DOI: https://doi.org/10.19139/soic-2310-5070-3838
تاريخ النشر: 2026-06-01
المؤلف: Sulaiman Hussien Jawad وآخرون
الموضوع الرئيسي: طرق التنبؤ بسوق الأسهم
نظرة عامة
تدرس هذه الدراسة الديناميات المالية للاقتصاد العراقي، مع التركيز بشكل خاص على العلاقة بين أسعار النفط وفائض أو عجز ميزانية الحكومة. تسلط الضوء على قيود النماذج الاقتصادية التقليدية، مثل ARDL و NARDL، التي تكافح لالتقاط الاعتماد الزمني غير الخطي والمعقد المتأصل في هذه العلاقة. تستخدم البحث تحليلًا مقارنًا لمجموعة من نماذج التنبؤ، بما في ذلك ARDL و NARDL و LSTM و 1D-CNN ونموذج هجين 1D-CNN-LSTM، باستخدام بيانات شهرية من 2008 إلى 2025. تؤكد النتائج وجود علاقة توازن طويلة الأجل بين أسعار النفط والنتائج المالية، حيث يكشف نموذج NARDL عن آثار غير متكافئة لصدمات أسعار النفط.
أظهر نموذج 1D-CNN-LSTM الهجين أداءً تنبؤيًا متفوقًا، محققًا أقل خطأ جذر متوسط المربعات (RMSE) خارج العينة بمقدار 4.008 وأعلى دقة اتجاهية (DA) بمقدار 0.636. كما أكد اختبار ديبولد-ماريانو فعالية النموذج الهجين مقارنة بمنافسيه. تشير هذه النتائج إلى أن النموذج الهجين بارع بشكل خاص في نمذجة الديناميات غير الخطية بين أسعار النفط والمتغيرات المالية، مما يجعله أداة قيمة للتنبؤ المالي في الاقتصادات المعتمدة على النفط مثل العراق. تؤكد الدراسة على أهمية التنبؤات الدقيقة للتخطيط المالي وصياغة السياسات، موصية بإجراء أبحاث مستقبلية لتضمين متغيرات اقتصادية إضافية لتعزيز أداء النموذج.
مقدمة
في الاقتصادات المعتمدة على النفط، تعتبر السياسة المالية الفعالة ضرورية لإدارة التقلبات الاقتصادية وضمان الاستقرار الكلي، حيث تعمل ميزانية الحكومة العامة كأداة مركزية لتوجيه النشاط الاقتصادي. تعتبر ديناميات الفوائض والعجز في الميزانية ذات أهمية خاصة في الاقتصادات الريعية، حيث يمكن أن يؤدي الاعتماد على إيرادات النفط المتقلبة إلى عدم الاستقرار المالي. يمثل الاقتصاد العراقي هذا التحدي، حيث تتأثر ميزانيته العامة بشدة بتقلبات أسعار النفط، مما يعقد إدارة النفقات والالتزامات المالية. غالبًا ما تفشل النماذج الاقتصادية التقليدية، مثل نموذج الانحدار الذاتي الموزع (ARDL)، في التقاط العلاقات المعقدة وغير الخطية بين أسعار النفط والمراكز المالية، مما يؤدي إلى توقعات غير كافية للفوائض والعجز في الميزانية.
لمعالجة هذه القيود، تقترح هذه الدراسة استخدام نموذج الانحدار الذاتي الموزع غير الخطي (NARDL) لتحليل الاستجابات المالية غير المتكافئة لتغيرات أسعار النفط، إلى جانب نموذج التعلم العميق الهجين الذي يجمع بين شبكة الأعصاب التلافيفية أحادية البعد (1D-CNN) وشبكة الذاكرة طويلة الأجل وقصيرة الأجل (LSTM). يهدف النموذج الهجين إلى تعزيز دقة التنبؤ من خلال التقاط الأنماط قصيرة الأجل والاعتمادات طويلة الأجل في البيانات. تقيم البحث أداء التنبؤ لمجموعة من النماذج، بما في ذلك ARDL و NARDL ونموذج 1D-CNN-LSTM الهجين، باستخدام مقاييس مثل خطأ جذر متوسط المربعات (RMSE) واختبار ديبولد-ماريانو، لتحديد النهج الأكثر فعالية لتوقع سلسلة فائض/عجز ميزانية العراق في سياق تقلبات أسعار النفط.
