2020 ‫حزيران‬ )9( ‫) اجمللد‬34( ‫العدد‬ ‫جملة اإلدارة واإلقتصاد‬

)‫تشخيص أمنوذجات السالسل الزمنية الكفوءة (تطبيق عملي‬

Diagnosis of efficient time series models(Practical application)

‫صبيحة نعمة ضهد‬ ‫د جاسم ناصر حسني‬.‫م‬.‫أ‬

Sabiha N.Dhad Jassim N . Hussain

sabihand@stu.edu.iq Jasim.nasir@uokerbala edu.iq

‫امللخص‬

‫يهدف البحث الى تشخيص أفضل أنموذج سلسلة زمنية مالئم للتقلبات لمتوسطات األسعار الشهرية للنفط الخام‬
‫جينكنز في بناء األنموذج المالئم للتقلبات من‬-‫ وتطبيق مراحل طريقة بوكس‬، ‫)م‬2017-2006( ‫العراقي المصدر للفترة‬
‫ والكشف عن وجود‬، ‫ وبعد أجراء العديد من االختبارات اإلحصائية لدراسة استق اررية السلسلة المدروسة‬ARCH ‫عائلة‬
ً‫ بعد تحويل السلسلة األصلية الى سلسلة العودة والتي غالبا‬، ‫مشكلة عدم تجانس التباين التي تتصف بها هذه األنموذجات‬
‫وبأخطاء‬AR(1) ‫وهو‬ ‫ما تستخدم مع السالسل الزمنية المالية ونتائج التحليل اظهرت بأن األنموذج األفضل‬
‫) ومعنوية معلمات األنموذج المقدرة كونه حقق أقل قيم‬AIC , SBC , H-Q( ‫ باستخدام معايير المفاضلة‬TARCH(2,2)
‫ ايضاً وجود عدم‬، ‫ واتضح من النتائج ان الصدمات التي تحدث في فترات ماضية مزعزعة لالستقرار‬. ‫للمعايير المذكورة‬
.‫ وهناك انخفاض في التقلبات الالحقة لألسعار‬، ‫تناظر في الصدمات الموجبة والسالبة‬

Abstract

The research aims to diagnose the best time series model for fluctuations in the monthly
average price of Iraqi crude oil for the period (2006-2017), and to apply the stages of the
Box-Jenkins method in building the appropriate model for volatility from the ARCH family
and after conducting several statistical tests to study the stability of the studied series, And
the detection of the existence of the problem of heterogeneity characteristics of these
models, after converting the original chain to the return series, which is often used with
financial time series, the best model was diagnosed as AR (1) and TARCH errors (2,2)
using differentiation criteria (AIC, SBC , HQ) and moral parameters. The model is estimated
to have achieved the lowest values for the mentioned criteria. It was clear from the results
that the shocks that occur in past periods destabilize, as well as the presence of asymmetry
in positive and negative shocks, and there is a decrease in subsequent price volatility .

281
 ‫حزيران ‪2020‬‬ ‫العدد (‪ )34‬اجمللد (‪)9‬‬ ‫جملة اإلدارة واإلقتصاد‬

‫(‪ ) )1-1‬مقدمة ‪Introduction‬‬

‫للنفط دور حيوي واستراتيجي مهم يشمل كل الجوانب األقتصادية واألجتماعية والسياسية والعسكرية ‪ ،‬ويمكن قياس تطور‬
‫المجتمع من خالل مايستهلكه من النفط ومشتقاته ‪ ،‬لهذه المادة أهمية كبيرة خصوصاً بالنسبة للدول الصناعية الكبرى ‪ .‬بما‬
‫ان العراق من الدول المصدرة للنفط وما ألسعار هذه المادة من دور كبير في األقتصاد العراقي ‪.‬لذلك اعتمدت هذه الدراسة‬
‫على البيانات الشهرية الخاصة باسعار النفط الخام العراقي ‪.‬‬
‫نالت السالسل الزمنية أهتمام الباحثين لما لها من دور في دراسة سلوك العديد من الظواهر ‪ ،‬والمقصود بالسلسة الزمنية هي‬
‫مجموعة من األرقام تمثل ظاهرة معينة مرتبة على أساس فترات زمنية غالباً ماتكون متساوية ومتعاقبة ‪ .‬للسالسل الزمنية‬
‫تطبيقات واسعة في تحليل الظواهر في كافة المجاالت االقتصادية واالجتماعية والصحية والديموغرافية‪ .‬الغرض الرئيسي‬
‫لتحليل السلسلة الزمنية هو وصف مالمح الظاهرة التي تولد هذه السلسلة الزمنية وبناء أنموذج قياسي لتفسير سلوكها‬
‫واعتماد هذا األنموذج للتنبؤ بالقيم ولفترات مستقبلية باالعتماد على القيم لفترات سابقة ‪.‬‬
‫‪ (Box-Jenkins‬منهجية حديثة في مطلع النصف‬ ‫شهد تحليل السالسل الزمنية تطو ار ملحوظا بعد ما قدم العالمان (‬
‫الثاني من القرن العشرين والتي أثبتت كفاءة عالية وأصبحت مدخال حقيقيا للتحليل الحديث للسالسل الزمنية لما تتضمنه من‬
‫نظريات إحصائية وطرق ووسائل بيانية وحسابية ‪ ،‬وقد اتخذ الخبراء والباحثون والدارسون هذه المنهجية مرجع رئيسي لهم‬
‫للتعرف على النموذج المالئم وتقدير معلماته وتشخيصه واستخدامه في التنبؤ بالمشاهدات المستقبلية ‪ .‬المتمثلة بأنموذجات‬
‫‪ ARMA‬باإلضافة إلى اإلنجاز العلمي من قبل الباحث (‪ )Engle , 1982‬والمتمثل بأنموذجات ‪[AutoRogressive‬‬
‫])‪ ، Conditional Hetroscedasticity(ARCH‬ان تحليل هذا النوع من األنموذجات يختلف عن التحليل التقليدي الذي‬
‫يعتمد على فرضية ثبات التباين المشروط لخطأ األنموذج وسبب ذلك هناك نوع من السالسل الزمنية ال تحقق هذه الفرضية‬
‫‪ ،‬مثل السالسل الزمنية المالية يكون تحليلها فيه تباين الخطأ المشروط يعتمد على القيم السابقة أي يتغير مع الزمن ‪.‬‬
‫تظهر أهمية الدراسة باستخدام أنموذجات السالسل الزمنية (‪ )ARCH-GARCH‬وتشخيص أنموذج قياسي لمعدالت أسعار‬
‫الصادرات النفطية في العراق في ظل التقلبات والتذبذبات الموجودة في السوق النفطية حيث إن هذه األنموذجات تتخذ‬
‫الخطأ الحالي كدالة للخطاء في فترات سابقة ‪.‬‬
‫تناول البحث أربع مباحث ‪ ،‬تضمن المبحث األول المقدمة ومنهجية البحث ‪ ،‬ركز المبحث الثاني على دراسة أنموذجات‬
‫السالسل الزمنية وبناء أنموذج من عائلة (‪ )ARCH-GARCH‬من خالل تطبيق مراحل منهجية (‪، )Box-Jenkins‬‬
‫المبحث الثالث خصص للجانب التطبيقي لتحليل سلسلة البيانات الشهرية للنفط الخام العراقي المصدر للفترة (‪2006-‬‬
‫‪) 2017‬م تضمن العديد من االختبارات في وصف البيانات والكشف عن استق اررية السلسلة وتشخيص األنموذج المالئم لهذه‬
‫البيانات ‪ ،‬أما المبحث الرابع تضمن االستنتاجات التي ظهرت من هذه الدراسة ‪ ،‬أيضا التوصيات التي وضعها الباحث‬
‫(‪ )2-1‬مشكلة البحث ( ‪)study problem‬‬

‫تتمثل المشكلة من خالل إمكانية ارتباط األخطاء الخاصة بالسالسل الزمنية لفترة حالية باألخطاء الحاصلة من فترات سابقه‬
‫فضال عن امتالك الخطاء تباين عالي ‪,‬كما إن هنالك مشاكل ترافق التشخيص للنموذج عند امتالك السلسلة الزمنية تقلبات‬
‫فجائية عالية الحدة‬

‫(‪ )3-1‬هدف البحث ( ‪)objective of study‬‬

‫يهدف البحث إلى التعرف على أفضل نموذج سلسلة زمنيه مالئم لبيانات البحث وللفترة (‪)2017-2006‬م من خالل مقارنة‬
‫عدد من األنموذجات وإيجاد األنموذج األفضل للتنبؤ وحسب المعايير الموضوعة (‪. )AIC , SBC , H-Q‬‬

‫‪282‬‬
 ‫حزيران ‪2020‬‬ ‫العدد (‪ )34‬اجمللد (‪)9‬‬ ‫جملة اإلدارة واإلقتصاد‬

‫(‪)4-1‬أهمية البحث ( ‪)importance of study‬‬

‫أصبحت أنموذجات (‪ ARCH‬و ‪ (GARCH‬أدوات مهمة في تحليل بيانات السالسل الزمنية وخاصة في التطبيقات‬
‫االقتصادية والمالية وغيرها ‪.‬تكون هذه األنموذجات مهمة جدا في تحقيق التحليل والتوقع والتنبؤ لهذا النوع من السالسل‬
‫ُوتستخدم‬ ‫الزمنية‪,‬وتعد هذه األنموذجات مالئمة عندما يكون الخطأ الحالي للسلسلة دالة لألخطاء في فترات سابقه‬
‫أنموذجات ‪ ARCH‬عادة في السالسل الزمنية المالية التي تظهر تقلبات متفاوتة في الوقت أي فترات التقلبات المتخللة مع‬
‫فترات من الهدوء النسبي في بعض األحيان ‪ ،‬تُعتبر األنموذجات من نوع ‪ ARCH‬ضمن عائلة أنموذجات التقلب العشوائي‪.‬‬

