پیش بینی سپرده های بانکی به روش یادگیری ماشین (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
در این پژوهش براساس آمار تاریخی سپرده های یک بانک خصوصی (انصار) قبل از ادغام در چهار دسته بندی (وجه) مختلف، به دنبال این هستیم که نتایج و پیش بینی سپرده های بانک در هریک از دسته بندی ها، با استفاده از روش های پیش بینی یادگیری ماشین برای نخسین بار در مطالعات داخلی انجام گیرد. در این روش پیش بینی، ارجحیت روش یادگیری ماشین به دلیل بررسی کلیه تغییرات زمانی داده ها در حجم وسیع (از ابتدا تاکنون) مورد تأیید قرار می گیرد. پیش بینی آمار سپرده های فوق برای تصمیم گیران بانک در آینده باتوجه به شرایط اقتصادی می تواند مبنای تصمیمات کلان بانکی باشد. نتایج نشان می دهد که سپرده بلندمدت تاحدودی باثبات و به طورکلی سپرده باثبات روند نزولی در آینده در بانک مزبور به خود خواهند گرفت و سپرده بی ثبات و حساس به سود نیز روند نزولی به خود خواهند گرفت. سپرده قرض الحسنه روند صعودی دارد، اگرچه همواره نوساناتی شبیه نوسانات سینوسی-کسینوسی داشته است. باید دقت کرد که این روش پیش بینی یادگیری ماشین، روشی پایدار و فاقد تحلیل حساسیت است و قابلیت اتکا بالایی دارد. مطابق این پژوهش، توجه به سپرده های بلندمدت و باثبات و هم چنین قرض الحسنه از اهمیت بالایی در بودجه بانک قرار دارد.Prediction of Bank Deposits by Machine Learning Method
In this research, based on the historical statistics of the deposits of a private bank (Ansar bank before merging) into four different categories (funds), we are looking for the results and prediction of bank deposits in each of the categories, using machine learning prediction methods for the first time in internal studies. In this forecasting method, the superiority of the machine learning method is confirmed due to the examination of all the time changes of the data in a large volume (from the beginning until now). Forecasting the above deposit statistics for bank decision makers in the future according to the economic conditions can be the basis of macro banking decisions. The results show that partly stable long-term deposit and stable deposit will take a downward trend in the future in the Ansar bank, and unstable and interest-sensitive deposit will also take a downward trend. Qarzol-ha-sa-ne deposit has an upward trend, although it has always fluctuations similar to sin-cos fluctuations. It should be noted that this machine learning prediction method is a stable method without sensitivity analysis and has high reliability. According to this research, paying attention to long-term and stable deposits as well as Qarzol-ha-sa-ne is of great importance in the bank’s budget.
تبلیغات
