دسته‌بندی فازی و شبکه عصبی خود سازمان‌یافته هر ۲ شامل ابزارهای دسته‌بندی دقیق می‌باشند .

Gunaydin-2004

تخمین اولیه هزینه اسکلت ساختمان‌ها (هزینه و طراحی ۳۰ پروژه ساختمانی ۴الی۸ طبقه) بعلاوه ۸ عامل تأثیرگذار در هزینه ساختمان به‌عنوان داده‌های آموزشی و آزمایشی استفاده شد

مدلی برای پیش‌بینی ارائه شد که فقط دارای ۷% خطا بود .

Tal &Yue-2006

برآورد نوآوری در فنّاوری و محصول (الگویی با رویکرد شبکه عصبی با الگوریتم پس از انتشار به‌نحوی‌که با به‌کارگیری منابع اطلاعاتی فنی و اهداف روش نوآوری ، نوآوری در فنّاوری و محصول را برآورد می‌کرد طراحی شد) در پایان نتایج با روش رگرسیون مقایسه شد .

نتایج پیش‌بینی به روش شبکه عصبی دقیق‌تر از روش رگرسیون بود .

راویسانکار و راوی^[۳] (۲۰۱۰)، در پژوهشی به “پیش‌بینی پریشانی‌های مالی در بانک‌ها” به‌وسیله‌ی روش گروهی داده گردانی شبکه‌ی عصبی، گسترش و انتشار شمارشگر شبکه‌ی عصبی و فازی (ARTMAP)” پرداختند. در قالب این پژوهش سه ساختار شبکه‌ی عصبی که می‌توانند برای پیش‌بینی ورشکستگی بانک‌ها مور استفاده قرار گیرند، مورد معرفی واقع‌شده است. این شبکه‌ها شامل:
داده گردانی به روش گروهی (GMDH)
گسترش شمارشگر شبکه‌ی عصبی (CPNN)
تئوری نقشه‌ای تشدید نوسان انتخابی فازی (Fuzzy ARTMAP)
در این پژوهش، تأثیر هرکدام از این تکنیک‌ها با بهره گرفتن از چهار مجموعه داده‌ی متفاوت مربوط به بانک‌های اسپانیا، ترکیه، انگلیس و آمریکا مورد آزمایش قرارگرفته است. پس از بررسی‌های به‌عمل‌آمده مشاهده شد که مشخصه‌هایی که از مدل آماری T , F انتخاب‌شده‌اند، در تمام مجموعه داده‌ها یکسان است. همچنین یک اشتراک ورودی هم رفت خوب در مشخصه‌ های انتخابی مدل آماری T , GMDH وجود دارد. درنهایت نتایج به‌دست‌آمده از این پژوهش حاکی از آن بود که تمامی روش‌های انتخابی با مشخصه و یا بی مشخصه خارج از عملکرد GMDH هستند. همچنین نتایج بهتر از گزارش‌هایی که در تحقیقات قبلی با پایگاه داده‌های یکسان و مشابه به لحاظ حفظ دقت و صحت بودند(راوینسکار و راوی، ۲۰۱۰).
اِن جی و همکاران (۲۰۰۸)، در پژوهشی به بررسی “سیستم هشدار سریع ورشکستگی بانکی” بر اساس یادگیری الگوی محلی جدید و ازلحاظ معنایی شبکه‌ی عصبی فازی ” پرداختند. در صنعت بانکداری، تعریف ورشکستگی‌های بانکی یا بانک‌های ریسک بالا، بسیار دیده می‌شود. سیستم‌های هشدار سریع ظرفیت‌هایی را برای جلوگیری از ناسازگاری‌های مالی و کمبود هزینه‌ی بانک فراهم می‌کنند. این ورشکستگی‌ها اغلب اوقات به دلیل توقیفات مالی صورت می‌گیرد. تحلیل‌های چند متغیره برخی از مسائل بانکی را موردبررسی قرار می‌دهند ، بااین‌وجود این مدل‌ها توانایی تشخیص ویژگی‌های فشار مالی را ندارند. آنان عنوان نمودند که به‌کارگیری یادگیری محلی وابسته به سنجش هیپوکامپل حافظه (قشر مخ) می‌باشد. دلیل این امر این است که این سیستم حافظه به‌سرعت الگوهای فعال اختیاری را به خاطر می‌سپارد. نتایج حاصل از این پژوهش حاکی از آن بود عملکرد روش جدید به‌عنوان یک دسته‌بندی از ورشکستگی بانک و سیستم هشداردهنده‌ی سریع امروزه با استقبال زیادی همراه شده است(اِن جی و همکاران، ۲۰۰۸).
