استخدام الشبكات العصبية الاصطناعية ذات الإنحدار الذاتي غير الخطية(NAR)في التنبؤ بمعدلات التضخم في الجزائر خلال الفترة1970-2024

Abstract

تهدف هذه الدراسة إلى التنبؤ بمعدل التضخم في الجزائر خلال الفترة الممتدة من سنة 2025إلى2035، بالإعتماد على البيانات السنوية للفترة من1970إلى2024، وذلك باستخدام نموذج شبكة الإنحدار الذاتي غير الخطية (NAR). وتندرج هذه الدراسة ضمن الجهود الرامية إلى توظيف أدوات الذكاء الاصطناعي ولا سيما الشبكات العصبية الاصطناعية في تحليل السلاسل الزمنية والتنبؤ بها، نظرا لما توفره من دقة ومرونة في التعامل مع العلاقات غير الخطية والمعقدة من المتغيرات، إعتمدنا في هذه الدراسة على برنامج MATLAB R2016a لبناء نموذج NAR وتدريبه باستخدام بيانات التضخم التاريخية في الجزائر، وقد مر النموذج بعدة مراحل من المعالجة والتحقق لضمان موثوقيته، وأظهرت نتائج التنبؤ مدى قدرة النموذج على إلتقاط أنماط التضخم السابقة والتنبؤ بالقيم المستقبلية بشكل دقيق، مما يعكس فعالية الشبكات العصبية في هذا السياق، وقد خلصت الدراسة إلى أن نموذج الشبكات العصبية ذات الإنحدار الذاتي غير الخطية، يمكن أن يشكل أداة مساعدة لصناع القرار في التنبؤ بالتقلبات المستقبلية لمعدل التضخم، وبالتالي المساهمة في تحسين السياسات الاقتصادية والمالية في الجزائر.This study aims to forecast the inflation rate in Algeria for the period from 2025 to 2035, using annual data spanning from 1970 to 2024, the forecasting model employed is the Nonlinear Autoregressive Neural Network (NAR), a type of artificial neural network particularly suited for modeling and predicting nonlinear time series data, the research utilizes MATLAB R2016a to develop and train the NAR model based on historical inflation data, several preprocessing and validation steps were carried out to ensure the reliability and accuracy of the model, the results demonstrate the model’s ability to effectively capture historical inflation patterns and generate reasonably accurate future forecasts, these findings highlight the potential of neural networks, especially the NAR model, as valuable tools for economic forecasting and policy support, by providing forward-looking insights into inflation trends, this study contributes to enhancing the decision-making process in monetary and fiscal policy planning in Algeria.