تقييم طرق التنبؤ بالاستثمار الأجنبى المباشر فى عصر الذكاء الاصطناعى: دراسة حالة مصر | ||||
| المجلة العلمية للبحوث والدراسات التجارية | ||||
| Volume 38, Issue 4, December 2024, Page 983-1019 PDF (831.95 K) | ||||
| Document Type: المقالة الأصلية | ||||
| DOI: 10.21608/sjrbs.2024.330760.1801 | ||||
 View on SCiNiTO | ||||
| Author | ||||
رشا الكردى 
| ||||
| كلية التجارة وإدارة الأعمال ، جامعة حلوان | ||||
| Abstract | ||||
| تهدف هذه الدراسة إلى التنبؤ بتدفقات الاستثمار الأجنبى المباشر فى مصر بالاعتماد على الفترة الزمنية من 1982- 2022، وذلك للوصول إلى أفضل طريقة للتنبؤ بالاستثمار الأجنبى المباشر الذى يتسم بالتقلب المستمر؛ من خلال المقارنة بين سلاسل ماركوف Markov Chain والأساليب التقليدية للتنبؤ (Classical Techniques) والنماذج التنبؤية الحديثة (ARIMA Models, EGARCH) ونماذج الانحدار التنبؤية بالاعتماد على نماذج تعلم الآلهMachine Learning . وقد توصلت الدراسة أن النماذج التقليدية ونماذج ARIMA لا تصلح للتنبؤ بالاستثمار الأجنبى المباشر، أما نماذج Exponential GARCH فشروط تطبيقها لم تتحقق ومن ثم لا يمكن استخدامها فى التنبؤ بالاستثمار الأجنبى المباشر، إلا أن نماذج تعلم الآله والتى منها Decision Tree Models هى النماذج الأفضل من حيث القدرة التنبؤية وجودة النموذج ككل. ومن ثم يمكن الاعتماد على القيم المتنبأ بها من نماذج تعلم الآلة فى وضع الاستراتيجيات المستقبلية، وتهيئة المناخ الاستثمارى الجاذب لهذه التدفقات، ومن هنا يمكن القول بأن الذكاء الاصطناعى استطاع أن يتفوق على النماذج التنبؤية المتعارف عليها سابقا. | ||||
| Keywords | ||||
| الاستثمار الأجنبى المباشر; نماذج تعلم الآله Decision Tree Model; سلاسل ماركوف; نماذج ARIMA; نماذج Exponential GARCH | ||||
|
Statistics Article View: 141 PDF Download: 121 |
||||
