Esta investigación es el primer intento de crear sistemas algorítmicos de aprendizaje automático (ML) que puedan comerciar automáticamente metales preciosos. El algoritmo utiliza tres metodologías de pronóstico: regresión lineal (LR), cajas de Darvas (DB) y bandas de Bollinger (BB). Nuestros datos consisten en 20 años de datos de precios diarios sobre cinco futuros de metales preciosos: oro, plata, cobre, platino y paladio. Encontramos que todos los rendimientos diarios actuales de los metales preciosos examinados están negativamente autocorrelacionados con los rendimientos del día anterior e identificamos interdependencias rezagadas entre los metales examinados. Se encontró que los precios de los futuros de plata son los mejor pronosticados por nuestros sistemas, y el platino el peor. Además, nuestro sistema pronostica mejor las tendencias al alza de los precios que las tendencias a la baja para todas las técnicas y productos examinados. Se encontró que la regresión lineal es la mejor técnica para pronosticar las tendencias de los precios de la plata y el oro, mientras que la técnica de bandas de Bollinger se ajusta mejor para el pronóstico del paladio.