سید باقر فتاحی - دانشجوی دکتری، گروه مهندسی مالی، واحد رشت، دانشگاه آزاد اسلامی، رشت ایران.
سید مظفر میربرگ کار - استادیار، گروه مدیریت و حسابداری، واحد رشت، دانشگاه آزاد اسلامی، رشت ایران.
ابراهیم چیرانی - استادیار، گروه مدیریت و حسابداری، واحد رشت، دانشگاه آزاد اسلامی، رشت ایران.
محمد رضا وطن پرست - استادیار، گروه مدیریت و حسابداری، واحد رشت، دانشگاه آزاد اسلامی، رشت ایران.

هدف: در این مقاله به پیش بینی سود/ زیان بانک توسعه تعاون، مبتنی بر روش یادگیری جمعی دومرحله ای پرداخته شده است. مدل سازی پیش بینی سود و زیان با استفاده از روش های یادگیری ماشین، به عنوان یکی از تکنیک های نوین در محاسبات عددی با بهره گیری از کلان داده، از جمله اهداف این مقاله است. بدین ترتیب، در این مقاله از روش ماشین یادگیری جمعی دومرحله ای، مبتنی بر مدل های ماشین بردار پشتیبان، درخت تصمیم گیری و میانگین وزنی، برای یادگیری و آزمون و پیش بینی سود/ زیان بانک توسعه تعاون استفاده شده است.روش: مدل های پایه به کار رفته در مرحله اول، ماشین یادگیری، ماشین بردار پشتیبان و درخت تصمیم گیری است و در مرحله دوم، از میانگین وزنی استفاده شده است. بر اساس ترکیب مدل های پایه یادگیری، ابتدا به آزمون و یادگیری روند پیش بینی ۳۵ شعبه بانک توسعه تعاون در ایران، طی سال های ۱۳۹۱ تا ۱۴۰۰ پرداخته شد. این روش مبتنی بر یادگیری ماشین دومرحله ای است که برای انجام این کار از ۱۲ متغیر (نسبت مالی) در پنج عامل دسته بندی شده استفاده شده است. این متغیرها به ترتیب عبارت اند از: سپرده های قرض الحسنه، سپرده های کوتاه مدت، هزینه سود سپرده، سپرده های مشتریان، درآمد تسهیلات و سپرده گذاری، درآمدهای مشاع، موجودی نقدی، هزینه های اداری، سپرده های بلندمدت، درآمدهای غیرمشاع، هزینه استهلاک دارایی و اندازه بانک. برای دستیابی به داده های مدنظر، از صورت های مالی ۳۵ شعبه بانک توسعه تعاون، طی سال های ۱۳۹۱ تا ۱۴۰۰ استفاده شد. همچنین برای کاهش خطای پیش بینی و قابلیت مقایسه نسبت ها، تمامی شاخص های یادشده نسبت به ارزش کل دارایی های بانک تعدیل شد. در این روش و در مرحله اول، از دو مدل یادگیری ماشین بردار پشتیبان و درخت تصمیم گیری و در مرحله دوم از روش میانگین وزنی استفاده شد.یافته ها: یافته های مقاله در خصوص یادگیری و مقایسه آن با روش رگرسیون خطی و همچنین سود/زیان واقعی بانک توسعه تعاون، نشان داد که دقت عملکرد این روش بسیار زیاد است؛ به گونه ای که معیار MAE برابر با ۶۶/۵ و معیار MSE برابر با ۳۴/۶۲۰ به دست آمد. همچنین هم بستگی بین داده های آموزش دیده و پیش بینی شده ای که از یادگیری ماشین جمعی دو مرحله ای به دست آمد، برابر با ۹۹۷۷/۰ بود. پس از بررسی کارایی این روش، به پیش بینی سود/ زیان بانک توسعه تعاون برای سال های ۱۴۰۱ تا ۱۴۰۵ پرداخته شد. نتیجه گیری: نتایج به دست آمده از کارایی بالای روش ماشین یادگیری جمعی دومرحله ای، نشان می دهد که مدیران می توانند از این روش ها در پیش بینی سود/ زیان بانک ها استفاده کنند. بر اساس روش یادگیری ماشین دو مرحله ای، اگر شرایط نامتعارف و غیرنرمالی وجود نداشته باشد، در سال های آتی و در نهایت در سال ۱۴۰۵، زیان انباشته شده بانک توسعه تعاون کاهش و سود آن افزایش خواهد یافت. بر اساس نتایج تجزیه وتحلیل داده ها، میانگین نسبت سود یا زیان خالص بانک به کل دارایی های آن، به نحوی است که زیان دهی متوسط شعب بانک را طی دوره پژوهش گزارش می دهد.

ماشین یادگیری جمعی دو مرحله ای, ماشین بردار پشتیبان, درخت تصمیم گیری, پیش بینی سود/ زیان, بانک توسعه تعاون