چکیده: بازار مبادلات ارزی یا فارکس معروف‌ترین و بزرگ‌ترین بازار مالی جهان است که به‌صورت ۲۴ ساعته در پنج‌روز در هفته در نقاط مختلف جهان فعال است. به دلیل غیرمتمرکز بودن و نقدینگی بالا استفاده از این بازار همواره موردتوجه معامله‌گران و سرمایه‌گذاران بوده و باتوجه‌به نوسانات زیاد بازار و اثرپذیری از عوامل متعدد پیش‌بینی قیمت ارزها همواره بسیار چالش‌برانگیز بوده است. ازاین‌رو ساخت دستیاری هوشمند جهت تسهیل روند انجام معاملات الزامی است. روش‌هایی که تاکنون برای خودکارسازی معاملات و پیش‌بینی نرخ ارزها انجام شده عمدتاً بر اساس روند تغییرات قیمت درگذشته بوده و به تأثیر اخبار و رویدادهای اقتصادی کمتر پرداخته شده است. ازاین‌رو، در روش پیشنهادی این پژوهش ابتدا داده‌های خام مربوط به اخبار اقتصادی از کارگزاری فارکس فکتوری استخراج شده و به هر واحد پولی در بازه‌های زمانی مختلف بر اساس تأثیر رویدادهای خبری منتشر شده امتیازی اختصاص داده شده است. سپس قیمت‌های واقعی ارز در بازه‌های زمانی ۴ ساعته و یک‌روزه را به دست آورده و به کمک این داده‌ها، مجموعه داده‌ای برای سیستم هوشمند پیش‌بینی قیمت ارز طراحی شد. در ادامه با استفاده از چند الگوریتم یادگیری ماشین، از جمله RandomForest Regression، ARIMA، XGBRegressor و رگرسیون خطی سیستم هوشمندی برای پیش‌بینی نرخ ارز توسعه داده شد. ارزیابی این مدل‌ها با استفاده از معیارهای مختلفی از جمله میانگین خطای مطلق، میانگین مربعات خطا، دقت، صحت، یادآوری و امتیاز 1F انجام شد. با تجزیه‌وتحلیل نتایج، مشاهده شد که مدل توسعه‌یافته با الگوریتم ARIMA بادقت 71.23 % و نرخ یادآوری 0.981 بهترین عملکرد را داشته است. این نرخ فراخوانی بالا نشانگر این است که مدل در ثبت حرکات مثبت قیمت عملکرد خوبی دارد. همچنین میانگین خطای مطلق در این مدل برابر با 0.28 شد که نشان‌دهنده میانگین اختلاف مطلق بین قیمت‌های پیش‌بینی‌شده و واقعی است و اثبات می‌کند که مدل به‌طورکلی به مقادیر واقعی در پیش‌بینی‌های قیمت خود نزدیک است. یافته‌های این تحقیق با نشان‌دادن اثربخشی استفاده از اخبار فارکس فکتوری در ترکیب با الگوریتم‌های یادگیری ماشین، به زمینه پیش‌بینی ارز فارکس کمک می‌کند. سیستم پیش‌بینی توسعه‌یافته، به‌ویژه با ادغام ARIMA، ابزاری را برای معامله‌گران و سرمایه‌گذاران برای تصمیم‌گیری آگاهانه در بازار فارکس فراهم می‌کند.