التنبؤ بسعر الذهب

🏅✍️ توقع سعر الذهب 🟡💰

لقد اعتُبر الذهب لقرون مخزناً للقيمة، يحمي الثروة على المدى الطويل، خاصة في فترات التضخم أو انخفاض قيمة العملة أو عدم الاستقرار الاقتصادي. تحتفظ البنوك المركزية باحتياطيات كبيرة من الذهب، مما يعكس أهميته في النظام المالي العالمي.

دورك هو تطوير نظام آلي قادر على توقع سعر إغلاق الذهب (gold close) بناءً على مجموعة معقدة من المؤشرات المالية والاقتصادية والسوقية، بما في ذلك مؤشرات البورصة وأسعار السلع وأسعار صرف العملات.

📁 مجموعة البيانات

لديك ملف CSV متاح:

• gold.csv – يحتوي على بيانات تاريخية من 2010 حتى 2024 حول الأسواق المالية والسلع والمؤشرات الاقتصادية

كل صف يحتوي على الأعمدة التالية:

• date – التاريخ بصيغة YYYY-MM-DD
• sp500 open, sp500 high, sp500 low, sp500 close, sp500 volume, sp500 high-low – قيم مؤشر S&P500
• nasdaq open, nasdaq high, nasdaq low, nasdaq close, nasdaq volume, nasdaq high-low – قيم مؤشر Nasdaq
• us_rates_% – سعر الفائدة المرجعي الأمريكي
• CPI – مؤشر أسعار المستهلك
• usd_chf, eur_usd – أسعار صرف العملات
• GDP – الناتج المحلي الإجمالي
• silver open, silver high, silver low, silver close, silver volume, silver high-low – قيم الفضة
• oil open, oil high, oil low, oil close, oil volume, oil high-low – قيم النفط
• platinum open, platinum high, platinum low, platinum close, platinum volume, platinum high-low – قيم البلاتين
• palladium open, palladium high, palladium low, palladium close, palladium volume, palladium high-low – قيم البلاديوم
• gold open, gold high, gold low, gold close, gold volume – قيم الذهب (هدفنا هو gold close)

💡 قد تحتوي البيانات على دقة زمنية مختلفة (يومية، شهرية، فصلية). بعض القيم مفقودة (NaN)، ويجب على النموذج التعامل مع هذا بشكل صحيح.

🧠 المهمة (100 نقطة)

ابنِ نظاماً يمكنه توقع سعر إغلاق الذهب (gold close) للأيام الموجودة في test.csv.

يجب حفظ التوقعات في ملف submission.csv بالصيغة:

1ID,gold close2R00001,1820.353R00002,1815.924R00003,1822.10

حيث:

• ID – المعرف الفريد للصف من test.csv
• gold close – السعر المتوقع من نظامك

📊 التقييم

ستتم مقارنة التوقعات مع القيم الحقيقية من ground_truth.csv وسيتم حساب جذر متوسط مربع الخطأ (RMSE):

1RMSE = sqrt( sum((y_true - y_pred)^2) / n )

يتم حساب النتيجة النهائية بناءً على RMSE المحصل عليه:

• RMSE ≤ 0.5 → 100 نقطة
• RMSE ≥ 5 → 0 نقطة
• للقيم الوسطية، تُمنح النقاط بشكل متناسب بين 0 و 100.