| المستخلص: |
يعتبر تحليل السلاسل الزمنية من الأدوات الإحصائية الهامة لوضع الخطط والبرامج الإحصائية المرتبطة بدراسة ظاهرة معينة والتنبؤ بهذه الظاهرة في المستقبل اعتمادا على قيمها في الماضي، وتعتمد دقة التنبؤ بقيم الظاهرة محل الدراسة على دقة تحليل بيانات السلسلة الزمنية في الماضي، إلا أن السلسلة الزمنية تتعرض لبعض التغيرات التي تؤثر على سكونها ومن ثم دقة التنبؤ. في هذه الدراسة سوف يتم بحث تأثير كل من ذاكرة السلسلة الزمنية والعوامل الموسمية والعوامل غير المنتظمة على سكون السلسلة فضلا عن مدى تأثير العوامل غير المنتظمة على ذاكرة السلسلة الزمنية حيث أن ذاكرة السلسلة الزمنية قد تكون ذاكرة قصيرة المدى وقد تكون ذاكرة طويلة المدى، وتقوم العوامل غير المنتظمة بتوليد ذاكرة تعرف بالذاكرة طويلة المدى الزائفة وقد تم استخدام نموذج الفروق الكسرية الموسمي مع عمليات ماركوف العشوائية Markov Regime Switching – Seasonal Fractional Integrated (MRS-SARFIMA) كأداة لاختبار حالة الذاكرة المتولدة في السلسلة الزمنية، كما أنه تم استخدام كل من نموذج الفروق الكسرية الموسمي Seasonal Fractional Integrated (SARFIMA) ونموذج الفروق الكسرية الموسمي مع عمليات ماركوف العشوائية Markov Regime Switching – Seasonal Fractional Integrated (MRS-SARFIMA) للتنبؤ بالسلسلة الزمنية الشهرية الخاصة بحجم إنتاج البترول الكلي في مصر وتحديد أي النماذج الأكثر ملائمة لتحليل السلسلة الزمنية في ظل وجود العوامل الموسمية وغير المنتظمة فضلا عن تحديد أسلوب التقدير الأمثل لكل من النموذجين.
Time series analysis is one of the important statistical tools for developing statistical plans and programs related to studying a particular phenomenon and predicting this phenomenon in the future depending on its values in the past. The accuracy of predicting the values of the phenomenon under study depends on the accuracy of analyzing the time series data in the past, but the time series is subjected to some changes that affect its stability and thus the accuracy of the prediction. In this study, the effect of time series memory, seasonal factors, and irregular factors on the serenity of the series will be investigated, and the impact of irregular factors on the time series memory, as the time series memory may be short-term or long-term memory. The irregular factors generate a memory known as pseudo-long-term memory. The Markov Regime Switching – Seasonal Fractional Integrated (MRS-SARFIMA) was used as a tool to test the state of the memory generated in the time series. Also, both the Seasonal Fractional Integrated (SARFIMA) model and the Markov Regime Switching – Seasonal Fractional Integrated (MRS-SARFIMA) were used to predict the monthly time series of the total oil production volume in Egypt and determine any most suitable models for analyzing the time series in the presence of seasonal and irregular factors, as well as determining the optimal estimation method for each of the two models. This abstract was translated by Dar AlMandumah Inc.
|
