مجلة الإستراتيجية والتنمية
Volume 16, Numéro 2, Pages 476-495
2026-07-01

Deep Learning With Lstm Model For Intelligent Assessment And Prediction Of Financial Investment Risks: A Predictive Study Of Exchange Rates In Seven International Markets



Authors : Djilali Toumi Hamza . Benazza Hicham .

Abstract

This study assesses the LSTM deep learning model's effectiveness in predicting financial investment risks via time-series analysis of daily exchange rates (RMB/USD, EUR/USD, JPY/USD, CAD/USD, AUD/USD, GBP/USD, CHF/USD) from 2015–2025, spanning economic stability and crises. LSTM outperformed traditional ARIMA models, achieving 92% average accuracy (vs. 78%), 35% RMSE reduction, and 29% lower VaR (95% confidence). It excelled in capturing nonlinear patterns and long-term dependencies. Top results: EUR/USD (94% accuracy, RMSE 0.008), JPY/USD (93%, MAE 0.012), CHF/USD (92%), RMB/USD and AUD/USD (90% each), GBP/USD (91%), CAD/USD (89%). Validation on 2020–2022 COVID-19 volatility confirmed LSTM's superior handling of extreme fluctuations. Cette étude évalue l'efficacité du modèle d'apprentissage profond LSTM pour la prédiction des risques d'investissement financier à travers l'analyse de séries temporelles des taux de change quotidiens (RMB/USD, EUR/USD, JPY/USD, CAD/USD, AUD/USD, GBP/USD, CHF/USD) de 2015 à 2025, couvrant des périodes de stabilité économique et de crises. Le modèle LSTM surpasse les modèles ARIMA traditionnels, atteignant une précision moyenne de 92 % (contre 78 %), une réduction de 35 % de l'erreur quadratique moyenne (RMSE) et une réduction de 29 % de la VaR (intervalle de confiance à 95 %). Il excelle dans la capture des tendances non linéaires et des dépendances à long terme. Meilleurs résultats : EUR/USD (précision de 94 %, RMSE de 0,008), JPY/USD (93 %, erreur absolue moyenne (MAE) de 0,012), CHF/USD (92 %), RMB/USD et AUD/USD (90 % chacun), GBP/USD (91 %), CAD/USD (89 %). La validation sur la volatilité liée à la COVID-19 entre 2020 et 2022 a confirmé la capacité supérieure du modèle LSTM à gérer les fluctuations extrêmes. تقيّم هذه الدراسة فعالية نموذج التعلم العميق LSTM في التنبؤ بمخاطر الاستثمار المالي من خلال تحليل السلاسل الزمنية لأسعار الصرف اليومية (RMB/USD، EUR/USD، JPY/USD، CAD/USD، AUD/USD، GBP/USD، CHF/USD) للفترة من 2015 إلى 2025، والتي تغطي فترات الاستقرار الاقتصادي والأزمات. تفوق نموذج LSTM على نماذج ARIMA التقليدية، محققًا دقة متوسطة بلغت 92% (مقابل 78%)، وانخفاضًا في جذر متوسط ​​مربع الخطأ (RMSE) بنسبة 35%، وانخفاضًا في قيمة المخاطر (VaR) بنسبة 29% (بمستوى ثقة 95%). وقد برع في رصد الأنماط غير الخطية والتبعيات طويلة الأجل. أبرز النتائج: EUR/USD (دقة 94%، RMSE 0.008)، JPY/USD (93%، MAE 0.012)، CHF/USD (92%)، RMB/USD وAUD/USD (90% لكل منهما)، GBP/USD (91%)، CAD/USD (89%). أكدت عملية التحقق من صحة تقلبات جائحة كوفيد-19 في الفترة 2020-2022 قدرة نموذج LSTM على التعامل بشكل أفضل مع التقلبات الشديدة.

Keywords

Keywords:Deep Learning, LSTM Model, Financial Investment Risks, Exchange Rates, Time Series Forecasting, Value at Risk (VaR), RMSE, MAE, Time Series Analysis, International Currency Markets.

Les articles similaires

الكفاءة التنبؤية للنماذج الهجينة في أسواق المال الناشئة: نموذج Garch-lstm وتطبيقه على بيانات عائدات الاسواق الخليجية للفترة 2020-2024؛ The Predictive Efficiency Of Hybrid Models In Emerging Financial Markets: A Garch–lstm Model And Its Application To Gulf Market Return Data For The Period 2020–2024

معروف جيلالي . 
ص 198-214.

Predictive Modeling Of Ozone Dosing In Drinking Water Treatment Plant Using Deep Learning Comparative Study Between Deep Neural Networks And Convolutional Neural Networks

Hellal Aouatef .  Djeddou Messaoud .  Loukam Imed .  A. Hameed Ibrahim .  Al Dallal Jehad .  Shawaqfah Moayyad . 
pages 69-83.

Measuring The Degree Of Financial Linkage Between Financial Markets And Their Potential Impact On The Feasibility Of International Portfolio Diversification. - A Case Study Of The Arab Financial Markets For The Mena Region -

Saadi Larbi .  Satouri Djoudi . 
pages 98-115.

Stock Price Prediction To Support Investment Decisions: A Model Based On Lstm Networks

Berboucha Meriem . 
pages 103-119.

Reflections On Marilee Sprenger’s Seven Steps: Seven Strategies For Maximum Learning

Saoud Ammar . 
pages 475-489.

Formats de citation