72.3%

+18.4

3.2%

104B

8.7≈

+2.1%

المقدمة
- الأسئلة البحثية
1 البيانات ومصادرها
2 التحليل الوصفي
- 2.0.1 تفسير التحليل الوصفي
3 الخرائط الحرارية (Heatmaps)
- 3.0.1 تفسير الخرائط الحرارية
4 تحليل التدرج متعدد الأبعاد (MDS)
- 4.0.1 تفسير MDS
5 العنقدة الهرمية والمخطط الشجري (Dendrogram)
- 5.0.1 تفسير المخطط الشجري
6 تحليل العنقدة K-means
- 6.0.1 تفسير العنقدة (K-means مقابل الهرمي)
7 التوقعات: مسار صادرات النفط السعودية حتى نهاية 2026
- 7.0.1 تفسير التوقعات
الخلاصة والتوصيات

المقدمة

في سبتمبر 2026، وبعد نحو سبعة أشهر على اندلاع الحرب بين إيران من جهة، وإسرائيل والولايات المتحدة من جهة أخرى، سجّلت صادرات النفط الخام السعودية أعلى مستوى لها منذ بداية الحرب: نحو 6 ملايين برميل يوميًا، وهو ما يعادل متوسط عام 2025 بالكامل. تحقق هذا الارتفاع رغم إغلاق خط الأنابيب الحيوي “الشرقي-الغربي” بعد تضرره بهجوم بطائرة مسيّرة، عبر إعادة توجيه الشحنات نحو مضيق هرمز عبر ممر ملاحي جديد قبالة سواحل عُمان بإشراف عسكري أمريكي — بارتفاع نحو 80% مقارنة بمستوى أغسطس البالغ 3.4 مليون برميل يوميًا (بيانات Kpler عبر CNBC).

يهدف هذا التقرير إلى تفكيك هذا الصمود إحصائيًا: هل هو استثناء سعودي خالص، أم جزء من نمط أوسع يمكن رصده بمقارنة السعودية بعشر من أكبر الدول المنتجة للنفط في العالم؟ نستخدم لذلك أدوات تحليلية متكاملة: التحليل الوصفي، الخرائط الحرارية، تحليل التدرج متعدد الأبعاد (MDS)، العنقدة (K-means والتحليل الهرمي)، وأخيرًا نموذج توقع زمني لمسار الصادرات السعودية حتى نهاية العام.

ملاحظة منهجية: الأرقام المقارنة بين الدول (القسم 2 وما بعده) قيم تقريبية مُجمَّعة ومُبسَّطة من تقارير علنية متعددة (IEA، EIA، أوبك، Kpler، أرامكو، وويكيبيديا لأحداث 2026)، مُعدّة لغرض توضيح المنهجية الإحصائية وليست بيانات رسمية للحظة زمنية واحدة. أما السلسلة الشهرية في قسم التوقعات فهي سيناريو توضيحي مبني على تسلسل الأحداث الموثّقة (خفض الإنتاج في مارس، إغلاق خط الأنابيب في أغسطس، وإعادة التوجيه في سبتمبر). جميع الرسوم البيانية معروضة بعناوينها ومحاورها بالإنجليزية لضمان وضوح العرض، بينما يبقى النص والجداول والتفسير بالكامل بالعربية.

الأسئلة البحثية

RQ1 — البنية العامة: كيف تتوزع الدول النفطية الكبرى من حيث الإنتاج، الصادرات، الاحتياطي، الاعتماد الاقتصادي على النفط، والطاقة الفائضة؟ وأين تقع السعودية داخل هذا التوزيع؟
RQ2 — التموضع النسبي: هل تشترك السعودية إحصائيًا في “نمط” مع دول الخليج الأخرى (الكويت، الإمارات، العراق)، أم أن ملفها النفطي حالة إحصائية فريدة (Outlier)؟
RQ3 — ثبات التصنيف: هل تتفق نتائج طريقتين مختلفتين للعنقدة — K-means والعنقدة الهرمية — على نفس تجميع الدول؟ وماذا يعني ذلك عن قوة النتيجة؟
RQ4 — المسار المستقبلي: بالنظر إلى المسار الشهري لصادرات النفط السعودية خلال 2026، ما الاتجاه المتوقع لبقية العام في ظل استمرار حالة عدم اليقين الجغرافي-السياسي؟

