| LEADER |
04750nam a22002537a 4500 |
| 001 |
2124356 |
| 041 |
|
|
|a ara
|
| 044 |
|
|
|b مصر
|
| 100 |
|
|
|9 727162
|a نوار، مصطفى فايز إبراهيم
|e مؤلف
|
| 245 |
|
|
|a دور المؤشرات الاقتصادية في بناء نظام للإنذار المبكر للتنبؤ بأزمات سوق رأس المال باستخدام الشبكات العصبية
|
| 246 |
|
|
|a The Role of Economic Indicators in Building an Early Warning System to Predict the Egyptian Capital Market Crisis Using Neural Networks
|
| 260 |
|
|
|b جامعة عين شمس - كلية التجارة
|c 2022
|g أكتوبر
|
| 300 |
|
|
|a 597 - 620
|
| 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 2020، بالاعتماد على بعض مؤشرات الاقتصاد الكلي والقطاع المالي. وتتمثل المتغيرات التنبؤية في معدل التضخم، الميزان التجاري/ الناتج المحلي الإجمالي، الدين الخارجي/ الناتج المحلي، العرض النقدي M2، سعر الصرف، صافي الاحتياطي الأجنبي، معدل الفائدة على أذون الخزانة لثلاث شهور، الودائع بالعملة الأجنبية/ إجمالي الودائع، السرعة الداخلية للنقود، 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 الشبكات العصبية الاصطناعية Artificial neural networks أحد تقنيات تعلم الآلة وذلك باستخدام أسلوب التصنيف، للوصول إلى النظام ذات قدرة تنبؤية موثوقة. وتشير النتائج إلى قدرة نموذج الشبكات العصبية بقيم متأخرة لستة أشهر ANN (Lag6) على التنبؤ بالأزمات الوشيكة التي تحدث في السوق المصري بمستوى دقة تقدر بـ 97.14%.
|b This paper aims to propose an effective early warning system to predict The Egyptian capital market crises using the artificial neural networks (ANN), during the period between January 2006 until December 2020, based on some macroeconomic indicators and the financial sector. The predictive variables are the inflation rate, trade balance/ GDP, external debt/ GDP, M2 money supply, exchange rate, net foreign reserves, interest rate on three-month treasury bills, foreign currency deposits/ total deposits, internal velocity of money, While the independent variable is expressed as a binary variable that takes a value of "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 classification method was used to reach the system with reliable predictive ability. The results indicate the ability of the neural network model with six-month lag values ANN (Lag6) to predict crises that occur in the Egyptian market with an accuracy of 97.14%, with able to differentiate between crisis situations and natural states by up to 99.4%. In addition to achieving a coefficient of determination estimated at 84.4%
|
| 653 |
|
|
|a أنظمة الإنذار المبكر
|a الأسواق المالية
|a البورصة المصرية
|a الأزمات المالية
|
| 692 |
|
|
|a التنبؤ بأسواق المال
|a أنظمة الإنذار المبكر EWS
|a أزمات سوق رأس المال
|a مؤشر CMAX
|a المؤشرات الاقتصاد والمالية
|a تعلم الآلة ML
|a الشبكات العصبية ANN
|b Forecasting
|b Financial Crisis
|b Stock Market
|b Stock Market Crash
|b Emerging Markets
|b Warning Indicators
|b Macroeconomic Indicators
|b Financial Indicators
|b CMAX Index
|b Machine Learning
|b Artificial Neural Networks
|b ANN-Auto
|
| 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 040
|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 0527-052-003-040.pdf
|
| 930 |
|
|
|d y
|p y
|q n
|
| 995 |
|
|
|a EcoLink
|
| 999 |
|
|
|c 1373030
|d 1373030
|
