抽象性

今天,关于信息和通信技术快速增长、电子商务和随后电子银行扩展,预计银行市场结构也将发生巨变。本文旨在通过调查银行市场集中度探索电子银行业对伊朗银行业结构的主要效果实现此目标时开发智能混合模型,基础是多层感知神经网络和银行对相对电子分量的影响模糊回归开发方法中,神经网络参数如权值和误差被视为不确定性下建模的模糊参数。归根结底,描述性统计用于评价银行相对规模在电子银行方面的差异如何改变,并探索电子银行对银行贡献的主要效果描述为神经网络模糊回归模型并显示伊朗银行业集中度如何下降对下降原因实施分析显示,小银行份额因小银行份额增加而下降模型估计还确认银行股与电子银行使用之间存在正关系。微小银行被强力证明使用电子银行系统,从而增加分量并降低集中度正因如此,可以得出结论电子银行降低了伊朗的集中度描述性统计用于证明它

开工导 言

经济学和产业组织都是经济学的重要趋势,评估生产者相互间行为交互作用、生产者与客户间行为交互作用和客户间行为交互作用研究行为、结构、市场性能等特征是产业经济学的关键问题,这些特征彼此关联、因果性,影响这些特征的因素成为经济学领域多项研究的主题。市场份额是用来测量生产者之间竞争强度的结构变量之一,这可能受产业经济学文献性能和行为因素的影响。

集中度被称为结构变量,是影响产业市场份额的关键因素之一,可能对银行市场竞争强度产生重大影响。以这种方式进行了数项研究,测量伊朗和其他国家银行业的集中度Khodadashi和Jafari一号评估伊朗银行业结构效果结果显示,2000-2010年期间,伊朗银行业结构指数变化多端,包括集中度和进入屏障

加藤和洪州2研究集中度对109家日本制造业1995-2001年市场份额不稳定的影响所得结果确认市场集中度和市场份额不稳定之间存在正大关系3..

电子商务和电子银行正在快速扩展和推广新手技术,特别是世界各地的信息和通信技术技术。e-banking是可能影响买卖双方数目、分布和市场支配力或银行市场集中度的主要因素之一然而不幸的是,这一因素对集中度和对银行市场竞争强度(从完全垄断到完全竞争)的影响不那么受重视。

当今世界使用量化方法改善金融市场、改善决策并投资已成为不可或缺的必要条件。时间序列预测是最重要的预测区之一,在此区收集并分析过去对变量的观察,以理解观察与确定描述模型之间的基本关系后取模型应用推断未来时间序列建模方法非常有用和实用性强,特别是在对基础数据生成过程知之甚少或没有令人满意的解释模型将依存变量与其他解释变量关联时[4..

人工神经网络(ANN)是预测序列的最重要非线性方法之一,在适当条件下提供一些适当结果这种方法的主要长处是软非线性建模能力网络中无需辨别模型的具体形状,模型是根据数据所含信息构建的。以数据为基础的方法对许多实证数据集非常有用,特别是当没有理论信息建议适当的数据生成过程时。尽管ANN有各种长处,但这些网络中仍然有一些缺陷,基于这些缺陷,需要大量数据获取准确结果即为其中之一。

网络所需数据的某些定义规则未被考虑,但网络所需数据量取决于某些方面,如网络结构、学习算法、问题复杂性和数据干扰通过探索网络数据需求不同大小的影响,可以发现增加数据数可优化ANN预测问题性能应当指出,这些神经网络可建模多复杂结构并使用足够数据,因此大样本比其他统计模型更有用。应当指出,非专用数据不比线性模型需要更多数据实现最优性能。进行的研究显示,ANN包含数据小于50的良好预测,而Box-Jenkins模型至少需要50项数据才能成功预测[5..模糊回归等模糊预测方法需要比其他预测模型少数据,原因是使用模糊数字而不是确定性数字,但这种方法的性能不完全令人满意。为了避免建模错误,提出了模糊回归法,基本上是一个空间预测模型[6,7万事通但也包含一些缺陷 区间预测范围过大模糊时间序列使用模糊方程和近似逻辑建模8..并基于时间序列和Sang概念建议时间序列法九九..使用混合模型或合并不同模型是提高预测精度的共同方法组合模型文献非常广泛,自该领域首创研究以来已进行多项研究10-12..综合多模型预测的基本思想是使用每一种模型对数据的不同模式实验和理论发现显示,综合不同模型是一种提高预测精度的有效高效方法[13..预测研究提供数位混合模型使用ANN14..