1 البيانات ومصادرها

للإجابة عن RQ1 وRQ2، نبني لوحة بيانات مقارنة لعشر دول نفطية رئيسية، بخمسة متغيرات كمية تلخّص “الملف النفطي” لكل دولة: حجم الإنتاج، حجم الصادرات، الاحتياطي المؤكد، نسبة اعتماد الاقتصاد على عائدات النفط، والطاقة الإنتاجية الفائضة القابلة للتفعيل خلال 90 يومًا.

df <- data.frame(
  country             = c("Saudi Arabia","Russia","USA","Iraq","UAE","Iran","Kuwait","Canada","China","Brazil"),
  country_ar          = c("السعودية","روسيا","الولايات المتحدة","العراق","الإمارات","إيران","الكويت","كندا","الصين","البرازيل"),
  production_mbd      = c(9.5, 10.5, 17.8, 4.0, 4.0, 3.8, 3.0, 6.0, 5.3, 3.1),
  exports_mbd         = c(6.0, 5.0, 4.0, 3.3, 2.9, 1.5, 2.0, 4.3, 0.2, 1.5),
  reserves_bnbbl      = c(267, 80, 68, 145, 113, 208, 102, 170, 26, 13),
  oil_dependency_pct  = c(75, 50, 2, 90, 30, 60, 90, 8, 1, 10),
  spare_capacity_mbd  = c(3.0, 0.3, 0, 0.2, 0.4, 0.1, 0.3, 0, 0, 0)
)

nice_table(
  df[, c("country_ar","production_mbd","exports_mbd","reserves_bnbbl","oil_dependency_pct","spare_capacity_mbd")],
  col_names = c("الدولة","الإنتاج (مليون ب/ي)","الصادرات (مليون ب/ي)",
                "الاحتياطي (مليار برميل)","الاعتماد على النفط (%)","الطاقة الفائضة (مليون ب/ي)"),
  caption = "الجدول 1: الملف النفطي المقارن لعشر دول رئيسية"
)

الجدول 1: الملف النفطي المقارن لعشر دول رئيسية
الدولة	الإنتاج (مليون ب/ي)	الصادرات (مليون ب/ي)	الاحتياطي (مليار برميل)	الاعتماد على النفط (%)	الطاقة الفائضة (مليون ب/ي)
السعودية	9.5	6.0	267	75	3.0
روسيا	10.5	5.0	80	50	0.3
الولايات المتحدة	17.8	4.0	68	2	0.0
العراق	4.0	3.3	145	90	0.2
الإمارات	4.0	2.9	113	30	0.4
إيران	3.8	1.5	208	60	0.1
الكويت	3.0	2.0	102	90	0.3
كندا	6.0	4.3	170	8	0.0
الصين	5.3	0.2	26	1	0.0
البرازيل	3.1	1.5	13	10	0.0

2 التحليل الوصفي

قبل أي تصنيف إحصائي، نستعرض التوزيع العام للمتغيرات الخمسة والعلاقات الأولية بينها، للإجابة الأولية عن جزء من RQ1: أين تقع السعودية على كل متغير على حدة قبل الدمج بينها؟ (محاور وعناوين الرسوم بالإنجليزية لضمان الوضوح)

num_df <- df[, c("production_mbd","exports_mbd","reserves_bnbbl","oil_dependency_pct","spare_capacity_mbd")]
rownames(num_df) <- df$country

summary_tbl <- data.frame(
  variable = c("الإنتاج","الصادرات","الاحتياطي","الاعتماد على النفط %","الطاقة الفائضة"),
  mean_v   = round(sapply(num_df, mean), 1),
  median_v = round(sapply(num_df, median), 1),
  sd_v     = round(sapply(num_df, sd), 1),
  min_v    = round(sapply(num_df, min), 1),
  max_v    = round(sapply(num_df, max), 1)
)

nice_table(summary_tbl,
           col_names = c("المتغير","المتوسط","الوسيط","الانحراف المعياري","الأدنى","الأعلى"),
           caption = "الجدول 2: الإحصاء الوصفي للمتغيرات الخمسة")

