ارائه مدل هوش مصنوعی مبتنی بر منطق فازی- سلسله مراتبی به منظور سنجش تاثیرپذیری عوامل سازمانی بر سپرده سرمایه گذاری و دارایی بانک سپه با تعمیم سیستم های معادلات همزمان

بکارگیری تکنیک ها و روش های هوش مصنوعی در بهبود ارزیابی ها و کاهش دقت محاسباتی یکی از مهمترین توانمندی های موجود در حیطه کاربرد کامپیوتر در علوم مختلف می باشد که بصورت رویکردهای استراتژیک راهبردی بخصوص در مدیریت منابع مالی،سرمایه گذاری وعلوم اقتصادی بکار گرفته می شود. هنگامی که مدل های محاسباتی برپایه چندین متغیر مختلف استوار است بسیار کارآمدتر خواهد بود. زیرا که در یک مدیریت سرمایه گذاری استراتژیک در سطح درون سازمانی و کلان اقتصادی بخصوص بانک ها، کوچک ترین خطاهای محاسباتی عواقب وخیم مالی بهمراه خواهد داشت. بدین منظور، پژوهش حاضر در سه مرحله گردآوری اطلاعات، سنجش داده ها و تهیه مدل های ارزیابی آماده سازی گردیده است. در مرحله گردآوری اطلاعات از روش اکتشافی (توصیفی-پیمایشی) برای گردآوری اطلاعات (داده های مربوط به ترازنامه های مالی بانک های سپه شهر تهران و بانک مرکزی مشتمل بر 17 شعبه) بهره گرفته شده که بعد از استخراج معیارها توسط پرسنل خبره (شامل 50 متخصص) مورد سنجش قرار گرفته است. بعد از سنجش اطلاعات، این داده ها طبقه بندی گردیده و سپس به منظور تحلیل اطلاعات توسط مدل Fuzzy-AHP تحلیل شده است. نتایج بدست آمده مشخص نموده که متغیرهایی مانند درآمد واقعی سرانه، تعداد شعب و اندازه بانک ها بر سپرده های بانکی تاثیر مثبت و تورم بر آن تاثیر منفی و معناداری دارد که این مسیله بیانگر افزایش تورم منجر به کاهش ارزش پول، ایجاد پول داغ و خروج پول از بانک ها و تبدیل آن به دارایی های سرمایه ای و در نهایت کاهش سپرده های بانکی خواهد گردید که بر روی تولید ناخالص داخلی و سرمایه تاثیر مستقیم دارد.