Modeling and Forecasting Somalia’s Economic Growth: A Comparison of Traditional Time Series and Modern Neural Network Approaches
تقارن هذه الدراسة بين نماذج ARIMA وETS وNNAR للتنبؤ بنمو الناتج المحلي الإجمالي السنوي في الصومال باستخدام بيانات الفترة 1961-2024، حيث وجدت أن نموذج ETS(A,N,N) البسيط قد تفوق على كل من نهجي ARIMA والشبكات العصبية من حيث دقة التنبؤ خارج العينة للفترة 2015-2024.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
إن التنبؤ بمستقبل اقتصاد دولة ما هو أحد أصعب المهام في العلم. فالحكومات بحاجة إلى معرفة مقدار الأموال التي ستتوفر لديها لبناء المدارس، ودفع أجور العمال، وإطعام شعبها، لكن الاقتصاد نادراً ما يكون خطاً مستقيماً؛ بل هو مسار متعرج من الطفرات المفاجئة والانهيارات الحادة، والتي غالباً ما تكون مدفوعة بأحداث لم تحدث من قبل، مثل حالات الجفاف الشديد أو التوقف المفاجئ للمساعدات الخارجية. ولتفسير ذلك، يستخدم الاقتصاديون أدوات رياضية للنظر في الأرقام الماضية وتخمين ما سيأتي لاحقاً. بعض هذه الأدوات قديمة وتعتمد على أنماط بسيطة، بافتراض أن ما حدث مؤخراً من المرجح أن يتكرر. وأدوات أخرى حديثة ومعقدة، تستخدم برامج حاسوبية تحاول تعلم قواعد معقدة وخفية من البيانات، تماماً مثل طالب يحاول حفظ كتاب مدرسي عبر إيجاد كل صلة ممكنة بين الكلمات. والسؤال الكبير لأي شخص يحاول التخطيط لمستقبل بلد ما هو ما إذا كانت هذه الأدوات الحديثة والمتطورة أفضل حقاً من الأدوات القديمة والأبسط، أم أن التعقيد لا يؤدي إلا إلى إثارة الارتباك.
لقد وضع فريق من الباحثين في الصومال هدفاً للإجابة على هذا السؤال فيما يتعلق بنمو اقتصاد بلدهم. لقد مر اقتصاد الصومال بتاريخ مضطرب، مع سنوات من التوسع السريع تلتها انكماشات عميقة، مما جعله حالة اختبار مثالية لأساليب التنبؤ هذه. جمع الباحثون بيانات تمتد لـ -أربعة وستين عاماً، من عام 1961 إلى عام 2024، حيث سجلوا النسبة المئوية التي نما بها إجمالي الناتج الاقتصادي للبلاد أو انكمش في كل عام. ثم قسموا هذا التاريخ إلى جزئين؛ حيث استخدموا الخمسة وخمسين عاماً الأولى، حتى عام 2014، لتعليم ثلاثة نماذج تنبؤ مختلفة كيف كان سلوك الاقتصاد في الماضي. النموذج الأول كان نهجاً إحصائياً تقليدياً يبحث عن علاقات خطية بين السنوات الماضية. والثاني كان طريقة تعطي وزناً أكبر للأحداث الأخيرة، حيث يتلاشى تأثير التاريخ القديم تدريجياً. أما الثالث فكان شبكة عصبية حديثة، وهي نوع من الذكاء الاصطناعي المصمم لإيجاد أنماط غير خطية معقدة قد تغيب عن العين البشرية. وبمجرد تدريب النماذج، طلب الباحثون منها التنبؤ بالعشر سنوات التالية، من 2015 إلى 2024، دون إطلاعها على الإجابات الفعلية. ثم قارنوا التنبؤات بالأرقام الحقيقية التي حدثت بالفعل.
كانت النتائج مفاجئة لأولئك الذين يفترضون أن التكنولوجيا الأحدث تفوز دائماً. فلم تأتِ التنبؤات الأكثر دقة من الشبكة العصبية المعقدة، بل جاءت من الطريقة الأبسط، التي ركزت فقط على المستوى الحالي للنشاط الاقتصادي دون محاولة التنبؤ باتجاه أو نمط محدد، وقد تبين أنها الأكثر موثوقية. هذا النموذج، المعروف باسم "التنعيم الأسي"، توقع متوسط معدل النمو بهامش خطأ قدره حوالي 3.8 نقطة مئوية. وجاء النموذج الإحصائي التقليدي في المرتبة الثانية بفارق ضئيل، بهامش خطأ يبلغ حوالي 4.1 نقطة مئوية. أما الشبكة العصبية الحديثة، رغم قدرتها على تعلم العلاقات المعقدة، فقد كان أداؤها الأسوأ، حيث أخطأت الهدف بمتوسط 4.7 نقطة مئوية، وارتكبت بعض الأخطاء الكبيرة جداً عندما تقلب الاقتصاد بشكل حاد. ووجد الباحثون أن الشبكة العصبية عانت في التعامل مع التقلبات الشديدة في اقتصاد الصومال، حيث كانت غالباً ما تقوم بتنعيم القمم والوديان الحادة التي حدثت فعلياً، بينما كانت النماذج الأبسط أفضل في التقاط الاتجاه العام للنمو.
تشير هذه الدراسة إلى أنه بالنسبة لبلد ذي تاريخ اقتصادي قصير ومتقلب، فإن إضافة المزيد من التعقيد لا تؤدي بالضرورة إلى إجابات أفضل. فالشبكة العصبية، التي كان لديها المزيد من "الأنماط" لتعلمها، حاولت على الأرجح حفظ "الضجيج" في البيانات بدلاً من "الإشارة" (النمط الحقيقي)، وهي مشكلة تزداد سوءاً عندما لا تتوفر بيانات تاريخية كافية للعمل بها. أما النماذج الأبسط، فمن خلال تركيزها على المستوى الأخير للنمو، تمكنت من تجنب هذه العثرات ووفرت أساساً أكثر استقراراً للمستقبل. ويؤكد المؤلفون أنه على الرغم من أن النموذج البسيط كان الأفضل من بين الثلاثة، إلا أنه ليس كرة بلورية؛ فالاقتصاد الصومالي لا يزال حساساً للغاية للصدمات مثل الجفاف والنزاع، وهي أمور لا يمكن لأي نموذج رياضي التنبؤ بها بمفرده. ومع ذلك، فإن امتلاك أداة موثوقة لتقدير الاتجاه العام للنمو يسمح للمخططين باتخاذ قرارات أكثر استنارة بشأن تخصيص الموارد. وتخلص الدراسة إلى أنه بالنسبة لهذه المهمة المحددة، تفوق النهج الهادئ والمستقر للطريقة الأبسط على البديل عالي التقنية، مما قدم أداة عملية للتخطيط الاقتصادي في بيئة مليئة بالتحديات.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.