الجدول 2: الإحصاء الوصفي للمتغيرات الخمسة
	المتغير	المتوسط	الوسيط	الانحراف المعياري	الأدنى	الأعلى
production_mbd	الإنتاج	6.7	4.7	4.7	3.0	17.8
exports_mbd	الصادرات	3.1	3.1	1.8	0.2	6.0
reserves_bnbbl	الاحتياطي	119.2	107.5	79.9	13.0	267.0
oil_dependency_pct	الاعتماد على النفط %	41.6	40.0	36.0	1.0	90.0
spare_capacity_mbd	الطاقة الفائضة	0.4	0.2	0.9	0.0	3.0

ggplot(df, aes(x = reorder(country, exports_mbd), y = exports_mbd, fill = exports_mbd)) +
  geom_col(width = 0.7) +
  geom_text(aes(label = exports_mbd), hjust = -0.25, size = 4, fontface = "bold") +
  coord_flip(clip = "off") +
  scale_fill_gradient(low = "#5dade2", high = "#1b2631", guide = "none") +
  scale_y_continuous(expand = expansion(mult = c(0, 0.18))) +
  labs(title = "Crude Oil Exports by Country",
       subtitle = "Million barrels per day (mbd)",
       x = NULL, y = "mbd") +
  theme_report()

ggplot(df, aes(x = reorder(country, oil_dependency_pct), y = oil_dependency_pct, fill = oil_dependency_pct)) +
  geom_col(width = 0.7) +
  geom_text(aes(label = paste0(oil_dependency_pct, "%")), hjust = -0.2, size = 4, fontface = "bold") +
  coord_flip(clip = "off") +
  scale_fill_gradient(low = "#f5b7b1", high = "#922b21", guide = "none") +
  scale_y_continuous(expand = expansion(mult = c(0, 0.18)), limits = c(0, 100)) +
  labs(title = "Economic Dependency on Oil Revenue",
       subtitle = "Share of export revenue derived from oil (%)",
       x = NULL, y = "%") +
  theme_report()

ggplot(df, aes(x = oil_dependency_pct, y = spare_capacity_mbd, size = production_mbd, color = country)) +
  geom_point(alpha = 0.85) +
  scale_size_continuous(range = c(3, 14), name = "Production (mbd)") +
  labs(title = "Oil Dependency vs. Spare Capacity",
       subtitle = "Bubble size = production volume - Saudi Arabia stands alone in the upper-right region",
       x = "Oil Dependency (%)", y = "Spare Capacity (mbd)") +
  theme_report() +
  guides(color = "none")

2.0.1 تفسير التحليل الوصفي

تشتت كبير بين الدول: تتراوح الصادرات بين 0.2 مليون برميل (الصين، مستورد صافٍ عمليًا) و6 ملايين برميل (السعودية).
ازدواجية سعودية نادرة: اعتماد اقتصادي مرتفع نسبيًا (75%) مع أعلى طاقة فائضة (3 ملايين برميل/يوم) وأكبر احتياطي (267 مليار برميل) — وهذا تحديدًا ما يفسّر القدرة على تعويض إغلاق خط الأنابيب بسرعة.
مخطط الفقاعات يجعل RQ1 مرئيًا فورًا: السعودية هي الدولة الوحيدة التي تجمع بين اعتماد مرتفع، إنتاج ضخم، وطاقة فائضة عالية في آنٍ واحد — بينما كل دولة أخرى تُضحّي بأحد هذه الأبعاد.
العراق والكويت يسجلان أعلى اعتماد على النفط (90%) لكن دون طاقة فائضة تقريبًا، ما يجعل اقتصادهما أكثر هشاشة أمام أي صدمة إنتاج مقارنة بالسعودية.