论文用ANN调查伊朗银行业集中度,模糊逻辑基本概念被用来开发混合方法,以便产生更好的预测并获取更准确的结果,同时需要少ANN数据在建议方法中,神经网络参数被视为模糊数字而非确定式数字将不确定性环境应用到神经网络结构中以模糊数字形式使用,并利用模糊集软计算的独特好处,减少培训搜索空间最优参数值所需数据数神经网络在网络可用数据低于常态值时更有效地调整参数

第二部分介绍方法学理论基础段内3描述混合模型基于ANN和模糊回归段内4表示使用混合模型调查电子银行如何影响伊朗银行业的集中度结尾分析结果并提交结论

二叉理论方法原理

本节提供必要的概念和背景

2.1.电子银行服务

改变传统交易方式代之以电子商务是信息革命最重要的现象因此,电子银行业务由于货币和银行业务在商务中的作用而成为电子商务的主要基础自然,银行和经济机构转移货币的作用至关重要。互联网展示商业潜力和科研方面时,一些商业机构和银行率先在发达国家努力利用这一趋势。

和今日电子银行一样努力并快速澄清互联网是各种银行和经济活动的适当工具电子银行业现已成为世界高度专业化但高度复杂的辩论,它适应不同国家的商业和经济政策需要仔细研究和规划。

2.2.电子银行定义概念

从银行系统专家的观点看,电子银行定义如下:(1)可定义电子银行业务为雇员提供设施,提高提供现租银行服务的速度和效率,并在世界各地提供分行间和银行间流程,为客户提供设施,使其拥有硬件和软件能力,可安全并满怀信心地执行所期望的银行业务,而无需通过通信渠道每天通过时段实际在银行工作(2)电子银行业务使用先进网络和电信软件硬件交换资源和金融信息电子化,不需要分支实体存在3级应用信息技术通信平台(电信)向客户提供银行服务和产品24/7服务,使客户不必到分行服务(4)使用集中式银行系统以及软件硬件系统向客户提供银行服务

2.3电子银行产品服务网关

电子银行讨论中分三大类:(1)电子银行服务,(2)电子银行网关和(3)电子银行产品,它们彼此密切相关。电子银行网关提供电子银行服务此处提到两种类型如下:(1)单任务网关:定义完全面向电子银行业务和其他非定义服务,如自动取票机、售点和银行服务站(2)多任务网关:它无限制银行业务,如互联网银行业务、移动银行业务和电话银行业务

向客户提供电子银行网关使用的设备或服务也称电子银行产品,可称为银行卡类型归根结底,电子银行网关或产品实施的所有银行业务都称电子银行服务

这些服务一般分类如下:(1)电子银行终端设备包括:i)自动取款机二)银行商行三)银行卡打印机四)分支卡阅读器第五大类POS系统(2)银行卡包括:i)开销卡二)礼品卡三)信用卡识别四)dibit/credit卡第五大类购物卡委 员 会预付卡3级虚拟银行系统包括:i)移动银行系统二)电话银行系统三)互联网银行系统四)短信网关第五大类电子支付网关(4)银行间电子银行系统包括:i)IMBAN国际账号广称SHEBA二)实时Gross解决公司,伊朗人所熟知的SATNA三)自动化信息中心(ACH),伊朗人所熟知的PAYA四)无脚本证券清算系统第五大类卡基电子基金转移系统,伊朗人所熟知SAHAB

2.4.利默测试和豪斯曼测试

偶发地,所收集的数据可称为时间序列和确定性数据类集数据通称面板数据有两个泛例估计板数据模型第一例就是y市拦截所有区块都是一样的, 即我们面对池数据模型第二例y市拦截所有不同区块,即面板数据模型识别上两个案例 测试所谓的F级-Limer执行

