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

یکی از مهم ترین موارد مورد علاقه مدیران بانکی به عنوان متغیری تاثیرگذار بر صنعت بانکداری، اطلاع از وضعیت سپرده های بانکی است که فعالیت بانک تا حد زیادی بستگی به آن دارد. ازاین رو مدیران بانک ها علاقه مند هستند بدانند که میزان کل سپرده های بانک در زمان معینی در آینده چقدر خواهد بود. پیش بینی میزان سپرده ها، تغییر و نوسان این سپرده ها می تواند در امر برنامه ریزی و تصمیم گیری به بانک ها کمک نماید. در این پژوهش سعی شده است با استفاده از تکنیک های آماری و رویکرد مدل های شبکه های عصبی مصنوعی ، مدلی مناسب با بیشترین قدرت تخمین و کمترین میزان خطا برای پیش بینی میزان سپرده ها یا همان منابع مالی به تفکیک انواع آنها برای بانک موردنظر را معرفی نماییم. برای آزمون فرضیه ها از اطلاعات یک بانک خصوصی طی بازه زمانی سال های 1396-1387 استفاده شده است. در این پژوهش، پس از بررسی توان پیش بین کنندگی روش خود رگرسیو میانگین متحرک انباشته (ARIMA) و روش شبکه های عصبی مصنوعی، به مقایسه ی این دو روش پرداخته شده است.نتایج پژوهش بر میزان سپرده های بانک به صورت ماهانه حاکی از آن است که روش شبکه های عصبی تخمین های بهتری نسبت به روش ARIMA  ارائه می نمایند.