Қиындық
Сіздің үздік нәтижеңіз
Жоқ
Алтын ғасырлар бойы құндылықты сақтау құралы болып саналып келген, ұзақ мерзімді байлықты қорғайды, әсіресе инфляция, валютаның құнсыздануы немесе экономикалық тұрақсыздық кезеңдерінде. Орталық банктер алтынның елеулі резервтерін ұстайды, бұл оның жаһандық қаржы жүйесіндегі маңыздылығын көрсетеді.
Сіздің рөліңіз - қаржылық, экономикалық және нарықтық көрсеткіштердің күрделі жиынтығы негізінде алтынның жабылу бағасын (gold close) болжай алатын автоматтандырылған жүйе дамыту, оның ішінде биржа индекстері, тауарлар бағасы және валюта айырбас бағамдары.
Сізде CSV файлы бар:
Әрбір жол келесі бағандарды қамтиды:
date – YYYY-MM-DD форматындағы күнsp500 open, sp500 high, sp500 low, sp500 close, sp500 volume, sp500 high-low – S&P500 индексінің мәндеріnasdaq open, nasdaq high, nasdaq low, nasdaq close, nasdaq volume, nasdaq high-low – Nasdaq индексінің мәндеріus_rates_% – АҚШ базалық пайыздық мөлшерлемесіCPI – тұтыну бағаларының индексіusd_chf, eur_usd – валюта бағамдарыGDP – жалпы ішкі өнімsilver open, silver high, silver low, silver close, silver volume, silver high-low – күміс мәндеріoil open, oil high, oil low, oil close, oil volume, oil high-low – мұнай мәндеріplatinum open, platinum high, platinum low, platinum close, platinum volume, platinum high-low – платина мәндеріpalladium open, palladium high, palladium low, palladium close, palladium volume, palladium high-low – палладий мәндеріgold open, gold high, gold low, gold close, gold volume – алтын мәндері (біздің мақсатымыз gold close)💡 Деректердің түрлі гранулярлығы болуы мүмкін (күнделікті, айлық, тоқсандық). Кейбір мәндер жоқ (NaN), ал модель мұны дұрыс басқаруы керек.
test.csv файлындағы күндер үшін алтынның жабылу бағасын (gold close) болжай алатын жүйе құрыңыз.
Болжамдар келесі форматпен submission.csv файлына сақталуы керек:
ID,gold closeR00001,1820.35R00002,1815.92R00003,1822.10мұндағы:
ID – test.csv файлындағы жолдың бірегей идентификаторыgold close – сіздің жүйеңіз болжаған бағаБолжамдар ground_truth.csv файлындағы нақты мәндермен салыстырылады және Root Mean Squared Error (RMSE) есептеледі:
RMSE = sqrt( sum((y_true - y_pred)^2) / n )Соңғы ұпай алынған RMSE негізінде есептеледі: