حتماً! اینها نمونه‌های خوب (آکادمیک + گیت‌هاب) از مدل‌های شبکه‌عصبی برای پیش‌بینی باینری رنگ/جهت کندل بعدی (bullish/bearish) هستند؛ بر اساس معماری دسته‌بندی‌شون کردم و لینک هرکدوم رو گذاشتم:

مدل‌های مبتنی بر RNN/LSTM

• LSTM برای پیش‌بینی کندل بعدی (Crypto) – ساختار LSTM با اندیکاتورها؛ ریپو آموزشی. (GitHub)
• بات فارکس با LSTM/MLP برای احتمال bullish/bearish کندل بعدی – پیاده‌سازی عملی با آستانه‌گذاری و ترید زنده OANDA. (GitHub)

مدل‌های مبتنی بر CNN (روی تصویر/OHLC)

• GAF-CNN برای تشخیص الگوهای کندلی – تبدیل سری‌زمانی به تصویر Gramian Angular Field و طبقه‌بندی الگوها؛ مناسب برای برچسب‌زنی bullish/bearish. (SpringerOpen)
• پیش‌بینی حرکت قیمت با تبدیل OHLC به تصویر کندل‌استیک و CNN – رویکرد تصویری برای حرکت بالا/پایین. (GitHub)
• استفاده از تصاویر کندل و شبکه‌های عمیق برای خروجی باینری up/down – مقاله‌ای که مستقیماً خروجی باینری نزدیک‌ترین آینده را هدف می‌گیرد. (arXiv)

مدل‌های مبتنی بر Transformer

• Stockformer (Transformer چندمتغیره برای سهام) – چارچوب ترنسفورمری؛ قابل سازگارکردن برای طبقه‌بندی up/down. (arXiv)
• Hidformer: ترنسفورمر برای پیش‌بینی قیمت سهام – مروری/کاربردی بر ترنسفورمر در سری‌زمانی مالی. (arXiv)
• MASTER: Market-Guided Stock Transformer – مدل راهنمایی‌شده توسط ویژگی‌های بازار؛ قابل استفاده برای باینری جهت. (arXiv)
• Sentiment-Aware Transformer + LLM Alphas – افزودن آلفاهای تولیدشده توسط LLM به ترنسفورمر برای پیش‌بینی روز بعد؛ می‌تواند به طبقه‌بندی up/down نگاشت شود. (arXiv)

ترکیبی/دیگر

• CNN + LSTM برای تشخیص روند Bull/Bear – فصل کتاب/کنفرانسی با مقایسه CNN/LSTM/RNN و بحث درباره پیش‌بینی روند. (SpringerLink)
• Neural-Candlestick – بک‌اند پایتونی (Dense/LSTM) برای پردازش کندل و خروجی پیش‌بینی؛ سازگار با بات‌های ترید. (GitHub)

ریپوهای تمرینیِ «کندل بعدی Bullish/Bearish»

• پروژه «۳ کندل متوالی → پیش‌بینی کندل بعدی (Bullish/Bearish) – نوت‌بوک تمرینی. (GitHub)
• Predicitng Next Candle is Bullish or Bearish – نوت‌بوک با طبقه‌بند (قابل تبدیل به NN). (GitHub)
• predict_next_candle (TF.js/ML5) – ایده‌پردازی/کدنویسی آزمایشی برای رنگ کندل بعدی. (GitHub)

اگر دوست داری، می‌تونم یکی از این رویکردها (مثلاً LSTM یا CNN تصویری) رو سریع به شکل یک نوت‌بوک آماده کنیم: ورودی‌اش OHLCV شما باشد و خروجی‌اش احتمال bullish/bearish برای کندل بعدی. فقط بگو کدام مارکت/تایم‌فریم مدنظرت هست.
تذکر همیشگی: این‌ها صرفاً پژوهشی/آموزشی‌اند و تضمین سود در بازار مالی نمی‌دهند.

چک کردم؛ «مدل‌های شبکه‌عصبی مخصوص باینری آپشن با دقت/وین‌ریت بالای ۸۰٪» که مدرک معتبر (مقاله داوری‌شده/کدِ باز با نتایج قابل تکرار) داشته باشند، پیدا نشد. هرچه دیدم یا ادعای تبلیغاتی است یا تست‌های محدود بدون روش علمی (تفکیک دیتاست، پرهیز از لیکیج، بنچمارک روی صرافی/کارگزار مشخص و…).

برای شفافیت، این‌ها نمونه لینک‌هایی هستند که ادعای ۸۰٪+ می‌کنند (بدون پشتوانه‌ی علمی/قابل‌اتکا—صرفاً جهت اطلاع، نه تأیید):

• «80% Win Rate?! Binary Strategy for OTC Days» (ویدئو یوتیوب). (YouTube)
• «318# 80% Win Rate – Price Action Binary Strategy» (وبلاگ استراتژی). (forexstrategiesresources.com)
• «Binary Triumph – how win 80% trades on binary options» (وبلاگ استراتژی). (FXProSystems)
• «Best Binary Options Strategy With 90% Win Rate» (مقالهٔ تبلیغاتی). (Traders Union)
• راهنماهای عمومیِ «استراتژی‌های باینری ۲۰۲۵» (ادعاهای کلی بدون شواهد آزمون). (Binaryoptions.com)

برای ارزیابی ریسک این ادعاها، به هشدارهای رگولاتورها توجه کنید (بخش زیادی از بازار باینری آپشن برای مشتریان خرد، یا ممنوع یا به‌طور گسترده پر از کلاه‌برداری گزارش شده است):

• ESMA (اتحادیه اروپا): ممنوعیت بازاریابی/فروش باینری آپشن به مشتریان خرد از ۲ ژوئیه ۲۰۱۸. (ESMA)
• SEC/CFTC (آمریکا): «Investor Alert: Binary options and fraud». (SEC)
• FCA (بریتانیا): صفحه «Binary options scams» به‌روزشده در ۲۰۲۵. (FCA)

اگر هدفت مدل واقعاً کاربردی برای «بالا/پایین کندل بعدی» است (نه الزاماً باینری آپشن)، می‌تونم برات یک نوت‌بوک بسازم که روی دادهٔ OHLCV خودت با روش علمی ارزیابی بشه (تقسیم زمانیِ درست، عدم لیکیج، معیارهای مناسب به‌جای «accuracy» صرف، مثل precision/recall روی کلاسِ اقلیت، و بک‌تست با کارمزد/اسلیپیج). ولی مطابق جست‌وجو، «مدل آماده با تضمین ۸۰٪+ برای باینری آپشن» منبع قابل اعتمادی ندارد.