Explore the vast range of titles available.

يهدف البحث إلى التعرف على واقع التضخم في ليبيا من خلال دراسة القيم الواقعية المعبرة عنه من واقع الإحصائيات الصادرة عن مصرف ليبيا المركزي وبيان التطور الحاصل في معدل التضخم خلال فترة الدراسة، كذلك يهدف إلى وضع نموذج للتنبؤ بالتضخم في الاقتصاد الليبي باستخدام نماذج التمهيد الأسي (نموذج التمهيد الأسي المضاعف- ونموذج هولت)، ودلت نتائج المفاضلة على أن نموذج هولت هو النموذج الأفضل والملائم لتمثيل سلسلة التضخم في الاقتصاد الليبي، وتم التنبؤ بمعدلات التضخم في ليبيا حتى سنة 2027 حيث بلغ التضخم خلال هذه السنة إلى 3.4%.

This study aims to forecast the daily closing prices of silver by employing two distinct approaches: the traditional Autoregressive Integrated Moving Average (ARIMA) model and the modern Extreme Gradient Boosting (XGBoost) algorithm. The dataset covers the period from January 3, 2023, to May 21, 2025, obtained from the Yahoo Finance platform. The ARIMA model was specified using the Box-Jenkins methodology, while the XGBoost model incorporated multiple technical indicators, including simple and exponential moving averages, RSI, and MACD. Model performance was evaluated using Mean Absolute Error (MAE), Mean Squared Error (MSE), and Root Mean Squared Error (RMSE). The results indicate that the ARIMA model achieved higher predictive accuracy than XGBoost for this dataset, though XGBoost demonstrated the ability to capture certain nonlinear patterns.

Market volatility prediction is one of the most commonly used terms in the trading market today. Price movements, market volatility, and trading risks are all represented by realized volatility. A small change in volatility affects the expected return on all assets. In this research, To predict volatility, we will use the dataset provided by the Kaggle platform. Optiver is a leading global electronic market maker and is committed to continuously improving financial markets, improving access and prices for options. Exchange traded funds (ETFs), On numerous exchanges around the world, cash equities, bonds, and foreign currencies are traded. The prediction models we used in our study are Light GBM and XGBoost and CatBoost and Linear Regression, and we concluded some related works on forecasting volatility. Then we ran our models. The results show that the LightGBM model is the best among these models, as it achieved the lowest root mean square error percentage (RMSPE) score of: 0.286, And the highest score in the coefficient of determination R2 is: 0.817, and the RMSPE for other models: XGBoost, CatBoost and Linear regression is, respectively: 0.303, 0.302 and 0.347, and the score of r2 is also: 0.791, 0.784, 0.766.

تهدف هذه الدراسة إلى معرفة إمكانية التنبؤ بالفشل المالي في المؤسسات الاقتصادية باستعمال نماذج التنبؤ بالفشل المالي، وكذلك التعرف إلى كيفية تطبيق أدوات التنبؤ بالفشل المالي، وذلك انطلاقا من المؤشرات المالية المتحصل عليها بعد تحليل القوائم المالية لمجمع صيدال في الفترة الممتدة ما بين 2017-2019 وذلك باستخدام كل من نموذج Spring Gate وkida. وقد خلصت الدراسة إلى عدة نتائج أهمها أن هذه النماذج لها قدرة على التمييز بين فشل واستمرارية المؤسسة، وقد توصلت إلى أن مؤسسة صيدال تتواجد في منطقة الخطر أي يحذق بها الفشل المالي خلال فترة الدراسة المعتمدة، وهذا يدل على أن هذه الأخيرة ستواجه صعوبات مالية في المستقبل.