الفهرس 
الاطار العام للبحثيوجد فقط 14 صفحة متاحة للعرض العام
 |  | from | 120 |  |  |
| | | from | 120 | | |
المستخلص
يعد التنبؤ بتقلبات السلاسل الزمنية موضوعاً مهماً في العلوم الإحصائية؛ لمساعدة الإدارات في التخطيط واتخاذ القرارات الدقيقة؛ لذا استهدف البحث الحالي التنبؤ بإجمالي الميزان التجاري العراقي باعتباره من الأدوات الأساسية التي تستخدم للتأثير في النشاط الاقتصادي وتغطية نفقات الدولة هذا من جانب. أما الجانب الآخر فيكمن في بناء نموذج إحصائي بإستخدام أساليب التنبؤ الحديثة والمتمثلة بنماذج الشبكات العصبية الأصطناعية Artificial Neural Networks Models (ANN) وبالتحديد الشبكة المتعددة الطبقات، إذ اُعتمدت خوارزمية الانتشار الخلفي (BP) Back Propagation عدة مرات للتدريب، واختيار أقل قيمة للخطأ للحصول على أفضل نموذج لوصف البيانات، وكذلك باستخدام طرق التنبؤ التقليدية والمتمثلة بنماذج بوكس-جينكنز، والمعروفة بنماذج ARIMA وتوفيق عدة نماذج، واختيار أفضلها.
وهنا حيث تكمن المشكلة في أن تنبؤات الطرق التقليدية قد تعطي نتائج غير دقيقة في حالة العينات الصغيرة، ونحن بحاجة للحصول على تنبؤات دقيقة في مثل هذه الحالات. وعلى هذا الأساس تم تطبيق هذهِ الأساليب على بيانات عينة واقعية سنوية صغيرة، تتضمن 14مشاهدة، وبيانات عينة واقعية شهرية أكبر، تتضمن 60 مشاهده، والمحصورة في الفترة من يناير 2003 حتى ديسمبر 2016 لحالة الميزان التجاري العراقي. وتمت المقارنة بين النماذج المقدرة لهذهِ الأساليب لإيجاد الأسلوب الأكثر كفاءة في التنبؤ ولنوعي البيانات وفق المقاييس المتمثلة بمقياس متوسط مربعات الأخطاء (MSE)، ومقياس متوسط نسبة الخطأ المطلق (MAPE).
إذ وُجِد في حالة البيانات القصيرة إن أسلوب بوكس –جينكنز، وبالتحديد نموذج ARIMA (0,0,1) (المتوسط المتحرك) يعطي نتائج أفضل وأكثر كفاءة من أسلوب الشبكات العصبية استناداً إلى المعايير المذكورة أعلاه، أما في حالة البيانات الطويلة فأثبتت الشبكات العصبية تفوقها على نماذج بوكس-جينكنز وبالتحديد نموذج ARIMA(0,1,1) (المتوسط المتحرك المتكامل).
مشكلة البحث: Research problem
إن التغيرات السريعة والمتنأوبة في المتغيرات الاقتصادية تنعكس بظواهر متعددة على عناصر النشاط إلاقتصادي، وتحدث خللاً في التوازن والاستقرار أو تطال جميع قوى وعناصر هذا النشاط بحيث تصبح شاملة، تؤدي إلى تدني معدلات النمو إلاقتصادي، وإلى تراجع التنمية الاقتصادية وغالباً ما تقضي هذه التقلبات الجزئية والشاملة إلى أزمة اقتصادية؛ مما يدفع الحكومات إلى اللجوء إلى وسائل مواجهتها ومعالجتها , ومن هنا تبرز أهمية بناء نماذج للتنبؤ بتلك التقلبات والأحداث, فالتنبؤ بالقيم المستقبلية لظاهرة ما تعد من إلاحتياجات الهامة والضرورية لكثير من مجالات الحياة.
وفي مضمون بحثنا هذا سيتم بناء نموذج إحصائي مناسب للتنبؤ بالقيم المستقبلية لحالة الميزان التجاري العراقي، وباستخدام اثنين من أهم الأساليب الإحصائية التي أثبت البحاثين أفضليتها في التنبؤ بتقلبات السلاسل الزمنية حيث تكمن المشكلة في أن تنبؤات أحد هذه الأساليب المتمثلة بالنماذج التقليدية تعطي نتائج غير دقيقة في حالة العينات الصغيرة، ونحن بحاجة إلى الحصول على تنبؤات دقيقة في مثل هذه الحإلات, وعلى هذا إلاساس تم تطبيق هذهِ الأساليب على بيانات عينة صغيرة واقعية متكونة من 14 مشاهدة وبيانات عينة واقعية أكبر متكونة من 60 مشاهدة والمحصورة في الفترة من 2003 إلى 2016 لحالة الميزان التجاري العراقي، والمقارنة بين هذين الأسلوبين، واختيار الأسلوب إلامثل وألاكفأ في التقدير، ولكلا العينتين.
