مدل یادگیری ماشین TALOS ML : پیش‌بینی قیمت طلا هفته منتهی به ۱۵ اوت ۲۰۲۵

مقدمه : پیش‌بینی قیمت طلا با مدل یادگیری ماشین TALOS ML

حتی یک تیتر اقتصادی می‌تواند قیمت طلا را ده‌ها دلار جابه‌جا کند؛ در چنین فضایی، داشتن یک چارچوب داده‌محور که «نویز» بازار را به «سیگنال» تبدیل کند، مزیت رقابتی است. این پست خلاصه‌ی هفتگی خروجی TALOS ML را ارائه می‌دهد؛ مدلی چندمتغیره بر پایه‌ی LSTM که با پنجره‌ی زمانی ۳۰روزه و ۱۵ ویژگی کلیدی (از جمله اثر‌گذارهایی مانند DXY) تلاش می‌کند مسیر کوتاه‌مدت طلا (XAUUSD) را پیش‌بینی کند.

در این گزارش، ابتدا جدول عملکرد مدل را می‌بینید، سپس ساختار فنی داده‌ها توضیح داده می‌شود و اختلاف بین «قیمت پیش‌بینی‌شده‌ی دوشنبه» و «کلوز جمعه» به‌صورت تحلیلی تفسیر می‌گردد—با یادآوری اینکه قضاوت درباره‌ی خطا، تنها پس از فرارسیدن افق پیش‌بینی ممکن است. در پایان، یک اینفوگرافی انگلیسی و مینیمال، چکیده‌ی مسیر قیمت و متریک‌های اصلی (جهت، RMSE، خطا، ایپاک‌ها و…) را به شکل کاملا کاربردی و ساده ارائه می‌کند.

جدول عملکرد مدل 

توضیح: مقدار RMSE روی مجموعهٔ اعتبارسنجی (Validation) و آزمون (Test) نشان می‌دهد خطای مدل روی داده‌های ندیده حدود ۳۴–۳۷ دلار است. با درنظرگرفتن مقیاس قیمت طلا (~۳۳۳۶ دلار برای جمعه)، «Relative RMSE» برابر ~۱.۰۲٪ ارزیابی می‌شود که برای پیش‌بینی روزانه در بازار پرنوسان طلا، عدد معقولی است. «Prediction Direction = DOWN» یعنی مدل برای دوشنبهٔ آینده کاهش قیمت را پیش‌بینی کرده است. اختلاف پیش‌بینی با کلوز جمعه ۱۱.۵۸- دلار است؛ توجه کنید این اختلاف هنوز «خطای مدل» محسوب نمی‌شود چون افق پیش‌بینی، روز آتی (دوشنبه) است نه جمعه.

ساختار فنی مدل و داده‌های ورودی

TALOS ML یک LSTM چندمتغیره (Stacked LSTM با ۲ لایه) است که توالی‌های ۳۰–روزه از ۱۵ ویژگی را به‌عنوان ورودی دریافت می‌کند (Input Shape = 30×۱۵). این ۱۵ ویژگی معمولاً شامل قیمت‌های باز/بسته/بالاترین/پایین‌ترین، بازده‌ها و نوسانات مشتق‌شده، حجم/پوزیشنینگ (در صورت دسترسی)، و شاخص‌های کلان حساس به دلار هستند.
میان متغیرها، DXY (شاخص دلار آمریکا) اهمیت ویژه‌ای دارد؛ رابطهٔ بلندمدت و میان‌مدت آن با طلا عمدتاً معکوس است: تقویت دلار معمولاً فشار نزولی بر طلا وارد می‌کند (از مسیر قیمت‌گذاری جهانی کالاها و جذابیت نسبی دارایی‌های دلاری). بنابراین حضور DXY و مشتقات آن در فیچرست به مدل کمک می‌کند تغییرات جهت‌دار طلا را به‌موقع‌تر شکار کند—به‌خصوص وقتی شوک‌های خبریِ مرتبط با سیاست پولی یا داده‌های تورمی منتشر می‌شود.

تحلیل اختلاف قیمت واقعی و مقدار پیش‌بینی‌شده

مدل برای دوشنبه عدد ۳۳۲۳.۷۶ دلار را داده، در حالی که کلوز جمعه ۳۳۳۵.۶۱ بوده است؛ بنابراین در لحظهٔ انتشار این گزارش، «Prediction Error» نسبت به کلوز جمعه –۱۱.۸۵ دلار است. از آن‌جا که افق هدف، روز کاری بعدی است، این اختلاف را نمی‌توان خطای نهایی دانست. دو سناریو اصلی پیش‌روست:

1. تحقق نزول ملایم: اگر بازار در آغاز هفته با دلار قوی‌تر یا ریسک‌گریزی باز شود، رسیدن قیمت به محدودهٔ 3320s منطقی است و خطای نقطه‌ای کوچک باقی می‌ماند.
2. بازگشت/شوک خبری: در صورت داده‌های غافلگیرکننده (مثلاً شاخص‌های فعالیت یا کامنت‌های سیاست‌گذار)، امکان بی‌اثر شدن سیگنال نزولی کوتاه‌مدت وجود دارد؛ در این حالت، دامنهٔ نوسان از خطای RMSE روزانه (~۳۴ دلار) فراتر می‌تواند برود.

نکتهٔ مهم: با توجه به ماهیت سری‌های زمانی مالی، جابجایی زمانی سیگنال (Lag) محتمل است؛ یعنی ممکن است فاز اصلی حرکت ۱–۲ روز با تأخیر رخ دهد. بنابراین تفسیر صحیح پیش‌بینی باید همراه با مدیریت ریسک و پنجرهٔ زمانی منعطف باشد.

وضعیت آموزش و پایداری

منحنی زیان (Loss) طی ۱۰۰ ایپاک به حوالی ۰.۰۰۰۶ (val loss) تثبیت شده است. این مقدار—به‌همراه RMSEهای ۳۴–۳۷ دلاری—نشان می‌دهد مدل نه دچار «Underfit» مانده و نه به‌وضوح Overfit شده است. بااین‌حال، نوسان ذاتی بازار طلا ایجاب می‌کند نتایج هر هفته با داده‌های تازه بازکالیبره و پایش شوند (به‌ویژه پس از رویدادهای FOMC، CPI، NFP).

دقت تاریخی مدل و نحوهٔ استفاده

بر اساس کارنامهٔ گذشتهٔ TALOS ML، دقت جهت حدود ۸۳٪ گزارش شده و میانگین خطای نسبی کمتر از ۱.۵٪ بوده است؛ با این یادآوری که تاخیر ۱–۲ روزه در تحقق حرکت، بخشی از رفتار طبیعی مدل است. نتیجهٔ عملی:

• به‌جای ورود «هم‌زمان با سیگنال»، می‌توان تریگرهای تاییدی (مثل شکست محدوده، تایم‌فریم پایین‌تر، یا فیلترهای حجم/دلار) را به استراتژی اضافه کرد.
• حد ضرر مبتنی بر نوسان (ATR یا باند RMSE روزانه) مانع از بزرگ‌شدن زیان در روزهای خبرمحور می‌شود.

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 استفاده مستقیم از این محتوا بر عهدهٔ کاربر است. برای تصمیم‌های واقعی، حتماً از مدیریت ریسک، سناریونویسی، و تأیید چندلایه (تکنیکال/بنیادی/احساسی) بهره بگیرید.