Guldprisprognos

🏅✍️ Guldprisprediktion 🟡💰

Guld har i århundraden betraktats som en värdeförvarare som skyddar förmögenhet på lång sikt, särskilt under perioder av inflation, valutadevalvering eller ekonomisk instabilitet. Centralbanker håller betydande guldreserver, vilket återspeglar dess betydelse i det globala finansiella systemet.

Din roll är att utveckla ett automatiserat system som kan förutsäga guldets stängningspris (gold close) baserat på en komplex uppsättning finansiella, ekonomiska och marknadsindikatorer, inklusive aktieindex, råvarupriser och valutakurser.

📁 Datamängden

Du har tillgång till en CSV-fil:

• gold.csv – innehåller historiska data från 2010 till 2024 om finansiella marknader, råvaror och ekonomiska indikatorer

Varje rad innehåller följande kolumner:

• date – datum i format YYYY-MM-DD
• sp500 open, sp500 high, sp500 low, sp500 close, sp500 volume, sp500 high-low – värden för S&P500-indexet
• nasdaq open, nasdaq high, nasdaq low, nasdaq close, nasdaq volume, nasdaq high-low – värden för Nasdaq-indexet
• us_rates_% – USA:s referensränta
• CPI – konsumentprisindex
• usd_chf, eur_usd – valutakurser
• GDP – bruttonationalprodukt
• silver open, silver high, silver low, silver close, silver volume, silver high-low – värden för silver
• oil open, oil high, oil low, oil close, oil volume, oil high-low – värden för olja
• platinum open, platinum high, platinum low, platinum close, platinum volume, platinum high-low – värden för platina
• palladium open, palladium high, palladium low, palladium close, palladium volume, palladium high-low – värden för palladium
• gold open, gold high, gold low, gold close, gold volume – värden för guld (vårt mål är gold close)

💡 Data kan ha olika granularitet (daglig, månadsvis, kvartalsvis). Vissa värden saknas (NaN), och modellen måste hantera detta korrekt.

🧠 Uppgift (100 poäng)

Bygg ett system som kan förutsäga guldets stängningspris (gold close) för dagarna i test.csv.

Prediktionerna ska sparas i en fil submission.csv med formatet:

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

där:

• ID – unik identifierare för raden från test.csv
• gold close – priset som förutsagts av ditt system

📊 Utvärdering

Prediktionerna kommer att jämföras med de verkliga värdena från ground_truth.csv och Root Mean Squared Error (RMSE) kommer att beräknas:

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

Slutpoängen beräknas baserat på det erhållna RMSE:t:

• RMSE ≤ 0.5 → 100 poäng
• RMSE ≥ 5 → 0 poäng
• För mellanliggande värden tilldelas poäng proportionellt mellan 0 och 100.