72.3%
+18.4
3.2%
104B
8.7≈
+2.1%
منصة أرقامي | تقرير تحليلي
القرار يبدأ من الرقم

1 1. المقدمة العامة (General Introduction)

تأتي ميزانية المملكة العربية السعودية لعام 2026 في سياق اقتصادي ومالي مختلف جذرياً عمّا شهدته المملكة خلال عام 2020، الذي مثّل ذروة مرحلة إدارة الأزمات المرتبطة بتداعيات جائحة كوفيد-19. ففي حين اتسمت السياسات المالية خلال تلك الفترة بطابع احترازي يهدف إلى امتصاص الصدمات والحفاظ على الاستقرار المالي الكلي، تعكس ميزانية 2026 انتقالاً واضحاً نحو نهج أكثر ديناميكية يركز على تعظيم الأثر الاقتصادي والاجتماعي للإنفاق العام، بما يتماشى مع مستهدفات رؤية السعودية 2030.

ويبرز هذا التحول من خلال إعادة توجيه السياسة المالية من إدارة العجز قصير الأجل إلى توظيف الميزانية كأداة استراتيجية لتحفيز النمو، ورفع كفاءة الإنفاق، وتعزيز الاستدامة المالية على المدى المتوسط والطويل. وقد صاحَب ذلك توسعٌ مدروس في حجم الإنفاق الرأسمالي والاستثماري، بالتوازي مع تحسين هيكل الإيرادات العامة، ولا سيما الإيرادات غير النفطية، بما يحد من حساسية المالية العامة لتقلبات أسواق الطاقة العالمية.

ويهدف هذا التقرير إلى تقديم قراءة تحليلية معمقة لملامح ميزانية عام 2026، عبر المزج بين التحليل الوصفي الكمي، والقياس الاستدلالي المبسط، وتقنيات التعلم الآلي الاستكشافية. كما يعتمد التقرير على مقارنة تاريخية مرجعية مع عام 2020 بوصفه عام “صدمة”، بهدف إبراز التحول الهيكلي في السياسة المالية (وليس مجرد تغير القيم الاسمية). وتكمن أهمية التقرير في تحويل الأرقام إلى مؤشرات قابلة للقراءة وصناعة القرار، مع إبراز المخاطر والفرص المرتبطة بمسار العجز والدين والنمو حتى عام 2030.

2 2. أسئلة البحث (Research Questions)

  1. القفزة النوعية: كيف تطور حجم الإنفاق والإيرادات بين عام “الأزمة” (2020) وعام “تعظيم الأثر” (2026)؟
  2. الاستدامة: هل تظل مؤشرات الدين العام ضمن النطاقات الآمنة رغم الإنفاق التوسعي؟
  3. التصنيف المالي: هل يمكن تمييز فترات الإنفاق الاستثماري عن فترات الإنفاق التشغيلي باستخدام تقنيات الـ Clustering؟
  4. العلاقة الاقتصادية: ما طبيعة العلاقة بين (الإنفاق، الإيرادات) من جهة، و(النمو الحقيقي) من جهة أخرى ضمن نافذة البيانات المتاحة؟

3 3. إعداد البيانات (Data Setup)

# بيانات السلسلة الزمنية (2024-2028) - توضيحية/تعليمية كما في نص المستخدم
data_trend <- data.frame(
  Year = 2024:2028,
  Revenues = c(1259, 1091, 1147, 1230, 1294),
  Expenditures = c(1375, 1336, 1313, 1350, 1419),
  Deficit_GDP_P = c(2.5, 5.3, 3.3, 2.3, 2.2),
  Real_Growth = c(2.0, 4.4, 4.6, 3.7, 4.5),
  Debt_to_GDP = c(31.0, 31.7, 32.7, 31.9, 30.6)
)

