مدلی برای پیش بینی سری ها ی زمانی سالانه با استفاده از تکنیک شبکه های عصبی بیزین مطالعه موردی داده های بانک
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشکده علوم اقتصادی - دانشکده مدیریت
- نویسنده شیوا قلی زاده کردی
- استاد راهنما محمدباقر منهاج توحید فیروزان
- سال انتشار 1392
چکیده
تسهیلات اعطایی بانک ها یکی از مهم ترین متغیرهای پولی نظام اقتصادی کشور است. از یک سو دولت با تنظیم کانال های وام دهی در بانک های مختلف می تواند در ایجاد و یا جلوگیری از عواملی همچون اشتغال و تورم نقش مهمی ایفا کند، و از سوی دیگر بانک ها می توانند با اعطای وام به بخش تولیدی کشور، کمک کنند. در حقیقت یکی از اساسی ترین وظایف بانک تبدیل پول غیرفعال به پول فعال است و این عمل را از طریق جذب سپرده از افراد ریسک گریز و تزریق پول به بنگاه های اقتصادی فعال، تولیدی ها و یا افراد ریسک پذیر انجام می دهد. این روش چرخه ی تولیدی و اقتصادی کشور را به حرکت درمی آورد، از این رو عملکرد قوی یا ضعیف بانک های یک کشور در توسعه و پیشرفت و یا انحطاط اقتصاد کشور بسیار موثر است. لذا در این پژوهش برآنیم که عوامل موثر بر این متغیر مهم اقتصادی، یعنی تسهیلات اعطایی را شناسایی و آن را مدل سازی کنیم. در این راستا می خواهیم تأثیر سپرده های مردمی که در بانک ها به امانت گذاشته می شوند را بر تسهیلات اعطایی بانک ها به مردم ارزیابی نماییم. با توجه به این مطالب دو سوال پیش می آید، سوال اول اینکه آیا نوع بانک روی تسهیلات اعطایی بانک ها تأثیرگذار است یا خیر؟ و سوال دوم اینکه آیا مدل سازی به روش خطی برای توضیح این روابط بهتر است یا مدل سازی به روش های نوین غیرخطی؟ به همین منظور و در راستای پاسخ گویی به این سوالات داده های مربوط به 18 بانک را در سال های 1382 تا 1389 جمع آوری و با استفاده از نرم افزارهای مختلف مدل سازی از جمله eviews و clementine به ارزیابی این داده ها پرداختیم. در این پژوهش با استفاده از مدل سازی به روش خطی به دنبال پاسخ گویی به سوال اول بودیم. سپس برای پاسخ به سوال دوم، مدل خطی را به روش رگرسیون در مقابل مدل غیرخطی به روش شبکه ی عصبی بیزین قرار دادیم. معیار برتری در این پژوهش پیش بینی متغیر وابسته به روش درونی در نظر گرفته شده و با استفاده از مدل های خطی و غیرخطی تسهیلات اعطایی بانک ها را در سال 1389 پیش بینی و با مقادیر واقعی مقایسه کردیم. سپس پیش بینی های انجام شده و اختلافات آنها از مقادیر واقعی را در مدل خطی و غیرخطی با هم مقایسه نمودیم تا ببینیم کدام یک از مدل ها انتظارات ما را بهتر برآورده می کنند. در پایان به این نتیجه رسیدیم که سپرده های مردم نزد بانک ها تأثیر مثبت و معناداری در بانک های خصوصی نسبت به بانک های دولتی دارند. از سویی مدل خطی و غیرخطی هر دو در توضیح متغیر وابسته بسیار موفق بوده اما با توجه به اینکه معیار برتری در این مطالعه قدرت پیش بینی در نظر گرفته شده، مدل غیرخطی نسبت به مدل خطی کارایی بیشتری دارد، زیرا مدل غیرخطی پیش بینی های بهتر و به واقعیت نزدیک تری را نسبت به مدل خطی ارائه می دهد. فاصله ی پیش بینی ها در مدل غیرخطی از واقعیت همواره به یک میزان بوده و روند یکنواختی را طی می کند که این امر نشان از قدرت پیش بینی به صورت فراگیر است. به همین سبب مدل غیرخطی از قدرت پیش بینی بهتری برخوردار است.
منابع مشابه
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 کاملمقایسه ی مدل های شبکه های عصبی مصنوعی و سری های زمانی برای پیش بینی قیمت گوشت مرغ در ایران
با توجه به اهمیت پیش بینی قیمت گوشت مرغ، در تحقیق حاضر قیمت این محصول با استفاده از روش ARIMA و شبکه های عصبی مصنوعی برای افق های زمانی یک ماهه، شش ماهه و دوازده ماهه پیش بینی گردید و این فرضیه که شبکه ی عصبی در پیش بینی قیمت گوشت مرغ از کارایی بیشتری نسبت به مدل های سری زمانی برخوردار است، مورد بررسی قرار گرفت. داده های مربوط به این متغیّر برای دوره ی زمانی1371:1 تا 1385:11 بوده و از شر...
متن کاملپیش بینی تورم ایران با استفاده از مدل های ساختاری ، سری های زمانی و شبکه های عصبی
امروزه ، پیش بینی متغیر های کلان اقتصادی از اهمیت ویژه ای برای سیاستگذاران و سایر واحد های اقتصادی برخوردار است. در نتیجه ، دردهه های اخیر ، مدل های پیش بینی گوناگونی توسعه یافته و به رقابت با یکدیگر پرداخته اند. اخیراً به موازات مدل های متداول قبلی مانند مدل های ساختاری و سری زمانی ، مدل های دیگری تحت عنوان شبکه های عصبی مصنوعی در زمینه پیش بینی متغیر های مالی و پولی بکار گرفته شده اند. این م...
متن کاملپیش بینی جریان ماهانه رودخانه با استفاده از ترکیب مدل های خطی سری زمانی و شبکه های بیزین (مطالعه موردی: رودخانه بختیاری)
یکی از مسائل مهم در مدیریت منابع آب، تهیه و توسعه مدلهای مناسب به منظور پیشبینی دقیقتر فرآیند جریان رودخانهها می-باشد. بدین منظور در مطالعه حاضر برای پیشبینی جریان ماهانه رودخانه بختیاری، در دوره آماری 1395-1334، از مدلهای سری-زمانی خطی (ARMA)، مدل هوشمند شبکه بیزین (BN) و مدل تلفیقی BN-ARMA استفاده شد. عملکرد مدلهای توسعه یافته براساس شاخصهای آماری جذر میانگین مربعات خطا (RMSE)، ضریب ...
متن کاملپیش بینی قیمت جوجه یکروزه گوشتی در ایران با استفاده از شبکه عصبی مصنوعی و مدل های سری زمانی
متن کامل
پیش بینی بیماری قلبی با استفاده از تکنیک داده کاوی شبکه عصبی
مقدمه داده کاوی به بررسی و تجزیه و تحلیل مقادیر عظیمی از داده ها به منظور کشف الگوها و قوانین معنی دار اطلاق میشود که عمدتا" از طریق ساختن مدل ها و الگوریتم ها، ورودی ها را با هدف خاصی مرتبط می نماید. گاهی تکنیک های داده کاوی منجر به شناسایی الگوریتم های معنادار می شوند که می توانند با استفاده از داده های موجود و در دسترس و با هزینه کم، زمینه های ابتلا، پیشگیری و درمان بیماری ها را در پزشکی فرا...
متن کاملمنابع 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
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023