استخدام نماذج التعلم العميق من نوع LSTM المحسّنة بخوارزمية ADAM في التنبؤ بسعر الصرف في سورية
الكلمات المفتاحية:
سعر الصرف، الشبكات العصبية، LSTM، خوارزمية ADAM، التنبؤ الاقتصادي.الملخص
يهدف هذا البحث إلى بناء نموذج تنبؤي دقيق لسعر الصرف الأسبوعي في سورية باستخدام الشبكات العصبية العميقة من نوع الذاكرة القصيرة والطويلة الأجل (LSTM)، المحسّنة بخوارزمية ADAM، استناداً إلى بيانات أسبوعية تغطي الفترة من 2010 حتى أيار 2025. يأتي هذا البحث استجابة لحاجة علمية وعملية ملحة في ظل فشل النماذج التقليدية في التنبؤ الدقيق بسعر الصرف في بيئة اقتصادية تتسم بالتقلب الحاد وعدم الاستقرار النقدي. اعتمدت الدراسة على منهج كمي تحليلي، حيث تم إعداد السلسلة الزمنية لسعر الصرف، وتحليلها إحصائياً من خلال استخراج المؤشرات الوصفية ودوال الارتباط الذاتي والذاتي الجزئي، ثم تدريب نموذج LSTM على 80% من البيانات واختباره على النسبة المتبقية. أظهرت النتائج دقة عالية للنموذج، حيث بلغ معامل التحديد R² على بيانات الاختبار 0.9693، وبلغت نسبة الخطأ المطلق MAPE حوالي 5.74%، مما يؤكد كفاءة النموذج في تتبع الأنماط الزمنية وتحقيق استقرار تدريبي. كما قدم النموذج تنبؤات مستقبلية للأشهر الأربعة الأخيرة من 2025 مع احتساب فترات عدم يقين واقعية تراوحت بين ±1300 و±1500 ليرة حول القيمة المتوقعة. وقد خلص البحث إلى أن نموذج LSTM مع ADAM يُعد أداة فعالة للتنبؤ في سياقات اقتصادية معقدة، ويوصى بتبنيه من قبل مصرف سورية المركزي لتدعيم قرارات السياسة النقدية. كما يُوصى بإجراء دراسات مقارنة مستقبلية مع نماذج أخرى مثل GRU وTransformer لتعزيز نتائج هذا النموذج في بيئات مشابهة.
