التنبؤ بأسعار العقود الآجلة للذهب باستخدام نماذج التعلم العميق للمحول مع البيانات المكشطة عبر UiPath

ملخص

طورت الدراسة نموذجا للتعلم العميق للمحول للتنبؤ بدقة بأسعار الذهب باستخدام البيانات التاريخية من 2014 إلى 2024. يحقق النموذج دقة 93٪ ، ويتفوق على الطرق التقليدية من خلال التقاط الاتجاهات والتبعيات المعقدة. يساعد المستثمرين وصانعي السياسات في صنع القرار ويقترح تحسينات مستقبلية باستخدام تحليل المعنويات والعوامل العالمية.

الملخص

يعد الذهب أحد أكثر السلع قيمة وتداولا على نطاق واسع في جميع أنحاء العالم ، لا سيما في الهند ، ويلعب دورا مهما في الأسواق الاقتصادية والمالية. تاريخيا ، كان الذهب حجر الزاوية في التجارة الدولية والاستقرار الاقتصادي ، حيث تحتفظ البنوك المركزية باحتياطيات لإدارة التضخم والديون الخارجية. يعمل سعر الذهب كمؤشر اقتصادي رئيسي يؤثر على اتجاهات السوق واستراتيجيات الاستثمار. ومع ذلك ، فإن التنبؤ الدقيق بأسعار الذهب يمثل تحديا بسبب الطبيعة المعقدة وغير الخطية للأسواق المالية التي تتأثر بعوامل مختلفة بما في ذلك أسعار الفائدة والركود الاقتصادي وتقلبات أسعار النفط والأحداث الجيوسياسية. تم استخدام نموذج محول الدراسة للتنبؤ بأسعار الذهب اليومية التي تم جمعها من investing.com من خلال تجريف الويب باستخدام UiPath. إنها منصة أتمتة العمليات الروبوتية (RPA) للحفاظ على سلامة البيانات وتحسين أداء النموذج ، وتم تنفيذ عمليات المعالجة المسبقة مثل معالجة البيانات المفقودة وتوسيع نطاق MinMax. تم اختبار النموذج وتدريبه على مقاييس الأداء الرئيسية وحقق متوسط تربيع الخطأ (MSE) 0.0224 ، جذر متوسط تربيع الخطأ (RMSE) 0.1496 ، و R-تربيع 0.93 ، مع دقة تنبؤ عالية. تؤكد نتائج الدراسة أن نموذج المحولات يكتشف بكفاءة تحركات الأسعار قصيرة الأجل واتجاهات السوق طويلة الأجل ، مما يوفر طريقة أكثر دقة ويمكن الاعتماد عليها من طرق التنبؤ التقليدية. توفر الدراسة إرشادات قيمة للمستثمرين والمحللين الماليين وصانعي السياسات في اتخاذ قرارات مستنيرة في سوق سبائك الذهب. يمكن تحسين الأبحاث المستقبلية من خلال إدراج مصادر بيانات بديلة مثل المعنويات من عناوين الأخبار ووسائل التواصل الاجتماعي ، والتي يمكن أن تقدم رؤية أكثر ثراء لتحركات السوق.

المقدمة

الذهب هو أحد أهم السلع في الأسواق المالية ، وهو مورد اقتصادي مهم وأداة للتحكم في الأسعار. يشكل الذهب جزءا كبيرا من احتياطيات البنك المركزي في العديد من البلدان¹. في الآونة الأخيرة ، أصبح الذهب أكثر شهرة باسم التحوط من التضخم². إنه أحد أصول التحوط الرئيسية ويتحسن التنبؤ بالتقلبات باستخدام نماذج التغاير الشرطي غير المتجانسة ذاتية المعممة - أخذ عينات البيانات المختلطة (GARCH-MIDAS) التي تفسر عدم التناسق والتطرف والقفزات³. الهند والصين هما أكبر مستوردي ومستهلكين للذهب يمثلان ما يقرب من 60٪ من الطلب العالمي. أدى الارتفاع المستمر في أسعار الذهب مدفوعا بديناميكيات السوق ....

البروتوكول

منهجية هذا البحث هي عملية منهجية مصممة لتطوير نموذج محول للتنبؤ بأسعار الذهب. جمع البيانات هو الخطوة الأولى حيث يتم جمع بيانات أسعار الذهب التاريخية والمؤشرات المالية ذات الصلة لتشكيل مجموعة بيانات شاملة. تخضع مجموعة البيانات للمعالجة المسبقة للبيانات وتطوير النموذج والتقييم ومقاييس الأداء وأخيرا التنبؤ بأسعار الذهب مع شرح مفصل في الأقسام اللاحقة.

جمع البيانات وموثوقيتها:
تم جمع بيانات أسعار الذهب التاريخية لهذه الدراسة باستخدام عملية آلية تم تطويرها على منصة UiPath Robotic Process Automation (RPA). تم الحصول على مجموعة البيانات من Investing.com منصة مالية مستخدمة على نطاق واسع وذات سمعة طيبة معروفة ببيانات السلع والسوق ....

النتائج

في تحليل الدراسة ، تم تقييم مقاييس الأداء من خلال البيانات التاريخية ، وتم استخدام هذه المقاييس لإعطاء صورة شاملة لمدى جودة نموذج المحولات في تنبؤ أسعار الذهب المستقبلية.

في الشكل 3 ، يقدم مخطط شموع سعر الذهب تمثيلا مرئيا شاملا لتقلبات الأسعار ، مع التركيز على الأنماط المهمة وتصحيحات السوق والفترات المستقرة عبر الوقت. لتسهيل متابعة تحركات السوق ، تمثل كل شمعة فترة تداول مميزة ، تشير الشموع الحمراء إلى الخسائر ، بينما تظهر الشموع الخضراء مكاسب الأسعار. ظلت أسعار ال.......

المناقشة

اقترحت الدراسة الحالية نموذجا للتعلم العميق للمحول يستخدم البيانات التي تم تجريدها بواسطة UiPath ، وهي منصة آلية تضمن الاستحواذ المنظم والمنظم على البيانات المالية في الوقت المناسب للتنبؤ بأسعار العقود الآجلة للذهب بدقة وموثوقية محسنة. يشتمل النموذج على بيانات عن سعر الذهب مع مؤشرات فنية مهمة مثل مقاييس الحجم والمتوسطات المتحركة لمدة 30 يوما و 100 يوم والاتجاهات والتنبؤ بأسعار الذهب وأنماط الشموع اليابانية. يتفوق نموذج المحول على النماذج التقليدية مثل LSTM و CNN-LSTM والانحدار الخطي ، وي.......

المواد

قائمة المواد المستخدمة في هذه المقالة

الاسم	الشركة	رقم فهرسي	التعليقات
مصدر البيانات	Investing.com	https://in.investing.com/commodities/gold-historical-data	Investing.com عبارة عن منصة سوق مالية توفر أسعار السوق ومعلومات حول الأسهم والعقود الآجلة وما إلى ذلك.
نموذج المحولات (Python المنفذة في Google Colab)	جوجل	https://colab.research.google.com/	تم تطوير كود مصدر python لتحليل البيانات لاستخراج رؤى من البيانات ، وتم تنفيذ هذا الرمز على بيئة Google Colab الافتراضية هذه
أتمتة العمليات الروبوتية UiPath	UiPath، Inc.	https://www.uipath.com	لاستخراج البيانات من المصدر ، وتم تنفيذ الكود على هذا النظام الأساسي UiPath Studio.