Authors الوؤلفوى آفاق اقتصادية Āfāqiqtiṣā مجلة علمية دولية محكمة تصدر نصف سنويا عن كلية االقتصاد والتجارة بجامعة المرقب 50/2017 E-ISSN

النسخ

1 Authors الوؤلفوى آفاق اقتصادية Āfāqiqtiṣā مجلة علمية دولية محكمة تصدر نصف سنويا عن كلية االقتصاد والتجارة بجامعة المرقب 50/2017 E-ISSN ARIMA د. املشاط الصادق عبود قسم االقتصاد/كلية احملاسبة جامعة غراين إقتبس هذه المقالة :)APA( Cite This Article (APA العبووو الوشووال القووا.)8102(. اسووام ام ذوووا ARIMA فووا الاؤبووؤ خالا وومن االقاقا ي فا االقاقا الليبا للفارة ) (. هجلت آفا اقاقا يت. 4]2[.

2 Āfāq iqtiṣādiyy ur E-ISSN: afaq.elmergib.edu.l y في التشبؤ بالتزخم االقترادي في االقتراد الميبي لمفترة ARIMA استخدام نساذج ( ) ABSTRACT Inflation has become one of the biggest problems that pose a major impediment to the economic development of the Libyan economy, and so because it causes serious damage to the economic and social structure this article aimed to build a model capable of to predict economic inflation in the economy of Libyan. and to keep track of its behavior in the future in order to reduce its height and its negative impact on the economy for that purpose. The data was analyzed using Autoregressive Integrated Moving Average models of ( ARIMA). The Box-Jenkins methodology was adopted which combines the Autoregressive (AR) and the moving average(ma) methods which is highly accurate in time series analysis. A practical has been applied to the consumer price index (CPI) as an indicator of inflation in the Libyan economy for 41 years from 1975 to 2015 and using the Statistical Package (STATA and EVIEWS ). The appropriate model Was diagnosed. It shows that the ARIMA (1 1 1) model achieves a higher predictive capacity than ARIMA (1 1 0) according to predictive results accuracy tests and that there is an increasing trend of inflation in the period it was forecast. Keywords: Inflation ACF PACF ARIMA Forecasting AFIQ Āfāqiqtiṣādiyy Journal - Volume 4. Issue 8. June (2)

3 السقدمة : شهدت الفترة السستدة بيؽ عامي ارتفاعا كبير في السدتؾى العام لألسعار في ليبيا وخاصة في الفترة األخيرة وذلػ نغ ار لسا يسر به بمددنا مدؽ عدروق ااترداوية وسياسدية سديتة لبدرت سدمبا عمد اقاترداو الميبدي بحيد كبير يهدو السديرة التشسؾية له ددذا اقاتراو ويدتشزق مؾاروها اقاتراوية. لصبح عائقا ا كدداا ارتفددام السدددتؾى العددام ألسددعار السدددتهم يؽ مددؽ لكبددر العؾامددت التددي كدداا لهددا لبددر سددمبي مباش درة عم د اقاتردداو السحمددي ولمحددد مددؽ ارتفاعدده وتددهبيرس الدددمبي عم د اقاتردداو كدداا قبددد مددؽ تتب د سددمؾ هددذا الستريددر وذلددػ بد ارسددته وتحميد د ددت البياند د ددات الدد د ددشؾية لد د دده لمفت د د درة الدشؾي د د د د د د د د ددة مد د ددؽ خد د ددما اسد د ددتخدام نسد د دداذج ARIMA Autoregressive Integrated Moving Average لمدمست الزمشية التي تجسد بديؽ لسدمؾاي اقنحددار الدذاتي و الستؾسط الستحر لمدمدمة الزمشية والتي تستاز بداه عالية في تحميت الدمست الزمشية والتشبؤ بالتزخؼ اقاتراوي لسا بعد فترة الدراسة. اإلشكالية : عم ضؾء ما سبق سشحاوا مؽ خما هذا الؾراة اإلجابة عمي اإلشكالية الستسثمة في التداؤا العام التالي : ما مدى فعالية استخدام نساذج لريسا ARIMA لمتشبؤ بالتزخؼ فدي اقاترداو الميبدي هدذا التدداؤا يقؾوندا لد طدرح مجسؾعة مؽ األستمة التالية : كيف يسكؽ تظبيق هذس الظريقة لمتشبؤ بالتزخؼ اقاتراوي في اقاتراو الميبي ما مدى واة الشساذج السقدرة لمتشبؤ بالتزخؼ اقاتراوي في اقاتراو الميبي هت التؾاعات الستحرت عميها وفق هذس الظريقة تتؾافق م بعض الدراسات الدابقة أىسية البحث : يعتبددر التشبددؤ مددؽ السؾاضددي التددي ت تدددة لهسيددة كبي درة ذ لن ده يسكددؽ لصددحاا الق درار وواضددعي الدياسددات الحكؾميددة الستعمقة بالتزخؼ مؽ بشاء استراتيجيات ممئسة لسعالجة هذس السذكمة وذلػ بشاء عم التشبؤات الستؾاعة لمتزخؼ في السدتقبت وذلػ باقعتساو عم لهؼ ولحدث األسالية ال سيه السدتخدمة لمتشبدؤ بهي عاهرس ما في السدتقبت. فرضيات البحث : تقؾم الدراسة عم الفرضية الرئيدة اآلتية : "يسكؽ استخدام الشساذج اإلحرائية فدي حدداا التشبدؤات السددتقبمة لمستريدرات اقاترداوية" ويشبثدق عدؽ هدذا الفرضدية الفرضيات الفرعية اآلتية : - هشا مكانية لمحرؾا عم نسؾذج انحدار ذاتي مت امت ذو واه عالية ممئؼ ويسكؽ اسدتخدامه لؾصدف البياندات الخاصة بالتزخؼ. - هشدا مكانيدة لمحرددؾا عمد نسدؾذج انحدددار ذاتدي يسكدؽ اسددتخدامه لمتشبدؤ الددايق بالتزددخؼ خدما الفتدرة ) (3

4 - وجؾو نسط عام بالزياوة في التزخؼ خما الفترة الستشبه بها ". " أىداف الدراسة : تدع هذس الؾراة ل اإلجابة عم التداؤقت الؾاروة بردفة لساسدية فدي شدكالية البحد وذلدػ باإلضدافة لد جسمدة مؽ األهداق تتسثت في اآلتي : وراسة جؾوة التشبؤ وفق طريقة ARIMA لمتشبؤ ووصف الدمست الزمشية. - بشاء نسؾذج لمتشبؤ بالتزخؼ في اقاتراو الميبي. كخظؾة لول لمباحثيؽ في هذا السجاا. - جعت هذا البح تشسية السعرفة في مجاا األسالية العمسية لمتشبؤ اقاتراوي. - ح السؤسدات institutions العامة والخاصة عم ضرورة استخدام األووات العمسية الحديثة في التشبؤ. - محاولة تحدي لسالية التنبؤ المستخومة في وراسة بعض القزايا اقاتراوية. ولتحقيق لهداق البح تؼ تقديسه ل اإلطار الشغري والجانة التظبيقي. أوال : اإلطار الشظري : -1 الدراسات الدابقة Literature Review : عم الرغؼ مدؽ وجدؾو العديدد مدؽ الد ارسدات التدي تشاولدم التزدخؼ اقاترداوي مدؽ ندؾاحي مختمفدة ق لا عددوا امديم مؽ الدراسات تشاولم هذا السؾضؾم بذكت تظبيقي وذلػ باستخدام األسالية القياسية الحديثدة وخاصدة فدي الد ارسدات الستعمقة بالتشبؤ في اقاتراو الميبي ق لا هشا العديد مؽ الدراسات التي تشاولم هذا الجانة في العالؼ مشها : بحثددم و ارسددة ( Buelanc (2012 كيفيددة تددهبير تؾاعددات اتجدداس التزددخؼ فددي السدددتقبت فددي مشظقددة اليددؾرو وفددي سددبيت تحقددق ذلددػ تددؼ اسددتخدام مشهجيدده ARIMA وتددؼ الحرددؾا عمد بمبددة نسدداذج مختمفددة لمنحدددار الددذاتي وتددؼ اسددتخدام معددايير السفاضددمة بيشهسددا واختيددار وو ارسددة الشسددؾذج األفزددت لمتشب دؤات السدددتقبمة لمتزددخؼ وتؾصددمم الد ارسددة ل د لا هشددا اتجدداس مت ازيددد لمتزددخؼ وهددذا التددهبير سددؾق يكددؾا لدده تددداعيات سددمبية مددا لددؼ يقابددت بدياسددات ااتردداوية تجدداس ذلددػ عم مشظقة اليؾرو. هدفم وراسة كت مؽ ) Salam et. al (2007 لي تحديدد الخظدؾات العسميدة التدي يجدة اتخاوهدا قسدتخدام الدمسدت الزمشي ددة الست امم ددة والستسثم ددة ف ددي نس دداذج ARIMA ف ددي الباكد ددتاا تؾص ددمم ه ددذس الد ارس ددة ل ددي وضد د ط ددار لمتشب ددؤ باسددتخدام تمددػ السشهجيددة وذلددػ اسددتشاوا لددي اسددتخدام عيشددة مددؽ التزددخؼ الذددهري عم د السدددى القرددير حي د بيشددم التشبؤات لا هشا ببات في معدقت التزخؼ في السدى القرير. اسدتخدم كدت مدؽ ( Aminu & Anas (2016 نسداذج اياسدية بدديظة ونسداذج اياسدية لكثدر تعقيددا وذلدػ فدي و ارسدة لمتزخؼ اقاتراوي في نيجيريا تؾصدمم هدذس الد ارسدة لد لا اسدتخدام التشبدؤ لمشسداذج القياسدية البدديظة غيدر كافيدة لدراسة التؾاعات السدتقبمية بالتزخؼ بذدكت وايدق ولا هشدا تفدؾم مشهجدي لمشسداذج القياسدية األكثدر تعقيددا والستسثمدة ) (4

