پایان نامه تعیین اهداف جذب منابع با رویکرد منطق فازی و شبکه‌های عصبی در مؤسسات مالی و اعتباری

فهرست پایان نامه تعیین اهداف جذب منابع با رویکرد منطق فازی و شبکه‌های عصبی در مؤسسات مالی و اعتباری

فهرست:

فهرست مطالب

1 فصل اول-طرح تحقیق   0

1-1 مقدمه. 1

1-2  بیان مسئله تحقیق.. 2

1-3 ضرورت انجام تحقیق.. 3

1-4 فرضیه و اهداف.. 6

1-4-1 فرضیه  6

1-4-2 اهداف   6

1-5 روش تحقیق.. 6

1-6 قلمرو تحقیق.. 8

1-7 بررسی اجمالی منابع در سال‌های اخیر. 8

1-7-1 رابطه منابع (سپرده‌ها) با مصارف (تسهیلات) 8

1-7-2 رابطه پس‌انداز و تورم  9

1-8 محدودیت‌های انجام تحقیق.. 11

1-9 ساختار کلی تحقیق.. 12

1-10 تعاریف واژگان.. 14

2 فصل دوم - ادبیات و پیشینه تحقیق   16

2-1 مقدمه. 17

2-2 پول.. 18

2-2-1 خلاصه‌ای از پیدایش پول  18

2-2-2 خلاصه‌ای از وظایف و ویژگی‌های پول در جامعه  19

2-2-3 اصطلاحات مرتبط با پول  21

2-3  بانکداری.. 25

2-4 مؤسسات مالی و اعتباری  و بانک مرکزی.. 27

2-4-1 تعریف مؤسسات مالی و اعتباری  27

2-4-2 اهداف مؤسسات مالی و اعتباری  27

2-4-3 بانک مرکزی  28

2-4-4 انواع بانک‌ها و مؤسسات مالی و اعتباری  29

2-4-5 رقابت بانک‌ها و مؤسسات مالی و اعتباری در جذب منابع  30

2-5 جذب منابع.. 30

2-5-1 مفهوم  جذب منابع  30

2-5-2 مفهوم تعیین اهداف جذب منابع  30

2-5-3 عوامل مؤثر برجذب منابع  31

2-5-4 نقش پیش‌بینی در تعیین اهداف جذب منابع و ارزیابی عملکرد 32

2-6 پیش‌بینی و روش‌های آن.. 35

2-6-1 جایگاه پیش‌بینی در علم  36

2-6-2 تعریف پیش‌بینی  38

2-6-3 جایگاه پیش‌بینی در مؤسسات مالی و اعتباری  38

2-6-4 سیستم پیش‌بینی  38

2-6-5 طبقه‌بندی پیش‌بینی  40

2-7 شبکه عصبی و منطق فازی.. 45

2-7-1 شبکه عصبی.. 45

2-7-2 منطق فازی  57

2-7-3 شبکه عصبی – فازی  61

2-8 پیشینه. 65

2-8-1 پیشینه داخلی  65

2-8-2 پیشینه خارجی  74

3 فصل سوم - روش تحقیق   81

3-1 مقدمه. 82

3-2 متدولوژی تحقیق.. 82

3-3 جامعه آماری.. 84

3-4 شیوه گردآوری اطلاعات.. 84

3-5 نحوه آماده‌سازی داده‌ها 84

3-5-1 جمع‌آوری داده و یکسان کردن داده‌ها 85

3-5-2 پاک‌سازی داده 85

3-5-3 انتخاب ویژگی  87

3-5-4 نمونه‌برداری  87

3-5-5 تبدیل داده 88

3-6 بررسی متغیرهای تحقیق.. 90

3-6-1 نظریه‌های تقاضای پول  90

3-6-2 متغیرهای تأثیرگذار بر منابع  93

3-7 ساختار شبکه عصبی- فازی.. 98

3-8 ساختار پیش‌بینی.. 98

3-9 ساختار تعیین اهداف.. 99

4 فصل چهارم - تجزیه وتحلیل داده‌ها 101

4-1 مقدمه. 102

4-2 شبکه عصبی فازی.. 102

4-3 اجرای.. 102

4-3-1 طراحی الگوی شبکه عصبی فازی  102

4-3-3 اجرای مدل  103

4-4 روش تجزیه‌وتحلیل اطلاعات.. 103

4-5 اندازه‌گیری میزان خطا در پیش‌بینی.. 104