正因如此F级imer测试用于选择数据池和回归法数据板本测试统计如下:如果计算值F级小于表值,H级₀被接受而只有一个y市拦截应用否则,如果计算F大于F级表格化H级₀拒绝并接受集团特效y市插嘴计数 去哪儿 受限回溯系数y市拦截) 无限制系数确定回归N级数逻辑观察k时间段数limer测试:limer测试用于选择混合模型或板模型ifH级₀拒绝使用混合模型,否则确定面板数据应用于建模使用Hausman测试确定是使用固定特效模型还是随机特效模型ifH级₀拒绝使用定效模型换句话说,我们使用随机特效模型3..豪斯曼测试:豪斯曼法用于澄清固定或随机模型效果固定特效表示我们有单元y市互接相异随机特效将产生不同值y市拦截F-Limer方法:评估变量是否与变量并用F级灵机测试面板数据使用F级模拟测试综合数据法

2.5Herfindahl-Hirschman竞争指数

可使用多指数估计不同企业的集中度和市场份额,例如产业公司数逆差和集中率k律所Hannah-Kay索引HKI索引Herfindahl-Hirschman索引HHHI索引Gini Coapple等[4..从理论基础看,赫芬达尔-赫希曼索引比其他索引强健合理本索引使用所有行业公司提供的所有信息获取指数时使用方块之和、生产份额、销售量、资产、劳动力和工业或市场所有公司并写成方程2) (见[15))

2.6Durbin-Watson测试

回归分析中,特别是当变量分时段评价时,随时间变化数据可随特定模式变化Durbin-Watson测试检测模式独立概念意味着观察结果不影响其他观察结果回归时,当依存变量行为在一段时期内调查时,我们常常遇到非依存错误问题数据中这种关系即所谓的自相关应当指出,如果从容关系可能存在错误,则无法使用线性回归法。直觉测试此假设时,可使用SPSS分解变量序列图解安全方式使用Durbin-Watson测试统计介于0至4余量间没有连续关联值,本统计值应接近2,基础为接近0即表示正相关值,接近4即表示负相关值整体而言,如果统计介于1.5至2.5之间,就不必担心。

计算公式如下,使用第一序延时 去哪儿 剩余t级回归方程T级表示总观察数

2.7集中索引

评估竞争条件和市场结构有多种方法方法划分为结构方法和非结构方法结构方法包括结构-行为-性能范式和性能结构第一类认为市场高度集中是公司串通行为和性能的一个因素另一方面,第二类意味着提高性能和效率对垄断行为并进而对垄断结构产生效果调查基于集中率结构是结构方法的一个关键特征一些研究者表示,市场集中度大小可用各种索引估计,如固态集中比、Herfindahl索引、逆序数工业公司、Hannah-Kay索引、entroy索引和对数差和企业大小Herfindahl-Hirschman索引比其他索引在理论上强和合理,后者比其他索引常用测量集中度Herfindahl-Hirschman集中指数使用

值得一提的是结构方法也有它们的类别,在类别中将它们划分为两个相对类和绝对类两者之间的主要差别是,在相对指数中,公司数目效果不考虑在内。相对指数可用作集中评估的适当索引最重要的相对索引包括基尼系数、琳达索引、调整集中比和分散标准下图中将逐项详细介绍这些索引深入理解这一概念,考虑图中显示的集中曲线一号.

坐标系显示集中曲线,横向轴为市场总公司数,垂直轴为现有公司总指数相对于总指数总百分比(例如这些公司总产量总百分比总指数总指数总百分比总指数总百分比总指数总指数总百分比总指数总指数总指数总指数总和)。横向轴上公司分类小到大范围正因如此,曲线直通向下,如果所有公司大小相等,曲线即为直线。换句话说,曲线简洁性是由于企业规模的不同,集中曲线与表面相交等于行业企业数的100%因此可以说,当一行业集中度曲线高于另一行业集中度左侧时,曲线将具有较高集中度。不过,无法清晰讨论图解显示的两种集中曲线(BC)相交一号.