‫اجلانب النظري‬

‫(‪ (1-2‬تمهيد‬
‫تتصف بعض السالسل الزمنية بقدر كبير من عدم التأكد خصوصاً السالسل الزمنية المالية وان استخدام أنموذجات‬
‫السالسل الزمنية العشوائية الخطية اليجدي نفعاً ‪ ،‬لذلك تم التأكيد على أنموذجات السالسل الزمنية العشوائية الالخطية‬
‫‪،‬حيث تم اقتراح انموذجات عائلة )‪The Autoregressive Conditionally Heteroscedastic Model (ARCH‬‬
‫(االنحدار الذاتي المشروط بعدم تجانس التباين) من قبل العالم (‪ )Engle , 1982‬لنمذجة تباين السالسل الزمنية التي‬
‫تعاني من عدم تجانس تباين الخطأ وبمتوسط صفر‪ ،‬هذه السالسل تعاني من تقلبات ذات نمط ديناميكي أي ان التباين‬
‫يتغير بمرور الزمن ‪.‬تضمن هذا المبحث بعض المفاهيم الخاصة بالسالسل الزمنية ومفهوم عدم تجانس تباين الخطأ‬
‫‪ Heteroscedasticity‬وأنموذجات السالسل الزمنية المناسبة للبيانات المالية والعديد من االختبارات وخطوات التشخيص‬
‫التي سيتم تطبيقها في المبحث الثالث ‪.‬‬
‫(‪ )2-2‬مفهوم عدم تجانس تباين الخطأ ) ‪) Heteroscedasticity‬‬
‫يتكون المصطلح ‪ Heteroscedasticity‬من مقطعين األول (‪ )Hetero‬ويعني مختلف والمقطع اآلخر‬
‫(‪)3‬‬
‫‪.‬‬ ‫(‪ )scedasticity‬ويعني عدم التجانس أو االنتشار وهنا يعني عدم ثبات التباين لألخطاء أي ان( ‪. )Var(𝜀t)≠ 𝜎𝜀2‬‬
‫ركزت األنموذجات الكالسيكية على فكرة أساسية هي أن متوسط األخطاء معدوم وتباينها ثابت بمرور الزمن وأنها مستقلة‬
‫(‪)11‬‬
‫عن بعضها البعض أي أن‬

‫‪E(𝜀t)=0‬‬ ‫‪⩝ t = 1 ,2, ….. , T‬‬ ‫)‪…(2-1‬‬

‫‪Var(𝜀t)= E(𝜀2t) = 𝜎2‬‬ ‫‪⩝ t = 1 ,2, ….. , t‬‬ ‫)‪…(2-2‬‬

‫‪Cov(𝜀t , 𝜀i ) = E(𝜀t , 𝜀i)=0‬‬ ‫‪⩝ t≠i‬‬ ‫‪,‬‬ ‫‪t = 1 ,2, ….. , T‬‬ ‫)‪…(2-3‬‬

‫وأن تقدير األنموذجات بإسقاط هذه الفرضيات يعد أم ار صعبا وذلك لوجود خاصية عدم التجانس واالرتباط بين األخطاء مما‬
‫يقلل من كفاءة األنموذجات المقدرة ‪ ، .‬قدمت الكثير من األفكار والحلول لحل مشكلة عدم تجانس األخطاء يتجه معظمها‬
‫إلى إيجاد تباين يتطور مع الزمن ‪ ،‬ومن هذه الحلول هو إدخال متغيرات جديدة (‪ )xt‬لتفسير هذا التطور ‪ ،‬مثالً جعل التباين‬
‫أو االنحراف المعياري كدالة خطية لمتغيرات خارجية ويفترض هنا أن المتغير الداخلي يكون مستقل عن تغيير التباين ‪ .‬من‬

‫‪283‬‬
 ‫حزيران ‪2020‬‬ ‫العدد (‪ )34‬اجمللد (‪)9‬‬ ‫جملة اإلدارة واإلقتصاد‬

‫هنا جاءت التعديالت التي قدمها (‪ ، )Engle‬حيث قدم أنموذج التباين العشوائي بأدراج المشاهدات السابقة في شكل انحدار‬
‫(‪)8‬‬
‫ذاتي لمربعات األخطاء‬

‫‪ℎ𝑡 = ∅1 𝜀𝑡−1‬‬
‫‪2‬‬
‫‪+∅2 𝜀𝑡−2‬‬
‫‪2‬‬
‫𝑝‪+……+∅𝑝 𝜀𝑡−‬‬
‫‪2‬‬
‫(‬ ‫حيث (‪ ) p‬درجة األنحدار الذاتي‬
‫‪…(2-4‬‬

‫𝑡𝜇 ‪𝜀𝑡 = 𝑥𝑡−1‬‬ ‫يقدم عدم التجانس كدالة لمتغيرات خارجية تتمثل بالمعادلتين ‪:‬‬
‫)‪…(2-5‬‬

‫‪𝜀𝑡 = √∅0 + ∅1 𝑥𝑡−1‬‬

‫‪2‬‬
‫𝑡𝜇‬ ‫)‪…(2-6‬‬ ‫بحيث ( ‪)𝑥𝑡−1‬تمثل متغير خارجي‬

‫‪Var(𝜀𝑡 ) =𝑥𝑡−1‬‬
‫‪2‬‬
‫‪𝜎2‬‬ ‫)‪…(2-7‬‬ ‫التباين غير الشرطي‬
‫𝜀‬
‫‪Var( 𝑡⁄𝑥𝑡−1 ) =𝑥𝑡−1‬‬
‫‪2‬‬
‫‪𝜎2‬‬ ‫)‪…(2-8‬‬ ‫التباين الشرطي‬

‫)‪ (∅0 = 0 , ∅1 = 1‬فتصبح المعادلة (‪ )2-5‬والمعادلة (‪ )2-6‬هي‬ ‫‪ i=1,2‬أي‬ ‫حيث‬ ‫عندما ‪∅1 = i‬‬
‫نفسها ونحصل على ‪:‬‬

‫‪ℎ𝑡 =∅0 + ∅1 𝑥𝑡−1‬‬

‫‪2‬‬
‫)‪…(2-9‬‬

‫مما يعني أن التباين الشرطي له معلمة خارجية ‪ .‬فكرة (‪ )Engle‬األساسية هي تعويض المتغيرات (𝜀) بدالًعن (𝑥) في‬
‫المعادلتين (‪ )2-5‬و (‪ )2-6‬ومنه نحصل على المعادلتين (‪ )2-10‬و (‪)2-11‬‬

‫𝑡𝜇 ‪𝜀𝑡 = 𝜀𝑡−1‬‬ ‫)‪…(2-10‬‬ ‫‪,‬‬ ‫‪𝜀𝑡 = √∅0 + ∅1 𝜀𝑡−1‬‬

‫‪2‬‬
‫𝑡𝜇‬ ‫)‪...(2-11‬‬

‫‪ ℎ𝑡 = ℎ (𝜀𝑡−1‬معنى ذلك يكفي ان نعوض بدالً عن المتغيرات الخارجية بالمشاهدات‬

‫‪2‬‬
‫أي أن ) ‪, ∅0 , ∅1‬‬
‫المالحظة السابقة أي المتغيرات الداخلية السابقة ‪ ،‬وبذلك تعطي معادلة المتوسط الشرطي ( 𝑡‪)ℎ‬‬

‫(‪)1‬‬
‫‪ ، ) ∅0 +∅1 𝜀𝑡−1‬يتضح مما سبق ان األنموذج نفسه هو مصدر التباين الشرطي ‪.‬‬
‫‪2‬‬
‫‪) 𝜎 2 ، )𝜀𝑡−1‬‬
‫‪2‬‬
‫)‪𝜎 2‬‬

‫(‪)3-2‬أنموذجات السالسل الزمنية العشوائية الال خطية غي ار لمتناظرة ‪ASymmetric Non- Linear stochastic‬‬
‫‪time series models‬‬

‫تتصف هذه األنموذجات بقدر كبير من عدم التأكد ‪ ،‬وان االهتمام الحديث في دراسة السالسل الزمنية ال ينصب بدراسة‬
‫‪ ،‬ودراسة عدم التاكد‬ ‫التنبؤ فقط خصوصا في الظواهر المالية ‪ ،‬وإنما االهتمام بعنصر عدم التاكد ‪Uncertainty‬‬
‫بحاجة الى انموذجات خاصة تتعامل مع التقلبات ‪ Volatility‬في قيم الظاهرة والذي يطلق علية تباين السلسلة‬
‫(‪)4‬‬
‫‪ .‬في هذا‬ ‫‪ ، Variance‬واألنموذجات التي تستخدم مع هذا النوع من التباين تنتمي الى اسرة أنموذجات )‪(ARCH‬‬
‫البحث تم تشخيص أحد األنموذجات الالخطية وغير المتماثلة (غير المتناظرة) فكرة هذه األنموذجات هي أن مفعول تأثير‬
‫(‪)2‬‬
‫‪.‬‬ ‫عدم التجانس يختلف حسب كون أشارة الخطأ السابق موجبة أو سالبة ‪.‬‬