# بيانات المقارنة التاريخية (2020 vs 2026) - أرقام تقريبية/توضيحية
comp_data <- data.frame(
  Metric = c("الإيرادات", "النفقات", "النمو الحقيقي", "العجز (مليار)"),
  Year_2020 = c(782, 1076, -4.1, -294),
  Year_2026 = c(1147, 1313, 4.6, -165)
)

kable(data_trend, caption = "البيانات الزمنية (2024-2028)")
البيانات الزمنية (2024-2028)
Year Revenues Expenditures Deficit_GDP_P Real_Growth Debt_to_GDP
2024 1259 1375 2.5 2.0 31.0
2025 1091 1336 5.3 4.4 31.7
2026 1147 1313 3.3 4.6 32.7
2027 1230 1350 2.3 3.7 31.9
2028 1294 1419 2.2 4.5 30.6 
kable(comp_data, caption = "مقارنة تاريخية (2020 vs 2026)")
مقارنة تاريخية (2020 vs 2026)
Metric Year_2020 Year_2026
الإيرادات 782.0 1147.0
النفقات 1076.0 1313.0
النمو الحقيقي -4.1 4.6
العجز (مليار) -294.0 -165.0

تفسير البيانات:
- تمثل data_trend نافذة زمنية قصيرة (2024–2028) لإجراء تحليلات استكشافية على الاتجاهات.
- تمثل comp_data مقارنة مركزة بين عام الأزمة (2020) وعام الميزانية محل الدراسة (2026).
> ملاحظة: في حال توافر بيانات رسمية أطول زمنياً (10–15 سنة)، ستصبح نتائج الارتباط والانحدار أكثر قوة واستقراراً.

4 4. مقارنة تاريخية: قفزة 2020 مقابل طموح 2026 (Historical Comparison)

مقدمة القسم: يوضح هذا الجزء التحول من ميزانية “دفاعية” في 2020 إلى ميزانية “هجومية استثمارية” في 2026.

comp_long <- comp_data %>%
  pivot_longer(cols = starts_with("Year"), names_to = "Year", values_to = "Value")

ggplot(comp_long %>% filter(Metric != "النمو الحقيقي"),
       aes(x = Metric, y = Value, fill = Year)) +
  geom_bar(stat = "identity", position = "dodge") +
  scale_fill_manual(
    values = c("Year_2020" = "#999999", "Year_2026" = "#228B22"),
    labels = c("2020 (الأزمة)", "2026 (الرؤية)")
  ) +
  labs(
    title = "المقارنة التاريخية لكتلة الميزانية (مليار ريال)",
    y = "المبلغ (مليار ريال)", x = ""
  ) +
  theme_minimal()

التفسير (Interpretation):
تظهر المقارنة تحولاً في الاتجاه العام من انكماش اقتصادي في 2020 إلى نمو إيجابي مستهدف في 2026، مع ارتفاع في حجم الإيرادات والنفقات. الأهم هو أن قراءة 2026 لا تقتصر على “حجم الإنفاق”، بل على “نوع الإنفاق” وقدرته على رفع الإنتاجية وتحفيز الاقتصاد، ضمن ضوابط الاستدامة (العجز/الدين).

5 5. مصفوفة الارتباط الحرارية (Correlation Heatmap)

مقدمة القسم: نستخدم مصفوفة الارتباط لاستكشاف العلاقة بين المؤشرات المالية والاقتصادية في نافذة 2024–2028.

cor_matrix <- cor(data_trend %>% select(-Year))
melted_cor <- reshape2::melt(cor_matrix)

ggplot(melted_cor, aes(Var1, Var2, fill = value)) +
  geom_tile() +
  scale_fill_gradient2(low = "blue", high = "red", mid = "white") +
  geom_text(aes(label = round(value, 2)), size = 4) +
  labs(
    title = "مصفوفة الارتباط بين المؤشرات المالية (2024-2028)",
    x = "", y = ""
  ) +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 30, hjust = 1))

التفسير (Interpretation):
- تشير معاملات الارتباط (إيجابية/سلبية) إلى اتجاهات مشتركة بين المتغيرات ضمن هذه العينة الصغيرة.
- تحذير منهجي: بسبب قِصر الفترة (5 نقاط زمنية فقط)، قد تظهر معاملات ارتباط مرتفعة بشكل مبالغ فيه؛ لذا تُستخدم هذه النتائج كقراءة استكشافية لا كإثبات سببي.

