Težavnost
Vaš najboljši rezultat
N/A
Zlato je bilo stoletja obravnavano kot shranjevanje vrednosti, ki varuje premoženje dolgoročno, zlasti v obdobjih inflacije, depreciacij valut ali gospodarske nestabilnosti. Centralne banke imajo pomembne rezerve zlata, kar odraža njegov pomen v globalnem finančnem sistemu.
Tvoja naloga je razviti avtomatski sistem, ki je sposoben napovedati zaključno ceno zlata (gold close) na podlagi kompleksnega nabora finančnih, gospodarskih in tržnih kazalnikov, vključno z borznimi indeksi, cenami surovin in deviznimi tečaji.
Na voljo imaš CSV datoteko:
Vsaka vrstica vsebuje naslednje stolpce:
date – datum v formatu YYYY-MM-DDsp500 open, sp500 high, sp500 low, sp500 close, sp500 volume, sp500 high-low – vrednosti za indeks S&P500nasdaq open, nasdaq high, nasdaq low, nasdaq close, nasdaq volume, nasdaq high-low – vrednosti za indeks Nasdaqus_rates_% – referenčna obrestna mera ZDACPI – indeks potrošniških cenusd_chf, eur_usd – devizni tečajiGDP – bruto domači proizvodsilver open, silver high, silver low, silver close, silver volume, silver high-low – vrednosti za srebrooil open, oil high, oil low, oil close, oil volume, oil high-low – vrednosti za naftoplatinum open, platinum high, platinum low, platinum close, platinum volume, platinum high-low – vrednosti za platinopalladium open, palladium high, palladium low, palladium close, palladium volume, palladium high-low – vrednosti za paladijgold open, gold high, gold low, gold close, gold volume – vrednosti za zlato (naš cilj je gold close)💡 Podatki lahko imajo različne granularnosti (dnevno, mesečno, četrtletno). Nekatere vrednosti manjkajo (NaN), model pa mora to pravilno obvladovati.
Zgradi sistem, ki lahko napove zaključno ceno zlata (gold close) za dni iz test.csv.
Napovedi morajo biti shranjene v datoteko submission.csv z obliko:
ID,gold closeR00001,1820.35R00002,1815.92R00003,1822.10kjer:
ID – edinstveni identifikator vrstice iz test.csvgold close – cena, ki jo napove tvoj sistemNapovedi bodo primerjane z dejanskimi vrednostmi iz ground_truth.csv in izračunan bo Root Mean Squared Error (RMSE):
RMSE = sqrt( sum((y_true - y_pred)^2) / n )Končna ocena je izračunana na podlagi dobljenega RMSE: