تمت في كلية الادارة والاقتصاد / جامعة بغداد ، مناقشة اطروحة الدكتوراه الموسومة (استخدام النماذج الهجينة المستندة الى التحويل المويجي للتنبؤ بالسلاسل الزمنية مع تطبيق عملي ) في تخصص الاحصاء للطالبة (بريدة برهان كاظم) بأشراف أ.د فراس احمد محمد.
تتمثل المهمة الرئيسية لمجال الدراسة في تحسين دقة التنبؤ، ولأنً الطرق الاساسية المستخدمة للتنبؤ هي الَذي يُعد طريقة فعالة للتنبؤ بالسلاسل الزمنيةARIMA الاساليب الاحصائية التقليدية مثل تحليل الانحدار و،GARCH , EGARCH ) الخطية ونماذج الانحدار الذاتي المشروطة بعدم تجانس التباين والَتي أثبتت قدرتها كطريقة فعالة للتنبؤ للتنبؤ بالسلاسل الزمنية غير الخطية ،بالاضافة (GJR-GARCH
الى كل من اسلوب التعلم الالي والتعلم العميق الَذين يعدًان من فرع من فروع الذكاء الاصطناعي والًذين اكتسبا المزيد من الاهتمام كطرق للتنبؤ بالسلاسل الزمنية المالية.ونتيجة لسلوك السلاسل المالية الًتي تتصف بإحتوائها على كل من الانماط الخطية وغير الخطية لذلك يعد استخدام الاساليب الخطية وغير والخطية بشكل منفرد لنمذجة البيانات ليس عملياً. لذلك وللتغلب على هذه المشكلة ظهرت النماذج الهجينة الًتي تستند الى فكرة الجمع بين كل من الاساليب الخطية وغير الخطية. وعلى الرغم من كفاءة النماذج الهجينة للتنبؤ الاً انَه في بعض السلاسل الزمنية، وخاصة السلاسل الزمنية المالية، يحدث التكرار المرتفع /المنخفض في نطاق زمني قصيراو لفترة محددة ، تحدث الظواهر بحيث لا يتم ملاحظتها في بقية السلسلة الزمنية في هذه الحالة يمكن ان يكون تحليل السلسلة الزمنية الى المعاملات المكونة مفيداً بحيث يتم استخراج المعلومات المميزة من الميزات بأكملها لتحليل السلسلة الزمنية الرئيسية بشكل أفضل حيث توفر تقنية تحويل المويجات ميزة مفيدة تعتمد على تحليل البيانات مما يحسن أداء النموذج.لذلك للتعامل مع التنبؤ بالسلاسل الزمنية غير الثابتة وبهدف تحسين دقة التنبؤ بنمط التقلبات بأسعار الصرف نستخدم التحويل المويجي مع منهجية التهجين لبناء نموذج قادر على التقاط التقلبات في السلاسل الزمنية المالية. تعتبر فكرة التحويل المويجي الَتي تم استخدامها في بداية التسعينات في السلاسل الزمنية احدى طرق المعالجة الاحصائية الَتي تعتبر مكملة لتقنيات التحليل. يتم استخدام التحويل المويجي للمعالجة المسبقة للبيانات عن طريق تحليل السلسلة الزمنية الى مكوناتها الفرعية. يسمح تحويل المويجات بإستخراج المعلومات المخفية الهامة والميزات الزمنية المهمة للسلسلة الزمنية الاصلية. ومن هنا جاءت فكرة اعتماد الاطروحة في استخدام التحويل المويجي مع نماذج الَتي أثبتت قدرتها لتمثيل المكون التقريبي للسلسلة الزمنية وطرق التعلمARIMA-GJR-GARCH
الالي الَتي تم تطبيقها على المكونات التفصيلية الَتي تم تطبيقها على المكونات التفصيلية للسلسلة الزمنية . .ومقارنة النتائج مع النماذج (SVR, LS-SVRM, KELM, RBFNN, RNN, LSTM) وهي:
التقليدية للوصول الى نموذج يمكن الاعتماد عليه للتنبؤ.واستندت المقارنة بين النماذج على معايير دقة التنبؤ. MSE, MAE
ولتحقيق هدف الدراسة تم التطبيق على اسعار الصرف اليومية لليوان الصيني مقابل الدولار الامريكي للفترة من (2015 الى 2022).تم تحليل السلسلة الزمنية لأسعار الصرف الى معاملاتها التقريبية والتفصيلية الى تتكون بيانات الدراسة.(MODWT) ثلاثة مستويات بإستخدام التحويل المويجي المنفصل الاقصى المتداخل
من 2050 مشاهدة يومية من 5 يناير 2015 الى 11 نوفمبر2022. وتوصلت الدراسة الى أنه ومن خلال ARIMA-GJR-GARCH الجمع بين نهج المويجات ونماذج السلاسل الزمنية الكلاسيكية أي نموذج
وتقنيات الذكاء الاصطناعي لمحاولة تحسين عملية التنبؤ الى حد ملحوظ ، لوحظ ومن خلال المقارنة تفوق على النموذج التقليدي والنماذج المنفردة من حيث معياري (ARIMA-GJR-GARCH -LSTM).MAEو MSE
كذلك تم اقتراح اسلوب جديد للدمج بين نتائج التنبؤات من خلال توظيف نموذج الانحدار اللاخطي بدلا من اعتماد الدمج التقليدي ومن ثم اجراء المقارنة بين كل من الدمج التقليدي والدمج المقترح، ليتضح من خلال المقارنة أنَ اسلوب الدمج المقترح قد تفوق على الدمج التقليدي.