4-6 اندازه‌گیری میزان انحراف در تعیین اهداف جذب منابع.. 105

4-6-1 انحراف منابع محقق شده باهدف‌گذاری به روش جاری  105

4-6-2 انحراف منابع محقق شده باهدف‌گذاری بر اساس 150درصد پیش‌بینی  105

5 فصل پنجم - نتایج وپیشنهادات   106

5-1 مقدمه. 107

5-2 بررسی نتایج سیستم پیش‌بینی.. 107

5-3 بررسی نتایج سیستم هدف‌گذاری.. 108

5-4 بررسی فرضیه و اهداف.. 111

5-5 نتیجه‌گیری.. 115

5-6 پیشنهادات.. 118

6 فهرست منابع  119

7 پیوست‌ها 124

 

 

فهرست جداول

جدول شماره 2- 1: عملکرد واقعی-هدف‌گذاری به روش معمولی(روش جاری) –هدف‌گذاری بر اساس150% پیش‌بینی . 32

جدول شماره 2- 2:  تاریخچه شبکه عصبی.. 46

جدول شماره 2- 3: چکیده‌ای از پیشینه‌های داخلی.. 65

جدول شماره 2- 4: ادامه چکیده‌ای از پیشینه‌های داخلی.. 66

جدول شماره 2- 5: چکیده‌ای از پیشینه‌های خارجی.. 74

جدول شماره 2- 6: ادامه چکیده‌ای از پیشینه‌های خارجی.. 75

جدول شماره 3- 1: تاریخ های داده‌ها 97

جدول شماره 5- 1 : مجموع خطای پیش بینی مانده منابع آتی و مانده منابع محقق شده واقعی در هر دو موسسه مالی و اعتباری.. 107

جدول شماره 5- 2 : مجموع خطای بین هدف گذاری بر اساس روش جاری و منابع جذب شده واقعی در هر دو موسسه مالی و اعتباری.. 109

جدول شماره 5- 3 : مجموع خطای هدف گذاری بر اساس 150 درصد پیش بینی و منابع جذب شده واقعی در هر دو موسسه مالی و اعتباری.. 110

جدول شماره 5- 4 : مقایسه خطای تعیین اهداف به روش جاری و تعیین اهداف بر اساس 150 درصد پیش بینی  111

جدول شماره 5- 5 : مقایسه‌ میانگین جذب یا کسر منابع به دور روش هدف گذاری در دو موسسه A و B با میزان واقعیت   113

جدول شماره 5- 6: روابط بین متغیرهای.. 116

جدول شماره 5- 7 : ادامه روابط بین متغیرهای.. 117

پیوست شماره 6- 1:  جدول نتایج در موسسه مالی و اعتباری الف... 125

پیوست شماره 6- 2: ادامه جدول نتایج در موسسه مالی و اعتباری الف... 126

پیوست شماره 6- 3: ادامه جدول نتایج در موسسه مالی و اعتباری الف... 127

پیوست شماره 6- 4: ادامه جدول نتایج در موسسه مالی و اعتباری الف... 128

پیوست شماره 6- 5: ادامه جدول نتایج در موسسه مالی و اعتباری الف... 129

پیوست شماره 6- 6:  ادامه جدول نتایج  در موسسه مالی و اعتباری ب.. 130

پیوست شماره 6- 7: ادامه جدول نتایج  در موسسه مالی و اعتباری ب.. 131

پیوست شماره 6- 8: ادامه جدول نتایج  در موسسه مالی و اعتباری ب.. 132

 

 فهرست اشکال

شکل شماره 1- 1: نمودار مربوط به سود مؤسسات مالی و اعتباری، تورم و نرخ سود واقعی.. 11

شکل شماره 1- 2: چارت ساختار پژوهش.... 13

شکل شماره 2- 1:  عملکرد واقعی-هدف‌گذاری روش معمولی(روش جاری) –هدف‌گذاری بر اساس150% پیش‌بینی–مثال1. 33

