پیش بینی کوتاه مدت میان مدت تراکنش های بانکی با بهره گیری از شبکه های عصبی مصنوعی

پیش بینی روند تراکنش های بانکی یکی از مسایل اساسی در حوزه های قابلیت اطمینان، امنیت سیستم بهبود کیفیت خدمات بانکی است که تاثیرات قابل توجهی در برآورد هزین هها، مدیریت برنامه ریزی منابع ظرفیت سنجی سامانه پرداخت الکترونیکی بانکی دارد. با توجه به ظرفیت محدود سوییچ بانکی گاهی با افزایش بیش از حد تعداد صف تراکنش ها دیگر سوییچ جوابگوی حجم بالای تراکنش ها نبوده در برخی موارد خارج از سرویس می شود. به عنوان مثال در روزهای پایانی سال یا در زمان واریز یارانه ها که حجم مراجعه مردم به خودپردازهای بانکی افزایش می یابد، قطع وصل مدام شبکه، عدم پرداخت پول، خراب شدن دستگاه خودپرداز و... از جمله مشکلاتی است که مردم با آن روبرو هستند. بنابراین به منظور برنامه ریزی مناسب کوتاه مدت بلند مدت بار سوییچ سامانه متمرکز بانک، نیاز به پیش بینی تراکنش های سوییچ سامانه متمرکز احساس می شود. پژوهش حاضر با استفاده از داده های واقعی چند بانک نمونه به پیش بینی تعداد تراکنش های الکترونیکی، مدرن شعبه ای می پردازد. پیش بینی به صورت کوتاه مدت میا نمدت به وسیله شبکه های عصبی، به عنوان ابزار هوشمند در مدل سازی، تخمین پیش بینی داده محور، انجام پذیرفته است. شبکه های عصبی به کار گرفته شده در این تحقیق از نوع پرسپترون چند لایه است که به روش الگوریتم پس انتشار خطا آموزش دیده اند. با بهره گیری از معیار های اندازه گیری دقت پیش بینی، نتایج نشان می دهد که مدل می تواند با اعمال برخی ملاحظات بومی صنعت بانکداری کشور نظیر درنظرگیری روزهای کاری غیر کاری، روزهای واریز یارانه ها اطلاعات الگوی بار در روزهای مشابه ماه قبل در نحوه مدل سازی شبکه عصبی، با دقت مناسبی به پیش بینی روزانه 31 روز جلوتر تعداد تراکنش های سوییچ، شعبه ای مدرن بپردازد.