محاسبۀ وجه نقد مورد نیاز شعبه‎ها با استفاده از ‌‌تحلیل چندمتغیرۀ خوشه‌بندی بیزی و پیاده‌سازی آن در شبکه‌های ‌عصبی

موضوع کفایت وجه‌ نقد در بانک‌ها، یکی از مسائل مهم برای مدیران و به‌خصوص رؤسای هر شعبه به‌شمار می‎رود؛ چرا‌که کمبود وجه نقد روزانه در صندوق شعبه به عدم پاسخگویی به نیاز مشتری می‎انجامد و از سوی دیگر، مازاد وجه نقد در شعبه موجب افزایش هزینه بابت انتقال آن به خزانۀ بانک می‎شود. از این رو بانک‌ها همواره درصدد تعیین مقدار وجه نقد مورد نیاز خود با‌ توجه به عملیات روزانه هستند. به‌همین منظور در این مقاله، شعب بانک تجارت‌، با ‌توجه به تنوع بین شعب، با دو روش خوشه‌بندی سلسله‌مراتبی و خوشه‌بندی برمبنای رویکرد بیزی در خوشه‌های متشابه دسته‌بندی شدند؛ سپس با در نظر‌ گرفتن نتایج خوشه‌بندی، مقدار وجه نقد ورودی و نیز وجه نقد مصرفی از طریق شبکه‌های عصبی برآورد شد تا از این طریق امکان محاسبۀ وجه نقد لازم برای شعب فراهم شود. نتایج تحقیق نشان می‌دهد، برآورد وجه نقد مصرفی و ورودی شعب بانک با استفاده از شبکۀ ‌عصبی و لحاظ‎کردن نتایج خوشه‌بندی شعب با رویکرد بیزی، دارای دقت بیشتری نسبت به نتایج خوشه‌بندی شعب با روش معمول است.