چکیده :
قدرت و اعتبار موسسات مالی و اعتباری به پول هایی است که سپرده گذاران در آنها سپرده نموده اند و پیشرفت و بقای هر یک از موسسات مذکور به میزان سهم از منابع کل بازار بستگی دارد و افزایش سهم از منابع بازار نیازمند تلاش مستمر و برنامه ایی قوی ، جامع با الگویی مناسب در قالب اهداف جذب منابع کل و جزء می باشد. از آن جایی که تصمیمات مدیریتی از قبیل انتخاب و انتصاب و جابجایی مسئولان شعب و دوایر و پرداخت عایدات غیر مستمر و مواردی از این قبیل به میزان تحقق اهداف جذب منابع ارتباط دارد و همچنین سنجش میزان تحقق اهداف جذب منابع در هریک از شعب موسسات مالی و اعتباری متاثر از نوع و میزان هدف گذاری جزء می باشد ، با نگرش شناسایی نقاط ضعف سیستم هدف گذاری جاری در موسسات مالی و اعتباری و بهبود فرآیند سنجش عملکرد و جلوگیری از کاهش نرخ تلاش بعد از رسیدن به هدف و قبل از اتمام دوره ، در این پژوهش میزان منابع آتی شعب دو موسسه مالی و اعتباری با رویکرد تلفیقی از شبکه های عصبی و منطق فازی و خلق معادله ابتکاری و با استفاده از متغیر های جدید پیش بینی و سپس با توجه به تغییرات منابع هر یک از شعب هدف گذاری با ضریب اطمینان ثابتی صورت پذیرفت و در ادامه هدف گذاری به روش های جاری و روش فرا ابتکاری با واقعیت جذب منابع مقایسه شد .
واژگان کلیدی: تعیین اهداف، جذب منابع، شبکههای عصبی، منطق فازی.
ضرورت انجام تحقیق
امروزه دیگر مسئولیت بسیار سنگین و مهم نظام بانکی در اقتصاد مبتنی بر بازار بر هیچ فردی پوشیده نیست. همواره ازجمله مهمترین اجزای اقتصاد کشور که رشد یا رکود ساختار اقتصادی را با فعالیت خود دچار نوسان مینماید، نظام بانکی است. دلیل این امر، معادل بودن سرمایهی موجود در بانکها و مؤسسات مالی و اعتباری با منبع اصلی خرید محصولات و خدمات و همچنین وامهای اعطایی آنها بهعنوان منبع ایجاد اعتبار برای تمامی واحدها و بنگاههای اقتصادی میباشد. هر بانک و موسسه مالی و اعتباری شاخصهای متعددی را برای عوامل مؤثر برجذب منابع مالی ازجمله سپردههای خود دخیل میداند و برای خود با توجه به معیارهایی که به اجماع رسیدهاند، سیاست کلی را در پیش میگیرد. در حقیقت ازجمله عواملی که برای بقاء و ادامهی حیات سازمانهایی همچون بانکها و موسسه مالی و اعتباری، مهم به نظر میرسد، جذب سپردههای مختلف اعم از سپردههای قرضالحسنه جاری، سپرده قرضالحسنه پسانداز، سپرده کوتاهمدت، بلندمدت و بهکارگیری این منابع مالی در امور خدماتی، بازرگانی، صنعتی و زیربنایی به جامعه است. (سپانلو، 1381)
افزایش منابع ازجمله مواردی است که در اهداف جذب منابع مؤسسات مالی و اعتباری گنجاندهشده است، در بررسی وضعیت رقابت چند بانک و موسسه مالی و اعتباری، بانک و موسسه مالی و اعتباری که دارنده سهم بازار بزرگتری از منابع باشد، بهعنوان فرمانروای بازار شناخته میشود و بهطورمعمول مؤسسات مالی و اعتباری ضعیفتر و کوچکتر همواره سعی دارند تا سهم بازار خود را به سهم بازار رقیب نزدیکتر کنند.