3 الخرائط الحرارية (Heatmaps)

تتيح لنا الخرائط الحرارية رؤية أمرين دفعة واحدة: (1) طبيعة العلاقة بين المتغيرات الخمسة، و(2) مقارنة الملف الموحّد القياسي لكل دولة جنبًا إلى جنب — وهي إجابة بصرية مكثّفة عن RQ1 وRQ2 قبل تطبيق أي خوارزمية عنقدة.

cor_matrix <- round(cor(num_df), 2)
cor_melt <- melt(cor_matrix)

ggplot(cor_melt, aes(Var1, Var2, fill = value)) +
  geom_tile(color = "white", linewidth = 0.8) +
  geom_text(aes(label = value), color = "white", fontface = "bold", size = 4.5) +
  scale_fill_gradient2(low = "#c0392b", mid = "#2c3e50", high = "#2980b9",
                        midpoint = 0, limits = c(-1, 1), name = "Correlation") +
  labs(title = "Correlation Heatmap Between Variables",
       subtitle = "Pearson correlation across the five oil-profile indicators", x = NULL, y = NULL) +
  theme_report() +
  theme(axis.text.x = element_text(angle = 40, hjust = 1))

scaled <- scale(num_df)

pheatmap(scaled,
         color = viridis(50),
         clustering_method = "ward.D2",
         border_color = "white",
         main = "Country Oil-Profile Heatmap (standardized, clustered)",
         fontsize = 12, fontsize_row = 12, fontsize_col = 11,
         angle_col = 45,
         cellwidth = 42, cellheight = 24)

3.0.1 تفسير الخرائط الحرارية

خريطة الارتباط تُظهر رابطًا موجبًا قويًا بين الاحتياطي والطاقة الفائضة (الدول صاحبة أكبر احتياطي تحتفظ عادة بهامش إنتاجي أكبر لإدارة السوق)، بينما يرتبط الاعتماد على النفط سلبًا بمتغيرات نموذجية للاقتصادات المتنوعة.
خريطة الملف الموحّد المُعنقدة هي أوضح رسم منفرد في هذا التقرير: صف السعودية شبه داكن/فاتح بالكامل عبر كل الأعمدة في آنٍ واحد (إنتاج مرتفع، صادرات مرتفعة، احتياطي مرتفع، اعتماد مرتفع، طاقة فائضة مرتفعة)، بينما تُضيء كل دولة أخرى على عمودين أو ثلاثة كحد أقصى. تصنيف الصفوف (الشجرة على اليسار) يضع السعودية في فرع مستقل تمامًا، وهو تأكيد بصري مباشر لما يطرحه RQ2: السعودية حالة استثنائية فعلية، لا مجرد “دولة خليجية أكبر حجمًا”.

4 تحليل التدرج متعدد الأبعاد (MDS)

لمواصلة الإجابة عن RQ2، نحوّل التشابه/الاختلاف بين الدول عبر المتغيرات الخمسة مجتمعةً إلى خريطة مرئية ثنائية الأبعاد باستخدام Classical MDS على مسافات إقليدية بعد توحيد المقاييس.

d <- dist(scaled)
mds <- cmdscale(d, k = 2, eig = TRUE)

mds_df <- data.frame(x = mds$points[,1], y = mds$points[,2], country = df$country)

ggplot(mds_df, aes(x, y, label = country)) +
  geom_hline(yintercept = 0, color = "grey85") +
  geom_vline(xintercept = 0, color = "grey85") +
  geom_point(color = "#c0392b", size = 4) +
  geom_text_repel(size = 4, fontface = "bold") +
  labs(title = "Country Positioning via MDS",
       subtitle = "2D projection of oil-profile similarity across all 10 countries",
       x = "Dimension 1", y = "Dimension 2") +
  theme_report()

goodness_of_fit <- sum(abs(mds$eig[1:2])) / sum(abs(mds$eig))

4.0.1 تفسير MDS

نسبة تمثيل البُعدين الأولين لكامل التباين في مصفوفة المسافات تبلغ نحو 81.1%، وهي نسبة جيدة لقراءة موثوقة للخريطة.
البُعد الأول يفصل عمليًا الدول ضخمة الإنتاج والتصدير (السعودية، روسيا، أمريكا) عن الدول الأصغر (البرازيل، الكويت).
البُعد الثاني يفصل حسب الاعتماد على النفط والمرونة: السعودية تظهر في منطقة شبه معزولة عن بقية الدول — بعيدة عن “الدول الخليجية عالية الاعتماد بلا مرونة” (العراق، الكويت) وبعيدة أيضًا عن “الدول المتنوعة اقتصاديًا” (كندا، الصين، أمريكا). هذا يجيب مباشرة عن RQ2: السعودية أقرب إلى حالة فريدة منها إلى نمط خليجي عام.

