مدل یادگیری ماشین TALOS ML : پیش‌بینی قیمت طلا هفته منتهی به ۲۲ اوت ۲۰۲۵
گزارش هفتگی مدل یادگیری ماشین TALOS ML — پیش‌بینی قیمت طلا برای هفته معاملاتی ۲۵-۲۹ اوت ۲۰۲۵
جدول عملکرد مدل
| Metric | Value | توضیح |
|---|---|---|
| Validation RMSE | ۳۹.۲۱ | خطای ریشه‌میانگین‌مربعات روی دیتای اعتبارسنجی (واحد: دلار)؛ معیاری از فیت‌شدن مدل روی دیتایی که در آموزش دیده نشده است. |
| Test RMSE | ۳۳.۵۱ | خطای RMSE روی دیتای تست نهایی؛ نزدیک به شرایط واقعی استفاده. |
| Average Gold Price | ۳۳۵۱.۴۵ USD | میانگین تقریبی محدودهٔ این هفته برای نرمال‌سازی خطاها. |
| Relative RMSE | ≈ ۱.۰۰% | نسبت Test RMSE به میانگین قیمت؛ خطای نسبی پایین و سازگار با هدف <1.5%. |
| Prediction Direction | DOWN | جهت پیش‌بینی‌شده برای روز دوشنبهٔ آینده (نزولی). |
| Predicted (Mon) | ۳۳۳۰.۹۴ USD | خروجی مدل برای «دوشنبهٔ بعدی». |
| Friday Close (Actual) | ۳۳۷۱.۹۵ USD | قیمت بسته‌شدن جمعه. |
| Prediction Error | -۴۱.۰۱ | اختلاف Predicted – Actual؛ عدد منفی یعنی پیش‌بینی پایین‌تر از واقعیت فعلی بازار است. |
| Epochs Trained | ۱۰۰ | شمار دوره‌های آموزش. |
| Final Loss | ≈ ۰.۰۰۱۶ | زیان نهایی در مقیاس نرمال‌شدهٔ شبکه. |
| Model Input Shape | (۳۰, ۱۵) | ۳۰ تایم‌استپ × ۱۵ ویژگی؛ پنجرهٔ نگاه‌به‌عقب ~ یک‌ماهه. |
| Model Type | Stacked LSTM (2 layers) | LSTM دولایهٔ پشته‌ای برای استخراج وابستگی‌های زمانی کوتاه/میان‌مدت. |
نکته: Relative RMSE اعتبارسنجی ≈ ۱.۱۷% و تست ≈ ۱.۰۰% است؛ یعنی پرفورمنس در تست کمی بهتر از ولیدیشن بوده که نشانهٔ تعادل مناسب بایاس/واریانس است.
ساختار فنی مدل و ورودی‌ها (۱۵ ویژگی + نقش DXY)
معماری Stacked LSTM با ورودی‌های چندمتغیره (۱۵ فیچر) برای ۳۰ کندل روزانه طراحی شده است. معمولاً این ۱۵ ویژگی ترکیبی از قیمت‌های OHLC/کلوز، نوسان‌پذیری (ATR/True Range)، مومنتوم (RSI/MACD/ROC)، میانگین‌های متحرک (EMA/SMA)، تقویم رویدادها/توکن‌های زمانی، و متغیرهای بین بازاری است.
جایگاه DXY (شاخص دلار) در این میان برجسته است: در اغلب دوره‌ها، هم‌بستگی معکوس معناداری میان DXY و XAUUSD دیده می‌شود. قرار دادن DXY به‌عنوان ورودی، به شبکه کمک می‌کند شوک‌های دلاری (سیاست‌های فدرال رزرو، داده‌های تورم/اشتغال) را زودتر «حس» کند و جهت‌گیری کوتاه‌مدت را بهتر ضبط نماید. در داده‌های چندساله، اضافه‌کردن DXY اغلب به کاهش RMSE و بهبود دقت جهت کمک می‌کند—به‌خصوص در هفته‌هایی که جهت بازار طلا بیشتر دلاری‌محور است تا صرفاً تکنیکال. برای مشاهده و بررسی سایر نتایج مدل یادگیری ماشین TALOS ML جهت پیش‌بینی قیمت طلا اینجا کلیک کنید.