3-1أهمية البحث: Research Importance
تنبع أهمية البحث من إلاهمية الكبيرة التي تتمتع بها أساليب التنبؤ في تحليل بيانات السلاسل الزمنية، وذلك في محورين:
المحور إلاول: اقتراح نموذج إحصائي للتنبؤ بالقيم المستقبلية لحالة الميزان التجاري العراقي ولنوعي البيانات القصيرة والطويلة باستخدام منهجية بوكس -جينكنز والشبكات العصبية الاصطناعية، وإجراء مقارنة بينهما ومعرفة الأسلوب إلامثل وألاكفأ في التقدير من بين النماذج المقترحة لكون هذه الأساليب لم تطبق من قبل على بيانات هذه السلسلة.
المحور الثاني: والذي يتمثل بتحليل السلسلة الزمنية وأهميتها في معرفة التغيرات التي تطرأ على قيم الظاهرة مع الزمن والتنبؤ بما سيحدث من تغير على قيم الظاهرة في المستقبل على ضوء ما حدث لها في الماضي، إضافة إلى أهمية الميزان التجاري باعتباره أداة اقتصادية تحليلية للاقتصاد القومي من حيث هيكله الآنتاجي وهيكله التصديري.
4-1أهداف البحث: Research Goals
تحاول الدراسة تحقيق هدف رئيسي متمثل باًقتراح نموذج إحصائي مناسب للتنبؤ بالقيم المستقبلية لحالة الميزان التجاري العراقي باستخدام اثنين من أهم الأساليب الإحصائية المستخدمة في التنبؤ، ومعرفة الأسلوب أو النموذج إلامثل وألاكفأ في التقدير من بين النماذج المقترحة. وسيتم ذلك من خلال تحقيق مجموعة أهداف متمثلة بالآتي:
بناء إطار نظري مفاهيمي لمفهوم السلاسل الزمنية ونماذج بوكس – جنكيز والشبكات العصبية.
تحديد القيم التقديرية الاتجاهية لبيانات السلسلة الزمنية باستخدام نماذج بوكس – جينكنز.
تحديد القيم التقديرية الاتجاهية لبيانات السلسلة الزمنية باستخدام الشبكات العصبية الاصطناعية.
مقارنة الأساليب المستخدمة في حالة الفترات القصيرة والفترات الطويلة ومعرفة الأسلوب الأفضل.
5-1 منهجية البحث: Research Methodology
فيما يتعلق بالبيانات، فإنه سيتم استخدام نوعين من البيانات: الأول: بيانات سنوية خاصة بحالة الميزان التجاري وللفترة الزمنية من (2003) إلى (2016)، والثاني: بيانات شهرية خاصة بحالة الميزان التجاري أيضا وللفترة من (2012) إلى (2016) والمقاسة بالدولار إلامريكي، والتي تم الحصول عليها من البنك المركزي العراقي ووزارة التخطيط العراقية الجهاز المركزي للإحصاء. وعلى الجانب الآخر فيما يتعلق بمنهجية الدراسة فقد اعتمد على المنهج الوصفي المقارن لوصف ومقارنة تحليل بيانات السلسلة الزمنية بطريقة بوكس – جينكنز والشبكات العصبية والوصول إلى أفضل نموذج في التحليل.
6-1 حدود البحث: Search Limits
الحدود الموضوعية: تتمثل في دراسة موضوع تحليل بيانات السلسلة الزمنية الخاصة بحالة الميزان التجاري العراقي بالطرق المتمثلة بطريقة بوكس – جينكنز والشبكات العصبية الاصطناعية واختيار النموذج الأفضل وألاكفأ في التقدير.
الحدود المكانية: متمثلة بحالة الميزان التجاري في العراق.
الحدود الزمانية: وقد تمثلت في الفترة الزمنية من بداية عام (2003) حتى نهاية عام (2016).
7-1 خطة البحث: Search Plan
من أجل بيان محتويات البحث، فقد تم تقسيمه إلى ستة فصول: يتناول الفصل إلاول: خلفية عامة ومراجعة لأدبيات الموضوع وأهميته ومشكلة البحث وأهدافه ومنهجية. أما الفصل الثاني: فيتمثل في الجانب النظري للسلاسل الزمنية، ويركز على منهجية بوكس –جينكنز وخوارزميتها في تحليل البيانات إضافة إلى بعض إلاختبارات المستخدمة لجعل السلسة الزمنية متوافقة مع شروط هذه المنهجية. وقد ركز الفصل الثالث على الجانب النظري للشبكات العصبية الاصطناعية، وما هي الشبكات العصبية الاصطناعية؟ وكيفية استخدامها في التنبؤ وخطواتها فضلا عن الاستخدامات الآخرى لها. أما الفصل الرابع فقد ركز على بناء النماذج الإحصائية، وباستخدام الأسلوبين المذكورين أنفا وتقديرها وإيجاد القيم التقديرية الاتجاهية للسلسلة الزمنية. والفصل الخامس فقد اهتم بتقييم القدرة التنبؤية للنماذج الإحصائية المستخدمة في الدراسة ولنوعي البيانات، وباستخدام معايير قياس الدقة التنبؤية المذكورة مسبقا.
وأخيرا يمثل الفصل السادس أهم الاستنتاجات والتوصيات التي توصلت اليها الدراسة. وفي الختام يوضح الملحق طريقة إلامكان إلاعظم المستخدمة في تقدير كل من نموذج الانحدار الذاتي AR، ونموذج المتوسط المتحرك MA، ونماذج الانحدار الذاتي والمتوسط المتحرك معاً ARMA