شکل شماره 2- 2: عملکرد واقعی-هدف‌گذاری روش معمولی(روش جاری) – هدف‌گذاری بر اساس150% پیش‌بینی–مثال2. 34

شکل شماره 2- 3: سیستم  پیش‌بینی) جعفر نژاد-1385 ( 39

شکل شماره 2- 4: ساختار یک نرون (ویکی پدیا) 47

شکل شماره 2- 5: تابع ریاضی نرون عصبی(مبانی شبکه‌های عصبی،محمدباقر منهاج،دانشگاه صنعنی امیرکبیر،چاپ چهارم،تهران،1391، صفحه 43) 48

شکل شماره 2- 6: ساختار یک شبکه بازگشتی.. 49

شکل شماره 2- 7: نمودارتوابع فعال‌سازی مورداستفاده درشبکه‌های عصبی.. 51

شکل شماره 2- 8: شبکه عصبی چندلایه پیش‌خور( اس وی کارتالوپس، منطق فازی و شبکه‌های عصبی ، صفحه 86.) 55

شکل شماره 5- 1 : نمودار خطای  بین پیش بینی مانده منابع آتی و مانده منابع محقق شده واقعی در هر دو موسسه مالی و اعتباری.. 108

شکل شماره 5- 2  : نمودار خطای بین هدف گذاری بر اساس روش جاری و منابع جذب شده واقعی در هر دو موسسه مالی و اعتباری.. 109

شکل شماره 5- 3  :  نمودار خطای هدف گذاری بر اساس 150 درصد پیش بینی و منابع جذب شده واقعی در هر دو موسسه مالی و اعتباری.. 110

منبع:

فهرست منابع

نادری، اسماعیل، « تحلیل آشوب، تجزیه موجک و شبکه عصبی در پیش بینی شاخص بورس تهران » دانشگاه تهران ، 1391

آذر، عادل و فرجی، حجت، علم مدیریت فازی، تهران: مهربان نشر،1387.

راجاسکارانویجی و آلاکشمی پای، شبکه‌های عصبی، منطق فازی و الگوریتم ژنتیک: ترکیب و کاربرد، ترجمه ی محمود کشاورزمهر، تهران: نشر نوپردازان،1391.

سپانلو، ه، «تحلیل عوامل مؤثر بر سپرده‌ها در بانک (مطالعه موردی بانک ملت) »، دانشگاه علوم و فنون مازندران، 1381.

آذر، افسر، «مدل‌سازی پیش‌بینی شاخص قیمت سهام با رویکرد شبکه‌های عصبی فازی»، مجله پژوهشنامه بازرگانی ، شماره 40 ، 1385.

آذر، افسر و احمدی، «مقایسه  روش‌های کلاسیک و هوش مصنوعی در پیش‌بینی شاخص قیمت سهام و طراحی مدل ترکیبی»، فصل نامه مدرس علوم انسانی، دوره 10، پیاپی30 ، 1385.

رمضانیان، محمدرحیم و رمضانپور، اسماعیل و پوربخش، سیدحامد، «رویکردهای جدید در پیش‌بینی با استفاده از شبکه‌های عصبی-فازی: قیمت نفت»، دانشگاه گیلان،1389.

کردستانی، غلامرضا و معصومی، جواد و بقایی، وحید، «پیش‌بینی مدیریت سطح سود با استفاده از شبکه‌های عصبی مصنوعی»، مجله پیشرفت های حسابداری دانشگاه شیراز ، دوره 5، پیاپی3/64 ، 1391.

فدایی، محمد، بررسی عوامل مؤثر بر تجهیز منابع بانکی ، پایگاه خبری تحلیلی بازار پول و مالی ایران و جهان ،1391.

آذر، رجب‌زاده، «ارزیابی روش‌های پیش‌بینی  ترکیبی: بارویکرد شبکه‌های عصبی-کلاسیک در حوزه اقتصاد»، تحقیقات اقتصادی ، شماره63 ، 1382.

نژادمقدم، قاسم و بقایی نیا، فاطمه و بافنده ، «منطق فازی به زبان ساده»، نشریه صنعت خودروی ، شماره119، 1391.