مورزاچِواNo table of contents entries found. (۲۰۱۳)، در پژوهشی به بررسی “استراتژی‌هایی برای جذب منابع مالی توسط کارآفرینان در روسیه در مقایسه با سایر نقاط جهان” پرداخت. وی در این پژوهش به شناسایی فاکتورهایی که بر تصمیمات مالی کارآفرینان در حال پیشرفت در روسیه تأثیرگذار است، پرداخته است و آن را با دیگر کشورهای مبتنی بر داده‌های تجربی از منظر جهانی مقایسه نموده است. هدف اصلی از این مطالعه، بررسی نقش ناحیه‌ی تجاری به‌ خصوص میزان برتری مالی کارآفرینان است(مورزاچِوا، ۲۰۱۳).
پسران وایوانز در سال ۱۹۹۵ به مطالعه “اثرات تغییر قیمت کالا و سود و زیان سرمایه‌بر پس‌انداز خصوصی” پرداختند این مدل با تئوری دوره زندگانی مؤدی گلیانی تطابق دارد. نتایجی که از تحقیق فوق به دست آمد، این بود که درآمد و درآمد سرانه و سود و زیان سهم و همچنین درصد افراد شاغل، رابطه مستقیم با پس‌انداز دارد و سهم خدمات نیز در این تحقیق منفی ارزیابی شد(Branson 1995).
در کشور هند هنویز کوسوم و ساس کتکار ۱۹۹۲ در دوره ۱۹۵۲ تا ۱۹۸۵ با بهره گرفتن از آزمون چاو “اثر ملی شدن بانک‌ها را بر حجم سپرده‌های جاری بانک‌ها” بررسی کردند آن‌ها در این تحقیق از میزان سپرده‌های بانک‌ها، تولید ناخالص داخلی واقعی، نرخ تورم انتظاری، نرخ بهره سپرده‌ها، نرخ برگشت انتظاری دارایی‌های رقیب، تعداد شعب و متغیرهای مجازی به‌منظور ملی شدن بانک‌ها استفاده کرده‌اند.
سندا و گوسوامی ۱۹۹۳ عوامل مؤثر بر حجم سپرده‌های مدت‌دار را در بانک‌های هند بررسی کردند که نتایج به‌دست‌آمده، نشان‌دهنده این مورد بود که درآمد غیر کشاورزی و حجم اعتبارات بانکی و افزایش تعداد شعب اثر مثبت معناداری به روی حجم سپرده‌های پس‌انداز داشته است(Goswami 1993).
سری رامامورتی در سال ۱۹۹۵ نیز یک “مدل اقتصادسنجی برای سپرده‌های بانکی" کشور هند، که نسبت به تغییرات سیاسی و اقتصادی حساس است، ارائه داد، که در آن مشخص شد، تولید ناخالص داخلی، نرخ بهره‌وری سپرده‌های کوتاه‌مدت تأثیر مثبت و معنا‌داری بر روی سپرده‌ها می‌تواند داشته باشد(Murthy 1995).
تحقیق بعدی در مورد مدل خان در سال ۱۹۹۳ به “تحلیل رفتار سپرده‌ها، در پاکستان” پرداخته است. در این کشور نیز از متغیرهای میزان پس‌انداز، درآمد دائمی، درآمد گذرا، تورم مورد انتظار، تورم پیش‌بینی‌نشده، بازده اسمی سپرده‌ها، نسبت مداخله مالی و تغییرپذیری تورم استفاده‌شده است. نتایج تحقیق بیان‌کننده این مطلب است که نرخ بهره واقعی، ارتباط مثبتی با سپرده‌های مدت‌دار، دارد و پس‌انداز ملی است یعنی درآمد ملی یک عامل تعیین‌کننده اساسی پس‌اندازها در پاکستان است(H.khan 1993).
در سال ۱۹۹۷ یک روش جدید برای “پیش‌بینی مقدار سپرده بانکی با بهره گرفتن از الگوریتم ژنتیک” ایجاد شد. در این روش از هر دو مزیت قدرت جستجو و توانایی یادگیری الگوریتم ژنتیک، درباره ارتباط الگوها، برای پیش‌بینی حجم سپرده استفاده‌شده است(Somsong Chriaphadhanakul 1997).