6 6. تعلم الآلة: تصنيف السنوات (K-means Clustering)

مقدمة القسم: تصنيف السنوات آلياً اعتماداً على (الإنفاق، نسبة الدين، نسبة العجز) لاكتشاف “مراحل مالية” مختلفة.

set.seed(123)

X <- data_trend %>%
  select(Expenditures, Debt_to_GDP, Deficit_GDP_P) %>%
  scale()

km_res <- kmeans(X, centers = 2, nstart = 50)

fviz_cluster(
  km_res,
  data = X,
  palette = "Set1",
  main = "تصنيف المراحل المالية (K-means) بناءً على الإنفاق والدين والعجز"
)

التفسير (Interpretation):
- إذا انقسمت السنوات إلى مجموعتين واضحتين، فهذا قد يعكس اختلافاً في “مزيج” السياسة المالية (مثلاً: ضغط مالي أعلى مقابل استقرار نسبي).
- يُستخدم هذا التحليل كمؤشر مساعد لصانع القرار لتحديد فترات تحتاج مراقبة أدق للمخاطر (الدين/العجز) مقارنة بفترات الاستقرار.

7 7. تحليل الانحدار: التنبؤ بالأثر (Regression Analysis)

مقدمة القسم: نموذج انحدار بسيط يربط النمو الحقيقي بكل من الإنفاق والإيرادات في نافذة البيانات.

model <- lm(Real_Growth ~ Expenditures + Revenues, data = data_trend)
summary(model)
## 
## Call:
## lm(formula = Real_Growth ~ Expenditures + Revenues, data = data_trend)
## 
## Residuals:
##       1       2       3       4       5 
## -1.4682 -0.3486  0.7271  0.2386  0.8511 
## 
## Coefficients:
##              Estimate Std. Error t value Pr(>|t|)
## (Intercept)  -0.43881   27.71426  -0.016    0.989
## Expenditures  0.01247    0.02982   0.418    0.716
## Revenues     -0.01052    0.01450  -0.725    0.544
## 
## Residual standard error: 1.339 on 2 degrees of freedom
## Multiple R-squared:  0.2419, Adjusted R-squared:  -0.5162 
## F-statistic: 0.3191 on 2 and 2 DF,  p-value: 0.7581
ggplot(data_trend, aes(x = Expenditures, y = Real_Growth)) +
  geom_point(size = 4) +
  geom_smooth(method = "lm", se = TRUE) +
  labs(
    title = "العلاقة التنبؤية بين الإنفاق والنمو الحقيقي",
    x = "الإنفاق (مليار ريال)",
    y = "النمو الحقيقي (%)"
  ) +
  theme_minimal()
## `geom_smooth()` using formula = 'y ~ x'

التفسير (Interpretation):
- يوفر النموذج قراءة أولية للعلاقة بين المتغيرات ضمن نافذة البيانات.
- تحذير منهجي: عدد المشاهدات صغير جداً (n=5)، وبالتالي قد تكون معاملات النموذج غير مستقرة. التوصية المستقبلية هي توسيع السلسلة الزمنية أو استخدام نماذج زمنية/هيكلية أفضل.

8 8. مؤشرات الأداء الرئيسية (KPIs Section)

مقدمة القسم: عرض بصري يجمع بين نسبة الدين (كمؤشر استدامة) ونسبة العجز (كمؤشر ضغط مالي).

ggplot(data_trend, aes(x = Year)) +
  geom_line(aes(y = Debt_to_GDP, color = "نسبة الدين (الاستدامة)"), linewidth = 1.4) +
  geom_point(aes(y = Debt_to_GDP, color = "نسبة الدين (الاستدامة)"), size = 2.8) +
  geom_col(aes(y = Deficit_GDP_P * 6, fill = "مؤشر العجز (مكبر)"), alpha = 0.25) +
  scale_y_continuous(sec.axis = sec_axis(~./6, name = "نسبة العجز (%)")) +
  labs(
    title = "لوحة مؤشرات الأداء المالية",
    y = "نسبة الدين إلى الناتج (%)",
    x = ""
  ) +
  theme_minimal() +
  theme(legend.title = element_blank())

