سید باقر فتاحی

موضوع و هدف مقاله: در پژوهش حاضر به مدلسازی و پیش بینی سود و زیان در بانک توسعه تعاون به صورت تجربی پرداخته شده است. روش پژوهش: جامعه آماری پژوهش شامل شعب بانک توسعه تعاون در شهر تهران است که اطلاعات مربوط به آنها طی سال های 1389 تا 1398 جمع آوری و مبنای تجزیه و تحلیل قرار گرفته است. این پژوهش با استفاده از روش علّی-معلولی، گردآوری اطلاعات در بخش ادبیات نظری مبتنی بر مطالعات کتابخانه ای و آزمون فرضیه ها مبتنی بر اسنادکاوی صورت های مالی است. تکنیک آماری مورد استفاده در این پژوهش روش رگرسیون داده های ترکیبی، تحلیل عاملی اکتشافی و شبکه های بیزین است. یافته های پژوهش: نتایج حاصل از تجزیه و تحلیل داده ها نشان داده است که پیش بینی سود و زیان بانک توسعه تعاون بر پایه عوامل مکنون شناسایی شده از نسبت های مالی امکان پذیر است و این عوامل می توانند بیش از 90 درصد از تغییرات موجود در نسبت های مالی را تبیین نمایند. نتیجه گیری، اصالت و افزوده آن به دانش: می توان انتظار داشت که سود و زیان بانک را بتوان از طریق نسبت های مالی 12 گانه نهایی این پژوهش و عوامل مکنون 5 گانه ساخته شده از آنها پیش بینی کرد. همچنین نتایج مدل می تواند در راستای شناسایی ترکیب بهینه از نسبت های مالی جهت حصول سود مشخصی نیز بکار گرفته شود که البته این کاربرد مدل نیازمند استفاده از الگوریتم های بهینه سازی است.

هدف: در این مقاله به پیش بینی سود/ زیان بانک توسعه تعاون، مبتنی بر روش یادگیری جمعی دومرحله ای پرداخته شده است. مدل سازی پیش بینی سود و زیان با استفاده از روش های یادگیری ماشین، به عنوان یکی از تکنیک های نوین در محاسبات عددی با بهره گیری از کلان داده، از جمله اهداف این مقاله است. بدین ترتیب، در این مقاله از روش ماشین یادگیری جمعی دومرحله ای، مبتنی بر مدل های ماشین بردار پشتیبان، درخت تصمیم گیری و میانگین وزنی، برای یادگیری و آزمون و پیش بینی سود/ زیان بانک توسعه تعاون استفاده شده است.روش: مدل های پایه به کار رفته در مرحله اول، ماشین یادگیری، ماشین بردار پشتیبان و درخت تصمیم گیری است و در مرحله دوم، از میانگین وزنی استفاده شده است. بر اساس ترکیب مدل های پایه یادگیری، ابتدا به آزمون و یادگیری روند پیش بینی ۳۵ شعبه بانک توسعه تعاون در ایران، طی سال های ۱۳۹۱ تا ۱۴۰۰ پرداخته شد. این روش مبتنی بر یادگیری ماشین دومرحله ای است که برای انجام این کار از ۱۲ متغیر (نسبت مالی) در پنج عامل دسته بندی شده استفاده شده است. این متغیرها به ترتیب عبارت اند از: سپرده های قرض الحسنه، سپرده های کوتاه مدت، هزینه سود سپرده، سپرده های مشتریان، درآمد تسهیلات و سپرده گذاری، درآمدهای مشاع، موجودی نقدی، هزینه های اداری، سپرده های بلندمدت، درآمدهای غیرمشاع، هزینه استهلاک دارایی و اندازه بانک. برای دستیابی به داده های مدنظر، از صورت های مالی ۳۵ شعبه بانک توسعه تعاون، طی سال های ۱۳۹۱ تا ۱۴۰۰ استفاده شد. همچنین برای کاهش خطای پیش بینی و قابلیت مقایسه نسبت ها، تمامی شاخص های یادشده نسبت به ارزش کل دارایی های بانک تعدیل شد. در این روش و در مرحله اول، از دو مدل یادگیری ماشین بردار پشتیبان و درخت تصمیم گیری و در مرحله دوم از روش میانگین وزنی استفاده شد.یافته ها: یافته های مقاله در خصوص یادگیری و مقایسه آن با روش رگرسیون خطی و همچنین سود/زیان واقعی بانک توسعه تعاون، نشان داد که دقت عملکرد این روش بسیار زیاد است؛ به گونه ای که معیار MAE برابر با 66/5 و معیار MSE برابر با 34/620 به دست آمد. همچنین هم بستگی بین داده های آموزش دیده و پیش بینی شده ای که از یادگیری ماشین جمعی دو مرحله ای به دست آمد، برابر با 9977/0 بود. پس از بررسی کارایی این روش، به پیش بینی سود/ زیان بانک توسعه تعاون برای سال های 1401 تا 1405 پرداخته شد. نتیجه گیری: نتایج به دست آمده از کارایی بالای روش ماشین یادگیری جمعی دومرحله ای، نشان می دهد که مدیران می توانند از این روش ها در پیش بینی سود/ زیان بانک ها استفاده کنند. بر اساس روش یادگیری ماشین دو مرحله ای، اگر شرایط نامتعارف و غیرنرمالی وجود نداشته باشد، در سال های آتی و در نهایت در سال ۱۴۰۵، زیان انباشته شده بانک توسعه تعاون کاهش و سود آن افزایش خواهد یافت. بر اساس نتایج تجزیه وتحلیل داده ها، میانگین نسبت سود یا زیان خالص بانک به کل دارایی های آن، به نحوی است که زیان دهی متوسط شعب بانک را طی دوره پژوهش گزارش می دهد.