این تحقیق از پنج متغیر کلان اقتصادی برای پیش‌بینی مقدار سپرده بانک بهره برده است که عبارت‌اند از: تولید ناخالص داخلی، منابع مالی، نرخ بهره، تعداد شعب و وام‌ها(Chiraphadhanakul 1997).
نتایج شبیه‌سازی رایانه‌ای، نشان می‌دهد که استفاده از این ‌روش می‌تواند در بین مدل‌های اقتصادی و مالی، دقت قابل‌قبولی را ارائه کند. نکته‌ای که وجود دارد این است که در این روش تنها از متغیرهای کلان اقتصادی استفاده‌شده ‌است و داده‌‌‌‌‌‌‌‌‌های تاریخی سپرده را در نظر نگرفته‌اند.
یکی دیگر از روش‌هایی که برای “پیش‌بینی سپرده” بکار برده شده است استفاده از داده‌‌‌های تاریخی سپرده به‌عنوان سری‌های زمانی می‌باشد . (Piscopo 2010)(Somsong Chriaphadhanakul 1997).
این روش به یک مجموعه داده بزرگ نیاز دارد که بتواند رفتار گذشته را پیش‌بینی کند. ایرادی که در این روش وجود دارد این است که، ارتباط بین سپرده بانکی و دیگر فاکتورهای کلان اقتصادی در نظر گرفته نمی‌شود، و به همین دلیل باید از یک تکنیک تطبیق‌دهنده برای ارتباط دادن این برگ خریدها استفاده نماییم(Somsong Chriaphadhanakul 1997).
یکی دیگر از روش‌هایی که برای “پیش‌بینی سپرده‌های سری زمانی” ابداع شد مدل تحلیل داده‌ا‌ی تابعی می‌باشد که در سال ۲۰۱۰ روی بانک‌های ایتالیایی انجام‌شده است. ازجمله مواردی که در این تحقیق به آن ذکرشده است، نوسانات ایجادشده در سپرده‌های بانکی در فصول مختلف سال می‌باشد، این مطلب بدین معنی است، که فصول مختلف سال روی سری‌های سپرده تأثیرگذار است و به همین منظور باید با بهره گرفتن از یک‌رویه استاندارد این اثرگذاری را از بین ببریم(Piscopo 2010).
از دیگر روش‌هایی که لازم است در این قسمت گفته شود روش شبکه‌ عصبی می‌باشد که روی بانک‌های اندونزی انجام‌شده است.در این تحقیق که در سال ۲۰۱۰ انجام گرفت، از پنج متغیر کلان اقتصادی برای پیش‌بینی نرخ بازگشت سپرده استفاده‌شده است. این متغیرها عبارت‌اند از شاخص بورس جاکارتا، نرخ تورم، نرخ بهره بانک مرکزی، نرخ تبادل، سرمایه در گردش. از نتایج به‌دست‌آمده از این تحقیق مشاهده‌شده است، که فقط با داشتن ۲ متغیر ( نرخ بهره و سرمایه در گردش) می‌توان پیش‌بینی را با دقت ۵/ ۹۴ درصد حل کند(Anwar 2010).
فصل سوم - روش تحقیق
مقدمه
تحقیق و تلاش برای دستیابی به حقایق به‌عنوان فرآیندی علمی نیاز به روشی برای تحقیق دارد ، اطلاع از روش تحقیق سبب می‌شود در جمع‌ آوری داده‌ها و قضاوت درباره دستاوردها و نتایج تحقیق ، آگاهانه‌تر قضاوت شود . برای مطالعه علمی و تحقیق در سازمان‌ها باید روش‌هایی را اتخاذ نمود که بتوان به یافته‌های علمی دارای اعتبار و دقت دست‌یافت و بتوان به دیگر سازمان‌ها تعمیم داد. برای رسیدن به همچنین هدفی باید بتوان روش تحقیق و متدلوژی مناسب و فراخور موضوع موردبررسی را از مجموعه گوناگون انتخاب کرد . استفاده از هریک از روش‌ها به ماهیت و زمینه تحقیق و فعالیت‌های لازم برای نتیجه‌گیری بستگی دارد در این فصل بیان داده‌ها ، مؤلفه‌ها و نحوه انتخاب این مؤلفه‌ها ، شرح متدلوژی این تحقیق و روش‌ها موردبررسی قرار می‌گیرد .

