پیش بینی منابع مالی بانک با استفاده از مدل خطی( ARIMA) و غیرخطی شبکه های عصبی مصنوعی فازی

یکی از مهم‌ترین موارد مورد علاقه مدیران بانکی به عنوان متغیری تأثیرگذار بر صنعت بانکداری، اطلاع از وضعیت سپرده‌های بانکی است که فعالیت بانک تا حد زیادی بستگی به آن دارد. ازاین‌رو مدیران بانک‌ها علاقه‌مند هستند بدانند که میزان کل سپرده‌های بانک در زمان معینی در آینده چقدر خواهد بود. پیش‌بینی میزان سپرده‌ها، تغییر و نوسان این سپرده­ها می‌تواند در امر برنامه­ریزی و تصمیم­گیری به بانک‌ها کمک نماید. در این پژوهش سعی شده است با استفاده از تکنیک‌های آماری و رویکرد مدل‌های شبکه‌های عصبی مصنوعی ، مدلی مناسب با بیشترین قدرت تخمین و کمترین میزان خطا برای پیش‌بینی میزان سپرده‌ها یا همان منابع مالی به تفکیک انواع آنها برای بانک موردنظر را معرفی نماییم. برای آزمون فرضیه­ها از اطلاعات یک بانک خصوصی طی بازه زمانی سال­های 139۶-138۷ استفاده شده است. در این پژوهش، پس از بررسی توان پیش‌بین­کنندگی روش خود رگرسیو میانگین متحرک انباشته (ARIMA) و روش شبکه‌های عصبی مصنوعی، به مقایسه‌ی این دو روش پرداخته ‌شده است.نتایج پژوهش بر میزان سپرده‌های بانک به‌صورت ماهانه حاکی از آن است که روش شبکه‌های عصبی تخمین‌های بهتری نسبت به روش ARIMA  ارائه می‌نمایند.