پیش‌بینی سپرده‌های بانکی به روش یادگیری ماشین

در این پژوهش براساس آمار تاریخی سپرده‌های یک بانک خصوصی (انصار) قبل از ادغام در چهار دسته‌بندی (وجه) مختلف، به‌دنبال این هستیم که نتایج و پیش‌بینی سپرده‌های بانک در هریک از دسته‌بندی‌ها،  با استفاده از روش‌های پیش‌بینی یادگیری ماشین  برای نخسین‌بار در مطالعات داخلی انجام گیرد. در این روش پیش‌بینی، ارجحیت روش یادگیری ماشین به‌دلیل بررسی کلیۀ تغییرات زمانی داده‌ها در حجم وسیع (از ابتدا تاکنون) مورد تایید قرار می‌گیرد. پیش‌بینی آمار سپرده‌های فوق برای تصمیم‌گیران بانک در آینده باتوجه به شرایط اقتصادی می‌تواند مبنای تصمیمات کلان بانکی باشد. نتایج نشان می‌دهد که سپرده بلندمدت تاحدودی باثبات و به‌طورکلی سپردۀ باثبات روند نزولی در آینده در بانک مزبور به خود خواهند گرفت و سپردۀ بی‌ثبات و حساس به سود نیز روند نزولی به خود خواهند گرفت. سپردۀ قرض‌الحسنه روند صعودی دارد، اگرچه همواره نوساناتی شبیه نوسانات سینوسی-کسینوسی داشته است. باید دقت کرد که این روش پیش‌بینی یادگیری ماشین، روشی پایدار و فاقد تحلیل حساسیت است و قابلیت اتکا بالایی دارد. مطابق این پژوهش، توجه به سپرده‌های بلندمدت و باثبات و هم‌چنین قرض‌الحسنه از اهمیت بالایی در بودجۀ بانک قرار دارد.

prediction of bank deposits by machine learning method

in this research, based on the historical statistics of the deposits of a private bank (ansar bank before merging) into four different categories (funds), we are looking for the results and prediction of bank deposits in each of the categories, using machine learning prediction methods for the first time in internal studies. in this forecasting method, the superiority of the machine learning method is confirmed due to the examination of all the time changes of the data in a large volume (from the beginning until now). forecasting the above deposit statistics for bank decision makers in the future according to the economic conditions can be the basis of macro banking decisions. the results show that partly stable long-term deposit and stable deposit will take a downward trend in the future in the ansar bank, and unstable and interest-sensitive deposit will also take a downward trend. qarzol-ha-sa-ne deposit has an upward trend, although it has always fluctuations similar to sin-cos fluctuations. it should be noted that this machine learning prediction method is a stable method without sensitivity analysis and has high reliability. according to this research, paying attention to long-term and stable deposits as well as qarzol-ha-sa-ne is of great importance in the bank’s budget.