متدولوژی تحقیق
تحقیقات علمی بر اساس دو مبنای هدف و ماهیت روش تقسیم‌بندی می‌شوند . ازنظر هدف ، تحقیقات را به تحقیقات بنیادی ، کاربردی و عملی تقسیم‌بندی می‌کند که این پژوهش از این منظر جزء تحقیقات کاربردی طبقه‌بندی می‌شود و با هدف‌گذاری بر اساس روش پیش‌بینی نوین سرکار دارد . اما ازلحاظ ماهیت و روش معمولاً تحقیقات را به پنج گروه تقسیم‌بندی می‌کنند که عبارت‌اند از: تحقیقات تاریخی ، توصیفی ، همبستگی ، تجربی و علی و ازآنجایی‌که در این تحقیق نوعی رابطه علت و معلولی جستجو شده است و از طرفی متغیر مستقل دست‌کاری نشده است نوع تحقیق علی(پس از وقوع) می‌باشد .
هدف فرعی این تحقیق شناخت متغیرهایی است که در پیش‌بینی سپرده‌های بانکی برای هدف‌گذاری مؤثرند و بدین منظور در انتخاب نهایی متغیرها از کتب و منابع مختلف استفاده‌شده است که در این قسمت به چند نکته لازم اشاره می‌شود:
در بررسی منابع مختلف ، نمونه‌های موردبررسی ، نمونه‌های در دسترس بوده‌اند.
در انتخاب متغیرها سعی شده که متغیرهایی انتخاب و مورداستفاده قرار گیرند که بتواند بیشترین تأثیرگذاری را در پیش‌بینی داشته باشند و به کمک نرم‌افزار مربوطه ، متغیرهای که تأثیر کمتری بر روی مدل می‌گذارند حذف شوند ، لذا این تحقیق ازلحاظ گستره متغیرهای تأثیرگذار منحصربه‌فرد می‌باشد .
تمام داده‌ها از گزارش‌های دوره‌ای سه‌ماهه استخراج‌شده و مورداستفاده قرارگرفته است و داده‌های سالانه لحاظ نشده است .
دوره‌های پیش‌بینی حداکثر ۳ ماهه می‌باشد و در دوره موردبررسی تغییرات ناگهانی سیاسی و اقتصادی در تورم دخیل نبوده است و اگر هم دخیل باشد در تمامی شعب تأثیر می‌گذارد و نسبت هدف‌گذاری به یک اندازه تحت تأثیر قرار می‌گیرد .
بعد از پیش‌بینی و هدف‌گذاری بر اساس آن معیار هدف‌گذاری‌ها باهم مقایسه شده است .
جامعه آماری
جامعه آماری تحقیق حاضر مؤسسات مالی و اعتباری و داده‌های داخلی کوتاه‌مدت جمع‌ آوری‌شده است.
درنمونه‌گیری تصادفی بین تمامی موسسات مالی و اعتباری ، با عنایت به اینکه داده‌های دو موسسه مالی و اعتباری در دسترس بودند این دو موسسه انتخاب شدند . به منظور حفظ اطلاعات محرمانه و سادگی در بیان و سهولت در مقایسه و عدم تکرار ، در این تحقیق این دو موسسه مالی و اعتباری ، “A” و “B” نامیده می شوند .
نمونه‌گیری گیری کل: انتخاب دو موسسه مالی و اعتباری از سه موسسه مالی و اعتباری بر اساس نمونه‌گیری تصادفی در کسب داده‌ها
نمونه‌گیری جزء: نمونه‌گیری جزء برابر با تمام جامعه (واحد) آماری می‌باشد .

شیوه گردآوری اطلاعات