‫‪284‬‬
 ‫حزيران ‪2020‬‬ ‫العدد (‪ )34‬اجمللد (‪)9‬‬ ‫جملة اإلدارة واإلقتصاد‬

‫)‪TGARCH(p,q‬‬ ‫(‪ -)4-2‬أنموذج االنحدار الذاتي المعمم المشروط بعدم تجانس التباين ذات العتبة‬

‫‪Threshold Generalized AutoregressiveConditional Heteroscedasticity‬‬

‫أنموذجات ‪ TGARCH&TARCH‬وتعرف بأنموذجات ‪ ARCH‬ذات العتبة(الحدود) التي أقترحها كل من‬

‫(‪ )Engle&Bollerslev,1986‬وتم تعميمها من قبل (‪ )Zakoian&Robemananjara,1991‬لتصبح تسمى أنموذجات‬
‫يسمح هذا األنموذج لحدود تباين الخطأ المشروط السابقة باالعتماد على اإلشارات(‪ ،)6‬غالباً ما يالحظ‬ ‫(‪)5‬‬
‫‪. TGARCH‬‬
‫إن الصدمات االي جابية والسلبية لها تأثيرات مختلفة على التقلبات ‪ ،‬بمعنى ان الصدمات السالبة تتبعها تقلبات سالبة اعلى‬
‫‪Glosten ,‬‬ ‫من الصدمات االيجابية بنفس الحجم ‪ .‬للتعامل مع هذه الظاهرة قدم كل من)‪, Zakoian(1994‬‬
‫)‪ Jagannathan , Runkle(1993‬بشكل مستقل أنموذج العتبة ‪ ARCH‬ويرمز له (‪ ، )TARCH‬وهو أنموذج غير‬
‫خطي يسمح بصدمات غير متماثلة بتقلبها ويمكن التعبير عن هذا النموذج من الرتبة األولى )‪ TARCH(1,1‬كاآلتي ‪:‬‬

‫‪𝜎𝑡2 = ω + 𝛽 𝜎𝑡−1‬‬
‫‪2‬‬
‫‪+ α 𝜀𝑡−1‬‬
‫‪2‬‬
‫‪+ γ 𝜀𝑡−1‬‬
‫‪2‬‬
‫)‪𝑑t−1 …(2-12‬‬

‫إذا كانت ( 𝑡‪ )ε‬سالبة ‪ ،‬وتكون (‪ )𝑑𝑡 =0‬خالف ذلك ‪ ،‬في هذا األنموذج يميل التقلب الى األرتفاع بسبب‬ ‫حيث ‪𝑑𝑡 =1‬‬
‫األخبار السيئة (‪ ، )𝜀t-1 < 0‬ويميل إلى االنخفاض مع األخبار الجيدة (‪ ، )𝜀t-1 > 0‬األخبار الجيدة لها تأثير من (‪)α‬‬
‫بينما األخبار السيئة لها تأثير من (‪. )α + γ‬يهتم هذا األنموذج بتأثير عدم التماثل في التقلبات ‪ .‬إذا كانت (‪ )γ=0‬تكون‬
‫التقلبات متماثلة ‪ ،‬إذا كانت (‪ )γ≠0‬تكون التقلبات غير متماثلة ‪،‬إذا كانت (‪ )γ>0‬تعني هناك تأثير لعدم التماثل ‪ ،‬ويكون‬
‫(‪)7‬‬
‫‪ )α 𝜀𝑡−1‬يعكس تأثير األخبار أو المفاجآت من الفترات‬ ‫‪ ،‬الحد ‪( ARCH‬‬ ‫استمرار التقلبات بواسطة (‪. )α+𝛽+2‬‬
‫‪2‬‬ ‫‪γ‬‬

‫السابقة التي تأثر على التقلب في األسعار‪ )α( ،‬أذا كان كبير وايجابي يصور مدى تأثير الصدمات على التقلب الذي‬
‫يزعزع االستقرار‪ ،‬عندما تكون (‪ )α>1‬تكون الصدمات التي تحدث في الماضي مزعزعة لالستقرار ‪ ،‬الحد ‪𝛽 ( GARCH‬‬
‫‪ ) 𝜎𝑡−1‬يقيس تأثير التباين المتوقع من الفترات السابقة على التباين الشرطي الحالي ‪ ،‬إذا كانت قيمة المعامل (𝛽) قريبة‬
‫‪2‬‬

‫من الواحد ذلك يعني درجة عالية من الثبات في تقلب األسعار ‪ .‬يخبرنا مجموع المعاملين (𝛽‪ )α+‬عن سرعة تقارب توقع‬
‫التقلبات الشرطية إلى حالة االستقرار ‪ ،‬حيث كلما اقتربت قيمة المجموع من الواحد كلما كان التقارب أبطأ ‪ .‬الحد‬
‫‪ )γ 𝜀𝑡−1‬يقيس ويوضح تأثير الفرق بين األخبار الجيدة والسيئة ‪ .‬تشير قيمة معامل عدم‬
‫‪2‬‬
‫‪ TARCH‬غير المتماثل( ‪𝑑t−1‬‬
‫التماثل (‪ ) γ‬إلى األهمية اإلحصائية لحجم تأثير عدم التماثل ‪ ،‬وعالمة اتجاهها ‪ .‬القيمة الموجبة للمعامل تشير إلى الزيادة‬
‫(‪)9‬‬
‫‪ ،‬والقيمة السالبة للمعامل تشير إلى االنخفاض في التقلب الالحق في السعر ‪.‬‬

‫اجلانب العملي‬
‫سيتم عرض الجانب التحليلي القياسي للسلسلة الزمنية الشهرية ألسعار النفط الخام المصدر من العراق للفترة من‬
‫وباالستعانة‬ ‫(‪)2017-2006‬م والتي تم الحصول عليها من الجهاز المركزي وبلغ حجم المشاهدات (‪)144‬مشاهدة‬
‫ببرنامج (‪ ، )Eviews 9‬برنامج (‪ )SPSS‬تم بدراسة استق اررية السلسلة الشهرية ألسعار النفط الخام المصدر ثم استعمال‬
‫أنموذجات السالسل الزمنية الغير خطية لتشخيص أنموذج االنحدار الذاتي المشروط بعدم تجانس التباين لألخطاء كونها‬
‫األنموذجات األكثر مالئمة لنمذجة السالسل الزمنية المالية ‪ ،‬قبل البدء بتشخيص وتحليل السلسلة الزمنية سيتم تحويل‬
‫السلسلة األصلية الى سلسلة العودة (‪ )Return Series‬تمثل هذه السلسلة الفرق األول للوغاريتم المشاهدات ‪ ،‬وألنه من‬
‫المالحظ على السالسل الزمنية المالية عدم استق اررية الوسط باإلضافة إلى عدم الثبات قي التباين (‪ )Volatility‬ويجب‬

‫‪285‬‬
 ‫حزيران ‪2020‬‬ ‫العدد (‪ )34‬اجمللد (‪)9‬‬ ‫جملة اإلدارة واإلقتصاد‬

‫معالجتها من خالل إخضاعها لالختبارات اإلحصائية واكتشاف خصائصها اإلحصائية من حيث األستق اررية وثبات التباين‬
‫كما يأتي ‪:‬‬
‫(‪ )1-3‬وصف البيانات‬

‫جدول (‪)1‬اإلحصاء الوصفي لمعدالت األسعار الشهرية للنفط الخام العراقي المصدر للفترة (‪)2017-2006‬‬

‫‪Indices‬‬ ‫‪Values‬‬
‫‪Mean‬‬ ‫‪73.335‬‬
‫‪Median‬‬ ‫‪71.323‬‬
‫‪Maximum‬‬ ‫‪122.907‬‬
‫‪Minimum‬‬ ‫‪22.200‬‬
‫‪Std.dev‬‬ ‫‪26.743‬‬
‫‪Skewness‬‬ ‫‪0.078‬‬
‫‪Kurtosis‬‬ ‫‪1.663‬‬
‫‪Jarque-Bero‬‬ ‫‪10.859‬‬
‫‪Probability‬‬ ‫‪0.004‬‬
‫في الجدول (‪ )1‬والشكل (‪ )1‬الذي يمثل رسم سلسلة العودة ألسعار النفط الخام وذلك بتحويل بيانات السلسلة األصلية‬
‫لألسعار بأخذ لوغاريتم القيم والفرق األول وذلك للحد من تأثير عدم االستقرار لكل من الوسط والتباين ‪ ،‬تمثلت سلسلة‬
‫األسعار بمتوسط قدره (‪ )73.33525‬دوالر وقيمة دنيا (‪ )22.20028‬دوالر وقيمة عظمى (‪ )122.9071‬دوالر وبانحراف‬
‫معياري (‪ ، )26.74318‬وان قيمة معامل االلتواء (‪ )Skewness‬بلغت (‪ )0.0787‬موجبة يعني ذلك ان األخطاء لها‬
‫ذيل طويل ملتو التواء موجب إلى اليمين ‪،‬أيضا معامل التفلطح (‪)Kurtosis‬بلغت (‪ )1.66902‬وهي تختلف عن القيمة‬
‫(‪ )3‬المميزة للتوزيع الطبيعي‪ ،‬ذلك يعني أن السلسلة تتصف بالتفلطح وهو ما يبين اختالفها عن التوزيع الطبيعي وعدم‬
‫التجانس في مستويات سلسلة البيانات واألحصاءة (‪ )Jarque-Bera‬تثبت ذلك من خالل القيمة االحتمالية لها التي بلغت‬
‫(‪)0.004‬وهي أقل من (‪.)%5‬من خالل ما نالحظه في الجدول والشكل البياني أعاله تتميز هذه السلسة بظهور تقلبات‬
‫متجمعة ومن المعروف إن انموذجات ‪ ARCH‬تسمح بظهور هذه الظاهرة ‪.‬ال نستطيع الحصول على جواب حول استق اررية‬
‫السلسلة من عدمها ‪ ،‬لذلك تم استخدام أختبارات األستق اررية كاآلتي ‪.‬‬