ابونوری، اسمعیل و سپانلو، هادی، «تجزیه‌وتحلیل آثار عوامل درون‌سازمانی برجذب سپرده بانکی-مطالعه موردی بانک ملت تهران»، پژوهشی دانشگاه شاهد ، ماهنامه علمی-پژوهشی ، شماره14، 1384.

پاسبانی، فرید ، «بررسی متغیرهای کلان درجذب منابع بانک ملت»، دانشگاه آزاد اسلامی واحد مرکز ، 1380.

بانکداری داخلی تجهیز منابع ، جلد 10،  بانک ملی ایران- اداره آموزش و مدیریت, 1385.

حبیب اله، سلامی و علی، بهمنی، «اثر تعیین سود تسهیلات بر کارایی بانکداری اسلامی» ، پژوهش های اقتصادی، 1380، 27-40.

حسینی، سید فخر الدین و صفیار و امینی و محمدی، سمیه، «بررسی عوامل موثر بر حجم سپرده‌های بانکی با تاکید بر بانک صادرات ایران»  فصلنامه علوم اقتصادی 6 1388، 159-172.

دهقان، علی، «بررسی عوامل موثر بر جذب سپرده‌های بانکی» پایان نامه کارشناسی ارشد دانشگاه علامه طباطبایی, 1383.

آذر، عادل و افسر، امیر ، مدل سازی پیش بینی قیمت سهام با رویکرو شبکه عصبی – فازی ، فصلنامه پژوهشنامه بازرگانی ، شماره 52، پاییز 1385، ص 33-55 .

بومنفلد، یوریک، انسان و آینده اش ، ترجمه خواجه پور غلامرضا، انتشارات سازمان مدیریت صنعتی، چاپ سوم 1393 ص 3-6 .

عزتی، مرتضی ، مقدمه ای بر منطق علمی پیش بینی، فصلنامه مفید، شماره 13، بهار 1385، ص 139-146 .

رحیمیان، کریم ، «پیش‌بینی سپرده‌های بانکی با رویکرد تلفیقی شبکه‌های عصبی و منطق فازی» ،پایان نامه کارشناسی ارشد دانشگاه علوم اقتصادی, 1392.

دیزج، عبدالرحیم، پول، ارز و بانکداری، چاپ سوم، جلد اول، تبریز: انتشارات حافظ اندیشه، 1389.

سپانلو، هادی و ابونوری، اسماعیل ، «تجزیه و تحلیل آثار عوامل دورن سازمانی بر جدب سپرده‌های بانکی(مطالعه موردی بانک ملت تهران) »، پژوهش نامه علوم اقتصادی، 1384.

صنیعی آباده، محمد، داده کاوی کاربردی. تهران: نیاز دانش، 1391.

قطمیری، غلام علی و شرزه ای، محمدعلی ، مجموعه سخنرانیها و مقالات، پنجمین سمینار بانکداری اسلامی تهران، 1373.

گزارش پیشبینی اهداف کل سپردههای بانک‌های ایران، مدیریت امور سازمان و برنامه ریزی و بودجه, 1391.

منصف, عبدالعلی, و منصوری، نسرین، «بررسی عوامل موثر بر حجم سپرههای بانکی(با تکیه بر سود اوراق مشارکت) »، دانش و توسعه، شماره 34 ، اسفند 1389، 69.

تسخیری، سپرده هاى بانکى-تطبیق فقهى و احکام آن،  فصل نامه فقه اهل بیت، 1380، ص 59.

حسینی و امینی و محمدی، «بررسی عوامل موثر بر حجم سپرده های بانکی با تاکید بر بانک صادرات ایران» ، فصلنامه علوم اقتصادی ، 1388، 6، 159-172.

رضوانی و صحنه، «سنجش سطوح توسعه یافتگی نواحی روستایی با استفاده از روش منطق فازی: مطالعه موردی دهستانهای شهرستان های آققلا و بندر ترکمن»، روستا و توسعه، 1388، 1-32.

شریفی و علیاری و تشنه لب، سیستم فازی شبه چند جمله ای تاکاگی- سوگنو -کانگ با کاربرد در شناسایی سیستم و کلاس بند الگو، مجله کنترل، 1389, 15-28.