5 في نساذج ARIMA حي تؼ الحردؾا عمد نتدائت متؾافقدة مد الد ارسدات الددابقة لهدذس الد ارسدة مدؽ لا هشدا اتجداس متزايد لمتزخؼ في السدتقبت في اقاتراو الشيجيري. اسددتخدمم و ارسددة ( Nazif Çatik (2013 مشهجدديؽ لمتشبددؤ وهسددا م دشهت الذددبكات العرددبية اقجتساعيددة ومشهجيددة اقنح د د د د د د د د د د د د د د د د د دددار الددذاتي الست امددت ARIMA عمد متريددر يحدداوي وهددؾ التزددخؼ اقاتردداوي لتركيددا بددؼ مقارنددة واددة التشبؤ باستخدام السشهجييؽ حي تركيا متفاوت مؽ حي تؾصمم الدراسة ل لا كدم مدؽ السشهجديؽ يذدير لد لا التزدخؼ اقاترداوي فدي اإلتجاس نحؾ الزياوة والشقراا فدي الفتدرة الستشبده بهدا حيد لببتدم لا نسداذج ARIMA تدؾفر لفزت خظؾات لمتشبؤ ق لا نسداذج الذدبكات العردبية اقجتساعيدة لهدا اددرة لكثدر عمد تتبد اقتجداس ال امدت لمتزدخؼ في السدى الظؾيت. حممددم و ارسددة ) Aminu (2016 مجسؾعددة مددؽ السشدداهت السدددتخدمة لمتشبددؤ وذلددػ بهدددق الؾصددؾا لد السشدداهت التددي تعظد لوند حددد مسكددؽ مددؽ لخظدداء التشبددؤ والددذي يعظ د فددي نفددس الؾاددم لفزددت يواء وادددرة لمتشبددؤ حيد تؾصددمم الد ارسدة وااسدتخدام الدراؼ القياسدي ألسددعار لمسددتهمػ لفتدرة 25 سددشة لد لا نسدداذج ARIMA وخظؾاتهدا تعظد يواء عالي ولخظاء تشبؤ لات مقارنة بشساذج التشبؤ األخرى. هدددفم و ارسددة ) Faisal (2012 ل د تحديددد لفزددت نسددؾذج لمتشبددؤ بالتزددخؼ اقاتردداوي فددي بددشرمويش وذلددػ وفقددا لسشهجيددة ARIMA باسددتخدام بيانددات سددشؾية عددؽ الدراؼ القياسددي ألسددعار السدددتهمػ وااسددتخدام التقشيددات اإلحرددائية القياسية تؼ ااتراح نسؾذج انحدار ذاتي مت امت ادد يفيدد صدانعي الدياسدات اقاترداوية فدي السددى الظؾيدت مدؽ وضد استراتيجيات يسكؽ مؽ خملها احتؾاء التزخؼ اآلخذ في الزياوة في السدى الظؾيت. هددفم و ارسدة كدت مدؽ ) Alnaa & Ahiakpor (2011 الدي اسدتخدام نسداذج ARIMA فدي التشبدؤ اقاترداوي فدي اقاتردداو الردداني حتد يددتسكؽ لصددحاا القدرار الدياسددي واقاتردداوي فددي غانددا مددؽ وضد الدياسددات واقسددتراتيجيات السشاسبة وفقا لمتؾاعدات السددتقبمية بالتزدخؼ حيد تدؼ الحردؾا عمد مجسؾعدة مدؽ الشسداذج السختمفدة ل د ARIMA مقدار لذلػ الخظه الذي كداا ا ق لنه بعد احتداا متؾسط األخظاء عشد هذس الشساذج تبيؽ لا الشسؾذج ( )6.1.6 لات واالتددالي كدداا هددذا الشسددؾذج لكثددر الشسدداذج واددة وادددرة عمد التشبددؤ بالتزددخؼ اقاتردداوي فددي غانددا والددذي كاا يتجه فيها لمتزايد. -2 مفيهم الﺘضﺨم أنهاعو أثاره : 1-2 مفيهم التزخم : يعتبر التزدخؼ مدؽ السؾضدؾعات اقاترداوية التدي نالدم اهتسدام كثيدر مدؽ البداحثيؽ وادالرغؼ مدؽ لا اقاترداو الميبدي كريدرس مددؽ اقاتردداويات الشاميددة يعددان مددؽ مذددكمة التزددخؼ والتددي كانددم نتيجددة لعدددة لسددباا مشهددا الغددروق الدياسددية والستسثمة فدي الحردار اقاترداوي الدذي فدر بيؽ اقرتفام واقنخفا عمد اقاترداو الميبدي خدما فتدرة التددعيشات كداا التزدخؼ يتدهرجح حت عام 2011 ونغ ار لسا شهدس اقاتراو مؽ حالة عددم اقسدتقرار الدياسدي واقاترداوي فمقد اتجه التزخؼ ل اقرتفدام ال بيدر بذدكت غيدر متؾاد بحيد ) (5 لصدبح تحدديا كبيد ار لردانعي القدرار فدي اقاترداو

6 السحمد د واددد لوى ارتفاعدده لد د ضددعف الثقددة بالعسمددة السحميددة باإلض ددافة لدد تذ ددؾيه اد د اررات اقسددتثسار واقوخ ددار واإلنتاج وتباطؤ الشسؾ اقاتراوي. يعددرق التزددخؼ بهندده ارتفددام المعوا العام لألسددعار خددما فترة زمشيددة محدددوة ت ددؾا عاوة سددشة واحدددة لو لكثددر يكددؾا اإلرتفددام في اقسددعار واضددحا ومحدؾس دا وشددامم في اقاتردداو بلبدددجساا )1988 ومددؽ هذا نجددد لا حدددوث اهرة التزدخؼ يقتدرا بدهمريؽ يتسثددت األوا فدي اقرتفدام ال بيددر والسمسدؾس في األسدعار والثدداني فدي لا يكدؾا هذا اقرتفددام مستدددا لفت درة مددؽ الددزمؽ ويقدداس التزددخؼ بسقدداييس متعدددوة مددؽ لهسهددا الراددؼ القياسددي ألسددعار المستهم حي د يؤخددذ المتوسددط الترجيحددي قسددعار مجسؾعددة مددؽ السم والخومات السدددتهم ة في البمددد ويدددتخدم كسؤشددر إلعهددار التزددخؼ عمد القددؾة الذدرائية لدددخؾا األفدراو وارتفددام السدددتؾى العددام ألسددعار والخدددمات اقسددتهمكية كددذلػ يدددتخدم المخف الضمني قسعار الناتت المحمي اقجسالي وفي كم الحالتيا تعكس هذس المقاييس السدتؾى العام لألسدعار التي مدؽ خملها يقاس التزخؼ اقاتراوي ).)Bryan& Cecchetti,1993 بد د د د د د د د د د ددالشغر ل األوبيات اقاتراوية يسكؽ التسييز بيؽ مدرستيؽ رئيديتيؽ في تفدير عداهرة التزدخؼ هسدا السدرسدة البشيؾيدة Structural School والسدرسدة الشقديدة Monetary School. حيث رث يشتت عاوة مؽ اقختما الذي يحدث في اقاتراو والشاجؼ عؽ عدم التؾازا بيؽ العدر فهي تركز عم السحدوات والقيؾو التي تؤبر في العر السدرسدة األولد لا التزخد د د د ددؼ ال مد والظمدة ال مد لدذلػ ال م والظمة ال م كسردر لمتزخؼ لمدا السدرسدة الثانيدة فهددي تددرى لا التزددخؼ عدداهرة نقديددة تشددتت عددؽ عدددم التدؾازا بدديؽ عددر الشقددؾو والظمددة عميهددا فزيدداوة عددر الشقددؾو تددؤوي ل د زيدداوة فددي األسددعار السحميددة واالتددالي زيدداوة السدددتؾى العددام لألسددعار وعهددؾر التزخد د د د د د د د د د د ددؼ كسددا لا هشددا مجسؾعددة مددؽ الشغريددات التددي تفدددر لسددباا ح د د د د د د د د د د د دددوث التزددخؼ اقاترد د د دداوي فددي األوا اقاتردداوي مددؽ لهسهد د د د د د دددا تزخد د د د د دؼ الظمة انخفا العر ارتفام ت اليف اإلنتاج واقست د د د د د د د دديراو ) (Friedman, أنهاع التزخم وأثاره : مددؽ لهددؼ لن دؾام التزددخؼ التزددخؼ المفرط والتزددخؼ المكبددؾت والتضخم ال ازحددف و التضخم الحقيقي ويعددد التزددخؼ المفرط م ددؽ اخظ ددر لند دؾام التزدددخؼ حيد د انخفددا ترتفد د اقس ددعار بسعد دددقت كبيرة وت ددزواو فيه سدددرعة ت ددداوا النقوو مقاب ددت كبير في كمية السم المعروضددة حي د ترتف د فيه اقسددعار اقق الس درات وعشدددها تفقددد الووا التي تؾاجدده هذا النوم م د ددؽ التضخم مر د دددااية التعام د ددت في عممتها الؾطشي د ددة واخمي د ددا وووليا ويرغ د ددة اقفراو ف د ددي التخمص مشه د ددا واقحتفددا بهصددؾا ممسؾسددة ب د د د د د د د د د د دددق مددؽ اقحتفددا بددالشقؾو حي د يددزواو الطما عم ش دراء العقارات واقسددتثسارات الممموسددة ويحجددؼ عا اقيدددم في البشددؾ لو اقحتفددا بددهمؾاا سددائمة ولمتزددخؼ ابددهر متعدددوة مددؽ لهسهددا األبددر عم د عدالة تؾزي الدخت ومعدقت الفائدة وعم السيزاا التجاري وعم مذاري التشسية اقاتراوية ) )Roger, مفيهم التشبؤ وأىسيتو وأىدافو : 1-3 مفيهم التشبؤ : يقرد بالتشبؤ بذكت عام بهنه تقدير السجهؾا وخاصة فيسا يتعمق بالحؾاوث السدتقبمية لمتعدرق عمد مددار الغداهرة محددت الد ارسددة فددي السدددتقبت واددذلػ يسكددؽ تعريددم التشبددؤ بهندده محاولددة عقمنيددة لتقدددير الستريدرات السدددتقبمية السحتسمددة مؽ خما معرفة الستريرات الدمؾكية لتمػ الغاهرة بكاعؼ.)2005 ) (6

