ارائه مدل طبقه بندي هوشمند مبتني بر شبكه عصب مصنوعي پرسپترون (MLP) و تحليل سلسله مراتبي (AHP) در خدمات بازاريابي ديجيتال براي اولويت بندي ريسك نقدينگي و سرمايه گذاري

Provide intelligent classification model based on perceptron artificial neural network (MLP) and hierarchical analysis (AHP) in digital marketing services to prioritize liquidity and investment risk

مطالعه حاضر با استفاده از تكنيك‌هاي يادگيري ماشين و نظركاوي كوشيده است تا بتواند مدل راهبردي خودكار به منظور طبقه‌بندي و كاوش نظرات ارائه شده در مورد خدماتي خاص كه در اين مورد در حوزه ي سرمايه گذاري بررسي شده است را با استفاده از بررسي نتايج به دست آمده در خدمات بازاريابي ديجيتال ارائه نمايد. مدل مبتني بر شبكه عصبي با شناسايي نظرات مرتبط، خصوصيات مختلف را در سطوح گوناگون ارزشيابي سنجيده و نظرات را بسته به كيفيت ارائه بصورت خودكار طبقه-بندي مي‌نمايد. بحران‌هاي مالي موجود در نظام‌هاي بانكي معمولاً ناشي از عدم توانايي در مديريت ريسك‌هاي مالي و نقدينگي است كه عاملي بر عدم شفافيت و توانايي در مديريت سرمايه مي‌باشد. بطوري‌كه وجود چنين عدم‌قطعيت‌هايي سبب كاهش علاقه-مندي سرمايه‌گذاران در مشاركت‌هاي صنعتي و اجرايي گرديده است. اين مقاله با هدف شناسايي عوامل موثر بر ريسك نقدينگي و همچنين ارائه مدلي هوشمند جهت پيش‌بيني و طبقه‌بندي عوامل ايجادكننده ريسك نقدينگي، شناسايي و اولويت‌بندي فاكتورهاي درگير آن پايه‌ريزي گرديده است. بدين منظور از روش سنجش هوشمند با بكارگيري شبكه عصبي پرسپترون (MLP) بهره گرفته شده كه به عنوان يك رويكرد كاربردي هوش مصنوعي بشمار مي‌آيد. بدين منظور بررسي هاي لازم بر روي اطلاعات مالي و نقدينگي در شعب بانك ملت در شهر تهران (مشتمل بر 36 شعبه) مورد توجه بوده و براي جامعه نمونه از مجموعه تصادفي خوشه‌اي از374 نفر از مشتريان و سرمايه‌گذاران منتخب بهره گرفته شده است.

The present study, using machine learning and polling techniques, attempts to examine the automated strategic model in order to classify and explore the ideas presented about specific services that have been studied in this area in the field of investment. Provide results in digital marketing services. The neural network-based model, by identifying related opinions, measures different characteristics at different levels of evaluation and automatically categorizes opinions depending on the quality of the presentation. Financial crises in the banking system are usually due to the inability to manage financial risks and liquidity, which is a factor in the lack of transparency and ability to manage capital. Thus, the existence of such uncertainties has reduced the interest of investors in industrial and executive partnerships. This article has been established with the aim of identifying the factors affecting liquidity risk and also providing an intelligent model for predicting and classifying liquidity risk factors, identifying and prioritizing the factors involved. For this purpose, the method of intelligent measurement using perceptron neural network (MLP) has been used, which is considered as a practical approach to artificial intelligence. For this purpose, the necessary studies on financial information and liquidity in Bank Mellat branches in Tehran (consisting of 36 branches) have been considered and for the sample population, a random cluster set of 374 selected customers and investors has been used.