Zelta cenas prognozēšana

🏅✍️ Zelta cenas prognozēšana 🟡💰

Zelts gadsimtiem ilgi ir uzskatīts par vērtības krātuvi, aizsargājot bagātību ilgtermiņā, īpaši inflācijas, valūtas devalvācijas vai ekonomiskās nestabilitātes periodos. Centrālās bankas uztur ievērojamas zelta rezerves, atspoguļojot tā nozīmi globālajā finanšu sistēmā.

Tavs uzdevums ir izstrādāt automātisku sistēmu, kas spēj prognozēt zelta slēgšanas cenu (gold close) balstoties uz sarežģītu finanšu, ekonomisko un tirgus indikatoru kopu, ieskaitot biržas indeksus, preču cenas un valūtas maiņas kursus.

📁 Datu kopa

Tev ir pieejams CSV fails:

• gold.csv – satur vēsturiskos datus no 2010. līdz 2024. gadam par finanšu tirgiem, precēm un ekonomiskajiem indikatoriem

Katra rinda satur šādas kolonnas:

• date – datums formātā YYYY-MM-DD
• sp500 open, sp500 high, sp500 low, sp500 close, sp500 volume, sp500 high-low – vērtības S&P500 indeksam
• nasdaq open, nasdaq high, nasdaq low, nasdaq close, nasdaq volume, nasdaq high-low – vērtības Nasdaq indeksam
• us_rates_% – ASV atsauces procentu likme
• CPI – patēriņa cenu indekss
• usd_chf, eur_usd – valūtas kursi
• GDP – iekšzemes kopprodukts
• silver open, silver high, silver low, silver close, silver volume, silver high-low – vērtības sudrabam
• oil open, oil high, oil low, oil close, oil volume, oil high-low – vērtības naftai
• platinum open, platinum high, platinum low, platinum close, platinum volume, platinum high-low – vērtības platīnam
• palladium open, palladium high, palladium low, palladium close, palladium volume, palladium high-low – vērtības palādijam
• gold open, gold high, gold low, gold close, gold volume – vērtības zeltam (mūsu mērķis ir gold close)

💡 Datiem var būt dažādas granularitātes (dienas, mēneša, ceturkšņa). Dažas vērtības trūkst (NaN), un modelim ir jāpārvalda tas pareizi.

🧠 Uzdevums (100 punkti)

Izveido sistēmu, kas var prognozēt zelta slēgšanas cenu (gold close) dienām no test.csv.

Prognozes jāsaglabā failā submission.csv ar formātu:

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

kur:

• ID – unikālais rindas identifikators no test.csv
• gold close – tavas sistēmas prognozētā cena

📊 Novērtēšana

Prognozes tiks salīdzinātas ar reālajām vērtībām no ground_truth.csv un tiks aprēķināta Root Mean Squared Error (RMSE):

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

Galīgais punktu skaits tiek aprēķināts balstoties uz iegūto RMSE:

• RMSE ≤ 0.5 → 100 punkti
• RMSE ≥ 5 → 0 punkti
• Starppērtībām punkti tiek piešķirti proporcionāli starp 0 un 100.