الطرق
يستعرض قسم المنهجية تصميم البحث والتقنيات التحليلية المستخدمة في الدراسة. يوضح معايير اختيار المشاركين، وإعداد التجربة، وإجراءات جمع البيانات. استخدمت الدراسة نهجًا كميًا، حيث تم استخدام التحليلات الإحصائية لتقييم العلاقات بين المتغيرات ذات الاهتمام. تم تطبيق طرق محددة، مثل تحليل الانحدار واختبار الفرضيات، لتقييم أهمية النتائج.
بالإضافة إلى ذلك، يصف القسم الأدوات والوسائل المستخدمة في القياس، لضمان موثوقية وصلاحية البيانات المجمعة. تم أيضًا تناول الاعتبارات الأخلاقية، بما في ذلك الموافقة المستنيرة والسرية، للحفاظ على نزاهة عملية البحث. بشكل عام، تم تصميم المنهجية لاختبار الفرضيات بدقة وتقديم استنتاجات قوية بناءً على البيانات المجمعة.
النتائج
في قسم النتائج، تستخدم الدراسة كل من نماذج الانحدار الذاتي الموزع (ARDL) ونموذج الانحدار الذاتي الموزع غير الخطي (NARDL) لتحليل العلاقة بين أسعار النفط والفائض/العجز المالي. يؤكد اختبار KPSS أن كل من سلسلة أسعار النفط وسلسلة الفائض/العجز المالي ثابتة عند المستوى، مما يسمح باستخدامها المباشر في التحليل الإضافي. يكشف نموذج ARDL(2, 3) ، الذي تم اختياره بناءً على معيار معلومات أكايك (AIC)، عن علاقة توازن طويلة الأجل بين المتغيرات، كما يتضح من إحصائية اختبار F-Bounds البالغة 88.88، متجاوزة القيم الحرجة عند مستوى دلالة 5%. يظهر النموذج تأثيرًا إيجابيًا وذو دلالة إحصائية طويل الأجل لأسعار النفط، مع معامل تصحيح الخطأ البالغ -1.615، مما يشير إلى نمط تعديل مفرط استجابة لتقلبات أسعار النفط، مما يعكس ديناميات المالية للاقتصاد العراقي.
يمتد نموذج NARDL هذا التحليل من خلال التمييز بين صدمات أسعار النفط الإيجابية والسلبية. يشير نموذج NARDL(2, 1, 5) ، الذي تم تحديده أيضًا عبر AIC، إلى وجود توازن طويل الأجل مع إحصائية اختبار F-Bounds تبلغ 58.6، مما يؤكد التشارك عند مستوى دلالة 1%. يدعم معامل تصحيح الخطأ البالغ -1.640 أيضًا التعديل السريع نحو التوازن. من الجدير بالذكر أن اختبار والد يكشف عن عدم تماثل كبير في آثار تغيرات أسعار النفط على الفائض/العجز المالي، مما يشير إلى أن الزيادات والانخفاضات في أسعار النفط لها تأثيرات مختلفة على الوضع المالي للحكومة. على الرغم من أن نموذج NARDL يوفر مزيدًا من المرونة في التقاط هذه الآثار غير المتكافئة، إلا أن كلا النموذجين يظهران قوة تفسيرية ضعيفة، مما يبرز ضرورة استخدام تقنيات نمذجة أكثر تقدمًا، مثل نموذج 1D-CNN-LSTM، لتحسين حساب العلاقات غير الخطية والديناميات المعقدة في البيانات.
المناقشة
تسلط قسم المناقشة من ورقة البحث الضوء على الاهتمام المتزايد في فهم العلاقة بين إيرادات النفط والمتغيرات المالية في الاقتصادات المعتمدة على النفط. أظهرت عدة دراسات، بما في ذلك تلك التي أجراها منجازيب وآخرون، وفاسانو ووانغ، وفوهرا، تأثيرات كبيرة لإيرادات النفط على العجز في الميزانية والنفقات الحكومية في دول مختلفة، مما يبرز الحاجة إلى نماذج اقتصادية قوية لالتقاط هذه الديناميات. ومع ذلك، غالبًا ما تفترض النماذج البارامترية التقليدية استقرار العلاقات الاقتصادية، مما قد لا يعكس بشكل كافٍ التعقيدات وغير الخطيات الموجودة في البيانات الواقعية، خاصة في الاقتصادات الريعية المتقلبة.
