Aukso kainos prognozė

🏅✍️ Aukso kainos prognozavimas 🟡💰

Auksas šimtmečiais buvo laikomas vertės saugykla, saugančia turtą ilguoju laikotarpiu, ypač infliacijos, valiutos nuvertėjimo ar ekonominio nestabilumo periodais. Centriniai bankai laiko reikšmingas aukso atsargas, atspindinčias jo svarbą globalioje finansų sistemoje.

Tavo vaidmuo yra sukurti automatizuotą sistemą, gebančią prognozuoti aukso uždarymo kainą (gold close) remiantis sudėtingu finansinių, ekonominių ir rinkos rodiklių rinkiniu, įskaitant biržos indeksus, prekių kainas ir valiutų kursus.

📁 Duomenų rinkinys

Turi CSV failą:

• gold.csv – sudarytas iš istorinių duomenų nuo 2010 iki 2024 metų apie finansų rinkas, prekes ir ekonominius rodiklius

Kiekviena eilutė turi šiuos stulpelius:

• date – data YYYY-MM-DD formatu
• sp500 open, sp500 high, sp500 low, sp500 close, sp500 volume, sp500 high-low – S&P500 indekso vertės
• nasdaq open, nasdaq high, nasdaq low, nasdaq close, nasdaq volume, nasdaq high-low – Nasdaq indekso vertės
• us_rates_% – JAV bazinė palūkanų norma
• CPI – vartotojų kainų indeksas
• usd_chf, eur_usd – valiutų kursai
• GDP – bendrasis vidaus produktas
• silver open, silver high, silver low, silver close, silver volume, silver high-low – sidabro vertės
• oil open, oil high, oil low, oil close, oil volume, oil high-low – naftos vertės
• platinum open, platinum high, platinum low, platinum close, platinum volume, platinum high-low – platinos vertės
• palladium open, palladium high, palladium low, palladium close, palladium volume, palladium high-low – paladžio vertės
• gold open, gold high, gold low, gold close, gold volume – aukso vertės (mūsų tikslas yra gold close)

💡 Duomenys gali turėti skirtingą detalumą (dieninis, mėnesinis, ketvirtinis). Kai kurios vertės trūksta (NaN), o modelis turi tai tinkamai valdyti.

🧠 Užduotis (100 taškų)

Sukurk sistemą, kuri gali prognozuoti aukso uždarymo kainą (gold close) dienoms iš test.csv.

Prognozes reikia išsaugoti faile submission.csv tokiu formatu:

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

kur:

• ID – unikalus eilutės identifikatorius iš test.csv
• gold close – tavo sistemos prognozuota kaina

📊 Vertinimas

Prognozės bus palygintos su tikrosiomis vertėmis iš ground_truth.csv ir bus apskaičiuotas Root Mean Squared Error (RMSE):

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

Galutinis balas skaičiuojamas pagal gautą RMSE:

• RMSE ≤ 0.5 → 100 taškų
• RMSE ≥ 5 → 0 taškų
• Tarpinėms vertėms taškai skiriami proporcingai tarp 0 ir 100.