‫شكل رقم (‪)1‬سلسلة العودة ألسعار النفط الخام العراقي المصدر للفترة (‪)2017-2006‬‬

‫‪Log Differenced P‬‬

‫‪.2‬‬

‫‪.1‬‬

‫‪.0‬‬

‫‪-.1‬‬

‫‪-.2‬‬

‫‪-.3‬‬

‫‪-.4‬‬
‫‪06‬‬ ‫‪07‬‬ ‫‪08‬‬ ‫‪09‬‬ ‫‪10‬‬ ‫‪11‬‬ ‫‪12‬‬ ‫‪13‬‬ ‫‪14‬‬ ‫‪15‬‬ ‫‪16‬‬ ‫‪17‬‬

‫‪286‬‬
 ‫حزيران ‪2020‬‬ ‫العدد (‪ )34‬اجمللد (‪)9‬‬ ‫جملة اإلدارة واإلقتصاد‬

‫(‪ )2-3‬أالختبارات اإلحصائية ‪:‬‬

‫أوالا‪ -‬اختبار األستقرارية ‪:‬‬

‫‪H0 : 𝜌1 =𝜌2 =-----𝜌k----= 𝜌k =0‬‬ ‫االرتباط الذاتي ‪ :‬يتم اختبار الفرضية التالية ‪⩝ :‬‬ ‫أ‪-‬‬
‫‪k=1,2----m‬‬

‫‪H1: 𝜌i ≠0‬‬ ‫}‪for some i∈{1,2,…,m‬‬

‫…‪K = 0 , ± 1 , ± 2 ,‬‬ ‫وهي تأخذ الصيغة اآلتية ‪:‬‬
‫= 𝑘𝜌‬
‫𝑘𝛾‬
‫𝑜𝛾‬

‫شكل رقم (‪ )2‬يوضح التمثيل البياني لمعامالت االرتباط الذاتي عند المستوى(‪I(0‬‬

‫من خالل الشكل رقم (‪ )2‬نالحظ سلوك دالة االرتباط الذاتي بأن معامالتها تختلف معنويا عن الصفر أي إنها خارج حدود‬
‫) ‪ ،‬ونالحظ إنها تميل لالنخفاض ببطء نحو الصفر كلما ازدادت فترات اإلزاحة (‪ ، )Lag‬يظهرمن‬ ‫الثقة (‬
‫‪−1.96‬‬ ‫‪1.96‬‬
‫‪,‬‬
‫𝑛√‬ ‫𝑛√‬
‫الرسم البياني انخفاض األعمدة البيانية بمرور فترات اإلزاحة (اإلبطاء) ‪ ،‬وان هذه األعمدة التي تمثل قيم معامالت االرتباط‬
‫الذاتي خارج حدود الثقة ‪ ،‬لذلك نرفض فرضية العدم أي إن معامالت االرتباط الذاتي ال تساوي معنويا للصفر عند مستوى‬
‫معنوية (‪)%5‬مما يدل على عدم استق اررية السلسلة المدروسة ‪.‬‬

‫من الشكل رقم (‪ )3‬نالحظ معامالت االرتباط الذاتي متغيرة بين االرتفاع واالنخفاض وضمن حدود الثقة‬
‫) خالل فترات اإلبطاء المتأخرة وذلك يوحي باألستق اررية لبيانات سلسلة األسعار الشهرية للنفط المصدر‬ ‫(‬
‫‪−1.96‬‬ ‫‪1.96‬‬
‫‪,‬‬
‫𝑛√‬ ‫𝑛√‬
‫عند الفرق األول ‪ .‬ومن مالحظة الرسم البياني لها باالعتماد على النظر بالعين المجردة فان النتائج غير دقيقة ‪ ،‬لذلك يجب‬
‫استخدام االختبارات اإلحصائية واألدوات الخاصة بها للتأكد من استق اررية السلسلة قبل البدء بمراحل التشخيص ‪.‬‬

‫‪287‬‬
 ‫حزيران ‪2020‬‬ ‫العدد (‪ )34‬اجمللد (‪)9‬‬ ‫جملة اإلدارة واإلقتصاد‬

‫شكل رقم (‪ )3‬التمثيل البياني لالرتباط الذاتي بعد أخذ الفرق األول‬
‫ثانيا ‪ :‬اختبارات جذر الوحدة ‪:‬‬
‫فرضية االختبار هي ‪:‬‬
‫(وجود جذر وحدة أي عدم استق اررية)‬
‫‪H0 :‬‬ ‫‪δ=0 or 𝜙 =1‬‬
‫(عدم وجود جذر وحدة أي استق اررية) ‪H1 :‬‬
‫وبأحصاءة االختبار ‪:‬‬ ‫‪δ<0 or 𝜙 <1‬‬
‫̂‬
‫= 𝜏‬
‫∅‬
‫̂∅ ̂‬
‫𝜎‬

‫جدول رقم (‪ )5‬اختبارات جذر الوحدة بمستوى معنوية (‪)%5‬‬

‫الجدول أعاله من إعداد الباحثة اعتمادا على برنامج ‪Evies‬‬
‫من خالل الجدول (‪ )5‬ا تظهر نتائج األستق اررية لسلسلة العودة ألسعار النفط الخام المصدر عند الفرق األول باستخدام‬
‫جميع اختبارات جذر الوحدة ‪ ،‬وعليه سيتم تقدير األنموذج بعد أخذ الفرق األول للسلسلة‬

‫ثالث ا‪ -‬اختبار الكشف عن االتجاه ‪ :‬للكشف عن االتجاه تم إجراء االختبار التالي ‪:‬‬
‫‪H0 : Time Series has a linear trend‬‬ ‫‪H1 : Time Series do not have a linear trend‬‬

‫تم تقسيم السلسلة إلى قسمين متساويين وتقدير معادلة االتجاه لكل قسم وبتطبيق أحصاءة االختبار ‪:‬‬

‫الفرق االول للسلسلة عند مستوى معنوية‬ ‫القيم االصلية عند مستوى معنوية ‪%5‬‬ ‫االختبار‬
‫‪%5‬‬
‫الحالة‬ ‫‪P-‬‬ ‫القيمة‬ ‫القيمة‬ ‫الحالة‬ ‫‪P-‬‬ ‫القيمة‬ ‫القيمة‬
‫الجدولية المحسوبة ‪value‬‬ ‫‪value‬‬ ‫المحسوبة‬ ‫الجدولية‬
‫‪ 0.000 -6.933 -2.881‬مستقرة‬ ‫غير‬ ‫‪0.117‬‬ ‫‪-2.499‬‬ ‫‪-2.881‬‬ ‫‪ADF -‬‬
‫مستقرة‬ ‫‪7‬‬ ‫‪test‬‬
‫مستقرة‬ ‫‪0.000‬‬ ‫‪-6.763‬‬ ‫غير ‪-2.881‬‬ ‫‪0.251‬‬ ‫‪-2.083‬‬ ‫‪-2.881 PP – test‬‬
‫مستقرة‬
‫مستقرة‬ ‫‪0.095‬‬ ‫‪0.463‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪KPSS -‬‬
‫‪test‬‬
‫‪288‬‬
 ‫حزيران ‪2020‬‬ ‫العدد (‪ )34‬اجمللد (‪)9‬‬ ‫جملة اإلدارة واإلقتصاد‬

‫‪2‬‬
‫= ‪Fc‬‬ ‫=‬ ‫‪= 23.3118‬‬
‫𝑖‪∑ 𝑒4‬‬ ‫𝑓𝑑‪⁄‬‬ ‫‪𝑆𝑆𝐸4 ⁄𝑑𝑓4‬‬
‫𝑓𝑑‪2 ⁄‬‬
‫𝑖‪∑ 𝑒3‬‬ ‫‪𝑆𝑆𝐸3 ⁄𝑑𝑓3‬‬
‫وبمقارنة القيمة المحسوبة مع القيمة الجدولية ( ‪) F(0.05 , 140 , 4) = 4.303‬‬
‫تبين ان القيمة المحسوبة اكبر من القيمة الجدولية وعليه ترفض فرضية العدم بمعنى إن االتجاه لجزئي السلسلة الزمنية غير‬
‫متساوي أي إن السلسلة التمتلك اتجاه خطي ‪.‬‬
‫(‪ )3-3‬مرحلة التشخيص أو التحديد ‪ :‬تم في هذه المرحلة معرفة األنموذج وتحديد رتبته وتبين من سلوك دالتي (‪)ACF‬‬
‫االرتباط الذاتي و(‪ )PACF‬االرتباط الذاتي الجزئي وبعد أخذ الفرق األول للسلسلة المدروسة نالحظ أنهما بين االرتفاع‬
‫واالنخفاض ويقتربان من الصفر تدريجياً عند فترات اإلبطاء المتأخرة وهذا ما يشير إلى أن أنموذج السلسلة من النوع‬
‫)‪ ، ARIMA(p,I,q‬وتبين بان أفضل نموذج هو النموذج )‪ ARIMA(1,1,0‬حيث امتلك اقل قيم في مقياس المفاضلة‬
‫)‪. (AIC , SIC , H-Q‬‬
‫(‪ )4-3‬تقدير األنموذج )‪ARIMA(1,1,0‬‬

