ارسل ملاحظاتك

ارسل ملاحظاتك لنا







استخدام نماذج الانحدار الذاتي والمتوسطات المتحركة المتكاملة كسريا ARFIMA للتنبؤ بمعدلات التضخم في الجزائر

العنوان بلغة أخرى: Using Autoregressive Fractionally Integrated Moving Average to Predict Inflation Rates in Algeria
المصدر: مجلة الميادين الاقتصادية
الناشر: جامعة الجزائر 3 - كلية العلوم الإقتصادية والعلوم التجارية وعلوم التسيير
المؤلف الرئيسي: حسني، إسماعيل (مؤلف)
مؤلفين آخرين: سليمان، شيبوط (م. مشارك)
المجلد/العدد: مج6, ع1
محكمة: نعم
الدولة: الجزائر
التاريخ الميلادي: 2023
الشهر: ديسمبر
الصفحات: 331 - 356
DOI: 10.47173/2134-006-001-017
ISSN: 2716-7615
رقم MD: 1455671
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
كلمات المؤلف المفتاحية:
التنبؤ | نماذج ARFIMA | التضخم | Prediction | ARFIMA Models | Inflation
رابط المحتوى:
صورة الغلاف QR قانون

عدد مرات التحميل

3

حفظ في:
المستخلص: تهدف هذه الدراسة إلى نمذجة تقلبات معدلات التضخم الشهرية في الجزائر للفترة الممتدة من جانفي 2010 إلى ديسمبر 2022، وذلك باستخدام نماذج الانحدار الذاتي والمتوسطات المتحركة التكاملية الكسرية ARFIMA (p, d, q) التي تعتبر أحد أبرز النماذج الحديثة في تحليل السلاسل الزمنية. بعد تقدير وفحص حوالي 225 نموذجا من نماذج ARFIMA، أظهرت نتائج الدارسة أن النموذج الأفضل والأنسب لتمثيل بيانات الظاهرة محل الدراسة هو نموذج ARFIMA (0.57, 8-, 9) ذو الذاكرة المتوسطة والذي نجح في اجتياز كل الفحوصات والاختبارات التشخيصية، ليتم في الأخير استخدامه في التنبؤ بالقيم المستقبلية لـ 12 شهر قادم.

This study aims to model fluctuations of the monthly inflation rates in Algeria for the period from January 2010 to December 2022, using Autoregressive Fractionally Integrated Moving Average models which are considered one of the most prominent modern models in time series analysis. After estimating and diagnosing about 225 ARFIMA models, the results of the study showed that the most appropriate model for representing the data of the phenomenon under study is the ARFIMA (9,-0.57,8) model with Intermediat memory, which succeeded in passing all the examinations and diagnostics tests, to ultimately be used for forecasting future values for the next 12 months of the year 2023.

ISSN: 2716-7615