پایان‌نامه

مدلی برای پیش بینی سری ها ی زمانی سالانه با استفاده از تکنیک شبکه های عصبی بیزین مطالعه موردی داده های بانک

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.

اساتید راهنما و مشاور

محمدباقر منهاج، توحید فیروزان

پایان‌نامه‌های مشابه

  • پیش بینی قیمت مس با استفاده از شبکه عصبی و سری زمانی

    پایان‌نامه۲۰۱۱وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس - پژوهشکده فنی و مهندسیزهرا فتح آبادی

    هرگونه برنامه ریزی برای آینده مستلزم داشتن برآورد از وضعیت آتی است و این کار فقط با پیش بینی میسر می باشد. بنگاه های تولیدی برای انجام برنامه ریزی، تجزیه و تحلیل اقتصادی پروژه ها و بررسی سرمایه گذاری جدید جهت توسعه و مواردی از این قبیل، همواره با ریسک ها و نوسانات ناشی از تغییر ق

  • پیش بینی نرخ ارز با استفاده از شبکه عصبی مصنوعی و مقایسه آن با سایر روش های پیش بینی

    پایان‌نامه۲۰۱۱وزارت علوم، تحقیقات و فناوری - دانشگاه رازی - دانشکده اقتصاد و علوم اجتماعیمجتبی مجیدی

    پیشرفت اقتصادی هر کشور با ثبات اقتصاد کلان آن همبستگی مستقیم دارد. یکی از موثرترین متغیرهای تأثیرگذار بر ثبات اقتصادی، نرخ ارز می باشد. اگر مجموعه کنش ها و واکنش ها در مورد این متغیر به گونه ای باشد که اقتصاد را از شرایط مطلوب تعادل دور سازد، در آن صورت ثبات اقتصاد کلان دچار آسیب

  • پیش بینی قیمت سهام با استفاده از شبکه عصبی نوع gmdh (مطالعه موردی: صنایع غذایی و آشامیدنی بورس اوراق بهادار تهران)

    پایان‌نامه۲۰۱۴وزارت علوم، تحقیقات و فناوری - موسسه آموزش عالی کوشیار - دانشکده مدیریتآمنه مهری

    سرمایه گذاری در سهام عرضه شده در بورس اوراق بهادار یکی از گزینه های پرسود در بازار سرمایه است. بازار سهام دارای سیستمی غیر خطی و آشوب گونه است که تحت تأثیر شرایط سیاسی، اقتصادی و روانشناسی می باشد و پیش بینی در این بازار همواره با چالش، تردید و خطا مواجه بوده است و روش های مورد ا

  • بهبود عملکرد سیستم های پیش بینی سری زمانی با استفاده از روش های فراابتکاری

    پایان‌نامه۲۰۱۴وزارت علوم، تحقیقات و فناوری - دانشگاه تحصیلات تکمیلی صنعتی کرمان - دانشکده برق و کامپیوتراکرم نعمتی

    سری های زمانی مجموعه مرتبی از مشاهدات هستند که در طول زمان جمع آوری شده اند. فراوانی چنین مشاهداتی، تحلیل سری های زمانی را به یکی از کاربردی ترین شاخه های روز دنیا تبدیل کرده است. روش های تجزیه و تحلیل سری های زمانی شامل رویکردهای خطی محض، رویکردهای غیرخطی محض و رویکردهای ترکیبی

  • پیش بینی بازار سهام با استفاده از شبکه عصبی ترکیبی

    پایان‌نامه۲۰۱۲وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس - دانشکده مهندسی برق و کامپیوترزهرا کاظم پور

    بازار سهام یک سیستم غیر خطی با دینامیک بسیار پیچیده است. زیرا دینامیک این سیستم را انسان ها ایجاد می کنند. شبکه های عصبی بر اساس توانایی آن ها در مدل سازی روابط غیر خطی میان داده های ورودی-خروجی، ابزار مناسبی برای مدل کردن و پیش بینی سیستم ها با دینامیک غیر خطی و پیچیده هستند. بن

  • پیش بینی نرخ ارز با استفاده از شبکه عصبی با دو رویکرد تکنیکال و بنیادی

    پایان‌نامه۲۰۱۳وزارت علوم، تحقیقات و فناوری - دانشگاه الزهراء - دانشکده علوم اجتماعی و اقتصادیمریم ابراهیمی

    نرخ ارز یکی از مهم ترین پارامترهای تأثیرگذار بر سیاست های اقتصادی هر کشور می باشد. لذا پیش بینی این متغیر از اهمیّت بسزایی برخوردار است. یکی از روش های سنتی پیش بینی تجزیه و تحلیل سری زمانی است که بر دو فرض ایستایی و خطی بودن بنیان نهاده شده است. امّا در مواردی که ویژگی خطی بودن

اسناد مشابه