‫جدول رقم (‪ )8‬نتائج تقدير األنموذج )‪ AR(1‬لسلسلة الفرق األول‬

‫‪Coef‬‬ ‫̂𝛽‬ ‫‪t-statistic‬‬ ‫‪Std.Error‬‬ ‫‪p-value‬‬

‫)‪AR(1‬‬ ‫‪0.485109 7.707442 0.062940‬‬ ‫‪0.000‬‬
‫‪constant 0.070225 0.060330 1.164017‬‬ ‫‪0.9520‬‬
‫تقدير معلمة األنموذج )‪ AR(1‬ونالحظ بان معنوية المعلمة عالية جداً‪ ،‬حيث كانت‬ ‫من الجدول رقم (‪ )8‬تظهر لنا نتائج‬
‫قيمتها االحتمالية ‪ P-Value‬تساوي (‪ )0.000‬وهي أقل من مستوى المعنوية (‪ )%5‬وذلك يدل على معنوية العالقة المقدرة‬
‫‪ .‬من النتائج يصبح النموذج بالشكل التالي‪:‬‬

‫‪Yt = 0.070225+ 0.485109 Yt-1‬‬

‫بعد تشخيص األنموذج وتحديد درجته وتقديره البد من التأكد من صحة مالئمة األنموذج وكفاءته من خالل اختبار‬
‫‪ Ljung-Box‬وكما موضح في الجدول التالي‪:‬‬

‫جدول رقم (‪ )9‬إحصائيات مالئمة األنموذج‬

‫‪Model Fit statistics‬‬ ‫)‪Ljung-Box Q (18‬‬

‫‪Stationary R-squared‬‬ ‫‪Statistic‬‬ ‫‪DF‬‬ ‫‪Sig.‬‬
‫‪.238‬‬ ‫‪59.993‬‬ ‫‪17‬‬ ‫‪.000‬‬
‫في الجدول رقم (‪ )9‬نالحظ اختبار ‪ Ljung-Box‬ومن خالل قيم الـ (‪ )p-value‬والتي بلغت (‪ )0.000‬وهذا يدل على‬
‫معنوية األنموذج العالية والذي يدعمه قيمة ( ‪ ) R2‬والتي كانت قيمها (‪ ).958‬وهي قيمة تفسيرية عالية للنموذج المقدر‬
‫أيضا قيمة األحصاءة (‪)Ljung-Box‬بلغت (‪ )59.993‬وهي قيمة عالية جداً تدل على معنوية األنموذج عند مستوى‬
‫معنوية (‪ )0.05‬ألن القيمة األحتمالية المصاحبة لألختبار قدرت قيمتها (‪ )0.000‬وهي اقل من مستوى المعنوية ‪.‬‬

‫‪289‬‬
 ‫حزيران ‪2020‬‬ ‫العدد (‪ )34‬اجمللد (‪)9‬‬ ‫جملة اإلدارة واإلقتصاد‬

‫جدول رقم (‪ )10‬مالئمة األنموذج‬

‫‪Fit statistic‬‬ ‫‪Mean‬‬ ‫‪Minimum‬‬ ‫‪Maximum‬‬
‫‪Stationary‬‬ ‫‪R‬‬ ‫‪.238‬‬ ‫‪.238‬‬ ‫‪.238‬‬
‫‪squared‬‬
‫‪R-Squared‬‬ ‫‪.958‬‬ ‫‪.958‬‬ ‫‪.958‬‬
‫‪RMSE‬‬ ‫‪5.504‬‬ ‫‪5.504‬‬ ‫‪5.504‬‬
‫‪MAPE‬‬ ‫‪5.616‬‬ ‫‪5.616‬‬ ‫‪5.616‬‬
‫‪MaxAPE‬‬ ‫‪45.413‬‬ ‫‪45.413‬‬ ‫‪45.413‬‬
‫من مالحظة قيم الجدول رقم (‪ )10‬تبين لنا بأن هناك أستق اررية بمقدار (‪ )0.238‬وان متوسط مربعات الخطأ المطلق كان‬
‫قليل نسبياً (‪ )5.616‬وهذا يدل على القدرة العالية على التفسير بالنسبة لألنموذج ‪.‬ويتبين ذلك أيضا من خالل تمثيل‬
‫معامالت االرتباط الذاتي والجزئي لألخطاء (البواقي) ‪.‬‬
‫(‪ )5-3‬أختبار البواقي ‪ :‬أ‪ -‬اختبار استقاللية البواقي ‪ :‬يكون بأختبار الفرضية ‪:‬‬
‫‪Ho: There is no series correlation‬‬ ‫‪H1: There is series correlation‬‬
‫‪،‬‬ ‫نالحظ من الشكل رقم (‪ )4‬أن معامالت األرتباط الذاتي والجزئي تقع ضمن حدود الثقة‬
‫‪−1.96 +1.96‬‬
‫𝑇√‬ ‫𝑇√‬
‫مما يدل على استقاللية األخطاء ‪.‬‬
‫‪Residual ACF‬‬

‫‪0.2‬‬ ‫‪+- 1.96/T^0.5‬‬

‫‪0.15‬‬
‫‪0.1‬‬
‫‪0.05‬‬
‫‪0‬‬
‫‪-0.05‬‬
‫‪-0.1‬‬
‫‪-0.15‬‬
‫‪-0.2‬‬

‫‪0‬‬ ‫‪5‬‬ ‫‪10‬‬ ‫‪15‬‬ ‫‪20‬‬

‫‪lag‬‬

‫‪Residual PACF‬‬

‫‪0.2‬‬ ‫‪+- 1.96/T^0.5‬‬

‫‪0.15‬‬
‫‪0.1‬‬
‫‪0.05‬‬
‫‪0‬‬
‫‪-0.05‬‬
‫‪-0.1‬‬
‫‪-0.15‬‬
‫‪-0.2‬‬

‫‪0‬‬ ‫‪5‬‬ ‫‪10‬‬ ‫‪15‬‬ ‫‪20‬‬

‫‪lag‬‬

‫شكل رقم (‪ )4‬التمثيل البياني لمعامالت االرتباط الذاتي والجزئي لسلسلة البواق‬

‫ب‪ -‬اختبار أثر (‪ ARCH-LM )ARCH‬للنموذج )‪ : AR(1‬يستخدم هذا االختبار لمعرفة فيما إذا كان النموذج المقدر‬
‫يعاني من إثر ‪ ARCH‬في سلسلة البواقي وذلك من خالل الفرضية التالية‪:‬‬

‫‪Ho: There is no ARCH effect‬‬ ‫‪, H1: There is‬‬

‫‪ARCH effect‬‬

‫وان احصاءة االختبار ‪(TR2) ~ 𝜒𝑝2‬‬

‫‪290‬‬
 ‫حزيران ‪2020‬‬ ‫العدد (‪ )34‬اجمللد (‪)9‬‬ ‫جملة اإلدارة واإلقتصاد‬

‫جدول رقم (‪ )11‬أختبار عدم تجانس التباين (‪)ARCH‬‬

‫‪Heteroskedasticity Test: ARCH‬‬
‫)‪Prob. F(1,140‬‬ ‫‪0.0000‬‬ ‫‪F-statistic‬‬ ‫‪56.35838‬‬
‫)‪Prob. Chi-Square(1‬‬ ‫‪0.0000‬‬ ‫‪Obs*R-squared‬‬ ‫‪40.75655‬‬
‫يتبين من الجدول رقم (‪ )11‬إن قيمة (‪ )Obs*R-squared‬اكبر من القيمة الجدولية ل ( ‪ )𝜒𝑝2‬وعليه نرفض فرضية العدم‬
‫ونقبل البديلة ‪ ،‬أي وجود تأثير ل ‪ ARCH‬في األنموذج ‪.‬‬

‫(‪ )6-3‬تشخيص تأثير عائلة (‪ :)ARCH‬تم في هذه الخطوة تجريب العديد من األنموذجات لتمثيل تأثير ‪ ARCH‬واختيار‬
‫األنموذج األكثر كفاءة باالعتماد على معايير المفاضلة ( ‪ )AIC , BIC , H-Q‬وتم اختيار األنموذج األفضل الذي يعطي‬
‫أقل القيم ‪.‬‬

‫جدول رقم (‪ )12‬نتائج تشخيص أنموذجات (‪)GARCH‬‬

‫األنموذجات‬ ‫‪AIC‬‬ ‫‪BIC‬‬ ‫‪H-Q‬‬

‫)‪GARCH(1,1‬‬ ‫‪5.976324‬‬ ‫‪6.079920‬‬ ‫‪6.018421‬‬
‫)‪GARCH(1,2‬‬ ‫‪5.949332‬‬ ‫‪6.073647‬‬ ‫‪5.99848‬‬
‫)‪GARCH(2,1‬‬ ‫‪5.975018‬‬ ‫‪6.099333‬‬ ‫‪6.025534‬‬
‫)‪GARCH(2,2‬‬ ‫‪5.963044‬‬ ‫‪6.108079‬‬ ‫‪6.021979‬‬
‫)‪TARCH(1,1‬‬ ‫‪5.980296‬‬ ‫‪6.083892‬‬ ‫‪6.022392‬‬
‫)‪TARCH(2,1‬‬ ‫‪5.982694‬‬ ‫‪6.107009‬‬ ‫‪6.033210‬‬
‫)‪TARCH(2,2‬‬ ‫* ‪5.927831‬‬ ‫*‪6.072865‬‬ ‫*‪5.986766‬‬
‫)‪TARCH(1,2‬‬ ‫‪5.952670‬‬ ‫‪6.076985‬‬ ‫‪6.003186‬‬
‫‪EGARCH(1,1) 6.474978‬‬ ‫‪6.578574‬‬ ‫‪6.517075‬‬
‫‪EGARCH(1,2) 6.409331‬‬ ‫‪6.533646‬‬ ‫‪6.459847‬‬
‫‪EGARCH(2,1) 6.266513‬‬ ‫‪6.390828‬‬ ‫‪6.317029‬‬
‫‪EGARCH(2,2) 6.200718‬‬ ‫‪6.345752‬‬ ‫‪6.259653‬‬
‫من مالحظة النتائج في الجدول (‪ )12‬أعاله نالحظ إن أفضل نموذج هو )‪GARCH(2,2‬‬

