فرزاد اسکندری؛ غزاله باغبانی
چکیده
در حال حاضر، بانکها به صورت روزانه با چالش کفایت وجه نقد جهت پاسخگویی به مشتریان و نیز عدم تمایل به افزایش هزینههای ناشی از نقل و انتقال مازاد وجه نقد شعبه مواجه هستند. به همین علت، موضوع برآورد مانده وجه نقد صندوق شعب -با توجه به عملیات روزانه آن- که به عنوان یک سامانه چند متغیره محسوب میشود، از موارد با اهمیت در حوزه بانکداری ...
بیشتر
در حال حاضر، بانکها به صورت روزانه با چالش کفایت وجه نقد جهت پاسخگویی به مشتریان و نیز عدم تمایل به افزایش هزینههای ناشی از نقل و انتقال مازاد وجه نقد شعبه مواجه هستند. به همین علت، موضوع برآورد مانده وجه نقد صندوق شعب -با توجه به عملیات روزانه آن- که به عنوان یک سامانه چند متغیره محسوب میشود، از موارد با اهمیت در حوزه بانکداری بشمار میآید. در این راستا، استفاده از روشهای دادهکاوی و به خصوص روشهای خوشهبندی و شبکه عصبی میتواند به افزایش دقت برآورد پارامتر وجه نقد مورد نیاز شعب کمک کند. شبکههای عصبی از لحاظ انعطافپذیری، غیرخطی بودن، تحمل بیشتر نوفهها و نیز وابسته نبودن به فرضیههای اولیه درباره دادههای ورودی در این زمینه حائز اهمیت هستند. در این مقاله، 20 شعبه بانک تجارت در بازه زمانی 1/2/93 تا 31/6/93 با توجه به تنوع بین شعب از لحاظ درجه شعبه، نوع شعبه از لحاظ سپردهای یا تسهیلاتی، تعداد دستگاه خودپرداز در شعبه، شعبه کشیک/ غیرکشیک در خوشههای متشابه دستهبندی شده، سپس با در نظر گرفتن نتایج حاصل از خوشهبندی و متغیرهای مرتبط با وجه نقد شعبه شامل متغیرهای تقویمی مانند روزهای هفته، روزهای پرداخت حقوق/ واریز یارانه/ واریز سود سپردهها، روزهای تعطیل و مناسبتهای رسمی و نیز متغیر میزان وجه نقد مصرفی دستگاه خودپرداز شعبه، ساختار مناسب شبکه عصبی برای برآورد وجه نقد شعب از طریق معیارهای خطا، تعیین شده و وجه نقد شعب در خوشههای مختلف برآورد میشود. نتایج تحقیق نشان میدهد شبکه عصبی با لحاظ نتایج خوشهبندی با میانگین قدر مطلق خطای 5 درصد میتواند عملکرد خوبی جهت برآورد وجه نقد شعب در خوشههای مختلف ارائه دهد.