ارسل ملاحظاتك

ارسل ملاحظاتك لنا







قياس أثر استخدام نموذج آلة متجه الدعم Support Vector Machine على دقة التنبؤات المالية: دراسة تطبيقية على شركات المقيدة في سوق الأوراق المالية المصرية

العنوان بلغة أخرى: Measure the Impact of Using the Support Vector Machine Model on the Accuracy of Financial Predictions: An Applied Study on Companies Registered in the Egyptian Stock Market
المصدر: المجلة العلمية للدراسات التجارية والبيئية
الناشر: جامعة قناة السويس - كلية التجارة بالاسماعيلية
المؤلف الرئيسي: الجوهري، رشا مصطفى عبدالحميد (مؤلف)
المجلد/العدد: مج14, ع3
محكمة: نعم
الدولة: مصر
التاريخ الميلادي: 2023
الشهر: يوليو
الصفحات: 607 - 647
ISSN: 2090-3782
رقم MD: 1445089
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
كلمات المؤلف المفتاحية:
تقنيات الذكاء الاصطناعي | آلة متجه الدعم | التدفقات النقدية المستقبلية | التنبؤات المالية | الشبكات العصبية الاصطناعية | المنطق الضبابي | التقارير الرقمية | Artificial Intelligence Techniques | Support Vector Machine | Future Cash Flows | Financial Predictions | Artificial Neural Networks | Fuzzy Logic | Digital Reports
رابط المحتوى:
صورة الغلاف QR قانون

عدد مرات التحميل

17

حفظ في:
المستخلص: الهدف من الدراسة: يتمثل هدف الدراسة في قياس أثر تطبيق تقنية آلة متجه الدعم (SVM) كإحدى تقنيات الذكاء الاصطناعي في تحسين دقة التنبؤات المالية في سوق الأوراق المالية المصرية، وذلك من خلال تحسين دقة التنبؤ بالتدفقات النقدية. منهجية الدراسة: اعتمدت الباحثة في تحقيق الهدف البحثي على دراسة وتحليل الدراسات السابقة ذات الصلة بموضوع البحث، بالإضافة إلى إجراء دراسة تطبيقية على مجموعة من الشركات المقيدة في سوق الأوراق المالية المصرية وتم استخدام برنامج (MATLAB R2022b) لتطبيق تقنية آلة متجه الدعم (SVM) وذلك للتنبؤ بالتدفقات النقدية. نتائج الدراسة: أسفرت نتائج الدراسة التطبيقية عن ما يلي: 1. انخفاض قيمة المتوسط المطلق لخطأ التنبؤ (MAE) لجميع الـ (Modles) الخاصة بتقنية (SVM)، حيث كان المتوسط المطلق لخطأ التنبؤ بالتدفقات النقدية (MAE) ما بين القيمة (0.0102) والقيمة (0.0225). 2. انخفاض قيمة متوسط الخطأ التربيعي (MSE) لجميع الـ(Modles) الخاصة بتقنية (SVM) ، حيث كان متوسط الخطأ التربيعي (MSE) لخطأ التنبؤ بالتدفقات النقدية (MSE) ما بين القيمة (0.0030) والقيمة (0.9664). 3. انخفاض قيمة الجذر التربيعي لخطأ التنبؤ (RMSE) لجميع الـ (Modles) الخاصة بتقنية (SVM)، حيث كان الجذر التربيعي لخطأ التنبؤ بالتدفقات النقدية (RMSE) ما بين القيمة (0.0054) والقيمة (0.9830).

Purpose: The aim of the study is to measure the impact of applying the Support Vector Machine technique as one of the Artificial Intelligence techniques in improving the accuracy of financial predictions in the Egyptian stock market, by improving the accuracy of predicting cash flows. Methodology: The researcher relied on studying and analyzing previous studies related to the research topic, in addition to conducting an empirical study on a group of companies listed on the Egyptian Stock Exchange, and a program was used (MATLAB R2022b)to apply the Support Vector Machine technique to predict cash flows. Findings: The results of the applied study showed the following: 1. The absolute average error (MAE) for all (SVM) models has decreased, where the absolute average error for cash flows prediction (MAE) ranged between (0.0102) and (0.0225). 2. The mean squared error (MSE) value for all (SVM) models has decreased, where the mean squared error for cash flows prediction (MSE) ranged between (0.0030) and (0.9664). 3. The root mean squared error (RMSE) value for all (SVM) models has decreased, where the root mean squared error for cash flows prediction (RMSE) ranged between (0.0054) and (0.9830).

ISSN: 2090-3782