7 Āfāq iqtiṣādiyy ur afaq.elmergib.edu.l y E-ISSN: بسعش لا التشبؤ يدرس تظؾر الغداهرة مد الدزمؽ بؾصدفه عدامم يغهدر حاصدت تدهبير جسيد العؾامدت السدؤبرة فدي هدذس الغاهرة والتي تترير كسا ونؾعا عبر الزمؽ. 2-3 اليدف من التشبؤ: لا الهدددق مدددؽ التشبدددؤ يبدددرز فدددي اسدددتخدامه فدددي معرفدددة القددديؼ السددددتقبمية لمدمسدددت الزمشيدددة m=1,2,.,n] X] t+m باقعتسددداو عمددد البياندددات السددددجمة فدددي الساضدددي (2009) Andrews Pual & ويعتبدددر التنبو اقاتصادي economic forecasting مددؽ السؾضددؾعات السهسددة حيدد ا التنبد و دد بددالمتريرات اقاتصادية وتفددديرها والتشبددؤ بكيفية سيرها في السدتقبت مؽ العؾامت التي تسكؽ السدؤوليؽ الدياسييؽ واقاتراوييؽ ومتخدذي القرار Decision Makers مدددؽ رسدددؼ السياسددددات اقاتصددددادية واقجتسددداعيددددة لمفترات القادمة (Franses,1998) وادددد يكدددؾا التشبدددؤ ارير األجت ويستد حت سشتيؽ لو متؾسط األجت ليذست مدة ما بيؽ سشتيؽ وخسس سشؾات لو طؾيت األجت ألكثر مؽ خسس سشؾات وهؾ ما يدس بالتخظيط طؾيت األجت. وتددهتي الحاجددة الممحة لمتنبؤ مددؽ عوم معرفتشددا لممستقبا ومدددؽ بددؼ ارتفددام ورجة المخاطددرة في الق ار ارت المتعمقة بددده ولتقميا هذس المخاطدددرة فا ننا نعتسدددد عم تحميدددت سدددير ال التشابه بيؽ الماضي والمستقبا وهذس المعرفة تؤوي ل رف ويكثددر اسددتخدام لووات التنبؤ في بيددانات السمسا الزمنية وذل اهرة في الساضدددي لتحويدددد مممدددح المستقبا ومعرفة ورجة ورجة البقة في الق ارر المتخذ. ألا معغددؼ هذس البيانات بددؼ تجسيعهددا لعددؾاهر خددما فت ارت زمشية في الماضي ول ي تتؼ عسمية التشبدؤ قبدد مدؽ تحديدد الغداهرة السد ارو التشبدؤ بهدا بدؼ و ارسدة حالتهدا الددابقة وذلػ إلمكانية التقدير ومؽ تؼ مكانية رسؼ صؾرة مدتقبمية في السدتقبت وفقا لشتائت التقدير بعدناا هاشؼ 1981(. هشا نؾعاا مؽ لسالية وطرم التشبؤ في اقاتراو al,2002) )Brockwell et. - طرم التشبؤ الشؾعية Qualitative Forecasting Methods طرم التشبؤ ال سية - ويؾجد نؾعاا مؽ نساذج التشبؤ ال سية: Quantitative Forecasting Methods الشسهذج األول: الشساذج القياسية Econometric Models الشسهذج الثاني: نساذج الدمست الزمشية. Time Series Models حي تتظمة جسي الد ارسات التي تددتخدم الدمسدت الزمشيدة بهنؾاعهدا مجسؾعه مؽ الظرم واقختبا ارت اإلحرائية. و ارسدة وتحميدت اقسدتق اررية عدؽ طريدق اسدتخدام اختبار استق اررية الدالسل الزمشية :Time Series Stationary Testing ا تحميت اقستق اررية مؽ لهؼ الستظمبات التي يتؼ مؽ خملها تحديد رتبه الشسؾذج السحدو ويسكؽ التعدرق عمد مدا ذا كانم هذس الدمست مدتقرة لم ق عؽ طريق مجسؾعه مؽ األسالية مؽ لهسها: AFIQ Āfāqiqtiṣādiyy Journal - Volume 4. Issue 8. June (7)

8 التحميل البياني : يتؼ رسؼ الدمدمة الزمشية الخاصة بالسترير مؾض الدراسة عم شكت بياني ويسكدؽ مدؽ خدما هدذا الرسؼ تحديدد مدا ذا كد د د د دداا لهدذس الدمددمة اتجداس عدام لم ق ومشهدا نددتظي تحديدد لا هدذس الدمددمة مددتقرة لم ق فدﺈذا كاا لها اتجاس عام فاا هذا يعش لا الدمدمة غير مدتقرة واالتالي يجة زالة هذا اقتجاس. استخدام االﺨتبارات اإلحرائية : هشا مجسؾعه مؽ اقختبارات اإلحرائية تدتخدم فدي اختبدار اسدتقرار الدمسدت الزمشيدة ومدؽ لهسهدا اختبدارات جددر الؾحدة Unit Root وتظبق الدراسة الحالية عدة اختبارات هي : )) Augmented Dickey Fuller (ADF): Kwiatkowski Phillips Schmidt Shin) ( KPSS ) (Phillips and Perron(PP)) Dickey D. and Fuller W.(1981 اﺨتبار ديكى فهلر السهسع :ADF حي يع ددد اختبدار ADF مدؽ لهدؼ اقختبدارات السددتخدمة واألكثدر شديؾعا قختبدار سدكؾا واسدتقرار الدمس ددت الزمشيدة ) )Dickey & Fuller,1981 ويقدؾم هدذا اقختبار عم السعاولدة التالية ) (Durbin & Koopman,2012 = yt + α0 = yt + α2 t+ α0 = yt + yt 1 + yt 1 + yt 1 ا الشسددؾذج الثدداني يختمددف عددؽ األوا فددي احتؾائدده عمد حددد بابددم Intercept والشسددؾذج الثال د ) (1 ( )2 ( )3 يختمددف عددؽ األوا والثداني فدي احتؾائده عمد حدد بابدم ومتريدر اتجداس زمشدي Intercept and Trend ولتحديدد طدؾا الفجدؾات ) ( السشاسددبة يددتؼ عدداوة اسددتخدام لاددت ايسددة لسعيدداري Akaika information criterion AIC, Schwartz Bayesian criterion SBC واعدد حدداا الفدروم ) ( yt 1 = yt 1 yt 2 والفدروم الثانيدة ( yt 2 = yt 2 ) yt-3 حي لا : yt تذير ل الفرم األوا لمدمدمة الزمشية. yt تذدير لد الستريدر الدذي يدتؼ اختبدار اسدتق اررية الدمددمة الزمشيدة Yt 1 (Yt 1 Yt 2 ), Yt-2 (Yt 2 Yt 3 ),... معمسة السترير الستباطئ و t اقتجاس الزمشي و ولتحديد طؾا الفجؾات الزمشية حد الخظه العذؾائي. السشاسبة يتؼ عاوة استخدام لات ايسة لسعيار SC لو AIC الذي يحدة كسا يمي : SSR ) 2k n ( AIC n log : n عدو السذاهدات في العيشة :SSR مجسؾم مراعات حدوو الخظه :k عدو السعاممت في السعاولة. ت ؾا الفرضيات في اختبار ADF كاآلتي : Vs. H1: β < 0 H0: β = 0 Null Hypothesis= Alternative Hypothesis H0 = H 1 ) (8

