يهدف هذا المشروع إلى تطوير إطار عمل متكامل يعتمد على تقنيات تعلم الآلة (Machine Learning) للتنبؤ بالاتجاه اليومي التالي لمؤشر S&P 500 باستخدام المؤشرات الفنية، والمؤشرات الاقتصادية الكلية، وإشارات الأسواق المالية المرتبطة. اعتمد المشروع على أكثر من 5,000 سجل يومي تم جمعها من Yahoo Finance وFRED خلال الفترة من 2005 إلى 2024، مع تطبيق مراحل متقدمة من تنظيف البيانات، وهندسة الخصائص، ومنع تسرب البيانات (Data Leakage)، واستخدام Purged Time Series Cross-Validation لضمان تقييم واقعي للنماذج. كما تمت مقارنة عدة نماذج تعلم آلة، منها Logistic Regression وRandom Forest وXGBoost وLightGBM وCatBoost، بالإضافة إلى استخدام SHAP لتفسير قرارات النماذج، ومعايرة الاحتمالات، وإعادة التدريب بأسلوب Walk-Forward، وإجراء اختبارات Backtesting لتقييم الأداء الإحصائي والجدوى العملية لاستراتيجيات التداول في ظروف سوق حقيقية