Work

التنبؤ بالأداء المالي للشركات باستخدام بيانات حوكمة الشركات وخوارزميات الذكاء الاصطناعي: دراسة تطبيقية على الشركات المقيدة بالبورصة المصرية

Year: 2025
Type: article
Abstract: يهدف هذا البحث إلى دراسة فعالية التنبؤ بالأداء المالي للشركات باستخدام بيانات حوكمة الشركات وخوارزميات الذكاء الاصطناعي، وذلك من خلال اختبار مجموعة من خوارزميات التعلم الآلي والتعلم العميق والنموذج الهجين (LSTM–CNN). وقد تم تطبيق البحث على سلسلة زمنية لعينة مكونة من 75 شركة غير مالية مقيدة بالبورصة المصرية خلال الفترة 2020–2024، بإجمالي 375 مشاهدة. وتم قياس الأداء المالي من خلال معدل العائد على الأصول(ROA) ومعدل العائد على حقوق الملكية (ROE). استخدم البحث خوارزميات التعلم الآلي، ومنها آلة متجه الدعم (SVM) والغابات العشوائية (RF)، وتمت مقارنة أدائها بخوارزميات التعلم العميق، ممثلة في شبكة الذاكرة طويلة وقصيرة المدى (LSTM) والشبكة الالتفافية (CNN) والنموذج الهجين (LSTM–CNN). كما تم تقييم دقة النماذج باستخدام عدد من المقاييس الإحصائية، من بينها الجذر التربيعي لمتوسط مربع الأخطاء (RMSE)، ومتوسط الخطأ المطلق (MAE)، ومعامل التحديد (R²). وأظهرت النتائج تفوق خوارزميات التعلم الآلي، وخاصة الغابات العشوائية، في التنبؤ بالأداء المالي مقاساً بمعدل ROA مقارنةً بخوارزميات التعلم العميق. كما بيّنت النتائج تفوق النموذج الهجين (LSTM–CNN) عند التنبؤ بالأداء المالي باستخدام معدل ROA، في حين حقق نموذج LSTM أعلى دقة تنبؤية عند استخدام معدل ROE. وتؤكد هذه النتائج أهمية بيانات الحوكمة في تحسين النماذج التنبؤية، وتبرز دور خوارزميات الذكاء الاصطناعي في دعم القرارات المالية والمحاسبية في بيئة الأسواق الناشئة.
Authors: سمير قاسم محمد قاسم, فايزة عبيدالله
Language: Arabic
Open Access status: diamond
OpenAlex ID: W4417531582
FWCI:
Cites:
Cited by:
Related to: 10