ارشد پیش بینی میزان سپرده ها با استفاده از روش های خطی ARIMA ... |
2.2.8 مزایای استفاده از شبکه عصبی مصنوعی.. 19
2.2.9 انواع توابع تبدیل.. 21
2.2.10 انواع شبکه های عصبی.. 22
2.3 معیارهای ارزیابی خطا.. 25
2.4 تاریخچه بانکداری.. 28
2.4.1 آغاز بانکداری.. 29
2.4.2 موسسات مالی و بانکها.. 29
2.4.3 اهداف وظایف امروزی بانکها.. 30
2.4.4 انواع سپرده ها.. 31
2.5 پیشینه پژوهش.. 35
2.5.1 مطالعات داخلی.. 35
2.5.2 مطالعات خارجی.. 42
3 روش شناسی پژوهش.. 49
3.1 مقدمه.. 49
3.2 بخش اول کلیات روش پژوهش.. 49
3.2.1 جامعه آماری پژوهش.. 49
3.2.2 قلمرو پژوهش.. 50
3.2.3 اهداف پژوهش.. 50
3.2.4 سوالات و فرضیات پژوهش.. 51
3.2.5 مراحل انجام کار در این پژوهش.. 52
3.2.6 روش تحلیل داده ها.. 53
3.2.7 روش های مورد بررسی.. 53
3.2.8 فرایند خودرگرسیون میانگین متحرك انباشته (آریما).. 55
یک مطلب دیگر :
3.2.9 روش های مبتنی بر شبکه های عصبی.. 57
3.2.10 مدل شبکه های عصبی پروسپترون چند لایه.. 59
3.2.11 ارزیابی عملکرد مدل ها.. 60
3.2.12 توابع مورد استفاده برای ارزیابی خطا.. 60
4 تحلیل داده ها.. 61
4.1 مقدمه.. 61
4.2 پیش بینی سپرده قرضالحسنه پس انداز.. 62
4.3 پیش بینی سپرده های جاری.. 64
4.4 پیش بینی سپرده های سرمایه گذاری کوتاه مدت.. 67
4.5 پیش بینی سپرده های سرمایه گذاری بلند مدت یک ساله.. 69
4.6 پیش بینی سپرده های سرمایه گذاری بلند مدت دو ساله.. 72
4.7 پیش بینی سپرده های سرمایه گذاری بلند مدت سه ساله.. 74
4.8 پیش بینی سپرده های سرمایه گذاری بلند مدت چهار ساله 76
4.9 پیش بینی سپرده های سرمایه گذاری بلند مدت پنج ساله 79
4.10 پیش بینی مجموع سپرده های ریالی.. 82
4.11 پاسخ فرضیه ها.. 84
5 نتیجه گیری.. 86
5.1 مقدمه.. 86
5.2 نتایج و یافته های پژوهش.. 87
5.3 محدودیت های پژوهش.. 89
5.4 پیشنهادات.. 90
5.4.1 پیشنهادات اجرایی.. 90
5.4.2 پیشنهادات برای پژوهش های آتی.. 90
فرم در حال بارگذاری ...
[پنجشنبه 1399-08-01] [ 01:26:00 ق.ظ ]
|