تحلیل پوششی داده ها یکی از روش های پرکاربرد در اندازه گیری کارایی واحدهای تصمیم گیرنده می باشد. در مواردی که مجموعه داده بزرگ بوده و تعداد ورودی ها و خروجی ها قابل توجه باشد، به لحاظ منابعی همچون زمان و حافظه اشغالی، dea با مشکل مواجه خواهد شد. دراین پایان نامه باتوجه به اهمیت بالای سنجش کارایی، روش تحلیل پوششی داده ها به عنوان بهترین نماینده روش های ناپارامتری مورد بررسی دقیق تر قرار گرفته شده و به جهت بهبود آن به ویژه هنگامی که تعداد واحد های تحت بررسی زیاد می باشند، از شبکه عصبی کمک گرفته شده است. در این مطالعه 100 بانک برتر خاورمیانه مورد بررسی قرار گرفته و نتایج نشان می دهد که قدرت پیشگویی شبکه عصبی کاملاً مشابه روش های سنتی می باشد. همچنین با توجه به انعطاف پذیری بالای شبکه عصبی این مطالعه نشان می دهد که این روش دارای پتانسیل بالایی در اندازه گیری کارایی نسبی می باشد.

چکیده با توجه به گسترش روز افزون روابط تجاری و مالی بین کشورهای مختلف، نوسانات نرخ ارز بر وضعیت اقتصادی و مالی کشور ها تاثیر بسزایی دارد، برخی از کشورها نیز به صورت منطقه ارزی به جهت افزایش نقش بین المللی، افزایش قدرت تحمل شوک های اقتصادی جهانی، کاهش هزینه های تراکنش و نیز به دلیل سهولت در مهار نوسانات نرخ ارز به تشکیل واحد پولی یکسان (اتحادیه پولی) روی آورده اند.مدل سازی و پیش بینی نوسانات نرخ ارز یکی از کاربرد های مهم تجزیه وتحلیل سری های زمانی می باشد. اغلب تئوریهای اقتصادی برای کار با واریانس شرطی یا نوسانات یک فرآیند طراحی شده اند .از این رو بیشتر محققان برای اندازه گیری و پیش بینی نوسانات بازدهی سهام و شاخص قیمت بازار بورس به مدلهای کاربردی (از جمله مدل های مشروط به نا همگنی واریانس تعمیم یافته) متمایل شده اند .در این تحقیق ابتدا مفاهیم و تعاریف اولیه در خصوص سری های زمانی کاربردی و سپس مفاهیم و تعاریف مدل های مشروط به نا همگنی واریانس تشریح می گردد سپس با استفاده از مدل های garch به تحلیل نوسانات نرخ ارز های رایج می پردازیم. سپس با استفاده از مفهوم ارزش در معرض ریسک و پارامترهای تعیین شده برای مدل های مختلف garch(1,1) نوسانات نرخ ارزهای انتخاب شده در مقابل ریال بررسی می گردند.