Gullprisprediksjon

🏅✍️ Prediksjon av gullpris 🟡💰

Gull har i århundrer blitt betraktet som et verdilager, som beskytter formue på lang sikt, spesielt i perioder med inflasjon, valutadepresiering eller økonomisk ustabilitet. Sentralbanker holder betydelige gullreserver, noe som reflekterer dets viktighet i det globale finanssystemet.

Din rolle er å utvikle et automatisert system som kan predikere gullens sluttkurs (gold close) basert på et komplekst sett av finansielle, økonomiske og markedsindikatorer, inkludert aksjeindekser, råvarepriser og valutakurser.

📁 Datasettet

Du har tilgang til en CSV-fil:

• gold.csv – inneholder historiske data fra 2010 til 2024 om finansmarkeder, råvarer og økonomiske indikatorer

Hver rad inneholder følgende kolonner:

• date – dato i format YYYY-MM-DD
• sp500 open, sp500 high, sp500 low, sp500 close, sp500 volume, sp500 high-low – verdier for S&P500-indeksen
• nasdaq open, nasdaq high, nasdaq low, nasdaq close, nasdaq volume, nasdaq high-low – verdier for Nasdaq-indeksen
• us_rates_% – USAs referanserente
• CPI – konsumprisindeksen
• usd_chf, eur_usd – valutakurser
• GDP – bruttonasjonalprodukt
• silver open, silver high, silver low, silver close, silver volume, silver high-low – verdier for sølv
• oil open, oil high, oil low, oil close, oil volume, oil high-low – verdier for olje
• platinum open, platinum high, platinum low, platinum close, platinum volume, platinum high-low – verdier for platina
• palladium open, palladium high, palladium low, palladium close, palladium volume, palladium high-low – verdier for palladium
• gold open, gold high, gold low, gold close, gold volume – verdier for gull (vårt mål er gold close)

💡 Dataene kan ha forskjellige granulariteter (daglig, månedlig, kvartalsvis). Noen verdier mangler (NaN), og modellen må håndtere dette korrekt.

🧠 Oppgave (100 poeng)

Bygg et system som kan predikere gullens sluttkurs (gold close) for dagene i test.csv.

Prediksjoner må lagres i en fil submission.csv med formatet:

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

hvor:

• ID – unik identifikator for raden fra test.csv
• gold close – prisen predikert av systemet ditt

📊 Evaluering

Prediksjoner vil bli sammenlignet med de faktiske verdiene fra ground_truth.csv og Root Mean Squared Error (RMSE) vil bli beregnet:

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

Den endelige poengsummen beregnes basert på oppnådd RMSE:

• RMSE ≤ 0.5 → 100 poeng
• RMSE ≥ 5 → 0 poeng
• For mellomverdier tildeles poeng proporsjonalt mellom 0 og 100.