استخدام تقنيات التعلم الآلي لتحليل البيانات الاقتصادية في سورية لدعم القرارات الاقتصادية

الملخص

يستكشف هذا البحث إمكانية تطبيق تقنيات التعلم الآلي وتحليل البيانات لدعم القرارات الاقتصادية في سورية، وخاصة في ظل التحديات والاضطرابات الاقتصادية التي تواجهها. يسلط البحث الضوء على القصور في النماذج الاقتصادية التقليدية التي تعتمد على منهج الاحتمال الأقصى، ويُبرز قدرة التعلم الآلي على التعامل مع البيانات الضخمة وتوضيح أنماط معقدة، وبالتالي تقديم رؤى أعمق وأكثر دقة حول المؤشرات والاتجاهات الاقتصادية.

يتناول البحث ثلاث تقنيات رئيسة للتعلم الآلي وتطبيقاتها على البيانات الاقتصادية السورية بالاعتماد على لغتي برمجة R وبايثون: أولاً: يوضح البحث كيفية استخدام الشبكات العصبية، بما في ذلك نماذج الانحدار الذاتي للشبكات العصبية (NNAR) ووحدات البوابة المتكررة (GRU)، للتنبؤ بالمتغيرات الاقتصادية (معدل التضخم ومؤشر سوق دمشق للأوراق المالية). ثانياً: يوضح البحث استخدام الغابات العشوائية لتحليل البيانات النصية المستخرجة من Google Trends، بهدف التنبؤ باتخاذ القرار الاستثماري في سوق دمشق للأوراق المالية بناءً على أنماط البحث عن الكلمات المفتاحية المتعلقة بالاقتصاد السوري. ثالثاً: يتناول البحث مشكلة التنبؤ في بيئة بيانات عالية الأبعاد، ويقترح استخدام انحدار Lasso مع فرض قيود L1 لتقليص المعاملات واختيار المتغيرات الأكثر تأثيراً على مؤشر أسعار المستهلك (CPI)، مما يزيد من دقة التنبؤ ويقلل من التباين. خلص البحث إلى أن تقنيات التعلم الآلي تُعد أدوات فعالة لتحليل البيانات الاقتصادية السورية المعقدة، وتوفر رؤى قيمة لدعم القرارات الاقتصادية. ويوصي البحث بزيادة دمج هذه التقنيات في عمليات التخطيط والتحليل الاقتصادي في سورية لتطوير نماذج تنبؤية أكثر دقة، مما يسهم في اتخاذ قرارات بالسياسة الاقتصادية أكثر استنارة وفعالية، ويساعد على تخفيف حالة عدم اليقين الاقتصادي.