در بسیاری از شرایط، دادههای دقیق برای الگوسازی مسائل زندگی واقعی کافی نیستند؛ زیرا قضاوتهای انسان و ترجیحات او در بسیاری از شرایط مبهم است و نمیتوان آنها را با اعداد دقیق تخمین زد. برای حل این مشکل نظریهی فازی برای اولین بار توسط لطفی زاده، مطرح شد که برای تصمیمگیری در مورد دادههای غیرقطعی و غیردقیق مناسب بود. چراکه روشهای علم مدیریت کلاسیک برگرفته از ریاضیات دو ارزشی و چند ارزشی بودند که خواهان دادههای کمی و دقیق هستند. (آذر و فرجی، 1387)
دانستن موقعیتهای آینده عاملی مهم در تعیین اهداف جذب منابع میباشد. با عنایت به اینکه در تحقیقات متعددی پیشبینی آینده به روشهای از قبیل میانگین متحرک ساده و میانگین متحرک موزون و نمو هموار ساده، نمو هموار دوبل، روند خطی، روند تابع ترکیبی و روند نمایی انجامشده و خطاهای آن با روشهای ترکیبی از منطق فازی و شبکههای عصبی مقایسه شده و نتایج حاکی از این بوده که پیشبینی به روش ترکیبی از منطق فازی و شبکه عصبی دارای خطای کمتری نسبت به سایر روشها میباشد، ازاینرو در این پژوهش سعی میشود از پیشبینی به روش ترکیبی از منطق فازی و شبکههای عصبی برای تعیین اهداف جذب منابع استفاده شود. همچنین چگونگی پیشبینی آینده بهمنظور هدفگذاری در جذب منابع با خطای کمتر یکی از مباحث مهم برای مؤسسات مالی و اعتباری بوده و در حال حاضر استفاده از سیستمهای هوشمند به جهت بهبود کیفیت تصمیم و کاهش خطا علاقهمندان زیادی در سراسر دنیا پیدا نموده است.
پیشبینی آینده با خطای کمتر و هدفگذاری جذب منابع بر اساس آنیکی از ابزارهای مدیریت شعبههای تحت پوشش هر بانک و موسسه مالی و اعتباری بوده و دانش آن در بین بانکها و مؤسسات مالی و اعتباری در حال رقابت از اهمیت و حساسیت بالای برخوردار است.
در حال حاضر، به دلیل وجود رقابت در جذب منابع، تسلط بر مؤلفههای مؤثر بر تجهیز منابع مالی اهمیت ویژهای یافته است. جذب منابع علاوه بر اینکه مهمترین رسالت بانکها و مؤسسات مالی و اعتباری میباشد، تأثیر مهمی در تنظیم صحیح گردش پول و استقرار یک نظام پولی و اعتباری صحیح و متناسب با برنامههای بلندمدت و کوتاهمدت کشور دارد. تاکنون تحقیقات چندی در خصوص جذب منابع مالی صورت گرفته است، اما در بررسیهای بهعملآمده مشخص شد که تعیین اهداف جذب منابع با رویکرد شبکههای عصبی فازی در مؤسسات مالی و اعتباری پرداخته نشده است. لذا تحقیق حاضر از این لحاظ دارای نوآوری و خلاقیت میباشد.
اهداف
هدف اصلی
استفاده از رویکرد شبکه عصبی فازی برای پیشبینی مانده منابع آتی در تعیین هدف جذب منابع برای شعبههای مؤسسات مالی و اعتباری.
هدف فرعی
تدوین الگوی مناسب برای پیشبینی دقیق منابع آتی و تعیین اهداف جذب منابع بر اساس آن،
تعیین متغیرهای سری زمانی که بیشترین و یا کمترین تأثیر را در فرآیند پیشبینی تعیین هدف جذب منابع دارند.
تعداد صفحات 163 word
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
چکیده:
شبکههای عصبی مصنوعی از مباحث جدیدی است که دانشمندان علوم کامپیوتر به آن علاقمند شدهاند و برای پیشرفت هرچه بیشتر علوم کامپیوتر وقت و هزینه بسیاری را صرف آن کرده و میکنند.
عنوان مقاله: شبکههای عصبی
۱-۱ پیشگفتار
انرژی الکتریکی به عنوان محور اصلی توسعه صنعتی در میان انواع انرژی از اهمیت خاصی برخوردار است. این انرژی با آنکه خود به انواع دیگر انرژی وابستگی دارد، اتکا شاخههای مختلف اقتصادی به آن در حدی است که براحتی میتوان حد مصرف معقول این انرژی در یک جامعه را به عنوان شاخص عمدهای برای تعیین حد پیشرفت اقتصادی آن جامعه دانست.