‫(‪ )7-3‬تقدير األنموذج )‪GARCH(2,2‬‬

‫جدول (‪ )10‬نتائج تقدير النموذج المشخص )‪TARCH(2,2‬‬

‫‪coefficient‬‬ ‫‪std. error‬‬ ‫‪z-Statistic‬‬ ‫‪p-value‬‬

‫‪Const‬‬ ‫‪3.845271‬‬ ‫‪0.044584‬‬ ‫‪86.24775‬‬ ‫‪0.0000‬‬
‫‪AR1‬‬ ‫‪0.954859‬‬ ‫‪0.004776‬‬ ‫‪199.9488‬‬ ‫‪0.0000‬‬
‫‪ω‬‬ ‫‪7.811757‬‬ ‫‪2.645443‬‬ ‫‪2.969552‬‬ ‫‪0.0030‬‬
‫𝟏𝜶‬ ‫‪0.811757‬‬ ‫‪0.171615‬‬ ‫‪4.730099‬‬ ‫‪0.0000‬‬
‫𝟏𝜸‬ ‫‪-0.006001‬‬ ‫‪0.449620‬‬ ‫‪-0.013347‬‬ ‫‪0.9894‬‬
‫𝟐𝜶‬ ‫‪0.376378‬‬ ‫‪0.233383‬‬ ‫‪1.612708‬‬ ‫‪0.1068‬‬
‫𝟐𝜸‬ ‫‪-0.439013‬‬ ‫‪0.223333‬‬ ‫‪-1.965734‬‬ ‫‪0.0493‬‬

‫‪291‬‬
 ‫حزيران ‪2020‬‬ ‫العدد (‪ )34‬اجمللد (‪)9‬‬ ‫جملة اإلدارة واإلقتصاد‬

‫يوضح الجدول (‪ )10‬مخرجات األنموذج )‪TARCH(2,2‬والذي تم تقديره بواسطة طريقة اإلمكان األعظم وباستخدام‬
‫برنامج (‪ )Eviews 9‬ومن خالل قيم ‪ z‬المحسوبة ومستوى الداللة تبين لنا باناغلب معالم األنموذج كانت معنوية عند‬
‫مستوى داللة (‪)5%‬ذلك يشير إلى مالئمة أنموذج البيانات‪.‬نالحظ إن قيم المعلمتين)‪ )𝜸𝟏 , 𝜸𝟐 >0‬التي تشير إلى‬
‫األهمية اإلحصائية لحجم تأثير عدم التماثل أي وجود تأثير الصدمات الموجبة والسالبة ذلك يعني وجود اختالف في‬
‫تأثير األخطاء السابقة حسب إشارتها(سالبة أو موجبة)‪ ،‬وان إشارات قيم معلمتي عدم التناظر( 𝟐𝜸 ‪ )𝜸𝟏 ,‬ظهرت سالبة‬
‫مما يشير إلى انخفاض قوة التقلبات الالحقة في األسعار أي ان الصدمات كانت موجبة (األخبار الجيدة)‪ ،‬اما قيم‬
‫معلمات ( 𝟐𝜶 ‪ ) 𝜶𝟏 ,‬تشير إلى مدى تأثير الصدمات على التقلبات التي تزعزع استقرار سلسلة األسعار وبما أن هذه‬
‫القيم اقل من الواحد ستكون الصدمات التي تحدث في الماضي مزعزعة لالستقرار ‪ ،‬هناك استمرار في التقلبات من خالل‬
‫‪. )α +‬‬ ‫تحقق الشرط ( ‪< 1‬‬
‫𝛄‬
‫𝟐‬

‫‪𝜶𝟏 + 𝜶𝟐 -‬‬ ‫‪= 0.965628 < 1‬‬

‫𝟐𝜸 ‪𝜸𝟏 +‬‬
‫𝟐‬

‫وبما ان القيمة كانت اقل من الواحد ذلك يدل على مالئمة األنموذج أي ان التنبؤات المشروطة للتباين تقترب من‬
‫التنبؤلت الغير مشروطة وسيتضح ذلك في مرحلة التنبؤ ‪.‬‬

‫ويمكن كتابة معادلة أنموذج التباين الشرطي باالعتماد على المعادلة (‪ )2-52‬بالشكل التالي ‪:‬‬

‫𝟐‪𝝈𝟐𝒕 = 7.811757+ 0.811757 𝜺𝟐𝒕−𝟏 -0.00600𝜺𝟐𝒕−𝟏+ 0.376378 𝜺𝟐𝒕−𝟐-0.439013 𝜺𝟐𝒕−‬‬

‫(‪ )8-3‬اختبار كفاءة األنموذج ‪ :‬أ‪ -‬اختبار استقاللية البواقي‬

‫‪Ho: There is no series correlation in the model‬‬ ‫نختبر‬
‫الفرضية التالية‪:‬‬
‫‪H1: There is series correlation in the model‬‬
‫الشكل (‪ )5‬يشيران جميع االرتباطات الذاتية لقيم األخطاء المعيارية داخل حدود الثقة وان جميع القيم االحتمالية لهذه‬
‫) وهذا يعني عدم رفض فرضية العدم اي عدم وجود ‪α=0.05‬االرتباطات كانت قيم كل منها أكبر من مستوى المعنوية (‬
‫سلسلة من االرتباطات الذاتية لبواقي األنموذج وهي صفة جيدة في األنموذج وهذا سبب تفضيله على غيره من األنموذجات‪.‬‬

‫‪292‬‬
 ‫حزيران ‪2020‬‬ ‫العدد (‪ )34‬اجمللد (‪)9‬‬ ‫جملة اإلدارة واإلقتصاد‬

‫شكل رقم (‪)5‬دالتي االرتباط الذاتي والجزئي لسلسلة البواقي ل(‪ )36‬من التباطؤ الزمني‬
‫ب‪ -‬اختبار أثر (‪ )ARCH‬لألنموذج )‪ : TARCH(2,2‬يستخدم هذا االختبار الذي تم استخدامه سابقاً في األنموذج‬
‫األولي لمعرفة فيما إذا كان النموذج المقدر النهائي ال زال يعاني من إثر وجود نماذج عائلة ‪ ARCH‬في سلسلة البواقي‬
‫وذلك من خالل الفرضية التالية‪:‬‬
‫‪Ho: There is no ARCH effect‬‬ ‫‪, H1: There is ARCH effect‬‬
‫جدول رقم (‪ )15‬اختبار عدم تجانس التباين (‪)ARCH‬‬
‫‪Heteroskedasticity Test: ARCH‬‬
‫)‪Prob. F(1,139‬‬ ‫‪0.8674‬‬ ‫‪F-statistic‬‬ ‫‪0.027964‬‬
‫)‪Prob. Chi-Square(1‬‬ ‫‪0.8663‬‬ ‫‪Obs*R-squared‬‬ ‫‪0.028358‬‬

‫من خالل النتائج في الجدول (‪ )15‬نالحظ بان القيمة االحتمالية ل (‪ )Obs*R-squared‬بلغت (‪ )0.8663‬وهي أكبر‬
‫من مستوى المعنوية (‪, )0.05‬وهذا يعني قبول فرضية العدم عند مستوى معنوية (‪ ، )0.05‬أي عدم وجود أثر ل ‪ARCH‬‬
‫في األنموذج ‪ ،‬وذلك يميز األنموذج بالكفاءة ‪.‬‬
‫ج‪ -‬اختبار طبيعة البواقي ‪ :‬نستخدم هذا االختبار لبيان هل إن البواقي تتوزع توزيعا طبيعيا أو ال؟ من خالل الفرضية‬
‫التالية‪:‬‬
‫‪Ho: Residual are normally distributed‬‬ ‫‪, H1: Residual are not normally distributed‬‬

‫اختبار طبيعة البواقي‬ ‫جدول رقم (‪ )16‬نتائج‬

‫‪Indices‬‬ ‫‪Values‬‬
‫‪Mean‬‬ ‫‪-0.002‬‬
‫‪Median‬‬ ‫‪0.107‬‬
‫‪Maximum‬‬ ‫‪2.439‬‬
‫‪Minimum‬‬ ‫‪-4.387‬‬
‫‪Std.dev‬‬ ‫‪0.999‬‬
‫‪Skewness‬‬ ‫‪-0,651‬‬
‫‪Kurtosis‬‬ ‫‪4.541‬‬
‫‪Jarque-Bero‬‬ ‫‪24.248‬‬
‫‪Probability‬‬ ‫‪0.000005‬‬

