence, investors have encountered challenge, doubt and fault in order to invest with mi...

متن کامل

کاربردهای شبکه های عصبی در پیش بینی سری های زمانی

استفاده از روش های غیر کلاسیک در شناسایی مدل و پیش بینی رفتار سیستم های پیچیده، مدتهاست در محافل علمی و حتی حرفه ای متداول و معمول شده است. در بسیاری از سیستم های پیچیده و خصوصا غیر خطی که مدل سازی و به دنبال آن پیش بینی و کنترل آنها از طریق روش های کلاسیک و تحلیلی امری بسیار دشوار و حتی بعضا غیر ممکن می نماید، از روش های غیر کلاسیک که از ویژگی هایی همچون هوشمندی، مبتنی بر معرفت و خبرگی برخوردا...

متن کامل

پیش بینی تغییرات عمق آبشستگی در اطراف گوشواره‌ی پلها ) (Abutmebt با استفاده از سامانه‌ی منطق فازی- عصبی ) (ANFIS و شبکه های عصبی (ANNs)

به‌دلیل پیچیده بودن الگوی سه بعدی جریان در اطراف گوشواره‌ی پل ها، برآورد دقیق تغییرات عمق آبشستگی نسبت به زمان دشوار، و در برخی موارد غیر ممکن می‌باشد. در این تحقیق، ابتدا تغییرات عمق آبشستگی در اطراف گوشواره­ها به صورت آزمایشگاهی تحت شرایط آب زلال مورد بررسی قرار گرفته است و سپس با استفاده از نتایج حاصل از سه روش، وایازی غیر خطی (NLR)، شبکه­های عصبی (ANN) و سامانه‌ی منطق فازی-عصبی (ANFIS)، تغی...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشکده علوم اقتصادی - دانشکده مدیریت و اقتصاد

کلمات کلیدی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023