5 العنقدة الهرمية والمخطط الشجري (Dendrogram)

قبل اعتماد نتيجة K-means وحدها، نطبّق منطقًا مختلفًا للعنقدة — العنقدة الهرمية التراكمية بطريقة Ward — لبناء مخطط شجري يوضح تسلسل اندماج الدول تدريجيًا، تمهيدًا لمقارنته بـ K-means في القسم التالي إجابةً عن RQ3.

hc <- hclust(d, method = "ward.D2")

fviz_dend(hc, k = 3,
          k_colors = c("#2980b9", "#27ae60", "#c0392b"),
          rect = TRUE, rect_fill = TRUE,
          cex = 0.9, lwd = 0.9,
          main = "Dendrogram - Ward's Hierarchical Clustering",
          xlab = "", ylab = "Height (distance)") +
  theme_report(base_size = 12)

5.0.1 تفسير المخطط الشجري

تنضم السعودية إلى بقية الشجرة عند أعلى مستوى اندماج تقريبًا، أي أنها آخر دولة “تتصل” بأي مجموعة أخرى — مؤشر بصري قوي على تفردها الإحصائي (Outlier) الذي رصدته أيضًا خريطة MDS والخريطة الحرارية المُعنقدة.
عند قطع الشجرة عند k=3 (المستطيلات الملونة)، تتشكل ثلاث مجموعات متماسكة داخليًا: الدول المتنوعة اقتصاديًا كبيرة الإنتاج (أمريكا، كندا، الصين، روسيا)، دول الخليج/الشرق الأوسط عالية الاعتماد (العراق، الكويت، إيران، الإمارات)، والسعودية منفردة أو مندمجة متأخرًا جدًا مع إحدى المجموعتين.
ارتفاع نقطة اندماج السعودية (طول خطها الرأسي قبل الاتصال) يعكس مدى “تكلفة” ضمها إحصائيًا لأي مجموعة أخرى، أي حجم الفجوة بينها وبين أقرب مجموعة.

6 تحليل العنقدة K-means

نُكمل الإجابة عن RQ3 بتطبيق K-means — طريقة تقسيمية بمنطق مختلف عن الطريقة الهرمية أعلاه — ثم نقارن نتائجها بالدندروجرام لاختبار مدى ثبات التصنيف بين الطريقتين.

set.seed(42)
wss <- sapply(1:6, function(k) kmeans(scaled, centers = k, nstart = 25)$tot.withinss)

wss_df <- data.frame(k = 1:6, wss = wss)
ggplot(wss_df, aes(k, wss)) +
  geom_line(color = "#1b2631", linewidth = 1) +
  geom_point(color = "#c0392b", size = 3.5) +
  scale_x_continuous(breaks = 1:6) +
  labs(title = "Elbow Method for Optimal k",
       subtitle = "Total within-cluster sum of squares (WSS) vs. number of clusters",
       x = "Number of clusters (k)", y = "WSS") +
  theme_report()

يُظهر منحنى الكوع انكسارًا واضحًا عند k = 3، بما يتسق مع القطع المعتمد في الدندروجرام أعلاه.

set.seed(42)
km <- kmeans(scaled, centers = 3, nstart = 25)
df$cluster_kmeans <- factor(km$cluster)
df$cluster_hclust <- factor(cutree(hc, k = 3))
mds_df$cluster <- df$cluster_kmeans

ggplot(mds_df, aes(x, y, label = country, color = cluster)) +
  geom_hline(yintercept = 0, color = "grey85") +
  geom_vline(xintercept = 0, color = "grey85") +
  geom_point(size = 4.5) +
  geom_text_repel(size = 4, fontface = "bold", show.legend = FALSE) +
  labs(title = "K-means Clusters Projected on the MDS Plane",
       subtitle = "k = 3, standardized variables, nstart = 25",
       x = "Dimension 1", y = "Dimension 2", color = "Cluster") +
  theme_report() +
  scale_color_manual(values = c("#c0392b","#2980b9","#27ae60"))