بر خلاف سهولت استفاده از این نوع انرژی و مطلوبیت آن، تولید و انتقال این انرژی از پیچیدگی زیادی برخوردار بوده و در مجموع صنعت برق با ویژگیهایی در میان سایر صنایع شاخص است، از جمله این ویژگیها باید از لزوم همزمانی تولید و مصرف آن نام برد، به عبارت دیگر تولید برق فقط در مقابل مصرف آن مطرح میگردد و بطور معمول قابل ذخیره کردن نیست. دیگر ویژگی این صنعت سرمایه طلب بودن طرحها و پروژههای آن و زمان بر بودن آنها است.
مجموعه این خصوصیات و حساسیتها است که پیشبینی صحیح نیاز مصرف برای این نوع انرژی در آینده را طلب مینماید. چون هرگاه پیشبینی نیاز مصرف یا بار شبکه بیش از حد واقعی باشد، سرمایه گذاری بیهوده در این صنعت را بدنبال خواهد داشت و هر پیش بینی بار کمتر از واقعیت باعث لطمات شدید اقتصادی شده و جبران آن به مناسبت زمان بر بودن پروژههای توسعهای امکانات تولید و انتقال برق، غیر ممکن است.
انرژی الکتریکی در مقیاس وسیع به طور اقتصادی قابل ذخیره نمیباشد. بدین دلیل بر خلاف شاخههای دیگر اقتصاد، در اقتصاد الکتریسیته باید همزمان با مصرف، انرژی الکتریکی تولید گردد. میزان مصرف بار الکتریکی ثابت نمیباشد بلکه به صورت پیچیده و غیر خطی تابعی از پارامترهای متعددی میباشد. با توجه به متغییر بودن میزان مصرف بار الکتریکی، شرکتهای تولید کننده برق، موظفند با پیش بینی آن در زمانبندیهای مختلف اطلاعات مورد نیاز برای تصمیمگیریهای خود در سیستم قدرت را حاصل نماید.
در دنیای خصوصی سازی جدید هر شرکت سعی در افزایش قابلیت اطمینان محصول خود و تولید بهینه توان برای مصرف کنندگان خود دارد. این وظیفه عموماً از طریق پیش بینی فراهم میشود. پیش بینی بارهای ساعتی تا یک هفته جلوتر برای کارهای برنامهریزی از قبیل هماهنگی بین واحدهای آبی و حرارتی و سنجش تبادل با دیگر رقبا و برای آنالیزهای کوتاه مدت از قبیل پخش توان در مراکز دیسپاچینگ و پخش بهینه توان لازم است. به طور کلی پیش بینی بار بر اساس دوره پیش بینی به دستههایی تقسیم میشود :
برنامه ریزی بسیار کوتاه مدت (چند دقیقه تا چندین ساعت) : برنامه ریزی بسیار کوتاه مدت اطلاعات مورد نیاز در پخش بار اقتصادی و تخمین اطمینان را تأمین مینماید. همچنین پیش بینی بسیار کوتاه مدت (چند دقیقه تا چند ساعت) برای زمانبندی تعویض قدرت بین شرکتها و مطالعه تحمیلات انتقال مفید میباشد.برنامه ریزی کوتاه مدت (یک روز تا یک هفته) : برنامه ریزی کوتاه مدت برای برنامه ریزی روزانه و هفتگی، در مدار قرار گرفتن بهینه نیروگاهها (بهینه سازی ولتاژ/ توان راکتیو، برنامهریزی برای انرژی رزرو مورد نیاز، زمان بهرهبرداری پمپی از نیروگاههای پمپ ذخیرهای) و تبادل انرژی با شرکا استفاده میشود.برنامهریزی میان مدت (۱ ماه تا ۵ سال) : در برنامهریزی میان مدت، با در نظر گرفتن توان و ترکیب نیروگاههای موجود، میزان ذخیره سوخت، میزان ذخیره آب مخزنها، در مورد نحوه و زمان بکارگیری نیروگاههای حرارتی و آبی، تهیه سوخت، میزان تبادل انرژی الکتریکی با سیستمهای همسایه در سیستمهای بهم پیوسته، زمانبندی بهینه برای بازرسی و تعمیرات نیروگاهها و شبکه تصمیمگیری میشود.برنامه ریزی بلند مدت (۵ تا ۳۰ سال): در برنامه ریزی بلند مدت با در نظر گرفتن توان و ترکیب و طول عمر نیروگاههای موجود، توانایی شبکه انتقال و توزیع، قراردادهای بلند مدت برای تبادل انرژی الکتریکی با سیستمهای مجاور (کشورهای همسایه) در سیستمهای بهم پیوسته، در مورد نوع، اندازه و محل احداث نیروگاههای جدید، نحوه گسترش شبکه، بستن و یا تجدید نظر در قراردادها و … تصمیمگیری میشود.بار در یک شبکه برقرسانی به مجموع مصارف مختلف انرژی الکتریکی در یک واحد زمانی اتلاق میگردد. بار شبکه به مناسب همزمانی و غیر همزمانی مصرف انرژی در بخشهای مختلف دستخوش تغییراتی در طول شبانه روز، هفته، ماه و سال میگردد.
