پیش بینی تقاضای خدمات بانکداری الکترونیک در ایران با استفاده از روش‌های شبکه‌ عصبی مصنوعی و SARIMA

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشکده اقتصاد دانشگاه تهران

2 دانشگاه مفید

چکیده

عدم مطابقت تقاضا برای خدمات بانکداری الکترونیک با زیرساخت­های لازم برای پاسخگویی به آن می­تواند مشکلات فراوانی را برای یک جامعه ایجاد نموده و روند فعالیت­های اقتصادی در آن جامعه را کند نماید. از این روی، پیش­بینی تغییرات تقاضا برای این نوع خدمات در بسترسازی برای تأمین تقاضای مربوطه حائز اهمیت است. هدف اصلی این مقاله پیش­بینی تقاضا برای خدمات بانکداری الکترونیک با استفاده از دو روش شبکه عصبی مصنوعی و  مدل خودرگسیونی میانگین متحرک هم انباشته فصلی (SARIMA)، مقایسه میان روش­ها و بررسی تطابق حجم تقاضا با بسترهای ارائه خدمات در ایران می­باشد. برای این منظور از نمونه­ای مشتمل بر 88 مشاهده تراکنش­های صورت گرفته در 6 کانال فعلی شبکه بانکی کشور از تیرماه 1385 الی مهرماه 1392 استفاده گردیده و تقاضا تا انتهای آبان سال 1393پیش­بینی شده است. نتایج حاکی از ادامه روند صعودی تراکنش­ها و برتری نسبی روش شبکه عصبی دارد. بنابراین توجه جدی به ایجاد زیرساخت­های ارائه خدمات بانکداری الکترونیک ضروری است.

کلیدواژه‌ها


عنوان مقاله [English]

Forecasting Demand for Electronic Banking Services in Iran using Artificial Neural Networks and SARIMA Methods

نویسندگان [English]

  • Gholamali Sharzehi 1
  • Amir Hossein Ghaffari Nejad 2
چکیده [English]

Failure to meet the demand for e-banking services with the necessary infrastructure can cause many problems for a society and the process of economic activity in a society. Therefore, for this type of service forecasting the changes in demand is important to provide the infrastructure to meet the demand. The main purpose of this paper is forecasting the demand for e-banking services using two methods, artificial neural networks and SARIMA models, comparing two methods and volume of demand with infrastructures in Iran. This research sample consists of 88 observed transactions through 6 current channels of the banking network since Tir 1385 to Mehr 1392. Also by using these models, the demand is forecasted to the end of Aban 1393. The results indicate a continuing increasing trend and also show advantage of artificial neural networks to SARIMA model. Therefore, serious attention to infrastructure of electronic banking services is essential.

کلیدواژه‌ها [English]

  • Electronic banking
  • Demand
  • Forecasting
  • Artificial Neural Networks