Kullan hinnan ennustaminen

🏅✍️ Kullan hinnan ennustaminen 🟡💰

Kultaa on pidetty vuosisatojen ajan arvon säilyttäjänä, joka suojaa varallisuutta pitkällä aikavälillä, erityisesti inflaation, valuutan heikkenemisen tai taloudellisen epävakauden aikoina. Keskuspankit pitävät merkittäviä kultareservejä, mikä heijastaa sen tärkeyttä globaalissa rahoitusjärjestelmässä.

Tehtäväsi on kehittää automaattinen järjestelmä, joka kykenee ennustamaan kullan päätöskurssin (gold close) monimutkaisen rahoitus-, talous- ja markkinaindikaattoreiden joukon perusteella, mukaan lukien pörssindeksit, hyödykkeiden hinnat ja valuuttakurssit.

📁 Tietojoukko

Käytössäsi on CSV-tiedosto:

• gold.csv – sisältää historiallista dataa vuodesta 2010 vuoteen 2024 rahoitusmarkkinoista, hyödykkeistä ja taloudellisista indikaattoreista

Jokainen rivi sisältää seuraavat sarakkeet:

• date – päivämäärä muodossa YYYY-MM-DD
• sp500 open, sp500 high, sp500 low, sp500 close, sp500 volume, sp500 high-low – S&P500-indeksin arvot
• nasdaq open, nasdaq high, nasdaq low, nasdaq close, nasdaq volume, nasdaq high-low – Nasdaq-indeksin arvot
• us_rates_% – Yhdysvaltojen viitekorko
• CPI – kuluttajahintaindeksi
• usd_chf, eur_usd – valuuttakurssit
• GDP – bruttokansantuote
• silver open, silver high, silver low, silver close, silver volume, silver high-low – hopean arvot
• oil open, oil high, oil low, oil close, oil volume, oil high-low – öljyn arvot
• platinum open, platinum high, platinum low, platinum close, platinum volume, platinum high-low – platinan arvot
• palladium open, palladium high, palladium low, palladium close, palladium volume, palladium high-low – palladiumin arvot
• gold open, gold high, gold low, gold close, gold volume – kullan arvot (tavoitteemme on gold close)

💡 Datalla voi olla erilaisia tarkkuuksia (päivittäin, kuukausittain, neljännesvuosittain). Joitakin arvoja puuttuu (NaN), ja mallin tulee käsitellä tämä oikein.

🧠 Tehtävä (100 pistettä)

Rakenna järjestelmä, joka voi ennustaa kullan päätöskurssin (gold close) test.csv-tiedoston päiville.

Ennusteet tulee tallentaa submission.csv-tiedostoon muodossa:

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

missä:

• ID – test.csv-tiedoston rivin yksilöllinen tunniste
• gold close – järjestelmäsi ennustama hinta

📊 Arviointi

Ennusteita verrataan todellisiin arvoihin ground_truth.csv-tiedostossa ja lasketaan Root Mean Squared Error (RMSE):

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

Lopullinen pistemäärä lasketaan saadun RMSE:n perusteella:

• RMSE ≤ 0.5 → 100 pistettä
• RMSE ≥ 5 → 0 pistettä
• Väliarvoille pistemäärä annetaan suhteellisesti 0:n ja 100:n välillä.