2.8人工神经网络

ANN是估计数据多非线性的能力和有用方法之一,并是一个灵活计算框架,处理各种非线性问题与其他非线性模型相比,此类模型的一个明显好处是ANN法泛近似法,可精确估计任何函数16..神经网络强度是并行处理数据信息值得一提的是,这些网络在建模过程不要求对模型形状作任何假设,它通常是以数据为基础的模型。feed前神经网络隐藏层是最常用神经网络模型预测时间序列7..模型包括三层互连信息处理关系输出 并输入 显示如下: 去哪儿 并 模型参数常称连接权重 输入节点数并 表示隐藏节点数 并 中层和输出层的激活函数sigmoid关系4)和线性函数是常用作隐藏输出层激活函数的一些函数

人工神经网络二模型4)事实上将非线性映射过去观察未来值 去哪儿 向量所有参数 函数由神经网络结构与连接权重决定神经网络等同非线性自回归模型方程分解6并声明输出层内神经元用于单步预测简单化模型表示6高近似功率,因为如果隐藏节点数 机器人构造大到可以近似任意函数简单神经类结构,隐藏层神经元较少,常因避免超适配问题(主要是神经网络建模过程)而在非模拟预测中表现得更好超装模型与构建模型时使用的数据完全匹配(火车数据集),但其开发极差非样本数据17..隐层神经元数取决于数据,神经网络设计中没有系统规则判定此参数神经网络建模的另一个重要步骤是选择中断观察数输入网络门户,这可能是ANN模型设计中最重要的参数,因为此参数对确定时间序列非线性相关性结构起着关键作用。

无具体理论选择 .因此经验将判定适当值 并 .时网络结构 并 定义中,网络准备训练并估计参数类似自回归集成移动平均值模型,估计参数以最小化精度标准,如误差平方值学习过程通过非线性优化算法执行,如错误传播估计模型通常用单样本评价,不用于学习过程(测试数据集),这不同于集成自反向平均模型建模过程,即使用样本识别、估计和评价模型原因是通用(线性)模型预设模型自回归综合移动平均18号..神经网络建模中若非如此,ANN建模中非线性模型必须估计为模型序数,网络可能超配

2.9模糊回归

经典回归对回归模型统计属性有强烈影响举例说,常态或无自相关和不变差值是误差的一部分,即违反这些假设会使经典回归分析结果失效。在大多数情况下,很难证明这些假设有理或在某些情况下无法适当使用这些假设。举例说,观察或定义系统可能影响人或不精确估计和判断,信息使用变量不足总体说来,虽然经典回归有许多用法,但会在下列情况下产生误差:(1)观察数据不足(2)错误不遵循正常分布3级自主变量和依存变量之间的关系含混(4)事件模棱两可(5)有不正确的线性假设

经典回归法及其假设难以证明,在这种情况下使用含混回归概率分布不准确或模棱两可可能提高我们对体系和结果的理解[19号..此处有数模型模糊回归本文开发出模糊回归模型,通过最小模糊度实现最佳回归方程实现合宜性,必须开发优化模型关于成员函数表示模糊数字为三角式的事实,模糊回归可写成线性编程问题模糊似然回归模型本研究使用 输入输出非模糊数模式,但计算参数为模糊数模式

归退模型系数成员函数形式对称三角模糊数,定义如下: 去哪儿 成员函数模糊集并表示回归系数在上述关系中 并 ,均居中宽度成员函数 [20码..回归方程可写作如下

2.10公式混合模型

前面已经提到,虽然ANNs是各种问题精确预测模型,但它们含有对大量过去数据的某些限制以获取准确结果,而如今由于环境不确定性和新技术快速开发,往往有必要预测未来状况短期使用低数据因此,在当今世界上,预测方法需要少数据并有效处理这种情况。模糊回归模型是低数据条件下良好基础预测模型,但并非总能性能良好论文的目的是展示模糊回归的长处,预测时间序列并克服ANN方法大数据需要的局限性

神经网络参数(权值和偏差)确定性值 , , ,并 而在拟议方法中,不应用这些确定值,因子被视为三角混淆数 . 去哪儿 即观察 , 模糊数字即时方程九九通过转换 变换方式如下:

方程中的模糊参数按三角混淆数定值(参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参参4)假设 ,e 定义如下:

if 并 重输出神经元和神经元关系 层神经元中间层

混合法步骤如下:i)第一步:培训神经网络模型使用观察信息(非阶段性)。第一步的结果是最优解决参数 并用作第二步输入数据集二)第二步:用方程确定最小含混度10和从第一步获取的权值 .约束数等于观察数,并以此为基础建立混合模型 去哪儿 模糊数中心扩展三)第三步:基于石浦视图,当混合模型范围扩展时,模型上下界数据将被消除生成模型覆盖所有可能条件时,如果数据集中存在差异或出入境,数据将广度化

