Machine learning techniques as an advanced hybrid framework for improving crisis management in investment sectors: an experimental study
DOI:
https://doi.org/10.65405/cjos.2025.795الكلمات المفتاحية:
تقنيات تعلم الذكاء الاصطناعي، إطار هجين، تعلم الآلة، التصنيف، نموذج لتحسين إدارة الأزماتالملخص
إدارة المخاطر هي عنصر أساسي في قطاعات الاستثمار الحيوية اليوم بسبب اتساع وتعقيد البيانات المعنية في البيانات الاقتصادية، وتقييم مخاطر مواقف الأعمال والخطط والجداول الزمنية باستخدام طرق تقليدية تتضمن نماذج تحليلية وتقنية واستنتاجية غير كافٍ لمعالجة الهياكل المعقدة للبيانات الحديثة.
تهدف هذه الدراسة إلى تطوير إطار عمل هجين مقارن يجمع بين تقنيات التعلم الآلي لتعزيز إدارة الأزمات وتقليل تأثيرها في القطاعات الحيوية مثل الاستثمارات المالية، وحقول النفط والغاز، والعقارات. يعتمد الإطار المقترح على الانحدار الخطي، والتصنيف، والتجميع، مع التركيز على مشكلة التحيز مقابل التباين لضمان التوازن بين الدقة والتعميم.
توضح هذه الدراسة كيف يمكن استخدام هذه التقنيات للتنبؤ بالمخاطر، واكتشاف الأنماط، ودعم الإجراءات وعمليات القرار الاستراتيجي (قبل واثناء وبعد) للتخفيف من الأزمات. ، يستخدم الإطار عدة مقاييس تقييم؛ حيث تُقاس مهام التصنيف عبر الدقة، والدقة الإحصائية (Precision)، والاستدعاء (Recall)، بينما يُستخدم متوسط الجذر التربيعي للخطأ (RMSE) لقياس متوسط الانحراف في توقعات الانحدار، ويُستخدم مقياس السيلويت (Silhouette Score) لتقييم جودة نتائج التجميع. وتوفر هذه المقاييس مجتمعة صورة واضحة ومتوازنة عن أداء النماذج وقدرتها على التعميم.
التنزيلات
المراجع
1. Nguyen, Dat, et al. "Accurate Crisis-Related Data Classification on Social Networks Using Convolutional Neural Networks." Proceedings of the International Conference of the American Association for Artificial Intelligence on Internet and Social Media. Volume 11, Issue 1, 2017.
2. Ibrahim, Nehad M., et al, "Well performance classification and prediction: deep learning and machine learning long term regression experiments on oil, gas, and water production." Sensors 22.14 (2022): 5326.
3. Mora-Garcia, Raul-Tomas, Maria-Francisca Cespedes-Lopez, and V. Raul Perez-Sanchez. "Housing price prediction using machine learning algorithms in COVID-19 times." Land 11.11 (2022): 2100.
4. Kadkhoda, Saba Taheri, and Babak Amiri. "Hybrid Network Analysis and Machine Learning Model for Enhancing Financial Distress Prediction." IEEE Access 12 (2024): 52759-52777.
5.] Kumar, Satish, Amar Rao, and Monika Dutchak. "Hybrid Machine Learning Models for Predicting Volatility in Financial Risk Management." International Journal of Economics and Finance 98 (2025): 103915.
6.Shi, Xiangting , et al. "Deep Learning for Enhanced Risk Management: A New Approach to Financial Reporting Analysis." Journal of Computer Science 11 (2025): e2661.
7. Alhamid, Ahmad Abd, and Jiul Kim. "Machine Learning-Based Classification and Regression Approach for Sustainable Disaster Management: A Case Study of APR1400 in Korea." Sustainability Journal 13.17 (2021): 9712.
8. Nguyen, Dat, et al. "Accurate Crisis-Related Data Classification on Social Networks Using Convolutional Neural Networks." Proceedings of the International Conference of the American Association for Artificial Intelligence on Internet and Social Media. Volume 11, Issue 1, 2017.
9. Malampati, Morali. "Machine Learning and Generative Neural Networks in Adaptive Risk Management: Leading Secure Financial Frameworks." Kurdish Studies.
10 Ibrahim, Nehad M., et al, "Well performance classification and prediction: deep learning and machine learning long term regression experiments on oil, gas, and water production." Sensors 22.14 (2022): 5326.
11. Çılgın , Cihan, and Hadi Gökçen. "A hybrid machine learning model architecture with clustering analysis and stacking ensemble for real estate price prediction." Computational Economics 66.1 (2025): 127-178.
12. Jarašūnienė, Aldona, and Marius Gelžinis. "Risk and Crisis Management Strategies in the Logistics Sector: Theoretical Approaches and Practical Models." Future Transportation 5.2 (2025): 74.
التنزيلات
منشور
إصدار
القسم
الرخصة
الحقوق الفكرية (c) 2025 مجلة العلوم الشاملة
هذا العمل مرخص بموجب Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
