ارسل ملاحظاتك

ارسل ملاحظاتك لنا







يجب تسجيل الدخول أولا

التنبؤ بالسلاسل الزمنية بالاعتماد على النموذج الهجين للانحدار الذاتي والمتوسطات المتحركة التكاملية ونموذج انحدار متجه الدعم

المصدر: مجلة التجارة والتمويل
الناشر: جامعة طنطا - كلية التجارة
المؤلف الرئيسي: نصار، هناء محمد محمود (مؤلف)
مؤلفين آخرين: أبو زيد، نصر إبراهيم رشوان نصر (مشرف) , إسماعيل، ماجدة محمد (مشرف) , طلعت، أمل أحمد (مشرف)
المجلد/العدد: ع2
محكمة: نعم
الدولة: مصر
التاريخ الميلادي: 2023
الشهر: يونيو
الصفحات: 1044 - 1086
ISSN: 1110-4716
رقم MD: 1396684
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
كلمات المؤلف المفتاحية:
نموذج ARIMA | نموذج SVR | النموذج الهجين | مقاييس دقة التنبؤ | ARIMA | SVR | Hybrid Model | Prediction Measures
رابط المحتوى:
صورة الغلاف QR قانون

عدد مرات التحميل

17

حفظ في:
المستخلص: يهدف هذا البحث إلى استخدام ثلاث نماذج للتنبؤ بالسلاسل الزمنية وهى نموذج الانحدار الذاتي والمتوسطات المتحركة التكاملية ARIMA ونموذج انحدار متجه الدعم SVR والنموذج الهجين الذي يجمع بين نموذج ARIMA ونموذج SVR وتم استخدام هذه النماذج للتنبؤ بأسعار الذهب العالمية الشهرية وذلك بالاعتماد على سلسلة زمنية لأسعار الذهب العالمية الشهرية في الفترة الزمنية من يناير 1991 إلى ديسمبر 2021 كما تم المفاضلة والمقارنة بين الثلاث نماذج وذلك بالاعتماد على مقاييس دقة التنبؤ وهى متوسط مربعات الخطأ MSE ومتوسط الخطأ المطلق MAEبالإضافة إلى متوسط الخطأ المطلق النسبي MAPEومعامل عدم التساوي لثايل وقد توصل البحث إلى تفوق النموذج الهجين على النماذج المفردة لامتلاكه أقل القيم لمقاييس دقة التنبؤ.

This paper using three models for predicting time series, Auto Regressive Integrated Moving Average (ARIMA) model and the Support Vector Regression and Hybrid model by combining the ARIMA mode with the SVR model, These models are used to predict monthy global gold prices, based on a time series of monthy global gold prices, the time series data was used during the period from Jan -1991 – Dec-2021, to compare hybrid model of ARIMA-SVR with individual models ARIMA and SVR, These models are compared using the MSE, MAE and MAPE,T prediction accuracy measures to find the most appropriate model for predicting future values. This paper reveals the superiority of ARIMA-SVR on other individual models by having the lowest values of the prediction measures.

ISSN: 1110-4716