9 فدﺈذا كاندم القيسدة السظمقدة إلحرداءة t السحددؾاة ل د اادت مدؽ القيسدة السظمقدة إلحرداءة t الجدوليدة السشداعرة عشدد مدتؾى معشؾيدة معديؽ فدم تدرفض فرضدية العددم القائمدة بداا Yt غيدر سداكؽ فدي مددتؾاس ب ي ا الدمددة الزمشيدة Yt تحتؾي عم جذر الؾحدة) ومعشد هدذا لا هشدا انحددار ازئدف (Mackinnon,1996) Spurious Regression في هدذس الحالدة نقدؾم بتحؾيمهدا لد سمددمه مددتقرة وذلدػ بتظبيدق مرشدح الفدروم األولد First Difference بدؼ نقدؾم باختبار الدمدة الشاتجة فﺈذا لؼ ت ؽ مدتقرة نظبق مرشح الفروم األول مرة بانية ونعيد ال رس مرة لخرى حت تربح الدمدمة مدتقرة ما لذا كانم القيسة السظمقة إلحرائية t السحدؾاة اكبدر مدؽ القيسدة السظمقدة إلحردائية t الجدوليدة فﺈنشددا ن درفض فددر العدددم ومددؽ بددؼ ت ددؾا الدمدددمة الزمشيددة Yt خاليددة مددؽ جددذر الؾحدددة وعشدئددذ ت ددؾا هددذس الدمدددمة مت اممددة مددؽ الدرجددة صددفر لي ) I(0 ويسكددؽ لا نز ديف ل د السعاولددة الدددابقة ح ددد بابتددا intercept واتجدداس عددام Intercept and Trend غيددر لا هددذس القدديؼ الجدوليددة مختمفددة بحدددة السعاولددة السدددتخدمة ومدددتؾى السعشؾيددة السدتخدم (.(Ramona, اﺨتبار فميبس بيرون Phillips-Perron PP: م ددؽ السعم ددؾم لا اختب ددار ) (ADF ا ددام عمد د فرض ددية لا الدمد ددمة الزمشي ددة متؾل دددة بؾاس ددظة عسمي ددة اقنح دددار الذاتد د دي Autoregressive AR بيشسا اخابار PP اائؼ عم فرضدية لكثدر عسؾميدة هدي لا الدمددمة الزمشيدة متؾلددة بواسثة عمليث Autoregressive Integrated Moving Average ARIMA لدذا فدﺈا اخابوار PP لده اددرس اختباريده لفز ددت ولوم حي د د ي ددتؼ حدد دداا حر دداءة PP ومقارنتهد ددا بالقيسد ددة الحرج ددة لد د د د د Mackinnon فد ددﺈذا كاند ددم القيسد ددة السحدؾاة اات مؽ القيسة الحرجة فﺈا الدمدمة غير ساكشه والعكس ) (Phillips & Perron,1988 ـ بجانددة اقختبدداريؽ ADF PP سددؾق ندددتخدم اختبددار KPSS Kwiatkowski,Phillips,Schmidt,Shin والذي يعالت بعض لوجه الزدعف فدي فاعميدة اقختبداريؽ PP ADF فد دي حالدة وجد د د د د د د ددؾو ارتبداط ذاتدي لمتبدايؽ ففدي حالة اتفام نتيجة هذا اقختبدار مد اقختبداريؽ الددابقيؽ تردبح الشتيجدة الستحردت عميهدا لكثدر واده حيد تعتسدد القديؼ اإلحرددائية لهددذا اقختبددار عم د اي د د ددؼ LM statistic مق ددارن د ددة مد اد ديد ددؼ Kwiatkowski-Phillips-Schmidt (Phillips & Perron,1989) Shin -2 دالة االرﺘباط الذاﺘي ACF ودالة االرﺘباط الجزئي : PACF يسكددؽ مددؽ خ ددما مذدداهدة الرسددؼ البيدداني لدددالتي اقرتبدداط الددذاتي والجزئددي وعددؽ طريددق ع د دددو اإل ازحددات وااترابهددا مددؽ الردفر التعدرق عمد ورجدة اسددتقرار الدمسدت الزمشيدة فددﺈذا لدؼ تقتددرا ايستهدا مدؽ الرددفر بعدد اإل ازحددة الثانيدة والثالثددة فاا هذا يعش لا الدمدمة غير مدتقرة بسعش ذا كانم اديؼ الدمددة ضدسؽ فتدرة الثقدة %52 فهدذا يعشد لا الدمددمة مدتقرة وإق فانه يتؼ لخذ الفروم وإعاوة اقختبار مؽ جديد حت تدتقر مؽ جديد. 1-2 دالة االرﺘباط الذاﺘي ( :Autocorrelation function (ACF ا مفهؾم اقرتباط Correlation بيؽ الستريرات معشاس وجؾو عماة بيؽ الستريرات الستدمدمة في الدمدمة الزمشية. xt XT=x1-1 فيقاا لا الستريرات مرتبظة فيسا بيشها. ) (9

10 ويقديس معامدت اقرتبداط الدذاتي Pk ادؾة العمادة باقرتبداط) بديؽ القديؼ السذداهدة X t و X t+k مدؽ السذداهدات لو بديؽ الستري درات العذ دؾائية فددﺈذا كانددم التري درات بالزيدداوة لو الشقردداا فددي لحددد الستري درات لو بعزددها تددؤوي ل د زيدداوة لو نقراا في اآلخر في نفس اقتجاس فيقاا عشدئذ ا اقرتباط مؾجة ولعم ورجة له ( )+1 واا هذا اقرتباط طروي ومؾجة لما ذا كانم الستريرات تترير باتجاس معاكس بحي ا زيداوة لو نقرداا لحدد الستريدرات يدؤوي لد نقرداا لو زيدداوة فددي الستريددر لو الستريدرات األخددرى فيقدداا عشدئددذ ا اقرتبدداط سددالة ولعمد ورجددة لدده ب )-1 لو عكدددي ولا اؾة هذا اقرتبداط تعتسدد عمد ورجدة اقرتبداط الددنيا والعميدا السبيشدة لعمهدا ) (Lütkepohl & Krätzig,2004 وفدي الدمست الزمشية غير العذؾائية هشا تهبير بيؽ القيؼ الستتابعة لمدمدمة الزمشية ويقاس هذا التدهبير عدؽ طريدق معامدت اقرتبدداط الددذاتي Pk فددﺈذا كدداا معامددت اقرتبدداط الددذاتي ب )Yt+k Yt يعتسددد عم د الددزمؽ واتددهخير K فدداا Pk يسكددؽ الحرؾا عميه كسا يمي ) (Meyler et. al,1998 P(Yt Yt+k) = E(Yt Yt+k) E(Yt)E(Yt+k) / Yt Y t+k حي لا : التبايؽ. لما ذا كاا في حالة نسؾذج التريدرات العذدؾائية while Noise Model لمدمددمة الزمشيدة Yt والتدي متؾسدظها µ وتبدايؽ ووالة تبايؽ مذتر K فاا معامت اقرتباط الذاتي Pk يسكؽ الحرؾا عميه كسا يمي : Pk K K 2Y 2-2 دالة االرﺘباط الذاﺘي الجزئي Partial Autocorrelation Function (PACF): تسث ددت وال ددة اقرتب دداط ال ددذاتي الجزئ ددي PACF العما ددة ب دديؽ ا دديؼ متتالي ددة لستري ددر م ددا خ ددما فتد درتيؽ زمشيت دديؽ مختمف دديؽ xt, xt 1 ويرمددز لدالددة اقرتبدداط الددذاتي الجزئددي PKK م د افت د ار ببددات الفت درات األخددرى فسعامددت اقرتبدداط الجزئددي بدديؽ Yt-k Yt يذددير لددي اقرتبدداط بيشهسددا م د استبع د د د د د د د داو ادديؼ Yt األخددرى التددي تق د بدديؽ الفت درتيؽ t t-k. ويسكددؽ صياغة السعاولة الرياضية لسعامت اقرتباط الذاتي الجزئي PKK مؽ معاولة اقرتباط الذاتي ACF كسا يهتي : P11 P1 P22 P33 تعتبددر كددت مددؽ والتددي اقرتبدداط الددذاتي ) (ACF ووالد د ددة اقرتبدداط الددذاتي الجزئددي ) (PACF مددؽ الؾسددائت السهسددة فددي تذددخيص الشسددؾذج السمئددؼ وكددذلػ معرفددة مدددى اسددتقرار الدمسددت الزمشيددة حيد الرفر وم ازوياو فترات اإلزاحة h تشقظ بعدو مؽ فترات اإلزاحة حي نهددا تسيددت مددا لمنحدددار بدددرعة نحددؾ.h = q السشيجية : أوال : مفيووهم نسوواذج أريسووا :ARIMA Model فددي هددذس الد ارسددة سددؾق يددتؼ التركيددز عم د و ارسددة نسدداذج الدمسددت الزمشية والتي مؽ لهسها نسداذج أريووا Autoregressive Integrated Moving Average ARIMA وهدي مدؽ ) (10

