The Impact Of The Financial Sector Development Program 2030 On The Saudi Economy
Auteurs : Fawaz Sudan Alotaibi .
Résumé
Abstract This study examines whether Saudi non-oil growth changed around the introduction of the Financial Sector Development Program (FSDP), whether banking and capital-market activity are associated with subsequent growth, and whether constrained machine learning improves prediction. Official data from the original sources cover 2010Q1–2025Q4, with model samples determined by consistent data coverage. An interrupted time-series model uses the 2018Q2 introduction date, macroeconomic controls and pandemic indicators. Financial-channel regressions, HAC inference, block bootstraps and specification sensitivities complement retrospective expanding-window comparisons of ridge regression and shallow random forests against simple benchmarks. The 62-observation baseline estimates a trend change of 0.094 percentage points per quarter, with a 95% HAC interval of [0.047, 0.141]; the immediate shift is imprecise. Evidence weakens with an additional growth lag, shorter samples and aggregate GDP. Seasonal credit and turnover specifications do not establish stable positive financial associations. On sixteen core test quarters, macro ridge has RMSE 1.037 percentage points against 1.055 for AR(2), but the uncertainty interval for the difference crosses zero. The historical mean remains competitive, and financial predictors do not improve accuracy consistently. The findings support a conditional program-period change in the non-oil growth trajectory, while neither isolating an FSDP-caused GDP gain nor demonstrating dependable machine-learning gains. More informative evaluation requires longer consistent market histories, measures of financing supplied and credible variation in reform exposure. ملخص تبحث هذه الدراسة فيما إذا كان مسار نمو القطاع غير النفطي في المملكة العربية السعودية قد شهد تغيرًا بالتزامن مع إطلاق برنامج تطوير القطاع المالي (FSDP)، وما إذا كان نشاط القطاع المصرفي وسوق رأس المال يرتبطان بالنمو الاقتصادي اللاحق، بالإضافة إلى اختبار مدى قدرة نماذج التعلم الآلي المقيّدة على تحسين التنبؤ الاقتصادي. تغطي البيانات الرسمية المأخوذة من مصادرها الأصلية الفترة الممتدة من الربع الأول لعام 2010 إلى الربع الرابع لعام 2025، مع تحديد عينات النماذج بناءً على اتساق التغطية الزمنية للبيانات. تستخدم الدراسة نموذجًا للسلاسل الزمنية المنقطعة، مع اعتماد الربع الثاني من عام 2018 كتاريخ لإطلاق البرنامج، مع إدراج ضوابط الاقتصاد الكلي ومؤشرات فترة الجائحة. كما توظف الدراسة انحدارات للقنوات المالية، واستدلالًا إحصائيًا باستخدام أخطاء معيارية متوافقة مع الارتباط الذاتي وعدم تجانس التباين (HAC)، واختبارات Block Bootstrap ، إلى جانب اختبارات حساسية لمواصفات النموذج. وفي الجانب التنبؤي، تُجرى مقارنات استرجاعية باستخدام نوافذ متوسعة بين انحدار ريج (Ridge) والغابات العشوائية (Random Forests) وعدد من النماذج المرجعية البسيطة. تشير نتائج نموذج الأساس، المكوّن من 62 مشاهدة، إلى تغير في اتجاه نمو القطاع غير النفطي بمقدار 0.094 نقطة مئوية لكل ربع سنة، مع فاصل ثقة بنسبة 95% يتراوح بين [0.047، 0.141[ باستخدام استدلال HAC، بينما يفتقر التحول الفوري إلى الدقة الإحصائية. وتضعف الأدلة عند إضافة فترة إبطاء إضافية للنمو، وفي العينات الأقصر، وعند تطبيق النموذج على إجمالي الناتج المحلي بدلًا من الناتج غير النفطي. كما لم تُظهر مواصفات الائتمان المعدّلة موسميًا ودوران سوق الأسهم ارتباطات مالية إيجابية ومستقرة مع النمو. وفي فترة اختبار شملت 16 ربعاً أساسياً، حقق نموذج Ridge القائم على متغيرات الاقتصاد الكلي جذراً لمتوسط مربع الخطأ (RMSE) قدره 1.037 نقطة مئوية مقابل 1.055 لنموذج AR(2)، إلا أن فاصل عدم اليقين للفارق بينهما يشمل الصفر، كما ظل المتوسط التاريخي منافسًا، ولم تؤدِ إضافة المتغيرات المالية إلى تحسين دقة التنبؤ بصورة مستقرة. وبناءً على ذلك، تشير النتائج إلى وجود تغير مشروط في مسار نمو القطاع غير النفطي خلال فترة برنامج تطوير القطاع المالي، إلا أنها لا تسمح بعزل أثر سببي مستقل للبرنامج على الناتج المحلي الإجمالي، كما لا تقدم دليلًا على تحقيق نماذج التعلم الآلي مكاسب تنبؤية مستقرة. ويتطلب إجراء تقييم أكثر إفادة في المستقبل توفير سلاسل زمنية أطول ومتسقة لبيانات الأسواق المالية، واستخدام مقاييس مباشرة لحجم التمويل المقدم للاقتصاد، والاستفادة من مصادر تباين موثوقة في درجة التعرض للإصلاحات المالية.
Mots clés
Saudi Arabia; Financial Sector Development Program; non-oil growth; interrupted time series; financial development; machine learning