تحلیل اختلاف «واقعی جمعه» و «پیش‌بینی دوشنبه»
مدل برای دوشنبهٔ آینده عدد ۳۳۳۰.۹۴ و جهت DOWN را صادر کرده، در حالی که بسته‌شدن جمعه ۳۳۷۱.۹۵ بوده است. اختلاف -۴۱.۰۱ دلاری به‌معنای آن است که مدل انتظار گپ/فشار نزولی یا کندل نزولی اولیه در شروع هفته دارد.
دو نکتهٔ عملیاتی:
-
این اختلاف هنوز «خطای مدل» نیست. خروجی برای دوشنبه است، نه جمعه. بنابراین ارزیابی خطا تنها پس از مشخص شدن پرایس‌اکشن دوشنبه و تثبیت کلوز آن روز معتبر است.
-
در دیتای تاریخی TALOS ML، سناریوی Lag 1–۲ روزه دیده شده است؛ یعنی گاهی مدل حرکت را پیش‌خور می‌کند اما تحقق قیمتی با ۱–۲ روز تأخیر رخ می‌دهد. همین پدیده می‌تواند علت فاصلهٔ فعلی Predicted و Friday Close باشد.بنابراین پیش‌بینی قیمت طلا ممکن است با تاخیر همراه باشد.
یادآوری عملکرد تاریخی
طبق بک‌تست‌ها و وریفیکیشن داخلی مدل یادگیری ماشین TALOS ML، مدل در افق روز بعد/ابتدای هفته حدود ۸۳٪ مواقع جهت درست را تشخیص داده و خطای نسبی معمولاً < 1.5% بوده است، با این ملاحظهٔ مهم که احتمال تأخیر ۱–۲ روزه در ثبت «حرکت اصلی» وجود دارد. نتیجهٔ عملی: استفادهٔ مستقل از «قیمت مطلق» پیش‌بینی‌شده معقول نیست؛ ترکیب جهت + محدوده‌ها + ریسک‌فریمینگ کاراتر است.
نگاه رو به جلو (Forward-Thinking)
-
سناریوی پایه: با توجه به جهت DOWN و Test RMSE ≈ ۱%، احتمال یک فشار نزولی اولیه در ابتدای هفته وجود دارد. محدودهٔ ۳۳۳۰–۳۳۴۰ می‌تواند ناحیهٔ تست احساسات/نقدینگی باشد.
-
اعتبارسنجی بین‌بازاری: اگر DXY تقویت شود یا UST ییلدها جهش کنند، سناریوی نزولی تقویت می‌شود؛ در مقابل، ضعف دلار/ریسک‌های ژئوپولیتیک می‌توانند افت را خنثی کنند.
-
تاکتیک اجرایی: برای استفادهٔ عملی، به‌جای ترید کور با عدد ۳۳۳۰.۹۴، از آن به‌عنوان مرکز ثقل رنج آغاز هفته بهره ببرید: شکست معتبر زیر این سطح همراه با تأیید حجم/دادهٔ ماکرو، سیگنال قوی‌تری نسبت به صرفاً لمس عدد خواهد بود. Always-on حد ضرر مکانیکی + سناریونویسی (Breakout/Pullback) حیاتی است.
نکات نهایی + هشدار حرفه‌ای
کلیه اطلاعات این گزارش صرفاً جهت آشنایی با مفاهیم یادگیری ماشین و کاربردهای آن در بازارهای مالی ارائه شده‌اند. این تحلیل‌ها توصیه یا سیگنال معاملاتی محسوب نمی‌شوند. مسئولیت هرگونه استفادهٔ مستقیم از این محتوا به عهدهٔ کاربر است.
یک پاسخ