Predicting Financial Crises with an Intelligent Decision-Making System | ||||
| مجلة تكنولوجيا المعلومات والاتصالات | ||||
| Article 8, Volume 1, Issue 1, January 2025, Page 108-118 PDF (585.69 K) | ||||
| Document Type: المقالة الأصلية | ||||
| DOI: 10.21608/mtic.2025.401836.1000 | ||||
 View on SCiNiTO | ||||
| Authors | ||||
صفاء صبحي إسماعيل  1; عمرو حسن فتوح 2; مها أحمد الخواجة 3
| ||||
| 1قسم علوم الحاسب، كلية العلوم، جامعة الوادي الجديد | ||||
| 2قسم المكتبات والمعلومات، كلية الآداب، جامعة الوادي الجديد، . | ||||
| 3قسم المكتبات والمعلومات، كلية الآداب، جامعة الوادي الجديد | ||||
| Abstract | ||||
| يُعدّ التنبؤ بالأزمات المالية مهمة بالغة الأهمية للمؤسسات المالية، إذ يتيح لها تقييم مخاطر تعثّر الشركات في وقت مبكر، ويسهم في دعم عملية اتخاذ القرارات الاستراتيجية، والحد من الانهيارات المفاجئة التي قد تهدد الاستقرار الاقتصادي. إلا أن النماذج التقليدية للتنبؤ غالبًا ما تُخفق في تحقيق مستويات عالية من الدقة، خاصة عند تطبيقها على مجموعات بيانات متنوعة ومعقدة. في هذا السياق، تقترح هذه الدراسة تطوير نظام ذكي لاتخاذ القرار في مجال التنبؤ بالأزمات المالية، يعتمد على نموذج الشبكات العصبية العميقة (DNN)، يتم تحسينه من خلال خوارزمية "جايَا للتحسين شبه المعاكس" (QOJOA). ويُميز النموذج المقترح بين حالات الأزمة المالية (FC) والحالات التي لا تُشكل أزمة (NFS)، وذلك اعتمادًا على مجموعة من المؤشرات والبيانات المالية. وتستفيد خوارزمية QOJOA من تقنية التعلم القائم على شبه المعاكسة (QOBL)، مما يُسهم في تسريع تقارب النتائج وتحسين كفاءة البحث عن الحلول المثلى. وقد أظهرت التجارب التي أجريت على ثلاث مجموعات بيانات معيارية—وهي: بيانات Analcat، والائتمان الألماني، والائتمان الأسترالي—أن النموذج المقترح (QOJOA-DNN) يتفوق بانتظام على أحدث النماذج في الأدبيات، وفقًا لعدة مؤشرات تقييم مثل الدقة، والاسترجاع. | ||||
| Keywords | ||||
| Financial crisis prediction; Parameter tuning; deep neural network; optimization algorithm | ||||
| References | ||||
|
| ||||
|
Statistics Article View: 68 PDF Download: 27 |
||||
