Predviđanje cene zlata

🏅✍️ Predviđanje cene zlata 🟡💰

Zlato se vekovima smatra čuvarom vrednosti, štiteći bogatstvo na dugi rok, posebno u periodima inflacije, deprecijacije valute ili ekonomske nestabilnosti. Centralne banke drže značajne rezerve zlata, što odražava njegovu važnost u globalnom finansijskom sistemu.

Tvoja uloga je da razviješ automatski sistem sposoban da predvidi cenu zatvaranja zlata (gold close) na osnovu složenog skupa finansijskih, ekonomskih i tržišnih indikatora, uključujući berzanske indekse, cene roba i devizne kurseve.

📁 Skup podataka

Na raspolaganju imaš CSV fajl:

• gold.csv – sadrži istorijske podatke od 2010. do 2024. godine o finansijskim tržištima, robama i ekonomskim indikatorima

Svaki red sadrži sledeće kolone:

• date – datum u formatu YYYY-MM-DD
• sp500 open, sp500 high, sp500 low, sp500 close, sp500 volume, sp500 high-low – vrednosti za S&P500 indeks
• nasdaq open, nasdaq high, nasdaq low, nasdaq close, nasdaq volume, nasdaq high-low – vrednosti za Nasdaq indeks
• us_rates_% – referentna kamata SAD
• CPI – indeks potrošačkih cena
• usd_chf, eur_usd – devizni kursevi
• GDP – bruto domaći proizvod
• silver open, silver high, silver low, silver close, silver volume, silver high-low – vrednosti za srebro
• oil open, oil high, oil low, oil close, oil volume, oil high-low – vrednosti za naftu
• platinum open, platinum high, platinum low, platinum close, platinum volume, platinum high-low – vrednosti za platinu
• palladium open, palladium high, palladium low, palladium close, palladium volume, palladium high-low – vrednosti za paladijum
• gold open, gold high, gold low, gold close, gold volume – vrednosti za zlato (naš cilj je gold close)

💡 Podaci mogu imati različite granularnosti (dnevno, mesečno, kvartalno). Neke vrednosti nedostaju (NaN), a model mora da upravlja ovim ispravno.

🧠 Zadatak (100 poena)

Konstruiši sistem koji može da predvidi cenu zatvaranja zlata (gold close) za dane iz test.csv.

Predviđanja treba da budu sačuvana u fajlu submission.csv sa formatom:

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

gde:

• ID – jedinstveni identifikator reda iz test.csv
• gold close – cena predviđena od strane tvog sistema

📊 Evaluacija

Predviđanja će biti poređena sa stvarnim vrednostima iz ground_truth.csv i izračunaće se Root Mean Squared Error (RMSE):

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

Finalni rezultat se računa na osnovu dobijenog RMSE-a:

• RMSE ≤ 0.5 → 100 poena
• RMSE ≥ 5 → 0 poena
• Za intermedijarne vrednosti, poeni se dodeljuju proporcionalno između 0 i 100.