اگر به یک منحنی تغییرات بار بیستو چهار ساعته در الگوی مصرف انرژی الکتریکی ایران توجه کنیم ملاحظه میشود که منحنی از یک حداقل غیر صفر شروع میشود و پس از عبور از آن، با یک شیب نسبتاً تند به سمت کوهان دوم که بزرگتر از کوهان اول است میل نموده، پس از گذر از آن دوباره به سمت حداقل میل میکند. باید توجه داشت که ظهور این دو کوهان ناشی از همزمانی مصرف انرژی الکتریکی بخشهای مختلف مصرف در طول یک شبانهروز است. جالب توجه است که منحنی تغییرات بار در طول ماه و سال نیز تقریباً روند مشابهی با تغییرات بار بیست و چهار ساعته دارد. در مطالعه بار بخصوص در پیش بینی بار اعم از پیشبینی بار ساعتی روزانه جهت تنظیم برنامه بهرهبرداری از نیروگاهها تا بار ماههای سال برای تنظیم برنامه تعمیرات منظم و دورهای و بارهای سالهای آینده برای برنامهریزی توسعهای این متغیرها و عوامل مؤثر در پیدایش آنها مورد توجه قرار میگیرد.
منحنی مصرف برای مصرف کننده کاملاً تصادفی و غیر مشخص بوده وقابل پیشبینی نیست و از سوی دیگر، هر مجموعه خاص از مصرف کنندهها منحنی مصرف مخصوص به خود را دارا است، همچنین مصرف بار الکتریکی تابعی کاملاً غیر خطی و بسیار پیچیده از پارامترهایی از جمله شرایط آب و هوایی، شرایط اقتصادی، زمان و عوامل تصادفی میباشد. همچنین تقریباً هر روز هفته منحنی خاص خود را دارد. لذا مدل مورد نظر باید توانایی این کار راد اشته باشد که اثر تمامی این عوامل را بر منحنی مصرف در نظر بگیرد، همچنین بایستی خطای پیش بینی تا حدامکان کم باشد، از طرفی دارای ساختاری ساده باشد و در کوتاهترین زمان ممکن به جواب نهایی برسد، و از همه مهمتر اینکه استفاده از آن برای برنامهریزان و اپراتورها ساده باشد. لذا با توجه به اهمیت پیش بینی بار کوتاه مدت و خواصی که برای یک برنامه ریزان و اپراتورها ساده باشد. لذا با توجه به اهمیت پیش بینی بار کوتاه مدت و خواصی که برای یک برنامه پیشبینی بار بر شمردیم، روشهای مختلفی در این زمینه ارائه شده است که هر یک به نوعی دارای برخی کاستیها (و بخصوص در پیش بینی روزهای تعطیل) بودند، با وارد شدن شبکههای عصبی در این عرصه تقریباً تمامی مدلها وروشهای قبلی کنار گذاشته شد، چراکه این شبکهها دارای تواناییهای بسیار زیادی رد بیان روابط غیر خطی میباشند. در شکل صفحه بعد موارد استفاده پیشبینی بار کوتاه مدت آمده است.
این مجموعه به دوصورت فایل ورد و pdf در 74 صفحه با حجم 5.06 mb می باشد.