مبانی نظری و پیشینه پژوهشی تعیین اهداف جذب منابع با رویکرد منطق فازی و شبکه‌های عصبی در مؤسسات مالی و اعتباری

با سحافایل در خدمت شما هستیم با «پیشینه پژوهشی و تحقیق و مبانی نظری تعیین اهداف جذب منابع با رویکرد منطق فازی و شبکه‌های عصبی در مؤسسات مالی و اعتباری» که بطور کامل و جامع به این مبحث پرداخته و نیاز شما را به هرگونه جستجوی بیشتری برطرف خواهد نمود.

فهرست محتوا

2 فصل دوم – ادبیات و پیشینه تحقیق 16

2-1 مقدمه17

2-2 پول18

2-2-1 خلاصه‌ای از پیدایش پول 18

2-2-2 خلاصه‌ای از وظایف و ویژگی‌های پول در جامعه 19

2-2-3 اصطلاحات مرتبط با پول 21

2-3  بانکداری25

2-4 مؤسسات مالی و اعتباری  و بانک مرکزی27

2-4-1 تعریف مؤسسات مالی و اعتباری 27

2-4-2 اهداف مؤسسات مالی و اعتباری 27

2-4-3 بانک مرکزی 28

2-4-4 انواع بانک‌ها و مؤسسات مالی و اعتباری 29

2-4-5 رقابت بانک‌ها و مؤسسات مالی و اعتباری در جذب منابع 30

2-5 جذب منابع30

2-5-1 مفهوم  جذب منابع 30

2-5-2 مفهوم تعیین اهداف جذب منابع 30

2-5-3 عوامل مؤثر برجذب منابع 31

2-5-4 نقش پیش‌بینی در تعیین اهداف جذب منابع و ارزیابی عملکرد 32

2-6 پیش‌بینی و روش‌های آن35

2-6-1 جایگاه پیش‌بینی در علم 36

2-6-2 تعریف پیش‌بینی 38

2-6-3 جایگاه پیش‌بینی در مؤسسات مالی و اعتباری 38

2-6-4 سیستم پیش‌بینی 38

2-6-5 طبقه‌بندی پیش‌بینی 40

2-7 شبکه عصبی و منطق فازی45

2-7-1 شبکه عصبی45

2-7-2 منطق فازی 57

2-7-3 شبکه عصبی – فازی 61

2-8 پیشینه65

2-8-1 پیشینه داخلی 65

2-8-2 پیشینه خارجی 74

6 فهرست منابع 119

مقدمه

چرا هدف‌گذاری را برای هر یک از شعبه‌های مؤسسات مالی و اعتباری باید انجام داد ، این سؤال به این معنی است که آیا این امکان وجود ندارد مؤسسات بدون هدف به سمت تعالی و رشد پیش رود ؟ شاید این پرسش پیش آید که چرا حال هدف‌گذاری بر اساس پیش‌بینی‌های علمی باید صورت گیرد و ما می‌توانیم بدون پیش‌بینی ، هدف‌گذاری نماییم . اما این‌گونه نیست چراکه هر سازمانی که از تغییرات تأثیر بپذیرد ناگزیر با پیش‌بینی مواجه خواهد شد و خواه‌وناخواه تا حدودی زیاد هدف‌گذاری بر اساس پیش‌بینی خواهد بود و چه‌بهتر است که پیش‌بینی دقیق‌تر باشد به‌بیان‌دیگر هر سازمانی که بدون توجه به پیامدهای آتی و پیش‌بینی آن ، تصمیم به هدف‌گذاری نماید بقای چندانی نخواهد داشت زیرا طبیعتاً ثبات محیط را پیش‌بینی نکرده است ،همچنین از طرف دیگر هدف‌گذاری در بخش منابع ، افزایش سودآوری و رقابت بیشتر در جذب منابع را به همراه دارد که ضروری است به نحو صحیح عملکرد اندازه‌گیری شود.

