ارائه مدل هوش مصنوعي مبتني بر منطق فازي سلسله مراتبي به منظور سنجش تاثيرپذيري عوامل سازماني بر سپرده سرمايه گذاري و دارايي بانك سپه با تعميم سيستم‌هاي معادلات همزمان

بكارگيري تكنيك‌ها و روش‌هاي هوش مصنوعي در بهبود ارزيابي‌ها و كاهش دقت محاسباتي يكي از مهمترين توانمندي‌هاي موجود در حيطه كاربرد كامپيوتر در علوم مختلف مي‌باشد كه بصورت رويكردهاي استراتژيك راهبردي بخصوص در مديريت منابع مالي،سرمايه گذاري وعلوم اقتصادي بكار گرفته مي‌شود. هنگامي‌كه مدل‌هاي محاسباتي برپايه چندين متغير مختلف استوار است بسيار كارآمدتر خواهد بود. زيرا كه در يك مديريت سرمايه گذاري استراتژيك در سطح درون سازماني و كلان اقتصادي بخصوص بانك‌ها، كوچك‌ترين خطاهاي محاسباتي عواقب وخيم مالي بهمراه خواهد داشت. بدين منظور، پژوهش حاضر در سه مرحله گردآوري اطلاعات، سنجش داده‌ها و تهيه مدل‌هاي ارزيابي آماده‌سازي گرديده است. در مرحله گردآوري اطلاعات از روش اكتشافي (توصيفي پيمايشي) براي گردآوري اطلاعات (داده‌هاي مربوط به ترازنامه‌هاي مالي بانك‌هاي سپه شهر تهران و بانك مركزي مشتمل بر 17 شعبه) بهره گرفته شده كه بعد از استخراج معيارها توسط پرسنل خبره (شامل 50 متخصص) مورد سنجش قرار گرفته است. بعد از سنجش اطلاعات، اين داده‌ها طبقه‌بندي گرديده و سپس به منظور تحليل اطلاعات توسط مدل Fuzzy AHP تحليل شده است. نتايج بدست آمده مشخص نموده كه متغيرهايي مانند درآمد واقعي سرانه، تعداد شعب و اندازه بانك‌ها بر سپرده‌هاي بانكي تاثير مثبت و تورم بر آن تاثير منفي و معناداري دارد كه اين مسئله بيانگر افزايش تورم منجر به كاهش ارزش پول، ايجاد پول داغ و خروج پول از بانك‌ها و تبديل آن به دارايي‌هاي سرمايه‌اي و در نهايت كاهش سپرده‌هاي بانكي خواهد گرديد كه بر روي توليد ناخالص داخلي و سرمايه تاثير مستقيم دارد.