تقييم كفاءة الشبكات العصبية الاصطناعية متعددة الطبقات (MLP) في التنبؤ بأسعار الذهب باستخدام مؤشر الدولار الأمريكي خلال الفترة (1990–2025)
الكلمات المفتاحية:
مؤشر الدولار، لتنبؤ بأسعار الذهب، الشبكات العصبية الاصطناعية، شبكة MLPالملخص
يُعد الذهب من أهم الأصول المالية والاستثمارية التي تحظى باهتمام واسع في الأسواق العالمية، نظراً لدوره كملاذ آمن في أوقات الأزمات الاقتصادية والتقلبات النقدية. وتتأثر أسعار الذهب بعدد كبير من العوامل الاقتصادية، وفي مقدمتها تحركات مؤشر الدولار الأمريكي، الأمر الذي يجعل عملية التنبؤ بأسعار الذهب من القضايا المهمة في مجال التحليل المالي واتخاذ القرارات الاستثمارية.
هدفت هذه الدراسة إلى بناء نموذج تنبؤ باستخدام الشبكات العصبية الاصطناعية من نوع الشبكة متعددة الطبقات (MLP) لتحليل العلاقة بين أسعار الذهب ومؤشر الدولار الأمريكي خلال الفترة الممتدة بين عامي (1990–2025)، اعتماداً على بيانات شهرية تاريخية. وقد استخدم النموذج خمس متغيرات مدخلة شملت مؤشر الدولار الحالي، والقيم المتأخرة لكل من الذهب والدولار، إضافة إلى الفروق الأولى للمتغيرين، وذلك بهدف تمكين النموذج من التقاط الأنماط الزمنية والعلاقات غير الخطية بين المتغيرات.
وأظهرت نتائج الدراسة تمتع النموذج بدرجة عالية من الكفاءة والدقة التنبؤية، حيث بلغ الخطأ النسبي لعينة التدريب (0.001)، بينما بلغ لعينة الاختبار (0.002)، وهي قيم منخفضة جداً تشير إلى قدرة النموذج على تحقيق تنبؤات دقيقة وفعالة. كما أظهرت النتائج أن استخدام القيم المتأخرة والفروق الأولى ساهم في تعزيز الأداء التنبؤي للنموذج وتحسين قدرته على تفسير التغيرات في أسعار الذهب.
كما بينت الدراسة وجود علاقة ديناميكية معقدة بين مؤشر الدولار وأسعار الذهب، حيث استطاع النموذج التقاط التأثيرات غير الخطية بين المتغيرات بصورة أفضل من النماذج الإحصائية التقليدية. وقد ساعدت الطبقة المخفية للشبكة العصبية في اكتشاف الأنماط الكامنة داخل البيانات المالية، مما انعكس إيجاباً على جودة النتائج.
وتوصلت الدراسة إلى أن نماذج الشبكات العصبية الاصطناعية تمثل أداة فعالة في تحليل السلاسل الزمنية المالية والتنبؤ بالأسعار المستقبلية، خاصة في الأسواق التي تتسم بدرجة عالية من التقلب وعدم الاستقرار. كما توصي الدراسة بالتوسع في استخدام تقنيات الذكاء الاصطناعي والتعلم الآلي في مجالات التحليل المالي وإدارة المخاطر، مع إمكانية تطوير النموذج مستقبلاً من خلال إدخال متغيرات اقتصادية إضافية مثل أسعار الفائدة والتضخم وأسعار النفط والسياسات النقدية العالمية.
