Goldpreisprognose

🏅✍️ Goldpreisprognose 🟡💰

Gold wurde jahrhundertelang als Wertaufbewahrungsmittel betrachtet, das langfristig Vermögen schützt, insbesondere in Zeiten von Inflation, Währungsabwertung oder wirtschaftlicher Instabilität. Zentralbanken halten bedeutende Goldreserven, was seine Wichtigkeit im globalen Finanzsystem widerspiegelt.

Deine Aufgabe ist es, ein automatisches System zu entwickeln, das den Schlusskurs von Gold (gold close) basierend auf einem komplexen Set von Finanz-, Wirtschafts- und Marktindikatoren vorhersagen kann, einschließlich Börsenindizes, Rohstoffpreisen und Wechselkursen.

📁 Datensatz

Du hast eine CSV-Datei zur Verfügung:

• gold.csv – enthält historische Daten von 2010 bis 2024 über Finanzmärkte, Rohstoffe und Wirtschaftsindikatoren

Jede Zeile enthält die folgenden Spalten:

• date – Datum im Format YYYY-MM-DD
• sp500 open, sp500 high, sp500 low, sp500 close, sp500 volume, sp500 high-low – Werte für den S&P500-Index
• nasdaq open, nasdaq high, nasdaq low, nasdaq close, nasdaq volume, nasdaq high-low – Werte für den Nasdaq-Index
• us_rates_% – US-Referenzzinssatz
• CPI – Verbraucherpreisindex
• usd_chf, eur_usd – Wechselkurse
• GDP – Bruttoinlandsprodukt
• silver open, silver high, silver low, silver close, silver volume, silver high-low – Werte für Silber
• oil open, oil high, oil low, oil close, oil volume, oil high-low – Werte für Öl
• platinum open, platinum high, platinum low, platinum close, platinum volume, platinum high-low – Werte für Platin
• palladium open, palladium high, palladium low, palladium close, palladium volume, palladium high-low – Werte für Palladium
• gold open, gold high, gold low, gold close, gold volume – Werte für Gold (unser Ziel ist gold close)

💡 Die Daten können unterschiedliche Granularitäten haben (täglich, monatlich, vierteljährlich). Einige Werte fehlen (NaN), und das Modell muss dies korrekt handhaben.

🧠 Aufgabe (100 Punkte)

Baue ein System, das den Schlusskurs von Gold (gold close) für die Tage in test.csv vorhersagen kann.

Die Vorhersagen müssen in einer Datei submission.csv mit folgendem Format gespeichert werden:

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

wobei:

• ID – eindeutige Kennung der Zeile aus test.csv
• gold close – von deinem System vorhergesagter Preis

📊 Bewertung

Die Vorhersagen werden mit den tatsächlichen Werten aus ground_truth.csv verglichen und der Root Mean Squared Error (RMSE) wird berechnet:

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

Die Endpunktzahl wird basierend auf dem erreichten RMSE berechnet:

• RMSE ≤ 0.5 → 100 Punkte
• RMSE ≥ 5 → 0 Punkte
• Für Zwischenwerte wird die Punktzahl proportional zwischen 0 und 100 vergeben.