11 لهددؼ طددرم التشبددؤ ال سددي وتعتسددد عم د بيانددات الساضددي والسدددتقبت لد ارسددة عدداهرة مددا ومشهددا يسكددؽ الحرددؾا عم د ترؾر مدتقبمي لهذس الغاهرة وكيفية ترير نسط سمؾكها وتهبيرها عم الستريدرات ذات العمادة حيد هدذس البحد تدؼ اقعتسداو فدي عمد مشهجيدة Box Jenkins models ويعتسدد هدذا األسدمؾا عمد مجسؾعدة مدؽ الشسداذج اقحتساليدة التي تدتعست في تسثيت بيانات الدمدمة الخاصة بغداهرة معيشدة وهد مدؽ الظدرم السهسدة ولكثرهدا تقددما وتعقيددا بديؽ الظرم األخرى حي حغيم باهتسد د د د ددام كبير ألفزميتها في اقستعساا وذلػ ألنها لببتم كفاءتهدا ووادة نتائجهدا فدي مجاا التظبيق لجسيد لندؾام وحد دداقت الدمسدت الزمشيدة ) (Box.Jenkins,1970 حيد اشدتهرت هدذس الشسداذج باسدؼ نساذج لريسا ) Autoregressive Integrated Moving Average(ARIMA وتقددم هدذس السشهجيدة وسديمه اؾيدة لحدت ال ثيددر مددؽ السذددكمت الستعمقددة بالدمسددت الزمشيددة وهد تعظد تشبدؤات وايقددة لهددا وذلددػ عددؽ طريددق يجدداو الشسددؾذج األمثت مؽ بيؽ الشساذج السبشية عم الدمست الزمشية وذلػ بالحد األوند لألخظداء وتؾزيعهدا تؾزيد مددتقت (Box ) & Jenkins,1976 ويت دؾا هدذا الشسدؾذج مدؽ ورجدة اقنحددار الدذاتي Auto Regressive الدذي ت دؾا ورجتده ) (P وورجدة الستؾسدظات الستحركدة (q) Moving Average وورجدة الت امدت (d) Integrated و ددسثت الشسدؾذج العدام ) ARIMA (p,d,q وتقددؾم هدذس السشهجيدة التدي طبقهدا كدت مدؽ ) (Gwilyn-Jenkins George Box عمد الدمست الزمشية عام 1970 في صياغتها عم بمبة لجزاء هد د د ددي كاآلتي (Asterious & Hall,2015) : نسهذج االنحدار الذاﺘي ) Autoregressive Model AR(P يحتؾى هذا الشسؾذج عم عدو يداوى p مؽ معمسات اقنحدار الذاتي α والتي يجة تقديرها يتؼ صياغتها كسا يمي : yt = α0 + α1 yt 1 + α2 yt 2+ + αpyt p + et حي : : yt ايؼ السترير السراو التشبؤ به. : α معمسة اقنحدار الذاتي التي يجة تقديرها. pyt p yt 2 yt 1 ايؼ السترير Y السبظئ خما الفترة.T : α0 αp معاممت اقنحدار الذاتي. بابم. Y t-1 لمسذاهدات الدابقة الدمدمة الزمشية. Yt ويذددير نسددؾذج اقنحدددار الددذاتي ) AR(p ل د لا القدديؼ الحاليددة لمستريددر الس دراو التشبددؤ بدده تعتسددد عم د القدديؼ الدددابقة ل ث فسثم اقنحدار الذاتي ) AR(1 يسكؽ صياغته كسا يمي : yt = α0 + α1 yt 1 ويكددؾا شددكت اقرتبدداط الددذاتي ACF لمشسددؾذج ) AR(1 خمدديط مددؽ الذددكميؽ الهشدسددي والددديشي العدددوي حي د اا Pk معاممت اقرتباط الذاتي ق تشعدم عشد ل تهخير لما معاممت اقرتباط الذاتي الجزئي PACF فتشعدم عشد التهخير األكبر مؽ.(Studenmd & Henry,1991).P ) (11

12 - 2 نسهذج الستهسطات الستحركة ( Moving Average Model (MA يقرد بالستؾسط الستحر القيؼ الستتالية لمدمدمة الزمشية والتي تعست عم ب ددالسترير السد دراو التشب ددؤ ب دده واتجاهه ددا الع ددام حيد د لراء الفجؾات بيؽ ايؼ السذاهدات الخاصة تحد ددة ايس دده الخظ دده) ) et بالف ددارم ب دديؽ الفتد درة الحالي ددة والستؾس ددط الستحد د در في الفترة الدابقة. et =et-1 +.et-q بسعش لا الستؾسط الستحر مجسؾعه مؽ التؾليفات لألخظاء العذؾائية الدابقة فسثم فﺈذا كانم القيسة الحالية لمخظه العذؾائي ق تعتسد عم الفترة الدابقة فهذا يعش لا ورجه ) )q=0 لما ذا كاا لمفترة الدابقة تهبير عم الفترة الحاليدة فاا ورجه ) )q=1 وإذا كاا التهبير لفترتيؽ سابقتيؽ فاا ورجة ) )q=2 ويسكؽ صياغة هذا الشسؾذج كسا يمي : : حي لا yt = α + B0 α t + B1 U t 2+ + Bp U t p = α بابم = U الخظه العذؾائي = B معاممت الستؾسط الستحر -3 نساذج االنحدار الذاﺘي الستكاممة مع الستهسطات الستحركة : Autoregressive Integrated Moving Average ARIMA يت ؾا نسؾذج ARIMA الست امدت عشددما يدتؼ وخداا ورجده الفدروم ( (d الخاصدة بالدمددة الزمشيدة الدداكشة ويربد د د ددح الشسددؾذج ) ARIMA (p,d,q حي د تذددير q ل د ورجدده لو رتبدده الستؾسددظات الستحركددة و d ل د ورجدده لو رتبددة الفد د د ددروم و p تذد د د ددير ل د د د د ورجد د د ددة لو رتبد د د ددة اقنحد د د دددار الد د د ددذاتي ويسكد د د ددؽ صد د د ددياغة الشسد د د ددؾذج الست امد د د ددت كد د د دداآلتي : ) :(Oyetunj,1985 yt = α1 yt 1 + α2 yt αpyt p + et-b1 et-2-..bq et-q كسا يسكؽ صياغة الشسؾذج الست امت ) ARIMA (p,d,q لمدمدمة السدتقرة بذكت عام كسا يمي : t ~ mn(0 حي B)mt = p B) d = q B) t لا : p معامت اقنحدار الذاتي. ) : q (B معامت الستؾسظات الستحركة. ) (White Noise التؾزي الظبيعي ويتب الزجة البيزاء t t ~ mn(0. : معالؼ اإلزاحة. : عامت التفريق 1 B ) (12

13 : mt الدمدمة الجديدة. t السذاهدات العذؾائية غير السترابظة. ثانيا : مراحل بشاء الشسهذج لمتشبؤ ) Stages of Building ARIMA 1 Model: ARIMA (p,d,q تتمخص السراحت التي تقؾم عميها هذس السشهجية في السراحت التالية )Asteriou & hall,2015) : -1 مرحمة الفحص والتذخيص : Identification & Diagnostic ا تذخيص نساذج الدمسدت الزمشيدة مدؽ لهدؼ م ارحدت بشداء نسداذج ARIMA وابدت القيدام بتقددير الشسدؾذج لمتشبدؤ فدي فﺈنه يجة وراسة استق اررية البيانات فﺈذا كانم البيانات مدتق د د د د درة في السدتؾى فاا ذلػ يعش لنها مت اممة مؽ الرتبة ( )d=0 لما ذا كانم البيانات غير مدتقرة في السدتؾى فيتؼ معالجتها في الؾسدط بهخدذ الفدرم األوا ( )d=1 وإذا لدؼ تد ددتقر نهخ ددذ الف ددرم الث دداني ( )d=2 لم ددا تحدي ددد رتب دده ك ددت م ددؽ p q ف دديسكؽ لا يك ددؾا ع ددؽ طري ددق ممحغ دده الذ ددكت اقنتذاري لدالتي اقرتباط الذاتي واقرتباط الذاتي الجزئي فدﺈذا حردت تشدازا فدي اقرتباطدات الذاتيدة بردؾرس هشدسدية ل الردفر فداا هدذا وليدت عمد وجدؾو نسدؾذج اقنحددار الدذاتي AR تتحددو ورجتده P مدؽ خدما اقرتباطدات الذاتيدة الجزئيددة والتددي تختمددف معشؾيددا عددؽ الرددفر لم دا ذا كانددم اقرتباطددات الذاتيددة الجزئيددة تتش دازا برددؾرس هشدسدديه ل د الرددفر فه ددذا ي دددا عمد د نسددؾذج MA حيد د تتح دددو ورجت دده لو رتبت دده q مددؽ خ ددما اقرتباط ددات الذاتي ددة ذات الدقل ددة اإلحرددائية لمددا ذا كدداا كمهسددا يهددبط لد د الرددفر برددؾرس هشدسددية فدداا ه ددذا يعشدد لا ه ددذا الشس ددؾذج هددؾ نسددؾذج.ARIMA -2 مرحمة التقدير :Estimation يتؼ تقدير الشسؾذج السمئؼ وذلػ باقعتساو عم ورجات الرتدة الخاصدة بشسدؾذج ARIMA وهدؾ نسدؾذج مكدؾا مدؽ خمدديط مددؽ الرتددة والستسثددت فددي q d p وهددؾ مددا يدددس بددالشسؾذج الست امددت فبعددد مرحمدده التعددرق عم د الشسددؾذج الس دراو تقدديرس يدتؼ تقددير هدذا الشسدؾذج مدا بظريقدة السراعدات الردررى الخظيدة Ordinary Least Squares OLS لو بظريقه السراعات الرررى غير الخظية لو بظريقة اإلمكاا األعغؼ.Maximum Likelihood Method MLM 1-2 اﺨتبارات دقة الشسهذج التشبؤية : اد يؾاجه الباح مجسؾعه نساذج مقبؾلة عشد تحديد رتبه نسؾذج ARIMA باستخدام وواا اقرتباط الدذاتي واقرتبداط الددذاتي الجزئددي األمددر الددذي يتظمددة السفاضددمة بيشه دا ولمقيددام بددذلػ هشددا مجسؾعددة مددؽ السعددايير اإلحرددائية لمتقيدديؼ Evaluation Criteria تداعد عم تمػ السفاضمة مؽ لهسها (Lütkepohl & Krätzig,2004) : معيار معمهمات أكاكي ) : Akaike Information Criterion (AIC ويهخذ الريرة اآلتية : AIC = 2 log (maximum likelihood)+ 2k حي K تسثت عدو معمسات الشسؾذج وتداوي 1+p+q وف حاله عدم وجؾو بابم فﺈا K=p+q : معيار السعمهمات البيزي ) : Bayesian Information Criterion (BIC ويهخذ الريرة اآلتية : ) BIC = 2log(maximum likelihood) + k log(n ) (13

