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


در حال بارگذاری
10 سپتامبر 2024
فایل ورد و پاورپوینت
2120
3 بازدید
۷۹,۷۰۰ تومان
خرید

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 پیش بینی نقدینگی موردنیاز دستگاه های خودپرداز با استفاده از مدل خطی (ARIMA) و غیرخطی (شبکه های عصبی) دارای ۲۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد پیش بینی نقدینگی موردنیاز دستگاه های خودپرداز با استفاده از مدل خطی (ARIMA) و غیرخطی (شبکه های عصبی)  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی پیش بینی نقدینگی موردنیاز دستگاه های خودپرداز با استفاده از مدل خطی (ARIMA) و غیرخطی (شبکه های عصبی)،به هیچ وجه بهم ریختگی وجود ندارد


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

نام کنفرانس، همایش یا نشریه : فصلنامه سیاست های راهبردی و کلان

تعداد صفحات :۲۴

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 ۷ دستگاه خودپرداز بانک مهر اقتصاد خراسان رضوی طی سال های ۱۳۸۶-۱۳۸۹ 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 ۴/۱۳۸۶ تا ۷/۱۳۸۹ (۴۰ ماه) به عنوان داده های آموزش و از داده های آبان ۱۳۸۹ تا پایان ۱۳۸۹ 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.

کلید واژه: شبکه های عصبی، آریما، پیش بینی، دستگاه خودپرداز، بانک مهر اقتصاد

  راهنمای خرید:
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.