‫‪ )𝜀𝑡−1‬الكبيرة تميل‬
‫‪2‬‬
‫يظهر من الجدول (‪ )16‬ان قيمة التفلطح(‪ )Kurtosis‬بلغت (‪ )4.540879 > 3‬مما يدل على ان (‬
‫الى ان يتبعها ( ‪ ) 𝜀𝑡2‬كبير آخر ‪ ،‬وهذا يولد السلوك المعروف في السالسل الزمنية المالية المتمثل في التقلبات ‪ ،‬وتبين لنا‬
‫من نتائج اختبار األحصاءة ‪ Jarque-Bera‬حيث بلغت قيمتها (‪ )24.24825‬وبقيمة احتمالية (‪ )0.000005‬وهي اقل‬
‫من مستوى المعنوية (‪ ) 0.05‬وعلية ترفض فرضية العدم وتقبل الفرضية البديلة القائلة إن البواقي ال تتوزع توزيع طبيعي ‪،‬‬
‫وتعد هذه النتيجة غير مرغوب فيها ولكن يمكن قبولها في حالة إن البواقي تحقق اختبارين من اختبارات البواقي ‪،‬لذا نعتبر‬
‫نتائج الدراسة مقبولة وهذا أفضل ما يمكن الوصول له من نتائج ‪.‬‬
‫(‪ )9-3‬التنبؤ‪:‬‬
‫تم التنبؤ لسنتين وحسب االشهر ويوضح الشكل (‪ )6‬تزايد بسيط في القيم المتنبأ بها ألسعار النفط الخام المصدر في‬
‫العراق ‪ ،‬ونالحظ ايضاً تقارب كبير بين السلسلة األصلية والمتنبأ بها ‪.‬‬

‫‪293‬‬
 ‫حزيران ‪2020‬‬ ‫العدد (‪ )34‬اجمللد (‪)9‬‬ ‫جملة اإلدارة واإلقتصاد‬

‫‪120‬‬
‫‪price‬‬
‫‪forecast‬‬
‫‪95 percent interval‬‬
‫‪110‬‬

‫‪100‬‬

‫‪90‬‬

‫‪80‬‬

‫‪70‬‬

‫‪60‬‬

‫‪50‬‬

‫‪40‬‬

‫‪30‬‬

‫‪20‬‬
‫‪2012‬‬ ‫‪2013‬‬ ‫‪2014‬‬ ‫‪2015‬‬ ‫‪2016‬‬ ‫‪2017‬‬ ‫‪2018‬‬ ‫‪2019‬‬ ‫‪2020‬‬

‫شكل رقم (‪ )6‬القيم األصلية والقيم المتنبأ بها ألسعار النفط الخام المصدر للفترة (‪)2019-2018‬‬

‫الفصل الرابع‬
‫األستنتاجات والتوصيات‬
‫ً‬
‫اوال‪ :‬األستنتاجات‬
‫في ضوء نتائج الجانب التطبيقي تم التوصل الى االستنتاجات التالية‪:‬‬
‫‪ -1‬شهدت األسعار الشهرية للنفط الخام المصدرللفترة من (‪)2017-2006‬م تذبذب كبير وتقلبات في األسعار وبعد أخذ‬
‫الفرق األول أصبحت السلسلة مستقرة ‪.‬‬
‫‪ -2‬بأستخدام معايير التشخيص (‪ )AIC , SC , H-Q‬لعدة انموذجات مرشحة من ‪ ARIMA‬توصلنا الى اختيار األنموذج‬
‫)‪ AR(1‬لتمثيل سلسلة أسعار النفط الخام المصدر ‪.‬‬
‫‪ -3‬وجود أثر ‪ ARCH‬كان واضحاً في سلسلة األخطاء(البواقي) مما دعى الى أستخدام أنموذجات ‪ ARCH‬المعروفة‬
‫بتمثيلها للسالسل الزمنية المالية‪.‬‬
‫‪ -4‬تمت المفاضلة بين العديد من األنموذجات المرشحة من عائلة ‪( ARCH‬المتناظرة وغير المتناظرة) وبأستخدام معايير‬
‫التشخيص (‪ )AIC , BIC , H-Q‬تم تشخيص األنموذج األكثرمالئمة لنمذجة اسعار النفط الخام المصدر والتنبؤ بها هو‬
‫األنموذج )‪ AR(1‬بأخطاء )‪. TARCH(2,2‬تبين من تشخيص هذا األنموذج ومن خالل القيم األحتمالية ألختبارات‬
‫العشوائية وأختبار أثر ‪ ARCH‬للبواقي ومربعات البواقي أثبتت عدم وجود األرتباط الذاتي وعدم وجود أثر ل ‪ ARCH‬مما‬
‫يؤكد كفاءة األنموذج وقدرته على التنبؤ بمعدالت التقلبات ألسعار النفط الخام المصدر العراقي ‪.‬‬
‫‪ -5‬نالحظ ان الصدمات التي تحدث في الفترات الماضية مزعزعة لألستقرار‪ ،‬ويوجد عدم تناظر في الصدمات الموجبة‬
‫والسالبة‪ ،‬وهناك انخفاض في التقلبات الالحقة لألسعار‪.‬‬
‫‪ -6‬تشخيص األنموذج األمثل يعتمد على مهارة الباحث في البرمجيات المستخدمة في مرحلة التشخيص‪.‬‬
‫‪ -7‬من خالل رسم السلسة االصلية والسلسلة المتنبأ بها نالحظ هناك تقارب كبير بينهما سواء في التزايد او التناقص وذلك‬
‫يؤكد صحة األسلوب األحصائي المتبع ‪.‬‬
‫‪ -8‬من خالل نتائج التنبؤ الشهرية نالحظ بان هناك تزايد في االسعار بشكل بسيط‪.‬‬

‫‪294‬‬
 ‫حزيران ‪2020‬‬ ‫العدد (‪ )34‬اجمللد (‪)9‬‬ ‫جملة اإلدارة واإلقتصاد‬

‫ً‬
‫ثانيا ‪ :‬التوصيات‬
‫‪ -1‬دراسة انموذجات ‪ GARCH‬ألهميتها في دراسة السالسل الزمنية المالية نظ اًر لجودتها في وصف الظواهر‬
‫المالية وايضاً لحداثتها في التطبيق‪.‬‬
‫‪ -2‬دراسة األنموذجات الغير متناظرة األخرى كونها تبين تأثير الصدمات على التقلبات بالزيادة أو النقصان‪.‬‬
‫‪ -3‬عمل مقارنة بين أألنموذجات المتناظرة والغير متناظرة وبيان فاعلية كل منها لمعرفة ميزة كل أنموذج عن اآلخر‬
‫‪-4‬‬
‫املصادر‬

‫‪ .1‬أسحق ‪ ،‬حسن عبدهللا و الرشيد ‪ ،‬طارق محمد(‪")2017‬أستخدام نماذج ‪ GARCH‬في تقدير تباين التضخم في‬
‫السودان (‪)2015-1990‬م" رسالة ماجستير مقدمة الى جامعة السودان للعلوم والتكنولوجيا ‪.‬‬
‫‪ .2‬بغداد ‪ ،‬بنين (‪" )2009‬نمذجة قياسية لدراسة أسعار بترول الجزائر(دراسة حالة صحاري بالند من ‪-2006‬‬
‫‪ ، ")2009‬رسالة ماجستير في األحصاء مقدمة الى جامعة الجزائر ‪ ،‬كلية العلوم األقتصادية وعلوم التسيير‬
‫‪ .3‬عبد ‪ ،‬حميد عبيد (‪")2017‬األقتصاد القياسي"‪ ،‬دار الكتب ‪ ،‬الطبعة األولى ‪ ،‬العراق‪ ،‬جامعة كربالء ‪.‬‬
‫‪ .4‬العتابي ‪ ،‬عباس لفته كنيهر ‪" ، 2017 ،‬قياس التطاير في السالسل الزمنية المالية (‪)ARCH & GARCH‬‬
‫جامعة الموصل ‪ ،‬كلية األدارة واألقتصاد ‪.‬‬
‫‪5. Ahmed,A.E.M&Saliman,S.Z (2011)”Modeling stock market volatility using GARCH‬‬
‫‪models evidence from sudan” International Journal of business and social science ,‬‬
‫‪2(23) .‬‬
‫‪6. Bollerslev,T.,‬‬ ‫)‪(2008‬‬ ‫‪,‬‬ ‫‪Glossary‬‬ ‫‪to‬‬ ‫‪ARCH(GARCH),‬‬ ‫‪CREATES‬‬ ‫‪Research‬‬
‫‪paper,2008,49‬‬
‫‪7. Caiado.J.(2004) Modelling and forecasting the volatility of the Portuguese stock‬‬
‫‪index Psi-20 . Estudos de Gestao . Vol.9 No.1.3-22 .‬‬
‫‪8. Engle, R,F. (1982). Autoregressive Conditional Heteroskedasticity with Estimates of‬‬
‫‪the variance of united kingdom Inflation , Econometrica,50(4) , 987-1008 .‬‬
‫‪9. Mohammadi. T, Taghavi, M. & Bandidarian. A (2012) .”The Effect of Exchange‬‬
‫‪10. Robert,F.Engle . (1982) “Autoregressive conditional Heteroscedasticit with Estimates‬‬
‫‪of the Variance of united kingdom Inflation” Econometric(50),987-1007‬‬
‫‪11. Stavros,A.Degiannaks&Evdokia.Xekalaki . (2004) “Autoregressive conditional‬‬
‫”‪Heteroscedasticity (ARCH) models : A Review‬‬

