پیش‌بینی سپرده‌های بانکی به روش یادگیری ماشین

نویسندگان

1 کارشناسی ارشد مدیریت مالی، دانشگاه آزاد اسلامی، تهران، ایران.

2 استادیار، گروه آمار، دانشکدۀ علوم پایه، دانشگاه بوعلی‌سینا، همدان، ایران

3 دکتری اقتصاد، دانشکدۀ اقتصاد و علوم اجتماعی، دانشگاه بوعلی‌سینا، همدان، ایران.

4 استاد اقتصاد، گروه مهندسی مالی، دانشکدگان مدیریت، دانشگاه تهران، تهران، ایران.

5 دانشجوی دکتری اقتصاد، گروه اقتصاد، دانشکدۀ دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.

doi
10.22084/aes.2023.27444.3564
چکیده

در این پژوهش براساس آمار تاریخی سپرده‌های یک بانک خصوصی (انصار) قبل از ادغام در چهار دسته‌بندی (وجه) مختلف، به‌دنبال این هستیم که نتایج و پیش‌بینی سپرده‌های بانک در هریک از دسته‌بندی‌ها،  با استفاده از روش‌های پیش‌بینی یادگیری ماشین  برای نخسین‌بار در مطالعات داخلی انجام گیرد. در این روش پیش‌بینی، ارجحیت روش یادگیری ماشین به‌دلیل بررسی کلیۀ تغییرات زمانی داده‌ها در حجم وسیع (از ابتدا تاکنون) مورد تأیید قرار می‌گیرد. پیش‌بینی آمار سپرده‌های فوق برای تصمیم‌گیران بانک در آینده باتوجه به شرایط اقتصادی می‌تواند مبنای تصمیمات کلان بانکی باشد. نتایج نشان می‌دهد که سپرده بلندمدت تاحدودی باثبات و به‌طورکلی سپردۀ باثبات روند نزولی در آینده در بانک مزبور به خود خواهند گرفت و سپردۀ بی‌ثبات و حساس به سود نیز روند نزولی به خود خواهند گرفت. سپردۀ قرض‌الحسنه روند صعودی دارد، اگرچه همواره نوساناتی شبیه نوسانات سینوسی-کسینوسی داشته است. باید دقت کرد که این روش پیش‌بینی یادگیری ماشین، روشی پایدار و فاقد تحلیل حساسیت است و قابلیت اتکا بالایی دارد. مطابق این پژوهش، توجه به سپرده‌های بلندمدت و باثبات و هم‌چنین قرض‌الحسنه از اهمیت بالایی در بودجۀ بانک قرار دارد.