14 3-1-2 الجووذر الترعيعووي لستهسووا مرععووات الخط و :Root Mean Square Error RMSE ويسكددؽ يجدداوس بالريرة التالية : /n n 2 t et = RMSE t 1 وهؾ يدتخدم في حاله السقارنة بيؽ القدرة التشبؤية لسجسؾعة مؽ الشسداذج والشسدؾذج األكثدر اددرة عمد التشبدؤ هدؾ الدذي يحقق اات ايسه لهذا السعايير متهسا القيم السطمقة لمخط :Mean Absolute Error MAE ويسكؽ يجاوس بالريرة التالية : n MAE = et / n t 1 حي = et القيؼ السظمقة لمخظه =n حجؼ العيشة متهسا ندب القيم السطمقة لمخط et } :Mean Absolute Percentage Error {MAPE ويسكؽ يجاوس بالريرة التالية : n MAPE= ( et / y t ) / n t 1 حي =n حجؼ العيشة = et القيؼ السظمقة لمخظه معامل عدم التداوي لثايل (M.B,1992) Theil's Inequality Coefficient t,izrach ذا كانم ) (Theil's = 0 فهذا يعش ذا كانم ) (Theil's = 1 فهذا يعش - ذا كانم ) (Theil's = 0 فهذا يعش ا هشا ادرة تشبؤيه عالية. ا ببات ايسه السترير التاب عبر الزمؽ. ا هشا ادرس تشبؤيه ضعيفة. وتدددتخدم هددذس اقختبددارات لسعرفددة القددؾة التشبؤيددة لمشسددؾذج السدددتخدم وكمسددا امددم ادديؼ هددذس السقدداييس كمسددا كدداا الشسددؾذج السدتخدم لكثر واة وادرة في التشبؤ. 2-2 اﺨتبار صالحية الشسهذج :Diagnostic Checking of the Model يتؼ اختبار الشسؾذج ومدى صدمحيته لتسثيت البيانات الدمدمة الزمشية مؽ خما اقختبارات التالية (Green,2003) : اختبار( )t- Statistic حي يتؼ عؽ طريق هذا اقختبار التحقق مؽ معشؾية معدالؼ الشسدؾذج حردائيا بحيد ق تختمف عؽ الرفر. تحميت البؾااي Résiduels Analysis وهي : اختبار( )Ljung- Box حي اختبار ( )Jarque- Bera حي يتؼ عؽ طريق هذا اقختبار التحقق مؽ وجؾو اقرتباط الذاتي مؽ عدمه. يتؼ عؽ طريق هذا اقختبار التحقق مؽ ا لمبؾااي et تتؾزي طبيعيا ام ق. اختبار استق ارريه الشسؾذج عؽ طريق جذور الؾجد الستعدو ) (Dickey & Fuller,1981 ) (14

15 -3 مرحمة التشبؤ :Forecasting ا مرحمدده التشبددؤ هددي الخظددؾة األخي درة مددؽ خظ دؾات و ارسددة وتحميددت بيانددات الدمسددت الزمشيددة والهدددق األسدداس لهددذا البحد فبعددد التهكددد مددؽ صددمحية الشسددؾذج تددهت مرحمددة اسددتخدامه لسعرفدده القدديؼ السدددتقبمية لمغدداهرة مؾض د الد ارسددة لمفت درة الس دراو التشبددؤ بهددا حي د يددتؼ اسددتخدام التشبددؤ بددﺈحما القدديؼ الحاليددة والدددابقة لمستريددر التدداب yt والب دؾااي et كقدديؼ تقديريدده إليجدداو الخظدده وذلددػ لمحرددؾا عم د القدديؼ السدددتقبمية األول د الستشبدده بهددا Yt-1 لفت درة زمشيددة واحدددة وهكددذا بالشدبة لمفترات التالية. ثانيا : الجانب التطبيقي : سؾق يتؼ تظبيق جسي األسالية التي تؼ التظرم ليها فيسا سبق وذلػ بهددق بشداء نسدؾذج ذو اددرة ووادة عاليدة عمد التشبؤ بالتزخؼ في ليبيا استشاوا ل بيانات التزخؼ لفترة الدراسة وقستخدام نسؾذج ARIMA قبد مؽ التهكد مدؽ استق ارريه البيانات الخاصة بالتزخؼ اقاتراوي. شكل ) (1 الوؤحؤا الااريما واالتجاه العام للا من فا الفارة ) ( ciplay years يتزح مؽ الذكت راؼ ( )1 ا الدمدمددة الزمشية تتزايد مد الدزمؽ مسدا يددا عمد وجدؾو اتجداس عدام وهدذا يددا عمد لا الدمدددمة الزمشيددة غيددر سدداكشة وهددذس يتظمددة لخددذ الفددروم األولد لمدمدددمة الزمشيددة لتدددكيؽ الدمدددمة واعددد اا تدؼ لخددذ الفددروم األولددي لمدمدددمة ت ددبيؽ لا اقتجدداس العددام اددد تمشد والددذي يعشد سددكؾا الدمدددمة عشددد الفددروم األولددي كسددا فددي الذكت راؼ(.)2 ) (15

16 Āfāq iqtiṣādiyy ur E-ISSN: afaq.elmergib.edu.l y ) الفروم األولي لمدمدمة الزمشية 2( الذكت راؼ dciplay time series after take 1st differences years يتبديؽ لا بعدض ) حيد 3( تؼ استخدام اختبار الدكؾا عؽ طريق الرسؼ لمرتباط الذاتي كسا هؾ مؾضح بالذكت راؼ. ( البيانات no Stationary ) ايؼ اقرتباط تق خارج حدوو الثقة ليدا عم عدم سكؾا ) function of ACF( ( والة اقرتباط الذاتي 3( الذكت راؼ Lag Bartlett's formula for MA(q) 95% confidence bands. جراء الفروم ل ي تربح ساكشه تهكد لا البيانات بحاجة ل PACF و ACF ( لدالتي 1( مؽ خما الجدوا راؼ ) function of ACF and PACF ( PACF و ACF ( والتي 1) الجدوا راؼ Date: 10/22/17 Time: 06:39 Sample: Included observations: 41 AFIQ Autocorrelation Partial Correlation. ******. ******. *****. ****. ****. ***. ***. **. **. *.. ****** AC PAC Q-Stat Prob Āfāqiqtiṣādiyy Journal - Volume 4. Issue 8. June (16)

17 Āfāq iqtiṣādiyy ur E-ISSN: afaq.elmergib.edu.l y. *.. *.. * السعدلة لا بيانات الدمدمة ساكشه PAC و ACF ) و ايؼ معاممت 2( بعد لخد الفروم األول يتبيؽ مؽ الجدوا راؼ. ) ألا جسي ايؼ اقرتباط الذاتي تق واخت حدوو الثقة Stationary( بعد اﺨذ الفروق PACF و ACF ( دالتي 2) الجدول رقم Date: 10/22/17 Time: 06:37 Sample: Included observations: 40 Autocorrelation. **. **. **. *. **. Partial Correlation. **. *.. *.. *.. * AC PAC Q-Stat Prob واددد اتزددح مددؽ خددما تمددػ تددؼ اسددتخدام اقختبددارات اإلحرددائية لمتهكددد مددؽ سددكؾا الدمدددمة ولمتهكيددد عمد مددا سددبق : التالية ويتزح ذلػ مؽ جدوا اقختبارات سكؾا الدمدمة بعد اخذ الفروم األول لها Table (3): Augmented Dickey Fuller ( ADF) Unit root tests for level and first differences 10% critical value 5% 1% Level 1st difference ADF test ADF test Intercept Constant and Trend Ciplay Null Hypothesis: CIPLAY has a unit root Null Hypothesis: D(CIPLAY) has a unit root AFIQ Āfāqiqtiṣādiyy Journal - Volume 4. Issue 8. June (17)

