برآورد يك سيستم چند متغيره تصادفي با استفاده از روش هاي داده كاوي (مطالعه موردي: وجه نقد مورد نياز شعب بانك تجارت)

در حال حاضر، بانك ها به صورت روزانه با چالش كفايت وجه نقد جهت پاسخگويي به مشتريان و نيز عدم تمايل به افزايش هزينه هاي ناشي از نقل و انتقال مازاد وجه نقد شعبه مواجه هستند. به همين علت، موضوع برآورد مانده وجه نقد صندوق شعب -با توجه به عمليات روزانه آن- كه به عنوان يك سامانه چند متغيره محسوب مي شود، از موارد با اهميت در حوزه بانكداري بشمار مي آيد. در اين راستا، استفاده از روش هاي داده كاوي و به خصوص روش هاي خوشه بندي و شبكه عصبي مي تواند به افزايش دقت برآورد پارامتر وجه نقد مورد نياز شعب كمك كند. شبكه هاي عصبي از لحاظ انعطاف پذيري، غيرخطي بودن ، تحمل بيشتر نوفه ها و نيز وابسته نبودن به فرضيه هاي اوليه درباره داده هاي ورودي در اين زمينه حائز اهميت هستند. در اين مقاله، 20 شعبه بانك تجارت در بازه زماني 1/2/93 تا 31/6/93 با توجه به تنوع بين شعب از لحاظ درجه شعبه، نوع شعبه از لحاظ سپرده اي يا تسهيلاتي، تعداد دستگاه خودپرداز در شعبه، شعبه كشيك/ غيركشيك در خوشه هاي متشابه دسته بندي شده، سپس با در نظر گرفتن نتايج حاصل از خوشه بندي و متغيرهاي مرتبط با وجه نقد شعبه شامل متغيرهاي تقويمي مانند روزهاي هفته، روزهاي پرداخت حقوق/ واريز يارانه/ واريز سود سپرده ها، روزهاي تعطيل و مناسبت هاي رسمي و نيز متغير ميزان وجه نقد مصرفي دستگاه خودپرداز شعبه، ساختار مناسب شبكه عصبي براي برآورد وجه نقد شعب از طريق معيارهاي خطا، تعيين شده و وجه نقد شعب در خوشه هاي مختلف برآورد مي شود. نتايج تحقيق نشان مي دهد شبكه عصبي با لحاظ نتايج خوشه بندي با ميانگين قدر مطلق خطاي 5 درصد مي تواند عملكرد خوبي جهت برآورد وجه نقد شعب در خوشه هاي مختلف ارائه دهد.