نمذجة مستقبل الاقتصاد السعودي: تقييم لأساليب تنبؤ السلاسل الزمنية الى عام 2030
DOI:
https://doi.org/10.33948/ESJ-KSU-17-3-7الكلمات المفتاحية:
التنبؤ الاقتصادي، التعلم الآلي، الشبكات العصبية، NAR، RNN، ARIMAالملخص
للتنبؤ بالناتج المحلي الإجمالي للمملكة العربية السعودية بحلول عام 2030، يناقش هذا البحث ثلاثة نماذج معروفة للتنبؤ بالسلاسل الزمنية: ARIMA (المتوسط المتحرك المتكامل الذاتي الانحداري)، وNAR (الانحدار الذاتي غير الخطي)، وRNN (الشبكة العصبية المتكررة). بالنظر إلى خطة الإصلاح الطموحة لرؤية 2030 الهادفة إلى التحول الاقتصادي، يعد التنبؤ الدقيق بالناتج المحلي الإجمالي ضروريًا للتخطيط الاستراتيجي الفعال وتطوير السياسات. يستخدم الدراسة بيانات اقتصادية تاريخية مدعومة بالظروف الاقتصادية العالمية والسياسات الوطنية لنمذجة السيناريوهات المستقبلية. نختار نموذج ARIMA لفعاليته في إدارة البيانات الخطية مع التقلبات الموسمية، ونستكشف النماذج NAR و RNN لقدرتها على التعامل مع الديناميكيات غير الخطية والتبعيات الزمنية المعقدة. نقيّم دقة التنبؤ لكل نموذج باستخدام خطأ المتوسط التربيعي الجذري (RMSE) ومعامل القرار (R2). تشير النتائج إلى أنه، بينما يبرع نموذج ARIMA في التنبؤات قصيرة المدى، فإن نماذج RNN، وخاصة تلك التي تستخدم هياكل LSTM، تتفوق في التنبؤ بالاتجاهات الاقتصادية طويلة المدى. هذا التمييز حاسم للتوافق مع الأهداف الاستراتيجية لرؤية 2030، مما يساعد صانعي السياسات والأطراف المعنية بالاقتصاد في اختيار النهج الأنسب للتنبؤ.
التنزيلات
التنزيلات
منشور
إصدار
القسم
الرخصة
جمعية الاقتصاد السعودية- جامعة الملك سعود.
جميع حقوق الطبع والنشر محفوظة للمجلة، ولا يسمح بإعادة طبع أو نشر أي جزء من المجلة أو نسخه بأي شكل وبأي وسيلة كانت دون الحصول على موافقة كتابية من رئيس هيئة التحرير.
