۱ فرضیه ها
- روشهای شبکه عصبی پروسپترون چند لایه در پیشبینی میزان انواع سپردههای ریالی بانک سامان، از لحاظ شاخص خطای ریشه میانگین مربع خطا، از روش آریما برتر است.
- روشهای شبکه عصبی پروسپترون چند لایه در پیشبینی میزان انواع سپردههای ریالی بانک سامان، از لحاظ شاخص میانگین قدر مطلق درصد خطا، از روش آریما برتر است.
- روشهای شبکه عصبی پروسپترون چند لایه در پیشبینی میزان انواع سپردههای ریالی بانک سامان، از لحاظ شاخص میانگین قدر مطلق خطا، از روش آریما برتر است.
- روشهای شبکه عصبی پروسپترون چند لایه در پیشبینی میزان انواع سپردههای ریالی بانک سامان، از لحاظ شاخص ضریب تعیین، از روش آریما برتر است.
۱٫۲ روش انجام پژوهش
روش انجام این پژوهش از نظر ماهیت و اهداف، کاربردی است.
روش پژوهش از نظر شیوه انجام
در این پژوهش دادههای مربوط به انواع سپردههای همه شعب بانک سامان شامل سپردههای قرضالحسنه و سپردههای سرمایهگذاری مدتدار و مجموع سپردههای مذکور که به صورت روزانه از فروردین ۱۳۸۰ تا اسفند ۱۳۹۰ در دسترس بودند را با استفاده مدل آریما و شبکه عصبی مصنوعی پروسپترون چند لایه برای پیشبینی مورد استفاده قرار میگیرند. چون دادههای مورد استفاده از نوع دادههای سری زمانی میباشند، به هنگام استفاده از مدلهای آریما باید پایایی این متغیرها مورد بررسی قرار گیرد که از طریق نمودار خودهمبستگی و خودهمبستگی جزئی و آزمون دیکی – فولر تعمیم یافته، این مسأ‌له بررسی خواهد شد. سپس مدلهای مختلف آریما، با توجه به بررسیهای انجام شده و در نظر گرفتن معیارهای مورد نظر، برآورد میگردد و پیشبینی صورت میپذیرد. برای طراحی و پیشبینی مدلهای مورد نظر با استفاده از روش آریما از نرم افزار Eveiws استفاده میشود.
در ادامه از طریق مدل شبکه عصبی، با تاکید بر مدل پروسپترون چند لایه، و با در نظر گرفتن مقادیر مشاهده شده به عنوان متغیر Target و متغیر روند به عنوان متغیر مستقل، مقادیر خروجی مشخص شده و با هدف کاهش میزان خطای برآورد، پیشبینی انجام خواهد شد. برای طراحی و پیشبینی مدلهای مورد نظر از نرم افزار MATLAB استفاده میگردد. در قسمت آخر نتایج دو روش با هم مقایسه شده و پیشنهادها و راهکارهایی نیز ارایه خواهد شد.
نظرات شما عزیزان:
تبادل لینک هوشمند