2.11方法论

当前研究是应用论文和量化应用方法本研究使用的方法计算集中度和计量经济指数集中度使用Herfindahl-Hirschman索引测量,混合模糊回归神经网络法用于调查电子存取对集中度的影响论文研究变量如下:i)银行分存二)取自自动取款机数由银行分离三)POS数分行四)PINPAD数分行

研究中使用的数据为数据图并显示2010-2018年期间研究中使用的数据统计群包括13家伊朗银行资料采集法是图书馆空间研究区、伊朗银行业和伊朗银行研究区本研究的主要目的是审查伊朗银行业结构并判断电子银行业对这一行业集中度影响的严重程度

有必要分两部分学习:(1)第一部分评价不同类型的市场结构计量索引,最合适的索引与伊朗银行业相关电子银行对本行业现有银行集中度的影响得到分析,数学模型从结果中开发(2)第二部分中,我们也用经验估计效果

3级模糊回归模型介绍

初始模糊回归方程如下:

换句话说,如果 中心是一个正大数,这意味着电子银行为每家银行吸引更多存款并增加银行份额尽管如此,如果 中心负值和重要值表示电子银行消除更多存款并减少其在银行的份额,基础可能是供求对网络效果产生双重效果这会对银行份额产生消极影响,通过不良消费者信息可减少消费者影响表示网络效果但如果这种关系为负数,则无法说明其成因的确定性结论

研究电子银行对市场集中度对存款观点的影响i)自动取款机二)PINPAD三)POS系统四)此外,NB和RI分别表示分支数和利率内置控件变量

赫芬达尔指数和赫希曼指数讨论银行相对大小的集中度时,有必要计算并输入变量比 去哪儿 表示每一银行存款与总银行存款之比t级以模糊估值 表示银行自动取款机数与全年自动取款机数之比t级, PINPAD数对全年PINPAD数之比t级, 表示每家银行POS数对银行POS全数之比t级, 表示每一银行分支数对银行总分支数之比t级并 指每一银行定息率(政府和私有银行分利率) .

回归方程关系16可改写如下关系11)如下: e 并s级矢量元素和中心周围宽度写作方便工作 去哪儿

应指出的是,应用这些变量时不参考其比以方便调用变量名称

3.1.预测评价索引

论文使用优化技术最小化神经网络目标函数因此,我们使用方程10测量神经网络目标函数预测精度 .越近值 向零预测精度越强取方程中引入的客观函数10并训练神经网络 神经网络权值获取 可被视为回归系数

3.2决策决策

模型回归系数模糊数,输出变量模糊因此,为了用于决策和比较,它必须转换成非模糊数进程中为每个模糊集分配数称“解析化 ”, 并有几种方法应用它中重法使用 下方程定义

3cm3估计模型

模型在2010-2018年期间考虑先使用Eviews软件估计回归模型估计回归模型的首要原理是研究变量可定位性关于大多数宏观经济时序变量非静止性,如果不调查模型变量间的长时关系,估计回归可能是假的,因此有必要调查模型变量间的长时关系为此目的,我们使用单元根测试和汇总模式

本研究使用汇总模型是因为它泛泛并包括其他类型可定位性测试Levin、Lin和Chut分析可容性方法得到特别关注,以汇总模式研究变量可容性表2一号单元根测试aTM、PINPAD、fPOS、NB和RI对所有这些变量都进行了测试面向所有变量基于H₀概率获取后,单元根的存在被拒绝,单元根变量并不存在,这意味着所有变量都静止不变。测试所得信息列在表一号.

关于所有变量的可定位性,我们可以估计面板环境当然,有必要检查模型是池或面板,效果是固定或随机性正因如此,首先使用F级模拟测试,检验板模型或池数据 并使用Hausman测试 评估模型固定或随机特效上头F级Lemer和Hausman测试模型由aTMPINPAD、POS、NB和RI变量组成实验结果见表2.考虑概率值F级灵机测试H级₀拒绝并确认面板池模型再说 关于概率Hausman测试H级₀拒绝并确认带随机特效的固定特效模型

因此,可定位变量的可靠性得到并知道我们有一个板形模型定效现为估计,我们有ATM、PINPAD、POS、NB和RI变量并存并做初步估计获取系数为模糊数字,此模糊数字取自磁带并增加大值中心值,解释为完整求解问题使用方程20码解构估计解构系数值估计结果见表3.

