چکیده:
موضوع کفایت وجه نقد در بانکها، یکی از مسائل مهم برای مدیران و بهخصوص رؤسای هر شعبه بهشمار میرود؛ چراکه کمبود وجه نقد روزانه در صندوق شعبه به عدم پاسخگویی به نیاز مشتری میانجامد و از سوی دیگر، مازاد وجه نقد در شعبه موجب افزایش هزینه بابت انتقال آن به خزانۀ بانک میشود. از این رو بانکها همواره درصدد تعیین مقدار وجه نقد مورد نیاز خود با توجه به عملیات روزانه هستند. بههمین منظور در این مقاله، شعب بانک تجارت، با توجه به تنوع بین شعب، با دو روش خوشهبندی سلسلهمراتبی و خوشهبندی برمبنای رویکرد بیزی در خوشههای متشابه دستهبندی شدند؛ سپس با در نظر گرفتن نتایج خوشهبندی، مقدار وجه نقد ورودی و نیز وجه نقد مصرفی از طریق شبکههای عصبی برآورد شد تا از این طریق امکان محاسبۀ وجه نقد لازم برای شعب فراهم شود. نتایج تحقیق نشان میدهد، برآورد وجه نقد مصرفی و ورودی شعب بانک با استفاده از شبکۀ عصبی و لحاظکردن نتایج خوشهبندی شعب با رویکرد بیزی، دارای دقت بیشتری نسبت به نتایج خوشهبندی شعب با روش معمول است.
Cash adequacy in banks’ branches is considered as the significant issues for branch managers; because the daily cash shortage in branches’ funds might lead to the lack of fulfilling customers’ needs. On the other hand، cash surplus in branches will increase the expenses which arise from its transfer to the banks’ treasuries. Therefore، banks have always been attempting to estimate their required cash according to their daily operations and. In this regard، iIn this article، branches of Tejarat Bank، with regard to their diversity، have been classified in similar clusters with the two methods of hierarchical clustering and clustering based on Bayesian approach .Then، based on the results obtained from the clustering، the input cash to the branches as well as the cash consumption in the branches were estimated through the neural networks، which made it possible to calculate the required cash in branches. The results show that the estimation of input and consumed cash of branches using neural network and regarding the results obtained from Bayesian approach for branches clustering enjoys higher precision in comparison to the results obtained from the classic methods of clustering.
خلاصه ماشینی:
برآورد وجه نقد ورودی و خروجی شعب بانک تجارت برای محاسبة وجه نقد مورد نیاز شعبه ها با استفاده از تحلیل چندمتغیرة خوشه بندی بیزی و پیاده سازی آن در شبکه های عصبی غزاله باغبانی ١، فرزاد اسکندری ٢ موضوع کفایت وجه نقد در بانک ها، یکی از مسائل مهم برای مـدیران و بـه خصـوص رؤسای هر شعبه به شمار می رود؛ چراکه کمبـود وجـه نقـد روزانـه در صـندوق شـعبه بـه عـدم پاسخگویی به نیاز مشتری می انجامد و از سوی دیگر، مازاد وجه نقد در شـعبه موجـب افـزایش هزینه بابت انتقال آن به خزانة بانک می شود.
به همین منظور در این مقالـه ، شـعب بانـک تجارت ، با توجه به تنوع بین شعب ، با دو روش خوشه بندی سلسله مراتبی و خوشه بندی برمبنـای رویکرد بیزی در خوشه های متشابه دسته بندی شدند؛ سپس با در نظر گرفتن نتایج خوشه بنـدی ، مقدار وجه نقد ورودی و نیز وجه نقد مصرفی از طریق شبکه های عصبی برآورد شـد تـا از ایـن طریق امکان محاسبة وجه نقد لازم برای شعب فراهم شود.
نتایج تحقیق نشان می دهد، بـرآورد وجه نقد مصـرفی و ورودی شـعب بانـک بـا اسـتفاده از شـبکة عصـبی و لحـاظ کـردن نتـایج خوشه بندی شعب با رویکرد بیزی ، دارای دقت بیشتری نسبت به نتـایج خوشـه بنـدی شـعب بـا روش معمول است .
خوشـه بنـدی داده ها برمبنای رویکرد بیزی ، به محاسبات پیشرفتة شبیه سازی از طریق روش های معتبر زنجیـر مارکوف مونت کارلو، نیاز دارد که این موضوع و نیز برآورد وجوه نقد مصرفی و آوردة مشـتری بـه روش شبکة عصبی ، با استفاده از برنامه نویسی در نرم افزار R انجام شده است .