| المستخلص: |
يعد موضوع التنبؤ أحد أهم المواضيع التي لاقت اهتماما واسعا في المجالات الاستثمارية المختلفة والكشف عن جوانب عدم التأكد المحيطة بعملية اتخاذ القرار الاستثماري مما استدعى الاعتماد على المداخل التحليلية اللازمة وصولا إلى أكبر درجة ممكنة من التأكد في اتخاذ القرار الاستثماري الأفضل. ركز البحث على استخدام وتطبيق عدد من النماذج الإحصائية الخطية، فضلا عن استخدام نماذج الشبكات العصبية الاصطناعية في تقدير واختبار دقة التنبؤ بأسعار إغلاق المؤشرات الرئيسة لعينة من أسواق الأوراق المالية العربية، واعتماداً على السلاسل الزمنية لتلك المؤشرات للمدة (1/1/2004- 16/10/2004) وإيجاد الأنموذج الأفضل في تقدير القيمة المستقبلية في ضوء نتائج مقاييس الدقة المعتمدة. وقد لخص البحث مدى القدرة الكبيرة لأنموذج الشبكات العصبية ذات الانتشار العكسي للخطأ في التنبؤ المستقبلي وتفوقه على باقي النماذج الإحصائية الخطية، بالاعتماد على نتائج مقاييس الدقة التي بلغت أدناها عند اختبار مدى كفاءة أنموذج الشبكات العصبية لفترة الاختبار المحددة ب (16 يوماً)، وموازنتها بنتائج مقاييس الدقة للنماذج الإحصائية الخطية والتي تباينت فيما بينها من سوق لآخر، الأمر الذي عكس درجة الاختلافات الكبيرة بين دقة تلك النماذج خلال فترة الاختبار المحددة.
Forecasting has recently been considered one of the most important topics in the financial investment scopes. The indelible investor may desire to uncover some aspects from uncertainty that associate with the investment decision making process, which make him rely heavily on the various analytical audits for arriving to more accurate forecasts, and support the decision making process. The research focused on using and applying number of the linear models, besides applying the back propagation Neural Networks estimating and testing the accuracy of indices closing prices forecasts' in Arab capital markets, depending on the time series for period between [1/1/2004 - 16/10/2004], and finding the best model that will be a form of depending on the results of the accuracy tools. The research concluded that the back propagation Neural Networks had the tremendous power for forecasting and it overcomes all linear models in the forecasting with depending on the results of the accuracy tools, which reversed lower value for back propagation model than linear models for the same period.
|
