تخطى إلى المحتوى
العالِم العربي
  • الصفحة الرئيسية
  • مجالات الأبحاث
  • أحدث الأبحاث
  • عن الموقع
  • تواصل معنا
  1. الرئيسية
  2. قائمة المَجَلَّات
  3. Data Science in Finance and Economics

الأبحاث في مجلة: Data Science in Finance and Economics




  • التعلم العميق القابل للتفسير لنمذجة عدم اليقين في السياسات والمخاطر الخاصة بالشركات: أدلة من الأسواق المتقدمة والناشئة

    2026 | المؤلف: Hyder Ali وآخرون | المجلة: Data Science in Finance and Economics | المجال: الاقتصاد والاقتصاد القياسي (Economics and Econometrics)

    تستقصي هذه الدراسة تأثير عدم اليقين المتعلق بالسياسات متعددة الأبعاد على المخاطر الخاصة بالشركات، وبشكل خاص التقلبات الفردية (IVOL)، باستخدام بيانات يومية على مستوى الأسهم من شركات نيكاي 225 تمتد من عام 2000 إلى 2023. يقوم المؤلفون ببناء مؤشر عدم يقين مركب يشمل سبعة مجالات سياسية: الاقتصادية، والمالية، والنقدية، والتجارية، وسعر الصرف، والطاقة، والمخاطر الجيوسياسية.…


  • الاستفادة من ماركويتز، والغابات العشوائية، وXGBoost لتحقيق التنويع الأمثل لمحافظ الأسهم في جنوب أفريقيا

    2026 | المؤلف: Esau Moyoweshumba وآخرون | المجلة: Data Science in Finance and Economics | المجال: علم الإدارة وبحوث العمليات (Management Science and Operations Research)

    تبحث هذه الدراسة في فعالية نماذج ماركويت التقليدية وتقنيات التعلم الآلي في تحسين محافظ الأسهم المتنوعة. على وجه التحديد، تقارن بين نهجين من ماركويت – نظرية المحفظة الحديثة وحدود الكفاءة وبرمجة التباين التربيعي – مع نموذجين من التعلم الآلي: مصنف الغابة العشوائية ومصنف تعزيز التدرج المتطرف (XGBoost). استخدمت التحليلات بيانات سوق الأسهم التاريخية من بورصة…


  • الشمول المالي الرقمي وتأثيره المزدوج على النتائج الاقتصادية والبيئية في دول الآسيان

    2026 | المؤلف: Farooq Ahmad Bajwa وآخرون | المجلة: Data Science in Finance and Economics | المجال: نظم المعلومات (Information Systems)

    تستكشف هذه الدراسة تأثير الشمول المالي الرقمي (DFI) على النمو الاقتصادي والاستدامة البيئية في دول الآسيان من 2005 إلى 2022، باستخدام طرق اقتصادية مثل المربعات الصغرى العادية المجمعة (POLS)، والمربعات الصغرى ذات المرحلتين (2SLS)، والطريقة العامة للحظات (GMM). تشير النتائج إلى أنه بينما يعزز DFI بشكل كبير الأنشطة الاقتصادية من خلال دمج المزيد من المستهلكين…


  • هل طرق معالجة اللغة الطبيعية قابلة للتطبيق على توقعات EPS في بولندا؟

    2026 | المؤلف: Wojciech Kuryłek | المجلة: Data Science in Finance and Economics | المجال: علم الإدارة وبحوث العمليات (Management Science and Operations Research)

    تبحث هذه الدراسة في فعالية تقنيات معالجة اللغة الطبيعية (NLP)، وتحديداً تمثيلات الكلمات FastText و FinBERT، بالتزامن مع خوارزمية التعلم الآلي XGBoost، في التنبؤ بالأرباح لكل سهم (EPS) للشركات المدرجة في بورصة وارسو من 2010 إلى 2019. تقارن الدراسة بين هذه النماذج المتقدمة ونموذج المشي العشوائي الموسمي (SRW)، الذي أظهر باستمرار أدنى معدلات خطأ عبر…


  • اكتشاف العلاقات السببية بين المتغيرات المالية المرتبطة بقيمة الشركة باستخدام شبكة بايزي ديناميكية

    2025 | المؤلف: Ji Young Choi وآخرون | المجلة: Data Science in Finance and Economics | المجال: علم الإدارة وبحوث العمليات (Management Science and Operations Research)

    تستخدم هذه الدراسة شبكة بايزي ديناميكية سببية (CDBN) لاستكشاف العلاقات السببية بين المتغيرات المالية المتعلقة بقيمة الشركة، باستخدام مجموعة بيانات شاملة من الشركات المصنعة المدرجة في كوريا على مدى 14 عامًا (2009-2022). إطار عمل CDBN يوضح بشكل فعال التفاعلات الزمنية والمعاصرة بين العوامل المالية، كاشفًا عن رؤى هامة في ديناميات المالية الشركات. تشمل النتائج الرئيسية…


  • الذكاء الاصطناعي يلتقي بالاقتصاد: هل يمكن أن يتجاوز التعلم العميق التعلم الآلي والنماذج الإحصائية التقليدية في توقعات سلسلة زمنية التضخم؟

    2025 | المؤلف: Ezekiel NN Nortey وآخرون | المجلة: Data Science in Finance and Economics | المجال: علم الإدارة وبحوث العمليات (Management Science and Operations Research)

    تدرس هذه الدراسة قدرات التنبؤ لنماذج التعلم العميق (DL) والتعلم الآلي (ML) في توقع معدلات التضخم الشهرية في الولايات المتحدة الأمريكية، مقارنةً بالنماذج الإحصائية التقليدية مثل المتوسطات المتحركة المتكاملة التلقائية (ARIMA) والتنعيم الأسي (ETS) باستخدام طريقة هولت-وينترز الموسمية. باستخدام بيانات من بنك الاحتياطي الفيدرالي في سانت لويس، تشير النتائج إلى أن نماذج DL و ML…


  • دمج LSTM مع نموذج فاما-فرينش ذو العوامل الستة لتوقع عوائد المحفظة: دليل من سوق الأسهم في شنتشن، الصين

    2025 | المؤلف: Tahir Afzal وآخرون | المجلة: Data Science in Finance and Economics | المجال: التمويل (Finance)

    تستكشف هذه الدراسة فعالية نموذج الذاكرة طويلة وقصيرة الأجل (LSTM) في التنبؤ بعوائد المحفظة، باستخدام نموذج العوامل الستة لفاما وفرينش. التحليل يعتمد على 25 عامًا من البيانات الشهرية لأسعار الأسهم للشركات المدرجة في بورصة شنتشن، الصين. تم بناء المحافظ من خلال فرز ثنائي المعتمد باستخدام كل من بيتا وبيتا السلبية، بينما كان نموذج الغابة العشوائية…


حقوق النشر © 2026 العالِم العربي. جميع الحقوق محفوظة. موقع العالِم العربي غير مسؤول عن محتوى المواقع الخارجية.