التفسير (Interpretation):
- يسهّل هذا الرسم تتبع مسار الاستدامة المالية بشكل بصري:
- الدين إلى الناتج كمؤشر قدرة الاقتصاد على استيعاب الاقتراض.
- العجز كمؤشر ضغط/حاجة تمويلية سنوية.
- القراءة التشغيلية لصانع القرار: ارتفاع العجز مع ارتفاع الدين يستدعي تشديد الحوكمة، بينما انخفاض أحدهما/كليهما يوسع هامش الحركة الاستثمارية.

9 9. النتائج والتوصيات (Final Summary)

9.1 9.1 الخلاصة

تشير المقارنة مع عام 2020 إلى أن السياسة المالية تحولت من امتصاص الصدمات إلى تعظيم الأثر. وضمن الإطار المستخدم في هذا التقرير، تبدو ميزانية 2026 موجهة لدعم النمو مع الحفاظ على الاستدامة ضمن مستويات قابلة للرقابة، شريطة استمرار تحسين جودة الإنفاق ورفع كفاءة الإيرادات.

9.2 9.2 التوصيات الاستراتيجية

  1. استدامة الإيرادات: تعزيز كفاءة التحصيل وتنويع مصادر الدخل (خاصة الإيرادات غير النفطية) لتقليل حساسية المالية العامة للتقلبات.
  2. حوكمة المشاريع: ربط الصرف الفعلي بمعدلات الإنجاز ومؤشرات أثر قابلة للقياس لضمان أن زيادة الإنفاق تترجم إلى نمو وإنتاجية.
  3. التحليل التنبؤي: بناء نماذج سيناريوهات (Scenario Analysis) لمحاكاة صدمات أسعار الطاقة/الفائدة وأثرها على العجز والدين حتى 2030.
  4. منهجية القياس: توسيع قاعدة البيانات الزمنية والقطاعية لتقوية الاستدلال الإحصائي وتقليل مخاطر الاستنتاج من عينات صغيرة.

10 9.3 توثيق مصادر البيانات (Data Sources)

استندت البيانات المالية والاقتصادية في هذا التقرير إلى البيانات الرسمية المعتمدة لميزانية المملكة العربية السعودية لعام 2026 الصادرة عن وزارة المالية (الإيرادات، النفقات، العجز)، مع الاستئناس بمصادر تحليلية اقتصادية داعمة لضمان اتساق العرض مع السياق الاقتصادي الكلي. كما استُخدمت بيانات عام 2020 كمرجع تاريخي لفترة الأزمة (جائحة كوفيد-19) على نحو تقريبي/توضيحي لأغراض المقارنة.

وتجدر الإشارة إلى أن التحليلات الإحصائية (الارتباط، الانحدار، K-means) ذات طبيعة استكشافية وتعتمد على نافذة بيانات قصيرة، ولا تمثل استنتاجات سببية نهائية.

11 10. المراجع (References)

  1. وزارة المالية – المملكة العربية السعودية: وثائق الميزانية وتقاريرها (Budget 2026).
    https://www.mof.gov.sa
    https://www.mof.gov.sa/en/budget/2026

  2. أرقام – Argaam: تغطيات وتحليلات اقتصادية داعمة لأرقام الميزانية.
    https://www.argaam.com

  3. Swissinfo / Reuters Arabic: تقارير سياقية عن العجز والتوقعات المالية.
    https://www.swissinfo.ch

  4. أخبار 24 – Akhbaar24: تفاصيل ومؤشرات اقتصادية مرتبطة بميزانية 2026.
    https://www.akhbaar24.com

72.3%
+18.4
3.2%
104B
8.7≈
+2.1%
نحوِّل الأرقام إلى قرار
جميع الحقوق محفوظة © منصة أرقامي 2025
تواصل: argamil2025@gmail.com
تحليلات اقتصادية ومرئية من السعودية إلى العالم