%0 Journal Article %T پیش‌بینی نقدینگی موردنیاز دستگاه‌های خودپرداز با استفاده از مدل خطی(ARIMA) و غیرخطی (شبکه‌های عصبی) %J سیاست‌های راهبردی و کلان %I پژوهشکده تحقیقات راهبردی دبیرخانه مجمع تشخیص مصلحت نظام %Z 2345-2544 %A عباسی, ابراهیم %A رستگارنیا, فاطمه %A ابراهیمی, فهیمه %D 2015 %\ 02/20/2015 %V 2 %N شماره 8 %P 59-76 %! پیش‌بینی نقدینگی موردنیاز دستگاه‌های خودپرداز با استفاده از مدل خطی(ARIMA) و غیرخطی (شبکه‌های عصبی) %K شبکه‌های عصبی %K آریما %K پیش‌بینی %K دستگاه خودپرداز %K بانک مهر اقتصاد %R %X (صحت مطالب مقاله بر عهده نویسنده است و بیانگر دیدگاه مجمع تشخیص مصلحت نظام نیست)  هدف این مطالعه پیش‌بینی نقدینگی مورد نیاز دستگاه‌های خودپرداز با استفاده از دو مدل خطی و غیرخطی است. تامین منابع مالی در دستگاه‌های خودپرداز، از این نظر اهمیت دارد که لازمه فعال نگه داشتن خودپرداز در ارائه وجه نقد به متقاضیان و تامین اسکناس در دستگاه می‌باشد. نتایج چنین تحلیل‌هایی این امکان را ارائه می‌دهد که بتوان پیش‌بینی لازم برای تامین منابع مالی خودپرداز را بصورت هوشمند انجام داده و آن را در ساعات اوج تقاضا فعال نگه داشت. نمونه آماری پژوهش شامل 7 دستگاه خودپرداز بانک مهر اقتصاد خراسان رضوی طی سال‌های 1386-1389 بوده است. در این پژوهش تعیین میزان برداشت وجه نقد از دستگاه خودپرداز با استفاده از روش غیرخطی شبکه‌های عصبی مصنوعی با ساختار پروسپترون چند لایه و الگوریتم پس‌انتشار خطا و روش خطی ARIMA بررسی شده است تا مدل بهینه انتخاب شود. تقاضای برداشت وجه نقد از تاریخ 4/1386 تا 7/1389 (40 ماه) به عنوان داده‌های آموزش و از داده‌های آبان 1389 تا پایان 1389 به عنوان داده های آزمایشی در نظر گرفته شده است. نتایج به دست آمده نشان دهنده برتری مدل شبکه‌های عصبی مصنوعی نسبت به مدل ARIMA در پیش‌بینی وجه نقد مورد نیاز دستگاه خودپرداز بانک مهر اقتصاد می باشد. %U https://www.jmsp.ir/article_9314_d2cc37a9c0a0f6f4b10e4f64a0f54e5a.pdf