Aranyár előrejelzés

🏅✍️ Arany árának előrejelzése 🟡💰

Az aranyat évszázadok óta értéktárolónak tekintik, amely hosszú távon védi a vagyont, különösen infláció, valutaleértékelődés vagy gazdasági instabilitás időszakában. A központi bankok jelentős aranytartalékokat tartanak, ami tükrözi fontosságát a globális pénzügyi rendszerben.

A feladatod egy automatikus rendszer fejlesztése, amely képes előre jelezni az arany záróárát (gold close) egy összetett pénzügyi, gazdasági és piaci mutatók alapján, beleértve a tőzsdeindexeket, áruárakat és valutaárfolyamokat.

📁 Adathalmaz

Rendelkezésedre áll egy CSV fájl:

• gold.csv – 2010-től 2024-ig tartalmaz történelmi adatokat a pénzügyi piacokról, árupiacijról és gazdasági mutatókról

Minden sor a következő oszlopokat tartalmazza:

• date – dátum YYYY-MM-DD formátumban
• sp500 open, sp500 high, sp500 low, sp500 close, sp500 volume, sp500 high-low – S&P500 index értékei
• nasdaq open, nasdaq high, nasdaq low, nasdaq close, nasdaq volume, nasdaq high-low – Nasdaq index értékei
• us_rates_% – USA alapkamat
• CPI – fogyasztói árindex
• usd_chf, eur_usd – valutaárfolyamok
• GDP – bruttó hazai termék
• silver open, silver high, silver low, silver close, silver volume, silver high-low – ezüst értékei
• oil open, oil high, oil low, oil close, oil volume, oil high-low – olaj értékei
• platinum open, platinum high, platinum low, platinum close, platinum volume, platinum high-low – platina értékei
• palladium open, palladium high, palladium low, palladium close, palladium volume, palladium high-low – palládium értékei
• gold open, gold high, gold low, gold close, gold volume – arany értékei (a célunk a gold close)

💡 Az adatok különböző granularitásúak lehetnek (napi, havi, negyedéves). Néhány érték hiányzik (NaN), és a modellnek ezt megfelelően kell kezelnie.

🧠 Feladat (100 pont)

Építs egy rendszert, amely képes előre jelezni az arany záróárát (gold close) a test.csv napjaira.

Az előrejelzéseket egy submission.csv fájlba kell menteni a következő formátumban:

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

ahol:

• ID – a test.csv sorának egyedi azonosítója
• gold close – a rendszered által előrejelzett ár

📊 Értékelés

Az előrejelzéseket összehasonlítják a ground_truth.csv valós értékeivel, és kiszámítják a Root Mean Squared Error (RMSE) értéket:

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

A végső pontszám az elért RMSE alapján kerül kiszámításra:

• RMSE ≤ 0.5 → 100 pont
• RMSE ≥ 5 → 0 pont
• A köztes értékekre a pontszám arányosan kerül kiosztásra 0 és 100 között.