Durbin-Watson数值和 分别为1.0170和0.9826关于Durbin-Watson数字值,可以说模型有自相关为此目的,我们将AR(1)插入模型并用以上变量对模型作不同场景估计最佳案例假设模式中断aTM变量概率值相当高 Akaike和Schwarz标准处于最小值中断结构测试 中断2相对中断1确认ATM变量因此,我们设置中断1ATM变量,如表表示4.

华生数值Durbin 分别为2.14和0.99关于判定系数 ,可以说回归方程估计达存款变化0.99%并鉴于Durbin-Watson的大小离二号足够近,我们可以说我们面临自相关表示时间错误 并 自主性概率值RI变量仍然不显大,应将其从模型中排除因此,我们认为剩余变量的系数是神经网络和神经网络培训的初始权值结果显示于表5.

Durbin-Watson数字集(网络输出中心与沉积中心)为2.17 0.99前表提到Durbin-Watson率和判定系数 )适当数字,可考虑相同的解释现在获取近似值时,我们最好考虑表上获取的系数5等离散回归神经网络模型初始权数并训练神经网络获取最优权数

神经网络训练用普通最小方块误差法广义形式 等同回归 等值依存变量平均值,当解释变量为0时此处还说明 , 等于平均储量分享值时解释变量为0况且 , , , 表示平均增加单位积分数、POS数、PINPAD数和aTM数估计自动取款机有负效果,PINPADs和POSs对银行存股有正效果整体上可以说电子银行对银行存款率有正面效果并获得了正差系数NB表示随着NB增长,银行将拥有更多存款份额

此外,由于面板模型使用Eviews软件,没有进行稳定性测试这是因为Eviews软件显示, 在面板环境无法测试应当指出,板块输出通常用于获取变量关系和变量关系强度

如前所述,本文的目的是探索电子银行对集中度的主要效果,而上述关系即电子银行和银行存股之间的正关系并不能解释行业集中度(存款观点)如何变化电子银行业如何影响集中度的讨论,除了解上述关系外,即电子银行和银行存款之间的正关系需要描述性统计和数据分析但是,如果银行市场份额增加(因为电子银行分析推理),银行业集中度会因现有银行相对规模增加而增加

但如果银行市场份额向下降现有银行相对规模增长,银行业集中度也将下降正因如此,为扩大电子银行对伊朗银行业集中度的影响,或换句话说,评估银行相对规模相对于电子银行业的变化,除审查电子银行对银行贡献的影响外,作为神经网络模糊回归混合模型,描述性统计也使用使用Excel软件完成总体说来,应清楚银行份额增减在多大程度上有利于程度集中增加或减少集中

4级描述式统计数据分析

4.1.排名和分类伊朗银行

描述性统计和数据分析部分中,我们首先需要根据存入其他存取量,将现有存取分为三大中小分块,因为我们需要分块作进一步工作并深入调查。以下步骤用于判断伊朗银行规模和评分(1)获取银行存款与总存款之比平均值(2010-2018年)(年份) )1-9学期(2)银行划分三大类 大中小

结果显示于表6.

表二列显示6可见2010-2018年存取银行数从1到21位位居最高至最低市场份额

银行划分为三大类(1)大银行:市场份额超过10%的银行命名为Banks1至4(2)中型银行:1%至10%市场股份间银行命名为Bank5至153级小银行:市场份额不足1%的银行命名为银行16至21

4.2描述性统计

探索电子银行业对伊朗银行业集中度的影响, 并了解电子银行业如何影响股市(先前讨论过),可考虑以下六种模式:i)大银行份额较高二)中型银行份额较高三)中型银行份额较低四)小银行份额较低

