پیشبینی نقدینگی بر اساس برآورد نقطه‌ای و بازه‌ای روش آریما و مقایسه آن با روش هموارسازی نمایی دوگانه
محورهای موضوعی : اقتصاد مالیجعفر احمدی شالی 1 , مهدی وصفی 2
1 - استادیار گروه آمار دانشگاه تبریز، تبریز.ایران
2 - دانشجوی کارشناسی ارشد آمار ریاضی دانشگاه تبریز، گروه آمار، تبریز، ایران.
کلید واژه: E32, نقدینگی, پیش بینی آینده, مدل هموارسازی نمایی دوگانه, مدل آریما, نرم‌افزار R, برآورد نقطه‌ای, برآورد بازه‌ای. طبقه بندی JEL : C32, G01, G13,
چکیده مقاله :
موسسات مالی و اعتباری خصوصا بانک ها اهمیت آن دو چندان می شود از این رو تعیین و تخمین شاخص نقدینگی کشور از اهمیت خاصی برای دولت و بانک ها برخوردار است.به سبب اهمیت بالای تعیین نقدینگی و به منظور تصمیم سازی مناسب برآورد و پیش بینی آن در ماه ها و سال های آتی از ضروریات می باشد. ساختار نرم افزارهای تحلیلی مورد استفاده در اکثر مقالات طوری بوده که عملا تحلیل ها در جعبه سیاه انجام شده است. در این تحقیق برای آنکه محقق مستقیما در فرآیند تحلیل قرار گیرد از نرم افزار توانمند R استفاده شده است. در این تحقیق در کنار برآورد نقطه ای که ممکن است با تغییراتی که صورت می پذیرد تفاوت معنی داری داشته باشد، از برآورد بازه ای نیز استفاده شده است. فاصله اطمینان های 80 و 95 درصدی برای پیش بینی نقدینگی کشور انجام شده است که مقادیر واقعی نقدینگی را تحت پوشش قرار می دهند و برآورد مناسبی را در اختیار مدیران کلان قرار داده تا به هنگام برنامه ریزی مسائل اقتصادی در زمینه نقدینگی تغییرات ممکن را به شکل مناسبی لحاظ نمایند. نتایج حاصل از این تحقیق حاکی از آن هست که مدل آریمای پیشنهاد شده (نقطه ای- بازه ای) در مقایسه با روش هموارسازی نمایی دوگانه توانایی بالایی برای مدل سازی و پیش بینی میزان نقدینگی کشور را داراست. Liquidity management is one of the most important tasks of financial management in firms and credit institutions .The importance of liquidity is to determine appropriate decision-making process in financial activities to decrease Risk and Uncertainty. Based on point estimation and interval estimation we analyzed changes in liquidity management with significantly different estimation. The results of this study suggest that ARIMA model coefficient compared to high capacity double exponential smoothing method for modeling and forecasting liquidity in the financial market is more suitable and consistent.
1) بانک مرکزی جمهوری اسلامی، نماگرهای اقتصادی، سالهای مختلف.
2) بختیاری،حسن (1385) روشهای مؤثر درمدیریت نقدینگی . شماره 34 . فصلنامهها حسابرس. پاییز 85.
3) تقوی، مهدی. لطفی، علی‌اصغر (1385). بررسی اثرات سیاستهای پولی بر حجم سپردهها وتسهیلات اعطایی و نقدینگی نظام کشور. فصلنامه پژوهشهای اقتصادی ایران. شماره 26 . بهار 85
4) کهنمویی ثابت، معصومه (1385). طراحی و اجرای مدل بهینه مدیریت نقدینگی بانکها مجموعه مقالات هجدهمین همایش بانکداری اسلامی. تهران. مؤسسه عالی آموزش بانکداری ایران.
5) موسوی،رضا (1384). طراحی مدل مناسب پیشبینی در مدیریت نقدینگی نهادهای مالی در چارچوب نظام بانکداری بدون ربا با استفاده از شبکههای عصبی. پایاننامه کارشناسی ارشد. تهران. دانشگاه امام صادق.
6) یزدان پناه، احمد. عباسی پشتهانی، زهرا (1388). پیشبینی منابع نقدینگی بانکها (مطالعه موردی بانک اقتصاد نوین). مجله مطالعات مالی، شماره دوم. 1388
7) پدرام، مهدی. شیرین بخش، شمس ا... . زواریان، زهرا (1387). پیشبینی جریان نقدینگی بانک به منظور تعیین شکاف نقدینگی (یکی از بانکهای خصوصی). مجله مطالعات مالی، پیش شماره دوم. پائیز 1387
8) Basel Committee on banking Supervision. (2008). « Principles for Sound Liquidity Risk Management and Supervision ».Switzerland: bank for international settlement.vol:44.
9) Bellerose, T. (1986). «Generalized Autoregressive Conditional Heteroscedasticity». Journal of econometrics.
10)Campbell. And Lo. And McKinley. (1997). «The econometrics of financial markets». Princeton University press.
11)Granger, C. W. J. and Joyeux, R. (1980). «An Introduction to Long-Memory Time Series Models and Fractional Differencing », Journal of Time Series Analysis, 1.
12)Metz, A. D. (2003). «Forecasting Deposit Growth”. Washington, DC: Congressional Budget Office.
13)Oriol Aspachs, Erlend Nier, Muniel Tiessest, F2005, Liquidity, Banking ReGuulation and The macroeconomy. Jel& classification:G21,G28,E58
14)Ross, P.S. and hudgins, C.S. (2005). «Bank management and financial services» .New York: Mc Graw-Hill.
15)Roussakis, E. N. (1997). «Commercial Banking in an Era of Deregulation». Praeger.vol:454