در فصل اول مباحث مربوط طرح تحقیق اشاره شد و در ادامه  فعالیت ، وظایف ، اهداف و رقابت مؤسسات مالی و اعتباری و روش‌های پیش‌بینی بر اساس رویکردهای نوین بیان می‌گردد و در انتها مطالعات و تحقیقات انجام‌شده در این زمینه ارائه می‌شود .

پول

تعریف پول به این صورت برای اقتصاد مدرن بسیار محدودکننده می‌باشد. عکس این قضیه هم وجود دارد برای مثال اکثر مردم پول را با ثروت یکسان در نظر می‌گیرند، که در صورت پذیرفتن این تعریف نیز پول شامل خانه، ملک، اتومبیل و غیره می‌شود. با توجه به نکاتی که گفته شد بهتر است برای اقتصاد یک تعریف مناسبی از پول ارائه دهیم.

فهرست منابع

1. نادری، اسماعیل، « تحلیل آشوب، تجزیه موجک و شبکه عصبی در پیش بینی شاخص بورس تهران » دانشگاه تهران ، 1391
2. آذر، عادل و فرجی، حجت، علم مدیریت فازی، تهران: مهربان نشر،1387.
3. راجاسکارانویجی و آلاکشمی پای، شبکه‌های عصبی، منطق فازی و الگوریتم ژنتیک: ترکیب و کاربرد، ترجمه ی محمود کشاورزمهر، تهران: نشر نوپردازان،1391.
4. سپانلو، ه، «تحلیل عوامل مؤثر بر سپرده‌ها در بانک (مطالعه موردی بانک ملت) »، دانشگاه علوم و فنون مازندران، 1381.
5. آذر، افسر، «مدل‌سازی پیش‌بینی شاخص قیمت سهام با رویکرد شبکه‌های عصبی فازی»، مجله پژوهشنامه بازرگانی ، شماره 40 ، 1385.
6. آذر، افسر و احمدی، «مقایسه روش‌های کلاسیک و هوش مصنوعی در پیش‌بینی شاخص قیمت سهام و طراحی مدل ترکیبی»، فصل نامه مدرس علوم انسانی، دوره 10، پیاپی30 ، 1385.
7. رمضانیان، محمدرحیم و رمضانپور، اسماعیل و پوربخش، سیدحامد، «رویکردهای جدید در پیش‌بینی با استفاده از شبکه‌های عصبی-فازی: قیمت نفت»، دانشگاه گیلان،1389.
8. کردستانی، غلامرضا و معصومی، جواد و بقایی، وحید، «پیش‌بینی مدیریت سطح سود با استفاده از شبکه‌های عصبی مصنوعی»، مجله پیشرفت های حسابداری دانشگاه شیراز ، دوره 5، پیاپی3/64 ، 1391.
9. فدایی، محمد، بررسی عوامل مؤثر بر تجهیز منابع بانکی ، پایگاه خبری تحلیلی بازار پول و مالی ایران و جهان ،1391.
10. آذر، رجب‌زاده، «ارزیابی روش‌های پیش‌بینی ترکیبی: بارویکرد شبکه‌های عصبی-کلاسیک در حوزه اقتصاد»، تحقیقات اقتصادی ، شماره63 ، 1382.
11. نژادمقدم، قاسم و بقایی نیا، فاطمه و بافنده ، «منطق فازی به زبان ساده»، نشریه صنعت خودروی ، شماره119، 1391.
12. ابونوری، اسمعیل و سپانلو، هادی، «تجزیه‌وتحلیل آثار عوامل درون‌سازمانی برجذب سپرده بانکی-مطالعه موردی بانک ملت تهران»، پژوهشی دانشگاه شاهد ، ماهنامه علمی-پژوهشی ، شماره14، 1384.
13. پاسبانی، فرید ، «بررسی متغیرهای کلان درجذب منابع بانک ملت»، دانشگاه آزاد اسلامی واحد مرکز ، 1380.

