چکیده:
در این مطالعه به بررسی و پیش بینی مقایسه ای عملکرد شبکه بانکی کشور (متشکل از 14 بانک) با مدل های اقتصادسنجی و شبکه عصبی مصنوعی پرداخته شد. برای این منظور در ابتدا با مدل شبکه عصبی کوهنن (Kohonen)، بانک های مورد بررسی به دو دسته با عملکرد بالا و با عملکرد پایین تقسیم شده است، سپس با استفاده از خروجی مدل شبکه عصبی کوهنن، نسبت های مالی و مدل اقتصادسنجی داده های تابلویی (Panel Data) به تخمین مدل عملکرد شبکه بانکی برای دوره 1389-1384پرداخته و در نهایت با به کارگیری معیارهای ارزیابی کارایی مدل ها، به مقایسه کارایی مدل های Panel Data و ANN در پیش بینی عملکرد شبکه بانکی پرداخته شد.
نتایج مدل کوهنن نشان داد که از 14 بانک مورد مطالعه، 4 بانک به گروه با عملکرد بالا و 10 بانک به گروه با عملکرد پایین اختصاص دارد. هم چنین نتایج مدل Panel Data نشان داد که متغیر نسبت نقد به سپرده کل دارای بیشترین و متغیر نسبت درآمد سرمایه ای به درآمد کل دارای کمترین تاثیر بر عملکرد شبکه بانکی می باشد. در نهایت بررسی مقایسه ای مدل ها نشان داد که مدل ANN برای پیش بینی عملکرد شبکه بانکی بر مدل Panel Data برتری دارد.
In this research the comparative prediction of Iran''s banking system (included 14 banks) was carried out by using econometric and artificial neural network models. Accordingly، at first، by using the Kohonen neural network model، the considered banks were divided into two categories of high performance and low performance groups and then using the output of Kohonen neural network model، financial proportions and Panel Data econometric model، the performance of Iran''s banking system was estimated for the period 2004-2010 and finally by using models evaluation criteria، the performance of Panel Data and ANN models was compared.
The results of Kohonen neural network model indicated that from 14 considered bank، 4 banks belong to high performance group and 10 banks are belong to low performance group. Also the results of Panal Data estimations showed that “capital income/total income «portion has the lowest and “cash/total deposits»، has the haighes effect on the Iran''s banking system. Finally the results of models comparison stated that the ANN model outperforms the Panel Data model to predict the performance of Iran''s banking system.
خلاصه ماشینی:
بررسي و پيش بيني عملکرد شبکه بانکي ايران با استفاده از مدلهاي Kohonen،ANN و Panel data 1 تقي ابراهيمي سالاري عضو هيئت علمي گروه اقتصاد دانشگاه فردوسي مشهد 2 سيد محمد فهيمي فرد دانشجوي دکتري اقتصادکشاورزي دانشگاه زابل ، کارشناس دفتر مطالعات و بررسيهاي اقتصادي اتاق بازرگاني، صنايع ، معادن و کشاورزي خراسان رضوي 3 حنيف خيرخواه کارشناس ارشد موسسه عالي بانکداري ايران تاريخ دريافت : ١٣٩١/٨/١ تاريخ پذيرش : ١٣٩٢/٢/٢١ چکيده در اين مطالعه به بررسي و پـيش بينـي مقايسـه اي عملکـرد شـبکه بـانکي کشـور (متشـکل از ١٤ بانـک ) بـا مدلهاي اقتصادسنجي و شبکه عصبي مصنوعي پرداخته شد.
براي اين منظور در ابتدا با مدل شـبکه عصـبي کوهنن (Kohonen)، بانک هاي مورد بررسي به دو دسته با عملکرد بالا و بـا عملکـرد پـايين تقسـيم شـده است ، سپس با استفاده از خروجي مدل شبکه عصبي کوهنن ، نسبت هاي مالي و مدل اقتصادسنجي دادههاي تابلويي (Panel Data) به تخمين مدل عملکرد شبکه بانکي براي دوره ١٣٨٩-١٣٨٤پرداخته و در نهايت با به کارگيري معيارهاي ارزيابي کارايي مدلها، به مقايسه کارايي مدلهـاي Panel Data و ANN در پـيش بيني عملکرد شبکه بانکي پرداخته شد.
جدول زير خلاصه ايـن نتـايج را نشان ميدهد: جدول (٦): نتايج مقايسه پيش بيني بخش آموزش و آزمون مدل ANN با دادههاي واقعي (رجوع شود به تصویر صفحه) يافته هاي فوق نشان ميدهد که مدل ANN طراحي شده از کـارايي مناسـبي جهـت پـيش بينـي عملکرد شبکه بانک هاي مورد بررسي برخوردار ميباشد.