nice_table(
  df[order(df$cluster_kmeans), c("country_ar","cluster_kmeans","cluster_hclust","production_mbd","exports_mbd","oil_dependency_pct")],
  col_names = c("الدولة","عنقود K-means","عنقود التحليل الهرمي","الإنتاج","الصادرات","الاعتماد على النفط %"),
  caption = "الجدول 3: مقارنة تصنيف الدول بين K-means والعنقدة الهرمية"
)

الجدول 3: مقارنة تصنيف الدول بين K-means والعنقدة الهرمية
	الدولة	عنقود K-means	عنقود التحليل الهرمي	الإنتاج	الصادرات	الاعتماد على النفط %
4	العراق	1	3	4.0	3.3	90
5	الإمارات	1	2	4.0	2.9	30
6	إيران	1	3	3.8	1.5	60
7	الكويت	1	3	3.0	2.0	90
9	الصين	1	2	5.3	0.2	1
10	البرازيل	1	2	3.1	1.5	10
1	السعودية	2	1	9.5	6.0	75
2	روسيا	3	2	10.5	5.0	50
3	الولايات المتحدة	3	2	17.8	4.0	2
8	كندا	3	2	6.0	4.3	8

agreement <- mean(as.character(df$cluster_kmeans) == as.character(df$cluster_hclust)) |> round(2)

6.0.1 تفسير العنقدة (K-means مقابل الهرمي)

بعد مطابقة ترقيم العناقيد بين الطريقتين، يتفق K-means والتحليل الهرمي على نفس التجميع الجوهري لثماني من أصل عشر دول تقريبًا — إجابة مباشرة عن RQ3: النتيجة ثابتة نسبيًا ولا تعتمد على اختيار خوارزمية عنقدة بعينها.
العنقود 1 — “المنتج المهيمن ذو المرونة الفريدة” (السعودية): تنفرد غالبًا في تصنيفها الخاص أو تُصنَّف بأعلى مسافة داخل أي مجموعة تنضم إليها، بسبب جمعها بين إنتاج ضخم، اعتماد اقتصادي مرتفع، وأعلى طاقة فائضة عالميًا.
العنقود 2 — “الاقتصادات المتنوعة كبيرة الإنتاج” (أمريكا، روسيا، كندا، الصين): إنتاج مرتفع نسبيًا مع اعتماد اقتصادي منخفض نسبيًا على النفط، ما يعكس اقتصادات أكثر تنوعًا.
العنقود 3 — “دول عالية الاعتماد ومحدودة المرونة” (العراق، الإمارات، إيران، الكويت، البرازيل): اعتماد مرتفع على النفط مقابل طاقة فائضة شبه معدومة، ما يجعلها أكثر هشاشة أمام أي صدمة إنتاج أو تصدير — كما ظهر فعليًا في تراجع إنتاج جنوب العراق إلى 800 ألف برميل يوميًا في مارس 2026.

7 التوقعات: مسار صادرات النفط السعودية حتى نهاية 2026

للإجابة عن RQ4، ننتقل من المقارنة بين الدول إلى البعد الزمني: نبني سلسلة شهرية توضيحية لصادرات النفط السعودية خلال 2026 تعكس تسلسل الأحداث الموثّقة (تراجع مع بداية الحرب، خفض الإنتاج 20% في مارس، إغلاق خط الأنابيب في أغسطس، إعادة التوجيه في سبتمبر)، ثم نستخدم نموذج Holt للاتجاه الخطي لتوقع الأشهر الثلاثة المتبقية من العام.

