ИНТЕЛЛЕКТУАЛЬНЫЕ МЕТОДЫ ОБРАБОТКИ ДАННЫХ ПРИ ПРОГНОЗИРОВАНИИ ОБОРОТА НАЛИЧНЫХ ДЕНЕЖНЫХ СРЕДСТВ В БАНКОМАТАХ КОММЕРЧЕСКИХ БАНКОВ

Научные труды Вольного экономического общества России. 2019. Т. 218. № 4. С. 481–488.

Астраханцева И. А., Кутузова А. С., Астраханцев Р. Г.

Статья посвящена вопросам прогнозирования спроса на наличные деньги в банкоматах коммерческого банка. Решение задачи прогнозирования позволяет оптимизировать процессы управления ликвидностью, организации кассовой работы и обслуживания банкоматов службой инкассации. Для получения прогноза оборота наличных денежных средств использован метод машинного обучения - нейронная сеть. Авторами была построена и обучена модель многослойного перцептрона с одним скрытым слоем на языке программирования Python 3 с использованием библиотеки Keras, а также модель рекуррентной нейронной сети. В результате был получен прогноз пиков и спадов спроса на наличные деньги в банкоматах банка. Основанное на прогнозе управление загрузкой банкоматов обеспечивает минимальную стоимость обслуживания и хранения денег в банкомате. Алгоритм может быть тиражирован на всю сеть банкоматов, а также применен для других коммерческих банков.

Ключевые слова: банки, ликвидность, машинное обучение, прогнозирование, банкоматы, нейросеть, перцептрон, Рекуррентная нейронная сеть, инкассация, спрос на наличность