18 Table Num (4) Phillips-Perron (PP) test statistic Unit root tests for level and first differences 1st difference ciplay Intercept Constant and Trend critical value Level PP test PP test % % % Null Hypothesis: CIPLAY has a unit root Null Hypothesis: D(CIPLAY) has a unit root Table Num (5) Kwiatkowski-phillips-schmidt-shin (KPSS) test statistic Unit root tests for level and first differences 1st difference KPSS test Intercept Ciplay Constant and Trend critical value Level KPSS test % % 10% Null Hypothesis: CIPLAY has a unit root Null Hypothesis: D(CIPLAY) has a unit root مددؽ خ د د د د د د د د د د د د د ددما الجددداوا راددؼ ب )5 4 2 يتبدديؽ لا ايسددة حردداءة ) (t فددي اختبددارات جددذور الؾحدددة الدددابقة لمدمدددمة الدابقة اات مؽ القيؼ الحرجة عشد مدتؾى معشؾية %5 و %1 وكذلػ %10 لذلػ نقبت فدر العد د د د د د د دددم القائدت بؾجدؾو جددذور الؾحدددة فددي الدمدددمة الزمشيددة لمتزددخؼ والددذي يعشد لا الدمدددمة غيددر سدداكشة واد د ددسا لا مشهجي د د د د د ددة ARIMA تق د د د د د د د دؾم عم مبدل سكؾا الدمدمة الزمشية ل د د د د د د ددذا فﺈنشا نقدؾم بﺈيجد د د د د د د د د د دداو مرشد د ددح الفدروم األولد لمدمددمة قخ د د د د د د د د د ددتبار ب )ADF,PP,KPSS والتي تبيؽ لا ايسة حراءة ) )t لكبر مؽ القديؼ الحرجدة ع ددشد مددتؾى معشؾيدة %1 %%10 %5 لثثكل نددرفض فددر الع د د د ددم الددذي يددشص عم د وج د د د د د د د د د ددؾو جد د ددذر الؾحدددة فددي الدمدددمة الزمشيددة والددذي يعش د لا الدمدددمة الزمشيددة لمتزددخؼ سدداكشة عشددد الفددرم األوا وهددذا يد د ددؤكد الشتددائت التددي تددؼ التؾصددت ليهددا فيسد د ددا سددبق مددؽ و ارسددة األشكاا البيانية ووواا اقرتباط الذاتي وه لا الدمدمة ساكشة عشد d=1. مرحمة الفحص والتذخيص :Identification & Diagnosis إا الهد د د د د د د د د دددق األسدداس فددي هددذس السرحمددة هددؾ التعددرق عم د الشسددؾذج السبدددئي Identification لتذخيردده وذلددػ لؾصف الدمدمة محت الد ارس د د د د ددة حي تؼ تظبيق معايير التذخيص التي تعتس د د ددد عم شك د د ددت مشحش وال ددة اقرت ددباط ACF وشكددت مشحش والده اقرتبداط الجزئدي PACF وعشدد مظابقدة اديؼ معداممت اقرتبداط الدذاتي واقرتد ددباط الدذاتي الجزئددي لمدمدددمة الزمشيددة واعددد ألخددذ الف د ددروم األول د ومددؽ خ دما الذددكت راددؼ ) (2 يسكددؽ ترشي د د ددح الشسدداذج التاليددة ) ARIMA (1,1,0) ; ARIMA (1,1,1 لتحميت هذس الدمدمة ومؽ تؼ القيام بالتشبؤ. ) (18

19 مرحمة التقدير :Estimation بعد د د د ددد مرحمدده التع ددرق عم د الشس ددؾذج السددراو تق ددديرس تهتد د د مرحم ددة التق دددير التددي ت ددؼ فيهددا استخد د دددام طريقدددة السراع ددات الرددررى الخظيد د ددة orderly Least square OLS وطبقددا لشتددائت اختبددارات الداددة التشبؤيددة الستحرد ددت عميهددا بالج د دددوا راددؼ ) (5 يسكددؽ السقارنددة بدديؽ الشسددؾذجيؽ ) ARIMA (1,1,0) ; ARIMA (1,1,1 ومعرفددة لي مددؽ الشسؾذجيؽ له اكبر واه وادرته عم التشبؤ. جدول ) (6 اﺨتبارات الدقة التشبؤية لشساذج ARIMA 0) 1 ARIMA(1 1) 1 ARIMA(1 ) Model Order (P Adj SSE AIC SBC MAPE MAE RMSE BIC THEIL U مسد د د د د د د ددا سددبق نمحددق لا ااددت ايسددة لسعددايير السفاضددمة لشسدداذج ARIMA هددي التددي يترددف بهددا الشسددؾذج ب )0 0 0 وبالرثثالف نثثاو جمثثوكد ا جحثثتا الثثكارف المر ام ث ) ARIMA (1,1,1 قثثت حقددق واددة تشبؤيددة أ ث ث عجثثت المةا ج ث م ث جــثثـموكد ) ARIMA (1,1,0 واالتددالي فدداا الشسددؾذج ) ARIMA (1,1,1 هددؾ الشسددؾذج السمئددؼ والددذي يسكددؽ استخدامه لؾصف البيانات والتشبؤ. تددؼ تقدددير الشسددؾذج ) ARIMA (1,1,1 وفددق طريقددة السراعددات الرددررى OLS وتددؼ الحرددؾا عمد الشتددائت كسددا هددؾ مؾضح بالجدوا راؼ (.)7 الجدول رقم ) (7 نتائج ﺘقدير ) (OLS لمشسهذج ) ARIMA (1,1,1 OPG 2 R ] Intervall [95% conf. p>z Z Std. Err Coef حي Dciplay ciplay _cons ar L1. ma L1. /sigma يكؾا صياغة السعاولة السقدرة كسا يمي : = ciplayt μt-1 ciplayt ) (19

20 -3 اﺨتبار صالحية الشسهذج Diagnostic Checking of the Mode: يتؼ اختبار صمحية الشسؾذج لتسثيت بيانات الدمدمة الزمشية ومدى ادرته عم التشبؤ مؽ خما اقختبارات التاليد د د د ددة : - تددؼ جدراء اختبددار t-statistic وذلددػ لمتحقددق مددؽ معشؾيددة معددالؼ الشسددؾذج حرددائيا بددحي ق تختمددف عددؽ الرددفر فسددؽ خدما الشتددائت الستحرددت عميهددا مددؽ الجدددوا ) (7 نمحددق لا معمسددة اقنحد د دددار الددذاتي AR ومعمسددة الستؾسددظات الستحركة MA تختمف عؽ الرفر وذلػ عشد مدتؾى معشؾية 0.05 وذلػ باقعتساو عم ايسدة P.value ومقارنتهدا بسدتؾى معشؾية 0.05 ندتشتت لا هاتيؽ السعمستيؽ ذات وقله حرائية. - تؼ جراء اختبار البؾااي لمشسؾذج السختدار ) ARIMA (1,1,1 بياجيثا وكلث مثو ثس سثة تالث ا ربثاة الثكارف APF ووالة اقرتباط الذاتي الجزئي PACF وذلػ لمتحقق مؽ وجؾو اقرتباط الذاتي مؽ عدمه. الجدول رقم ) (8 اﺨتبار البهاقي لمشسهذج السختار ) ARIMA (1,1,1 ) Sample: ( ) Q-statistic probabilities adjusted for 1 ARMA term(s Prob Q-Stat PAC AC Partial Correlation Autocorrelation **. **. **. **.. *. مدؽ خددما الجددوا راددؼ ب )8 يسكددؽ اسدتشتاج لا الشسددؾذج ق يعددان مدؽ مذددكمه اقرتبدداط الدذاتي ذ لا لغمبيددة معدداممت اقرتبدداط الددذاتي والجزئددي لمبد د د دؾااي تقد ضددسؽ حد د د د د دددوو الثقددة %52 واخددت ) (SPIK ولمتهكددد مددؽ عدددم وجددؾو اقرتبدداط الذاتي تؼ استخدام اختبار (Ljung- Box). ) Table Nur (9) Serial correlation (LM Breusch-Godfrey Serial Correlation LM Test: ) ( ) Prob. F( F-statistic ) Prob. Chi-Square( Obs*R-squared

21 م د د د ددؽ خدما الجددوا رادؼ ب )5 نمحدق لا ايسدة P.value لكبدر مدؽ مددتؾى السعشؾيدة %2 والدذي يؤكدد خمدؾ الشسدؾذج السختار مؽ اقرتباط الذاتي كدذلػ تدؼ جدراء اختبدار التؾزيد الظبيعدي لمبدؾااي اختبدار Jarque- Bera لسعرفدة مدا ذا كانم البؾااي تتؾزم طبيعي لم ق مؽ خما الذكت راؼ ب.)4 مؽ الشتائت السرفقة نمحد د د د د ددق لا القيسة اا P.value اقحتسالية هي ب )1.162 وه اكبر مؽ مدتؾى معشؾية ) (0.05 والذي يعش ابؾا فر العدم القائت باا البؾااي تتب تؾزي طبيعي وهذا واضح مؽ الذكت البياني راؼ ).(4 الذكل البياني رقم ) (4 التهزيع الطبيعي لمبهاقي الﺨتبار Jarque- Bera 14 Series: Residuals Sample Observations e Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis Jarque-Bera Probability وفي الشهاية تؼ اختبار استق اررية الشسؾذج السختدار) ARIMA (1,1,1 عدؽ طريدق جدذور الؾحددة الستعددو فسدؽ خدما الجدوا راؼ ) (10 يسكؽ ممحغة لا جسي الجذور لات مؽ الؾاحد وهذا يعش ا الشسؾذج السقدر مدتقر. لجدول رقم ) (10 اﺨتبار جذور الهحدة الستعدد ) Inverse Roots of AR/MA Polynomial(s Sample: Included observations: 40 Cycle Modulus ) AR Root(s No root lies outside the unit circle. ARMA model is stationary. Cycle Modulus ) MA Root(s No root lies outside the unit circle. ARMA model is invertible. ) (21

