توظيف التعلم الآلي في تعزيز دقَة التنبؤ بعوائد المحفظة الاستثمارية مقارنة بنماذج تقليدية

(دراسة تحليلية مقارنة لعَينة من الشركات المدرجة في سوق العراق للأوراق الماليًة للمُدة 2016-2024)

أطروحة مقدمة إلى مجلس كلية الإدارة والاقتصاد / جامعة كربلاء وهي جزء من متطلبات

نيل درجة الدكتوراه في فلسفة علوم إدارة الأعمال في الإدارة المالية

تقدًم بها الطالب :

حسين إسماعيل حسين

بإشراف:
أ.د حسام حسين شياع أ.م.د حيدر خضير جوان

المستخلص

تستهدف هذه الدراسة تقييم وتحليل القدرة التفسيرية والتنبؤية لعوائد الأسهم المنفردة المكونة
للمحفظة الاستثمارية في سوق العراق للأوراق المالية للمدة (2016–2024)، عبر موازنة تطبيقية
بين نموذج فاما-فرنش (Fama-French) ثلاثي العوامل ونموذج الذاكرة طويلة وقصيرة الأمد
(LSTM). وتكمن أصالة الدراسة في كونها من الأبحاث الرائدة محلياً التي تصدت لمعالجة مشكلة دقة
التنبؤ كركيزة أساسية لبناء محافظ كفوءة مستقبلاً، حيث تم تكييف الإطار المنهجي عبر اعتماد أسلوب
“متوسط المتوسطات الأفقي” لنسبة القيمة الدفترية إلى السوقية (B/M) في تصنيف الشركات، وهو
إجراء ابتكاري استهدف تحييد أثر القيم الشاذة وضمان استقرار البيانات المدخلة في ظل تذبذب
الأسواق. شملت عينة الدراسة (22) شركة مساهمة تتوزع على (6) قطاعات اقتصادية نشطة،
وبإجمالي مشاهدات بلغ (2,354) مشاهدة شهرية موزعة على (107) شهراً. وتم توظيف معامل
التحديد كمؤشر لقياس القوة التفسيرية، حيث نجح النموذج التقليدي في استيعاب (67.9%) من تقلبات
العوائد، مسجلاً أثراً معنوياً سالباً لعامل الحجم (SMB = -0.019) مما يعكس تفوق الشركات كبيرة
الرسملة، بينما سجل عامل القيمة (HML) نتيجة موجبة (0.004) افتقرت للمعنوية الإحصائية (p =
0.056)، وهو ما كشف عن فجوة تفسيرية ونمط غير خطي في حركة العوائد. ولغرض قياس الكفاءة
التنبؤية، سجل النموذج التقليدي مقدرات خطأ بلغت (0.00056) لمعيار (MSE)، و (0.0238)
لمعيار (RMSE)، و (0.0178) لمعيار (MAE)، وصولاً إلى نسبة خطأ مئوي (MAPE) قدرها
(2.49%).في المقابل، أثبتت نتائج نموذج (LSTM) المصمم ببنية عميقة عبر لغة (R) تفوقاً في
رفع كفاءة التنبؤ بفائض العائد من خلال تغطية الأنماط الزمنية الكامنة في النسبة غير المفسرة إحصائياً
بالنماذج الخطية؛ إذ نجح النموذج في تقليص كافة مقاييس الخطأ إلى أدنى مستوياتها، حيث انخفض
(MSE) إلى (0.00035)، و (RMSE) إلى (0.0189)، و (MAE) إلى (0.0092)، وبلغت
نسبة (MAPE) نحو (1.08%). وتخلص الدراسة إلى أن دقة التنبؤ المحققة على مستوى الموجودات
المنفردة تمثل حجر الزاوية لتعزيز أداء المحافظ الاستثمارية، وتوصي بتبني تقنيات التعلم العميق كأداة
مرجعية لتجاوز محددات التحليل الكلاسيكي ودعم قرارات الاستثمار في بيئة السوق العراقي.
الكلمات المفتاحية: التنبؤ بعوائد الأسهم، المحفظة الاستثمارية، النماذج التقليدية، نموذج فاما-
فرنش، نموذج الذاكرة الطويلة قصيرة المدى.