| LEADER |
04382nam a22002537a 4500 |
| 001 |
2124342 |
| 041 |
|
|
|a ara
|
| 044 |
|
|
|b مصر
|
| 100 |
|
|
|9 727162
|a نوار، مصطفى فايز إبراهيم
|e مؤلف
|
| 245 |
|
|
|a تصميم نظام للإنذار المبكر للتنبؤ بأزمات سوق رأس المال المصري باستخدام آلية دعم المتجهات
|
| 246 |
|
|
|a Designing an Early Warning System to Predict the Egyptian Capital Market Crises Using Support Vector Machine
|
| 260 |
|
|
|b جامعة عين شمس - كلية التجارة
|c 2022
|g أكتوبر
|
| 300 |
|
|
|a 573 - 596
|
| 336 |
|
|
|a بحوث ومقالات
|b Article
|
| 520 |
|
|
|a يهدف البحث إلى بناء نظام للإنذار المبكر للتنبؤ بأزمات سوق رأس المال المصري خلال الفترة بين يناير 2006 حتى ديسمبر 2019، بالاعتماد على بعض المؤشرات الفنية والتي تعكس الجوانب النفسية والسلوكية للمتعاملين في السوق. وتتمثل المتغيرات التنبؤية في قيم التداول وقيم مؤشر السوق للفترات السابقة وعائد المؤشر ومضاعف الربحية وأخيرا المتوسط المرجح المتحرك للمؤشر، بينما يتم التعبير عن المتغير المستقل بمتغير ثنائي يأخذ قيمة "1" للتعبير عن حدوث أزمة والقيمة "صفر" للتعبير عن الحالة الطبيعية للسوق لا توجد أزمة". وتم استخدام أسلوب آلية دعم المتجهات Support vector machine أحد تقنيات تعلم الآلة وذلك باستخدام أسلوب التصنيف، للوصول إلى النظام ذات قدرة تنبؤية موثوقة. وتشير النتائج إلى قدرة النموذج (SVM (Lag6) على التنبؤ بالأزمات الوشيكة التي تحدث في السوق المصري بمستوى دقة تقدر بـ 80%.
|b This paper aims to propose an effective early warning system to predict the Egyptian capital market crises using support vector machines, during the period between January 2006 until December 2019, relying on some technical indicators that reflect the psychological and behavioral aspects of investors. The predictive variables are the trading values, the market index values for the previous periods, the index’s return, the profitability multiplier, and finally the moving weighted average of the index, while the independent variable is expressed in a binary variable that takes the value “1” to express the occurrence of a crisis and the value “zero” to express the normal state of the market, there is no crisis ". The crisis identified using CMax index. The Support vector machine method, one of the machine learning techniques, was used, to reach the system with a reliable predictive ability. The results show that the prediction accuracy of the SVM (Lag3) model is estimated at 70.42% and SVM(Lag6) model is 78.57%, while the accuracy of the modified model is 80%.
|
| 653 |
|
|
|a الأسواق المالية
|a الإصلاح الاقتصادي
|a آلية دعم المتجهات
|a البورصة المصرية
|a الأزمات المالية
|
| 692 |
|
|
|a التنبؤ المالي
|a أنظمة الإنذار المبكر
|a كفاءة سوق المال
|a الأسواق الناشئة
|a أزمات سوق رأس المال
|a مؤشر CMAX
|a المؤشرات الفنية
|a تعلم الآلة
|a آلية دعم المتجهات
|b Forecasting
|b Financial Crisis
|b Stock Market
|b Stock Market Crash
|b Emerging Markets
|b Warning Indicators
|b Technical Indicators
|b CMAX Index
|b Investors Sentiment
|b Machine Learning
|b Support Vector Machine
|b Early Warning System
|
| 700 |
|
|
|a طلعت، طمان عرفات إبراهيم
|g Ibrahim, Tamaan Arafat
|e مشرف
|9 402731
|
| 700 |
|
|
|a وهدان، محمد أحمد لطفي محمد
|g Wahdan, Mohammed Ahmed
|e مشرف
|9 654163
|
| 773 |
|
|
|4 الاقتصاد
|4 الإدارة
|6 Economics
|6 Management
|c 039
|e Scientific Journal for Economic & Commerce
|f Al-Maġallah Al-ʿilmiyyah Lil-Iqtiṣād Wal Tiğārah
|l 003
|m ع3
|o 0527
|s المجلة العلمية للاقتصاد والتجارة
|v 052
|x 2636-2562
|
| 856 |
|
|
|u 0527-052-003-039.pdf
|
| 930 |
|
|
|d y
|p y
|q n
|
| 995 |
|
|
|a EcoLink
|
| 999 |
|
|
|c 1373024
|d 1373024
|