صنیعی آباده، محمد، داده کاوی کاربردی، تهران، نیاز دانش، 1391.

فرجی،  پول و ارز و بانکداری ،تهران، شرکت چاپ و نشر بازرگانی وابسته به موسسه مطالعات و پژوهش های بازرگانی،1391.

منصف و منصوری، بررسی عوامل موثر بر حجم سپرده های بانکی (با تکیه بر سود اوراق مشارکت)، دانش و توسعه، 89، 1393.

همایون و پریور ، پول، ارز و بانکداری ، تهران، انتشارات ترمه، 1387.

Alam, P., Booth, D., Lee, K., & Thordarson, T“,The use of fuzzy clustering algorithm and self-organizing neural networks for identifying potentially failing banks: an experimental study”, Expert Systems with Applications, 18(3), 185-199.

Alvaro V. A. “,Hybrid linear-neural model for time series forecasting” ,IEEETransaction on Neural Network , Vol. 11, 2000.

Gunaydin H., Dogan Murat, Zeyneo S. ,”Aneural network approach for early cost estimation of structural system for building”, International Journal of Project Management, No. 22, 2004

Tai-Yue W., Shin- Chien C. ,”Forecasting innovation performance via neuralnetwork– a cascade of Taiwanese manufacturing”, Industry Technovation, No. 26, 2006.

Qi M. , Zhang G. P. ,”An investigation of model selection criteria for neural network time series forecasting”, European Journal of Operational Research, Vol. 132: 2, 2001.

Ng, G. S., Quek, C., & Jiang, H,” FCMAC-EWS: A bank failure early warning system based on a novel localized pattern learning and semantically associative fuzzy neural network”, Expert Systems with Applications, 34(2), 989-1003.

Ravisankar, P., & Ravi, V ,”Financial distress rediction in banks using Group Method of Data Handling neural network, counter propagation neural network and fuzzy ARTMAP”, Knowledge-Based Systems, 23(8), 823-831

Armstrong, J. S. Principles of forcasting. Kluwer Academic Publisher, 2001.

Armstrong, J. Scott ,”Illusions in Regression Analysis”, International Journal of Forecasting 28, no. 3 (2012): 689.

Armstrong, J.Scott, and Fred Collopy ,”Error Measures for Generalizing About Forecasting Methods: Empirical Comparisons”,nternational Journal of Forecasting 8, no. 1 (1992): 69-80.

Silva, Clarence.de, and Fakhreddine.O Karray,”Soft Computing and Intelligence Systems Design”, London: Pearson Education Limited 200, 2004.

Alinezhad Sarokolae, Mehdi, and Parisa Alinezhad, ”A Comparative Study of Iranian Banks' Efficiency by Using Artificial Neural Networks and Multi-Linear Regression”, Conference on Management and Artificial Intelligence, IPEDR IACSIT Press Singapore. 35 (2012): 80.

Aliyar, Mehdi ,”Factor Affecting the Volume of Private Deposit at the Bank of Keshavarzi”, Isfahan, Isfahan University M.S Thesis (in Persian), 2005.

Anwar, Saiful ,”Deposit Prediction Future Depositor Rate of Return Applying Neural Network: A Case study of introduction Islamic Bank”, International Journal of Economics and Finance 2 ,2010.

Bishop, C, Pattern Recognition and Machine Learning, Berlin: Springer, 2006.

Branson, V. H, Macroeconomics theory and policy, 1995.

Chiraphadhanakul, S, Genetic Algorithm in Forecasting Comercial Bank. Intelligent Processing Systems, IEEE International Conference, 116-121, 1997.

Kamber, M, Data Mining: Concepts and Techniques, 2011.

Piscopo, G, Italian Bank Deposit Time Series Forecasting via functional Analysis, Banks and Bank Systems, 5, 12-19, 2010 .

Silva, Karray, Soft Computing and Intelligence Systems Design. London: Pearson Education Limited, 200,2004.

Somsong Chriaphadhanakul, P. D, Genetic Algorithm In Forecasting Commerical Banks Deposit. IEEE International Conference on Intelligent Processing Systems, 1, 116-121,1997