فرزاد اسکندری - دانشیار و عضو هیات علمی دانشگاه علامه طباطبایی ، گروه آمار
غزاله باغبانی - دانشجوی دکترای آمار دانشگاه علامه طباطبایی

در حال حاضر، بانک ها به صورت روزانه با چالش کفایت وجه نقد جهت پاسخگویی به مشتریان و نیز عدم تمایل به افزایش هزینه های ناشی از نقل و انتقال مازاد وجه نقد شعبه مواجه هستند. به همین علت، موضوع برآورد ماند ه وجه نقد صندوق شعب -با توجه به عملیات روزانه آن- که به عنوان یک سامانه چند متغیره محسوب م ی شود، از موارد با اهمیت در حوزه بانکداری بشمار م یآید . در این راستا، استفاده از رو شه ای داد هکا وی و به خصوص روش های خوشه بندی و شبکه عصبی یتواند به افزایش دقت برآورد پارامتر وجه نقد مورد نیاز شعب کمک کند. شبکه ها ی عصبی از لحاظ انعطاف پذیری، غیرخط ی بودن، تحمل بیشتر نوفه ها و نیز وابسته نبودن به فرضیه های اولیه درباره داده های ورودی در این زمینه حایز اهمیت هستند. در این مقاله 20شعبه بانک تجارت در بازه زمانی 1/2/93تا31/6/93 با توجه به تنوع بین شعب از لحاظ درجه شعبه، نوع شعبه از لحاظ سپرده ای یا تسهیلاتی، تعداد دستگاه خودپرداز در شعبه ، شعبه کشیک/ غیرکشیک در خوشه های متشابه دسته بندی شده، سپس با در نظر گرفتن نتایج حاصل از خوشه بندی و متغیرهای مرتبط با وجه نقد شعبه شامل متغیره ای تقویمی مانند روزهای هفته ، روزهای پرداخت حقوق/ واریز یارانه/ واریز سود سپرده ها، روزه ای تعطیل و مناسبت های رسمی و نیز متغیر میزان وجه نقد مصرفی دستگاه خودپرداز شعبه، ساختار مناسب شبکه عصبی برای برآورد وجه نقد شعب از طریق معیارهای خطا، تعیین شده و وجه نقد شعب در خوشه های مختلف برآورد می شود.

الگوی بانکداری، برآورد ، خوشه بندی، داده کاوی، شبکه عصبی