22 ومؽ خما الذكت البيداني رادؼ ) (5 يسكدؽ ممحغدة لا جسيد الجدذور تقد واخدت الددائرة األحاويدة مسدا يؤكدد سدتق اررية نسؾذج )).ARIMA (1,1,1 الذكل البياني رقم ) (5 الدائرة األحادية لجذور الهحدة الستعدد لمشسهذج السقدر ) Inverse Roots of AR/MA Polynomial(s AR roots MA roots التشبؤ : Forecasting يع د د د دد التشبددؤ مددؽ األهددداق األساسددية ألي وارسددة تخددتص بتحميددت الدمسددت الزمشي دة وف د هددذس الد ارسددة والتددي هدددفها األساسددي التشبددؤ لو التعددرق عمد اتجدداس التزددخؼ الستؾاد تددؼ التؾصددت مددؽ خددما و ارسددة الس ارحددت الدددابقة لد مكانيددة اسددتخدام نس د د د د د د د د د د ددؾذج ) ARIMA (1,1,1 لمتشبددؤ وذلددػ بعددد عسميددات الفحد د ددص والتذددخيص الت د بيشددم لندده نسددؾذج يتست بدادة واددرة تشبؤيدة عاليدة جددا واعدد ذلدػ تدهت الخظدؾة التاليدة وهد اسدتخدام الشسدؾذج السقددر وحدداا التشبدؤات السدددتقبمية لمتزددخؼ اقاتردداوي ولسدددس عذددر سددشؾات واسدددتؾى معشؾيددة ويؾضددح الجدددوا راددؼ ) (11 القدديؼ السدتقبمية لمتزخؼ اقاتراوي وذلػ مؽ عام ) (2016 وحت عام ).(2025 الجدول رقم ) (11 القيم السدتقبمية لمتزخم االقترادي ) ( ) Consumer price index (CPI السنوات القيم المتنبأ بها الذكل رقم ) (5 الفترة الزمشية لمتزخم الستهقع او الستشب بيا ± 2 S.E. ) ( CIP LA Y F

23 الذكل رقم ) (6 الفترة الزمشية لمتزخم قبل وععد التشبؤ CIP LA Y CIP LA Y F الخاﺘسة : فددي هددذس الؾراددة تددؼ تبددام الخظدؾات الرئيدددية لمتشبددؤ وفقددا لسشهجيددة لريسددا وااسددتخدام بيانددات مؤشددر لسددعار السدددتهم يؽ مؽ 1975 ل 2015 وتؼ التؾصت ل مجسؾعة مؽ الشتائت والتؾصيات التالية : أوال : الشتائج : -1 لا البيانددات الخاصددة بالتزددخؼ اقاتردداوي ق تخز د لشسددؾذج محدددو ول ددؽ تددؼ تحديددد الشسددؾذج ب )0 0 0 ل ؾندده ار حي الشسؾذج األكثر استقر ا -6 لا هشددا كاا الشسؾذج معشؾي بحدة اختبارات الداة السعشؾية. مكانيدده قسددتخدام الشسددؾذج السحدددو لمتشبددؤ بالتزددخؼ فددي اقاتردداو الميبددي وذلددػ حدددة اختبددارات الداددة التشبؤية لشساذج.ARIMA -5 باقعتساو عم نتائت التحميت اإلحرائي لبيانات التزدخؼ اقاترداوي لماترداو الميبدي والستدؾفرة لمفتدرة ب والقيؼ التشبؤية عم مدي عذر سشؾات ندتشتدت ا هشا نسظا عاما متزايد لمتزخؼ خ د د د د د د ددما الفترة الستشبه بها وه تتفق م نتائت الدراسات الدابقة التي تعرضم لها الؾراة البحثية. ثانيا : التهصيات : مؽ خما الشتائت التي تؼ التؾصت ليها فيسا سبق نؾص باقتي : - ا ت ددؾا هشددا و ارسددات يخددري تدددرس التزددخؼ اقاتردداوي الستؾاد وويشاميكيتدده فددي التددهبير عم د بعددض متري درات اقاتراو ال م الستعدوة. - وض د د د د د سياسات ااتراويه ممئسة تعست عم بقداء التزدخؼ تحدم الديظ د د د د د د درة ومحاولدة تمفد اقرتفدام الستؾاد لمتزخؼ في السدتقبت. ا ت ددؾا هش ددا ش ددفافية عالي ددة ف ددي وضد د الدياس ددات اقاتر دداوية بذ ددكت ي ددتمءم مد د الؾضد د الح ددالي والسد ددتقبمي لماتراو الؾطشي. ) (23

24 Āfāq iqtiṣādiyy ur afaq.elmergib.edu.l y E-ISSN: الس ارجع: لبدددجساا مايكددت 1988 الريا. اقاتردداو ال مددي: الشغريددة والدياسددة ترجسددة وتعريددة ص بدد ارهيؼ مشرددؾر وار السددري لمؾري ىاوي كاعؼ مقدمة في القياس اقاتراوي وار ابؽ األبير لمظباعة والشذر جامعة السؾصت عدناا هاشؼ 1981 لسالية التشبؤ اإلحرائي طدرم وتظبيقدات جامعدة البردرة مظبعدة وار الحكسدة فدي البردرة 1990 ص Alnaa S. E. & Ahiakpor F. (2011). ARIMA (autoregressive integrated moving average) approach to predicting inflation in Ghana. Aminu M M Anas K 2016) APPLICATION OF BOX INFLATION DYNAMICS OURNAL OF ARTS AND SOCIAL SCIENCES (IJASS) Volume 2 No.1 May/June Asteriou D. & Hall S. G. (2015). Applied econometrics. Palgrave Macmillan. Box G. and G. Jenkins Time Series Analysis: Forecasting and Control Holden Day: San Francisco. Box G Jenkins G (1970) ''Time Series Analysis Forecasting and Control San Francisco: Holden-Day. Box G. E. P. and G. M. Jenkins Time series analysis: forecasting and control Holden-Day. Brockwell Peter J. and Richard A. Davis Introduction to time series and forecasting. 2nd ed. Springer texts in statistics. New York: Springer. Bryan M. F. & Cecchetti S. G. (1993). The consumer price index as a measure of inflation (No. w4505). National Bureau of Economic Research. Buelens C. (2012). Inflation Forecasting and the Crisis: Assessing the impact on the performance of different forecasting models and methods. Economic Papers European Commission Directorate-General for Economic and Financial Affairs Publications B Brussels Belgium Cecchetti S I f ti I dic t rs d I f ti P icy in B. Bernanke and J. Dickey David A. and Wayne A. Ful er Distributi f the Estimators for Autoregressive Time Series with U it R t. ur f the American Statistical Association 77 (366): Dickey D. and Fuller W.(1981) 'The likelihood Ratio Statistics for Autoregressive Time Series With a unit Root" Econometrica n49: pp Durbin J. & Koopman S. J. (2012). Time series analysis by state space methods (Vol. 38). OUP Oxford. Faisal F. (2012). F rec sti g B g desh s I f ti Usi g Time Series ARIMA Models. World Review of Business Research 2(3) AFIQ Āfāqiqtiṣādiyy Journal - Volume 4. Issue 8. June (24)

25 Āfāq iqtiṣādiyy ur afaq.elmergib.edu.l y E-ISSN: Franses P. H. (1998). Time series models for business and economic forecasting. Cambridge university press Rotemberg (eds.) NBER Macroeconomic Annual 1995 MIT Press: London. Friedman Milton. R.(1977) "Nobel lecture: inflation and unemployment." Journal of political economy 85.3 (1977): Lütkepohl H. & Krätzig M. (Eds.). (2004). Applied time series econometrics. Cambridge university press. MacKinnon J. G. (1996). Numerical distribution functions for unit root and cointegration tests. Journal of applied econometrics Meyler Aidan and Kenny Geoff and Quinn Terry (1998): Forecasting irish inflation using ARIMA models. Published in: Central Bank and Financial Services Authority of Ireland Technical Paper Series Vol No. 3/RT/98 (December 1998): pp Meyler Aidan Kenny Geoff and Terry Quinn F rec sti g Irish i f ti usi g ARIMA m de s Ce tr B k d Fi ci Services Auth rity f Ire d Technical Paper Series 3/RT/98: Mizrach B. (1992). The distribution of the Theil U-statistic in bivariate normal populations. Economics Letters 38(2) Nazif Çatik M. K 2013 A comparative analysis of alternative univariate time series models in forecasting Turkish inflation Vilnius Gediminas Technical University Oyetunj O.B.1985 Inverse Autocorrelations and Moving Average Time Series Modelling Journal of Official Statistics 1 (1985) Paul S.P. Cowpertwait& Andrew V. Metcalfe (2009) I tr duct ry Time Series With R Springer Science+Business Media. Phillips P. C. & Perron P. (1988). Testing for a unit root in time series regression. Biometrika 75(2) Phillips P. C. & Perron P. (1989). Testing for a unit root in time series regression. Biometrika 75(2) Roger S. (1998). Core inflation: concepts uses and measurement. Salam Muhammad A. Shazia Salam and Mete Feridu M de i g and F rec sti g P kist s I f ti by Usi g Time Series ARIMA M de s. Economic Analysis Working Papers 6: Studenmd A.H and henry J.Cassidy UsingEconometrics A practical Guide 2nd Ed Harper Collins publisher 1991 p 589. William H. Greene "Econometric Analysis" 5th Edition Prentice Hall New Jersey USA Ramona Sinoha-Lopete (2004) Exp rted-led Gr wth i S uther Afric Unpublished M.SC. Thesis Department of Economic U S.S Southern Africa. AFIQ Āfāqiqtiṣādiyy Journal - Volume 4. Issue 8. June (25)