لمعالجة هذه القيود، تدعو الورقة إلى اعتماد تقنيات نمذجة متقدمة، مثل نماذج المعامل المتغيرة زمنياً (TVP) والنماذج الهجينة مثل نماذج الانحدار الذاتي المتغيرة (MSAR)، التي يمكن أن تستوعب بشكل أفضل التغيرات الهيكلية والأنماط غير الخطية. علاوة على ذلك، تؤكد الأبحاث على إمكانيات التعلم الآلي والتعلم العميق، التي أظهرت قدرات تنبؤية متفوقة مقارنة بالطرق الاقتصادية التقليدية. تشير الدراسات إلى أن النماذج الهجينة للتعلم العميق، مثل هياكل CNN-LSTM، تتفوق على النماذج المستقلة في التنبؤ بالسلاسل الزمنية المالية، ومع ذلك، فإن تطبيقها في المالية العامة – تحديدًا في تحليل الآثار المالية لتقلبات أسعار النفط – لا يزال محدودًا. تهدف هذه الدراسة إلى سد هذه الفجوة من خلال اقتراح نموذج 1D-CNN-LSTM الهجين الذي يلتقط العلاقات المعقدة والديناميكية بين أسعار النفط والأرصدة المالية، مما يعزز دقة التنبؤ في سياق الاقتصاد العراقي.
القيود
تعترف الدراسة بعدة قيود قد تؤثر على قوة نتائجها. بشكل أساسي، ركزت على أسعار النفط كمتغير تفسيري وحيد للفائض/العجز المالي، مما يعكس الطبيعة الريعية للاقتصاد العراقي. كانت التحليل قائمًا على عينة من 216 ملاحظة شهرية، مما قيد تضمين متغيرات إضافية ضرورية لإطار نمذجة شامل.
لتحسين التفسير الاقتصادي ودقة التنبؤ، ينبغي على الأبحاث المستقبلية النظر في دمج مجموعة أوسع من المتغيرات الاقتصادية والمالية، مثل نفقات الحكومة، والإيرادات غير النفطية، وأسعار الصرف، والتضخم. بالإضافة إلى ذلك، يمكن أن يؤدي استكشاف هياكل التعلم العميق الأكثر تقدمًا أو النماذج الهجينة إلى الاستفادة من نقاط القوة لكل من الطرق الاقتصادية التقليدية وتقنيات الذكاء الاصطناعي المعاصرة، مما يحسن من التنبؤ بالمتغيرات المالية والمالية.
DOI: https://doi.org/10.19139/soic-2310-5070-3838
Publication Date: 2026-06-01
Author(s): Sulaiman Hussien Jawad et al.
Primary Topic: Stock Market Forecasting Methods
Overview
This study investigates the fiscal dynamics of the Iraqi economy, particularly focusing on the relationship between oil prices and the government’s budget surplus or deficit. It highlights the limitations of conventional econometric models, such as ARDL and NARDL, which struggle to capture the nonlinear and complex temporal dependencies inherent in this relationship. The research employs a comparative analysis of various forecasting models, including ARDL, NARDL, LSTM, 1D-CNN, and a hybrid 1D-CNN-LSTM model, utilizing monthly data from 2008 to 2025. The findings confirm a long-run equilibrium relationship between oil prices and fiscal outcomes, with the NARDL model revealing asymmetric effects of oil price shocks.
The hybrid 1D-CNN-LSTM model demonstrated superior predictive performance, achieving the lowest out-of-sample Root Mean Squared Error (RMSE) of 4.008 and the highest Directional Accuracy (DA) of 0.636. The Diebold-Mariano test further validated the hybrid model’s effectiveness over its competitors. These results suggest that the hybrid model is particularly adept at modeling the nonlinear dynamics between oil prices and fiscal variables, making it a valuable tool for fiscal forecasting in oil-dependent economies like Iraq. The study emphasizes the importance of accurate predictions for fiscal planning and policy formulation, recommending future research to incorporate additional economic variables to enhance model performance.
Introduction
In oil-dependent economies, effective fiscal policy is crucial for managing economic fluctuations and ensuring macroeconomic stability, with the public government budget serving as a central instrument for guiding economic activity. The dynamics of budget surpluses and deficits are particularly significant in rentier economies, where reliance on volatile oil revenues can lead to fiscal instability. The Iraqi economy exemplifies this challenge, as its public budget is heavily influenced by oil price fluctuations, which complicate the management of expenditures and financial obligations. Traditional econometric models, such as the Autoregressive Distributed Lag (ARDL) model, often fail to capture the complex, nonlinear relationships between oil prices and fiscal positions, leading to inadequate predictions of budget surpluses and deficits.
To address these limitations, this study proposes the use of the Nonlinear Autoregressive Distributed Lag (NARDL) model to analyze asymmetric fiscal responses to oil price changes, alongside a hybrid deep learning model combining a One-Dimensional Convolutional Neural Network (1D-CNN) and Long Short-Term Memory (LSTM) network. The hybrid model aims to enhance forecasting accuracy by capturing both short-term patterns and long-term dependencies in the data. The research evaluates the forecasting performance of various models, including ARDL, NARDL, and the hybrid 1D-CNN-LSTM model, using metrics such as Root Mean Squared Error (RMSE) and the Diebold-Mariano test, to identify the most effective approach for predicting Iraq’s budget surplus/deficit series in the context of fluctuating oil prices.