‫‪295‬‬
‫حزيران ‪2020‬‬ ‫العدد (‪ )34‬اجمللد (‪)9‬‬ ‫جملة اإلدارة واإلقتصاد‬

‫المالحق‬
‫ملحق (‪ )1‬المعدالت الشهرية ألسعار النفط الخام العراقي للفترة (‪)2017-2006‬م‬
‫‪2011‬‬ ‫‪2010‬‬ ‫‪2009‬‬ ‫‪2008‬‬ ‫‪2007‬‬ ‫‪2006‬‬ ‫السنوات‬
‫األشهر‬
‫‪90.77015‬‬ ‫‪75.22998‬‬ ‫‪36.69113‬‬ ‫‪80.60469‬‬ ‫‪48.69347‬‬ ‫‪50.77193‬‬ ‫كانون‪2‬‬
‫‪98.43669‬‬ ‫‪73.03109‬‬ ‫‪37.77526‬‬ ‫‪89.78253‬‬ ‫‪50‬‬ ‫‪50.42356‬‬ ‫شباط‬
‫‪107.1136‬‬ ‫‪76.20315‬‬ ‫‪44.29715‬‬ ‫‪94.84874‬‬ ‫‪49.96488‬‬ ‫‪53.62937‬‬ ‫آذار‬
‫‪114.3567‬‬ ‫‪79.65094‬‬ ‫‪49.31136‬‬ ‫‪103.8279‬‬ ‫‪58.03138‬‬ ‫‪60.38254‬‬ ‫نيسان‬
‫‪108.2652‬‬ ‫‪73.85349‬‬ ‫‪57.15567‬‬ ‫‪115.1547‬‬ ‫‪60.94639‬‬ ‫‪59.92026‬‬ ‫آيار‬
‫‪105.1818‬‬ ‫‪71.10238‬‬ ‫‪64.37435‬‬ ‫‪122.9071‬‬ ‫‪67.1929‬‬ ‫‪62.12048‬‬ ‫حزيران‬
‫‪108.7887‬‬ ‫‪71.2167‬‬ ‫‪64.43423‬‬ ‫‪114.0085‬‬ ‫‪67.02448‬‬ ‫‪63.9556‬‬ ‫تموز‬
‫‪105.0693‬‬ ‫‪71.4296‬‬ ‫‪68.05457‬‬ ‫‪120.932‬‬ ‫‪66.10484‬‬ ‫‪59.6996‬‬ ‫آب‬
‫‪104.8986‬‬ ‫‪73.06766‬‬ ‫‪66.04089‬‬ ‫‪85.47465‬‬ ‫‪71.76938‬‬ ‫‪54.55394‬‬ ‫ايلول‬
‫‪104.0463‬‬ ‫‪77.10562‬‬ ‫‪71.9433‬‬ ‫‪58.89773‬‬ ‫‪78.99283‬‬ ‫‪48.84483‬‬ ‫تشرين‪1‬‬
‫‪106.5975‬‬ ‫‪80.45993‬‬ ‫‪73.76667‬‬ ‫‪43.4518‬‬ ‫‪83.48896‬‬ ‫‪51.96429‬‬ ‫تشرين‪2‬‬
‫‪106.1789‬‬ ‫‪86.16997‬‬ ‫‪73.39478‬‬ ‫‪34.51687‬‬ ‫‪83.17021‬‬ ‫‪49.94118‬‬ ‫كانون‪1‬‬

‫‪2017‬‬ ‫‪2016‬‬ ‫‪2015‬‬ ‫‪2014‬‬ ‫‪2013‬‬ ‫‪2012‬‬ ‫السنوات‬

‫األشهر‬
‫‪48.59508‬‬ ‫‪22.20028‬‬ ‫‪41.44571‬‬ ‫‪102.4168 104.8851 109.0781‬‬ ‫كانون‪2‬‬
‫‪49.14656‬‬ ‫‪24.04506‬‬ ‫‪46.77542‬‬ ‫‪102.0957 107.593‬‬ ‫‪112.9349‬‬ ‫شباط‬
‫‪47.17381‬‬ ‫‪28.40944‬‬ ‫‪48.44872‬‬ ‫‪101.0155 103.7664 117.9972‬‬ ‫آذار‬
‫‪47.21465‬‬ ‫‪33.34032‬‬ ‫‪51.90875‬‬ ‫‪100.7163 98.6582‬‬ ‫‪116.9441‬‬ ‫نيسان‬
‫‪45.71338‬‬ ‫‪37.81522‬‬ ‫‪55.86347‬‬ ‫‪100.92‬‬ ‫‪97.11429 103.0329‬‬ ‫آيار‬
‫‪42.21304‬‬ ‫‪40.19034‬‬ ‫‪55.3216‬‬ ‫‪102.6345 97.40831‬‬ ‫‪89.9681‬‬ ‫حزيران‬
‫‪43.93706‬‬ ‫‪38.30132‬‬ ‫‪50.29056‬‬ ‫‪102.2582 100.9986‬‬ ‫‪97.15‬‬ ‫تموز‬
‫‪46.51519‬‬ ‫‪39.22496‬‬ ‫‪41.36831‬‬ ‫‪97.39471 104.5857 106.2428‬‬ ‫آب‬
‫‪50.06215‬‬ ‫‪39.09668‬‬ ‫‪40.68544‬‬ ‫‪90.70571 104.847‬‬ ‫‪107.6054‬‬ ‫ايلول‬
‫‪52.91439‬‬ ‫‪42.18733‬‬ ‫‪39.276‬‬ ‫‪81.14246 102.5831 105.5129‬‬ ‫تشرين‪1‬‬
‫‪57.3161‬‬ ‫‪40.49717‬‬ ‫‪36.26091‬‬ ‫‪69.55942 102.5854 104.3384‬‬ ‫تشرين‪2‬‬
‫‪59.35435‬‬ ‫‪46.37372‬‬ ‫‪29.3954‬‬ ‫‪56.6269 102.9022 103.7225‬‬ ‫كانون‪1‬‬
‫المصدر‪ :‬جمهورية العراق‪/‬وزارة التخطيط‪/‬الجهاز المركزي لألحصاء‬

‫‪296‬‬
‫حزيران ‪2020‬‬ ‫العدد (‪ )34‬اجمللد (‪)9‬‬ ‫جملة اإلدارة واإلقتصاد‬

‫ملحق (‪)2‬‬

‫القيم المتنبأ بها ألسعار النفط الخام المصدر في العراق‬

‫‪Period‬‬ ‫‪prediction‬‬ ‫‪std. error‬‬ ‫‪95% interval‬‬

‫‪2018:01‬‬ ‫‪60.512989‬‬ ‫‪2.679377‬‬ ‫‪55.261506 - 65.764471‬‬
‫‪2018:02‬‬ ‫‪61.630150‬‬ ‫‪4.347131‬‬ ‫‪53.109929 - 70.150370‬‬
‫‪2018:03‬‬ ‫‪62.707314‬‬ ‫‪5.516077‬‬ ‫‪51.896001 - 73.518626‬‬
‫‪2018:04‬‬ ‫‪63.745912‬‬ ‫‪6.617988‬‬ ‫‪50.774895 - 76.716930‬‬
‫‪2018:05‬‬ ‫‪64.747326‬‬ ‫‪7.611928‬‬ ‫‪49.828221 - 79.666431‬‬
‫‪2018:06‬‬ ‫‪65.712887‬‬ ‫‪8.557130‬‬ ‫‪48.941221 - 82.484553‬‬
‫‪2018:07‬‬ ‫‪66.643878‬‬ ‫‪9.453162‬‬ ‫‪48.116021 - 85.171734‬‬
‫‪2018:08‬‬ ‫‪67.541537‬‬ ‫‪10.313962‬‬ ‫‪47.326542 - 87.756532‬‬
‫‪2018:09‬‬ ‫‪68.407058‬‬ ‫‪11.142724‬‬ ‫‪46.567720 - 90.246395‬‬
‫‪2018:10‬‬ ‫‪69.241590‬‬ ‫‪11.944350‬‬ ‫‪45.831094 - 92.652086‬‬
‫‪2018:11‬‬ ‫‪70.046244‬‬ ‫‪12.721331‬‬ ‫‪45.112893 - 94.979595‬‬
‫‪2018:12‬‬ ‫‪70.822090‬‬ ‫‪13.476091‬‬ ‫‪44.409436 - 97.234744‬‬
‫‪2019:01‬‬ ‫‪71.570158‬‬ ‫‪14.210343‬‬ ‫‪43.718397 - 99.421919‬‬
‫‪2019:02‬‬ ‫‪72.291443‬‬ ‫‪14.925588‬‬ ‫‪43.037829 - 101.545057‬‬
‫‪2019:03‬‬ ‫‪72.986905‬‬ ‫‪15.623040‬‬ ‫‪42.366308 - 103.607501‬‬
‫‪2019:04‬‬ ‫‪73.657467‬‬ ‫‪16.303761‬‬ ‫‪41.702683 - 105.612250‬‬
‫‪2019:05‬‬ ‫‪74.304021‬‬ ‫‪16.968662‬‬ ‫‪41.046054 - 107.561988‬‬
‫‪2019:06‬‬ ‫‪74.927427‬‬ ‫‪17.618555‬‬ ‫‪40.395693 - 109.459160‬‬
‫‪2019:07‬‬ ‫‪75.528513‬‬ ‫‪18.254161‬‬ ‫‪39.751014 - 111.306011‬‬
‫‪2019:08‬‬ ‫‪76.108079‬‬ ‫‪18.876133‬‬ ‫‪39.111537 - 113.104620‬‬
‫‪2019:09‬‬ ‫‪76.666894‬‬ ‫‪19.485065‬‬ ‫‪38.476868 - 114.856920‬‬
‫‪2019:10‬‬ ‫‪77.205703‬‬ ‫‪20.081502‬‬ ‫‪37.846683 - 116.564723‬‬
‫‪2019:11‬‬ ‫‪77.725221‬‬ ‫‪20.665947‬‬ ‫‪37.220710 - 118.229732‬‬
‫‪2019:12‬‬ ‫‪78.226139‬‬ ‫‪21.238867‬‬ ‫‪36.598725 - 119.853553‬‬

‫‪297‬‬