پیش بینی نقدینگی موردنیاز دستگاه های خودپرداز با استفاده از مدل خطی(ARIMA) و غیرخطی (شبکه های عصبی)

هدف این مطالعه پیش بینی نقدینگی مورد نیاز دستگاه های خودپرداز با استفاده از دو مدل خطی و غیرخطی است. تامین منابع مالی در دستگاه های خودپرداز، از این نظر اهمیت دارد که لازمه فعال نگه داشتن خودپرداز در ارائه وجه نقد به متقاضیان و تامین اسکناس در دستگاه می باشد. نتایج چنین تحلیل هایی این امکان را ارائه می دهد که بتوان پیش بینی لازم برای تامین منابع مالی خودپرداز را بصورت هوشمند انجام داده و آن را در ساعات اوج تقاضا فعال نگه داشت. نمونه آماری پژوهش شامل 7 دستگاه خودپرداز بانک مهر اقتصاد خراسان رضوی طی سال های 1386-1389 بوده است. در این پژوهش تعیین میزان برداشت وجه نقد از دستگاه خودپرداز با استفاده از روش غیرخطی شبکه های عصبی مصنوعی با ساختار پروسپترون چند لایه و الگوریتم پس انتشار خطا و روش خطی ARIMA بررسی شده است تا مدل بهینه انتخاب شود. تقاضای برداشت وجه نقد از تاریخ 4/1386 تا 7/1389 (40 ماه) به عنوان داده های آموزش و از داده های آبان 1389 تا پایان 1389 به عنوان داده های آزمایشی در نظر گرفته شده است. نتایج به دست آمده نشان دهنده برتری مدل شبکه های عصبی مصنوعی نسبت به مدل ARIMA در پیش بینی وجه نقد مورد نیاز دستگاه خودپرداز بانک مهر اقتصاد می باشد.