Methods
The methodology section outlines the research design and analytical techniques employed in the study. It details the selection criteria for participants, the experimental setup, and the data collection procedures. The study utilized a quantitative approach, employing statistical analyses to evaluate the relationships between variables of interest. Specific methods, such as regression analysis and hypothesis testing, were applied to assess the significance of the findings.
Additionally, the section describes the tools and instruments used for measurement, ensuring reliability and validity in the data gathered. Ethical considerations, including informed consent and confidentiality, were also addressed to uphold the integrity of the research process. Overall, the methodology is designed to rigorously test the hypotheses and provide robust conclusions based on the collected data.
Results
In the results section, the study employs both the Autoregressive Distributed Lag (ARDL) and Nonlinear Autoregressive Distributed Lag (NARDL) models to analyze the relationship between oil prices and fiscal surplus/deficit. The KPSS test confirms that both the oil price series and the fiscal surplus/deficit series are stationary at level, allowing for their direct use in further analysis. The ARDL(2, 3) model, selected based on the Akaike Information Criterion (AIC), reveals a long-run equilibrium relationship between the variables, indicated by an F-Bounds test statistic of 88.88, surpassing critical values at the 5% significance level. The model shows a positive and statistically significant long-run impact of oil prices, with an error correction coefficient of -1.615, suggesting an overshooting adjustment pattern in response to oil price fluctuations, reflective of the Iraqi economy’s fiscal dynamics.
The NARDL model extends this analysis by differentiating between positive and negative oil price shocks. The NARDL(2, 1, 5) model, also determined via AIC, indicates a long-run equilibrium with an F-Bounds test statistic of 58.6, confirming co-integration at the 1% significance level. The error correction coefficient of -1.640 further supports rapid adjustment towards equilibrium. Notably, the Wald test reveals significant asymmetry in the effects of oil price changes on fiscal surplus/deficit, indicating that increases and decreases in oil prices have different impacts on the government’s fiscal position. Despite the NARDL model providing more flexibility in capturing these asymmetric effects, both models exhibit weak explanatory power, underscoring the necessity for more advanced modeling techniques, such as the 1D-CNN-LSTM model, to better account for nonlinear relationships and complex dynamics in the data.
Discussion
The discussion section of the research paper highlights the growing interest in understanding the relationship between oil revenues and financial variables in oil-dependent economies. Several studies, including those by Monjazeb et al., Fasano & Wang, and Vohra, have demonstrated significant impacts of oil revenues on budget deficits and government expenditures in various countries, emphasizing the need for robust econometric models to capture these dynamics. However, traditional parametric models often assume stability in economic relationships, which may not adequately reflect the complexities and nonlinearities present in real-world data, particularly in volatile rentier economies.
To address these limitations, the paper advocates for the adoption of advanced modeling techniques, such as Time-Varying Parameter (TVP) models and hybrid models like Markov-Switching Autoregressive (MSAR) models, which can better accommodate structural changes and nonlinear patterns. Furthermore, the research underscores the potential of machine learning and deep learning approaches, which have shown superior predictive capabilities compared to traditional econometric methods. Studies indicate that hybrid deep learning models, such as CNN-LSTM architectures, outperform standalone models in forecasting financial time series, yet their application in public finance—specifically in analyzing the fiscal implications of oil price fluctuations—remains limited. This study aims to fill this gap by proposing a hybrid 1D-CNN-LSTM model that captures the intricate and dynamic relationships between oil prices and fiscal balances, thereby enhancing forecasting accuracy in the context of the Iraqi economy.
Limitations
The study acknowledges several limitations that may affect the robustness of its findings. Primarily, it concentrated on oil prices as the sole explanatory variable for the fiscal surplus/deficit, reflecting the rentier nature of the Iraqi economy. The analysis was based on a sample of 216 monthly observations, which constrained the inclusion of additional variables necessary for a comprehensive modeling framework.
To enhance the economic interpretation and forecasting accuracy, future research should consider integrating a broader range of economic and financial variables, such as government expenditure, non-oil revenues, exchange rates, and inflation. Additionally, exploring more advanced deep learning architectures or hybrid models could leverage the strengths of both traditional econometric methods and contemporary artificial intelligence techniques, thereby improving the forecasting of fiscal and financial variables.