ปัญหาพิเศษนี้มีวัตถุประสงค์เพื่อพัฒนาและเปรียบเทียบประสิทธิภาพของแบบจำลองการทำนายราคาทองคำโดยใช้ตัวแปรเชิงปริมาณและ ข้อมูลข้อความจากข่าว งานวิจัยนี้ใช้ตัวแปรต้น 9 ตัว ได้แก่:

• ราคาน้ำมันดิบเบรนท์
• ราคาน้ำมันดิบ WTI
• ราคาโลหะเงิน
• ราคาแพลทินัม
• อัตราดอกเบี้ยนโยบายของธนาคารกลางสหรัฐ (FED)
• ดัชนีตลาดหุ้นญี่ปุ่น นิกเคอิ 225
• ดัชนีค่าเฉลี่ยอุตสาหกรรมดาวโจนส์
• ดัชนี S&P 500
• ข้อมูลข่าวจากสำนักข่าวกรุงเทพธุรกิจ

ข้อมูลข่าวสารที่เกี่ยวข้องจะถูกนำมาวิเคราะห์ด้วยเทคนิคการประมวลผลภาษาธรรมชาติ (Natural Language Processing - NLP) และนำมาประยุกต์ใช้ร่วมกับแบบจำลองการเรียนรู้ของเครื่อง (Machine Learning) โดยเปรียบเทียบ 3 วิธี ได้แก่ Gradient Boosting, Machine Learning Models และ Regression Analysis จากนั้นทำการประเมินประสิทธิภาพของแบบจำลองโดยใช้ตัวชี้วัด 3 ตัว ได้แก่ รากของค่าคลาดเคลื่อนกำลังสองเฉลี่ย (RMSE), ค่าคลาดเคลื่อนสัมบูรณ์เฉลี่ย (MAE) และสัมประสิทธิ์การกำหนด (R^2)