التنبؤ باتجاهات الأنشطة الاقتصادية باستخدام السلاسل الزمنية والتعلم العميق

الملخص

تُستخدم البيانات المتعلقة بالاقتصاد ومعلومات سوق الأوراق المالية، على نطاق واسع لتمثيل السلاسل الزمنية غير الثابتة. يمر الاقتصاد بمراحل مختلفة، من الركود إلى النمو. يركز هذا المشروع على نماذج تتنبأ بإجمالي المنشآت المضافة في كل نشاط اقتصادي، بحيث يهدف إلى التنبؤ بعدد المنشآت بعد تأثير كوفيد- 19 وتقدير دقة نماذج التنبؤ. تم استخدام نماذج التنبؤ لإجراء تقييم سريع وغير مكلف للعدد الإضافي من المؤسسات الموجودة مما أدى إلى التخفيف من مخاطر الأعمال. تم إجراء البحث على بيانات مستخرجة من قاعدة بيانات وزارة الموارد البشرية والتنمية الاجتماعية. لذلك، سلط التحليل الذي تم إجراؤه الضوء على أربعة أنشطة قيد الدراسة لتحديد التغييرات المهمة، هذه الأنشطة هي البناء والصحة والإقامة وتكنولوجيا المعلومات. في هذه الدراسة، تم اختيار خمسة نماذج سلاسل زمنية وتطبيقها على بيانات الأعمال التي تصف التوسع والركود. بعد تقييم أداء النماذج، يوصى باستخدام نماذج التعلم العميق فيما يتعلق بنهج النافذة المنزلقة للتنبؤ بالقيم قصيرة المدى حيث إنها تؤدي أداءً أفضل من النماذج التقليدية. يتفوق LSTM على النماذج الأخرى لنشاط الصحة بما يساوي 18.22 RMSE وبما يساوي 90.65 لتكنولوجيا المعلومات. حصلت DNN مع طبقتين مخفيتين على أفضل RMSE لأنشطة الإقامة والبناء بما يساوي183.98 و1387.78 على التوالي. يعطي هذا العمل مؤشرًا على أن التنبؤ بالمؤسسات المضافة بشكل عام قد يساعد المستثمرين والشركات في اتخاذ الخيارات الاقتصادية، مثل وقت الاستثمار أو زيادة الإنتاج أو تقليله.