• بانکداری داخلی تجهیز منابع ، جلد 10، بانک ملی ایران- اداره آموزش و مدیریت, 1385.
• حبيب اله، سلامي و علی، بهمني، «اثر تعیین سود تسهیلات بر کارایی بانکداری اسلامی» ، پژوهش هاي اقتصادي، 1380، 27-40.
• حسینی، سید فخر الدین و صفیار و امینی و محمدی، سمیه، «بررسی عوامل موثر بر حجم سپرده‌های بانکی با تاکید بر بانک صادرات ایران» فصلنامه علوم اقتصادی 6 1388، 159-172.
• دهقان، علی، «بررسی عوامل موثر بر جذب سپرده‌های بانکی» پایان نامه کارشناسی ارشد دانشگاه علامه طباطبایی, 1383.
• آذر، عادل و افسر، امیر ، مدل سازی پیش بینی قیمت سهام با رویکرو شبکه عصبی – فازی ، فصلنامه پژوهشنامه بازرگانی ، شماره 52، پاییز 1385، ص 33-55 .
• بومنفلد، یوریک، انسان و آینده اش ، ترجمه خواجه پور غلامرضا، انتشارات سازمان مدیریت صنعتی، چاپ سوم 1393 ص 3-6 .
• عزتی، مرتضی ، مقدمه ای بر منطق علمی پیش بینی، فصلنامه مفید، شماره 13، بهار 1385، ص 139-146 .
• رحیمیان، کریم ، «پیش‌بینی سپرده‌های بانکی با رویکرد تلفیقی شبکه‌های عصبی و منطق فازی» ،پایان نامه کارشناسی ارشد دانشگاه علوم اقتصادی, 1392.
• دیزج، عبدالرحیم، پول، ارز و بانکداری، چاپ سوم، جلد اول، تبریز: انتشارات حافظ اندیشه، 1389.
• سپانلو، هادی و ابونوری، اسماعیل ، «تجزیه و تحلیل آثار عوامل دورن سازمانی بر جدب سپرده‌های بانکی(مطالعه موردی بانک ملت تهران) »، پژوهش نامه علوم اقتصادی، 1384.
• صنیعی آباده، محمد، داده کاوی کاربردی. تهران: نیاز دانش، 1391.
• قطمیری، غلام علی و شرزه ای، محمدعلی ، مجموعه سخنرانیها و مقالات، پنجمین سمینار بانکداری اسلامی تهران، 1373.
• گزارش پیشبینی اهداف کل سپردههای بانک‌های ایران، مدیریت امور سازمان و برنامه ریزی و بودجه, 1391.
• منصف, عبدالعلی, و منصوری، نسرین، «بررسی عوامل موثر بر حجم سپرههای بانکی(با تکیه بر سود اوراق مشارکت) »، دانش و توسعه، شماره 34 ، اسفند 1389، 69.

28. تسخیری، سپرده هاى بانکى-تطبیق فقهى و احکام آن، فصل نامه فقه اهل بیت، 1380، ص 59.
29. حسینی و امینی و محمدی، «بررسی عوامل موثر بر حجم سپرده های بانکی با تاکید بر بانک صادرات ایران» ، فصلنامه علوم اقتصادی ، 1388، 6، 159-172.

• رضوانی و صحنه، «سنجش سطوح توسعه یافتگی نواحی روستایی با استفاده از روش منطق فازی: مطالعه موردی دهستانهای شهرستان های آققلا و بندر ترکمن»، روستا و توسعه، 1388، 1-32.

