- تاریخ انتشار : ۱۳۹۶
- ناشر : کنفرانس بین المللی رویکردهای پژوهشی در مدیریت،اقتصاد،حسابداری و علوم انسانی
- زبان مقاله : همه
- تعداد صفحات : 13
- حجم فایل : 796.318 کیلوبایت
- نوع مقاله : مجموعه مقالات کنفرانس
- مجموعه : علوم انسانی
چکیده مقاله
یکی از مشکلاتی که هم اکنون در سیستم بانکی مورد توجه است دقت در پیش بینی میزان تقاضای وجه نقد از [1]ATM ها می باشد. اگر پیش بینی به درستی انجام نشود از یک طرف منابع قابل توجهی از وجه نقد ، در ATM ها محبوس می شود و با توجه به تورم موجود این مسئله هزینه هایی را در بر خواهد داشت و از طرفی دیگر کمبود وجه نقد در ATM ها باعث کاهش محبوبیت بانک و افزایش هزینه های مربوط به آن می شود . بنابراین ما به دنبال یافتن روشی هستیم تا پیش بینی درستی از میزان تقاضای وجه نقد در ATM ها داشته باشیم و به کمک آن باعث کاهش این نوع از هزینه های سیستم بانکی شویم و رضایت مشتریان را فراهم آوریم.با توجه به این که داده های مربوط به تقاضای وجه نقد در ATM ها به صورت روزانه می باشد، بنابراین رفتار آن را می توان تابعی از زمان در نظر گرفت و از طرفی چون ما می خواهیم تقاضای وجه نقد همه ATM های شبکه بانکی را به طور همزمان پیش بینی کنیم در نتیجه داده های مورد نظر ما را به عنوان داده های پنل می توانیم قلمداد کنیم . روش هایی که در این تحقیق به پیش بینی داده های پنل برای تقاضای وجه نقد ATM ها مورد استفاده قرار گرفته است عبارتند از : پیش بینی داده های پنل به روش سنتی آماری و پیش بینی داده های پنل به روش هوشمند شبکه عصبی مصنوعی . نتایج حاصل از این دو روش را مورد مقایسه قرار داده تا بهترین روش پیش بینی را بر اساس داده های موجود مشخص نماییم .
[1] Automated Teller Machine
نحوه استناد به مقاله
در صورتی که می خواهید به این مقاله در اثر پژوهشی خود ارجاع دهید، می توانید از متن زیر در بخش منابع و مراجع بهره بگیرید :
حسین ابراهیم پور کومله؛سودابه پورذاکر عربانی؛ ۱۳۹۵، آنالیز و پیش بینی داده های پنل با حجم بزرگ تقاضای وجه نقد ATM های شبکه بانکی به روش سنتی آماری و روش هوشمند شبکه عصبی مصنوعی، کنفرانس بین المللی رویکردهای پژوهشی در مدیریت،اقتصاد،حسابداری و علوم انسانی، https://scholar.conference.ac:443/index.php/download/file/11684-Analyzing-and-forecasting-panel-data-with-a-large-volume-of-demand-for-cash-ATMs-of-the-banking-network-in-a-traditional-statistical-method-and-artificial-intelligence-artificial-neural-network
در داخل متن نیز هر جا به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پرانتز، مشخصات زیر نوشته شود.
(حسین ابراهیم پور کومله؛سودابه پورذاکر عربانی؛ ۱۳۹۵)