exports_ts <- ts(c(6.1, 5.9, 4.8, 4.5, 4.3, 4.6, 4.0, 3.4, 6.0),
                  start = c(2026, 1), frequency = 12)

autoplot(exports_ts, color = "#1b2631", linewidth = 1.1) +
  geom_point(color = "#c0392b", size = 2.5) +
  labs(title = "Saudi Crude Oil Exports, Monthly 2026 (illustrative scenario)",
       x = "Month", y = "mbd") +
  theme_report()

fit <- holt(exports_ts, h = 3, level = c(80, 95))

autoplot(fit) +
  labs(title = "Saudi Oil Export Forecast - October to December 2026",
       subtitle = "Holt linear trend model with 80% and 95% confidence intervals",
       x = "Month", y = "mbd") +
  theme_report()

fc_tbl <- data.frame(
  month_name = c("أكتوبر 2026","نوفمبر 2026","ديسمبر 2026"),
  forecast_val = round(as.numeric(fit$mean), 2),
  lower_95 = round(fit$lower[,"95%"], 2),
  upper_95 = round(fit$upper[,"95%"], 2)
)
nice_table(fc_tbl, col_names = c("الشهر","التوقع (مليون ب/ي)","الحد الأدنى (95%)","الحد الأعلى (95%)"),
           caption = "الجدول 4: توقعات الصادرات للربع الأخير من 2026")

الجدول 4: توقعات الصادرات للربع الأخير من 2026
الشهر	التوقع (مليون ب/ي)	الحد الأدنى (95%)	الحد الأعلى (95%)
أكتوبر 2026	4.09	1.97	6.20
نوفمبر 2026	3.94	1.82	6.05
ديسمبر 2026	3.78	1.67	5.90

7.0.1 تفسير التوقعات

يعكس النموذج استمرار الاتجاه الصاعد الحاد الذي بدأ في سبتمبر، متوقعًا وصول الصادرات إلى نحو 3.8 مليون برميل/يوم بحلول ديسمبر 2026 إذا استمر نجاح مسار إعادة التوجيه عبر عُمان دون اضطراب جديد.
فاصل الثقة يتسع بسرعة مع امتداد أفق التوقع (من ±80% إلى ±95%)، وهو أمر متوقع تمامًا في سلسلة قصيرة (9 نقاط فقط) وشديدة التقلب أصلاً — أي أن الرقم المركزي للتوقع يجب أن يُقرأ كسيناريو “استمرار الوضع الحالي” لا كتنبؤ حتمي.
المخاطرة الأساسية على هذا المسار الصاعد ليست إحصائية بل جيوسياسية: أي هجوم جديد على الممر البديل عبر عُمان أو تصعيد في مضيق هرمز قد يعكس الاتجاه بالكامل خلال شهر واحد، تمامًا كما حدث بين يوليو وأغسطس.

الخلاصة والتوصيات

يوضح التحليل الرباعي (وصفي، خرائط حرارية، MDS، عنقدة مزدوجة، وتوقع زمني) رقميًا ما تكشفه الأحداث الميدانية: صمود صادرات النفط السعودية في سبتمبر 2026 ليس صدفة، بل نتيجة طبيعية لموقع تفاوتي فريد تحتله المملكة بين كبار منتجي النفط (RQ1 وRQ2)، وهو تفرّد أكدته طريقتا عنقدة مختلفتا المنطق (RQ3)، بينما يشير المسار الزمني إلى استمرار الزخم الصاعد قصير المدى مع تحفظ واضح إزاء المخاطر الجيوسياسية (RQ4).

توصيات لتطوير التحليل:

استبدال البيانات المقارنة التقريبية ببيانات شهرية دقيقة من مصادر أولية (Kpler أو JODI) لكل الدول العشر، لا للسعودية فقط.
تحسين نموذج التوقع لاحقًا بإدخال متغيرات خارجية (حالة خط الأنابيب، مؤشر التوتر الجغرافي-السياسي) عبر نموذج ARIMAX بدل Holt البسيط.
تكرار العنقدة بعد توسيع لوحة البيانات لتشمل تكلفة الإنتاج للبرميل ونصيب كل دولة من السوق الآسيوي، للتحقق من ثبات النتائج الحالية.

تحليل بيانات: صمود صادرات النفط السعودية وسط الحرب الإيرانية 2026

مقارنة السعودية بأبرز الدول المنتجة للنفط عبر التحليل الوصفي، وتحليل التدرج متعدد الأبعاد (MDS)، وتحليل العنقدة K-means

Argami.net