Przewidywanie ceny złota

🏅✍️ Przewidywanie ceny złota 🟡💰

Złoto było przez wieki uważane za magazyn wartości, chroniący majątek w długim okresie, szczególnie w czasach inflacji, deprecjacji waluty czy niestabilności ekonomicznej. Banki centralne utrzymują znaczące rezerwy złota, odzwierciedlając jego znaczenie w globalnym systemie finansowym.

Twoim zadaniem jest opracowanie automatycznego systemu zdolnego do przewidywania ceny zamknięcia złota (gold close) na podstawie złożonego zestawu wskaźników finansowych, ekonomicznych i rynkowych, obejmujących indeksy giełdowe, ceny towarów i kursy walutowe.

📁 Zestaw danych

Masz do dyspozycji plik CSV:

• gold.csv – zawiera dane historyczne z lat 2010-2024 dotyczące rynków finansowych, towarów i wskaźników ekonomicznych

Każdy wiersz zawiera następujące kolumny:

• date – data w formacie YYYY-MM-DD
• sp500 open, sp500 high, sp500 low, sp500 close, sp500 volume, sp500 high-low – wartości dla indeksu S&P500
• nasdaq open, nasdaq high, nasdaq low, nasdaq close, nasdaq volume, nasdaq high-low – wartości dla indeksu Nasdaq
• us_rates_% – stopa referencyjna USA
• CPI – indeks cen konsumpcyjnych
• usd_chf, eur_usd – kursy walutowe
• GDP – produkt krajowy brutto
• silver open, silver high, silver low, silver close, silver volume, silver high-low – wartości dla srebra
• oil open, oil high, oil low, oil close, oil volume, oil high-low – wartości dla ropy naftowej
• platinum open, platinum high, platinum low, platinum close, platinum volume, platinum high-low – wartości dla platyny
• palladium open, palladium high, palladium low, palladium close, palladium volume, palladium high-low – wartości dla palladu
• gold open, gold high, gold low, gold close, gold volume – wartości dla złota (naszym celem jest gold close)

💡 Dane mogą mieć różne granularności (dzienne, miesięczne, kwartalne). Niektóre wartości są brakujące (NaN), a model musi poprawnie radzić sobie z tym problemem.

🧠 Zadanie (100 punktów)

Zbuduj system, który może przewidywać cenę zamknięcia złota (gold close) dla dni z test.csv.

Przewidywania muszą być zapisane w pliku submission.csv w formacie:

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

gdzie:

• ID – unikalny identyfikator wiersza z test.csv
• gold close – cena przewidziana przez twój system

📊 Ocena

Przewidywania będą porównane z rzeczywistymi wartościami z ground_truth.csv i zostanie obliczony Root Mean Squared Error (RMSE):

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

Końcowy wynik jest obliczany na podstawie uzyskanego RMSE:

• RMSE ≤ 0.5 → 100 punktów
• RMSE ≥ 5 → 0 punktów
• Dla wartości pośrednich punkty są przyznawane proporcjonalnie między 0 a 100.