如果下降是由于增加银行市场份额以增加现有银行相对份额差数,那么对银行业的集中度将增加另一方面,如果下降是由于银行市场份额增加,以缩小现有银行相对份额的差分,则银行业的集中度将下降。举例说,如果大银行股权下降比中小型银行强,则现有银行相对规模的差分将缩小,工业集中度将因此缩小。

不过,如果小银行股东表现下降幅度更大,差势将增加现有银行的相对规模,行业集中度将增加此外,如果大银行股权的增加比中小型银行强,差势将增加现有银行的相对规模,工业集中度将增加但是,如果小银行股权增加越强,现有银行相对规模的差异就会缩小,结果对行业的集中度就会下降。

当然,基于回归模型结果,即电子银行和银行分享(存款观点)之间的正关系,以及电子银行样本中所有现有银行的利益,人们只能说增加银行分享的问题正面临。现在,主要问题将提出大银行是否增长更多或中型银行或小银行

因此,我们需要回答的是如何增加电子银行收益以及如何增加银行间存款了解银行规模、电子银行福利平均年增长率和平均增长率后,需要知道有多少银行经历电子银行和存款份额增长的大部分三组大银行、中型银行和小银行平均年增速见表7.

现在,为了更好地评价并比较三大中型小银行,我们需要表示存款平均年增长率以及电子银行福利平均增长率,这三大银行规模均以数值形式显示,表中清晰可见8.

电子银行平均增益并随后(由于回归模型隐含正相关)市场平均存款增速较高观察关于上表结果,小银行电子银行盈利增加并随后增加存款增长换句话说,现有银行相对规模下降,工业集中度缩小电子银行业可降低伊朗银行业的集中度为了确保这一结论与伊朗银行业程度趋势现实相容性,我们调查该行业的集中度分析伊朗银行业集中度前,从这个方面观察问题(我们会继续说)并非毫无价值预测伊朗集中过程

as表九九显示电子银行福利增速数据 小银行集存增量数据比大中型银行集量数据分布得更多这表明,尽管存款全面增长电子银行对小银行的好处,但并非所有银行都业绩相同,银行分布率高。换句话说,只有小行综合体中某些银行的存款大增电子银行收益才比大中型银行高增速假设其他条件稳定, 如果业绩扩展至此组合中的其他银行, 很快我们将看到该组合进一步增长, 并会进一步下降集中度

4.3集中度伊朗银行业

上文指出,为了确保电子银行降低了伊朗银行业集中度这一结论的准确性和前后不一致性,并鉴于该行业集中度的现实,2010-2018年期间获得了伊朗银行业集中度结果列表10后必要计算

Herfindahl-Hirschman索引显示,通过观察行业竞争或非竞争,银行业显然正在经历集中度下降,产业正缓慢从紧寡头转向松散寡头

4.4.4结果分析

分析集中度下降的原因显示银行份额下降是由于小银行份额增加另一方面,模型估计显示电子银行使用与银行份额之间存在正关系。发现小银行强力使用电子银行业务,结果增加分量,从而降低集中度正因如此,可以得出结论电子银行降低了伊朗的集中度从表可见11等存分配过程(第二列显示)改善后,PINPAD分配过程和POS分布过程(第三和第四列)也可以改善换句话说,它们的分布正在下降

概念在表中理解得更好12.表显示12平均分布率增长存储数据、PINPADs和POSs

使用我们建议方法所得结果与结果相同21号..然而,在我们拟议方法中,不确定性也得到考虑。

5级结论

在伊朗银行业中,所有银行都使用电子银行业务总结电子银行对伊朗银行业集中度的影响或研究银行电子银行相对规模变化,除调查电子银行对银行股份的影响外,还使用混合人工神经网络模型模糊回归和描述性统计这是因为有必要确定银行股增减偏向银行以讨论增减集中度因此,伊朗银行业集中度下降

对集中度下降原因的分析显示,小银行份额因小银行份额增加而下降另一方面,模型估计显示电子银行使用与银行份额之间存在正关系。研究还发现小银行更强使用电子银行业务,从而增加份额并降低集中度电子银行降低了集中度检验伊朗银行业集中度也符合这一结论

数据可用性

用于支持本研究发现的数字数据包括在文章中

利益冲突

作者声明,他们没有已知的竞相金融利益或个人关系,这些利益和个人关系可能似乎会影响本文所报告的工作。