31. شریفی و علیاری و تشنه لب، سیستم فازی شبه چند جمله ای تاکاگی- سوگنو -کانگ با کاربرد در شناسایی سیستم و کلاس بند الگو، مجله کنترل، 1389, 15-28.
32. صنیعی آباده، محمد، داده کاوی کاربردی، تهران، نیاز دانش، 1391.
33. فرجی، پول و ارز و بانکداری ،تهران، شرکت چاپ و نشر بازرگانی وابسته به موسسه مطالعات و پژوهش های بازرگانی،1391.
34. منصف و منصوری، بررسی عوامل موثر بر حجم سپرده های بانکی (با تکیه بر سود اوراق مشارکت)، دانش و توسعه، 89، 1393.
35. همایون و پریور ، پول، ارز و بانکداری ، تهران، انتشارات ترمه، 1387.
36. Alam, P., Booth, D., Lee, K., & Thordarson, T“,The use of fuzzy clustering algorithm and self-organizing neural networks for identifying potentially failing banks: an experimental study”, Expert Systems with Applications, 18(3), 185-199.
37. Alvaro V. A. “,Hybrid linear-neural model for time series forecasting” ,IEEETransaction on Neural Network , Vol. 11, 2000.
38. Gunaydin H., Dogan Murat, Zeyneo S. ,”Aneural network approach for early cost estimation of structural system for building”, International Journal of Project Management, No. 22, 2004
39. Tai-Yue W., Shin- Chien C. ,”Forecasting innovation performance via neuralnetwork– a cascade of Taiwanese manufacturing”, Industry Technovation, No. 26, 2006.
40. Qi M. , Zhang G. P. ,”An investigation of model selection criteria for neural network time series forecasting”, European Journal of Operational Research, Vol. 132: 2, 2001.
41. Ng, G. S., Quek, C., & Jiang, H,” FCMAC-EWS: A bank failure early warning system based on a novel localized pattern learning and semantically associative fuzzy neural network”, Expert Systems with Applications, 34(2), 989-1003.
42. Ravisankar, P., & Ravi, V ,”Financial distress rediction in banks using Group Method of Data Handling neural network, counter propagation neural network and fuzzy ARTMAP”,Knowledge-Based Systems, 23(8), 823-831
43. Armstrong, J. S. Principles of forcasting. Kluwer Academic Publisher,
44. Armstrong, J. Scott ,”Illusions in Regression Analysis”, International Journal of Forecasting 28, no. 3 (2012):
45. Armstrong, J.Scott, and Fred Collopy ,”Error Measures for Generalizing About Forecasting Methods: Empirical Comparisons”,nternational Journal of Forecasting 8, no. 1 (1992): 69-80.
46. Silva, Clarence.de, and Fakhreddine.O Karray,”Soft Computing and Intelligence Systems Design”, London: Pearson Education Limited 200,
47. Alinezhad Sarokolae, Mehdi, and Parisa Alinezhad, ”A Comparative Study of Iranian Banks’ Efficiency by Using Artificial Neural Networks and Multi-Linear Regression”, Conference on Management and Artificial Intelligence, IPEDR IACSIT Press Singapore. 35 (2012): 80.
48. Aliyar, Mehdi ,”Factor Affecting the Volume of Private Deposit at the Bank of Keshavarzi”, Isfahan, Isfahan University M.S Thesis (in Persian), 2005.
49. Anwar, Saiful ,”Deposit Prediction Future Depositor Rate of Return Applying Neural Network: A Case study of introduction Islamic Bank”, International Journal of Economics and Finance 2 ,2010.
50. Bishop, C, Pattern Recognition and Machine Learning, Berlin: Springer, 2006.
51. Branson, V. H, Macroeconomics theory and policy, 1995.
52. Chiraphadhanakul, S, Genetic Algorithm in Forecasting Comercial Bank. Intelligent Processing Systems, IEEE International Conference, 116-121, 1997.
53. Kamber, M, Data Mining: Concepts and Techniques, 2011.
54. Piscopo, G, Italian Bank Deposit Time Series Forecasting via functional Analysis, Banks and Bank Systems, 5, 12-19, 2010 .
55. Silva, Karray, Soft Computing and Intelligence Systems Design. London: Pearson Education Limited, 200,2004.
56. Somsong Chriaphadhanakul, P. D, Genetic Algorithm In Forecasting Commerical Banks Deposit. IEEE International Conference on Intelligent Processing Systems, 1, 116-121,1997