روشن است که پیش­بینی[1] از ملزومات اصلی برای سیاستگذاری و برنامه­ریزی آینده است. مدیران بخش­های مختلف اقتصادی و بازرگانی، به دلیل وجود انبوه متغیرهای تاثیرگذار، ترجیح می­دهند مکانیزمی را در اختیار داشته باشند که بتواند آنها را در امور تصمیم­گیری­شان یاری و مشاوره دهد(آرمسترانگ، 2001)[2]. برای موفقیت در دنیای متغیر امروز، تصمیم­های سازمان­های فعال در کسب­و­کار متکی به پیش­بینی­های انجام شده با حداقل خطا است که در گرو داشتن یک سیستم پیش­بینی مناسب است(آبراهام و لدالتر،1983)[3]. به همین دلیل، سعی در روآوردن به روش­هایی در پیش­بینی دارند که به واسطه آنها تخمین­هایشان به واقعیت نزدیک و خطاهایشان بسیارکم باشد. ضمن اینکه برای برنامه­ریزی صحیح به عنوان یکی از مهمترین وظایف مدیریت، پیش­بینی آنچه احتمالا درآینده به وقوع می­پیوندد بسیارضروری است. سپرده­های بانك­های تجاری و تخصصی مهم­ترین عامل در طرف عرضه پول در اقتصاد هستند. همچنین سپرده­ها جزء منابع اصلی بوده و عمده بدهی­های بانك­ها را نیز تشكیل می­دهند. تجزیه و تحلیل میزان سپرده­ها، اجزای آنها، تغییرات، نرخ رشد و پیش­بینی هر كدام از این عوامل برای مدیران بانك ها از اهمیت فوق­العاده­ای برخورداراست و در تصمیم­گیری و برنامه­ریزی به آنها كمك می نماید. میزان، روند و چگونگی تغییرات انواع سپرده­ها هركدام متغیری تصادفی بوده و در دنیای پر از نااطمینانی، تحت تـأثیر عوامل بیشماری قرار دارند و به

 سادگی   نمی­توان آنها را پیش­بینی كرد. با این وجود در اغلب رشته­های علمی توجه خاصی به مسأله پیش­بینی شده و جزء لاینفك هركدام از آنها است. تكنیك­ها و روش­هایی نیز برای امر پیش­بینی ارایه شده است و اگر نه به طور كامل اما تا حد بسیار زیادی می­توانند در امر پیش­بینی به تصمیم­گیران كمك نمایند.

مدیران بانك­ها علاقمندند بدانند كه میزان كل سپرده­های بانك تحت مدیریت آنها در زمان معینی در آینده چقدر خواهد بود؟

پیش­بینی میزان سپرده­ها می­تواند در امر برنامه­ریزی و تصمیم­گیری به بانک سامان و مدیران شعب آن كمك نماید، بنابراین انجام یك مطالعه علمی با استفاده از تكنیك­های آماری و مدل­های شبكه عصبی مصنوعی   می­تواند حل مشكل را ساده­تر نماید.

[1] -Forecasting

[2] -Armstrong

[3] – Abraham & Ledolter