Gold Price Forecasting — TDTU NCKH 2025-2026

Đề tài: Ứng dụng trí tuệ nhân tạo trong dự đoán giá vàng và phân tích biến động thị trường Việt Nam Title (EN): Applied Artificial Intelligence to Gold Price Forecasting and Market Volatility in Vietnam Tổ chức: Đại học Tôn Đức Thắng (TDTU) — Nghiên cứu Khoa học Sinh viên Năm học: 2025-2026 License: MIT

[]

🎯 Mục tiêu

Xây dựng hệ thống dự báo giá vàng SJC (Việt Nam) bằng AI/ML, tích hợp dữ liệu đa nguồn (giá vàng quốc tế, USD Index, dầu, lãi suất, sentiment tin tức), so sánh hệ thống các mô hình từ baseline cổ điển đến SOTA 2024-2026 (foundation models zero-shot), và cung cấp dashboard trực quan cho nhà đầu tư.

Target proposal: MAPE 4-5% trên test out-of-sample.

🏗️ Kiến trúc

Xem ARCHITECTURE.md để biết chi tiết.

NCKH/
├── data/
│ ├── raw/ # CSV gốc, immutable
│ ├── interim/ # merged + ffill
│ ├── processed/ # features V2 + splits
│ └── external/ # news, sentiment cache
├── src/
│ ├── data/ # fetch, refresh, schema
│ ├── features/ # technical, macro, sentiment, calendar
│ ├── models/ # classical, ml, dl, foundation, ensemble
│ ├── training/ # cv (walk-forward), tune (optuna), trainer
│ ├── evaluation/ # metrics, stat_tests (DM, Friedman), conformal
│ ├── xai/ # SHAP, attention, TimeSHAP
│ ├── utils/ # logging, seeds, io
│ └── legacy/ # FROZEN — code gốc trước refactor
├── notebooks/ # 00..99 — EDA → models → ensemble → reproduce
├── tests/ # pytest, no-leakage gates
├── configs/ # YAML configs (no hardcoded constants)
├── app/ # streamlit + fastapi
├── reports/ # figures, leaderboard, paper (TDTU + IEEE)
└── scripts/ # bash helpers

⚡ Quickstart

1. Setup environment

git clone https://github.com/twangnhat-05/NGHIENCUUKHOAHOC.git
cd NGHIENCUUKHOAHOC
python -m venv .venv
.venv\Scripts\activate # Windows
pip install -r requirements.txt

2. Refresh data (≤ 2 phút)

python -m src.data.refresh --start-year 2018 --end-date today

3. Build features

python -m src.features.build

4. Train baselines

python -m src.models.classical # AutoARIMA, Prophet, ETS
python -m src.models.ml --model xgboost --tune

5. Run dashboard

streamlit run app/streamlit_app.py

6. Reproduce all (≤ 2 giờ Colab free)

Mở notebooks/99_reproduce_all.ipynb.

📊 Model Lineup (5 tiers, 30+ models)

📏 Evaluation

• Walk-forward CV 5 folds (expanding window) — no leakage
• Final test: 2025-10-01 → 2026-04-25 (~7 tháng OOS)
• Metrics: MAE, RMSE, MAPE, sMAPE, MASE, R², Directional Accuracy, CRPS
• Statistical tests: Diebold-Mariano + Friedman + Nemenyi
• Prediction intervals: Conformal (Adaptive Conformal Inference, 80/95%)

📚 Dữ liệu (free tier only)

🛠️ Development

pip install -r requirements-dev.txt
pre-commit install

# Lint + format
ruff check src/ tests/
black src/ tests/

# Tests
pytest -v
pytest -m no_leakage # critical anti-leakage gates
pytest --cov=src --cov-report=html

📖 Tài liệu tham khảo chính

Xem reports/paper/ieee_en/bib.bib.

🙏 Acknowledgments

• Open-source community: Nixtla (statsforecast/neuralforecast/mlforecast), Amazon Chronos, Google TimesFM, IBM Granite TTM, Salesforce Moirai
• TDTU advisor (TBD)
• Architected by the author.

📄 Citation

Nếu sử dụng code này, vui lòng cite (xem CITATION.cff):

@misc{wangnhat2026goldforecast,
 author = {WangNhat},
 title = {Vietnamese Gold Price Forecasting with Foundation Models and Conformal Prediction},
 year = {2026},
 url = {https://github.com/twangnhat-05/NGHIENCUUKHOAHOC}
}