Драгоценные металлы (драгметаллы) являются ключевыми элементами класса активов на международном финансовом рынке. Они обладают рядом преимущественных характеристик: выступают важным инструментом сохранения стоимости, не подвержены риску дефолта, предоставляют эффективную защиту от инфляционных процессов и считаются активами-убежищами в периоды неблагоприятной геополитической обстановки. Цель исследования состоит в поиске методов повышения точности прогнозирования цены драгметаллов с использованием передовых моделей машинного обучения. Методологической основой является концепция прогнозирования эффективности драгоценных металлов в роли стабилизационного актива (и актива-убежища) в условиях будущей нестабильности. Методика исследования базируется на оценке эффективности моделей машинного обучения с учетом информационных критериев (AIC и BIC), коэффициента детерминации (R2 и Adj-R2) и показателей RMSE, MAPE в качестве меры близости между фактическими и прогнозируемыми значениями временных рядов и меры ошибок. Информационной базой послужили ежедневные данные по ценам на драгметаллы (золото, серебро, платина, палладий), предоставленные компанией Investing.com. Учитывая возрастающую значимость драгметаллов как индикатора настроений инвесторов и состояния мировой экономики в условиях обострившейся геополитической ситуации в период 2020-2025 гг., проведен сравнительный анализ современных моделей в области машинного обучения. Полученные результаты демонстрируют преимущественные возможности модели KAN в качестве перспективного инструмента повышения точности прогнозов и улучшения интерпретируемости результатов в различных сценариях и имеют высокую значимость для разработки эффективной инвестиционной стратегии на рынках драгметаллов.